17、色彩特征与空间模型全解析

色彩特征与空间模型全解析

1. 单一色彩特征用于分割的可能性

在图像分割领域，利用单一色彩特征（如色调）进行分割是一种常见的方法。许多图像分割算法仅采用色调这一特征，而非传统的三个特征（如 RGB 中的红、绿、蓝），这样能使用更快速的算法。不过，基于色调的色彩空间存在一些显著缺点：
- 变换奇异性 ：例如，对于消色点，色调是未定义的。
- 对奇异点附近 RGB 值微小偏差的敏感性 ：RGB 值的微小变化可能导致色调的较大波动。
- 数值不稳定性 ：由于色调具有角度性质，在对其进行操作时会出现数值不稳定的情况。

2. 感知均匀色彩空间

在色彩感知和指定实验中，对颜色微小差异的视觉敏感度至关重要。用于色彩指定的系统应能高精度地表示任何颜色，目前此类系统大多基于 CIE XYZ 色彩模型。

在图像处理中，感知均匀色彩空间具有重要意义，在该空间中，某一组件值的微小扰动在其取值范围内的感知程度大致相同。而像 XYZ 或 RGB 三刺激值以及各种面向硬件的 RGB 系统，都远非均匀。

理想情况下，计算代表亮度和色度的感知组件的方法是，先适当构建线性 RGB 组件矩阵，再根据人类视觉系统的颜色感知特性对其进行非线性变换。CIE 正是采用类似方法构建了 L u v 和 L a b 空间，具体步骤如下：
1. 将线性 RGB 组件通过适当矩阵转换为 CIE XYZ 组件。
2. CIE 经过十多年的研究，最终在 1976 年将