Lab颜色空间模型参数取值范围的优化

Lab颜色空间很接近人类视觉，应用较为广泛。OpenCV、OpenMV等很多计算机视觉算法库都是基于Lab空间进行颜色模型参数的训练，设计查找色块的算法。

Lab颜色空间模型参数中：L是亮度，取值范围是L∈（0，100）；a为颜色在红绿轴的分量，取值范围是（-128，127）；b为颜色在蓝黄轴的分量，取值范围是（-128，127）。OpenCV等算法库对Lab模型参数做了量化对齐处理，使其处于0~255，具体做法：L=L×2.55，a=a+128，b=b+128。

色块搜索一般采用邻近算法，通过计算每个像素点与颜色空间的欧氏距离，确定该像素点的颜色，然后对提取出的像素点进行腐蚀、膨胀、孔洞填充等形态学处理，最终得到色块的连通区域。(www.xing528.com)

在色块搜索过程中，Lab模型的阈值参数设定最为关键，图像的所有像素都要与阈值进行比较，才能进行后续的区域分割。如果Lab模型的阈值参数不适合当前的视频采集环境，就很难完成对视频图像进行准确的色块分割。

Lab各分量的阈值设定一般根据先验知识，而在实际应用中，现场光照情况不尽相同，摄像头也会带来偏色情况，顺光、逆光、色温、噪声等情况都会影响颜色跟踪效果，常常出现所给定的阈值并不适合现场应用的情况。针对实际应用中的这些情况，可以设计一个阈值现场计算算法，为每种颜色选定一个小样本采集区域，然后计算样本区域中这种颜色的平均值，作为后续颜色追踪过程的阈值参数。一些计算机视觉应用系统会提供颜色空间阈值设置工具来辅助Lab模型的阈值参数设定，方便了实际应用工作。