​ 一般图像是有红（R）、绿（G）、蓝（B)三个通道，每个通道由（0-255）不同的值组成，这就构成了多彩的图像，这称为图像的颜色空间。在图像处理中，还有另外的颜色空间（如HSV，HIS），这些更具有可分离性和可操作性。所以很多的图像算法需要将图像从RGB转换为其他空间。

​ RGB（红绿蓝）是依据人眼识别的颜色定义出的空间，可表示大部分颜色。但在科学研究一般不采用RGB颜色空间，因为它的细节难以进行数字化的调整。它将色调，亮度，饱和度三个量放在一起表示，很难分开。这里先将RGB空间与灰度空间互转。 常见的转换公式如下

灰度化的主旨就是将三通道的色彩转换为一通道的。最常见的是加权平均灰度处理。

得知公式之后，可以直接使用算法将每个像素点的彩色值转换为灰度值。在opencv中有可以直接将RGB图像转换为灰度图像的算法，如下：

原始图： 效果图：

HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value)，又称HSB(B即Brightness)。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。

这个模型就是按色彩、深浅、明暗来描述的。

H是色彩

S是深浅， S = 0时，只有灰度

V是明暗，表示色彩的明亮程度。

RGB到HSV的转换公式： V = m a x ( R , G , B ) S = { V − m i n ( R , G , B ) V i f V ≠ 0 0 o t h e r w i s e H = { 60 ( G − B ) / ( V − m i n ( R , G , B ) ) i f V = R 120 + 60 ( B − R ) / ( V − m i n ( R , G , B ) ) i f V = G 240 + 60 ( R − G ) / ( V − m i n ( R , G , B ) ) i f V = B V = max(R,G,B)\\ S = \begin{cases} \frac{V-min(R,G,B)} {V} &if&V\not=0\\ 0& otherwise \end{cases}\\ H = \begin{cases} 60(G-B)/(V-min(R,G,B))&if&V=R\\ 120+60(B-R)/(V-min(R,G,B))&if &V=G\\ 240+60(R-G)/(V-min(R,G,B))&if &V=B \end{cases} V=max(R,G,B)S={VV−min(R,G,B)​0​ifotherwise​V​=0H=⎩⎪⎨⎪⎧​60(G−B)/(V−min(R,G,B))120+60(B−R)/(V−min(R,G,B))240+60(R−G)/(V−min(R,G,B))​ififif​V=RV=GV=B​ opencv中提供了RGB转HSV的方法，只需要将原图像传入，输出的即为HSV空间的图像。

原图： 效果图：

在实验过程中发现，opencv直接读取的图片格式为BGR排列的，当转换为RGB时，色彩发生变化，但是使用两种不同的格式生成的HSV空间的图像，结果是一样的。代码如下：

如上可以知道如何从RGB空间转换为HSV空间了，下边继续记录从HSV空间转换到RGB空间。

当给定一个HSV中的一个值（h,s,v)，转换公式如下公式如下

展示的RGB值的范围是0.0到1.0

hsv图像与上边结果相同，得到的rgb图像如下：

得到的结果是RGB排列的，如果想要还原到原来的样式，还需要进行RGB2BGR操作。