from：http://nkwavelet.blog.163.com/blog/static/22775603820147197503722/
 

 【摘要】
 

 本文首先阐述HSI颜色模式的基本特性，然后介绍RGB和HSI颜色空间互相转换的算法，并给出算法核心代码和效果图，最后将HSI颜色空间应用到图像增强，得到几个增强之后的效果图。
 

 
 
 
【参考资料】  
 
 RGB与HSI颜色模型的转换方法对比研究
 
 
 博客：颜色空间之HSI
 
 
 博客：颜色空间转换(一)
 
 
 
 
 
 
 1.  HSI颜色空间简介
  
 

       HSI颜色空间是从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或Brightness）来描述色彩。HSI颜色空间可以用一个圆锥空间模型来描述。用这种描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。
   
  

        RGB 向HSI 模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB 中的亮度因素分离，将色度分解为色调和饱和度，并用角向量表示色调，如下图所示。
  
 
  
 
   

    
   
 
    2.  RGB转换至HSI的几种常见方法
  
 
  

         下图列出几种常用的RGB-HSI转换公式：
  
 
  
 
   

    
   
        
   几何推导法最为经典，可追溯到30多年前（Tenenbaum,1974）。基本思路是先分离出亮度信息，将三维空间降为二维。在二维平面内利用解析几何的向量点积公式求出HSI 模型的色调分量值。
  
 
 
 
 
   
    坐标变换法的转换思路是基于RGB立方体沿对角线垂直竖立后与Munsell双锥体相似（图4）。通过直角坐标系的旋转，求出转换矩阵，并与极坐标系转换，得出转换公式(Kenneth,1996)。 
 
 

  
 
 
 

         
  分段定义法是直接根据色度学定义得出转换公式。根据色度学的基本概念，将三基色RGB的色调分别定为0°,120°, 240°。RGB三分量中某分量最大时，该分量即为主分量，色调值位于该分量附近（正负60°范围）。偏差幅度由另外二个分量的相对差异归一化后决定（Foley,1990）。此方法所得模型常称作HSL模型。
 
 
 

         其中，算法1和算法2的色调H公式只是形式不同，实则等价。 
 
 
 

         几套公式转换后的H值域为[0, 2π]，饱和度和亮度均为[0,1]。
  算法2的取值范围比较特别，S为[0, 26]，I为[0，3] 。 
 
 
 

         最后，算法5所得转换模型的空间分布平均性最好，值域标准，适应性强。 HSI各分量间相对独立，在应用转换时，可以将上述几套公式中的HSI公式交叉使用，但也因此容易产生混淆。
 
 
 

   
 
 
 
 
 3. RGB与HSI互相转换公式
        此处的RGB转HSI的公式采用算法1（几何推导法），HSI转RGB是算法1的逆运算。
 
 
        首先是RGB转HSI：
 
 
 
 
  

   
  
  
 
       
  然后是HSI转RGB：
 
 
 
 
  

   
  
  
 
 
 

    4.  RGB与HSI互相转换的C代码 
 
 
 
 
         首先给出RGB转HSI的代码，算法1：
 
 
         
 
 
 
        然后是RGB转HSI的代码，算法4：
 
 
 

  
 
  
       最后是与算法1匹配的HSI转RGB代码：
 

   
 
 
 5.  算法1和算法4速度测试 
 
       此处测试的代码就是上面给出的代码，没有做任何优化。测试代码如下：
 
 
 

   
 
 
 

   结果是：算法4的时间是算法1的一半
 
 
 

   
  
 
    
 
 
  6.  算法4相对算法1的误差分析 
 
      算法1是最经典的RGB转HSI算法，也是最常用的算法，在某些对速度要求很高的情况下，我们可以用算法4替代算法1以提高图像处理速度。因此有必要分析一下这种快速算法的误差。以下是测试误差的代码：

 
 
 
 
  

   
  
  
    结果是：
  平均误差是0.12弧度（6.8756度），最大误差是0.191弧度（10.9483度）。 色调H将[0, 2*PI)等分为3个扇形，这个测试表明，算法4的误差不会扩散到另外一个扇区，因此不会影响到HSI转RGB的公式表达式。
 
 
 

     
  
 
   
 
7. HSI颜色空间小应用 
 
     将RGB转换到HSI空间，通过S变量可以调整图像的饱和度，以下是一个效果图：
 
 
 

  
 
 
 
 

             
               
  
 
 
 
                                                    （原始图像）                                            （饱和度增强后图像）

 
 
 
文章目录
 
 

  

   

    
一、CIE 和 sRGB彩色空间转换
    
二、ICC 彩色剖面
   
 
 
 
 

 
CIE Lab 彩色空间：是在色彩科学、创造艺术和诸如打印机、摄像机和扫描仪之类的彩色设备的设计中广泛应用的彩色空间 

 
优点： 

 L 
ab 更清楚的分离了彩色信息（用 a 
值和b值表示）和灰度信息（完全用L 
值表示）
 设计了 La*b 彩色，以便该空间中的欧氏距离很好地对应于彩色间的感知差。 
 
SRGB彩色空间：与设备无关，因此可以很容易转换到其他设备无关彩色空间
 
一、CIE 和 sRGB彩色空间转换
 
工具箱函数 makecform 和 applycform 可用于在几个设备无关彩色空间之间进行转换
 函数 makecform 创建了一个 cform结构，类似于maketform 创建一个tform结构的方式
 语法：cform = makecform(type)
 其中，type 是下表所示的字符串之一
 

自然界的各种色彩、人类所感知的色彩以及各种图像设备和计算机软件所使用的颜色可通过色彩空间（Color Space）来描述。
 
色彩是人脑对不同视觉刺激的反应。人眼视网膜上的色敏细胞会分别对红、绿、蓝3个波段的色彩进行采样。采样后的信号传送至大脑后组合在一起就会产生对色彩的感知。由于颜色是大脑对特定视觉刺激的反应，因此颜色最好也由人类大脑对不同颜色的感觉来描述。据此人们创建了由多个颜色分量来表示颜色的模型，这些模型被称为色彩空间。
 
色彩空间是指通过多个（通常为3个或4个）颜色分量构成坐标系来表示各种颜色的模型系统。色彩空间中的每个点均代表一种颜色，也就是说各点的颜色可看作是多个分量的合成。例如，在RGB色彩空间中，颜色可认为是红（Red）、绿（Green）、蓝（Blue）3种颜色分量的加性合成；在HSL色彩空间中，颜色可认为是色调（Hue）、饱和度（Saturation）和亮度
 （Luminance/Lightness）的合成。
 
基于这种思想，机器视觉系统开发过程中待处理的彩色图像就可根据需要被映射至某个色彩空间上进行描述。因此彩色图像的处理计算工作就可以被分解至各颜色分量所对应的一组图像上进行，包括图像增强和分割、色彩匹配、色彩定位、色彩模式识别分类以及彩色图像分割等。当各颜色分量的运算处理完成后，即可再次将对各分量的处理结果进行组合，生成对彩色图像的处理结果。
 
不同的工业环境或机器视觉应用使用的色彩空间可能各不相同。与图像处理相关的常见色彩空间有以下几种：
 
RGB，包括红（Red）、绿（Green）、蓝（Blue）；
HSV/HSB，包括色调（Hue）、饱和度（Saturation）和明度（Value/Brightness）；
HSl，包括色调（Hue）、饱和度（Saturation）和灰度（Intensity）；
HSL，包括色调（Hue）、饱和度（Saturation）和亮度（Luminance/Lightness）。
以上色彩空间中，RGB被计算机显示器采用，HSV/HSB被艺术家用于艺术创作，HSl和HSL则适合机器视觉和图像处理系统开发。
 
下表对这几种色彩空间进行了汇总：
 
 
多数色彩空间都是基于人类大脑对不同颜色的感觉（sensations）而建立，因此详细了解各种色彩空间之前，需要先明确感觉的相关定义。CIE（国际照明委员会）对以下人类的感觉进行了定义:
 
明度（Brightness） ：对某一区域内光线多少的感觉，即明亮程度；
亮度（Luminance/Lightness） ：对场景中某一区域内明度相对于白色的感觉；
色调（Hue）∶对某一区域内类似于RGB组合显示的感觉，即颜色种类。色量(Colorfulness) :对某一区域内色调多少的感觉；
色度（Chroma）：对场景中某一区域内色量相对于白色的感觉；
饱和度（Saturation）：某一区域内色量与明度之比，表示色彩的鲜艳程度。
由定义可知，明度和色量是人类视觉对一个光照表面的亮暗与颜色的感知，是绝对概念。而亮度和色度则是相对白色的感觉，是相对概念。饱和度用来描述色彩的鲜艳程度，取决于含色成分（色量）和消色成分（明度）的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小。
 
RGB色彩空间，使用不同比例的红绿蓝三基色进行加性组合来表示颜色，如计算机彩色阴极射线管、彩色光栅图形的显示器都使用RGB数值驱动电子枪发射电子，以激发荧光屏上的颜色的荧光粉发出不同亮度的光线，并通过混合相加产生各种颜色。根据RGB三基色原理，各种颜色的光都可以由红、绿和蓝3种基色加权混合而成。常见于计算机系统如下所示：
 
 
 

  
  
 
 
国际公认的RGB三基色光的波长分别为700.0nm、546.1nm和435.8nm。在RGB色彩空间中，标准白光由光通量为1lm的红光、4.5907Im的绿光和0.0601lm的蓝光混合而成，因此将这3种光通量大小的光定义为三基色的单位基色量，用(R)、(G)、(B）表示。据此，任何一种具有一定亮度的彩色光的光通量均可由不同比例的三基色叠加来表示。
 
HSV和HSB是同一种色彩空间的不同叫法，它按照人眼对色彩的感知原理构建，由色调、饱和度和明度3个分量构成，为倒立锥形结构，如下图所示：
 
 
色调对应于颜色的波长，它代表人眼所能感知的各种颜色，如红、黄、紫等。色调值可用分布在一个平面的色环表示，如下图所示：
 
 
HSV的饱和度是指色调与位于色环中心的中度灰色（Neutral Gray）的差异，它通常用0~1的值（或百分比）来表示。当取值为0时（位于色环中心），表示无颜色（中度灰色)，取最大值时（位于色环圆周上)，表示颜色最鲜艳，为色调定义的最纯色。
 
明度指光线强度的大小，值越大，色彩越浅。在HSV模型中，从倒立锥的顶点到底面色环中心，明度由小变大。由于HSV模型按照人眼对色彩的感知原理构建，因此常被艺术家用来进行各种彩色艺术创作。
 
HSI和HSL色彩空间的第三个分量与HSV也有区别。HSV使用代表光线强度的明度作为第三个分量，而HSI使用代表由黑到白变化的灰度（Intensity），HSL使用了表示白色多少的亮度（Luminance）作为第三个分量。明度、灰度或亮度都用于控制色彩的明暗变化。数值越小，色彩越接近于黑色；数值越大，色彩越接近于白色。下图显示了HSL色彩空间的锥形结构：
 
 
在机器视觉开发过程中，也会涉及以下几种色彩空间：
 
CMYK包括青色（Cyan）、品红（Magenta）、黄色（Yellow）、黑色（BlacK），用于印刷；
CIE-XYZ包括国际照明委员会（CIE）创建的色彩空间，X、Y、Z为3个假想原色；
CIE-L*a*b*包括CIE创建，由亮度（Lightness） +a红色、-a绿色、+b黄色、-b蓝色分量构成；
YUV包括Y为亮度，U为蓝色与Y的色差，V为红色与Y的色差；
YIQ包括Y为亮度，I代表从橙色到青色的变化，Q代表紫色到黄绿色的变化；
YCbCr包括对YUV缩放和修正后用于数字视频，Y为亮度，Cb、Cr为蓝色和红色与Y的色差。
CMYK用于印刷行业，CIE-XYZ和CIE-L*a*b*是由国际照明委员会在进行了大量正常人类视觉测量和统计后建立的空间较大的与设备无关的色彩空间，YUV和YIQ被不同制式的模拟视频信号采用，YCbCr，则是对YUV缩放和修正后用于数字视频的色彩空间。

 
文章结构
 
1. 数字图像
2. 彩色空间
2.1 RGB
2.2 CMY和CMYK
2.3 HSI
2.4 YIQ
2.5 YUV
2.6 YCbCr
   
3. 伪彩色图像处理
4. 全彩色图像处理
5. 彩色变换
6. 彩色图像平滑和尖锐化
 


 
图像处理系列笔记： 
https://blog.csdn.net/qq_33208851/article/details/95335809
 
 
像素：数字图像由二维的元素组成，每一个元素具有一个特定的位置（x，y）和幅值f（x，y），这些元素就称为像素。它是数字图像的基本单位。
 
 
1. 数字图像
 
单色（灰度）图像：每个像素的亮度用一个数值来表示，取值范围0-255，0表示黑、255表示白，其他值表示处于黑白之间的灰度
彩色图像：用红、绿、蓝三元组的二维矩阵来表示。三元组的每个数值也是在0-255之间，0表示相应的基色在该像素中没有，而255表示相应的基色在该像素中取得最大值
 
2. 彩色空间
 
2.1 RGB
 
RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。红R、绿G、蓝B三种颜色的强度值均是0-255，则三种光混合在每个像素可以组成16777216（256256256）种不同的颜色。256级的RGB色彩也被简称为1600万色或千万色，或称为24位色(2的24次方)。
 RGB格式
 对一种颜色进行编码的方法统称为“颜色空间”或“色域”。用最简单的话说，世界上任何一种颜色的“颜色空间”都可定义成一个固定的数字或变量。RGB（红、绿、蓝）只是众多颜色空间的一种。采用这种编码方法，每种颜色都可用三个变量来表示-红色绿色以及蓝色的强度。记录及显示彩色图像时，RGB是最常见的一种方案。但是，它缺乏与早期黑白显示系统的良好兼容性。因此，许多电子电器厂商普遍采用的做法是，将RGB转换成YUV颜色空间，以维持兼容，再根据需要换回RGB格式，以便在电脑显示器上显示彩色图形。
 
网页格式
 网页颜色由16进制代码表示，一般格式为#DEFABC （字母范围从A-F,数字从0-9 ）；如黑色，在网页代码中便是：#000000(在css编写中可简写为#000)。当颜色代码为#AABB11时，可以简写为#AB1表示，如#135与#113355表示同样的颜色。
 RGB1、RGB4、RGB8都是调色板类型的RGB格式，在描述这些媒体类型的格式细节时，通常会在BITMAPINFOHEADER数据结构后面跟着一个调色板（定义一系列颜色）。它们的图像数据并不是真正的颜色值，而是当前像素颜色值在调色板中的索引。以RGB1（2色位图）为例，比如它的调色板中定义的两种颜色值依次为0x000000（黑色）和0xFFFFFF（白色）…（每个像素用1位表示）表示对应各像素的颜色为：黑黑白白黑白黑白黑白白白…。
RGB555
 RGB555是另一种16位的RGB格式，RGB分量都用5位表示（剩下的1位不用）。使用一个字读出一个像素后，这个字的各个位意义如下：
 高字节 低字节
 X R R R R R G G G G G B B B B B （X表示不用，可以忽略）
RGB565
 RGB565使用16位表示一个像素，这16位中的5位用于R，6位用于G，5位用于B。程序中通常使用一个字（WORD，一个字等于两个字节，一个字节等于八位）来操作一个像素。当读出一个像素后，这个字的各个位意义如下：
 高字节 低字节
 R R R R R G G G G G G B B B B B
RGB24
 RGB24使用24位来表示一个像素，RGB分量都用8位表示，取值范围为0-255。注意在内存中RGB各分量的排列顺序为：
 BGR BGR BGR…
 通常可以使用RGBTRIPLE数据结构来操作一个像素，它的定义为：
 typedef struct tagRGBTRIPLE {
 BYTE rgbtBlue; // 蓝色分量
 BYTE rgbtGreen; // 绿色分量
 BYTE rgbtRed; // 红色分量
 } RGBTRIPLE;
RGB32
 RGB32使用32位来表示一个像素，RGB分量各用去8位，剩下的8位用作Alpha通道或者不用。（ARGB32就是带Alpha通道的RGB24。）注意在内存中RGB各分量的排列顺序为：
 BGRA BGRA BGRA…
 通常可以使用RGBQUAD数据结构来操作一个像素，它的定义为：
 typedef struct tagRGBQUAD {
 BYTE rgbBlue; // 蓝色分量
 BYTE rgbGreen; // 绿色分量
 BYTE rgbRed; // 红色分量
 BYTE rgbReserved; // 保留字节（用作Alpha通道或忽略）
 } RGBQUAD
 
2.2 CMY和CMYK
 
CMY是青（Cyan）、洋红或品红（Magenta）和黄（Yellow）三种颜色的简写，是相减混色模式，用这种方法产生的颜色之所以称为相减色，乃是因为它减少了为视觉系统识别颜色所需要的反射光。
 和RGB的区别
 RGB是红（Red）、绿（Green）和蓝（Blue）三种颜色的简写，是相加混色模式，每种颜色分量越多，得到的颜色越亮，每种颜色的取值范围为0~255；RGB常用于计算机显示方面。
 由于彩色墨水和颜料的化学特性，用三种基本色得到的黑色不是纯黑色，因此在印刷术中，常常加一种真正的黑色（black ink），这种模型称为CMYK模型，广泛应用于印刷术。每种颜色分量的取值范围为0~100；CMY常用于纸张彩色打印方面。
 和RGB的转换
 转换公式为：
 
 
 
C=255-R
 M=255-G
 Y=255-B
 
 
该方程证明了从一个涂满纯净青色颜料的表面反射回的光不包含红色（纯净的青色255，则R=0）。同样，纯净的品红色不反射绿色，纯净的黄色不反射蓝色。前述的方程同样表明，从255减去单个CMY值，可以得到RGB值。
 
2.3 HSI
 
HSI是指一个数字图像的模型，它反映了人的视觉系统感知彩色的方式，以色调、饱和度和亮度三种基本特征量来感知颜色。
 HSI模型的建立基于两个重要的事实：
 第一个，分量与图像的彩色信息无关；
 第二个，H和S分量与人感受颜色的方式是紧密相联的。这些特点使得HSI模型非常适合彩色特性检测与分析。
 颜色模型：
 
 色调H（Hue）：与光波的波长有关，它表示人的感官对不同颜色的感受，如红色、绿色、蓝色等，它也可表示一定范围的颜色，如暖色、冷色等。
 饱和度S（Saturation）：表示颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就会越鲜艳，反之亦然。
 亮度I（Intensity）：对应成像亮度和图像灰度，是颜色的明亮程度。
 若将RGB单位立方体沿主对角线进行投影，可得到六边形，这样，原来沿主对角线的灰色都投影到中心白色点，而红色点（1，0，0）则位于右边的角上，绿色点（0，1，0）位于左上角，蓝色点（0，0，1）则位于左下角。
 HSI颜色模型的双六棱锥表示，I是强度轴，色调H的角度范围为[0，2π]，其中，纯红色的角度为0，纯绿色的角度为2π/3，纯蓝色的角度为4π/3。饱和度S是颜色空间任一点距I轴的距离。当然，若用圆表示RGB模型的投影，则HSI色度空间为双圆锥3D表示。
 注意： 当强度I=0时，色调H、饱和度S无定义；当S=0时，色调H无定义
 和RGB的转换
 
 
 
2.4 YIQ
 
Y是亮度信号（Luminance），即亮度（Brightness），I代表In-phase，色彩从橙色到青色，Q代表Quadrature-phase，色彩从紫色到黄绿色。
 较其他颜色空间，YIQ颜色空间具有能将图像中的亮度分量分离提取出来的优点，并且YIQ颜色空间与RGB颜色空间之间是线性变换的关系，计算量小，聚类特性也比较好，可以适应光照强度不断变化的场合，因此能够有效地用于彩色图像处理。可用于在自然条件下采集到的复杂背景下的运动目标的识别。
 和RGB的转换
 
 
2.5 YUV
 
YUV，是一种颜色编码方法。常使用在各个视频处理组件中。 YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽。
 YUV是编译true-color颜色空间（color space）的种类，Y’UV, YUV, YCbCr，YPbPr等专有名词都可以称为YUV，彼此有重叠。“Y”表示明亮度（Luminance、Luma），“U”和“V”则是色度、饱和度（Chrominance、Chroma）。
 和RGB的转换
 
 
2.6 YCbCr
 
YCbCr其中Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到的图像质量的变化。主要的子采样格式有 YCbCr 4:2:0、YCbCr 4:2:2 和 YCbCr 4:4:4。
 4:2:0表示每4个像素有4个亮度分量，2个色度分量 (YYYYCbCr），仅采样奇数扫描线，是便携式视频设备（MPEG-4）以及电视会议（H.263）最常用格式；4：2：2表示每4个像素有4个亮度分量，4个色度分量（YYYYCbCrCbCr），是DVD、数字电视、HDTV 以及其它消费类视频设备的最常用格式；4：4：4表示全像素点阵(YYYYCbCrCbCrCbCrCbCr），用于高质量视频应用、演播室以及专业视频产品。
 和RGB的转换
 
 
3. 伪彩色图像处理
 
分类：单色图像（灰色黑白）、真彩色图像、伪彩色图像
 伪彩色图像处理是根据一定的准则对灰度值赋以彩色的处理
 为什么需要伪彩色图像处理？人类可以辨别上千种颜色和强度但是只能辨别二十几种灰度
 怎么进行伪彩色图像处理？
 
强度分层技术
 
把一幅图像描述为三维函数（x,y,f(x,y)）
分层技术：放置平行于（x，y）坐标面的平面
每一个平面在相交区域切割函数图像
 
 定义：令【0，L-1】表示灰度级，使l0代表黑色(f(x,y)=0)，lL-1代表白色（f(x,y)=L-1)。假设垂直于强度轴的的P个平面定义为量级l1,l2,l3,…,lp.0<P<L-1，P个平面将灰度级分为P+1个间隔，V1，V2，…,VP+1，则灰度级到彩色的赋值关系：
 f(x,y)=ck，f(x,y)∈Vk
 ck是与强度间隔Vk第K级强度有关的颜色
 Vk是由在l=k-1和l=k分隔平面定义的
 
 实例：
 
 
 
 
灰度级到彩色的转换
 
对任何输入像素的灰度级执行3个独立变换
3个变换结果分别送入彩色监视器的红、绿、蓝三个通道
产生一副合成图像
 
 
4. 全彩色图像处理
 
全彩色图像处理分为两大类：
 
分别处理每一分量图像，然后合成彩色图像
直接对彩色像素处理：3个颜色分量表示像素向量7
 
 其中c代表RGB彩色空间中的任意向量
 对大小为MxN的图像：
 
 
5. 彩色变换
 
彩色变换函数：
 
 f(x,y)为彩色输入图像
 g(x,y)是变换后或处理过的彩色输出图像
 T是在空间邻域（x,y)上对f的操作
 
 补色：
 作用：增强嵌在彩色图像暗区的细节
 如下入所示，与一种色调直接相对立的另一种色调称为补色
 
 
 
 
6. 彩色图像平滑和尖锐化
 

 
 彩色分割
 
 
 
图像处理系列笔记： https://blog.csdn.net/qq_33208851/article/details/95335809