跟进:找出颜色之间的准确“距离”

转换为la*b*(也就是简单的“la b”,您还会看到“cielab”的引用)。一个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确的测量方法,这可能不值得麻烦,这取决于你所做的工作所需的准确度。

这个 a 和 b 值以类似于圆锥体工作方式的方式表示相反的颜色,可以是负数或正数。中性色-白色、灰色 a=0 , b=0 . 这个 L 亮度是以特定的方式定义的,从零(纯黑暗)到任何东西。

粗略的解释:给定一种颜色,我们的眼睛可以区分两个波长范围——蓝色和较长波长。然后,由于最近的基因突变,长波锥分裂成两个,区别于我们的红色和绿色。

顺便说一句,你的职业生涯会很好地超越那些只知道“rgb”或“cmyk”的色彩穴居人同事,他们对设备很好,但对严肃的感知工作很差劲。我为成像科学家工作过,他们对这种东西一无所知!

阅读色差理论更有趣,请尝试:

• http://white.stanford.edu/~brian/scielab/introduction.html 信息
• 以及颜色理论的链接,从 http://www.efg2.com/Lab/Library/Color/ 和
• http://www.poynton.com/Poynton-color.html

有关实验室的更多详细信息,请访问 http://en.kioskea.net/video/cie-lab.php3 我现在找不到一个真正有转换公式的非丑陋页面,但我相信有人会编辑这个答案以包含一个。

由于上面的cmmetric.htm链接对我来说失败了,以及其他许多关于颜色距离的实现,我发现(经过很长的jurney..)如何计算最佳颜色距离,以及..最科学准确的一个: 三角洲 从2个RGB(!)使用opencv的值:

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

最后,代码(似乎是开箱即用的,希望没有人发现一个严重的错误在那里…但经过几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 );
}

希望它能帮助别人:)

HSL和HSV对人的颜色感知效果更好。根据 Wikipedia :

有时,在处理艺术材料、数字化图像或其他媒体时,最好使用hsv或hsl颜色模型,而不是其他模型,如rgb或cmyk,因为模型模拟人类感知颜色的方式不同。RGB和CMYK分别是加色和减色模型,分别模拟了主色灯或颜料(分别)混合时形成新颜色的方式。

这个 Wikipedia article on color differences 列出了许多颜色空间和距离度量,旨在符合人类对颜色距离的感知。

可能看起来像垃圾邮件,但不是,这个链接对于颜色空间很有趣:)

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

最容易 距离 当然,只需将颜色视为源自同一原点的三维矢量,并取其端点之间的距离即可。

如果你需要考虑绿色在判断强度上更突出的因素,你可以权衡这些值。

ImageMagic 提供以下比例:

• 红色:0.3
• 格林: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值,所以所有你可以使用的值都是相似性排序。

好吧,作为第一点,我想说的是普通指标hsv(色调、饱和度和值)或hsl比rgb或cymk更能代表人类对颜色的感知。见 HSL, HSV on Wikipedia .

我很天真地想画出两种颜色在HSL空间中的点,并计算出差分向量的大小。然而,这意味着亮黄色和亮绿色将被视为与绿色和暗绿色一样不同。但很多人认为红色和粉色是两种不同的颜色。

此外,在这个参数空间中,同一方向上的差分向量是不相等的。例如,人眼比其他颜色更容易吸收绿色。色调从绿色到红色的变化量可能会更大。另外,饱和度从一个小的值到零的变化是灰色和粉色之间的差异,而在其他地方,变化是两种颜色的红色之间的差异。

从程序员的角度来看,你需要绘制出不同的向量,但是用比例矩阵修改,在HSL空间的不同区域相应地调整长度——这是相当随意的,基于不同的色彩理论思想,但是根据你想要的把这个给。

更好的是,你可以看到是否有人已经在网上做了这样的事情…

作为一个色盲的人,我相信尝试增加更多的分离比正常视力更好。色盲最常见的形式是红/绿缺陷。这并不意味着你看不到红色或绿色,而是意味着你更难看到,也更难看到不同之处。因此,在色盲者分辨出差异之前,需要进行更大的分离。