RGB色彩空间详解（线性/伽马、原色与白点、转换与实践）

目录

• 1. 核心概念与成像机理
• 2. 原色、白点与色域（sRGB/Adobe RGB/Display P3）
• 3. 伽马与传递函数（TRC）：线性 vs 非线性
• 4. RGB↔XYZ↔Lab 转换（矩阵与公式）
• 5. 工作色彩空间与显示色彩空间（ICC/色彩管理）
• 6. 组合与滤镜：线性空间操作的必要性
• 7. HDR 与RGB（scRGB、PQ、HLG）简述
• 8. 像素格式与通道顺序（RGB/BGR、stride）
• 9. 常见代码示例（OpenCV/PIL）
• 10. 常见坑与排查

1. 核心概念与成像机理

• RGB是三刺激颜色模型：用红、绿、蓝三基色在加色模型下于线性光域线性组合表示其色域内的颜色；显示设备通过三子像素发光实现加色混合，数值域通常为非线性（例如 sRGB TRC），需经伽马解码后再进行线性运算。
• 相机管线：传感器采集RAW（CFA），经去马赛克（Demosaic）、白平衡（AWB）、颜色校正（CCM）、色调映射（Tone/Gamma）得到显示RGB。
• 线性RGB与非线性RGB：线性RGB与物理光强成比例，非线性RGB（如sRGB）经过伽马压缩以优化编码效率与感知均匀性。

2. 原色、白点与色域（sRGB/Adobe RGB/Display P3）

• 原色（Primaries）与白点（White Point）定义一个RGB色彩空间的几何：色域边界由三原色的色度坐标决定，白点（如D65）定义中性点。
• 常见色彩空间：
  • sRGB：原色位于CIE 1931 xy平面上标准位置，白点D65，覆盖度为消费级显示标准。
  • Adobe RGB (1998)：更大绿色方向色域，适合印刷与专业摄影。
  • Display P3：更大红/绿方向（类似DCI-P3），广色域移动与现代显示设备常用，白点D65。
• 色域边界与映射：不同空间间转换需要考虑色域外颜色（gamut mapping），采用压缩/裁剪策略确保观感。

3. 伽马与传递函数（TRC）：线性 vs 非线性

• sRGB传递函数（正向，线性→非线性）：
  • 设线性通道值 C_lin∈[0,1]，输出 C_srgb：
    • 若 C_lin ≤ 0.0031308：C_srgb = 12.92·C_lin
    • 否则：C_srgb = 1.055·(C_lin)^{1/2.4} − 0.055
• 逆向（非线性→线性）：
  • 若 C_srgb ≤ 0.04045：C_lin = C_srgb/12.92
  • 否则：C_lin = ((C_srgb+0.055)/1.055)^{2.4}
• 必要性：人眼对亮度响应非线性；伽马压缩让编码更符合感知且提高低亮度编码效率。图形合成/滤镜/光照计算必须在“线性空间”进行，否则产生亮度错误与光晕。

4. RGB↔XYZ↔Lab 转换（矩阵与公式）

• sRGB（D65）到XYZ（线性RGB前提）：
  • \begin{bmatrix}X\\Y\\Z\end{bmatrix} = \begin{bmatrix}0.4124564 & 0.3575761 & 0.1804375\\ 0.2126729 & 0.7151522 & 0.0721750\\ 0.0193339 & 0.1191920 & 0.9503041\end{bmatrix} \begin{bmatrix}R\\G\\B\end{bmatrix}
• XYZ到sRGB（线性）矩阵：
  • \begin{bmatrix}R\\G\\B\end{bmatrix} = \begin{bmatrix} 3.2404542 & -1.5371385 & -0.4985314\\ -0.9692660 & 1.8760108 & 0.0415560\\ 0.0556434 & -0.2040259 & 1.0572252\end{bmatrix} \begin{bmatrix}X\\Y\\Z\end{bmatrix}
• RGB→Lab：通过 RGB→XYZ 后使用参考白点（D65）进行 XYZ→Lab 的非线性映射；Lab近似感知均匀，适合度量与增强。
• 色适应（Chromatic Adaptation）：不同白点（如D50↔D65）之间需使用Bradford等适应矩阵进行转换以保持颜色稳定。

5. 工作色彩空间与显示色彩空间（ICC/色彩管理）

• 工作空间：图像编辑/合成使用的空间（如ProPhoto、Adobe RGB），决定可操作色域与数值分布。
• 显示空间：显示设备实际支持的空间（sRGB/P3等）。色彩管理系统（CMS）根据ICC配置进行颜色转换与伽马调整以匹配设备。
• 关键原则：在工作空间进行线性操作；导出/显示时转换到目标显示空间并应用相应TRC。

6. 组合与滤镜：线性空间操作的必要性

• 合成（Additive/Alpha Blend）与光照/模糊/卷积等应在“线性RGB”进行，再应用sRGB伽马；否则亮度会错误（常见问题：叠加变灰、光照不自然）。
• 预乘Alpha（Premultiplied Alpha）：在线性空间先与颜色相乘降低边缘光晕与色溢出，再进行合成。

7. HDR 与RGB（scRGB、PQ、HLG）简述

• scRGB：在线性RGB基础上扩展到浮点范围，覆盖超出sRGB的亮度。
• PQ（ST 2084）与HLG：非线性传递使HDR显示在更大亮度范围内感知均衡；RGB值需按标准TRC解码到线性光再运算。
• 广色域与HDR：Display P3与BT.2020常配合HDR，需色域与TRC双重管理。

8. 像素格式与通道顺序（RGB/BGR、stride）

• 通道顺序：许多库（如OpenCV）默认BGR；错误的通道顺序会导致色偏。注意PIL为RGB，OpenCV为BGR。
• 内存布局：逐像素交织（RGBRGB…）或行对齐（stride）；处理图像时应使用实际步长而非仅宽度。

9. 常见代码示例（OpenCV/PIL）

import cv2
import numpy as np

# sRGB -> 线性RGB
def srgb_to_linear(img):
  f = img.astype(np.float32)/255.0
  mask = f <= 0.04045
  f[mask] = f[mask]/12.92
  f[~mask] = ((f[~mask]+0.055)/1.055)**2.4
  return f

# 线性RGB -> sRGB
def linear_to_srgb(f):
  g = np.empty_like(f)
  mask = f <= 0.0031308
  g[mask] = 12.92*f[mask]
  g[~mask] = 1.055*(f[~mask]**(1/2.4)) - 0.055
  return np.clip(g*255.0, 0, 255).astype(np.uint8)

# 示例：线性空间做加权混合
img = cv2.imread('input.jpg')[:, :, ::-1]  # BGR->RGB
lin = srgb_to_linear(img)
blend = 0.7*lin + 0.3*lin.mean(axis=2, keepdims=True)
out = linear_to_srgb(blend)
cv2.imwrite('blend_linear.png', out[:, :, ::-1])

# OpenCV XYZ/Lab转换（注意通道顺序）
bgr = cv2.imread('input.jpg')
xyz = cv2.cvtColor(bgr, cv2.COLOR_BGR2XYZ)
lab = cv2.cvtColor(bgr, cv2.COLOR_BGR2Lab)
cv2.imwrite('xyz.png', xyz)
cv2.imwrite('lab.png', lab)

from PIL import Image, ImageOps
import numpy as np

img = Image.open('input.jpg').convert('RGB')
arr = np.asarray(img).astype(np.float32)/255.0
gamma = 2.2
lin = arr**gamma  # 仅为示例（更准确应使用sRGB TRC）
lin_blur = lin.mean(axis=2, keepdims=True)
out = np.clip(lin_blur**(1/gamma)*255.0, 0, 255).astype(np.uint8)
Image.fromarray(out.squeeze()).save('luma_blend.png')

10. 常见坑与排查

• 在线性/非线性混用：在sRGB空间做合成/滤镜会产生亮度错误。应转换到线性RGB后运算。
• 通道顺序误用：BGR与RGB混淆导致色偏。
• 色域与白点：sRGB与P3/Adobe RGB转换未做色适应（Bradford）导致颜色漂移。
• ICC/色彩管理关闭：广色域图像在不支持CMS的应用中显示发艳或失真。
• HDR与TRC：HDR内容按sRGB显示会过曝/发灰；需按PQ/HLG正确映射。

结语

RGB是图像显示与合成的基础，但必须区分线性与非线性空间、明确原色与白点并使用正确的矩阵与色彩管理。工程实践中遵循“在线性空间进行物理/合成运算，显示前再应用目标TRC”的原则，可显著提升真实感与稳定性。