一. RGB
人们发现，白光能够被分解成不同色彩的光，而红绿蓝（RGB）这三色光无法被分解，所以称之为三原色光，而等量的三原色光叠加会构成白光。
计算机中，R、G、B也被称为“基色分量”，单个R或者G或者B都可以用一个8位2进制来表示，因此，单个R的取值是0~255（G、B同理）。任何的颜色都可以用RGB的三个值来表示。例如：(50，150，250)，或者也可以用一个十六进制数表示：#3296FA。
RGB这一色彩表示方式，对负责UI界面开发的人员来说，显然是不陌生的，(50，150，250)这种格式非常像我们的空间直角坐标。
所以，我们可以将RGB模型抽象成一个空间的单位正方体，任一对应的颜色都可以在RGB空间中找到一个点来进行表示。
原点即：（0,0,0），自然是黑色，而和原点中心对称的顶点则是：(255,255,255)白色。而任一三值相等的位置上，必然是灰色，例如：（50,50,50）、（125,125,125）等等，数值越大越偏向白色。在坐标系中，灰色的点落在原点和对应顶点的对角线上。
- BGR色彩：和RGB类似，存储时将B和R对调。
- RGB与灰度图 我们知道，灰色的RGB通常是三个通道一样的数值，比如（125，125，125），但是如果我们确认一张图本身就是灰度图了，那就不需要存三个通道的数据了，存储一个125即可。渲染时用(125,125,125)即可渲染出一张灰度图片。 但是，如果我们想让一张RGB图像准换成灰度图该怎么做呢？ 有一个较为理想的公式：305911，即GRAY = R *0.30 + G 0.59 + B0.11
但是，人眼对于这三种颜色分量的敏感程度是不一样的。通常来说，人眼对红色最不敏感，蓝色最敏感，如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。
二. YUV
人眼的视觉特点对亮度更加敏感，对位置、色彩来说相对敏感度更低。而在视频编码系统中，为了降低带宽，保存更多的亮度信息，减少保存色差信息，所以YUV实际上是一种偏向亮度的色彩空间。主要用在视频、图像处理中。
YUV相比于RGB只需要占用极少的频宽（RGB需要三个独立的原色信号同时传播），YUV中，Y代表的是
明亮度，也称为：灰阶值，而UV表示的是色度（色调饱和度），也可以记作：YCbCr。如果只有Y数据，那么我们可以得到一张黑白的图像。
使用YUV格式才能极大地去除冗余信息，因为前文提到了，人眼对亮度更加敏感，所以，往往压缩算法会将RGB数据转换为YUV数据，对Y少压缩一点（尽可能地保留细节），而对UV多压缩一点（色彩不敏感，难以感知），平衡图像效果和压缩率。
上面的内容，我们知道：GRAY = R *0.30 + G *0.59 + B*0.11这里的Gray由是哪个变量乘上系数构成，我们只知道Gray是没有办法凭空推出R、G、B色彩值的。
但是，我们知道还有两个相关的分量：UV。我们在做RGB转YUV时，同样也计算出了两个相关的分量：U、V，这样一来就得到一个三元三次方程组，我们可以轻松地由YUV得到最终的RGB值。
//RGB转YUV
Y = 0.299R +0.587G + 0.114B
U = -0.147R - 0.289G -0.436B
V = 0.615 - 0.515G - 0.110B
//YUV转RGB
R = Y + 1.140V
G = Y - 0.395U -0.581V
B = Y + 2.032U
- 这里的大量的浮点运算可能会导致一些性能问题，我们可以采用一定的方法规避掉这样大量的浮点运算，加快运行效率。
- YUV色彩空间即可以兼容黑白电视（只要Y），又可以兼容彩色电视（YUV协同工作）。
YUV只是一种颜色空间的构成方式，具体的实现标准又因为数据排列方式的不同，又分为不同的存储格式，一般的Android摄像头输出为NV21格式，而I420格式则是绝大多数编解码器默认输入输出的格式。
两种存储方式中，Y数据是一模一样的，从下图的Y0一直到Y15，而nv21格式中，是进行VU交叉排列的，而I420格式中，则是排列4个U，接着再是4个V。
如果十六像素点的RGB图像，存储需要RGB三个通道，共16 * 3 = 48个单位的空间。 而采用YUV，如上图压缩后的YUV（U、V按四倍压缩）图像，存储仅需要 16 + 4 +4 = 24个单位的空间。我们发现，节省了一半的空间。
如果我们需要将NV21转成通用的I420也很简单，记录下整个图像的width和height（简称w、h），由于每个像素点都需要一个Y值，所以 h 乘以 w 的值最终就是Y通道占有的值。如上图的Y0-Y15。然后将Nv21格式中交叉的YU数据进行交换即可。
