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个部分:
答案 0 :(得分:43)
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
色彩科学家还有其他更精确的措施,这些措施可能不值得,这取决于你所做的准确性。
a
和b
值表示相反的颜色,类似于锥体的工作方式,可能是负面的或正面的。中性色 - 白色,灰色为a=0
,b=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 - 蓝色与较长波长。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。
顺便说一下,你的职业生涯将超越你的色彩穴居同事,他们只知道“RGB”或“CMYK”,它们对于设备来说很棒,但对于严肃的感知工作却很糟糕。我曾为影像科学家工作过,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http://en.kioskea.net/video/cie-lab.php3实验室的详细信息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答案以包含一个。
答案 1 :(得分: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的实现(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:< strong> deltaE 和使用OpenCV的2个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,希望没有人在那里发现一个严重的错误......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 );
}
希望它可以帮助某人:)
答案 2 :(得分:4)
HSL和HSV对人类的颜色感知更好。根据{{3}}:
有时优选使用艺术材料,数字化图像或其他媒体,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。
答案 3 :(得分:3)
Wikipedia article on color differences列出了许多色彩空间和距离指标,旨在与人类对色彩距离的感知达成一致。
答案 4 :(得分:2)
可能看起来像垃圾邮件但是没有,这个链接对于色彩空间非常有趣:)
答案 5 :(得分:2)
最简单的距离当然只是将颜色视为源自同一原点的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方面更为突出的因素,您可以权衡这些值。
ImageMagic提供以下比例:
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。
答案 6 :(得分:2)
嗯,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。见HSL, HSV on Wikipedia。
我想天真地我会在HSL空间中绘制两种颜色的点,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。
此外,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。饱和度从小量变为零是灰色和粉红色之间的差异,其他地方的变化是两种红色色调之间的差异。
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进行修改,该矩阵将在HSL空间的各个区域中相应地调整长度 - 这将是相当随意的并且将基于各种颜色理论思路,但要根据你想要应用的内容进行相当随意的调整。
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......
答案 7 :(得分:2)
作为色盲的人,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。