【android opencv学习笔记】Day 11: CIE L*a*b*色彩空间

深入理解 CIE L*a*b* 色彩空间：原理、特性与应用

CIE L*a*b*（简称 Lab）是国际照明委员会（CIE）于1976 年发布的感知均匀、设备无关色彩空间，核心价值是让数值差异与人眼视觉差异高度匹配，是图像处理、工业测色、印刷调色的“标准色彩语言”。

诞生背景：

1. RGB/CMYK 的致命缺陷

• 设备依赖：不同显示器、摄像头、打印机的 RGB/CMYK 表现不同，同一数值显示颜色有差异。
• 感知不均匀：RGB 数值差 ≠ 人眼色差。例如：
  • R=200→210（差10），人眼几乎无感知；
  • G=50→60（差10），人眼感觉变化强烈。
• 亮度与色度耦合：RGB 任意通道变化都会同时影响亮度和颜色，调色易“顾此失彼”。

2. 从 XYZ 到 Lab：感知均匀化

CIE 1931 XYZ 是基础色彩空间，但感知不均匀。Lab 通过非线性立方根变换将 XYZ 转为“人眼友好”空间，目标是：空间中任意两点的欧氏距离 = 人眼感知的色差。

Lab 核心构成：三个维度的意义

Lab 用L*、a*、b*三个独立分量描述颜色，亮度与色度完全分离。

1. L*（明度/亮度）

• 范围：0～100（8 位图像中常映射为 0～255）。
• 含义：0=纯黑，100=纯白，中间值对应不同灰度，仅控制明暗，不影响色相。
• 视觉：L* 轴是垂直中心轴，从下到上由黑到白。

2. a*（红-绿对立轴）

• 范围：-128～127（8 位有符号）。
• 含义：
  • 负值（-128～0）：偏向绿色，数值越小越绿；
  • 正值（0～127）：偏向红色，数值越大越红；
  • 0：中性灰（无红绿偏向）。

3. b*（黄-蓝对立轴）

• 范围：-128～127（同 a*）。
• 含义：
  • 负值（-128～0）：偏向蓝色，数值越小越蓝；
  • 正值（0～127）：偏向黄色，数值越大越黄；
  • 0：中性灰（无黄蓝偏向）。

直观总结

• L*：管明暗（黑→白）；
• a*：管红绿（绿→红）；
• b*：管黄蓝（蓝→黄）。

核心特性：为什么 Lab 是“专业级”色彩空间？

1. ✅ 感知均匀（最核心优势）

• Lab 中数值距离 = 人眼色差，用欧氏距离 ΔE 量化：
  ΔE=(ΔL)2+(Δa)2+(Δb)2ΔE = \sqrt{(ΔL)^2 + (Δa)^2 + (Δb)^2}ΔE=(ΔL)2+(Δa)2+(Δb)2​
• ΔE < 2：人眼几乎无法区分；ΔE > 3：明显可辨。
• 应用：颜色检测、色差评估、精准调色（如工业质检、照片修图）。

2. ✅ 设备无关

• Lab 不依赖任何硬件（显示器、打印机、摄像头），是绝对色彩空间，可跨设备、跨平台精准传递颜色信息。

3. ✅ 亮度与色度完全分离

• L* 只控制明暗，a*/b* 只控制颜色，调色时可独立调整亮度而不偏色，或调整颜色而不改变明暗。
• 示例：提亮照片只调 L*，修正肤色只调 a*（减绿加红），去黄只调 b*（减黄加蓝）。

4. ✅ 广色域覆盖

• Lab 色域包含所有 RGB/CMYK 可显示颜色，甚至能表示人眼可见的所有色彩，适合高端印刷、摄影后期、色彩科研。

与 RGB/XYZ 的转换（原理+代码）

1. 转换流程

RGB→线性RGB→XYZ→LabRGB → 线性RGB → XYZ → LabRGB→线性RGB→XYZ→Lab

• 先将 RGB 去伽马（线性化）；
• 线性 RGB → XYZ（3×3 矩阵）；
• XYZ → Lab（立方根非线性变换）。

2. OpenCV 代码（Android JNI 可用）

// BGR → Lab（OpenCV 默认 BGR）cv::Mat bgr=...;// 输入 BGR 图像cv::Mat lab;cv::cvtColor(bgr,lab,cv::COLOR_BGR2Lab);// Lab → BGRcv::Mat bgrOut;cv::cvtColor(lab,bgrOut,cv::COLOR_Lab2BGR);

3. 数值映射（8 位图像）

• L*：0～100 → 0～255（直接缩放）；
• a*/b*：-128～127 → 0～255（+128 偏移）。

完整代码实现

Native 层完整代码（native-lib.cpp）

#include<jni.h>#include<opencv2/opencv.hpp>#include<android/bitmap.h>#include<cmath>usingnamespacecv;usingnamespacestd;// ==============================================// 1. 策略类：基于 CIE L*a*b* 感知均匀颜色检测器// ==============================================classColorDetector{private:intmaxDist;Vec3b targetLab;// 存储 Lab 空间的目标颜色Mat converted;// 计算 Lab 空间欧氏距离（人眼感知色差）intgetDistance(constVec3b&c1,constVec3b&c2)const{intdL=c1[0]-c2[0];intda=c1[1]-c2[1];intdb=c1[2]-c2[2];return(int)sqrt(dL*dL+da*da+db*db);}public:ColorDetector():maxDist(100),targetLab(0,0,0){}// 设置目标颜色（输入 BGR，自动转 Lab）voidsetTargetColor(uchar blue,uchar green,uchar red){Mattmp(1,1,CV_8UC3);tmp.at<Vec3b>(0,0)=Vec3b(blue,green,red);cvtColor(tmp,tmp,COLOR_BGR2Lab);targetLab=tmp.at<Vec3b>(0,0);}// 设置色差阈值voidsetThreshold(intdist){maxDist=max(dist,0);}// 核心处理：转 Lab → 颜色检测Matprocess(constMat&image){Matresult(image.size(),CV_8U);cvtColor(image,converted,COLOR_BGR2Lab);// RGB → Labautoit=converted.begin<Vec3b>();autoitEnd=converted.end<Vec3b>();autoout=result.begin<uchar>();for(;it!=itEnd;++it,++out){if(getDistance(*it,targetLab)<=maxDist)*out=255;else*out=0;}returnresult;}};// ==============================================// 2. 控制器类：管理图像、参数、算法调度// ==============================================classColorController{private:ColorDetector detector;Mat inputImage;Mat resultImage;public:voidsetInputImage(constMat&img){inputImage=img;}voidsetParams(intb,intg,intr,intthreshold){detector.setTargetColor((uchar)b,(uchar)g,(uchar)r);detector.setThreshold(threshold);}voidprocess(){resultImage=detector.process(inputImage);}MatgetResult(){returnresultImage;}};// ==============================================// 工具：Bitmap ↔ Mat 转换// ==============================================MatbitmapToMat(JNIEnv*env,jobject bitmap){AndroidBitmapInfo info;void*pixels;AndroidBitmap_getInfo(env,bitmap,&info);AndroidBitmap_lockPixels(env,bitmap,&pixels);Matmat(info.height,info.width,CV_8UC4,pixels);Mat bgr;cvtColor(mat,bgr,COLOR_RGBA2BGR);AndroidBitmap_unlockPixels(env,bitmap);returnbgr;}voidmatToBitmap(JNIEnv*env,constMat&mat,jobject bitmap){AndroidBitmapInfo info;void*pixels;AndroidBitmap_getInfo(env,bitmap,&info);AndroidBitmap_lockPixels(env,bitmap,&pixels);Mat rgba;if(mat.channels()==1)cvtColor(mat,rgba,COLOR_GRAY2RGBA);elsecvtColor(mat,rgba,COLOR_BGR2RGBA);memcpy(pixels,rgba.data,info.height*info.width*4);AndroidBitmap_unlockPixels(env,bitmap);}// ==============================================// JNI 接口给 Kotlin 调用// ==============================================extern"C"JNIEXPORTvoidJNICALLJava_com_nicoli_hellocolorcontroller_MainActivity_detectColorLab(JNIEnv*env,jobject,jobject srcBitmap,jobject outBitmap,jint b,jint g,jint r,jint threshold){Mat src=bitmapToMat(env,srcBitmap);ColorController controller;controller.setInputImage(src);controller.setParams(b,g,r,threshold);controller.process();matToBitmap(env,controller.getResult(),outBitmap);}

Kotlin 界面（MainActivity.kt）

packagecom.nicoli.hellocolorcontrollerimportandroid.graphics.Bitmapimportandroid.graphics.BitmapFactoryimportandroid.os.Bundleimportandroid.widget.ImageViewimportandroidx.appcompat.app.AppCompatActivityclassMainActivity:AppCompatActivity(){companionobject{init{System.loadLibrary("native-lib")}}// CIE Lab 颜色检测（控制器模式）privateexternalfundetectColorLab(srcBitmap:Bitmap,outBitmap:Bitmap,b:Int,g:Int,r:Int,threshold:Int)overridefunonCreate(savedInstanceState:Bundle?){super.onCreate(savedInstanceState)setContentView(R.layout.activity_main)// 输入图片valsrc=BitmapFactory.decodeResource(resources,R.drawable.puppy)valresult=Bitmap.createBitmap(src.width,src.height,Bitmap.Config.ARGB_8888)// 调用：检测红色detectColorLab(src,result,50,50,200,80)// 显示findViewById<ImageView>(R.id.iv_src).setImageBitmap(src)findViewById<ImageView>(R.id.iv_result).setImageBitmap(result)}}

布局（activity_main.xml）

<?xml version="1.0" encoding="utf-8"?><LinearLayoutxmlns:android="http://schemas.android.com/apk/res/android"android:layout_width="match_parent"android:layout_height="match_parent"android:orientation="vertical"android:padding="10dp"><ImageViewandroid:id="@+id/iv_src"android:layout_width="match_parent"android:layout_height="0dp"android:layout_weight="1"/><ImageViewandroid:id="@+id/iv_result"android:layout_width="match_parent"android:layout_height="0dp"android:layout_weight="1"/></LinearLayout>

代码核心

1. 真正使用 CIE Lab*

• 输入图像自动从BGR → Lab
• 目标颜色自动从BGR → Lab
• 使用欧氏距离计算人眼感知色差
• 不受光照、阴影影响，比 RGB 稳定得多

2. 控制器模式

• 界面不关心算法
• 算法不关心界面
• 结构清晰、易扩展、易维护

3. 策略模式

• 颜色检测算法独立封装
• 可随时替换为 RGB / HSV 版本

4. 完整 JNI 兼容

• 支持 Android 直接调用
• 自动处理 Bitmap ↔ Mat

参数说明

detectColorLab(src,result,B,G,R,阈值)

• B：蓝色分量 0~255
• G：绿色分量 0~255
• R：红色分量 0~255
• 阈值：色差允许范围（越大检测越宽松）

示例：

• 红色：(50,50,200,80)
• 绿色：(50,200,50,80)
• 蓝色：(200,50,50,80)

典型应用场景

1. 颜色检测（你的项目核心）

• RGB 检测易受光照、阴影干扰；Lab 中亮度 L* 与色度 a*/b* 分离，可忽略亮度影响，仅用 a*/b* 匹配颜色，检测更稳定、精准。
• 示例：检测红色物体 → 锁定 a* 正值区域，不受明暗变化影响。

2. 图像调色/增强

• 亮度调整：只调 L*，避免 RGB 调色的色偏；
• 颜色校正：修正偏色（如照片发黄 → 降低 b* 值）；
• 对比度增强：在 L* 通道调整，不影响色彩。

3. 工业与印刷

• 色差检测：产品颜色与标准色的 ΔE 评估；
• 印刷校色：CMYK 无法覆盖的颜色用 Lab 精准匹配。

Lab 与其他色彩空间对比

总结

CIE L*a*b* 是为人类视觉设计的“理想色彩空间”，通过将亮度与色度分离、非线性变换实现感知均匀，彻底解决了 RGB 的色偏与不稳定问题。
在你的 Android OpenCV 颜色检测项目中，用 Lab 替代 RGB 空间，能显著提升检测鲁棒性（抗光照、抗阴影），是专业图像处理的最优选择。