摘要：HSV、YUV 和 RGB 是三种常见的颜色模型，它们在颜色表示、应用场景和转换方式上有显著区别。以下是它们的详细对比：
HSV、YUV 和 RGB 是三种常见的颜色模型，它们在颜色表示、应用场景和转换方式上有显著区别。以下是它们的详细对比：
1. RGB 颜色模型
核心原理：加色模型，基于红（R）、绿（G）、蓝（B）三原色的叠加。特点：Ø 直接对应显示设备（如显示器、摄像头），通过不同强度的三原色混合生成颜色。
Ø 每个通道通常用 0-255 的整数值表示，组合形成颜色（如纯红为 (255,0,0)）。
应用场景：图像采集、显示设备、计算机图形处理。2. HSV 颜色模型
核心原理：基于人类感知的颜色模型，分为 色相（Hue）、饱和度（Saturation）、明度（Value）。特点：Ø H（色相）：0°-360°，表示颜色类型（如红、蓝）。
Ø S（饱和度）：0%-100%，表示颜色纯度（越高越鲜艳）。
Ø V（明度）：0%-100%，表示颜色亮度（越高越亮）。
Ø 更直观，适合手动调色（如 Photoshop 中的颜色选择器）。
应用场景：图像编辑、颜色选择、艺术设计。3. YUV 颜色模型
核心原理：分离亮度（Y）与色度（U、V），基于人眼对亮度更敏感的特性。特点：Ø Y（亮度）：由 RGB 加权计算（如 Y = 0.299R + 0.587G + 0.114B）。
Ø U/V（色度）：表示颜色与亮度的差异（如 U = B - Y，V = R - Y）。
Ø 支持色度子采样（如 4:2:0），显著减少数据量。
应用场景：视频压缩（H.264/MPEG）、电视信号传输（如 NTSC/PAL）。三者的区别与联系
特性RGBHSVYUV核心目标设备显示人类感知信号传输与压缩分量分离红、绿、蓝色相、饱和度、明度亮度、色度颜色空间线性（加色）圆柱形（色相环）平面（亮度+色度差）数据效率高精度，数据量大适合手动调整，中等效率高效（色度子采样）典型应用显示器、摄像头图像编辑、设计视频编码、广播电视转换关系
RGB ↔ HSV：Ø 通过计算 RGB 的最大值、最小值和差值，确定 H（色相角度）、S（饱和度）和 V（明度）。
Ø 例如，V = max(R,G,B)，S = (max - min)/max（当 V ≠ 0 时）。
RGB ↔ YUV：使用线性变换矩阵，例如：Y = 0.299R + 0.587G + 0.114B
U = 0.564(B - Y) + 128（偏移）
V = 0.713(R - Y) + 128（偏移）
Ø 不同标准（如 BT.601、BT.709）系数可能不同。
总结
RGB 是基础模型，直接对应硬件，但不够直观。HSV 以人类感知为中心，适合颜色调整。YUV 通过亮色分离优化传输效率，是视频压缩的核心。转换时需注意：数值范围（如 HSV 的 H 为角度，YUV 的 U/V 可能含偏移）、不同标准的影响。来源：老客数据一点号