图像色彩空间之RGB与HSI

根据颜色感知的角度来分类，颜色空间可考虑分成如下3类。

1）混合型颜色空间:按3种基色的比例合成颜色。例如，RGB，CMY(K)和XYZ等颜色空间就属于这种类型。

2）非线性亮度/色度型颜色空间:这种色彩空间的特点是用一个分量表示非色彩的感知，用两个独立的分量表示色彩的感知。当需要黑白图像时，这样的系统非常方便。例如，YUV等。

3）强度/饱和度/色调型颜色空间:用饱和度和色度描述色彩的感知，可使颜色的解释更直观，而且对消除光亮度的影响很有用。例如，HSV, HSL等。

RGB颜色模型对应笛卡儿坐标系中的一个立方体，R, G, B分别代表3个坐标轴。当R, G, B对应的数值都取0时，即坐标原点处，则表示黑色。反之当R. G. B对应的数值都取最大值时则表示白色。立方体空间中的其他各点表示其他颜色。当3个分量的取值范围都在0-255之间的整数时，可以表示 16777216种颜色。

HSI用色调( Hue)，饱和度(Saturation或Chroma)和强度(Intensity)来描述色彩。

色调是描述纯色的属性，它反映了色彩的本质。饱和度的作用在于给出一种纯色被自光稀释的程度描述强度是颜色的明度，取值范围从0%(黑)到100%(最亮)。强度也指亮度(Luminance)或者光亮度(Lightness)强度是单色图像最有力也最有效的描述方式，它的好处在于它可测而且易于解释。

研究发现，人的视觉对亮度的敏感程度远强十对颜色浓淡的敏感程度，因此HSI色彩空间比RGB色彩空间更符合人的视觉特性。

时间： 2024-11-02 06:02:45

图像色彩空间之RGB与HSI的相关文章

Atitit  rgb yuv  hsv HSL 模式和 HSV(HSB) 图像色彩空间的区别

Atitit  rgb yuv  hsv HSL 模式和 HSV(HSB) 图像色彩空间的区别 1.1. 色彩的三要素 -- 色相.明度.纯度1 1.2. YUV三个字母中,其中"Y"表示明亮度(Lumina nce或Luma),也就是灰阶值:而"U"和"V"表示的则是色度(Chrominance或Chroma)2 1.3. HSB 和 HSV 是是一样的,只是叫法不同,HSL 则还有一些细微的区别:2 2. RGB 是对机器很友好的色彩模式,但

引入HSI彩色模型与RGB转HSI？

1.为什么要引入HSI彩色模型? 简单的来说,RGB模型可以很好的适应颜色的事实,但是并不能很好的适应人解释的颜色.当人观察一个彩色物体时候,我们用色调(Hue),饱和度(Saturation )和强度(Intensity)来描述. 色 调:是指一种纯色的颜色属性,(色调与波长有关,是人对不同颜色的感受): 饱和度:是指纯色被白光稀释的程度的度量,(饱和度越大越鲜艳): 亮 度:是一个主观因子,实际上是不可度量的,(亮度和图像灰度是颜色的明亮程度). 总体来说,RGB模型更适合图像颜色生成,而H

图像色彩空间YUV和RGB的差别

http://blog.csdn.net/scg881008/article/details/7168637 假如是200万像素的sensor,是不是RGB一个pixel是2M,YUV是1M? 首先,200万象素的sensor,就是有2M个pixel;     YUV是电视传输用的名词,一个亮度信号(Y),两个色差信号(U分量.V分量)     YUV(亦称YCrCb)是被欧洲电视系统所采用的一种颜色编码方法(属于PAL).YUV主要用于优化彩色视频信号的传输,使其向后兼容老式黑 白电视.与RG

RGB to HSI, HSI to RGB Conversion Calculator

The RGB color model is an additive system in which each color is defined by the amount of red, green, and blue light emitted. In the RGB scheme, colors are represented numerically with a set of three numbers, each of which ranges from 0 to 255. White

CUDA 实现JPEG图像解码为RGB数据

了解JPEG数据格式的人应该easy想到.其对图像以8*8像素块大小进行切割压缩的方法非常好用并行处理的思想来实现.而其实英伟达的CUDA自v5.5開始也提供了JPEG编解码的演示样例.该演示样例存储在CUDA的SDK中,即CUDA的默认安装路径"C:\ProgramData\NVDIA Corporation\CUDA Samples\v7.0\7_CUDALibraries\jpegNPP"(v后面的数字依据版本号的不同会变更)中. 该演示样例将图片数据进行了解码和再编码,因为解码

引入HSI彩色模型与RGB转HIS？

1.为什么要引入HSI彩色模型? 简单的来说,RGB模型可以很好的适应颜色的事实,但是并不能很好的适应人解释的颜色.当人观察一个彩色物体时候,我们用色调(Hue),饱和度(Saturation )和强度(Intensity)来描述. 色 调:是指一种纯色的颜色属性,(色调与波长有关,是人对不同颜色的感受): 饱和度:是指纯色被白光稀释的程度的度量,(饱和度越大越鲜艳): 亮 度:是一个主观因子,实际上是不可度量的,(亮度和图像灰度是颜色的明亮程度). 总体来说,RGB模型更适合图像颜色生成,而H

彩色图像--色彩空间 HSI(HSL)、HSV(HSB)

学习DIP第66天 转载请标明本文出处:http://blog.csdn.net/tonyshengtan ,出于尊重文章作者的劳动,转载请标明出处!文章代码已托管,欢迎共同开发:https://github.com/Tony-Tan/DIPpro 开篇废话 色彩空间介绍最后两种与人类感知相对较接近的两种空间,彩色图像处理后面的内容大部分用在图像的基础处理,而如果想学习图像分析,应该开始学习一些模式识别和机器学习的算法,打算最近开始学习一些,并且开一个新的博客主题,欢迎讨论... 今天介绍下两种

基于RGB颜色模型的图像提取与二值化

现实中我们要处理的往往是RGB彩色图像.对其主要通过HSI转换.分量色差等技术来提出目标. RGB分量灰度化: RGB可以分为R.G.B三分量.当R=G=B即为灰度图像,很多时候为了方便,会直接利用某个分量来进行灰度化,如下图所示: 上图中R分量下红色部分明显比其他两幅更偏白:同样地G分量草地较淡,B分量天空较淡.其他部分如灰黑色马路则相差不多.实际中,我们可以根据 需求有选择地选择分量. RGB分量差灰度化: 有时候我们的要求是从图像中提取某种颜色区域,那么最简单的方法就是采用RGB色差. 例

RGB、HSV、HSI颜色空间

概述 这篇博客主要介绍RGB.HSV和HSI颜色空间以及转换公式. RGB颜色空间 定义 RGB颜色空间通常用于显示器系统,例如:电脑.电视机的显示器使用的都是RGB颜色空间.利用物理学中的三原色叠加原理,可以产生各种颜色.在RGB颜色空间中,R.G.B各颜色分量彼此独立. RGB颜色空间的缺点在于不符合人眼的视觉特性,直接处理多有不便,因此通常需要转换到其他颜色空间进行处理,最后再转换到RGB颜色空间,用于显示器显示. 数学模型 RGB颜色空间中,R.G.B三个分量彼此独立,所能表示的范围也相