一、概念
YCbCr不是一种绝对色彩空间，是YUV压缩和偏移的版本。
Y就是所谓的流明（luminance）Cb指蓝色色度，Cr指红色色度。YUV大多是指YCbCr，灰度化、二值化、滤波、去噪。
Brightness : 亮度
Exposure : 爆光度
Contrast : 对比度，图像整体的明暗对比
Focus : 图像局部像素的对比度+分辨率
Sharpness : 图像边缘像素的对比度
ISO : 感光度
弱光情况：
低ISO值适合营造清晰、柔和的图片，而高的ISO值却可以补偿灯光不足的环境
弱光下感光度提高会导致图像噪声变大
曝光时间变长会使帧率变低
卷积定理：时域上的卷积等于频域上的乘积
空域的图像和滤波器变换到频域，就是用鼎鼎大名的Fast Fourier Transformation 快速傅里叶变换FFT（其实，在CUDA里面，已经实现了FFT了）。
卷积与滤波：https://blog.csdn.net/zouxy09/article/details/49080029
二、OpenCV算法
1. 灰度化
直接取Y channel即可
2. 二值化 https://docs.opencv.org/3.4.0/d7/d4d/tutorial_py_thresholding.html
cv.threshold(img,127,255,cv.THRESH_BINARY)
cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY,11,2)
cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY,11,2).
3. 提高图像的色彩饱和度
scale_factor = 1.1~1.5f
U = ( U - 128 ) * Scale_factor ) + 128 ；
V = ( V - 128 ) * Scale_factor ) + 128 ；
三、颜色空间转换
下边的各个符号都带了一撇，表示该符号在原值基础上进行了伽马校正，伽马校正有助于弥补在抗锯齿的过程中，线性分配伽马值所带来的细节损失，使图像细节更加丰富。在没有采用伽马校正的情况下，暗部细节不容易显现出来，而采用了这一图像增强技术以后，图像的层次更加明晰了。
Y’ = 0.257*R' + 0.504*G' + 0.098*B' + 16
Cb' = -0.148*R' - 0.291*G' + 0.439*B' + 128
Cr' = 0.439*R' - 0.368*G' - 0.071*B' + 128
R' = 1.164*(Y’-16) + 1.596*(Cr'-128)
G' = 1.164*(Y’-16) - 0.813*(Cr'-128) - 0.392*(Cb'-128)
B' = 1.164*(Y’-16) + 2.017*(Cb'-128)
转至： https://blog.csdn.net/weixin_38203533/article/details/80881793