在计算机视觉和图像处理领域，色彩空间指的是组织色彩的特定方式。一个色彩空间实际上由两样东西构成：颜色模型（a color model）和映射函数(a mapping function)。我们之所以需要颜色模型是因为它能代表元组代表像素的值。而映射函数将颜色映射到可以被代表的所有颜色的集合。
我们有很多很有用的不同的颜色空间。其中一些常见的是RGB、YUV、HSV、Lab等等。不同的颜色空间有不同的优点。我们只需要选择对于解决给定问题有帮助的颜色空间。我们选择几个颜色空间，看看它们提供了什么信息。
RGB：这可能是用的最广的颜色空间。R、G、B分别代表红色（RED）、绿色（GREEN）、蓝色（BLUE）。在这个颜色空间中，每一种颜色都由R、G、B的不同权重代表，所以每一个像素值都是一个相应的R、G、B三元组。其中，每一个数值的大小介于0到255之间。
YUV：尽管RGB在诸多方面都很有用，但是它在现实生活中却显现出很多局限。人们开始考虑用不同的方式从颜色信息中剥离出强度信息来。因此，他们提出了YUV颜色空间。Y代表流明（luminance，光照强度），U/V通道代表颜色信息。因为人类视觉系统中察觉强度信息和察觉颜色信息的机制不同，因而YUV颜色空间在很多应用中十分有效。
HSV：因为YUV在某些方面依然存在缺陷，所以提出了HSV颜色空间。所以人们开始思考人类是如何感知颜色的并提出了HSV颜色空间。HSV代表色调（Hue），色彩饱和度（Saturation）和值（Value）。这是一个圆柱形（cylindrical）系统，我们可以将它分为三个基本的颜色属性并且用不同的属性频道代表他们。这个和人类视觉系统如何；理解颜色密切相关。这也使得我们在处理图片时具有很大的灵活性。
引自《OpenCV with Python By Example》，Prateek Joshi
注意：这里只是提供本人翻译的文稿，如果有损您版权，请与我联系，我将迅速删除。