1. RGB模型
2. HSV模型
3. 如何理解RGB與HSV的聯系
4. HSV在圖像處理中的應用
5. opencv中RGB-->HSV實現
在圖像處理中，最常用的顏色空間是RGB模型，常用於顏色顯示和圖像處理，三維坐標的模型形式，非常容易被理解。
而HSV模型，是針對用戶觀感的一種顏色模型，側重於色彩表示，什么顏色、深淺如何、明暗如何。第一次接觸HSV，書本里首先拋出的是一個圓錐模型，由於很少使用HSV，所以印象不深刻，但看一些資料時，HSV的概念時不時出來騷擾一些人的神經，所以，弄清楚HSV與RGB的關系，建立直觀的印象是很有必要的。
1. RGB模型。
三維坐標：
原點到白色頂點的中軸線是灰度線，r、g、b三分量相等，強度可以由三分量的向量表示。
用RGB來理解色彩、深淺、明暗變化：
色彩變化： 三個坐標軸RGB最大分量頂點與黃紫青YMC色頂點的連線
深淺變化：RGB頂點和CMY頂點到原點和白色頂點的中軸線的距離
明暗變化：中軸線的點的位置，到原點，就偏暗，到白色頂點就偏亮
PS: 光學的分析
三原色RGB混合能形成其他的顏色，並不是說物理上其他顏色的光是由三原色的光混合形成的，每種單色光都有自己獨特的光譜，如黃光是一種單色光，但紅色與綠色混合能形成黃色，原因是人的感官系統所致，與人的生理系統有關。
只能說“將三原色光以不同的比例復合后，對人的眼睛可以形成與各種頻率的可見光等效的色覺。”
2. HSV模型
倒錐形模型：
這個模型就是按色彩、深淺、明暗來描述的。
H是色彩
S是深淺， S = 0時，只有灰度
V是明暗，表示色彩的明亮程度，但與光強無直接聯系，（意思是有一點點聯系吧）。
3. RGB與HSV的聯系
從上面的直觀的理解，把RGB三維坐標的中軸線立起來，並扁化，就能形成HSV的錐形模型了。
但V與強度無直接關系，因為它只選取了RGB的一個最大分量。而RGB則能反映光照強度（或灰度）的變化。
v = max(r, g, b)
由RGB到HSV的轉換：
" HSV對用戶來說是一種直觀的顏色模型。我們可以從一種純色彩開始，即指定色彩角H，並讓V=S=1，然后我們可以通過向其中加入黑色和白色來得到我們需要的顏色。增加黑色可以減小V而S不變，同樣增加白色可以減小S而V不變。例如，要得到深藍色，V=0.4 S=1 H=240度。要得到淡藍色，V=1 S=0.4 H=240度。" --百度百科
4. HSV在圖像處理應用
HSV在用於指定顏色分割時，有比較大的作用。
H和S分量代表了色彩信息。
分割應用：
用H和S分量來表示顏色距離，顏色距離指代表兩種顏色之間的數值差異。
Androutsos等人通過實驗對HSV顏色空間進行了大致划分，亮度大於75%並且飽和度大於20%為亮彩色區域，亮度小於25%為黑色區域，亮度大於75%並且飽和度小於20%為白色區域，其他為彩色區域。
對於不同的彩色區域，混合H與S變量，划定閾值，即可進行簡單的分割。
HSV的去陰影算法：
Improving shadow suppression in moving object detection with HSV color information
5. RGB --> HSV中的opencv實現
struct RGB2HSV_f
{
typedef float channel_type;
RGB2HSV_f(int _srccn, int _blueIdx, float _hrange)
: srccn(_srccn), blueIdx(_blueIdx), hrange(_hrange) {}
void operator()(const float* src, float* dst, int n) const
{
int i, bidx = blueIdx, scn = srccn;
float hscale = hrange*(1.f/360.f);
n *= 3;
for( i = 0; i < n; i += 3, src += scn )
{
float b = src[bidx], g = src[1], r = src[bidx^2];
float h, s, v;
float vmin, diff;
v = vmin = r;
if( v < g ) v = g;
if( v < b ) v = b; // v = max(b, g, r)
if( vmin > g ) vmin = g;
if( vmin > b ) vmin = b;
diff = v - vmin;
s = diff/(float)(fabs(v) + FLT_EPSILON); // s = 1 - min/max
diff = (float)(60./(diff + FLT_EPSILON));
if( v == r )
h = (g - b)*diff;
else if( v == g )
h = (b - r)*diff + 120.f;
else
h = (r - g)*diff + 240.f;
if( h < 0 ) h += 360.f; // h 求值
dst[i] = h*hscale;
dst[i+1] = s;
dst[i+2] = v;
}
}
int srccn, blueIdx;
float hrange;
};
RGB --> GRAY的實現 算法：
template<typename _Tp> struct RGB2Gray
{
typedef _Tp channel_type;
RGB2Gray(int _srccn, int blueIdx, const float* _coeffs) : srccn(_srccn)
{
static const float coeffs0[] = { 0.299f, 0.587f, 0.114f }; // 三分量系數不同，人眼對綠色最敏感，所以G分量系數較大
memcpy( coeffs, _coeffs ? _coeffs : coeffs0, 3*sizeof(coeffs[0]) );
if(blueIdx == 0)
std::swap(coeffs[0], coeffs[2]);
}
void operator()(const _Tp* src, _Tp* dst, int n) const // 運算
{
int scn = srccn;
float cb = coeffs[0], cg = coeffs[1], cr = coeffs[2];
for(int i = 0; i < n; i++, src += scn)
dst[i] = saturate_cast<_Tp>(src[0]*cb + src[1]*cg + src[2]*cr); // 結果
}
int srccn;
float coeffs[3];
};
轉自：http://blog.csdn.net/viewcode/article/details/8203728