图像基础与色彩空间：RGB、HSV、YUV详解
做图像处理这些年，我越来越觉得色彩空间是基本功中的基本功。你想想看，一张低照度照片，在RGB空间里调了半天，效果就是上不去。换个色彩空间，可能几行代码就搞定了。说白了，选对色彩空间，比调参数更重要。
RGB色彩空间：最直观，但不一定最好用
RGB是硬件最爱的色彩空间。显示器、摄像头传感器，出来的数据都是RGB。三个通道分别代表红、绿、蓝，每个通道0-255，组合起来就是1600多万种颜色。
核心认知：RGB的三个通道高度相关。亮度变了，三个通道一起变。这在低照度增强时特别麻烦——你想提亮暗部，结果颜色也跟着漂移了。
我在项目中遇到过一个问题：用RGB直方图均衡化做低照度增强，结果人脸变成了青灰色。为什么？因为三个通道分别做均衡化，破坏了原有的色彩比例。
| 特性 | RGB | 适用场景 |
|---|---|---|
| 通道相关性 | 高（亮度与颜色耦合） | 显示、存储 |
| 光照敏感性 | 敏感（光照变化三通道都变） | 不推荐直接做增强 |
| 人眼感知 | 不直观（人眼不按RGB感知） | 算法内部处理 |
HSV色彩空间：把颜色和亮度分开
HSV把颜色拆成三个维度：色相（H）、饱和度（S）、明度（V）。这玩意儿太适合做图像增强了。你想提亮？只动V通道就行，颜色不会跑偏。
- H（色相）：0-360度，代表颜色种类。红色0度，绿色120度，蓝色240度。
- S（饱和度）：0-1，颜色纯度。0是灰色，1是最鲜艳。
- V（明度）：0-1，亮度信息。0是黑色，1是白色。
我的习惯：做低照度增强时，先把RGB转HSV，只对V通道做直方图均衡化或Gamma校正，S和H保持不动。这样亮度提上去了，颜色还是原来的味道。
嗯，这里要注意一个坑。HSV的V通道和亮度不是完全线性关系。我试过把V从0.2拉到0.8，结果图像发白，像蒙了一层雾。后来加了饱和度补偿，效果才自然。
YUV色彩空间：视频领域的王者
YUV是视频压缩和ISP（图像信号处理器）的标配。Y是亮度，U和V是色度。为什么视频用YUV？因为人眼对亮度敏感，对颜色不敏感。压缩时可以多保留Y的细节，少保留UV的细节，文件体积直接减半。
// RGB转YUV（BT.601标准）
Y = 0.299 * R + 0.587 * G + 0.114 * B
U = -0.147 * R - 0.289 * G + 0.436 * B + 128
V = 0.615 * R - 0.515 * G - 0.100 * B + 128我曾经踩过的坑：YUV的U和V是有符号的，范围-128到127。很多新手直接当无符号处理，结果颜色全乱套。转回RGB时，记得把UV加上128再计算。
三种色彩空间对比
| 维度 | RGB | HSV | YUV |
|---|---|---|---|
| 亮度与颜色 | 耦合 | 分离 | 分离 |
| 人眼感知 | 不匹配 | 较匹配 | 匹配（亮度优先） |
| 低照度增强 | 不推荐 | 推荐（只动V） | 推荐（只动Y） |
| 3A算法 | AWB常用 | AE/AF辅助 | AE/AWB核心 |
| 计算复杂度 | 低 | 中（需转换） | 低（硬件原生） |
直方图：图像的统计密码
直方图说白了就是统计每个像素值出现了多少次。一张低照度图像，直方图会挤在左边（暗部）。一张过曝的图像，直方图会挤在右边（亮部）。
我个人习惯先看直方图再决定增强策略：
- 直方图左偏：低照度，用Gamma校正或直方图均衡化
- 直方图右偏：过曝，用Gamma校正（gamma > 1）
- 直方图中间集中：对比度低，用直方图拉伸
- 直方图有断档：量化损失，需要平滑处理
实战技巧：不要只看RGB直方图。我建议分别看Y通道（亮度）和S通道（饱和度）的直方图。Y通道直方图告诉你亮度分布是否均匀，S通道直方图告诉你颜色是否过饱和或欠饱和。
图像统计特征：量化你的图像
做3A算法调优时，不能只靠眼睛看。需要量化指标：
| 统计特征 | 公式/定义 | 在低照度增强中的作用 |
|---|---|---|
| 均值 | 所有像素的平均值 | 判断整体亮度水平（低照度时均值偏低） |
| 标准差 | 像素值的离散程度 | 衡量对比度（低照度时标准差偏小） |
| 偏度 | 直方图的对称性 | 判断暗部/亮部占比（正偏态=暗部多） |
| 峰度 | 直方图的尖锐程度 | 判断噪声水平（峰度低=噪声大） |
| 信息熵 | -∑p(i)log₂p(i) | 衡量图像信息量（增强后熵应增加） |
我的经验：低照度增强的目标不是让均值变高，而是让标准差变大。均值从30提到80，但标准差从20掉到10，这增强就是失败的——图像变亮了，但对比度反而下降了。
知识体系结构图
实战中的选择建议
做低照度图像增强时，我建议按这个顺序选色彩空间：
- 首选YUV：如果ISP硬件原生支持YUV，直接用Y通道做增强，效率最高
- 次选HSV：如果做算法原型验证，HSV更灵活，可以同时调亮度和饱和度
- 避免RGB：除非你只做白平衡（AWB），否则RGB空间做增强容易出问题
注意：色彩空间转换是有精度损失的。RGB→HSV→RGB，来回转几次，像素值就变了。我一般只在算法开始时转一次，处理完再转回来，中间不反复转换。
嗯，这一章的内容就这些。色彩空间和统计特征是后续所有增强算法的基础。你把这些搞明白了，后面讲3A算法联动调优时，理解起来会轻松很多。