Sử dụng trong phân tích hình ảnh
Xem thêm: Viễn thám máy tính và phân tích hình ảnh
HSL, HSV, HSI, hoặc các mô hình liên quan thường được sử dụng trong tầm nhìn máy tính và phân tích hình ảnh để phát hiện tính năng hoặc phân chia hình ảnh. Các ứng dụng của các công cụ như vậy bao gồm phát hiện đối tượng, ví dụ như trong tầm nhìn robot; nhận dạng đối tượng, ví dụ như khuôn mặt, văn bản hoặc biển số xe; thu hồi hình ảnh dựa trên nội dung; và phân tích các hình ảnh y khoa
Hầu hết các thuật toán tầm nhìn bằng máy tính được sử dụng trên các hình ảnh màu là các phần mở rộng đơn giản cho các thuật toán được thiết kế cho các hình ảnh màu xám, ví dụ như k-means hoặc fuzzy clustering của pixel pixel, hoặc canny edge detection. Đơn giản nhất, mỗi thành phần màu được tách riêng qua cùng một thuật toán. Do đó, điều quan trọng là các tính năng quan tâm có thể được phân biệt theo kích thước màu được sử dụng. Vì các thành phần R, G và B của màu của đối tượng trong một hình ảnh số tương quan với lượng ánh sáng va vào đối tượng, và do đó với nhau, các mô tả hình ảnh về các thành phần đó làm cho việc phân biệt đối tượng trở nên khó khăn. Mô tả về màu sắc / độ sáng / màu sắc hoặc màu sắc / độ sáng / độ bão hòa thường có liên quan hơn
Bắt đầu vào cuối những năm 1970, các biến đổi như HSV hoặc HSI được sử dụng như một sự thỏa hiệp giữa hiệu quả cho sự phân chia và phức tạp tính toán. Chúng có thể được coi là tương tự trong cách tiếp cận và mục đích của việc xử lý thần kinh được sử dụng bởi tầm nhìn của con người, mà không cần đồng ý về các chi tiết: nếu mục tiêu là phát hiện đối tượng, khoảng cách giữa màu sắc, độ sáng và độ bão hòa có hiệu quả nhưng không lý do đặc biệt để bắt chước đúng đáp ứng của con người. Luận văn thạc sĩ của John Kender năm 1976 đề xuất mô hình HSI. Ohta et al. (1980) thay vì sử dụng một mô hình có kích thước tương tự như chúng ta gọi là I, α, và β. Trong những năm gần đây, các mô hình này tiếp tục được sử dụng rộng rãi, vì hiệu quả của chúng so sánh với các mô hình phức tạp hơn và sự đơn giản tính toán của chúng vẫn còn hấp dẫn
Nhược điểm
Hình 20a. Phạm vi sRGB được ánh xạ trong không gian CIELAB. Lưu ý rằng những đường thẳng trỏ tới những vòng sơ tuyển màu đỏ, xanh lá cây và xanh dương không được chia đều theo góc hue, và có chiều dài không đều. Các cuộc bầu cử sơ bộ cũng có các giá trị L * khác nhau.
Hình 20b. Khoảng âm thanh Adobe RGB được ánh xạ trong không gian CIELAB. Cũng lưu ý rằng hai không gian RGB này có gamut khác nhau, và do đó sẽ có HSL và HSV đại diện khác nhau.
Trong khi HSL, HSV, và các khoảng trống liên quan phục vụ tốt, ví dụ, chọn một màu duy nhất, họ bỏ qua nhiều sự phức tạp của màu sắc xuất hiện. Về cơ bản, chúng đánh giá sự liên quan trực quan đến tốc độ tính toán, từ một thời điểm trong lịch sử điện toán (máy trạm đồ hoạ cao cấp thập niên 1970, hoặc những máy tính để bàn tiêu dùng vào thập niên 1990) khi những mô hình tinh vi hơn sẽ đắt hơn một cách có tính toán.
HSL và HSV là những phép biến đổi đơn giản của RGB để bảo vệ các đối xứng trong khối RGB không liên quan đến nhận thức của con người, như vậy các góc R, G và B của nó đều đều nhau từ trục trung tính và khoảng cách đều nhau quanh nó. Nếu chúng ta vẽ âm mưu RGB trong một không gian đồng đều hơn, chẳng hạn như CIELAB (xem bên dưới), thì ngay lập tức rõ ràng rằng các cuộc bầu cử sơ bộ về màu đỏ, xanh lá cây và xanh dương không có cùng độ nhạt hoặc màu sắc, hoặc các màu phân cách đều nhau. Hơn nữa, các màn hình RGB khác nhau sử dụng các cuộc bầu cử sơ bộ khác nhau, và do đó có những gam màu khác nhau. Bởi vì HSL và HSV được định nghĩa hoàn toàn dựa trên không gian RGB, chúng không phải là không gian màu tuyệt đối: để xác định màu chính xác đòi hỏi phải báo cáo không chỉ các giá trị HSL hoặc HSV, mà còn các đặc tính của không gian RGB mà chúng dựa trên, chỉnh gamma khi sử dụng.
Nếu chúng ta lấy một hình ảnh và chiết xuất các thành phần màu sắc, độ bão hòa, và nhẹ nhàng hoặc giá trị, và sau đó so sánh chúng với các thành phần có cùng tên theo các nhà khoa học về màu sắc, chúng ta có thể nhanh chóng thấy được sự khác biệt, perceptually. Ví dụ, kiểm tra các hình ảnh sau đây của một hỏa hoạn (hình 13). CIELAB L * là số lượng được định nghĩa bởi CIE để phù hợp với đáp ứng nhẹ nhàng cảm giác, và rõ ràng là L * xuất hiện tương tự như độ sáng với hình ảnh màu ban đầu. Luma gần giống nhau, nhưng khác với độ mờ cao. HSL L và HSV V, trái lại, khác biệt rõ rệt từ độ nhậy cảm.