**一、理论概述**
RGB色彩模式是通过三种基本原色的不同强度混合来产生各种可见光谱的颜色，而HSI则是一种更为接近人眼感知颜色的方式来描述色彩：
1. **Hue (色调)**：定义了彩色的具体类型，在0°-360°范围内变化，对应于彩虹上的一个角度位置。
2. **Saturation(饱和度)**：反映了颜色纯度或鲜明程度的程度，取值范围通常为[0, 1]，越靠近1代表该颜色越纯粹鲜艳；反之，则趋向灰阶或者白色。
3. **Intensity/ brightness/Luminance(亮度/明度)**：衡量的是整体颜色的亮暗程度，不考虑其具体颜色属性。
**二、转化公式详解**
从数学角度来看， RGB到HSI 的变换可以通过以下步骤完成:
首先计算出总光照 intensity(I)：
\[ I = \frac{R + G + B}{3} \]
然后分别求得 Hue(H) 和 Saturation(S)，这里需要引入最大(RGB中最大的那个数值记作Max)和最小(minimum of R,G,B 记做Min)的概念:
对于 H :
如果 Max= Min，则 hue 值任意设定；
否则，
当 Max=R时,
\( H = \begin{cases}
\frac{(G - B)}{\Delta} & ,\text{if } G > B \\
\frac{(B-G)}{\Delta}+2&,\text{otherwise }
\end{cases}\)
此处 Δ=max-min ，上述公式需乘以60并换算至 [0,360) 区间内。
接着计算 Saturation(S):
\[ S=\begin{cases}
\frac{{\max}-{\min}}{I}&, \quad {\rm if }\; I>0\\
0&, \quad {\rm otherwise}\\
\end{cases} \]
最后结合以上三个变量即可得到对应的 HSIV 向量。
**三、 MATLAB 实现代码示例**
下面给出一段使用Matlab实现此转换过程的简要伪码片段：
matlab
function [h,s,i]=rgb2hsi(r,g,b)
% r, g and b 是归一化后的RGB通道值
i = mean([r,g,b]); % 计算亮度 Intensity
delta = max(max(r-g), abs(b-r), abs(g-b)); % 获取最大差值用于hue和saturation计算
s = delta / i; % 计算饱和度 Saturation
case_when_max_is_r =
((g >= b) && ~isempty(find(delta))) * (((g - b)/delta)*60);
h = case_when_max_is_g_or_b = ...
min((b - r)/delta + 4., ... % 当最大值为绿色或蓝色的情况
(~isempty(find(delta)))*(g - b)/delta + 2.);
h=h*ones(size(i));
h(h==360)=0;
h=(h./60)+1;% 将区间调整到[1,6]
注意这段代码仅为示意性简化版，请实际应用过程中参照实际情况完善边界条件以及错误检查部分，确保所有输入数据有效并且能够正确映射回所需的HSV范围之内。
总结来说，通过对RGB色彩空间到HSI色彩空间的成功转换，我们可以利用HSI特性更好地执行诸如颜色识别、物体检测等相关算法的设计与实施工作，从而增强系统性能和效果表现力。同时借助如MATLAB这样的强大工具平台快速高效地实现了这一转变过程，使得科研人员可以更加专注于核心问题的研究解决而非底层技术细节上投入过多精力。