3、图像基础与色彩空间：RGB、灰度、HSV、YUV色彩空间转换原理，在嵌入式平台上的高效实现。

各位同学，咱们今天聊点实在的。做嵌入式视觉，说白了就是跟像素打交道。而像素怎么组织、怎么算，全看色彩空间怎么选。我刚开始做显微镜图像增强那会儿，上来就对着RGB一顿操作，结果效果惨不忍睹。后来才明白——选对色彩空间，比调参数重要十倍。

3.1 为什么嵌入式平台要特别关注色彩空间？

你想想看，嵌入式芯片的算力、内存、带宽都是有限的。一个1080P的RGB图像，光传输就要占掉不少带宽。如果我们在算法里频繁做浮点运算，CPU直接冒烟。

所以，色彩空间转换的核心目标就两个：

• 降低计算量：用整数运算代替浮点，用查表代替实时计算。
• 分离亮度与颜色：很多增强算法只对亮度通道做处理，颜色通道保持不变，这样既省算力又保色彩。

3.2 RGB与灰度转换——最基础也最容易踩坑

灰度转换的公式大家都知道：Gray = 0.299R + 0.587G + 0.114B。但我在项目里发现，直接用浮点算，在STM32F4上跑一帧640x480的图像，要花掉将近15ms。这太慢了。

高效实现技巧：

把浮点系数放大成整数，再用移位还原。比如：

// 浮点版本（慢）
uint8_t gray = (uint8_t)(0.299f * r + 0.587f * g + 0.114f * b);

// 整数版本（快，误差小于1%）
uint32_t gray = (77 * r + 150 * g + 29 * b) >> 8;

为什么是77、150、29？因为 0.299 * 256 ≈ 76.5，取整77；0.587 * 256 ≈ 150.3，取整150；0.114 * 256 ≈ 29.2，取整29。右移8位相当于除以256。这样一次转换只需要3次乘法和1次移位，没有浮点开销。

3.3 RGB转HSV——分离色调、饱和度和明度

HSV在图像增强里特别有用。比如你想增强显微镜图像的对比度，只动V通道（明度）就行，不会改变颜色。但HSV转换有个大问题——计算量巨大。

标准公式里涉及除法、取模、条件判断。我见过有人直接在嵌入式里用浮点算HSV，结果一帧图像处理了200ms，直接卡死。

高效实现思路：

1. 用查表法代替除法：比如计算 diff = max - min，然后查表得到 1/diff 的近似值。
2. 用整数运算代替浮点：把H的范围从0-360°映射到0-255（一个字节），这样H、S、V都可以用uint8_t表示。
3. 减少条件分支：把H的6个扇区判断改成查表或位运算。

我给你们看一个简化版的整数HSV转换（只保留核心逻辑）：

// 输入：R, G, B (0-255)
// 输出：H (0-255), S (0-255), V (0-255)
void rgb_to_hsv_fast(uint8_t r, uint8_t g, uint8_t b,
                     uint8_t *h, uint8_t *s, uint8_t *v) {
    uint8_t max = MAX3(r, g, b);
    uint8_t min = MIN3(r, g, b);
    uint8_t diff = max - min;

    *v = max;
    if (diff == 0) {
        *h = 0;
        *s = 0;
        return;
    }

    // S = diff / max * 255
    *s = (uint16_t)diff * 255 / max;

    // H 用查表近似，这里简化处理
    // 实际项目中我会用预计算的查找表
    if (max == r) {
        *h = (uint8_t)(((int16_t)(g - b) * 43) / diff);
    } else if (max == g) {
        *h = (uint8_t)(((int16_t)(b - r) * 43) / diff + 85);
    } else {
        *h = (uint8_t)(((int16_t)(r - g) * 43) / diff + 171);
    }
}

3.4 RGB转YUV——视频领域的标准选择

YUV在视频编码和摄像头数据流里用得最多。Y是亮度，UV是色度。很多显微镜摄像头直接输出YUV格式，省去了转换步骤。

YUV与RGB的转换公式：

// RGB -> YUV (BT.601标准，整数版本)
Y = ( ( 66 * R + 129 * G +  25 * B + 128) >> 8 ) + 16
U = ( (-38 * R -  74 * G + 112 * B + 128) >> 8 ) + 128
V = ( (112 * R -  94 * G -  18 * B + 128) >> 8 ) + 128

为什么系数是66、129、25？跟灰度转换一样，都是把浮点系数放大到整数。这里用的是256倍放大，然后右移8位。

嵌入式优化要点：

• 利用DMA传输：如果摄像头输出YUV422，直接用DMA把数据搬运到内存，CPU只做格式解析，不做转换。
• 半精度处理：UV通道可以降采样（比如YUV420），这样数据量直接减半。很多增强算法只处理Y通道，UV保持原样。
• SIMD加速：在ARM Cortex-A系列上，用NEON指令一次处理8个像素的YUV转换，速度提升非常明显。

3.5 嵌入式平台上的综合对比

色彩空间	计算量	内存占用	适用场景	我的推荐
RGB	低	高（3通道）	显示、简单处理	直接使用，不做转换
灰度	极低	低（1通道）	二值化、边缘检测	用整数移位版本
HSV	高	中（3通道）	颜色分割、增强	用查表+整数近似
YUV	中	低（可降采样）	视频流、压缩	直接使用硬件输出

3.6 实战建议——怎么选？

我个人习惯是这么判断的：

• 如果摄像头直接输出YUV，那就直接用YUV，别转RGB。省一次转换就是省几毫秒。
• 如果要做颜色识别（比如区分细胞核和细胞质），用HSV。但一定要用查表优化，别硬算。
• 如果只是做对比度增强或去噪，用灰度或YUV的Y通道就够了。颜色信息留着反而增加计算量。

嗯，这里要注意一点：不要为了用某个色彩空间而用。我见过有人非要把RGB转成HSV再做直方图均衡，结果效果跟直接在Y通道上做差不多，但慢了5倍。说白了，选色彩空间的核心是——用最少的计算，达到最好的效果。