50

原始问题

我正在寻找一个试图量化两种颜色“遥远”(或不同)的功能。这个问题实际上分为两部分:

  1. 什么色彩空间最能代表人类视觉?
  2. 该空间中的什么距离度量最能代表人类视觉(欧几里得?)
4

7 回答 7

45

转换为 La*b*(也就是简单的“Lab”,您还会看到对“CIELAB”的引用)。一个很好的快速测量色差的方法是

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

色彩科学家还有其他更精细的测量方法,这可能不值得费心,这取决于您正在做的事情所需的准确性。

ab值以类似于锥体工作方式的方式表示相反的颜色,并且可能是负数或正数。中性色——白色,灰色是a=0b=0。这L是以特定方式定义的亮度,从零(纯黑暗)到其他任何值。

粗略的解释:>> 给定一种颜色,我们的眼睛可以区分两种广泛的波长范围——蓝色和更长的波长。然后,由于最近的基因突变,较长波长的锥体分成两部分,为我们区分了红色和绿色。

顺便说一句,如果你的职业生涯超越那些只知道“RGB”或“CMYK”对设备非常有用但对严肃的感知工作却很糟糕的色彩穴居人同事,那将是一件好事。我曾为对这些东西一无所知的成像科学家工作过!

如需更多有趣的色差理论阅读,请尝试:

有关 Lab 的更多详细信息,请访问http://en.kioskea.net/video/cie-lab.php3我目前无法找到实际上包含转换公式的非丑陋页面,但我相信有人会编辑这个答案包括一个。

于 2008-09-16T16:08:42.313 回答
9

由于上面的 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(经过很长的旅程......)如何计算最佳颜色距离,以及......最科学准确的一个:deltaE和从 2使用 OpenCV 的 RGB (!) 值:

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

最后是代码(似乎开箱即用,希望没有人在那里发现严重的错误......但经过多次测试后似乎很好)

#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 );
}

希望它可以帮助某人:)

于 2013-10-17T01:39:38.420 回答
5

HSL 和 HSV 更适合人类的颜色感知。根据维基百科

在处理艺术材料、数字化图像或其他媒体时,有时最好使用 HSV 或 HSL 颜色模型,而不是 RGB 或 CMYK 等替代模型,因为这些模型模拟人类感知颜色的方式存在差异。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

于 2008-08-04T15:16:11.537 回答
4

最简单的距离当然是将颜色视为源自同一原点的 3d 矢量,并取其端点之间的距离。

如果需要考虑绿色在判断强度方面更突出的因素,可以权衡取值。

ImageMagic提供以下比例:

  • 红色:0.3
  • 绿色:0.6
  • 蓝色:0.1

当然,像这样的值只会相对于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将是相似性排序。

于 2008-08-04T15:14:40.277 回答
4

维基百科关于颜色差异的文章列出了许多颜色空间和距离度量,旨在与人类对颜色距离的感知一致。

于 2008-08-24T15:38:38.320 回答
3

好吧,作为第一个电话点,我想说的是通用指标 HSV(色相、饱和度和值)或 HSL 比 RGB 或 CYMK 更能代表人类感知颜色的方式。请参阅Wikipedia 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,这意味着亮黄色和亮绿色将被视为与绿色与深绿色一样不同。但后来许多人认为红色和粉红色是两种不同的颜色。

而且,这个参数空间中同方向的差分向量是不相等的。例如,人眼对绿色的感知比其他颜色要好得多。色调从绿色的偏移量与从红色的偏移量相同可能看起来更大。此外,饱和度从少量到零的变化是灰色和粉红色之间的差异,在其他地方,这种变化将是两种红色之间的差异。

从程序员的角度来看,您需要绘制差异向量,但需要通过比例矩阵修改,该矩阵将相应调整 HSL 空间各个区域的长度 - 这将是相当随意的,并且将基于各种颜色理论思想,但可以根据您想要应用的内容进行相当任意的调整。

更好的是,你可以看看是否有人已经在网上做过这样的事情......

于 2008-08-04T15:37:43.367 回答
2

作为一个色盲的人,我相信尝试增加比正常视力更多的分离是件好事。最常见的色盲形式是红/绿缺乏症。这并不意味着你看不到红色或绿色,它意味着更难看到,更难看到差异。因此,色盲者在分辨出差异之前需要更大的分离度。

于 2008-09-16T16:45:50.010 回答