在了解色彩空间之前，我们先说说黑白和彩色图片是怎么获取的吧。
假设我们使用一束光线射向一个光敏感传感器，则当我们观察传感器时，被光照射到的部分在我们看来是亮的，没有被光照射到的部分在我们人眼看来是暗的。如果我们定义黑色为暗，白色为亮，那么这就形成了一幅黑白图片，整幅图片的颜色只有黑和白，接受到最强光线的部分为最白，没有接受到光线的部分为最暗，其他接受到一部分光线的就是鉴于最白与最暗之间（我们也可以称它为灰色）。
那如果光感传感器只能接受到一定波长范围内的光线的话，那么当一束白光射向该传感器时，传感器就会过滤掉其他波长的光，而只接收自己能接受到的光，加入这一定波长范围为420到440纳米（nm）的话，那就会显示出蓝色，如果时534到555纳米的话，那就是绿色，如果时564到580纳米的话，就是红色。这三种颜色如果叠加到一起，就形成了我们人眼看到的彩色。
HVS 人眼视觉系统(Human Visual System)
下图是我们人眼的简易构造图
我们的眼睛结构很复杂，但是主要的工作机理很简单，就是外部的光线经过瞳孔，在视网膜上成像，视网膜收集这些信号，传递给大脑的这么一个过程。人眼中的光感受器一共有两种，分别为锥状体和杆状体。
每只眼睛的锥状体的数量约为600-700万个，他们主要集中在位于视网膜中的“中间凹”部位，对颜色高度敏感，使用这些锥状体，人们可以充分地分辨图像细节，因为每个锥状体都连接到自身的神经末梢。肌肉控制眼球的转动，直到感兴趣的物体图像落到中央凹上。
杆状体的数量更多，约有7500-15000万个分布在视网膜表面，因为视网膜本身的面积相对较大，所以几个杆状体才连接到一个神经末梢，因此减少了这些感受器感知细节的数量，杆状体用来给出视野内的总体图像，它们没有彩色感觉，对低照明度敏感。
上图是《数字图像处理》第三版中的图，绘制的是视网膜中杆状体和锥状体的分布，实线为锥状体，虚线为杆状体，横轴是距离中心凹的度数，竖轴是在每个度数点分布的数量。
可以看出，对于锥状体，几乎全部分布在中心凹处（0度区域分布最集中），而杆状体在中心凹部分几乎不分布，越远离中心凹，分布越多，在左右30度的地方达到最高峰，然后逐渐减少。然后，锥状体和杆状体有一个共同点就是在大概左20度的地方，有一块“盲区”，既没有锥状体，又没有杆状体。这个点被称为“盲点”。
RGB Color Space
锥状体在视网膜上主要分布在中央凹区域，这些锥状体一共分为三种，这三种所吸收能量最强时对应的波长不同，如图所示；
- 在波长420nm到440nm吸收能力最强的锥状体感知蓝色
- 在波长534nm到555nm吸收能力最强的锥状体感知绿色
- 在波长564nm到580nm吸收能力最强的锥状体感知红色
上述的三种锥状体所能感知到的光的范围就覆盖了390nm - 780nm波长范围，这就是我们人类的可见光范围。
所以这三种颜色：蓝色（Blue），绿色（Green），红色（Red）组合起来，就是我们熟知的 RGB 色彩空间。
YCbCr Color Space
人们在革新技术时，不仅仅要考虑新技术的导入带来的服务的变革，还应当考虑对现有服务或者设备的兼容性。在从黑白电视向彩色电视转换的时期，考虑到既要让安装有彩电的家庭能够观看彩色的视频内容，同时也要让那些以前购买了黑白电视的家庭能够正常观看电视（黑白内容）。基于这个设想，彩色电视的内容，就是在原有黑白电视内容的基础上，加上色彩成分。简单来说，就是同一段影像，对于黑白电视的用户，电视台只传送原始黑白内容给他，对于彩色电视的用户，电视台除了传送原始黑白内容以外，还附加传送内容对应的彩色内容，那么在彩色电视上就可以播放出彩色的内容。
所以此时，YCbCr应运而生。YCbCr是由Y，Cb，Cr三部分组成，其实Y为灰色成分（luminance），Cb和Cr为彩色成分（chrominance），一张图片，如果由RGB表示的话，那就意味着每一个像素由R，G，B三部分组成，同样，YCbCr图片的话，就是图中的像素都是由Y，Cb，Cr三部分组成，这样将灰度成分与彩色成分分开，相比起RGB来，在存储，传输上效率更高，既满足了已有的黑白电视设备，也支持新出的彩色电视设备。以HEVC为代表的视频压缩标准均采用YCbCr色彩空间来作为输入，而不是使用RGB。RGB和YCbCr之间的转换请参照 维基百科
YCbCr 采样格式
人的眼睛在观看影像的时候，对色度的敏感度要比对灰度的敏感度要低一些，所以在YCbCr格式的帧中，经常对色度成分，也就是CbCr部分，进行采样。主要采用的格式有：
- 4：4：4 无采样
- 4：2：2
- 4：2：0 最常用
上图中，4：4：4和4：2：2从图中都很好理解，但是为什么第三个图是4：2：0呢？不应该是4：1：1吗？根据上图推测，4：4：4就是Y，Cb，Cr三个分量的采样率相同，4：2：2表示Cb和Cr两分量是Y分量水平上的一半，而第三幅图对应的水平和垂直方向都是一半，从表述上来看应该是4：1：1。但是由于历史原因，在大众市场上，4：2：0是早已被广泛使用到数字视频会议，数字电视，DVD存储中，所以就一直这么沿用下来了。理论上的解释请参考我的另外一篇博文《数字视频分量编码》
