当前位置：首页 > news >正文

【图像处理】图像色彩空间 Lab、YCbCr、HSV

news 2025/10/19 8:54:06

参考博客：

数字图像处理—— Lab、YCbCr、HSV、RGB之间互转

一、图像色彩空间 Lab、YCbCr、HSV

1.1 Lab色彩空间

1. 定义与本质

Lab（全称CIELAB）是国际照明委员会（CIE）1976年定义的设备无关色彩空间，核心特点是“模拟人类视觉感知”——空间中颜色的距离与人类主观感受到的颜色差异一致，这与依赖设备的RGB、CMYK空间有本质区别。

Lab本身并非“图像文件格式”（如JPEG/PNG），而是图像处理中的中间色彩空间，常用于颜色校正、颜色匹配等对“人眼感知一致性”要求高的场景。

2. Lab分量

Lab由三个通道组成，各分量含义明确且独立：

L（Luminance）：亮度通道，取值范围通常为0~100。0代表纯黑，100代表纯白，中间值对应不同明暗程度。
a（Green-Red Axis）：颜色分量，取值范围一般为-128~127。负值偏向绿色，正值偏向红色，0为中性灰。
b（Blue-Yellow Axis）：颜色分量，取值范围一般为-128~127。负值偏向蓝色，正值偏向黄色，0为中性灰。

3. 特点与应用场景

优势：颜色差异与人类感知一致，适合精确调整颜色而不影响亮度（如肤色优化、产品色彩校准）。
应用：图像色彩校正、跨设备颜色匹配、医学图像处理（如病理切片颜色标准化）。

Lab色彩空间示意图

1.2 YCbCr色彩空间

1. 定义与本质

YCbCr是面向数字图像与视频编码的色彩空间，核心设计思路是“分离亮度与色度信息”——利用人眼对亮度更敏感、对色度相对不敏感的特性，在压缩或传输时降低色度通道的分辨率，以减少数据量同时保持视觉质量。

2. YCbCr分量

YCbCr的三个通道分工明确，聚焦“高效存储与传输”：

Y（Luminance）：亮度通道，对应图像的明暗信息，与Lab的L通道类似，但计算方式更简化（基于RGB线性组合）。
Cb（Blue-Difference Chrominance）：蓝色色差通道，存储“蓝色与亮度的差异”，取值范围通常为16~240（数字视频标准）。
Cr（Red-Difference Chrominance）：红色色差通道，存储“红色与亮度的差异”，取值范围同Cb。

注：色度通道（Cb/Cr）可通过“下采样”（如4:2:0）减少数据量，这是JPEG、MPEG等压缩格式的核心优化手段之一。

3. 特点与应用场景

优势：亮度与色度分离，压缩效率高，兼容人眼视觉特性。
应用：JPEG图像压缩、视频编码（H.264/H.265）、数字电视广播、相机传感器输出。

YCbCr色彩空间示意图

1.3 HSV色彩空间

1. 定义与本质

HSV（Hue-Saturation-Value）是基于“人类对颜色的直观认知”设计的色彩空间，将颜色拆解为“色相、饱和度、亮度”三个维度，比RGB更符合人对“颜色描述”的习惯（如“红色、鲜艳、明亮”）。

2. 核心分量

HSV的三个通道对应人类对颜色的直观感知维度：

H（Hue，色相）：表示颜色的“基本属性”（如红、绿、蓝），取值范围0~360°（对应色环）。0°=红色，120°=绿色，240°=蓝色，其他角度为过渡色。
S（Saturation，饱和度）：表示颜色的“纯度/鲜艳程度”，取值范围0%~100%。0%为纯灰色（无颜色），100%为完全饱和（颜色最鲜艳）。
V（Value，亮度）：表示颜色的“明暗程度”，取值范围0%~100%。0%为纯黑，100%为颜色最亮状态（不改变色相和饱和度）。

3. 特点与应用场景

优势：颜色调整直观（如“增加红色饱和度”“调暗蓝色”），无需处理RGB通道间的耦合关系。
应用：图像颜色分割（如提取特定色相的物体）、UI设计调色、图像编辑软件（如Photoshop的色相/饱和度调整）。

HSV色彩空间示意图

1.4 三种色彩空间转换

下面的代码基于C++实现三种色彩空间的数据转换：

1. 色彩空间数据结构定义

首先定义Lab、YCbCr、HSV及BGR（用于中间转换）的结构体，存储各通道数值：

#pragma once
#include <iostream>
#include <algorithm>
#include <opencv2/opencv.hpp>// Lab色彩空间结构体（float存储，精度更高）
struct Lab
{float L;  // 亮度：0~100float a;  // 绿-红轴：-128~127float b;  // 蓝-黄轴：-128~127
};// YCbCr色彩空间结构体（float存储）
struct YCbCr
{float Y;   // 亮度：16~240（数字视频标准）float Cb;  // 蓝色色差：16~240float Cr;  // 红色色差：16~240
};// HSV色彩空间结构体（h为角度，s/v为百分比）
struct HSV
{int h;      // 色相：0~359°double s;   // 饱和度：0.0~1.0（对应0%~100%）double v;   // 亮度：0.0~1.0（对应0%~100%）
};// BGR色彩空间结构体（OpenCV默认读取格式）
struct BGR
{float b;  // 蓝通道：0~255float g;  // 绿通道：0~255float r;  // 红通道：0~255
};

2. 色彩空间转换函数

实现BGR到三种色彩空间的转换，核心是通过标准数学公式计算各通道数值，需注意gamma校正、色域转换等细节（如Lab转换需先将RGB转为XYZ空间）。

（1）BGR转YCbCr

基于ITU-R BT.601标准的转换公式，直接通过RGB线性组合计算Y、Cb、Cr：

void BGR_YCbCr(BGR &bgr, YCbCr& y)
{// 标准BT.601转换公式，偏移量16使Cb/Cr范围落在16~240y.Y = 0.257 * bgr.r + 0.564 * bgr.g + 0.098 * bgr.b + 16;y.Cb = -0.148 * bgr.r - 0.291 * bgr.g + 0.439 * bgr.b + 128;y.Cr = 0.439 * bgr.r - 0.368 * bgr.g - 0.071 * bgr.b + 128;
}

（2）BGR转Lab

需经过“RGB→gamma校正→XYZ空间→Lab空间”三步，过程较复杂，需处理色域参考点（如D50光源）：

void BGR_Lab(BGR &bgr, Lab& lab)
{double X, Y, Z;double Fx = 0, Fy = 0, Fz = 0;// 1. BGR归一化到0~1double b = bgr.b / 255.00;double g = bgr.g / 255.00;double r = bgr.r / 255.00;// 2. Gamma校正（sRGB标准，gamma=2.2）if (r > 0.04045)r = pow((r + 0.055) / 1.055, 2.4);elser = r / 12.92;if (g > 0.04045)g = pow((g + 0.055) / 1.055, 2.4);elseg = g / 12.92;if (b > 0.04045)b = pow((b + 0.055) / 1.055, 2.4);elseb = b / 12.92;// 3. RGB转XYZ空间（sRGB色域到CIE XYZ）X = r * 0.436052025 + g * 0.385081593 + b * 0.143087414;Y = r * 0.222491598 + g * 0.716886060 + b * 0.060621486;Z = r * 0.013929122 + g * 0.097097002 + b * 0.714185470;// XYZ范围缩放至0~100X = X * 100.000;Y = Y * 100.000;Z = Z * 100.000;// 4. XYZ转Lab（参考白点：D50光源，2度视场）double ref_X = 96.4221;  // D50光源X参考值double ref_Y = 100.000;  // D50光源Y参考值（亮度基准）double ref_Z = 82.5211;  // D50光源Z参考值X = X / ref_X;Y = Y / ref_Y;Z = Z / ref_Z;// 应用Lab转换公式（处理非线性部分）if (X > 0.008856)Fx = pow(X, 1 / 3.000);elseFx = (7.787 * X) + (16 / 116.000);if (Z > 0.008856)Fz = pow(Z, 1 / 3.000);elseFz = (7.787 * Z) + (16 / 116.000);if (Y > 0.008856){Fy = pow(Y, 1 / 3.000);lab.L = (116.000 * Fy) - 16.0 + 0.5;  // +0.5用于四舍五入}else{Fy = (7.787 * Y) + (16 / 116.000);lab.L = 903.3 * Y;}// 计算a、b通道lab.a = 500.000 * (Fx - Fy) + 0.5;lab.b = 200.000 * (Fy - Fz) + 0.5;
}

（3）BGR转HSV

通过“计算最大/最小RGB值→求亮度（V）→求饱和度（S）→求色相（H）”四步实现，需处理色相的角度循环（0~360°）：

// 辅助函数：判断两个浮点数是否相等（避免精度误差）
bool IsEquals(double val1, double val2)
{return fabs(val1 - val2) < 0.001;
}void BGR_HSV(BGR& bgr, HSV& hsv)
{// 1. BGR归一化到0~1double b = bgr.b / 255.0;double g = bgr.g / 255.0;double r = bgr.r / 255.0;double h = 0, s = 0, v = 0;double min_val, max_val;double delta;  // 最大与最小RGB值的差// 2. 计算最大/最小RGB值，确定亮度Vif (r > g){max_val = std::max(r, b);min_val = std::min(g, b);}else{max_val = std::max(g, b);min_val = std::min(r, b);}v = max_val;  // 亮度V = 最大RGB值delta = max_val - min_val;// 3. 计算饱和度S（若亮度为0，饱和度为0）if (IsEquals(max_val, 0))s = 0.0;elses = delta / max_val;// 4. 计算色相H（若RGB值相等，色相为0）if (max_val == min_val)h = 0.0;else{if (IsEquals(r, max_val) && g >= b)h = 60 * (g - b) / delta + 0;      // 红→黄else if (IsEquals(r, max_val) && g < b)h = 60 * (g - b) / delta + 360;    // 红→紫else if (IsEquals(g, max_val))h = 60 * (b - r) / delta + 120;    // 绿→青else if (IsEquals(b, max_val))h = 60 * (r - g) / delta + 240;    // 蓝→紫}// 5. 处理色相范围（0~359°），并赋值给HSV结构体hsv.h = (int)(h + 0.5);  // +0.5四舍五入hsv.h = (hsv.h > 359) ? (hsv.h - 360) : hsv.h;hsv.h = (hsv.h < 0) ? (hsv.h + 360) : hsv.h;hsv.s = s;hsv.v = v;
}

1.5 总结

三种色彩空间各有侧重，选择需结合具体场景：

色彩空间	核心优势	典型应用场景
Lab	设备无关、感知一致	色彩校正、跨设备颜色匹配
YCbCr	亮度/色度分离、压缩高效	图像/视频压缩、数字广播
HSV	调整直观、符合人类认知	颜色分割、UI调色、图像编辑

更多资料：https://github.com/0voice

查看全文

http://www.dtcms.com/a/499633.html