8位/16位RGB颜色对照与换算：从网页到嵌入式RGB565与PWM调光-北京尧图网络

最近在整理嵌入式屏幕显示项目的时候我又把那份积灰的颜色RGB值对应表翻了出来。本来是顺手查一个橙色结果发现“8位”“16位”这两个词在不同圈子里的含义完全不是一回事。很多朋友拿到一份别人发的“RGB值对应表”在网页里调得好好的一搬到单片机、图像处理或者HDR流程里就翻车颜色不是偏色就是整个变成黑色。这篇文章把我自己整理和验证过的颜色值、换算逻辑和各种踩坑记录一起放出来从8位通道、16位通道、RGB565一直讲到PWM调灯和Python取色争取让你看完之后能直接拿表干活。1. 先分清“8位”和“16位”颜色值的三种常见含义1.1 8位通道网页和工具里默认的RGB我们日常说的rgb(10, 92, 140)、#FFA500这类写法默认就是“每通道8位”。R、G、B三个通道各占8个bit取值范围是0到255三个通道合起来就是24位真彩色能表示大约1677万种颜色。这在网页CSS、普通PNG/JPG、Python的PIL库、大多数截屏取色工具里都是同一个标准。这里要先提醒一个容易搞混的概念8位通道和8位图像完全是两码事。8位图像通常说的是索引色模式整张图最多只能有256种颜色每个像素用一个8位数字去查调色板典型的就是老式GIF。而8位通道指的是每个红绿蓝通道有256个等级不是全图只有256色。拿到颜色表的时候先看清楚你手里的“8位”到底是哪种语境否则后面所有换算都会跟着错。1.2 16位通道图像处理和HDR里的“深色域”16位通道的意思是R、G、B每个通道占16个bit取值范围0到65535三个通道合起来是48位。这种格式常见于16位TIFF、16位PNG、专业相机RAW、HDR合成、医学影像、遥感图像处理。如果你在Photoshop里打开一张16位/通道的图或者在MATLAB里读一个16位深度图像就会发现颜色值不再是0到255而是动辄几万的大数。16位通道的出现是为了保留更多亮部和暗部细节避免在多次调整层级的时候出现色阶断裂。但它也带来一个麻烦网页上查到的颜色值全是0到255拿到16位环境里不能直接用得先做线性扩展。至于怎么扩展我后面专门写一节。需要先说明的是16位/通道并没有一个全球统一的整数编码方式有的软件用0到65535有的软件显示0到32768还有的用半浮点数。所以不要一看到“16位”就默认上限是65535要先确认你正在用的工具到底采用哪种映射。1.3 RGB565嵌入式、单片机里的另一种“16位”如果你在网上搜“8位 16位颜色”搜到了单片机屏幕相关的内容那这里的“16位”通常指的是RGB565而不是16位通道。STM32、ESP32、Arduino驱动TFT LCD、OLED屏时候很常用这种模式。RGB565把16位总色深拆成R占5位、G占6位、B占5位一共正好16位也就是两个字节。因为人眼对绿色最敏感所以绿色多分了一位。这种格式能显示2的16次方等于65536种颜色远不如24位真彩色丰富但在小屏幕上大部分情况下够用而且省内存、传输快。还有一种类似的格式叫ARGB1555也就是1位透明度加5位红、5位绿、5位蓝也是16位常见于一些老的嵌入式UI资源。看到这里你应该明白了同样是“16位”可能是每通道65536级的深色域也可能只是RGB565高五位中六位低五位的紧凑屏显格式。我见过不少人在这一步踩坑拿着48位源图的像素值直接往RGB565的屏驱里填结果红色变成黑色、高光全部发紫就是这个概念没理清。为了看得更清楚我把这几种格式整理成一张对比表术语R/G/B 通道位数取值示例总位数常见场景8位/通道 RGB8888/8/80-25524位网页、普通PNG/JPG、CSS16位/通道16/16/160-6553548位图像处理、HDR、16位PNG/TIFFRGB5655/6/5R:0-31 G:0-63 B:0-3116位单片机、屏幕驱动、嵌入式UIARGB15551位透明5/5/50-3116位旧嵌入式图标、资源包8位索引色非通道概念整图最多256色8位老GIF、低端屏显2. 常用颜色8位RGB对照表与十六进制HEX速查2.1 基础色和常用色对照表先放一张最基础的8位通道颜色表这里面的R、G、B值就是网页里最常见的写法。注意“绿”和“青”不要搞混绿色是纯绿light青色是绿加蓝很多人做LED灯的时候把0,255,0和0,255,255当成同一个颜色调出来完全不是自己要的效果。颜色英文名HEX8位RGB黑色Black#0000000,0,0白色White#FFFFFF255,255,255红色Red#FF0000255,0,0绿色Green#00FF000,255,0蓝色Blue#0000FF0,0,255黄色Yellow#FFFF00255,255,0青色Cyan#00FFFF0,255,255品红Magenta#FF00FF255,0,255橙色Orange#FFA500255,165,0深红Dark Red#8B0000139,0,0金色Gold#FFD700255,215,0黄绿Yellow Green#9ACD32154,205,50深绿Dark Green#0064000,100,0海军蓝Navy#0000800,0,128道奇蓝Dodger Blue#1E90FF30,144,255蓝绿Teal#0080800,128,128紫色Purple#800080128,0,128粉色Pink#FFC0CB255,192,203棕色Brown#A52A2A165,42,42银色Silver#C0C0C0192,192,192灰色Gray#808080128,128,128暗灰Dark Gray#A9A9A9169,169,169亮灰Light Gray#D3D3D3211,211,211橄榄Olive#808000128,128,0栗色Maroon#800000128,0,0珊瑚Coral#FF7F50255,127,80砖红Firebrick#B22222178,34,34靛蓝Indigo#4B008275,0,130这张表足够覆盖日常网页配色、PPT取色、LED灯调试等大部分场景。如果你只是做UI设计看到这里其实可以用了。但注意电脑屏幕上显示出来的rgb(10, 92, 140)在其他设备上未必是同一个颜色原因不在颜色表而在显示设备。2.2 为什么同一个RGB值在不同设备上看起来不一样颜色值本身是一个标准化的数字但最终呈现受三个因素影响屏幕色域、色彩管理、gamma曲线。入门级显示器通常是sRGB色域部分高端显示器是P3色域同样一个RGB值在P3屏幕上会更鲜艳。系统色彩管理如果没做好浏览器和图片软件之间也会出现色差。gamma就更直接了RGB数值的256个等级并不是线性亮度而是经过编码的非线性曲线。如果拿一个完全线性的屏幕去显示普通sRGB图片中间调会显得很暗。所以在做跨设备颜色匹配的时候光靠RGB表是不够的至少要保证图片带ICC色彩配置文件设备经过校色并且整个过程都在同一个色彩空间里。真正确认颜色是否准确不是肉眼看屏幕而是用色度计测量。这个提醒放在这一节是想让你明白颜色表只是数字参考不是最终实物保证。3. 16位颜色值到底怎么换算通道、RGB565与PWM调光3.1 8位转16位通道的标准公式8位通道的0到255要扩展成16位通道的0到65535我推荐直接用乘以257的做法。因为65535除以255刚好等于257这是整数比例里最精确的换算关系。公式就是v16 v8 * 257反过来v8 v16 / 257取整就行。用橙色来举例#FFA500对应的8位RGB是255,165,0。换算后R等于255乘以257等于65535G等于165乘以257等于42405B还是0。所以在16位通道环境下应该填65535,42405,0而不是像很多人那样填255,165,0。直接把255填进16位通道的图里会让整张图几乎接近黑色因为255在65535的尺度下只有不到0.4%的亮度。不过前面提过有些软件的16位通道不是0到65535而是0到32768。如果遇到这种环境就用v16 round(v8 * 32768 / 255)来换算。比如255会变成32768128会变成16447左右。这一点完全没有统一标准建议拿到一种图片格式后先读取一个已知颜色的像素值看一眼再决定用哪个公式这是最稳妥的办法。3.2 RGB565计算方法和常用值RGB565的换算就完全不是乘257了它的每个通道位数不同所以要做位压缩。最常用的做法是移位截断R取8位值的高5位G取高6位B取高5位。写成代码就是uint16_t rgb565(uint8_t r, uint8_t g, uint8_t b) { return ((r 3) 11) | ((g 2) 5) | (b 3); }这个做法的结果是纯黑0x0000纯白0xFFFF纯红0xF800纯绿0x07E0纯蓝0x001F黄色0xFFE0青色0x07FF品红0xF81F。橙色255,165,0换算出来是0xFD20灰色128,128,128换算出来是0x8410。这些值在嵌入式开发里非常常用。如果需要更精确一点而不是直接丢弃最低位可以用四舍五入公式uint16_t rgb565_round(uint8_t r, uint8_t g, uint8_t b) { uint16_t r5 (r * 31 127) / 255; uint16_t g6 (g * 63 127) / 255; uint16_t b5 (b * 31 127) / 255; return (r5 11) | (g6 5) | b5; }两种算出来的结果通常只差最低1到2位肉眼几乎看不出区别。但在做渐变、调色板这类对精度敏感的场景建议用四舍五入版本。我实际对比过用移位版本调试一套渐变灯光在暗部会有可见的阶梯感换成四舍五入版本之后平滑了很多。3.3 PWM驱动RGB灯时的8位和16位换算单片机驱动RGB LED灯最常用的就是PWM控制三个颜色通道的占空比。有些平台的analogWrite只有8位精度也就是0到255有些定时器可以配置成16位分辨率也就是0到65535。问题就出在这你把网页上查到的255,165,0直接塞进16位PWM就等于只开了不到0.4%的占空比灯会极其暗几乎看不出颜色。正确的做法是先把8位通道值换算到对应PWM精度。8位PWM直接用原值// 8位PWM橙色 analogWrite(redPin, 255); analogWrite(greenPin, 165); analogWrite(bluePin, 0);16位PWM要先做线性扩展// 16位PWM橙色 analogWrite(redPin, 65535); analogWrite(greenPin, 42405); analogWrite(bluePin, 0);注意这只是把占空比数值扩展了LED实际亮度还要看驱动电路和灯珠特性。如果LED的亮度变化明显不均匀常见原因不是RGB值不对而是人眼感知是非线性的PWM占空比却接近线性。想要视觉上的平滑渐变一般会做gamma校正输出前加一步uint16_t pwm_value (uint16_t)(pow(color_8bit / 255.0, 2.2) * 65535.0);这个pow函数在单片机上会占用不少CPU尤其是ESP8266这类小资源设备建议预先把256个PWM值算成对照表运行时候直接查表既省时间又稳定。4. 实操用Python从图片提取RGB并生成双版本颜色表4.1 读取指定像素的RGB值现成的颜色表再全也总有对不上的时候。我通常的做法是直接从图片里取色然后脚本自动输出8位、16位和RGB565三套结果。Pillow库读普通PNG/JPG很简单。示例代码from PIL import Image img Image.open(test.png).convert(RGB) rgb8 img.getpixel((120, 80)) print(8位通道 RGB:, rgb8) rgb16 tuple(v * 257 for v in rgb8) print(16位通道 RGB:, rgb16) def to_rgb565(r, g, b): r5 (r * 31 127) // 255 g6 (g * 63 127) // 255 b5 (b * 31 127) // 255 return (r5 11) | (g6 5) | b5 print(RGB565: 0x%04X % to_rgb565(*rgb8))这段代码会直接在终端里输出你要的三套结果。需要注意Pillow的convert(RGB)会把很多格式强制转成8位通道。如果图片本身是16位PNG想保留16位数据就不能直接convert(RGB)要检查mode比如是“I;16”还是“RGB;16”再按对应位深度处理。很多新手在这里踩坑明明打开的是16位图读出来的像素值却全是0到255就是因为没看mode。4.2 批量生成标准色阶和过渡色如果你不想手动输入几十个颜色可以直接用脚本生成一整组过渡色。比如我想生成从红色到黄色的64个渐变色顺便输出16位和RGB565可以这样写for i in range(64): r 255 g int(i * 255 / 63) b 0 rgb16 (r * 257, g * 257, b * 257) rgb565 to_rgb565(r, g, b) print(f#{r:02X}{g:02X}{b:02X} 8bit({r},{g},{b}) 16bit{rgb16} 5650x{rgb565:04X})生成结果直接就是一条可用的颜色表。做UI换肤、LED呼吸灯、色轮切换这类需求用这种方法比手敲靠谱得多。生成之后建议拿到实际设备上扫一遍因为脚本算出来的数值只代表数学上的颜色不代表最终显示效果。4.3 常见问题与排查技巧实录问题现象可能原因解决办法图片取的RGB和肉眼看到的不一样图片色彩空间不是sRGB显示器色温不对统一转成sRGB查看端做色彩管理16位PNG用PIL读出来还是0-255图片被convert(RGB)强制转成8位检查img.mode按“I;16”或“RGB;16”处理RGB565转出来颜色发暗把8位直接塞进了565通道位数不足先移位/四舍五入到5位6位5位再组合PWM调16位灯特别暗8位值没扩展就到了65535尺度用v16 v8 * 257转换在PS里16位通道填65535变成白色PS的16位/通道不是0-65535线性编码先看软件色阶上限按对应范围换算我自己实际处理16位TIFF时遇到过最坑的情况用ImageMagick查到的像素值上限是65535但导入MATLAB之后上限变成了65335左右原因是文件里嵌了一个非标准的颜色空间转换。所以遇到跨软件颜色值对不上的时候别急着怀疑颜色表先确认两边的色彩空间和位深编码方式。5. 一张比较全的8位/16位颜色速查表5.1 完整对照表这张表是我平时直接放在工程目录里当注释用的。16位通道列按0到65535线性编码用的是v8乘以257的换算关系RGB565列按主流单片机的移位截断方法计算。如果你用的16位通道编码是0到32768那这列的数值需要按比例再换算不要直接照抄。颜色中文HEX8位RGB16位通道RGBRGB565黑色黑#0000000,0,00,0,00x0000白色白#FFFFFF255,255,25565535,65535,655350xFFFF红色红#FF0000255,0,065535,0,00xF800绿色绿#00FF000,255,00,65535,00x07E0蓝色蓝#0000FF0,0,2550,0,655350x001F黄色黄#FFFF00255,255,065535,65535,00xFFE0青色青#00FFFF0,255,2550,65535,655350x07FF品红品红#FF00FF255,0,25565535,0,655350xF81F橙色橙#FFA500255,165,065535,42405,00xFD20深红深红#8B0000139,0,035723,0,00x8800金色金#FFD700255,215,065535,55255,00xFEA0黄绿黄绿#9ACD32154,205,5039578,52685,128500x9E66深绿深绿#0064000,100,00,25700,00x0320海军蓝藏蓝#0000800,0,1280,0,328960x0010道奇蓝亮蓝#1E90FF30,144,2557710,37008,655350x1C9F蓝绿蓝绿#0080800,128,1280,32896,328960x0410紫色紫#800080128,0,12832896,0,328960x8010粉色粉#FFC0CB255,192,20365535,49344,521710xFE19棕色棕#A52A2A165,42,4242405,10794,107940xA145银色银#C0C0C0192,192,19249344,49344,493440xC618灰色灰#808080128,128,12832896,32896,328960x8410暗灰暗灰#A9A9A9169,169,16943433,43433,434330xAD55亮灰亮灰#D3D3D3211,211,21154227,54227,542270xD69A橄榄橄榄#808000128,128,032896,32896,00x8400栗色栗色#800000128,0,032896,0,00x8000珊瑚珊瑚#FF7F50255,127,8065535,32639,205600xFBEA砖红砖红#B22222178,34,3445746,8738,87380xB104靛蓝靛蓝#4B008275,0,13019275,0,334100x48105.2 表格使用说明与验证建议这张表在纯色、基础色的场景下可以直接用但有一个前提必须提醒16位通道列采用的是0到65535整数线性编码也是Python、ImageMagick、很多科学计算库默认的方式。如果你的目标软件是Photoshop这种把16位/通道显示成0到32768的那就不能直接照抄需要再除以2左右。RGB565列用的是移位截断方式和四舍五入方式在个别颜色上可能差1这点差值在屏幕上基本看不出但如果你在做逐位比较的测试用例就要用同一套算法。我自己拿到一张新颜色表之后一般会先做三个验证第一用Python读取一个已知颜色的像素值确认软件通道范围到底是0到255还是0到65535第二生成一张纯色测试图在目标屏幕上肉眼确认颜色方向对不对第三用RGB565画一条从黑到白的渐变看看有没有明显色阶断层。这三步走完那张表基本就可以放心用了。最后再分享一个小技巧做嵌入式UI的时候不要每次临时查RGB565直接把你常用的十几个颜色定义成宏或常量数组像纯色、半透明遮罩色、警告色、成功色放一起。我就是这么干的后来换屏幕、换项目的时候直接复制头文件省了非常多时间。颜色的坑永远存在于数字到显示的那一段路程里手里有表、心里有换算、眼睛盯着设备比背多少颜色值都管用。

8位/16位RGB颜色对照与换算：从网页到嵌入式RGB565与PWM调光

相关推荐

Storybook 如何用 Measure 与 Outline 功能可视化排查布局间距与对齐问题

Argo CD RBAC 权限配置完全指南：从内置角色到细粒度资源授权

UEFITool-UE固件解析工具深度指南：CSE/RTS/GPT修复与Secure Boot审计

更多资讯

kohya_ss LoRA训练：从数据集到可加载的权重文件

LangChain.js Zod 兼容性测试：用回归测试守住类型系统 OOM 的最后一道防线

Argo CD 集群管理实战指南：添加、跳过协调与移除集群

三维地质建模技术与矿体储量估算实践

直播卖货高转化7步法与5大实战技巧

LifeOS 品牌重命名工程解析：RenamePlan 分波次策略、RenameMap.json 映射表与切日运行手册

今日更新

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？