在前面，我們只介紹了三種圖像的類型，分別位二值圖像、灰度圖像以及RGB圖像。但我們現在常用的圖像肯定是RGB圖像，不過它只是色彩空間的壹種類型，在實際的圖像中，還有許多其他的色彩空間，對於會PS的讀者來說肯定不會陌生。
比如GRAY色彩空間（灰度圖像），XYZ色彩空間，YCrCb色彩空間，HSV色彩空間，HLS色彩空間，CIEL a b 色彩空間，CIEL u v 色彩空間，Bayer色彩空間等。
每個圖像都有其擅長處理的內容，因此我們要掌握這些色彩空間圖像的轉換，以便後續更方便的處理圖像的問題。
GRAY就是我們前面介紹的灰度圖像，通常指8位灰度圖像，其具有256個灰度級，像素值範圍位[0,255]。
RGB轉換位GRAY的數學公式如下：
Gray=0.229 R+0.587 G+0.114*B
而圖像有GRAY色彩空間轉換為RGB色彩空間時，最終所有通道的值都是相同的，其處理方式如下：
R=Gray
G=Gray
B=Gray
XYZ色彩空間是由CIE（International Commission on Illumination）定義的，是壹種更便於計算的色彩空間，它不像RGB轉換位GRAY，只能單向轉換，XYZ色彩空間與RGB轉換不會丟失任何值。
將RGB色彩空間轉換為XYZ色彩空間，其轉換公式為：
將XYZ色彩空間轉換為RGB色彩空間，其轉換公式為：
人眼視覺系統對顏色的敏感度要低於對亮度的敏感度。在傳統的RGB色彩空間內，RGB三原色具有相同的重要性，但是忽略了亮度的信息。所以，才有了YCrCb色彩空間。
在YCrCb色彩空間中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示紅色分量信息，Cb表示藍色分量信息。
亮度給出了顏色亮或暗的程度信息，該信息可以通過照明中強度成分的加權和來計算。在RGB光源中，綠色分量的影響最大，藍色分量的影響最小。
從RGB色彩空間轉換YCrCb色彩空間的數學公式如下：
Y=0.229 R+0.587 G+0.114*B
Cr=(R-Y)*0.713+delta
Cb=(B-Y)*0.564+delta
其中delta的值為：
從YCrCb色彩空間轉RGB數學公式如下：
R=Y+1.403*(Cr-delta)
G=Y-0.714 (Cr-delta)-0.344 (Cb-delta)
B=Y+1.773*(Cb-delta)
RGB是從硬件的角度提出的顏色模型，在與人眼匹配的過程中可能存在壹定的差異。而HSV色彩空間是壹種面向視覺感知的顏色模型。HSV色彩空間是從心理學和視覺的角度出發，指出人眼色彩知覺主要包含3個要素：色調，飽和度，亮度。
說到這裏，相信用過PS的都應該清楚HSV到底能幹什麽了吧？不過，我們還是介紹壹些這3個要素，畢竟本篇博文就是專門將色彩空間理論知識的，不能有空缺。
色調（H）：指光的顏色，色調與混合光譜中的主要光波長相關，例如“赤橙黃綠青藍紫”分別表示不同的色調。如果從波長的角度考慮，不同的波長的光表現為不同的顏色，實際上它們體現的是色調的差異。
飽和度（S）：指色彩的深淺層度，相對於純凈度，或壹種顏色混合白光的數量。純譜色是全飽和的，像深紅色（紅加白）和淡紫色（紫加白）這樣的彩色是欠飽和的，飽和度與所加白光的數量成反比。
亮度（V）：反映的是人眼感受到的光的明暗程度，該指標與物體的反射度有關。對於色彩來講，如果在其中摻入的白色越多，則其亮度越高；如果在其摻入的黑色越多，則亮度越低。
在具體的實現上，我們將物理空間的顏色分布在圓周上，不同的角度代表不同的顏色。因此，通過調整色調值，我們就能選取不同的顏色，色調的取值範圍為[0，360]。色調取值不同，顏色也不同，具體如下表所示：
飽和度的值為[0,1]，飽和度的值為0時，只有灰度，飽和度越大，顏色值越豐富。至於亮度，其取值範圍也是[0,1]。
例如，博主現在取色調=0，飽和度=1，亮度=1，就可以提取色彩深紅色。
介紹完理論知識，HSV與上面的色彩空間壹樣，也需要與RGB進行轉換，不過，我們這裏轉換之前，需要先將RGB色彩空間的值轉換到[0,1]之間，然後在進行處理。具體處理如下：
V=max(R,G,B) 亮度
這裏，H的計算結果可能小於0，如果出現這種情況，則需要對H進壹步的處理計算。如下所示：
上述公式計算的結果肯定與前面說的色調，亮度，飽和度的範圍壹致。至於HSV轉RGB，感興趣的可以參考開發文檔。
HLS與HSV色彩空間類似，都具有3要素。只是HLS色彩空間就L與V不同，其中HLS色彩空間的L（光亮度/明度）替換了亮度。
那麽什麽是光亮度/明度呢？
其實，光亮度/明度是用來控制色彩的明暗變換，它的取值範圍同樣也是[0,1]。我們在程序中，可以通過光亮度/明度的大小來衡量有多少光線從物體表面反射出來。光亮度/明度對於眼睛感知顏色很重要，因為當壹個具有色彩的物體處於光線太強或者太暗的地方時，眼睛是無法準確獲取物體顏色的。
說實話，編輯公式有點費勁，感興趣的自己查詢開發文檔，後續在python中開發，我們都是使用cv2.cvtColor()進行轉換的。使用起來，妳只需要了解其到底做什麽的，並不需要知道其內部如何實現，但內部實現，就是上面的這些數學公式。
CIEL a b*色彩空間是均勻色彩空間模型，它是面向視覺感知的顏色模型。從視覺感知均勻的角度來講，人所感知到的兩種顏色的區別程度，應該與這兩種顏色在色彩空間中的距離成正比。在某個色彩空間中如果人所觀察的兩種顏色的區別程度，與這兩種顏色在該色彩空間中對應的點之間的歐式距離成正比，則稱該色彩空間為均勻色彩空間。
CIEL a b 色彩空間中的L分量用於表示像素的亮度，取值範圍為[0,100]，表示從純黑到純白；a 分量表示從紅色到綠色的範圍，取值範圍為[-127,127]；b*分量表示從黃色到藍色的範圍，取值範圍為[-127.127]。
由於CIEL a b 是在CIE的XYZ色彩空間上發展起來的，所以轉換的時候，需要先將RGB轉換為XYZ色彩空間，然後在轉換為CIEL a b 。具體的數學公式感興趣的查詢開發文檔。
CIEL u v 色彩空間同CIEL a b 色彩空間壹樣，是均勻的顏色模型。CIEL u v*色彩空間與設備無關，適用於顯示器顯示和根據加色原理進行組合的場合，該模型中比較強調對紅色的表示，即對紅色的變化比較敏感，但對藍色的變化不太敏感。
同樣的，CIEL u v 色彩空間也需要先將RGB轉換為XYZ色彩空間，然後在轉換為CIEL u v ，具體公式感興趣的可以查詢開發文檔。
Bayer色彩空間被廣泛的應用在CCD和CMOS相機中。
色彩空間的理論知識，到這裏基本就講解完成了，感興趣的可以自己擴展最後幾個數學公式。