OpenCV图像预处理Pipeline调试实战 - 第3节

3. 色彩空间与转换

色彩空间是描述颜色的数学模型。在图像处理中，不同的色彩空间能够突出不同的视觉特征，从而为后续分析（如分割、检测、增强）提供更合适的表示。本章深入剖析四种核心色彩空间：RGB、HSV、LAB、GRAY，并给出完整的转换原理与代码实现。

1. RGB 色彩空间

RGB（红、绿、蓝）是最基础的加色模型，广泛用于显示器与相机。每个通道取值范围 0~255（8位），通过三原色叠加产生丰富色彩。但 RGB 通道间高度相关，对光照变化敏感，因此不适合直接用于颜色分割。

2. GRAY 灰度空间

灰度图像仅包含亮度信息，每个像素取值 0（黑）~ 255（白）。常用转换公式：Gray = 0.299·R + 0.587·G + 0.114·B，符合人眼对绿色敏感度最高的特性。灰度图简化计算，是许多预处理步骤的基础。

3. HSV 色彩空间

HSV（色相 Hue、饱和度 Saturation、明度 Value）将颜色分解为直观的属性。色相用角度 0°~360° 表示，饱和度与明度归一化到 [0,1]。HSV 对光照变化鲁棒，常用于颜色识别与分割。

4. LAB 色彩空间

LAB（CIE L*a*b*）是感知均匀的色彩空间，L 表示亮度（0~100），a 表示绿到红，b 表示蓝到黄。LAB 与设备无关，色差计算符合人眼视觉，广泛用于色彩校正与图像质量评估。

5. 色彩空间转换方法

OpenCV 提供 cv2.cvtColor() 函数，支持超过 150 种转换。下表列出最常用的转换标志：

转换	OpenCV 标志	公式 / 说明
RGB → GRAY	COLOR_RGB2GRAY	Gray = 0.299·R + 0.587·G + 0.114·B
RGB → HSV	COLOR_RGB2HSV	非线性变换，H ∈ [0,179], S,V ∈ [0,255]
RGB → LAB	COLOR_RGB2LAB	先转 XYZ 再转 LAB，感知均匀
HSV → RGB	COLOR_HSV2RGB	逆变换，用于可视化
LAB → RGB	COLOR_LAB2RGB	逆变换，注意 D65 白点

Python 代码示例

import cv2
import numpy as np

# 读取图像 (BGR 顺序)
img = cv2.imread('example.jpg')

# 转换为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 转换为 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 转换为 LAB
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

# 显示结果
cv2.imshow('GRAY', gray)
cv2.imshow('HSV', hsv)
cv2.imshow('LAB', lab)
cv2.waitKey(0)
cv2.destroyAllWindows()

6. 色彩空间转换流程架构

7. 本章小结

• RGB 是面向设备的色彩模型，适合显示，但通道相关性强。
• GRAY 丢弃颜色信息，保留亮度，计算效率高。
• HSV 分离色相与亮度，对光照鲁棒，适合颜色分割。
• LAB 感知均匀，适合色彩差异度量与色彩校正。
• OpenCV 的 cvtColor 是转换核心，注意 BGR 与 RGB 的区别。