以下关于定义的内容来自冈萨雷斯——《数字图像处理》
RGB彩色模型：图像由三个分量图像组成，每种原色一副分量图像。当送入RGB监视器时，这三幅图像在屏幕上混合生成一副合成的彩色图像。
HSI彩色模型：RGB模型的彩色系统对于硬件实现很理想，且与人眼强烈感知红、绿、蓝三原色的事实能很好的匹配。遗憾的是RGB模型和其它类似的彩色模型不能很好的适应实际上人解释的颜色(1)。人观察一个彩色物体时，我们用其色调、饱和度和亮度来描述它，这就是HSI彩色模型。
(1)原因与人眼中感光细胞对各种原色光的敏感度（65%对红光敏感，33%对绿光敏感，2%对蓝光敏感，但蓝色椎状细胞对蓝光更敏感）有关。详细信息需参见“色度学”。
色调(H)：描述一种纯色（纯黄，纯红或纯橙色）的颜色属性。当我们说一个物体为红色，黄色时，指的是其色调。
饱和度(S)：指颜色的相对纯净度或一种颜色混合白光的数量，它指的是一种纯色被白光稀释的程度的度量。纯谱色是全饱和的。饱和度与所加白光的数量成反比。
亮度(I)：是一个主管的描述子，实际上它是不可度量的。它体现了无色的强度概念，并且是描述彩色感觉的关键因子之一。
亮度之所以不可以度量，也是因为人眼的感光是一个主观概念，在HSI模型中，亮度值I = (R + G + B) / 3。这样的理由很好理解，因为在RGB监视器上，彩色是由三种颜色强度的电子灯混合产生的，我们把每个电子灯想象成一个火把，那么火把的亮度就由总的火把数决定，RGB是在各个分量上的值，所以统一到一齐之后可以使用其加权平均来描述亮度。
灰度：所谓灰度色，就是指纯白、纯黑以及两者中的一系列从黑到白的过渡色。在RGB彩色模型中，灰度色的R=G=B。
将RGB彩色图像转为灰度图，是通过计算每一个RGB像素的等效灰度或者亮度值Y来实现的。转化的一个原则是——应该保证最终的灰色图像和最初的彩色图像主观上有相同的亮度。
在最简单的情况下，Y可以取RGB三分量的加权平均值。
Y = Avg(R, G, B) = (R + G + B) / 3;
实际上，由于红色和黄色看上去比蓝色亮，这就导致转化后的灰度图像的红黄区域比较暗，而蓝色区域比较亮。因此可以使用颜色分量的加权和来计算等效的亮度值。
Y = Lum(R, G, B) = wr * R + wg * G + wb * B;
常用的权值来自模拟彩色信号编码
wr = 0.299 wg = 0.587 wb = 0.114
使用wr = 0.3 wg = 0.59 wb = 0.11值进行彩色转化效果如下：
注意：上述权值是通过电视信号发展起来的，它们仅仅对线性RGB分量值是最有的，即不包含γ（伽马）校正的信号。然而在很多场合下，RGB分量值是非线性的，这种情况下，为了应用上面的权值得到正确的亮度，首先必须对RGB分量进行线性化。另外的方案是不通过线性化来对灰度值进行估计，这就需要应用一个不同权值的集合来对非线性分量进行加权求和。