☞ ░ 前往老猿Python博文目录 ░
一、引言
由于老猿以前没接触过图像处理，在阅读moviepy代码时，对类的有些处理方法代码看不懂是什么含义，为此花了4天时间查阅了大量资料，并加以自己的理解和消化，终于明白了相关处理概念，整理成文供大家参考。
二、RGB
在图像处理过程中，图像的合成操作是使用频率最高的，如图像显示、图像拷贝、图像拼接以及的图层拼合叠加等。 图像合成，其实也就是图像像素颜色的混合。
大多数电脑处理图像都是使用 RGB来表示像素，RGB代表红、绿、蓝三个通道的颜色混合，电脑屏幕上的所有颜色，都由这红色绿色蓝色三种色光按照不同的比例混合而成的。屏幕上的任何一个颜色都可以由一组RGB值来记录和表达。
在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2…直到255，因此RGB的总体取值为256³个。
三、灰度
图像的灰度可以认为就是亮度，也就是色彩的深浅程度。所谓灰度色，就是指纯白、纯黑以及两者中的一系列从黑到白的过渡色。在RGB模式中三原色光各有256个级别，灰度是在像素的RGB数值相等的情况下形成的。而RGB数值相等的排列组合是256个，灰度的数量就是256级。其中除了纯白和纯黑以外，还有254种中间过渡色。处理示意256级的表示方法外，灰度也可通过百分比表示，范围从0%到100%。注意这个百分比是以纯黑为基准的百分比。与RGB正好相反，百分比越高颜色越偏黑，百分比越低颜色越偏白。
由于灰度色不包含色相，属于“中立”色，因此它常被用来表示颜色以外的其它信息。比如图像的通道，灰度在其中已经不是作为一种色彩模式存在，而是作为判断通道饱和度的标准。而在图像的蒙板中，灰度又被用作判断透明度的标准。
四、HSL 和HSV
4.1、概念
一般的像素颜色表示使用RGB颜色空间，但美术人员更多的是使用HSV(HSL)，因为可以方便的调整饱和度和亮度。HSL即色相、饱和度、亮度（英语：Hue, Saturation, Lightness）。HSV即色相、饱和度、明度（英语：Hue, Saturation, Value），又称HSB，其中B表示Brightness。HSL和HSV都是一种将RGB色彩模型中的点在圆柱坐标系中的表示法，HSL 和 HSV 二者都把颜色描述在圆柱体内的点，这个圆柱的中心轴取值为自底部的黑色到顶部的白色而在它们中间是的灰色，绕这个轴的角度对应于“色相”，到这个轴的距离对应于“饱和度”，而沿着这个轴的距离对应于“亮度”，“色调”或“明度”。
- 色相（Hue）：又称为色度（chromaticity），是色彩的基本属性，色相是有彩色的最大特征。所谓色相是指能够比较确切地表示某种颜色色别的名称，如红色、黄色等，颜色是由亮度和色度共同表示的，色度是不包括亮度在内的颜色的性质，它反映的是颜色的色调和饱和度。色相表示了颜色在色环上的角度，纯红色位于 0 度，纯绿色位于 120 度，纯蓝色位于 240 度。具体计算时，角度主要由 RGB 中最大的那个决定，由次大的那个进行修正。
- 饱和度（Saturation）：指色彩的鲜艳程度或纯洁程度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。饱和度取决于该色中含色成分和消色成分（灰色）的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小。纯的颜色都是高度饱和的，如鲜红，鲜绿。混杂上白色，灰色或其他色调的颜色，是不饱和的颜色，如绛紫，粉红，黄褐等，完全不饱和的颜色根本没有色调，如黑白之间的各种灰色。
- 光亮度（Lightness），取0-100%，具体计算公式是 RGB 中最大值与最小值的平均值。是人的视觉系统对亮度（luminance）的感知响应值，而明度仅限于发光体，用于描述反射或透射表面。
- 明度（Brightness）：明度是指色彩的明亮程度，又称为色阶和照度。各种有色物体由于它们的反射光量的区别而产生颜色的明暗强弱。色彩的明度有两种情况：一是同一色相不同明度。如同一颜色在强光照射下显得明亮，弱光照射下显得较灰暗；另一种是同一颜色加黑以后能产生各种不同的明暗层次。
- 亮度（Luminance或Luma），也称为灰阶值，照度，是不同权重的R、G、B的组合值。实际上是对颜色的明度（brightness）的一种度量。明度很难度量，因此使用亮度（luminance）来度量，亮度（luminance）即辐射的能量。不同颜色的像素有不同的Y值，亮度信号可用来传送黑白图像，黑白视频只有Y（Luminance）视频，也就是灰阶值。
更多HSL和HSV的内容请参考《颜色空间RGB与HSV(HSL)的转换》。
4.2、相关计算公式
以下公式中最大值、最小值、中间值等都是以像素的RGB各自的取值为基准的集合来计算的：
色相/色度计算公式：
色相（单位：°）=原色色相（RGB最大值色相）+（-）（中间值-最小值）*60/（最大值-最小值）
上述公式中，原色色相（RGB最大值色相）是指基色通道最大值色相，R为0°，G为120°，B为240°。正负号取值方法是看中间值色相在最大值的色相基础上，按中间值的定位，顺时针为负、逆时针为正。如RGB分别为150、 40、 80，色相=0°-40*60/110= -338°，实际上就是22°，这是因为R的值最大（150），则原色色相=0°，而中间值为80对应蓝色的色相为240°，从0到240是顺时针，因此为减法。饱和度计算公式：
饱和度=[（最大值-最小值）/最大值]*100%亮度计算公式：
Lightness=(最大值 /255)*100%明度计算公式：
明度 = 30%*R+59%*G+11%*B灰度计算公式：
灰度=（最大值+最小值）/2
四、RGBA、ARGB和PARGB。
4.1、阿尔法通道、RGBA和ARGB概念
RGBA和ARGB都是RGB(Alpha,Red,Green,Blue)色彩模式附加上Alpha（透明度）通道，常见于32位位图（也即四通道图像）的存储结构，PNG图像是一种典型的4通道图像。RGBA全称是Red Green Blue Alpha，ARGB全称是Alpha Red Green Blue ，二者本质上是一样的，只是存储和编码时，Alpha通道值放在代表像素颜色的4字节前面还是后面的区别，ARGB的Alpha通道值放在前面，RGBA的Alpha通道值放在后面。
Alpha叫A通道，或者叫阿尔法通道，表示每个像素的透明度或不透明度，255表示完全不透明，0表示完全透明，也有些地方使用0到1之间的之间的浮点数值来表示，0代表透明、1代表不透明。对于图像来说，透明就是图像本身不可见，当两个图像文件合成时，透明的文件放置在不透明文件上方时，下面的文件完全没有遮挡而可见。
当一个四通道图像显示时，其最终显示图像的像素RGB是将RGB值和Alpha值（此处值为0-1，如果是0-255，应该除以255）各自相乘的结果RGB值。
当一个带alpha通道的透明图像和一个不带alpha通道的不透明图像进行合成时，可以实现一种半透明效果，它们的处理过程称为阿尔法混色。假设一不透明图像的某个像素颜色是A，另一种透明图像的对应位置颜色是B，那么透过B去看A，看上去的颜色C就是B和A的混合颜色。设B物体的透明度为alpha(取值为0-1，0为完全透明，1为完全不透明)，则合成后图像C对应位置像素的RGB值计算公式如下：
- R( C )=alpha*R(B)+(1-alpha)*R(A)
- G( C )=alpha*G(B)+(1-alpha)*G(A)
- B( C )=alpha*B(B)+(1-alpha)*B(A)
两张图像合成时，带alpha通道的图像一般称为源图像（前景），不带alpha通道的图像为背景图像。上面公式即表示：
合成图像的像素显示颜色 =源图像像素颜色 X alpha + 背景图像像素颜色 X (1- alpha)
4.2、Alpha预乘（Premultiplied Alpha）和PRGBA
一般来说四通道图像数据保存的都是ARGB或RGBA，其R、G、B值还没有进行任何透明化处理，但这种格式在图像合成时会存在两个问题：
- 由于对有Alpha通道的图片进行合成处理时，先要获取原始图像RGB的值，这个原始图像真正的RGB值必须考虑Alpha通道，因此会进行一次计算：源图像像素颜色 X alpha。如果这种计算都在合成时进行处理，性能处理压力就会集中在合成阶段；
- 在图像合成时，有时需要进行插值处理，即根据两个图像的差异，采用插值计算来生成一个或多个中间图像，这种插值一般都是以RGB值进行插值计算，但带Alpha通道的图像RGB并不是最终显示颜色的RGB，因此这种插值可能效果不理想。
为了解决这个问题，在图像处理过程中引入了预乘 （premultiplied）这个概念，经过预乘处理的图像格式就称为PRGBA。预乘的算式是NewR=OldR*Alpha，Alpha取值为0-1(如果为0-255，除以255即可），保存的数据通常称为(ar,ag,ab,a)，这样PRGBA格式的像素四通道值保存了真正展现时的像素RGB值，又保存了Alpha通道的值，既解决了前面说的两个问题，又可以还原原始RGBA数据。
PRGBA这个表示方法，由于预乘后保存的值是整数，会丢失小数点后的数值，很大可能引入误差，特别是RGB值本身很小Alpha很大的情况下，这个误差可能会比较大。
关于阿尔法通道、RGBA的更多内容请参考《图像（层）正常混合模式详解（上）》、《百度百科-RGBA》。
关于收费专栏
老猿的付费专栏《使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，付费专栏《moviepy音视频开发专栏》详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，两个专栏加起来只需要19.9元，都适合有一定Python基础但无相关专利知识的小白读者学习。这2个收费专栏都有对应免费专栏，只是收费专栏的文章介绍更具体、内容更深入、案例更多。
对于缺乏Python基础的同仁，可以通过老猿的免费专栏《专栏：Python基础教程目录》从零开始学习Python。
如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。
