---
title: "فصل ششم: آشنایی ساده با فضاهای رنگ RGB، HSI و HSV"
short_title: "RGB، HSI و HSV"
description: "معرفی کوتاه و تصویری سه روش نمایش رنگ با تأکید بر فام، میزان رنگی‌بودن و روشنایی، همراه با یک مثال ساده در Python"
keywords:
  - digital image processing
  - RGB
  - HSI
  - HSV
  - color spaces
  - پردازش تصویر رنگی
language: fa
---

# فصل ششم — آشنایی با سه فضای رنگ `RGB`، `HSI` و `HSV`

**هدف این فصل کوتاه:** یاد بگیریم یک رنگ را چگونه با سه روش متفاوت توصیف کنیم. در اینجا از فرمول‌های طولانی تبدیل رنگ و معرفی سایر فضاهای رنگ صرف‌نظر می‌کنیم.

## ۶.۱ `RGB`: رنگ از ترکیب سه نور

در صفحه‌نمایش، هر نقطه (پیکسل) با سه مؤلفه مشخص می‌شود:

- **`R` (Red):** مقدار نور قرمز
- **`G` (Green):** مقدار نور سبز
- **`B` (Blue):** مقدار نور آبی

در یک تصویر معمول **۸ بیتی در هر کانال**، مقدار هر مؤلفه از `0` تا `255` است. برای مثال، `(255, 0, 0)` قرمز، `(0, 255, 0)` سبز و `(0, 0, 255)` آبی است. اگر قرمز و سبز هر دو زیاد باشند و آبی صفر باشد، رنگ زرد خواهیم داشت: `(255, 255, 0)`.

```{figure} chapter-06-assets/images/fig06_01_rgb_examples.png
:name: fig06-rgb-examples
:width: 100%

چند نمونه از ترکیب سه مؤلفهٔ `RGB`. سه عدد زیر هر رنگ به‌ترتیب مقادیر قرمز، سبز و آبی‌اند.
```

**نکته:** وقتی سه مقدار برابر باشند، رنگی از طیف خاکستری داریم؛ مانند `(120, 120, 120)`. هر سه مقدار صفر یعنی سیاه و هر سه مقدار `255` یعنی سفید.

## ۶.۲ چرا به `HSI` و `HSV` نیاز داریم؟

فرض کنید می‌خواهیم از یک تصویر، تمام اشیای **قرمز** را جدا کنیم. کار با سه عدد `R`، `G` و `B` ممکن است، اما برای بیان «این پیکسل چه رنگی است؟» روش شهودی‌تری نیز داریم: رنگ را با **نام رنگ، میزان رنگی‌بودن و میزان روشنایی** توصیف کنیم. دو مدل `HSI` و `HSV` بر همین ایده بنا شده‌اند.

### `H` یا فام (`Hue`): چه رنگی می‌بینیم؟

`H` زاویه‌ای روی دایرهٔ رنگ، معمولاً از `0` تا `360` درجه است. برای رنگ‌های خالصِ زیر:

| فام | زاویهٔ تقریبی `H` |
| --- | ---: |
| قرمز | `0°` یا `360°` |
| زرد | `60°` |
| سبز | `120°` |
| آبی | `240°` |

```{figure} chapter-06-assets/images/fig06_02_hue_circle.png
:name: fig06-hue-circle
:width: 92%

دایرهٔ فام: زاویه، خانوادهٔ رنگ را تعیین می‌کند؛ نه میزان روشنی آن را.
```

در یک پیکسل کاملاً خاکستری، **فام معنی ندارد**؛ زیرا هیچ رنگی بر دیگری غالب نیست. در بعضی نرم‌افزارها برای سهولت مقدار `H=0` ذخیره می‌شود، اما این به معنی قرمز بودن خاکستری نیست.

### `S` یا اشباع (`Saturation`): رنگ چقدر خالص یا خاکستری است؟

- `S` نزدیک صفر: رنگ به خاکستری نزدیک است.
- `S` بزرگ‌تر: رنگ پررنگ‌تر و کمتر متمایل به خاکستری است.

مثلاً صورتی کم‌رنگ و قرمز زنده می‌توانند **فام قرمز** داشته باشند، ولی اشباع آن‌ها متفاوت است. `S` به معنی «تعداد رنگ‌های موجود در تصویر» نیست. **تعریف و عدد اشباع در `HSI` و `HSV` دقیقاً یکسان نیست**؛ هرچند تفسیر ابتدایی آن‌ها مشابه است.

## ۶.۳ تفاوت اصلی `HSI` و `HSV`

هر دو مدل از `H` و `S` استفاده می‌کنند، اما مؤلفهٔ سوم آن‌ها متفاوت است:

- **`HSI` = Hue, Saturation, Intensity**. مؤلفهٔ `I` میانگین سه کانال `RGB` است: \(I=(R+G+B)/3\).
- **`HSV` = Hue, Saturation, Value**. مؤلفهٔ `V` بزرگ‌ترین مقدار میان سه کانال `RGB` است: \(V=\max(R,G,B)\).

در این دو رابطه فرض کرده‌ایم `R` و `G` و `B` در بازهٔ `0` تا `255` هستند؛ بنابراین `I` و `V` نیز در همین بازه‌اند.

برای یک پیکسل **قرمز خالص** با `RGB = (255, 0, 0)`:

- در `HSI`، مقدار `I = 85` است؛ چون میانگین سه عدد را گرفته‌ایم.
- در `HSV`، مقدار `V = 255` است؛ چون بزرگ‌ترین کانال را انتخاب کرده‌ایم.

```{figure} chapter-06-assets/images/fig06_03_intensity_vs_value.png
:name: fig06-intensity-value
:width: 100%

مقایسهٔ `I` و `V` برای چهار رنگ. طول هر نوار با مقدار عددی متناظر از `0` تا `255` متناسب است.
```

پس **`I` و `V` را نباید یک کمیت یکسان تصور کنیم**. همچنین هیچ‌کدام، به‌تنهایی، اندازه‌گیری دقیق روشنایی ادراک‌شده توسط چشم انسان نیستند.

| مدل | پرسش ساده‌ای که پاسخ می‌دهد | استفادهٔ نمونه |
| --- | --- | --- |
| `RGB` | هر کانال نور چقدر است؟ | نمایش و ذخیرهٔ تصاویر رنگی |
| `HSI` | رنگ، اشباع و *میانگین شدت کانال‌ها* چیست؟ | تحلیل آموزشی مؤلفه‌های رنگ |
| `HSV` | رنگ، اشباع و *بیشترین مقدار کانال* چیست؟ | انتخاب و جداسازی سادهٔ رنگ‌ها |

## ۶.۴ یک کاربرد بسیار ساده: جداکردن شیء قرمز

در مثال زیر، یک شکل قرمز، یک شکل سبز و یک شکل آبی روی پس‌زمینهٔ خاکستری داریم. با تبدیل هر پیکسل از `RGB` به `HSV` و انتخاب فام نزدیک به قرمز **همراه با اشباع کافی**، می‌توانیم فقط ناحیهٔ قرمز را سفید و بقیه را سیاه کنیم.

```{figure} chapter-06-assets/images/fig06_04_hsv_red_mask.png
:name: fig06-red-mask
:width: 100%

سمت چپ: تصویر مصنوعی آموزشی. سمت راست: ماسک به‌دست‌آمده از شرط فام قرمز و اشباع کافی در فضای `HSV`.
```

برای اجرای کد، فقط بستهٔ `Pillow` لازم است. برنامه با ماژول استاندارد `colorsys` پایتون نیز کار می‌کند:

<a href="/assets/downloads/courses/image-processing/gonzalez/chapter-06/chapter06_color_demo.py" download>دانلود کد کوتاه Python</a> · <a href="/assets/downloads/courses/image-processing/gonzalez/chapter-06/chapter06_color_demo.ipynb" download>دانلود Notebook</a> · <a href="/assets/downloads/courses/image-processing/gonzalez/chapter-06/sample_color_shapes.png" download>تصویر ورودی نمونه</a>

**تذکر:** در تصاویر واقعی، تغییر نور، سایه و انعکاس می‌تواند مقدار رنگ را عوض کند؛ بنابراین انتخاب رنگ در `HSV` همیشه بی‌خطا نیست.

## ۶.۵ مرور در یک دقیقه

اگر بخواهیم با سه کلمه این فصل را به خاطر بسپاریم: **`RGB` یعنی مقدار سه نور؛ `H` یعنی خانوادهٔ رنگ؛ `S` یعنی میزان فاصله از خاکستری.** مؤلفهٔ سوم در `HSI` میانگین و در `HSV` بیشینهٔ سه کانال است.

**سه پرسش کوتاه:**

1. چرا `(100, 100, 100)` خاکستری است؟
2. فام سبز و آبی خالص تقریباً چند درجه است؟
3. برای `(255, 0, 0)`، چرا `I = 85` ولی `V = 255` می‌شود؟

**منبع پایه:** Gonzalez & Woods, *Digital Image Processing*, 4th ed., بخش مربوط به پردازش تصویر رنگی. مثال‌ها، شکل‌ها و کد این جزوه برای آموزش مستقل تهیه شده‌اند.