第三章 图像基础与色彩空间：RGB、BGR、YUV、HSV、灰度图转换原理、色彩空间转换的GPU加速思路
各位同学，今天我们来聊聊图像处理中最基础、也最绕不开的话题——色彩空间。
说实话，我刚入行那会儿，觉得色彩空间不就是RGB嘛，红绿蓝三个通道，有啥好学的？直到我在一个嵌入式项目中，把YUV数据当RGB直接显示，结果屏幕上全是诡异的紫色条纹……嗯，那次教训挺深刻的。
3.1 为什么需要不同的色彩空间？
你想想看，人眼看颜色和摄像头“看”颜色，完全是两码事。RGB适合显示器，但压缩效率低。YUV适合视频传输，因为人眼对亮度更敏感。HSV适合做图像分割，因为色调和饱和度更直观。
说白了，不同的色彩空间，就是为不同的任务准备的“方言”。
3.2 RGB与BGR：谁在前谁在后？
RGB是标准的红绿蓝顺序。但OpenCV默认用的是BGR，也就是蓝绿红。我第一次用OpenCV读图，然后直接传给一个RGB格式的显示库，结果图像偏蓝得离谱。排查了半天，才发现是通道顺序搞反了。
转换其实很简单：
// 伪代码：RGB ↔ BGR 转换
for (int i = 0; i < width * height; i++) {
unsigned char tmp = data[i * 3 + 0]; // R
data[i * 3 + 0] = data[i * 3 + 2]; // B
data[i * 3 + 2] = tmp; // R
}在GPU上，这个操作可以用一个简单的kernel并行完成。每个线程处理一个像素，效率极高。
3.3 YUV：视频领域的“老大哥”
YUV把亮度（Y）和色度（U、V）分开。人眼对亮度变化敏感，对颜色变化不敏感。所以视频压缩时，可以降低U、V的分辨率，这就是所谓的“色度子采样”。
常见的格式有：
| 格式 | 描述 | 常见场景 |
|---|---|---|
| YUV420 | 每4个Y共享一组UV | H.264/H.265视频编码 |
| YUV422 | 每2个Y共享一组UV | 专业视频采集 |
| YUV444 | 每个像素都有独立的YUV | 高质量图像处理 |
YUV转RGB的公式，我建议你直接背下来：
R = Y + 1.402 * (V - 128)
G = Y - 0.344 * (U - 128) - 0.714 * (V - 128)
B = Y + 1.772 * (U - 128)3.4 HSV：做图像分割的利器
HSV把颜色分解为色调（Hue）、饱和度（Saturation）和明度（Value）。
为什么说它适合做分割？因为你可以直接根据H值来筛选颜色范围。比如要检测红色物体，只需要判断H在0~10度或340~360度之间即可。这在RGB空间里很难做到，因为红色在RGB中可能是(255,0,0)，也可能是(200,50,30)。
转换公式稍微复杂一点：
// RGB → HSV 核心逻辑
float r, g, b; // 归一化到[0,1]
float max = max(r, g, b);
float min = min(r, g, b);
float delta = max - min;
// 计算H
if (delta == 0) H = 0;
else if (max == r) H = 60 * ((g - b) / delta + 0);
else if (max == g) H = 60 * ((b - r) / delta + 2);
else H = 60 * ((r - g) / delta + 4);
if (H < 0) H += 360;
// 计算S
S = (max == 0) ? 0 : delta / max;
// 计算V
V = max;在GPU上，这个转换需要处理分支语句。我建议用条件赋值代替if-else，避免线程束发散。
3.5 灰度图：最简单的降维
灰度图就是把彩色图像变成单通道的亮度图。常用的加权公式是：
Gray = 0.299 * R + 0.587 * G + 0.114 * B为什么权重不一样？因为人眼对绿色最敏感，对蓝色最不敏感。这个权重是ITU-R BT.601标准规定的。
3.6 色彩空间转换的GPU加速思路
好了，前面讲了各种转换的原理。现在聊聊怎么在GPU上加速。
核心思路就一句话：每个像素独立计算，并行执行。
具体来说：
- 数据布局：确保输入输出数据在显存中连续排列。比如RGB格式，最好用平面格式（Planar）而不是交错格式（Interleaved），这样GPU的缓存命中率更高。
- 线程映射：每个线程处理一个像素。对于大图像，可以用二维线程块，每个块处理一个tile。
- 常量内存：把转换系数（比如YUV转RGB的矩阵）放到常量内存中，所有线程共享，减少寄存器压力。
- 向量化加载：用float4或uchar4一次加载4个像素，提高内存带宽利用率。
我曾经在一个项目中，把YUV420转RGB的CPU实现改成GPU实现，速度提升了30倍。关键就在于用向量化加载和共享内存来减少全局内存访问次数。
3.7 总结与建议
色彩空间转换是图像处理流水线的“第一关”。我的建议是：
- 先搞清楚你的数据来源是什么格式（摄像头、视频文件、网络流）
- 再确定目标格式（显示、编码、分析）
- 最后选择合适的转换算法和加速策略
在嵌入式GPU上，内存带宽往往是瓶颈。所以尽量用定点数代替浮点数，用向量化加载代替标量加载。这些细节，决定了你的流水线能不能跑满帧率。
下一章，我们会深入聊聊图像滤波与卷积操作。到时候你会发现，色彩空间转换只是热身运动。