【图像处理】颜色科学与灰度化——人眼看到的和数字记录的不一样

你有没有想过：为什么把彩色照片转成黑白，

不能直接用 (R + G + B) / 3？

答案藏在人眼的生理构造里。

一、人眼的颜色感知机制

人眼视网膜上有两种感光细胞：

视锥细胞（Cone）：感知颜色，分 L（长波/红）、M（中波/绿）、S（短波/蓝）三种
视杆细胞（Rod）：感知亮度，对颜色不敏感（暗处工作）

关键数据：三种视锥细胞的数量比约为 40:20:1（L:M:S，即红:绿:蓝）。

这意味着：

人眼对绿色最敏感------绿色视锥最多
人眼对红色次之
人眼对蓝色最不敏感------蓝色视锥最少

这就是为什么草地比天空更"亮眼"，尽管两者亮度可能相近。

二、为什么平均值灰度公式是错的

最直觉的灰度化方法：

复制代码

L = (R + G + B) / 3    // ← 错误！

反例：考虑两种颜色：

纯蓝 (0, 0, 255)：平均值 = 85
纯绿 (0, 255, 0)：平均值 = 85

这两种颜色计算出相同的灰度值。但是：

盯着纯绿背景看，会觉得很亮、刺眼
盯着纯蓝背景看，会觉得较暗、沉稳

人眼对绿色比蓝色敏感得多，平均值灰度完全忽视了这一点，结果是失真的灰度图。

三、两个权威公式：BT.601 vs BT.709

学术界根据人眼对各颜色的感知权重，制定了标准化的灰度公式。

BT.601（1982 年，标准清晰度 SD）

复制代码

L = 0.299·R + 0.587·G + 0.114·B

用于 NTSC/PAL 标准电视，针对 CRT 显示器的色域（Rec.601 色域）。

BT.709（1990 年，高清 HD，现代标准）

复制代码

L = 0.2126·R + 0.7152·G + 0.0722·B

用于 HDTV（1080p）和 sRGB 色彩空间，是目前 Web 和移动端图像处理的事实标准。

两者的区别与联系

维度	BT.601	BT.709
年代	1982	1990
应用	标清电视、JPEG	高清电视、sRGB、现代 Web
绿色权重	0.587	0.7152
蓝色权重	0.114	0.0722
差异来源	CRT 色域	现代 LCD/OLED sRGB 色域

重要：权重来自对应色彩空间的原色定义（primary chromaticities）。sRGB 的蓝色原色比 Rec.601 更"纯蓝"，因此 sRGB 下蓝色感知亮度更低，权重更小。

本框架使用 BT.709，因为我们统一使用 sRGB 颜色空间：

swift 复制代码

let l = 0.2126 * Float(r) + 0.7152 * Float(g) + 0.0722 * Float(b)

快速记忆

两个公式的共同点：权重之和 = 1，保证白色 (255, 255, 255) 灰度化后仍为 255。

BT.709 的权重近似记忆：绿七蓝一红二（0.7152 : 0.0722 : 0.2126）。

四、数值精度问题

灰度化时需要把 Float 结果转成 UInt8，这里有两个细节：

细节 1：截断 vs 四舍五入

swift 复制代码

// 错误：直接截断（Int 转换默认向零截断）
let l = UInt8(0.2126 * Float(r) + 0.7152 * Float(g) + 0.0722 * Float(b))

// 正确：先四舍五入
let l = UInt8(clamping: Int((0.2126 * Float(r) + 0.7152 * Float(g) + 0.0722 * Float(b)).rounded()))

例子：纯绿色 (0, 255, 0)：

精确值 = 0.7152 × 255 = 182.376
截断：182
四舍五入：182（这里差不多）

更极端的例子 ：灰色 (127, 127, 127)：

精确值 = (0.2126 + 0.7152 + 0.0722) × 127 = 127.0
截断：127 ✅

但对于边界值，rounded() 能减少累积误差。

细节 2：溢出保护

0.2126 × 255 + 0.7152 × 255 + 0.0722 × 255 = 255.0，理论上不会溢出。但由于 Float 精度，可能出现极小的超出（如 255.00001）。UInt8(clamping:) 会将超出范围的值截断到 $0, 255$ ：

swift 复制代码

UInt8(clamping: 256) // → 255，而非崩溃
UInt8(clamping: -1)  // → 0，而非崩溃

五、灰度化的实现

swift 复制代码

public struct GrayscaleFilter: ImageFilter {

    public func apply(to bitmap: MLBitmap) -> MLBitmap {
        var result = bitmap

        // stride 每次跳 4 字节 = 1 像素，避免手动 i += 4
        for i in stride(from: 0, to: result.pixels.count, by: 4) {
            let r = Float(result.pixels[i])
            let g = Float(result.pixels[i + 1])
            let b = Float(result.pixels[i + 2])
            // i + 3 = Alpha，跳过不处理

            let luminance = UInt8(clamping: Int(
                (0.2126 * r + 0.7152 * g + 0.0722 * b).rounded()
            ))

            result.pixels[i]     = luminance  // R ← L
            result.pixels[i + 1] = luminance  // G ← L
            result.pixels[i + 2] = luminance  // B ← L
            // result.pixels[i + 3] 不变（Alpha 保留）
        }

        return result
    }
}

输出格式：灰度图的 R = G = B = 亮度值（三通道相等）。虽然"灰度图"理论上只需要 1 个通道，但为了与整个框架的 RGBA8888 格式兼容，仍然保留 4 通道，只是三个颜色通道值相同。

六、Alpha 通道的保护原则

灰度化不应该影响 Alpha 通道！

swift 复制代码

// 错误：灰度化时把 Alpha 也改了
result.pixels[i + 3] = luminance  // ❌ 会破坏透明效果

// 正确：Alpha 保持原值
// 直接不写 result.pixels[i + 3]，它已经在 bitmap 副本中了

验证测试：

swift 复制代码

func testGrayscaleAlphaUnchanged() {
    var bmp = MLBitmap(width: 1, height: 1, filling: .white)
    bmp[0, 0] = MLBitmap.Pixel(r: 255, g: 0, b: 0, a: 128)  // 半透明红

    let result = GrayscaleFilter().apply(to: bmp)

    // 灰度值：0.2126×255 + 0.7152×0 + 0.0722×0 = 54
    XCTAssertEqual(result[0, 0].r, 54)
    XCTAssertEqual(result[0, 0].a, 128)  // Alpha 不变！
}

七、颜色空间的更多维度

HSV 颜色模型

RGB 描述的是物理颜色混合，HSV 更接近人对颜色的描述方式：

H（Hue，色相）：颜色的种类（0°~360°：红→橙→黄→绿→青→蓝→紫→红）
S（Saturation，饱和度）：颜色的纯净程度（0 = 灰色，1 = 纯色）
V（Value，明度）：颜色的明暗（0 = 黑，1 = 最亮）

用途：按颜色种类处理。例如只加深红色花朵的饱和度，不影响绿叶，就需要在 HSV 空间操作 H 和 S。

Lab 颜色模型

Lab 的特点是感知均匀：两个颜色在 Lab 空间的欧氏距离，与人眼感知到的颜色差异成正比。

L：感知亮度（0 = 黑，100 = 白）
a：红绿轴（正值偏红，负值偏绿）
b：蓝黄轴（正值偏黄，负值偏蓝）

用途：颜色差异比较（ΔE 色差计算）、颜色匹配。

八、实际效果对比

对同一张人像照片做三种灰度化：

方法	效果描述
平均值 `(R+G+B)/3`	绿色区域偏亮，蓝色区域偏亮，失真
BT.601	接近自然，但对蓝色稍偏重
BT.709	最自然，与人眼感知最接近，适合 sRGB 图像

测试验证：

swift 复制代码

func testGrayscaleLuminanceFormula() {
    // 纯绿色 (0, 255, 0)
    // BT.709: L = 0.7152 × 255 ≈ 182.376 → 四舍五入 = 182
    var bmp = MLBitmap(width: 1, height: 1, filling: .white)
    bmp[0, 0] = .green

    let result = GrayscaleFilter().apply(to: bmp)
    let expected = UInt8((0.7152 * 255).rounded())  // = 182

    XCTAssertEqual(result[0, 0].r, expected)
}

九、小结

概念	核心结论
人眼感知	绿最敏感（视锥最多），蓝最不敏感
平均值灰度	错误，忽视人眼感知差异
BT.601	标清标准，适用于 NTSC/Rec.601 色域
BT.709	高清/sRGB 标准，现代图像处理首选
数值处理	先乘后 `rounded()`，再 `UInt8(clamping:)`
Alpha 原则	灰度化不修改 Alpha 通道

思考题

如果对一张纯蓝 (0, 0, 255) 的图做 BT.709 灰度化，结果是多少？用平均值呢？哪个更符合你的直觉？
有没有办法不用三通道存储灰度图（即真正的单通道）？这需要改变什么？
JPEG 格式内部实际上用 YCbCr 颜色空间存储，其中 Y 通道是亮度，Cb/Cr 是色差。查阅 YCbCr 的 Y 分量公式，和 BT.709 的灰度公式比较，你发现了什么？

上一期参考答案：1. 旋转信息存在 UIImage 里而非 CGImage 里，需要先把 UIImage 重新绘制到新的 Context 修正方向；2. Big endian 下字节顺序是 $R, G, B, A$ ，Little endian 是 $A, B, G, R$ ，我们用 Big 是因为 RGBA 字节顺序与内存顺序一致，方便理解和调试；3. 预乘后 RGB = 0 × A/255 = 0，所以透明像素的 RGB 都是 0，无论原始颜色是什么。

如果这篇对你有一点启发：

点个赞，让更多人少踩一个坑

转发给那个正在纠结的人

也欢迎关注我------

我们一起，把认知变成长期复利。