在计算机科学中有几种颜色表示:标准的RGB，还有HSV, HSL, CIE XYZ, YCC, CIELAB, CIELUV，…在我看来，大多数时候，这些表征试图接近人类的视觉(感知上相同的颜色应该有相似的表征)
但我想知道的是，当涉及到图片时，哪种表征是最"稳定"的。我有一个物体，假设是一瓶可乐，我有成千上万张这个瓶子的照片，在不同的环境下拍摄(主要的区别是照片的明暗程度，但有方向等…)
我的问题是:根据经验，什么颜色表示会给我最稳定的瓶子颜色表示?标签上的"红色"颜色不能变化太大。嗯，我知道会有变化，但我想知道最"稳定"的代表。
有人告诉我，HSV比RGB在这些事情上更好，但我不知道其他的。
编辑(技术细节):我取瓶子的一个特定点。我从一千张图片中选取相应的像素点。我现在有了一个点的云，这取决于表示。我想要最小化这个云的"大小"的表示，例如最小化云的点到它的质心的平均距离的表示。
您可能想看看http://www.cs.harvard.edu/~sjg/papers/cspace.pdf，它提出了一个新的颜色空间，显然是为了解决这个问题而设计的。
我不知道一个颜色空间，做什么你想要的，但我有一些评论:
RGB与显示器上显示的颜色非常匹配。在接近人类感知方面，这是最糟糕的色彩空间之一。
至于其他色彩空间:有些人试图确保在感知上接近的颜色在色彩空间中也接近。其他人也试图确保感知上相似的颜色差异也会在色彩空间中产生相似的差异，而不管你在色彩空间的哪个位置。
第一个意思是，如果你认为蓝色A和蓝色B之间的颜色差异类似于蓝色A和蓝色C之间的颜色差异，那么在色彩空间中，蓝色A和蓝色B之间的距离将类似于蓝色A和蓝色C之间的距离，并且它们三者在色彩空间中都很接近。我认为这叫做感知平滑的色彩空间。CIE XYZ就是一个例子。
第二个意思是，如果你认为蓝色A和蓝色B之间的颜色差异类似于红色A和红色B之间的颜色差异，那么在颜色空间中，蓝色A和蓝色B之间的距离将类似于红色A和红色B之间的差异。这被称为感知均匀的颜色空间。CIE Lab就是一个例子。
至于你的问题:HSV, HSL, CIE XYZ, YCC, CIELAB, CIELUV, YUV中的任何一个都以某种方式将照明从颜色信息中分离出来，所以这些是更好的选择。它们对光照变化有一定的免疫力，但当色温急剧变化或使用彩色光时，它们就不起作用了。XYZ和YUV从RGB(这是大多数相机给你的)得到的计算成本更低，但也不如HSV, HSL或CIELAB(后者通常被认为是最好的，但也是最困难的)。
根据您正在搜索的内容，您可以校准图像的色彩平衡。例如:假设你要匹配可口可乐的商标:你知道商标中的字母总是白色的。所以如果它们不在你的图像中你可以使用颜色它们必须进行校正，这给了你关于其他颜色的信息
我们对事物颜色的感知主要是由它的色调决定的;一个颜色空间，如HSV，它给出一个单一的值来表示色调，将是最好的。
眼睛是一个非凡的工具，知道一个点的颜色是不够的。如果整个场景有黄色或蓝色的色调，眼睛会补偿，你的感觉将是一个纯粹的颜色——橙色的可乐瓶会看起来比它更红。黑暗和光明也是如此。如果可能的话，您应该在拍摄颜色样本之前尝试对图像进行补偿。