颜色模型(颜色空间)就是描述用一组数值来描述颜色的数学模型。在彩色图像处理中，选择合适的彩色模型是很重要的。从应用的角度来看，彩色模型可分为两类：
一、面向硬件设备的彩色模型
1.RGB模型
最典型、最常用的面向硬件设备的彩色模型是三基色模型，即RGB模型。电视、摄像机和彩色扫描仪都是根据RGB模型工作的。RGB颜色模型建立在笛卡尔坐标系统里，其中三个坐标轴分别代表R、G、B，如图1所示，RGB模型是一个立方体，原点对应黑色，离原点最远的顶点对应白色。RGB是加色，是基于光的叠加的，红光加绿光加蓝光等于白光。应用于显示器这样的设备。
图1.RGB模型
RGB颜色空间的主要缺点是不直观，从R、G、B的值中很难知道该值所代表颜色的认知属性，因此RGB颜色空间不符合人对颜色的感知心理。另外，RGB颜色空间是最不均匀的颜色空间之一，两种颜色之间的知觉差异不能采用该颜色空间中两个颜色点之间的距离来表示。
2.CMY模型
CMY模型主要用于彩色打印，图像处理中几乎没用到过。
3.YCrCb模型
YCbCr模型中，Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到的图像质量的变化。YCbCr模型常用与肤色检测中。
RGB转换YCbCr公式：
Y=0.299R+0.587G+0.114B
Cb=0.564(B-Y)
Cr=0.713(R-Y)
YCbCr转换RGB公式：
R=Y+1.402Cr
G=Y-0.344Cb-0.714Cr
B=Y+1.772Cb
二、面向视觉感知的彩色模型
面向硬件设备的彩色模型与人的视觉感知有一定的差距且使用时不太方便，如给定一个彩色图像，人眼很难判定其中的RGB分量，这是面向视觉感知的彩色模型比较方便。这些模型即与人类颜色视觉感知比较接近，有独立与显示设备。
1.HSI模型
HSI模型是常见的面向彩色处理的模型。HSI模型是双棱锥结构
色调H(Hue):与光波的波长有关，它表示人的感官对不同颜色的感受，如红色、绿色、蓝色等，它也可表示一定范围的颜色，如暖色、冷色等。H的值对应指向该点的矢量与R轴的夹角。
饱和度S(Saturation)：表示颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就会越鲜艳，反之亦然。三角形中心的饱和度最小，越靠外饱和度越大。
亮度I(Intensity)：对应成像亮度和图像灰度，是颜色的明亮程度。模型中间截面向上变白（亮）；向下变黑（暗）
HSI模型的建立基于两个重要的事实： ① I分量与图像的彩色信息无关；② H和S分量与人感受颜色的方式是紧密相联的。这些特点使得HSI模型非常适合彩色特性检测与分析。
2.HSV模型
HSV模型比HSI模型更与人类对颜色的感知接近。H代表色调，S代表饱和度，V代表亮度值。HSV模型的坐标系统可以是圆柱坐标系统，但一般用六棱锥来表示，如图3所示，与HSI模型比较相似。可以通过比较HSI、HSV与RGB空间的转换公式，来比较HSI与HSV的区别。
3.HSB模型
HSB模型的基础是对立色理论，对立色理论源于人们对对立色调(红和绿、黄和蓝)的观察事实(对立色调的颜色叠加，它们会相互抵消)。HSB模型是普及型设计软件中常见的色彩模式，其中H代表色相；S代表饱和度；B代表亮度。HSB模型的结构如图所示。
色调H(Hue)：在0~360°的标准色环上，按照角度值标识。比如红是0°、橙色是30°等。
饱和度S( saturation )：是指颜色的强度或纯度。饱和度表示色相中彩色成分所占的比例，用从0%(灰色)~100%(完全饱和)的百分比来度量。在色立面上饱和度是从左向右逐渐增加的，左边线为0%，右边线为100%。
亮度B( brightness )：是颜色的明暗程度，通常是从0(黑)~100%(白)的百分比来度量的，在色立面中从上至下逐渐递减，上边线为100%，下边线为0% 。
HSB色彩总部推出了基于HSB色彩模式的HSB色彩设计方法，来指导设计者更好地搭配色彩。
其他相关文章请点击：
图像算法一：【图像点运算】灰度直方图、伽马变换、灰度阈值变换、分段线性变换、直方图均衡化
图像算法二：【图像几何变换】平移、镜像、转置、缩放、旋转、插值
图像算法三：【图像增强--空间域】图像平滑、中值滤波、图像锐化
图像算法四：【图像增强--频率域】傅里叶变换、快速傅里叶变换、频域滤波、频域低通滤波、频域高通滤波
图像算法五：【图像小波变换】多分辨率重构、Gabor滤波器、Haar小波
图像算法六：【彩色图像处理】彩色模型、彩图处理
图像算法七：【形态学图像处理】二值运算、膨胀、腐蚀
图像算法八：【图像分割】边缘检测（Roberts，Sobel，canny）、霍夫变换（hough）、阈值分割、区域分割
图像算法九：【图像特征提取】特征降维、PCA人脸特征抽取、局部二进制
~~~~
