第 6 章彩色图像处理 (Color Image Processing)

核心结论

色彩学基础（§6.1）：可见光谱 / 三色觉 / 色彩匹配；CIE 标准。
色彩模型（§6.2）：RGB / CMY / CMYK / HSI / HSV / Lab / YCbCr。
色彩变换（§6.3）：模型间转换；色彩空间选择。
彩色图像平滑 / 锐化（§6.4）：逐通道或向量空间；HSI 分量处理。
彩色分割（§6.5）：基于颜色直方图 / 聚类 / 学习。
彩色边缘检测（§6.6）：向量梯度（方向导数）。
彩色噪声（§6.7）：通道相关噪声；去噪策略。

本章主旨

本章是彩色图像 DIP——把灰度算法扩展到彩色。理解后才能选对色彩空间、做好彩色分割与边缘检测。

一、核心概念

本章围绕 7 个核心概念展开：色彩学 → 模型 → 变换 → 平滑 / 锐化 → 分割 → 边缘 → 噪声。

概念	定义 + 重要性	实现提示
色彩学基础	三色觉 / 色彩匹配；CIE RGB / XYZ。	§6.1；理解色彩模型。
色彩模型	RGB / CMY(K) / HSI / Lab / YCbCr。	§6.2；不同场景不同模型。
色彩变换	模型间转换；色彩空间选择。	§6.3；显示 / 打印 / 处理。
彩色平滑 / 锐化	逐通道或向量空间。	§6.4；彩色去噪。
彩色分割	颜色直方图 / 聚类 / 学习。	§6.5；皮肤检测 / 物体识别。
彩色边缘	向量梯度；方向导数。	§6.6；彩色 Sobel / Canny。
彩色噪声	通道相关；去噪策略。	§6.7；ISP 处理。

概念

定义 + 重要性

实现提示

色彩学基础

三色觉 / 色彩匹配；CIE RGB / XYZ。

§6.1；理解色彩模型。

色彩模型

RGB / CMY(K) / HSI / Lab / YCbCr。

§6.2；不同场景不同模型。

色彩变换

模型间转换；色彩空间选择。

§6.3；显示 / 打印 / 处理。

彩色平滑 / 锐化

逐通道或向量空间。

§6.4；彩色去噪。

彩色分割

颜色直方图 / 聚类 / 学习。

§6.5；皮肤检测 / 物体识别。

彩色边缘

向量梯度；方向导数。

§6.6；彩色 Sobel / Canny。

彩色噪声

通道相关；去噪策略。

§6.7；ISP 处理。

二、详细笔记

2.1 色彩学基础 (Color Fundamentals)

What：三色觉 / 色彩匹配；CIE 标准。

Why：理解色彩模型的物理基础。

How：

人眼有三种视锥细胞（S / M / L）；所有颜色 = 三色加权。
CIE 1931 RGB / XYZ 标准。
色彩匹配函数：每波长的三色响应。

When：显示器校准；色彩管理。

Example：显示器 sRGB 标准基于 CIE 1931。

2.2 色彩模型 (Color Models)

What：RGB / CMY / CMYK / HSI / HSV / Lab / YCbCr。

Why：不同场景选对模型。

How：

RGB：显示器 / 相机原生。
CMY(K)：打印。
HSI / HSV：人眼直观（色相 / 饱和度 / 强度）。
Lab：感知均匀；颜色科学标准。
YCbCr：视频压缩（JPEG / MPEG）。

When：显示 RGB；打印 CMYK；视频 YCbCr；编辑 Lab。

Example：cv2.cvtColor(img, cv2.COLOR_BGR2HSV)；cv2.cvtColor(img, cv2.COLOR_BGR2Lab)。

2.3 色彩变换 (Color Transformations)

What：模型间转换。

Why：不同任务用不同模型。

How：

RGB ↔ HSI：极坐标变换。
RGB ↔ Lab：经 XYZ 中间。
RGB ↔ YCbCr：线性变换。

When：显示 / 处理 / 压缩不同阶段。

Example*：cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)；cv2.cvtColor(img, cv2.COLOR_BGR2HSV)。

2.4 彩色平滑 / 锐化 (Smoothing & Sharpening)

What：逐通道或向量空间处理。

Why：彩色图像去噪 / 锐化。

How：

逐通道：对 R / G / B 分别处理（简单但忽略通道相关）。
向量空间：在 Lab / HSV 上处理亮度分量（保色）。

When：彩色去噪；锐化。

Example：cv2.bilateralFilter(img, …)（HSV 上对 V 处理）。

2.5 彩色分割 (Color Segmentation)

What：基于颜色直方图 / 聚类 / 学习。

Why：皮肤检测 / 物体识别。

How：

直方图阈值：HSV 空间阈值分割。
聚类：K-means 在 RGB / Lab 空间。
学习：CNN 语义分割。

When：皮肤检测；交通标志；植物识别。

Example：cv2.inRange(hsv, lower, upper)；GrabCut。

2.6 彩色边缘检测 (Color Edge Detection)

What：向量梯度；方向导数。

Why：彩色边缘比灰度边缘更鲁棒。

How：

向量梯度：∇f = [∂R/∂x, ∂G/∂x, ∂B/∂x]。
方向导数：沿任意方向的梯度。
彩色 Sobel / Canny：逐通道 / 向量。

When：彩色边缘检测；目标边界。

Example：cv2.Sobel(img, -1, 1, 0)（逐通道）。

2.7 彩色噪声 (Color Noise)

What：通道相关噪声；去噪策略。

Why：ISP / 相机去噪需要。

How：

通道独立：高斯 / 椒盐逐通道。
通道相关：chrominance noise（HVS 敏感）。
向量中值滤波：在 RGB 空间定义距离。

When：手机 ISP；低光去噪。

Example：cv2.fastNlMeansDenoisingColored。

三、关键图表

视觉图表

Figure 1. 图 6-1：色彩匹配函数

Figure 2. 图 6-2：RGB / HSV / Lab 色彩空间

非可视化条目

非可视化条目（表 / 算法）

编号

内容摘要

表 6.1

色彩模型对比（RGB / HSV / Lab / YCbCr）。

式 6-1 至 6-30

RGB ↔ HSI / Lab / YCbCr 转换公式。

核心公式对照表

概念

公式

RGB → HSI

\(H = \begin{cases} \theta, & B \leq G \\ 360 - \theta, & B > G \end{cases},\ \theta = \arccos\left(\frac{1/2((R-G)+(R-B))}{\sqrt{(R-G)^2 + (R-B)(G-B)}}\right)\)

RGB → Lab（简化）

\(L^* = 116 f(Y/Y_n) - 16,\ a^* = 500(f(X/X_n) - f(Y/Y_n)),\ b^* = 200(f(Y/Y_n) - f(Z/Z_n))\)

四、思维导图

mindmap
  root((第 6 章 彩色图像处理))
    色彩学
      三色觉
      CIE标准
    模型
      RGBCMY
      HSILab
      YCbCr
    变换
      RGB2HSV
      RGB2Lab
    平滑锐化
      逐通道
      向量空间
    分割
      直方图
      聚类
    边缘
      向量梯度
      彩色Sobel
    噪声
      通道独立
      chrominance

五、重点与易错点

色彩模型选对场景：显示 RGB；打印 CMYK；视频 YCbCr；编辑 Lab。
逐通道 vs 向量空间处理：彩色去噪优先向量空间（HSV 上处理 V）。
HSI / HSV 直观：色相 / 饱和度 / 强度；适合交互编辑。
Lab 感知均匀：欧氏距离 = 感知差异；颜色科学标准。
皮肤检测用 HSV / YCbCr：颜色空间选对是关键。
跨章衔接：第 3 章灰度算法是彩色算法基础；第 10 章分割用彩色特征；第 11 章特征提取用彩色描述子。

第 6 章 彩色图像处理 (Color Image Processing)

核心结论

一、核心概念

二、详细笔记

2.1 色彩学基础 (Color Fundamentals)

2.2 色彩模型 (Color Models)

2.3 色彩变换 (Color Transformations)

2.4 彩色平滑 / 锐化 (Smoothing & Sharpening)

2.5 彩色分割 (Color Segmentation)

2.6 彩色边缘检测 (Color Edge Detection)

2.7 彩色噪声 (Color Noise)

三、关键图表

视觉图表

非可视化条目

核心公式对照表

四、思维导图

五、重点与易错点

第 6 章彩色图像处理 (Color Image Processing)