在图像处理和嵌入式开发中，我们经常会遇到16位色彩数据（如RGB565）与标准24位RGB之间的转换需求。今天就来聊聊这个话题，分享一些实用的转换技巧和避坑经验。

为什么需要16位转RGB？

1. 应用场景：嵌入式设备（如单片机显示屏）、游戏开发、物联网设备等常使用RGB565格式节省内存
2. 常见痛点：
3. 直接移位转换可能导致颜色偏差
4. 大量像素转换时性能瓶颈明显
5. 不同设备的字节序(Endian)问题

16位色彩编码原理

最常见的RGB565格式将颜色分为： - 5位红色（R） - 6位绿色（G） - 5位蓝色（B）

对比24位RGB（各8位），需要在转换时进行位数扩展。关键公式：

8位值 = (N位值 << (8-N)) | (N位值 >> (2*N-8))

核心转换算法（C++示例）

// RGB565转RGB24标准实现
void rgb565_to_rgb24(uint16_t rgb565, uint8_t* rgb24) {
    // 提取各颜色分量（注意位操作优先级）
    uint8_t r = (rgb565 & 0xF800) >> 11; // 取高5位
    uint8_t g = (rgb565 & 0x07E0) >> 5;  // 取中间6位
    uint8_t b = rgb565 & 0x001F;         // 取低5位

    // 位数扩展（保持比例关系）
    rgb24[0] = (r << 3) | (r >> 2);  // 5->8位
    rgb24[1] = (g << 2) | (g >> 4);  // 6->8位
    rgb24[2] = (b << 3) | (b >> 2);  // 5->8位
}

性能优化技巧

1. 查表法(LUT)：
2. 预处理5/6位到8位的映射表

3. 减少运行时计算量

4. SIMD指令集：

5. 使用SSE/NEON同时处理多个像素

6. 循环展开：

7. 减少循环开销（实测可提升15-20%效率）

常见坑点

• 字节序问题：ARM和x86平台可能字节序不同，建议用htons/ntohs处理
• 溢出处理：颜色值计算时使用足够宽的整数类型
• Gamma校正：直接转换可能忽略色彩空间差异

实战应用示例

在STM32上驱动LCD的典型流程：

1. 接收传感器原始数据（RGB565）
2. 转换为RGB888格式
3. 通过DMA传输到显示缓冲区

# Python版转换示例（适合数据处理）
def rgb565_to_rgb888(data):
    return ((data & 0xF800) >> 8,  # R
            (data & 0x07E0) >> 3,  # G
            (data & 0x001F) << 3)  # B

思考题

1. 如何处理HDR图像的16位色彩转换？
2. 在WebGL中如何高效实现这种转换？
3. 当需要保持色彩精度时，应该采用什么策略？

希望这篇指南能帮你避开颜色转换的那些坑！如果有更好的优化方法，欢迎交流讨论~