一、色彩空间概述：

颜色是人类视觉感知的一种现象，人们对颜色的感知受到光的波长和光强的影响。颜色模型是色彩空间的抽象描述，它使我们能够以数学方式描述和操作颜色。

图像处理的基础在于图像本身，而图像在计算机中是由成千上万个小元素信息--像素(Pixel)组成的。每一个像素都包含了颜色，这些颜色信息在不同的色彩空间中以不同的方式表示。

二、色彩空间分类：

RGB色彩空间:

用红、绿、蓝三原色的强度定义颜色；RGB色彩空间是最常见的加色模型，广泛用于显示设备和数字摄影。RGB模型是一种线性的颜色模型，这使得它在数字化过程中非常高效。它的缺点是难以与人眼感知的色彩致，因此在色彩处理(如色调、饱和度、亮度)时可能会有不方便之处。

对于8位的RGB图像，其每个像素值取值范围是0~255，如果某一坐标点A处红、绿、蓝三通道的像素值依次为255,255,255，那么该点表示的颜色为白色，如果该处红、绿、蓝三通道的像素值依次为0，0，0，那么该点表示的颜色为黑色，又如果该处红、绿、蓝三通道的像素值为其它值，则其表示的颜色为其它颜色。所以理论上8位RGB图可以表示的颜色种类数为255*255*255。R通道的图像就是只把红色的像素值提取出来，绿蓝像素值都为0。

下面是从左至右分别为RGB各通道的图像

H                                        S                                    V

LAB色彩空间：

LAB 将颜色拆分为三个完全独立的维度：

• L (Lightness - 明度)：表示颜色的明暗程度。取值范围通常为 0（纯黑）到 100（纯白）。

• a (红-绿轴)：表示颜色在红色和绿色之间的位置。正值为红色（+a），负值为绿色（-a），0 为中性灰。

• b (黄-蓝轴)：表示颜色在黄色和蓝色之间的位置。正值为黄色（+b），负值为蓝色（-b），0 为中性灰。 (注：在常见的 8位图像处理软件中，a和b的取值范围通常被映射为 -128 到 +127。)

三、色彩空间的用途及重要性

在2D视觉中，没有绝对“最好”的色彩空间，只有“最适合当前任务”的色彩空间。

• 如果你要找边缘、做匹配、求速度 ➔ 用 灰度 (Grayscale)降维打击。灰度将 3 通道降为 1 通道，计算量减少 2/3，同时去除了光照颜色带来的噪声，凸显了物体的物理结构。

• 如果你要按颜色抠图、做简单分割 ➔ 用 HSV / HSL。H（色相）通道对阴影和高光具有极强的免疫力。一个红苹果在阴影下，其 RGB 值会剧变，但其 HSV 中的 H 值（红色）基本保持不变。

• 如果你要做工业色差检测、无损图像增强 ➔ 用 LAB。在印刷、纺织、食品分选（如挑出变质的苹果）中，计算 Delta E (色差) 必须使用 LAB 空间。

• 如果你要训练深度学习大模型 ➔ 直接用 RGB。RGB 是数字世界的“母语”。虽然在传统算法中表现不佳，但深度学习模型具有强大的非线性拟合能力，能够自己在 RGB 的高维空间中学习到光照和颜色的隐式规律，因此通常不需要手动转换色彩空间。

理解并灵活运用色彩空间，是将一个“只能看”的图像像素矩阵，转化为“可计算、可理解”的机器视觉信息的关键第一步。