最近做图像处理时学到，可以把RGB转成HSV。一直非常不理解HSV，于是学习了一番。
简介
HSV是Hue色相，Saturation饱和度，Value亮度。色相是那种color wheel，所以范围是[0,360]，其中0,120,240度分别是纯R/G/B。S和V都是[0,100]。
问题
我不太理解的是，HSV与RGB，HSV的S和V看起来很像，一个饱和度一个亮度，区别在哪？而RGB需要三个值来调节颜色，HSV只需要一个H就能调节颜色，这又是怎么做到的？H只能由RGB中的1-2个颜色组合，而RGB大部分时候都是三个颜色一起作用的，这是怎么映射的呢？
HSV和RGB在相同的色彩空间
首先HSV和RGB的色彩空间是相同的。上面提到H的色轮上也是RGB，所以HSV和RGB其实都是在一个色彩空间里的。实际上它们的覆盖范围也是一样的，例如HSV的0,0,0就是RGB的0,0,0黑色，HSV的0,0,100就是RGB的256,256,256白色，他们描绘了相同的两个box，并且每个HSV都可以映射到RGB（虽然在映射过程中可能有四舍五入）。
HSV是调配过的RGB
下面称H选择的两个颜色为主次颜色（更偏向的为主颜色），未选择的是空颜色。H同时调控了主次颜色，用来决定色相，S则同时调控了次空颜色，用来抵消，产生灰度。所以HSV类似一种调配过了的RGB，更符合人类体质的采样方案、色彩模型。比如色相、饱和度、亮度，这些名字都是我们更好理解（intuitive）和选择的，而如果要用RGB编一个颜色，则似乎有些困难，因为颜色之间有调和抵消作用，这个是我们直观上不好把握的，所以HSV适合人眼来进行的工作，例如PS。HSV有360*100*100，约3.6million种组合；而RGB是256*256*256，约16.7m，组合数量不一样，但这只是采样数量的区别。HSV少很多，平均4~5个RGB值只能映射到1个HSV，所以HSV采样更稀疏，颜色之间的差异相对更明显。实际上人眼只能分辨1-2million种颜色，也不到HSV的水平。由于一个HSV能覆盖更多的RGB，因此在一些图像选区分割任务时，HSV也有更好的"泛化"能力，降低难度。
HSV => RGB
- H用来调节主/次颜色，主颜色总是1。次颜色介于01之间，在轮盘上，次颜色是线性变化的，比如H在30度时，主颜色R=1，次颜色G=0.5。
- S则通过调节次/空颜色来抵消H。例如，如果饱和度为100，则不需要抵消；如果饱和度低于100，肯定要增加空颜色，适度调节次颜色。
- 最后V算是相对独立的，它均等的控制三种颜色，即*V*255。
以H在[0,60]（R为主颜色，G为次颜色）为例：
R=1*V*255G=(1-S*(1-H))*V*255B=(1-S)*V*255
其实这三个式子都可以写成：（只是主颜色和空颜色的H固定为0和1）
(1-S*(1-H))*V*255
这个式子(1-S*(1-H))的实际含义我想了好久。首先，S是反向的，75饱和度表示用25的空颜色来抵消，所以1-S肯定没跑。关键是H怎么和S关联起来。空颜色的H为0，此时S满负荷生效；主颜色的H为1，此时S不生效，所以显然应该给S*(1-H)。这个是从设定来推公式，但如果要从公式来说明实际含义的话……上面说的S调节次/空颜色来抵消主颜色，是针对RGB整体的。对于单个颜色，S应该是通过削弱这个颜色的“抵消颜色”来增加这个颜色，也就是S*(1-H)，只能说这样的计算公式是由于饱和度这个概念/设定所导致的。
HSV采样的分布不均匀
从这个式子可以看出来，这是一个三次函数，HSV都介于[0,1]之间，虽然H/S/V的取值是均匀分布的，但HSV对应的RGB值是不均匀分布的（只有主颜色是均匀的）。而对于普通RGB来说，RGB在三个坐标轴上都是均匀分布的。因此，HSV和RGB的另一个区别是采样分布不同。次/空颜色数值更集中在高饱和度低亮度，因此这边的HSV颜色相对会更准确的描述我们理想的颜色（甚至会超过RGB精度）（编辑，不会超过，所有HSV颜色都可以用RGB表示，也就是HSV转到RGB是经过四舍五入甚至扩张的，挤不下也得挤），而在较为稀疏的区域，则相对会不准确（甚至远低于RGB，也是我猜的）。此外，HSV不同数值是可以得出相同颜色的，例如V=0时始终为黑；S=0,V=100时，始终为白。
最后，尽管通常HSV表示为360*100*100，但实际采样率如何全由自己定义。比如我用的opencv.js中，H范围是180，S和V范围是255。而我使用的一个colorpicker，它的S和V范围是0和1，这是由于它们自己实现决定的，HSV仅仅是色彩模型，可以通过HSV计算到对应的RGB，不管怎么定义，它们都逃不出RGB的box。
