2. 色彩空间与转换：RGB、CMYK、YCbCr、XYZ

色彩空间，说白了就是描述颜色的数学坐标系。同一个颜色，在不同坐标系下的数值完全不同。我在做图像传感器ISP项目时，就吃过这个亏——传感器输出的RAW数据是Bayer格式，但后端显示器和编码器各要一套不同的色彩空间。如果转换做不好，画面偏色、饱和度丢失都是家常便饭。

这一章，我们重点讲四个最常用的色彩空间：RGB、CMYK、YCbCr和XYZ。然后我会把它们的数学转换矩阵掰开揉碎讲清楚。硬件里做色彩空间转换，说白了就是矩阵乘法加截位，但精度和位宽怎么选，这里头门道不少。

2.1 四大色彩空间概述

先给个总览表格，方便你快速对比：

色彩空间 典型用途 分量含义 硬件实现特点
RGB 显示器、摄像头、图像传感器 红、绿、蓝三原色 直接，但各分量相关性高
CMYK 印刷、打印机 青、品红、黄、黑 四分量，硬件中较少直接处理
YCbCr 视频压缩、JPEG、H.264/H.265 亮度Y + 色度Cb/Cr 亮度与色度分离，利于压缩
XYZ 色彩管理、设备无关标准 三刺激值（人眼响应） 线性空间，常作为中间桥梁

核心观点：硬件里最常用的是RGB↔YCbCr和RGB↔XYZ。CMYK我很少在FPGA里直接做，除非你接的是工业打印机控制器。

2.2 RGB色彩空间

RGB是最直观的。每个像素用三个8位或10位数值表示红、绿、蓝的强度。0表示最暗，255（或1023）表示最亮。

但有个坑：RGB不是设备无关的。同样的RGB值，在不同显示器上颜色不一样。为什么？因为每个显示器的色域和伽马曲线不同。我在一个项目里遇到过，摄像头采集的RGB在PC上看正常，接到嵌入式屏上就偏蓝。后来发现是两边的RGB色域标准不一样——一个用sRGB，一个用Adobe RGB。

硬件里处理RGB，通常就是直接做加减乘除。比如白平衡调整，就是给R、G、B各乘一个系数。但要注意位宽扩展，8位乘8位至少需要16位中间结果。

2.3 CMYK色彩空间

CMYK是减色模型。你想想看，白纸反射所有光，印上青色油墨就吸收了红光。所以C、M、Y分别吸收红、绿、蓝。K（黑色）是为了节省彩色油墨并加深暗部。

从RGB到CMYK的转换公式：

// 先归一化到[0,1]
R' = R / 255,  G' = G / 255,  B' = B / 255

// 计算CMY
C = 1 - R'
M = 1 - G'
Y = 1 - B'

// 提取黑色分量
K = min(C, M, Y)

// 调整CMY
C = (C - K) / (1 - K)
M = (M - K) / (1 - K)
Y = (Y - K) / (1 - K)

注意：CMYK转换涉及除法，硬件里除法器很贵。我一般建议用查找表（LUT）或者近似算法。除非你非做不可，否则尽量绕开CMYK。

2.4 YCbCr色彩空间

YCbCr是视频领域的王牌。它把亮度（Y）和色度（Cb、Cr）分开。人眼对亮度变化敏感，对色度变化不敏感。所以视频编码时可以降低色度的采样率——这就是4:2:2、4:2:0的由来。

标准BT.601（标清）的RGB→YCbCr矩阵：

Y  =  0.299 * R + 0.587 * G + 0.114 * B
Cb = -0.169 * R - 0.331 * G + 0.500 * B + 128
Cr =  0.500 * R - 0.419 * G - 0.081 * B + 128

硬件实现时，浮点数乘法太慢。我习惯把系数放大到整数：

// 定点化，放大2^10 = 1024倍
Y  = ( 306 * R + 601 * G + 117 * B) >> 10
Cb = (-173 * R - 339 * G + 512 * B) >> 10 + 128
Cr = ( 512 * R - 429 * G -  83 * B) >> 10 + 128

我的经验：定点化时，系数精度至少保留10位小数位（Q10格式），否则色度偏差肉眼可见。另外，Cb/Cr加128这个偏置，在硬件里就是加一个常数，不费资源。

2.5 XYZ色彩空间

XYZ是CIE在1931年定义的设备无关色彩空间。它基于人眼对红、绿、蓝三种锥状细胞的响应曲线。说白了，XYZ就是颜色的"坐标"。

从RGB到XYZ的转换取决于RGB的色域标准。以sRGB为例：

|X|   |0.4124564  0.3575761  0.1804375| |R_linear|
|Y| = |0.2126729  0.7151522  0.0721750| |G_linear|
|Z|   |0.0193339  0.1191920  0.9503041| |B_linear|

注意，这里的R_linear、G_linear、B_linear是经过伽马校正前的线性值。sRGB有伽马曲线，硬件里需要先做反伽马校正，再做矩阵乘法。

关键点：XYZ是线性空间。所有色彩空间转换，如果经过XYZ做中间桥梁，可以避免直接转换的精度损失。我在做多色域校准项目时，就是先把所有输入统一转到XYZ，再转到目标空间。

2.6 色彩空间转换的数学原理

所有线性色彩空间转换，本质上都是3×3矩阵乘法。为什么？因为人眼的颜色视觉是线性的（在忽略伽马的情况下）。

通用形式：

|C1_out|   |a11 a12 a13| |C1_in|
|C2_out| = |a21 a22 a23| |C2_in|
|C3_out|   |a31 a32 a33| |C3_in|

硬件实现这个矩阵乘法，需要：

  • 9个乘法器（每个系数乘一个输入分量）
  • 6个加法器（每行三个乘积相加）
  • 流水线寄存器（至少2级流水，避免组合逻辑过长）

我曾经优化过一个色彩转换模块，把9个乘法器缩减到6个。怎么做？利用系数对称性。比如YCbCr矩阵里，很多系数互为相反数，可以共用乘法器再取反。

2.7 硬件实现要点

这里列几个我在项目中踩过的坑：

  1. 位宽选择：输入8位，中间结果至少12位，输出8位。如果中间截位太狠，色带效应就出来了。
  2. 饱和处理：矩阵乘法可能产生负值或超过255的值。硬件里要做钳位（clamp）到[0, 255]。
  3. 流水线深度：我建议至少3级流水——乘法、加法、钳位各一级。跑200MHz以上时，可能需要4-5级。
  4. 系数存储：用寄存器存系数，不要用BRAM。因为系数很少（9个），寄存器更省资源。

避坑指南：我曾经在YCbCr转RGB时，忘记处理Cb/Cr的128偏置。结果画面整体偏绿，查了两天才发现。记住：YCbCr的Cb/Cr是有偏置的，转RGB前要先减128。

2.8 本章知识结构图

下面这张SVG图，把四个色彩空间的关系和转换路径画清楚了：

色彩空间转换关系图 色彩空间转换关系图 RGB CMYK YCbCr XYZ 非线性转换 线性矩阵 线性矩阵 间接转换 非线性转换 硬件实现要点 • 矩阵乘法：9个乘法器+6个加法器 • 定点化：系数放大2^10~2^12 • 流水线：至少3级 • 位宽：8→12→8 • 钳位：防止溢出 • 系数复用：利用对称性 • 偏置处理：YCbCr需±128 • 伽马校正：线性化预处理

2.9 总结

色彩空间转换，说穿了就是矩阵乘法。但真正做好，要考虑定点精度、流水线结构、位宽管理和边界处理。我个人的建议是：

  • 视频项目优先用YCbCr，兼容性好，压缩方便
  • 色彩校准项目用XYZ做中间桥梁，精度最高
  • 显示驱动直接用RGB，省去转换开销
  • CMYK能不用就不用，除非你接打印机
← 上一章 📖 返回目录 下一章 →