原始问题

我正在寻找一种功能,试图量化两种颜色的“遥远”(或不同)。 这个问题实际上分为两部分:

  1. 什么颜色空间最能代表人类的视觉?
  2. 该空间中的距离度量最能代表人类视觉(欧几里德?)

===============>>#1 票数:43 已采纳

转换为La * b *(也就是普通的“Lab”,你也会看到对“CIELAB”的引用)。 快速测量色差很好

(L1-L2)^ 2 +(a1-a2)^ 2 +(b1-b2)^ 2

颜色科学家有其他更精确的措施,这可能不值得打扰,这取决于你正在做什么所需的准确性。

ab值以类似于锥体的工作方式表示相反的颜色,并且可以是负的或正的。 中性色 - 白色,灰色是a=0b=0 L是以特定方式定义的亮度,从零(纯黑暗)到任何方式。

粗略解释:>>鉴于颜色,我们的眼睛区分两个宽范围的波长 - 蓝色波长和更长波长。 然后,由于最近的基因突变,更长波长的锥体分成两部分,区分我们红色与绿色。

顺便说一句,你的职业生涯将超越你的颜色穴居人同事,他们只知道“RGB”或“CMYK”,这些设备非常适合设备,但却会吸引严肃的感知工作。 我曾为影像科学家工作,他们对这些东西一无所知!

有关色差理论的更多乐趣,请尝试:

有关实验室的详细信息,请访问http://en.kioskea.net/video/cie-lab.php3我目前无法找到实际拥有转换公式的非丑陋页面,但我确信有人会编辑此内容答案包括一个。

===============>>#2 票数:8

因为上面的cmetric.htm链接对我来说失败了,以及我发现的许多其他颜色距离实现(经过很长时间的jurney ..)如何计算最佳颜色距离,并且..最科学准确的一个: deltaE和2使用OpenCV的RGB(!)值:

这需要3个颜色空间转换+从javascript( http://svn.int64.org/viewvc/int64/colors/colors.js )到C ++的一些代码转换

最后代码(似乎开箱即用,希望没有人发现那里的严重错误......但经过多次测试后似乎没问题)

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/photo/photo.hpp>
#include <math.h>

using namespace cv;
using namespace std;

#define REF_X 95.047; // Observer= 2°, Illuminant= D65
#define REF_Y 100.000;
#define REF_Z 108.883;

void bgr2xyz( const Vec3b& BGR, Vec3d& XYZ );
void xyz2lab( const Vec3d& XYZ, Vec3d& Lab );
void lab2lch( const Vec3d& Lab, Vec3d& LCH );
double deltaE2000( const Vec3b& bgr1, const Vec3b& bgr2 );
double deltaE2000( const Vec3d& lch1, const Vec3d& lch2 );


void bgr2xyz( const Vec3b& BGR, Vec3d& XYZ )
{
    double r = (double)BGR[2] / 255.0;
    double g = (double)BGR[1] / 255.0;
    double b = (double)BGR[0] / 255.0;
    if( r > 0.04045 )
        r = pow( ( r + 0.055 ) / 1.055, 2.4 );
    else
        r = r / 12.92;
    if( g > 0.04045 )
        g = pow( ( g + 0.055 ) / 1.055, 2.4 );
    else
        g = g / 12.92;
    if( b > 0.04045 )
        b = pow( ( b + 0.055 ) / 1.055, 2.4 );
    else
        b = b / 12.92;
    r *= 100.0;
    g *= 100.0;
    b *= 100.0;
    XYZ[0] = r * 0.4124 + g * 0.3576 + b * 0.1805;
    XYZ[1] = r * 0.2126 + g * 0.7152 + b * 0.0722;
    XYZ[2] = r * 0.0193 + g * 0.1192 + b * 0.9505;
}

void xyz2lab( const Vec3d& XYZ, Vec3d& Lab )
{
    double x = XYZ[0] / REF_X;
    double y = XYZ[1] / REF_X;
    double z = XYZ[2] / REF_X;
    if( x > 0.008856 )
        x = pow( x , .3333333333 );
    else
        x = ( 7.787 * x ) + ( 16.0 / 116.0 );
    if( y > 0.008856 )
        y = pow( y , .3333333333 );
    else
        y = ( 7.787 * y ) + ( 16.0 / 116.0 );
    if( z > 0.008856 )
        z = pow( z , .3333333333 );
    else
        z = ( 7.787 * z ) + ( 16.0 / 116.0 );
    Lab[0] = ( 116.0 * y ) - 16.0;
    Lab[1] = 500.0 * ( x - y );
    Lab[2] = 200.0 * ( y - z );
}

void lab2lch( const Vec3d& Lab, Vec3d& LCH )
{
    LCH[0] = Lab[0];
    LCH[1] = sqrt( ( Lab[1] * Lab[1] ) + ( Lab[2] * Lab[2] ) );
    LCH[2] = atan2( Lab[2], Lab[1] );
}

double deltaE2000( const Vec3b& bgr1, const Vec3b& bgr2 )
{
    Vec3d xyz1, xyz2, lab1, lab2, lch1, lch2;
    bgr2xyz( bgr1, xyz1 );
    bgr2xyz( bgr2, xyz2 );
    xyz2lab( xyz1, lab1 );
    xyz2lab( xyz2, lab2 );
    lab2lch( lab1, lch1 );
    lab2lch( lab2, lch2 );
    return deltaE2000( lch1, lch2 );
}

double deltaE2000( const Vec3d& lch1, const Vec3d& lch2 )
{
    double avg_L = ( lch1[0] + lch2[0] ) * 0.5;
    double delta_L = lch2[0] - lch1[0];
    double avg_C = ( lch1[1] + lch2[1] ) * 0.5;
    double delta_C = lch1[1] - lch2[1];
    double avg_H = ( lch1[2] + lch2[2] ) * 0.5;
    if( fabs( lch1[2] - lch2[2] ) > CV_PI )
        avg_H += CV_PI;
    double delta_H = lch2[2] - lch1[2];
    if( fabs( delta_H ) > CV_PI )
    {
        if( lch2[2] <= lch1[2] )
            delta_H += CV_PI * 2.0;
        else
            delta_H -= CV_PI * 2.0;
    }

    delta_H = sqrt( lch1[1] * lch2[1] ) * sin( delta_H ) * 2.0;
    double T = 1.0 -
            0.17 * cos( avg_H - CV_PI / 6.0 ) +
            0.24 * cos( avg_H * 2.0 ) +
            0.32 * cos( avg_H * 3.0 + CV_PI / 30.0 ) -
            0.20 * cos( avg_H * 4.0 - CV_PI * 7.0 / 20.0 );
    double SL = avg_L - 50.0;
    SL *= SL;
    SL = SL * 0.015 / sqrt( SL + 20.0 ) + 1.0;
    double SC = avg_C * 0.045 + 1.0;
    double SH = avg_C * T * 0.015 + 1.0;
    double delta_Theta = avg_H / 25.0 - CV_PI * 11.0 / 180.0;
    delta_Theta = exp( delta_Theta * -delta_Theta ) * ( CV_PI / 6.0 );
    double RT = pow( avg_C, 7.0 );
    RT = sqrt( RT / ( RT + 6103515625.0 ) ) * sin( delta_Theta ) * -2.0; // 6103515625 = 25^7
    delta_L /= SL;
    delta_C /= SC;
    delta_H /= SH;
    return sqrt( delta_L * delta_L + delta_C * delta_C + delta_H * delta_H + RT * delta_C * delta_H );
}

希望它可以帮助别人:)

===============>>#3 票数:4

HSL和HSV对人类的颜色感知更好。 根据维基百科

在使用艺术材料,数字化图像或其他媒体时,有时优选使用HSV或HSL颜色模型而不是RGB或CMYK等替代模型,因为模型模仿人类感知颜色的方式不同。 RGB和CMYK分别是加法和减法模型,模拟原色光或颜料(分别)在混合时组合形成新颜色的方式。

HSV的图形描述

===============>>#4 票数:3

维基百科关于色差的文章列出了许多色彩空间和距离度量,旨在与人类对色彩距离的感知相一致。

===============>>#5 票数:2

可能看起来像垃圾邮件,但不,这个链接真的很有趣的色彩空间:)

http://www.compuphase.com/cmetric.htm

===============>>#6 票数:2

最简单的距离当然是将颜色视为源自相同原点的3d矢量,并考虑它们的终点之间的距离。

如果您需要考虑绿色在判断强度时更为突出的因素,您可以权衡这些值。

ImageMagic提供以下比例:

  • 红色:0.3
  • 绿色:0.6
  • 蓝色:0.1

当然,像这样的值只对其他颜色的其他值有意义,而不是对人类有意义的东西,所以你可以使用的值就是相似性排序。

===============>>#7 票数:2

好吧,作为第一个调用点,我会说HSV(色调,饱和度和值)或HSL的常用指标更能代表人类感知颜色,而不是RGB或CYMK。 请参阅维基百科上的HSL,HSV

我天真地想,我会在HSL空间中为两种颜色绘制点,并计算差异向量的大小。 然而,这意味着明亮的黄色和亮绿色将被视为与绿色到深绿色的不同。 但是很多人认为红色和粉红色有两种不同的颜色。

而且,该参数空间中相同方向的差矢量不相等。 例如,人眼比其他颜色更好地拾取绿色。 色调从绿色变化与从红色变化相同的量可能看起来更大。 饱和度从小量到零的变化是灰色和粉红色之间的差异,其他地方的变化将是两种红色色调之间的差异。

从程序员的角度来看,你需要绘制差异向量,但需要在HSL空间的不同区域相应地调整长度的比例矩阵进行修改 - 这将是相当随意的,并且将基于各种颜色理论的想法但是根据你想要应用的内容,相当随意地调整。

更好的是,你可以看到是否有人已经在网上做过这样的事情......

===============>>#8 票数:2

作为一个色盲的人,我认为尝试增加更多的分离然后是正常的视力是好的。 最常见的色盲形式是红/绿缺陷。 这并不意味着你看不到红色或绿色,这意味着它更难以看到,更难以看到差异。 因此,在色盲人员能够区分之前需要更大的分离。

  ask by Louis Brandy translate from so

未解决问题?本站智能推荐: