色彩空间(Color Space) – 图像质量与色彩技术知识库

颜色空间 Color Space

颜色空间是颜色集合的数学表示。三种最常用的颜色模型是：RGB（用于计算机图形学中）；YIQ、YUV或YCbCr（用于视频系统中）；CMYK（用于彩色打印）。为了更好的理解颜色模型，先介绍几个基本的颜色概念。

亮度(lightness or intensity or luminance)：亮度是光作用于人眼所引起的明亮程度的感觉，它与被观察物体的发光强度有关。主要表现光的强和弱。

色调(hue)：色调是当人眼看一种或多种波长的光时所产生的色彩感觉，它反映颜色的种类，是决定颜色的基本特征。

饱和度(saturation)：饱和度是指颜色的纯度即掺入白光的程度，表示颜色深浅的程度。例如：红色 + 白色 = 粉红色饱和度下降，同时色调发生变化

需要说明的是，由于上面所提到的三种最常用的颜色模型与亮度、色度、饱和度这些直接概念没有直接的关系。所以又提出了其他的颜色空间模型，比如HSI和HSV，来简化编程和操作。

RGB颜色空间

由于彩色显示器采用红、绿和蓝来生成目标颜色，所以RGB颜色空间是计算机图形学最通常的选择，这样可以简化系统的构架与设计。

可以用三维的笛卡尔坐标系统来表示RGB颜色空间，如图3-1。而表3-1包含的RGB值具有100%的幅度、100%的饱和度，是8个标准的视频测试信号。

但是，当处理图像时，使用RGB颜色空间并不是很有效。例如，为了修改给定像素的亮度，必须同时从帧缓冲区中读出RGB三个分量，然后重新计算给定亮度对应的RGB值，执行相应的修改后再写回帧缓冲区。如果我们能够访问到直接以亮度格式存储的图像，那这个处理过程会简单很多。 RGB颜色空间的另一个缺点是，要在RGB颜色立方体中生成任何一种颜色，三个RGB分量都需要占用相同的带宽。这就使得每个RGB颜色分量的帧缓冲需要同样的像素深度和现实分辨率。 RGB颜色空间存在许多种不同类型的实现，下面只介绍其中三种，即sRGB、Adobe RGB和scRGB，为了方便说明，先引入CIE 1931色度图。

上面这幅图像，有一个“舌形”色域空间，是人眼能够辨别的色彩空间，它的边缘围绕

一道从波长从380到700（nm）的光谱，中间就是用红、绿、蓝三种颜色按不同比例调

配出来的颜色。这幅图的巧妙之外在于它通过“归一化”，用两维平面来表示三个数据。X轴是红色的

比例，Y轴是绿色的比例，而Z轴是蓝色的比例，虽然Z轴没有画出来，但它的比例数据可以很方便地计算出来。比方红是0.2，绿是0.3，那么蓝就是0.5。因为它们三者加起来必须等于1。

10年前，微软和惠普推出一个叫standard RGB的色域标准（sRGB），是一个基于32位PC机的标准。从上面的图片看到，它只是人眼能辨别的色彩空间（马蹄形色域）的一部分，人眼能辨别的好多色彩它都无法显示。但这个标准还是被广泛接受。我们现在在使用的显示器、扫描仪、打印机、数码相机，许多都使用这个标准。

大概过了两年，Adobe推出了Adobe RGB标准，色域要比sRGB的范围更宽广，这几年上面这幅图像，有一个“舌形”色域空间，是人眼能够辨别的色彩空间，它的边缘围绕一道从波长从380到700（毫微米）的光谱，中间就是用红、绿、蓝三种颜色按不同比例调配出来的颜色。

这幅图的巧妙之外在于它通过“归一化”，用两维平面来表示三个数据。X轴是红色的比例，Y轴是绿色的比例，而Z轴是蓝色的比例，虽然Z轴没有画出来，但它的比例数据可以很方便地计算出来。比方红是0.2，绿是0.3，那么蓝就是0.5。因为它们三者加起来必须等于1。

10年前，微软和惠普推出一个叫standard RGB的色域标准（sRGB），是一个基于32位PC机的标准。从上面的图片看到，它只是人眼能辨别的色彩空间（舌形色域）的一部分，人眼能辨别的好多色彩它都无法显示。但这个标准还是被广泛接受。我们现在在使用的显示器、扫描仪、打印机、数码相机，许多都使用这个标准。

大概过了两年，Adobe推出了Adobe RGB标准，色域要比sRGB的范围更宽广，这几年有好多上述设备采用了这一标准，然而它们都无法覆盖人眼可见的色域范围。

2003年，微软又推出了scRGB色域标准，它大大拓展了色域范围，不仅全部复盖人眼可见的色域范围，还把空间扩展了很多。其16位的精度也大大超过8位的sRGB，从下面的图片中我们可以看到它们的区别。

有好多上述设备采用了这一标准，然而它们都无法覆盖人眼可见的色域范围。

YUV颜色空间

1、YUV(亦称YCrCb)是被欧洲电视系统所采用的一种颜色编码方法。在现代彩色电视系统中，通常采用三管彩色摄像机或彩色CCD摄影机进行取像，然后把取得的彩色图像信号经分色、分别放大校正后得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R-Y(即U)、B-Y(即V)，最后发送端将亮度和两个色差总共三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的YUV色彩空间表示。采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V信号分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色电视信号。

2、YUV主要用于优化彩色视频信号的传输，使其向后相容老式黑白电视。与RGB视频信号传输相比，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。其中“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。“亮度”是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。

YUV是PAL制式和SECAM制式采用的颜色空间，其中Y代表亮度，UV代表色度。“亮度”是通过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面，色调(hue)与饱和度(saturation)，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。

gamma校准的RGB与YUV颜色空间的转换的公式如下:

Y = 0.299R + 0.587G + 0.114B

U = -0.147R – 0.289G + 0.436B =0.492(B-Y)

V = 0.615R – 0.515G – 0.100B =0.877(R-Y)

R = Y + 1.140V

G = Y – 0.395U – 0.581V

B = Y + 2.032U

通常所说的YCbCr颜色空间实际上就是YUV颜色空间的缩放和偏移版本，YCbCr进行了图像子采样。

在做项目的过程中，比如iOS/安卓，在解码视频后发现视频图像出现倒置或者翻转，有可能它们的YUV格式不一致导致的。因为PC端一般常用I420，安卓一般默认是NV21，iOS一般默认是NV12，如果想统一，就需要保证一致的存储格式。

YUV 采样格式
YUV 图像的主流采样方式有如下三种:

· YUV 4:4:4 采样

· YUV 4:2:2 采样

· YUV 4:2:0 采样

YUV 4:4:4 采样
YUV 4:4:4 采样，意味着 Y、U、V 三个分量的采样⽐例相同，因此在生成的图像里，每个像素的三个分量信息完整，都是 8 bit，也就是一个字节。如下图所示:

其中，Y 分量用叉表示，UV 分量用圆圈表示。
假如图像像素为:[Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]

那么采样的码流为:Y0 U0 V0 Y1 U1 V1 Y2 U2 V2 Y3 U3 V3

最后映射出的像素点依旧为 [Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]

可以看到这种采样方式的图像和 RGB 颜⾊模型的图像⼤⼩是一样，并没有达到节省带宽的目的，当将 RGB 图像转换为 YUV 图像时，也是先转换为 YUV 4:4:4 采样的图像。

YUV 4:2:2 采样
YUV 4:2:2 采样，意味着 UV 分量是 Y 分量采样的一半，Y 分量和UV 分量按照 2 : 1 的⽐例采样。如果水平方向有 10 个像素点，那么采样了 10 个 Y 分量，⽽只采样了 5 个 UV 分量。如下图所示：

其中，Y 分量用叉表示，UV 分量用圆圈表示。
假如图像素为:[Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]

那么采样的码流为:Y0 U0 Y1 V1 Y2 U2 Y3 V3

其中，每采样过一次像素点，都会采其Y分量，而U，V分量就会间隔一个采集一个。

最后映射出的像素点为 [Y0 U0 V1]、[Y1 U0 V1]、[Y2 U2 V3]、[Y3 U2 V3]

采样的码流映射为像素点，还是要满足每个像素点有 Y、U、V 三个分量。但是可以看到，第一和第二像素点公⽤了 U0、V1 分量，第三和第四个像素点公用了U2、V3 分量，这样就节省了图像空间。一张1280 * 720 大小的图片，在 YUV 4:2:2 采样时的大小为:(1280 * 720 * 8 + 1280 * 720 * 0.5 * 8 * 2)/ 8 / 1024 / 1024 = 1.76 MB 。

可以看到 YUV 4:2:2 采样的图像⽐ RGB 模型图像节省了了三分之一的存储空间，在传输时占⽤的带宽也会随之减少。

YUV 4:2:0 采样
YUV 4:2:0 采样，并不是指只采样 U 分量⽽不采样 V 分量。⽽是指，在每⼀行扫描时，只扫描一种色度分量(U 或者 V)，和 Y 分量按照 2 : 1 的方式采样。⽐如，第⼀行扫描时，YU 按照 2 : 1 的方式采样，那么第二行扫描时，YV 分量按照 2:1 的⽅式采样。对于每个色度分量来说，它的水平方向和竖直方向的采样和 Y 分量相比都是2:1 。如图所示：

其中，Y 分量用叉表示，UV 分量用圆圈表示。
假设图像像素为:

[Y0 U0 V0]、[Y1 U1 V1]、 [Y2 U2 V2]、 [Y3 U3 V3]

[Y5 U5 V5]、[Y6 U6 V6]、 [Y7 U7 V7] 、[Y8 U8 V8]

那么采样的码流为:Y0 U0 Y1 Y2 U2 Y3 Y5 V5 Y6 Y7 V7 Y8

其中，每采样过一个像素点，都会采样其 Y 分量，⽽而 U、V 分量就会间隔一行按照 2 : 1 进行采样。

最后映射出的像素点为:

[Y0 U0 V5]、[Y1 U0 V5]、[Y2 U2 V7]、[Y3 U2 V7]

[Y5 U0 V5]、[Y6 U0 V5]、[Y7 U2 V7]、[Y8 U2 V7]

最后从映射出的像素点中可以看到，四个 Y 分量是共用了一套 UV 分量，⽽且是按照 2*2 的小方格的形式分布的，相比 YUV 4:2:2 采样中两个Y 分量共用一套 UV 分量，这样更能够节省空间。一张1280 * 720 大小的图片，在 YUV 4:2:0 采样时的大小为:(1280 * 720 * 8 + 1280 * 720 * 0.25 * 8 * 2)/ 8 / 1024 / 1024 = 1.32MB 。可以看到 YUV 4:2:0 采样的图像比 RGB 模型图像节省了一半的存储空间，因此它也是比较主流的采样方式。

YIQ颜色空间

YIQ是NTSC制式采用的颜色空间。在YIQ系统中，Y分量代表图像的亮度信息，I、Q

两个分量则携带颜色信息，I分量代表从橙色到青色的颜色变化，而Q分量则代表从紫色到黄绿色的颜色变化。

gamma校准的RGB与YIQ颜色空间的转换的公式如下: Y = 0.299R + 0.587G + 0.114B I = 0.596R – 0.275G – 0.321B = 0.736(R-Y) – 0.268(B-Y)

Q = 0.212R – 0.523G + 0.311B = 0.478(R-Y) – 0.413(B-Y) R = Y + 0.956I + 0.621Q G = Y – 0.272I + 0.647Q B = Y – 1.107I + 1.704Q

CMYK颜色空间

CMYK也称作印刷色彩模式，顾名思义就是用来印刷的。CMY是3种印刷油墨名称的首

字母：青色Cyan、洋红色Magenta、黄色Yellow。而K取的是black最后一个字母，之所以不取首字母，是为了避免与蓝色(Blue)混淆。从理论上来说，只需要CMY三种油墨就足够了，它们三个加在一起就应该得到黑色。但是由于目前制造工艺还不能造出高纯度的油墨，CMY相加的结果实际是一种暗红色。因此还需要加入一种专门的黑墨来调和。

CMYK和RGB相比有一个很大的不同：RGB模式是一种发光的色彩模式，你在一间黑暗

的房间内仍然可以看见屏幕上的内容；CMYK是一种依靠反光的色彩模式，CMYK颜色模式的基础并不是增加光线,而是减去光线。我们是怎样阅读报纸的内容呢？是由阳光或灯光照射到报纸上，再反射到我们的眼中，才看到内容。它需要由外界光源，如果你在黑暗房间内是无法阅读报纸的。

xvYCC颜色空间

xvYCC颜色空间是对基本的YCbCr的色域进行扩展后得到的颜色空间，它使得颜色数目

多了1.8倍。xvYCC规范使用BT.709色度标准和D65参考白色。scRGB和xvYCC颜色空间之间有公式可以相互转换。HDMI正在用色域边界描述元数据的方式传输xvYCC视频数据。

PhotoYCC颜色空间

PhotoYCC是柯达公司的一个商标，是为了对Photo CD图像数据进行编码开发的颜色标

准。目的就是要建立一个与现实设备无关的颜色空间。PhotoYCC和RGB颜色空间之间可以通过公式进行转换。它的颜色模型如下图：

HSI、HLS和HSV颜色空间

HSI (hue、saturation、intensity) 和HSV (hue、saturation、value) 颜色空间在设计上使得颜色感知和解释的方式与人很接近，在需要手动指定颜色值时经常需要使用它们。HLS (hue、lightness、saturation) 类似于HSI，只是使用了术语lightness，而不是光强度intensity来表示亮度。

HSI和HSV颜色空间的差异在于亮度分量(I or V)的计算方式。HSI颜色空间适合传统的图像处理函数，如卷积、均化、直方图等，可以通过处理亮度值来实现这些操作，因为亮度I对R、G、B值的依赖程度是一样的。HSV颜色空间适合处理色度和饱和度，因为它使得饱和度具有更大的动态取值范围。

HSV使用单六角锥的颜色模型，HSI使用双六角锥的颜色模型，分别如下图：

Was this helpful?

16 / 0

http://xzh.i3geek.com #ColorSpace #色彩空间