色彩空间基础：从RGB到Lab的进阶之路

做白平衡和色彩校正，绕不开色彩空间。说白了，你得先知道颜色是怎么被数学描述的，才能去调整它。

我记得刚入行那会儿，觉得色彩空间就是个概念，知道RGB就够了。直到有一次做手机摄像头调试，发现同一张图在不同屏幕上颜色完全不一样。嗯，从那以后我才真正重视起色彩空间这件事。

RGB与sRGB色彩空间

RGB是最基础的色彩模型。红绿蓝三个通道，每个通道0-255，组合出1600多万种颜色。但问题来了——同样的RGB值，在不同设备上显示的颜色不一样。

为什么会这样？因为RGB是个设备相关的色彩空间。你的显示器、我的手机、他的打印机，各自的RGB色域都不一样。

sRGB就是来解决这个问题的。它由微软和惠普在1996年制定，定义了标准的RGB色域、伽马曲线和白点。现在几乎所有的网页、图片、显示器都默认用sRGB。

我在项目中遇到过一个问题：用sRGB拍的图，放到广色域显示器上看，颜色过饱和。反过来，广色域图在sRGB显示器上看，颜色发灰。这就是色域不匹配的典型表现。

XYZ色彩空间与CIE 1931色度图

RGB不够用，那就需要一个设备无关的色彩空间。CIE 1931 XYZ色彩空间就是为此而生。

它基于人眼对颜色的感知实验，用三个虚拟原色X、Y、Z来描述颜色。其中Y代表亮度，X和Z代表色度信息。

把XYZ投影到二维平面上，就得到了CIE 1931色度图。这张图长这样——马蹄形区域包含了所有人眼可见的颜色。

这张图里，马蹄形边界是单色光（纯光谱色），内部是混合色。sRGB和Adobe RGB的三角形就嵌在里面。你想想看，sRGB只覆盖了马蹄形的一小部分，这就是为什么有些颜色sRGB显示不出来。

XYZ与RGB的转换

转换公式其实不复杂。以sRGB为例：

// sRGB到XYZ的转换矩阵（D65白点）
double[3][3] sRGB_to_XYZ = {
  {0.4124564, 0.3575761, 0.1804375},
  {0.2126729, 0.7151522, 0.0721750},
  {0.0193339, 0.1191920, 0.9503041}
};

// 转换过程
X = R * 0.4124564 + G * 0.3575761 + B * 0.1804375;
Y = R * 0.2126729 + G * 0.7151522 + B * 0.0721750;
Z = R * 0.0193339 + G * 0.1191920 + B * 0.9503041;

注意，这里的RGB需要先做伽马校正（去伽马），转成线性RGB，才能用这个矩阵。我见过不少新手直接拿sRGB的0-255值去乘矩阵，结果颜色全偏了。

Lab色彩空间与色差计算

XYZ虽然设备无关，但它不是均匀的。什么意思？就是XYZ空间里距离相同的两个点，人眼看不出颜色差异是否相同。

Lab色彩空间就是为了解决这个问题。它把颜色分成三个通道：

• L：亮度（0-100）
• a：红绿轴（负值偏绿，正值偏红）
• b：黄蓝轴（负值偏蓝，正值偏黄）

Lab空间最大的优点是——欧几里得距离直接对应人眼感知的颜色差异。这就是色差公式ΔE的基础。

// CIE76色差公式（最简单的版本）
double deltaE = sqrt(
  pow(L1 - L2, 2) + 
  pow(a1 - a2, 2) + 
  pow(b1 - b2, 2)
);

// 判断标准
// ΔE < 1.0：人眼几乎看不出差异
// ΔE < 2.0：专业级色彩一致性
// ΔE < 5.0：一般可接受
// ΔE > 10.0：明显色差

我在做摄像头模组标定时，就用ΔE来评估白平衡校正的效果。校正前ΔE可能到15，校正后压到2以内，人眼就基本看不出偏色了。

实际项目中，我推荐用CIE94就够了。CIEDE2000虽然更准，但计算量大，在嵌入式平台上跑不动。CIE76又太粗糙，对低饱和度的颜色判断不准。

从RGB到Lab的完整流程

把整个流程串起来，就是这样的：

1. 输入：sRGB图像（0-255，带伽马）
2. 去伽马：转成线性RGB
3. 矩阵变换：线性RGB → XYZ
4. 非线性变换：XYZ → Lab（涉及白点归一化和立方根变换）
5. 输出：Lab图像（L:0-100, a/b:-128到127）

你想想看，这个流程里每一步都有坑。去伽马时要注意sRGB的伽马曲线不是纯2.2，而是分段函数。XYZ转Lab时白点必须和源图像一致，否则色差计算全错。

好了，色彩空间的基础就这些。记住一句话：RGB是给机器看的，Lab是给人看的，XYZ是中间的桥梁。做白平衡和色彩校正，这三者缺一不可。