色彩空间转换与色差计算算法 |
您所在的位置：网站首页 › 色差在线计算方法 › 色彩空间转换与色差计算算法 |
色彩空间转换与色差计算算法
|
一、色彩空间
1.1 色域
先明确一个概念：色域描述的是颜色的范围，比如：在这个色域里，最红的红到底有多红？ 常见的色域都以下面的马蹄图为基础的，这是一个不规则形状的图形，三个端点分别是红色、绿色和蓝色。 不同的色域通常是这个范围的子集，比如：我们常听说的sRGB、NTSC、P3、Adobe RGB、2020、CMYK等。
这些不同的色域由不同行业、不同的组织、不同的时间定义的。这些色域有重合区域，同样也有不重合区域，如下图所示。 1.2 颜色模型同样先明确颜色模型的概念：颜色模型定义的是从哪些维度来描述一个颜色。 颜色模型是不同的描述颜色的方法，比如：Lab、RGB、HSL、HSV等，这些不同的色彩模型由不同的专家提出。通过这些模型，能够直观的、以向量的方式把颜色唯一的表示出来。 之所以有着多么的颜色模型，可能是因为有两个原因： 各个大师对颜色的理解不同：就像元素周期表也有不同的版本一样； 不同行业对颜色的应用不同： 显示器：是自发光物体，而且本身就以RGB为发光原理； 广播电视：需要兼容黑白和彩色信号，所以以亮度和色度来描述颜色，来达到新旧设备的兼容性，使用YCbCr信号； 印刷行业：印刷品需要反射光来显色，是利用的减色原理，所以使用的是CMY模型； 视频文件：视频压缩需要删除冗余信号，所以使用Yuv模型； …… 二、色彩空间转换色彩空间转换这个概念针对的是：不同颜色表示方法之间的互相转换，就像角度和弧度的换算，其实说的是一回事。 这一块的具体计算方法我直接放到文章最后了，因为这一块的难度比较低，但是占太多位置了。 三、色差计算色差描述的是两个颜色之间的差异，这个同样有不同的算法。 按照我的认知δE 2000应该是最新、最受认可的算法了，它不仅体现出了颜色之间的差异，还根据人眼的感知特性对算法做了修正，让计算结果与人的感知更加匹配。 可以看出δC的计算方法是很简单粗暴的，就直接取均方值了，且去掉了亮度信息。 3.2 δE CIE Delta E* = sqrt( ( ( CIE-L*1 - CIE-L*2 ) ^ 2 )+ ( ( CIE-a*1 - CIE-a*2 ) ^ 2 ) + ( ( CIE-b*1 - CIE-b*2 ) ^ 2 ) )δE CIE的计算方法与上面的类型，但是增加了亮度信息。 这里补充一下关于亮度的个人理解：颜色中的“亮度”描述的是颜色本身的明度信息，显示器的“亮度”描述的是显示器背光灯的发光强度。这两者理论上应该是互相独立的，以LCD型显示器为例： 颜色的亮度：完全取决于显示器R、G、B三个子像素的颜色，而这三个子像素的颜色完全取决于子像素背后的液晶偏转程度和RGB的CF颜色； 显示器的亮度：完全取决于显示器背光模组灯珠的亮度、导光板和其他各层对光的透过率。
所以，这两个亮度描述的是2个维度的事，但是从实际观感来看，好像还是会有主观感受上的差异。 3.3 δE 1994δE1994和2000的计算方法会稍微复杂一些，因为会涉及到一些权重系数，下面是ColorMath的官方Python实现方法。 import numpy from colormath import color_diff_matrix def _get_lab_color1_vector(color): """ Converts an LabColor into a NumPy vector. :param LabColor color: :rtype: numpy.ndarray """ if not color.__class__.__name__ == 'LabColor': raise ValueError( "Delta E functions can only be used with two LabColor objects.") return numpy.array([color.lab_l, color.lab_a, color.lab_b]) def _get_lab_color2_matrix(color): """ Converts an LabColor into a NumPy matrix. :param LabColor color: :rtype: numpy.ndarray """ if not color.__class__.__name__ == 'LabColor': raise ValueError( "Delta E functions can only be used with two LabColor objects.") return numpy.array([(color.lab_l, color.lab_a, color.lab_b)]) # noinspection PyPep8Naming def delta_e_cie1976(color1, color2): """ Calculates the Delta E (CIE1976) of two colors. """ color1_vector = _get_lab_color1_vector(color1) color2_matrix = _get_lab_color2_matrix(color2) delta_e = color_diff_matrix.delta_e_cie1976(color1_vector, color2_matrix)[0] return numpy.asscalar(delta_e) # noinspection PyPep8Naming def delta_e_cie1994(color1, color2, K_L=1, K_C=1, K_H=1, K_1=0.045, K_2=0.015): """ Calculates the Delta E (CIE1994) of two colors. K_l: 0.045 graphic arts 0.048 textiles K_2: 0.015 graphic arts 0.014 textiles K_L: 1 default 2 textiles """ color1_vector = _get_lab_color1_vector(color1) color2_matrix = _get_lab_color2_matrix(color2) delta_e = color_diff_matrix.delta_e_cie1994( color1_vector, color2_matrix, K_L=K_L, K_C=K_C, K_H=K_H, K_1=K_1, K_2=K_2)[0] return numpy.asscalar(delta_e) # noinspection PyPep8Naming def delta_e_cie2000(color1, color2, Kl=1, Kc=1, Kh=1): """ Calculates the Delta E (CIE2000) of two colors. """ color1_vector = _get_lab_color1_vector(color1) color2_matrix = _get_lab_color2_matrix(color2) delta_e = color_diff_matrix.delta_e_cie2000( color1_vector, color2_matrix, Kl=Kl, Kc=Kc, Kh=Kh)[0] return numpy.asscalar(delta_e) # noinspection PyPep8Naming [docs]def delta_e_cmc(color1, color2, pl=2, pc=1): """ Calculates the Delta E (CMC) of two colors. CMC values Acceptability: pl=2, pc=1 Perceptability: pl=1, pc=1 """ color1_vector = _get_lab_color1_vector(color1) color2_matrix = _get_lab_color2_matrix(color2) delta_e = color_diff_matrix.delta_e_cmc( color1_vector, color2_matrix, pl=pl, pc=pc)[0] return numpy.asscalar(delta_e) 3.4 δE 2000在δE 2000的计算过程中，有WHT-L、WHT-C、WHT-H三个权重参数的设置。 下面的Python实现是我根据EasyRGB上的脚本进行改动实现的。 import math # 第一个颜色的Lab值 CIE_L1, CIE_a1, CIE_b1 = 60, 5 |
【本文地址】
今日新闻 |
推荐新闻 |