4. 色彩空间与色彩科学：RGB、YUV、HSV、Lab等色彩空间定义、转换关系、色温与白平衡基础

色彩科学是ISP（图像信号处理器）工程师的底层知识体系。无论是Sensor输出的RAW数据，还是最终显示在屏幕上的sRGB图像，中间所有处理环节（去马赛克、降噪、锐化、色调映射）都在不同的色彩空间中完成。理解色彩空间的数学定义、转换关系以及物理意义，是进行图像调试和画质优化的前提。本章将系统梳理ISP链路中最常用的四种色彩空间（RGB、YUV、HSV、Lab），深入解析其转换逻辑，并重点讲解色温与白平衡的工程实现基础。

4.1 核心原理：从物理光强到数字编码的色彩抽象

色彩空间本质上是一种用数值描述颜色的数学模型。人眼视网膜上有三种视锥细胞，分别对长波（L）、中波（M）、短波（S）敏感，因此任何颜色都可以用三个数值来近似表示。ISP工程师需要理解的是：Sensor采集到的是单通道的Bayer RAW数据，它只记录了光子的数量（线性强度），并不包含色彩信息。色彩重建的过程，就是通过去马赛克算法恢复每个像素的RGB三通道值，再通过色彩校正矩阵（CCM）将Sensor的光谱响应映射到标准色彩空间（如sRGB）中。

在ISP链路中，不同色彩空间服务于不同目的：RGB空间是硬件处理和显示的基础，但R、G、B三个分量高度相关，不适合做图像分析和压缩；YUV空间将亮度（Y）与色度（U/V）分离，符合人眼对亮度更敏感的特性，是视频编码和传输的主流格式；HSV空间将颜色分解为色相（Hue）、饱和度（Saturation）、明度（Value），非常直观，适合做颜色分割和调参；Lab空间基于人眼感知均匀性设计，L表示亮度，a和b表示对立色度轴，是色差评估和色彩管理的国际标准（CIE 1976）。

4.2 色彩空间定义与转换关系

4.2.1 RGB与YUV的转换

RGB到YUV的转换是线性矩阵运算。以BT.601标准为例（标清视频），转换公式如下：

Y  =  0.299R + 0.587G + 0.114B
U  = -0.169R - 0.331G + 0.500B + 128
V  =  0.500R - 0.419G - 0.081B + 128

其中Y的范围是[0,255]，U和V以128为中性点，范围也是[0,255]。在BT.709标准（高清视频）中，系数略有不同，Y的权重调整为0.2126、0.7152、0.0722。工程上需要注意：转换矩阵的系数取决于色彩空间标准，混用会导致色彩偏移。例如，将BT.601的YUV数据用BT.709矩阵解码，肤色会明显偏绿。

4.2.2 RGB与HSV的转换

HSV是一种非线性变换，它将RGB立方体重新映射为圆柱体。转换过程分两步：首先计算最大值和最小值，然后根据最大值所在通道计算色相角。核心公式如下：

V = max(R, G, B)
S = (V - min(R, G, B)) / V   (当V≠0时)
H = 60° × ( (G-B)/(V-min) )   (当max=R时)
H = 60° × ( 2 + (B-R)/(V-min) ) (当max=G时)
H = 60° × ( 4 + (R-G)/(V-min) ) (当max=B时)
H < 0 时，H += 360°

HSV在ISP调试中常用于肤色检测、饱和度调整和色彩增强。例如，在美颜算法中，通过限定H的范围（如10°~40°）来锁定肤色区域，然后只调整S和V，避免影响背景颜色。

4.2.3 RGB与Lab的转换

Lab转换是非线性的，需要先经过XYZ中间空间。完整流程为：RGB → XYZ（线性矩阵）→ Lab（非线性映射）。其中XYZ到Lab的转换公式为：

L = 116 × f(Y/Yn) - 16
a = 500 × [ f(X/Xn) - f(Y/Yn) ]
b = 200 × [ f(Y/Yn) - f(Z/Zn) ]
其中 f(t) = t^(1/3) 当 t > (6/29)^3
否则 f(t) = (1/3)(29/6)^2 × t + 4/29

Xn、Yn、Zn是参考白点的三刺激值。Lab空间的优势在于欧氏距离近似于人眼感知的色差，ΔE = √(ΔL² + Δa² + Δb²) 是工业界通用的色差评价指标。在ISP调试中，Lab空间常用于评估色彩还原的准确性，例如检查肤色是否偏红或偏黄。

色彩空间	分量含义	主要用途	转换特点
RGB	红/绿/蓝三原色	Sensor输出、显示驱动	线性矩阵，硬件友好
YUV	亮度Y + 色度U/V	视频编码、传输、压缩	线性矩阵，可降采样
HSV	色相H + 饱和度S + 明度V	颜色分割、调参辅助	非线性，直观但非均匀
Lab	亮度L + 对立色a/b	色差评估、色彩管理	非线性，感知均匀

4.3 色温与白平衡基础

色温是描述光源颜色的物理量，单位是开尔文（K）。它基于黑体辐射理论：当黑体被加热到不同温度时，会发出不同颜色的光。低温（如2000K）偏红，高温（如8000K）偏蓝。标准光源中，D65代表6504K的日光，是sRGB显示标准的参考白点；A光源代表2856K的白炽灯，偏暖黄色。

白平衡（AWB）的目的是消除光源色温对物体颜色的影响，使白色物体在任何光照下都呈现为白色。其核心原理是：估计当前光源的色温，然后计算R、G、B三个通道的增益，将白点校正到标准色温下的位置。在ISP硬件中，AWB模块通常位于去马赛克之后、色彩校正矩阵（CCM）之前，因为AWB需要基于RGB三通道的统计信息。

4.3.1 白平衡的工程实现方法

ISP中常用的AWB算法有三种：

1. 灰度世界法（Gray World）：假设场景中所有颜色的平均值是灰色（R=G=B）。统计整幅图像的R、G、B均值，然后计算增益使三者相等。该方法简单鲁棒，但在大面积单色场景（如蓝天、绿草）中会失效。
2. 白点法（White Patch）：寻找图像中最亮的区域作为参考白点，假设该区域是白色。该方法在存在高光镜面反射时效果较好，但容易受到过曝区域干扰。
3. 色温曲线法（Color Temperature Curve）：预先标定不同色温下R/G和B/G的比值曲线，然后根据当前图像的统计值在曲线上查找最接近的色温点。该方法精度高，但需要离线标定，且对Sensor的光谱响应敏感。

4.4 案例拆解：AWB在室内混合光源下的调试

场景背景：某旗舰手机在室内会议室场景下拍摄，现场有顶部LED灯（色温约4000K）和窗户透入的日光（色温约5500K），画面出现明显的偏色——人物肤色偏黄，白色纸张偏蓝。

初始现象与目标：使用默认AWB算法（灰度世界法）拍摄，输出图像整体偏暖，白平衡色温估计值为3800K。目标是将色温估计误差控制在±200K以内，肤色还原自然，白纸呈现中性白。

关键输入数据：通过ISP调试工具抓取AWB统计信息，图像中心区域的R/G均值为0.52，B/G均值为0.48；图像边缘区域R/G均值为0.45，B/G均值为0.55。这说明图像中心受LED暖光影响较大，边缘受日光冷光影响较大。

分析判断过程：灰度世界法将全图统计平均，得到R/G=0.49，B/G=0.51，估计色温约4200K。但实际场景是混合光源，单一色温无法准确描述。进一步分析发现，图像中白色纸张位于边缘区域，其R/G=0.44，B/G=0.56，更接近5500K日光下的白点。

实际操作步骤：

1. 将AWB算法切换为“区域加权灰度世界法”，将图像划分为9宫格，中心区域权重设为0.5，边缘区域权重设为0.3，角落设为0.2。
2. 增加白点检测逻辑：将亮度大于200且饱和度低于10%的像素标记为候选白点，参与白点法计算。
3. 将灰度世界法与白点法的结果按7:3比例融合，并设置色温估计上限为6000K，下限为3000K。
4. 对增益做时间域IIR滤波，系数设为0.8，防止视频帧间抖动。

结果对比：调整后，色温估计值为5100K，肤色R/G=0.47，B/G=0.53，视觉上肤色自然，白纸呈现中性白。与专业色卡对比，ΔE从调整前的8.2降至2.1。

风险与代价：区域加权法在极端构图（如主体在角落）时可能失效，需要增加场景识别逻辑。白点法在过曝区域会产生误判，需要结合亮度阈值和饱和度阈值双重过滤。

复盘经验：混合光源场景是AWB调试的难点，单一算法无法覆盖所有场景。工程上应采用多算法融合策略，并利用ISP硬件提供的统计信息（如分区统计、色温曲线查找表）进行综合判断。

4.5 常见误区与总结复盘

总结：色彩空间是ISP工程师的“坐标系”，不同坐标系适合解决不同问题。RGB适合硬件处理，YUV适合编码传输，HSV适合交互调参，Lab适合客观评估。白平衡是色彩还原的第一步，其本质是估计光源色温并补偿增益。在实际调试中，需要综合运用多种算法，结合场景统计信息，才能获得稳定、自然的色彩表现。建议工程师在调试时，始终使用色卡（如X-Rite ColorChecker）进行客观量化评估，避免仅凭肉眼判断。