再加上其他人说的话:

所有这些方程在实践中都工作得很好，但如果你需要非常精确，你必须首先将颜色转换为线性颜色空间(应用逆图像-gamma)，对原色进行权重平均，如果你想显示颜色- 把亮度调回监控器伽马。

在深灰色中，忽略伽玛和正确伽玛之间的亮度差异高达20%。

基于所有这些答案，我的简单结论是，对于大多数实际用例，您只需要:

brightness = 0.2*r + 0.7*g + 0.1*b 

当r,g,b值在0到255之间时，亮度范围也在0(=黑)到255(=白)之间。

可以对它进行微调，但通常没有必要。

“接受”的答案是不正确和不完整的

唯一准确的答案是@ ji- dadson和@EddingtonsMonkey的答案，并支持@ niles -pipenbrinck。其他答案(包括已接受的答案)链接到或引用了错误的、不相关的、过时的或坏的来源。

简要:

sRGB必须在应用系数之前线性化。 亮度(L或Y)与光一样是线性的。 感知亮度(L*)与人类感知一样是非线性的。 HSV和HSL在感知方面甚至远不准确。 sRGB的IEC标准指定阈值为0.04045，而不是0.03928(这是来自过时的早期草案)。 为了有用(即相对于感知)，欧几里得距离需要一个感知一致的笛卡尔向量空间，如CIELAB。sRGB不是其中之一。

---

以下是正确而完整的回答:

由于这条线索在搜索引擎中出现频率很高，我添加了这个答案来澄清关于这个主题的各种误解。

亮度是光的线性测量，对正常视力进行光谱加权，但对亮度的非线性感知不进行调整。它可以是相对度量，如CIEXYZ中的Y，或L, cd/m2的绝对度量(不要与L*混淆)。

一些视觉模型如CIELAB使用感知明度，这里L* (Lstar)为感知明度值，且为非线性，以近似人类视觉非线性响应曲线。(也就是说，对知觉是线性的，但因此对光是非线性的)。

亮度是一种感知属性，它不具有“物理”度量。然而，一些颜色外观模型确实有一个值，通常用“Q”表示感知亮度，这与感知亮度不同。

Luma (Y´')是一种伽玛编码的加权信号，用于某些视频编码(Y´I´Q´)。不要与线性亮度混淆。

Gamma或传递曲线(TRC)是一种通常与感知曲线相似的曲线，通常用于存储或广播图像数据，以减少感知噪声和/或提高数据利用率(以及相关原因)。

为了确定感知亮度，首先将gamma编码的R´G´B´图像值转换为线性亮度(L或Y)，然后转换为非线性感知亮度(L*)

---

寻找亮度:

.．.因为很明显它在某个地方丢失了……

第一步:

将所有sRGB 8位整数值转换为十进制0.0-1.0

  vR = sR / 255;
  vG = sG / 255;
  vB = sB / 255;

第二步:

将gamma编码的RGB转换为线性值。例如，sRGB(计算机标准)要求功率曲线约为V^2.2，尽管“准确的”变换是:

其中V´为sRGB的伽玛编码R、G或B通道。 伪代码:

function sRGBtoLin(colorChannel) {
        // Send this function a decimal sRGB gamma encoded color value
        // between 0.0 and 1.0, and it returns a linearized value.

    if ( colorChannel <= 0.04045 ) {
            return colorChannel / 12.92;
        } else {
            return pow((( colorChannel + 0.055)/1.055),2.4);
        }
    }

第三步:

要找到亮度(Y)，应用sRGB的标准系数:

使用上述函数的伪代码:

Y = (0.2126 * sRGBtoLin(vR) + 0.7152 * sRGBtoLin(vG) + 0.0722 * sRGBtoLin(vB))

---

找到可感知的轻盈:

步骤四:

从上面取亮度Y，变换为L*

伪代码:

function YtoLstar(Y) {
        // Send this function a luminance value between 0.0 and 1.0,
        // and it returns L* which is "perceptual lightness"

    if ( Y <= (216/24389)) {       // The CIE standard states 0.008856 but 216/24389 is the intent for 0.008856451679036
            return Y * (24389/27);  // The CIE standard states 903.3, but 24389/27 is the intent, making 903.296296296296296
        } else {
            return pow(Y,(1/3)) * 116 - 16;
        }
    }

L*是一个从0(黑色)到100(白色)的值，其中50是感知的“中间灰色”。L* = 50相当于Y = 18.4，换句话说，一张18%的灰卡，代表一张照片曝光的中间(安塞尔·亚当斯V区)。

引用:

IEC 61966-2-1:1999标准 维基百科sRGB 维基百科CIELAB 维基百科CIEXYZ Charles Poynton的Gamma常见问题解答

HSV色彩空间应该做的把戏，看维基百科文章取决于你正在工作的语言，你可能会得到一个库转换。

H是色调，是颜色的数值(即红色，绿色…)

S是颜色的饱和度，即它有多“强烈”

V是颜色的亮度。

正如@Nils Pipenbrinck所提到的:

所有这些方程在实践中都很有效，但如果你需要非常精确，你就必须[做一些额外的gamma东西]。在深灰色中，忽略伽玛和正确伽玛之间的亮度差异高达20%。

这里有一个完全自包含的JavaScript函数，它做了“额外的”工作来获得额外的准确性。它基于Jive Dadson对这个问题的c++回答。

// Returns greyscale "brightness" (0-1) of the given 0-255 RGB values
// Based on this C++ implementation: https://stackoverflow.com/a/13558570/11950764
function rgbBrightness(r, g, b) {
  let v = 0;
  v += 0.212655 * ((r/255) <= 0.04045 ? (r/255)/12.92 : Math.pow(((r/255)+0.055)/1.055, 2.4));
  v += 0.715158 * ((g/255) <= 0.04045 ? (g/255)/12.92 : Math.pow(((g/255)+0.055)/1.055, 2.4));
  v += 0.072187 * ((b/255) <= 0.04045 ? (b/255)/12.92 : Math.pow(((b/255)+0.055)/1.055, 2.4));
  return v <= 0.0031308 ? v*12.92 : 1.055 * Math.pow(v,1.0/2.4) - 0.055;
}

请参阅Myndex的答案以获得更准确的计算。

有趣的是，RGB=>HSV的公式只是使用v=MAX3(r,g,b)。换句话说，你可以用(r,g,b)的最大值作为HSV中的V。

我查了一下，在Hearn & Baker的575页，这也是他们计算“价值”的方法。