你在训模型的时候，有使用过颜色空间变换嘛？你知道常用的颜色空间有哪些呢？
1.使用颜色空间进行空间变换的项目
在我所做的一些项目中，目前使用颜色空间变换的比较少，目前就是看pix2pix-tensorflow中使用过，直接上图：
项目中使用了Lab空间变换来学习A->B图像的映射。在测试的时候，同样是使用了Lab变换，将生成的图来进行前向预测，再将输出结果转换成RGB图像。
当然，后面要是看到了其它项目使用到的话，我这边再进行补充！
2. 相关颜色空间
2. 1. RGB
RGB 是我们接触最多的颜色空间，由三个通道表示一幅图像，分别为红色®，绿色(G)和蓝色(B)三个通道。这
三种颜色的不同组合可以形成几乎所有的其他颜色。RGB 颜色空间是图像处理中最基本、最常用、面向硬件的颜色空间。
RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。
但是，人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。
所以，RGB 颜色空间适合于显示系统，却并不适合于图像处理。
2.2 CMY/CMYK颜色空间
CMY是工业印刷采用的颜色空间。它与RGB对应。简单的类比RGB来源于是物体发光，而CMY是依据反射光得到的。具体应用如打印机：一般采用四色墨盒，即CMY加黑色墨盒。
2.3 HSV颜色空间
由于上述的原因，在实际图像处理中，我们使用更多的是HSV颜色空间，因为它可以比RGB更接近人们对彩色的感知经验。
其中，HSV主要是由表达彩色图像的三个部分组成：
- Hue，色相、色调
- Saturation：饱和度
- Value，明度
其中用一张图可以表明H、S、V三者之间的关系：
- H用极坐标的极角表示
- S用极坐标的极轴长度表示
-
V用圆柱中轴的高度表示
其中，Hue是用角度度量，取值范围为0～ 36 0 ∘ 360^{\circ} 360∘,表示所处的光谱颜色的位置。Hue=0表示红色，Hue=120表示绿色，Hue=240表示蓝色，等等。
Saturation是饱和度，其表示颜色接近光谱色的程度。其中，饱和度越高，表明颜色就越深。饱和度为0考试为纯色，取之范围为0～1，值越大，表示颜色越饱和。
Value表明了颜色空间中颜色的阴暗程度，明度越高，表示颜色越亮，范围为0～1，0为纯黑色。
2.4 HLS颜色空间
HLS 和 HSV 比较类似，这里一起介绍。HLS 也有三个分量，hue（色相）、saturation（饱和度）、lightness（亮度）。
HLS 中的 L 分量为亮度，亮度为100，表示白色，亮度为0，表示黑色。其中，S与L与HSV中保持一致。
2.5 YUV/YCbCr颜色空间
YUV是通过亮度-色差来描述颜色的颜色空间。亮度信号经常被称作Y，色度信号是由两个互相独立的信号组成。视颜色系统和格式不同，两种色度信号经常被称作UV或PbPr或CbCr。这些都是由不同的编码格式所产生的，但是实际上，他们的概念基本相同。在DVD中，色度信号被存储成Cb和Cr（C代表颜色，b代表蓝色，r代表红色）。
2.6 Lab颜色空间
Lab颜色模型弥补了RGB和CMYK两种色彩模式的不足。它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。Lab是由一个亮度通道（channel）和两个颜色通道组成的。在Lab颜色空间中，每个颜色用L、a、b三个数字表示，各个分量的含义是这样的：
- L代表明度，取值0~100
- a代表从绿色到红色的分量 ，取值-128~127
- b代表从蓝色到黄色的分量，取值-128~127
2.7 LUV颜色空间
LUV通常是指一种颜色空间标准，目的是建立与视觉统一的颜色空间，因为人类眼睛有响应不同波长范围的三种类型的颜色传感器，所有可视颜色的完整绘图是三维的。但是颜色的概念可以分为两部分：明度和色度。
LUV的存在三个分量，L是亮度，u和v是色度坐标。对于一般的图像，u和v的取值范围为-100到+100，亮度为0到100。
2.8 代码举例
import matplotlib.pyplot as plt
import cv2
canshi_BGR = cv2.imread("./canshi.png")
# show BGR canshi
plt.subplot(3, 3, 1)
plt.imshow(canshi_BGR)
plt.axis('off')
plt.title('canshi_BGR')
# BGR to RGB
canshi_RGB = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2RGB)
plt.subplot(3, 3, 2)
plt.imshow(canshi_RGB)
plt.axis('off')
plt.title('canshi_RGB')
# BGR to GRAY
canshi_GRAY = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2GRAY)
plt.subplot(3, 3, 3)
plt.imshow(canshi_GRAY)
plt.axis('off')
plt.title('canshi_GRAY')
# BGR to YCrCb
canshi_YCrCb = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2YCrCb)
plt.subplot(3, 3, 4)
plt.imshow(canshi_YCrCb)
plt.axis('off')
plt.title('canshi_YCrCb')
# BGR to HSV
canshi_HSV = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2HSV)
plt.subplot(3, 3, 5)
plt.imshow(canshi_HSV)
plt.axis('off')
plt.title('canshi_HSV')
# BGR to HLS
canshi_HLS = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2HLS)
plt.subplot(3, 3, 6)
plt.imshow(canshi_HLS)
plt.axis('off')
plt.title('canshi_HLS')
# BGR to CIE L*a*b
canshi_Lab = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2Lab)
plt.subplot(3, 3, 7)
plt.imshow(canshi_Lab)
plt.axis('off')
plt.title('canshi_Lab')
# BGR to CIE L*u*v
canshi_Luv = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2Luv)
plt.subplot(3, 3, 8)
plt.imshow(canshi_Luv)
plt.axis('off')
plt.title('canshi_Luv')
plt.show()
2.9 转换的具体公式（看了也记不住，整理在这，感兴趣的看看就好！反正我直接查API了）
2.9.1 RGB与灰度图之间的转换
RGB -> GRAY
Gray -> RGB
2.9.2 RGB与YCrCb之间的转换
RGB -> YCrCb
YCrCb -> RGB
2.9.3 RGB转HSV
RGB -> HSV
HSV -> RGB
2.9.4 RGB与HLS转换
RGB -> HLS
HLS -> RGB
2.9.5 RGB与Lab转换
RGB转Lab
RGB无法直接转换成Lab，需要先转换成XYZ再转换成Lab，即：RGB—>XYZ—>Lab。
1.首先是RGB转XYZ：
则：
其中：
等价于
2.其次是XYZ转Lab
上面两个公式中 L ⋆ L^{\star} L⋆, a ⋆ a^{\star} a⋆， b ⋆ b^{\star} b⋆是最终的LAB色彩空间三个通道的值。X，Y，Z是RGB转XYZ后计算出来的值， X n X_{n} Xn， Y n Y_{n} Yn， Z n Z_{n} Zn一般默认是1,1,1。
Lab转RGB
同样，需要Lab -> XYZ ->RGB.
1.Lab -> XYZ
其中，
3. 小结
传统图像处理关于颜色空间部分，基本上了解下，毕竟现在深度学习时代，基本上很多都只知道RGB～但是，我们是专业的AI从业人员，专业的CV工程师。
大家好，我是灿视。目前是位算法工程师 + 创业者 + 奶爸的时间管理者！
我曾在19，20年联合了各大厂面试官，连续推出两版《百面计算机视觉》，受到了广泛好评，帮助了数百位同学们斩获了BAT等大小厂算法Offer。现在，我们继续出发，持续更新最强算法面经。
我曾经花了4个月，跨专业从双非上岸华五软工硕士，也从不会编程到进入到百度与腾讯实习。
欢迎加我私信，点赞朋友圈，参加朋友圈抽奖活动。如果你想加入<百面计算机视觉交流群>，也可以私我。