跟进:找到颜色之间准确的"距离"

Question

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？)

Answer 1

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.

的a和b以类似于锥如何工作的方式值表示相对的颜色,也可以是负的或正的.中性色 - 白色,灰色a=0,b=0.的L是达到任何一种特定的方式定义的,从零(纯暗度)的亮度.

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:

• http://white.stanford.edu/~brian/scielab/introduction.html和info
• 和一般色彩理论链接,websurf开始http://www.efg2.com/Lab/Library/Color/和
• http://www.poynton.com/Poynton-color.html

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网页但我确信有人会编辑此内容答案包括一个.

Answer 2

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: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:)

Answer 3

HSL 和 HSV 更适合人类颜色感知。根据维基百科：

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 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 分别是加法模型和减法模型，对原色光或颜料（分别）在混合时组合形成新颜色的方式进行建模。