颜色直方图(Color Histogram)
数字成像中的颜色直方图是对给定图像中具有相同颜色的像素的频率进行计算的一种方法。这种方法通常被转换成一个图形，以帮助分析和调整图像中的平衡。几乎所有的照片编辑软件和大量的数码相机都具有颜色直方图的查看
数字成像中的颜色直方图是对给定图像中具有相同颜色的像素的频率进行计算的一种方法。这种方法通常被转换成一个图形，以帮助分析和调整图像中的平衡。几乎所有的照片编辑软件和大量的数码相机都具有颜色直方图的查看或编辑功能选项。通过调整颜色直方图编辑图像有助于通过将图像内部的外围颜色更改为更常见的颜色来澄清和增强图像。
可以使用颜色直方图校正数码摄影中的色彩平衡。
数码影像中的每个像素由三个决定其颜色的相关值组成：红色值、蓝色值和绿色值。这些值的范围从0到255，其中0表示无，255表示最大值。如果这三个值都为零，则像素是黑色的；如果三个都是255，则像素是白色的。直方图确定图像中每种颜色有多少像素。它还显示颜色中有多少像素是按强度显示的。
直方图有许多用途。最显著的是，它可用于图像编辑，以帮助通过合并颜色，图像看起来更专业。如果图像主要由中间色调组成，则可以调整颜色直方图，以便将上下颜色更改为绝对白色或黑色。这会提高图像中的对比度，并使可见中间色调看起来更具活力，因为它们由黑色和白色的实心区域。它还可以通过将不同颜色的小像素区域转换为彩色的实心区域来减少像素化。
在数码相机上，拍摄图像后可以显示颜色直方图这可能非常有用，因为相机上的显示（通常是液晶显示器（LCD））可能无法准确显示图片的重要元素。查看直方图有助于确定图像是否曝光过度或曝光不足。然而，并非每个相机都有直方图选项，有些相机确实有直方图选项只提供不总是有效的亮度直方图。
通常不建议对相机使用颜色直方图，除非检查过度曝光，即使这样也可能不准确。相反，应该使用照片编辑软件的直方图功能检查相机的图像，然后将其与直方图进行比较在相机上视觉校准相机如何确定其颜色直方图。然而，一些数码相机确实提供了一个适当的红-绿-蓝（RGB）直方图，在拍摄照片后非常有用。
RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是运用最广的颜色系统之一。
显示器大都是采用了RGB颜色标准，
在显示器上，是通过电子枪打在屏幕的红、绿、蓝三色发光极上来产生色彩的，电脑一般都能显示32位颜色，有一千万种以上的颜色
在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。注意虽然数字最高是255，但0也是数值之一，因此共256级。
RGB 颜色称为加成色，因为您通过将 R、G 和 B 添加在一起（即所有光线反射回眼睛）可产生白色。加成色用于照明光、电视和计算机显示器。例如，显示器通过红色、绿色和蓝色荧光粉发射光线产生颜色。绝大多数可视光谱都可表示为红、绿、蓝 (RGB) 三色光在不同比例和强度上的混合。这些颜色若发生重叠，则产生黄、青和紫。
网页格式
由于网页(WEB)是基于计算机浏览器开发的媒体，所以颜色以光学颜色RGB（红、绿、蓝）为主。网页颜色是以16进制代码表示，一般格式为#DEFABC （字母范围从A-F,数字从0-9 ）；如黑色，在网页代码中便是：#000000(在css编写中可简写为#000)。当颜色代码为#AABB11时，可以简写为#AB1表示，如#135与#113355表示同样的颜色。
RGB1、RGB4、RGB8都是调色板类型的RGB格式，在描述这些媒体类型的格式细节时，通常会在BITMAPINFOHEADER数据结构后面跟着一个调色板（定义一系列颜色）。它们的图像数据并不是真正的颜色值，而是当前像素颜色值在调色板中的索引。以RGB1（2色位图）为例，比如它的调色板中定义的两种颜色值依次为0x000000（黑色）和0xFFFFFF（白色）…（每个像素用1位表示）表示对应各像素的颜色为：黑黑白白黑白黑白黑白白白…。
In computer science, sometimes we use cars to go down the street because we don't have a better way, or it's not worth our time to "learn how to walk".
Overhead typically reffers to the amount of extra resources (memory, processor, time, etc.) that different programming algorithms take.
Overhead typically reffers to the amount of extra resources (memory, processor, time, etc.) that different programming algorithms take.
