车道线检测---色彩空间变换

前几天，刚接触这个车道线检测的项目，给了一堆程序，由于刚接触很多东西都不懂，现将自己的学习过程记录下来，以便之后再利用。所遇到的第一个问题即是在车道线检测的过程中，对图像的处理，由于RGB色彩空间对于编程实现不方便，所以先将其转换为YUV，具体内容如下：

颜色空间是颜色集合的数学表示。三种最常用的颜色模型是：RGB（用于计算机图形学

中）；YIQ、YUV或YCbCr（用于视频系统中））。为了更好的理解颜色模型，先介绍几个基本的颜色概念。

亮度(lightness or intensity or luminance)：亮度是光作用于人眼所引起的明亮程度的感觉，它与被观察物体的发光强度有关。主要表现光的强和弱。

色调(hue)：色调是当人眼看一种或多种波长的光时所产生的色彩感觉，它反映颜色的种类，是决定颜色的基本特征。

饱和度(saturation)：饱和度是指颜色的纯度即掺入白光的程度，表示颜色深浅的程度。

例如：红色 + 白色 = 粉红色 饱和度下降，同时色调发生变化

需要说明的是，由于上面所提到的三种最常用的颜色模型与亮度、色度、饱和度这些直接概念没有直接的关系。所以又提出了其他的颜色空间模型，比如HSI和HSV，来简化编程和操作。

 RGB颜色空间

颜色空间颜色空间

颜色空间

由于彩色显示器采用红、绿和蓝来生成目标颜色，所以RGB颜色空间是计算机图形学

最通常的选择，这样可以简化系统的构架与设计。

但是，当处理图像时，使用RGB颜色空间并不是很有效。例如，为了修改给定像素的亮度，必须同时从帧缓冲区中读出RGB三个分量，然后重新计算给定亮度对应的RGB值，执行相应的修改后再写回帧缓冲区。如果我们能够访问到直接以亮度格式存储的图像，那这个处理过程会简单很多。 RGB颜色空间的另一个缺点是，要在RGB颜色立方体中生成任何一种颜色，三个RGB分量都需要占用相同的带宽。这就使得每个RGB颜色分量的帧缓冲需要同样的像素深度和现实分辨率。 RGB颜色空间存在许多种不同类型的实现。

 YUV颜色空间

颜色空间颜色空间

颜色空间 YUV是PAL制式和SECAM制式采用的颜色空间，其中Y代表亮度，UV代表色度。“亮度”是通过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。

色度”则定义了颜色的两个方面，色调(hue)与饱和度(saturation)，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。 

gamma校准的RGB与YUV颜色空间的转换的公式如下:

Y = 0.299R + 0.587G + 0.114B 

U = -0.147R - 0.289G + 0.436B

  =0.492(B-Y)  

V = 0.615R - 0.515G - 0.100B 

  =0.877(R-Y)

R = Y + 1.140V 

G = Y - 0.395U - 0.581V 

B = Y + 2.032U 通常所说的YCbCr颜色空间实际上就是YUV颜色空间的缩放和偏移版本，YCbCr进行了图像子采样。

HSI、HLS和HSV颜色空间

颜色空间颜色空间

颜色空间 HSI (hue、saturation、intensity) 和HSV (hue、saturation、value) 颜色空间在设计上使得颜色感知和解释的方式与人很接近，在需要手动指定颜色值时经常需要使用它们。HLS (hue、lightness、saturation) 类似于HSI，只是使用了术语lightness，而不是光强度intensity来表示亮度。 HSI和HSV颜色空间的差异在于亮度分量(I or V)的计算方式。HSI颜色空间适合传统的图像处理函数，如卷积、均化、直方图等，可以通过处理亮度值来实现这些操作，因为亮度I对R、G、B值的依赖程度是一样的。HSV颜色空间适合处理色度和饱和度，因为它使得饱和度具有更大的动态取值范围。