计算机科学中有几种颜色表示形式：标准 RGB，还有 HSV、HSL、CIE XYZ、YCC、CIELAB、CIELUV，...在我看来，大多数时候，这些表示形式试图接近人类视觉（感知上相同的颜色应该具有相似的表示）
但我想知道的是，对于图片来说，哪种表示形式是最“稳定”的。我有一个物体，比如说一瓶可乐，我有数千张这个瓶子的照片，这些照片是在非常不同的情况下拍摄的（主要区别是照片的明暗程度，但有方向等...... )
我的问题是：根据经验，哪种颜色表示可以为我提供最稳定的瓶子颜色表示？标签的“红色”颜色不应相差太大。好吧，我知道它会有所不同，但我想知道最“稳定”的表示形式。
我被告知 HSV 在这类事情上比 RGB 更好，但我对其余的一无所知。
编辑（技术细节）：我取了瓶子的一个特定点。我在一千张图片中选取这一点对应的像素。我现在有一个点云，这取决于表示。我想要最小化该云的“大小”的表示，例如最小化云的点到其重心的平均距离的表示。
您可能想查看 http://www.cs.harvard.edu/~sjg/papers/cspace.pdf，它提出了一个新的色彩空间，显然是为了解决这个精确问题而设计的。
我不知道有哪个色彩空间可以满足您的要求，但我确实有一些评论：
RGB 与显示器上显示颜色的方式非常匹配。就近似人类感知而言，它是可用的最差的色彩空间之一。
至于其他色彩空间：有些人试图确保感知上接近的颜色在色彩空间中也接近。其他人还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，无论您位于色彩空间的哪个位置。
第一个意思是，如果您认为蓝色 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，并且它们在色彩空间中都将靠近。我认为这被称为感知平滑的色彩空间。 CIE XYZ 就是一个例子。
第二个意思是，如果您认为蓝色 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，那么在色彩空间中，蓝色 A 和蓝色 B 之间的距离将类似于红色 A 和红色 B。这称为感知均匀色彩空间。 CIE 实验室 就是一个例子。
[编辑2011-07-29] 至于你的问题：HSV、HSL、CIE XYZ、YCC、CIELAB、CIELUV、YUV 中的任何一个都会以某种方式将照明与颜色信息分开，所以这些是更好的选择。它们可以在一定程度上抵抗光照变化，但当色温急剧变化或使用彩色光时，它们就无济于事了。从 RGB（这是大多数相机提供的）获取 XYZ 和 YUV 在计算上成本较低，但也不如 HSV、HSL 或 CIELAB“好”（后者通常被认为是最好的之一，但它也是一种最困难的）。
根据您要搜索的内容，您可以校准图像的“色彩平衡”。例如：假设您正在匹配可口可乐徽标：您知道徽标中的字母始终是白色的。因此，如果它们不在您的图像中，您可以使用它们必须的颜色进行纠正，从而为您提供有关其他颜色的信息。
眼睛是一种非凡的仪器，仅了解单个点的颜色是不够的。如果整个场景有黄色或蓝色色调，眼睛会进行补偿，您的感知将具有更纯净的颜色 - 橙色可乐瓶会显得比实际更红。黑暗与光明也是如此。如果可能，您应该在采集颜色样本之前尝试补偿图像。