1.4.2 灰度的计算方法
回过头来看RGB，站在科学的角度来解释，它们确实也有更明亮的理由，因为下面一排色彩反射出来的色光总量是上一排色的两倍。
为此，作者曾自作聪明地发明了一条“原创”的灰度公式：
Gray=(r+g+b)/3
哈哈，用色光总量来表达颜色的灰度想必就比较准确了吧！沾沾自喜一番以后，我还试着用这条自创的定律来转换这张测试图片，上下色块的灰度果然拉开了，可是很不幸地，左右相邻，边界分明的色块依然粘连在一块（图 1.30）。
图 1.30 笔者“自创”的灰度转换
显然此法生成的黑白照难登大雅之堂，色块之间的分界线全部丢失，而且同一行的颜色在我们人类的视觉系统里，亮度也不尽相同。比如视网膜会认为上排的绿色要比旁边的红和蓝明亮一些，而下排的粉红色则没有相邻的黄色与淡绿来得刺眼。
一项伟大的发明——灰度心理学公式诞生了！它汇聚了光学物理，眼球视光学，人类心理学，美术鉴赏等前沿学科之精华，集科技，艺术，社会科学于一体，高深莫测，唯美维妙，堪称视觉科学史上最惊天地，泣鬼神之大作，没有之一。
灰度心理学公式并不复杂，它深入浅出地描述了各种颜色对肉眼刺激程度的差异，仅仅使用最简单的加法和乘法就完成了灰度的整个演算过程：
Gray = r*0.299 + g*0.587 + b*0.114
其中，r，g，b被标准化为0~1。
如果读者有阅读过fl.motion.AdjustColor类的代码，想必就会对这条公式有一种似曾相识的感觉，AdjustColor里用到了公式里的3个系数（具体数值可能有一些微小的差异）。实际上，AdjustColor正是用灰度代替了亮度，至于为什么，看看上面的黑白照转换结果就不言而喻了。
令r=g=b=1，灰度就刚好等于100%，所以它实质上是对RGB三个数值做了一个加权平均数的运算，其中g的权重（通俗点说叫比重）最大，红色次之，蓝色最小。因此，心理学公式认为，绿色最刺眼，它比红色要明亮1倍，反射一点绿光对视网膜的刺激相当于两点红光。
以上描述与肉眼的感知相当接近，但至于具体数值是如何测算出来的，我就无从考究了。
我尝试运用灰度心理学公式对图 1.27进行灰度转换，效果要比自己“原创”的定律有水平多了（图 1.31）。
图 1.31 用心理学公式做灰度转换
至此，亮度与灰度的关系已经比较明确，他们都为量化色彩的明暗而生，本着“科技以人为本”的精神推动着人类社会精神文明的进步。其中，亮度着重对整体的把握，从颜色类别，鲜艳程度，明暗程度三个人类感知属性去描述被数理科学抽象过的色彩数值，而灰度则更强调对事物单项属性的深度探讨，有针对性地弥补HSB模式中亮度计算方法与视觉器官不够吻合的缺陷。
现在大概再也没有人会去拍摄黑白照片了（纯粹抱着怀旧心态的除外），即使遇到了真正需要使用黑白图像的场合（例如纪实片录制现场，汶川地震的哀悼日等），也不会专程从博物馆借一台19世纪出厂的黑白相机来开展拍摄工作，而是选择使用Photoshop等软件对彩色图像进行转灰的处理，而灰度处理的算法，恰恰就来源于上述的心理学公式。
而在艺术编程领域，灰度除了用来直接制作黑白效果（比如游戏按钮的禁用状态，玩家复活前的灰度效果等等）以外，还广泛应用于图像识别，色彩调整，边缘检测，光影预处理，模型上色等图像处理技术中（Photoshop的颜色混合模式就是一个成功的典范）。它的专一性使图形的创作流程有章可循，让艺术不再只掌握在设计师的手上。
下面我们就借助灰度公式搭配出一套相对和谐的色系。
ActionScript3游戏中的图像编程（连载二十）,布布扣,bubuko.com