HSV（色调、饱和度、明度）模型
HSV 是一种用于表示颜色的色彩空间模型，它通过三个分量来描述颜色：
H (Hue，色调)：表示颜色的类型，通常是一个角度值，范围是 0° 到 360°，对应不同的颜色。例如：
- 0° 对应红色，
- 120° 对应绿色，
- 240° 对应蓝色。
S (Saturation，饱和度)：表示颜色的纯度或强度，范围从 0 到 100%。饱和度越高，颜色越纯；饱和度越低，颜色就越灰。
- 饱和度为 0 时，颜色为灰色（没有颜色），
- 饱和度为 100% 时，颜色最纯。
V (Value，明度或亮度)：表示颜色的明亮程度，范围从 0 到 100%。值越大，颜色越明亮；值越小，颜色越暗。
- 明度为 0 时，颜色为黑色，
- 明度为 100% 时，颜色最亮。
为什么要使用 HSV？
HSV 色彩空间相比于传统的 RGB 色彩空间，能够更直观地描述颜色的感知特性，尤其在一些图像处理任务中，具有许多优势：
-
符合人类感知：HSV 中的色调、饱和度和明度三者的变化方式更符合人类对颜色的感知。例如，颜色的 "类型"（H）是一个独立的分量，明度（V）则与颜色的亮度直接相关，饱和度（S）控制颜色的鲜艳程度。这样，调整其中一个分量不会影响到其他分量，操作起来更直观。
-
分离颜色信息：在 RGB 模型中，颜色的变化通常是由红、绿、蓝三种颜色通道的组合造成的，因此很难单独调整颜色的亮度或饱和度。而在 HSV 模型中，色调（H）、饱和度（S）和明度（V）是分离的，可以独立地调整某个参数。例如，你可以单独调整图像的亮度（V），而不改变其颜色（H）。
-
更适合图像分析：HSV 色彩空间广泛应用于图像处理和计算机视觉中的任务，特别是对于颜色分割、目标检测、颜色跟踪等任务。在这些任务中，HSV 使得从图像中提取某种特定颜色变得更加简便和精确，因为色调与光照变化相对独立。
-
简化颜色区分：在图像处理任务中，特别是当需要从多种颜色中提取信息时，使用 HSV 比使用 RGB 更容易。在 RGB 空间中，由于明度的变化会影响颜色识别（例如高亮的蓝色和低亮度的蓝色），但在 HSV 空间中，色调（H）是独立的，使得颜色区分变得更加清晰。
HSV 和 HSL 的区别
HSL（色调、饱和度、亮度） 是与 HSV 非常相似的另一个色彩空间模型。它们的分量结构相似，但它们在 "亮度" 或 "明度" 的定义和计算上有所不同。具体区别如下：
| 特性 | HSV | HSL |
|---|---|---|
| H (Hue，色调) | 相同：表示颜色的类型，通常是 0° 到 360°。 | 相同：表示颜色的类型，通常是 0° 到 360°。 |
| S (Saturation，饱和度) | 相同：表示颜色的纯度或强度，0 到 100%。 | 相同：表示颜色的纯度或强度，0 到 100%。 |
| V (Value，明度) | 表示颜色的亮度，取决于颜色的最亮部分。 | 表示颜色的亮度，取决于颜色的中性部分。 |
| L (Lightness，亮度) | 通过颜色的最大亮度和最小亮度的平均值来定义。 | 表示颜色的中性亮度，即从黑到白的中间值。 |
V（Value）与 L（Lightness）的区别
- Value (V)：HSV 的明度定义为颜色的最亮部分的亮度，也就是说，亮度是由图像中颜色的最大强度决定的。在亮度较低时，图像整体变暗，但保持颜色的饱和度。
- Lightness (L)：HSL 的亮度是颜色的最暗部分和最亮部分的平均值。因此，HSL 的亮度在色彩的中间灰色区域偏向均匀。
使用场景的不同
- HSV 更常用于图像处理和计算机视觉中，尤其是在颜色分割和颜色跟踪任务中。HSV 的亮度（V）控制的是图像的最亮部分，因此调整时对颜色有很强的影响，能够有效区分不同的颜色区域。
- HSL 更常用于图形设计和数字图像编辑软件（如 Photoshop）中。HSL 使得用户能够调整图像的亮度而不会对颜色的纯度产生过大影响，特别适合需要细致调整颜色的设计工作。
简要总结
- HSV 和 HSL 的核心区别在于亮度/明度的定义：HSV 使用的是颜色的最亮部分作为亮度，而 HSL 使用的是颜色的最亮和最暗部分的平均值。
- HSV 更加注重色彩的亮度感知，适合图像处理和计算机视觉。
- HSL 更加注重色彩的整体感知，适合图形设计和数字图像编辑。