1. 色彩空间基础：RGB、YUV、HSV 的定义与区别

做视频处理这么多年，我经常被问到同一个问题：「为什么视频领域偏爱 YUV，而不是直接用 RGB？」

这个问题看似简单，但背后藏着色彩空间的核心逻辑。今天我们就从最基础的三个色彩空间讲起，把这件事彻底说清楚。

1.1 什么是色彩空间？

说白了，色彩空间就是一套用数字描述颜色的规则。就像我们用经纬度描述地理位置一样，色彩空间用几个数值分量来定位一个颜色。

不同的色彩空间，就像不同的坐标系。同一个颜色，在不同的色彩空间里，数值表达完全不同。

1.2 RGB 色彩空间

RGB 是最直观的色彩空间。红、绿、蓝三原色，按不同比例混合，就能得到几乎所有颜色。

我在项目中遇到过不少刚入行的同学，觉得 RGB 就是「真彩色」，其他都是「压缩的」。其实不是这样。RGB 只是最接近硬件显示器的表达方式——你的屏幕像素就是由红绿蓝三个子像素组成的。

RGB 的特点：

• 加法混色：光越多越亮，三色全亮得到白色
• 分量强相关：改变亮度需要同时调整 R、G、B 三个分量
• 数据量大：每个像素 3 个分量，每个分量 8bit 就是 24bit
• 不适合压缩：人眼对亮度敏感、对色度不敏感，但 RGB 把亮度和色度混在一起

1.3 YUV 色彩空间

YUV 是视频领域的「老大哥」。它把颜色拆成两部分：亮度（Y）和色度（U、V）。

Y 分量代表亮度信息，也就是黑白图像。U 和 V 代表颜色信息，分别描述蓝色差和红色差。

YUV 的核心优势：

• 亮色分离：Y 和 UV 独立，可以分别处理
• 色度子采样：人眼对颜色不敏感，UV 可以降低分辨率
• 兼容黑白设备：老电视只取 Y 分量就能显示黑白图像
• 压缩效率高：YUV 420 比 RGB 节省 50% 的数据量

1.4 HSV 色彩空间

HSV 是面向人类视觉感知的色彩空间。它用色相（Hue）、饱和度（Saturation）、明度（Value）来描述颜色。

为什么会有 HSV？因为 RGB 和 YUV 都是面向设备的，而 HSV 是面向人的。你想想看，我们说「把红色调淡一点」，在 HSV 里就是降低饱和度，非常直观。但在 RGB 里，你得同时调整 R、G、B 三个值，很麻烦。

HSV 的典型应用：

• 图像编辑软件的颜色选择器
• 颜色识别和分割（比如检测红色交通灯）
• 颜色增强和调色

1.5 三大色彩空间对比

特性	RGB	YUV	HSV
分量含义	红、绿、蓝	亮度、蓝色差、红色差	色相、饱和度、明度
亮色关系	耦合	分离	部分分离
数据冗余	高	低（可子采样）	中
人眼适配	差	好（亮度优先）	好（感知均匀）
主要用途	显示、渲染	编码、传输、存储	调色、图像分割
转换复杂度	基准	线性变换，简单	非线性，稍复杂

1.6 为什么视频领域偏爱 YUV？

这个问题，我用一个实际场景来解释。

假设你要传输一段 1080p 的视频，每秒 30 帧。如果用 RGB 24bit，每帧的数据量是：

1920 × 1080 × 3 bytes = 6,220,800 bytes ≈ 6.2 MB
每秒数据量：6.2 MB × 30 = 186 MB/s

这个带宽，别说网络传输了，很多嵌入式设备的内部总线都扛不住。

换成 YUV 420 呢？Y 分量全分辨率，U 和 V 各取 1/4 分辨率：

Y: 1920 × 1080 × 1 byte = 2,073,600 bytes
U: 960 × 540 × 1 byte = 518,400 bytes
V: 960 × 540 × 1 byte = 518,400 bytes
合计：3,110,400 bytes ≈ 3.1 MB
每秒数据量：3.1 MB × 30 = 93 MB/s

数据量直接减半。而且人眼几乎看不出画质损失。这就是 YUV 的威力。

1.7 知识体系总览

下面这张图，把本章的核心逻辑串起来了。你可以把它当作后续章节的导航图。

1.8 本章小结

这一章我们理清了三个核心色彩空间：

• RGB——硬件原生，适合显示，不适合压缩
• YUV——亮色分离，支持子采样，视频编码的首选
• HSV——感知均匀，适合人机交互和图像分割

我个人习惯在项目初期就确定色彩空间的选择。做显示相关，用 RGB；做视频编解码，用 YUV；做图像分析，用 HSV。选对了工具，后面能省很多调试时间。