色度图的问题

色度图的问题

  三基色原理说明了所有颜色都可以看作是R,G,B的不同组合,而色度图有说,在上面的红、绿、蓝三点围成的三角形不包括色度图上面所有的颜色,所以只用三基色不能组合得到所有的可视颜色。这是为什么呢?

  为什么三原色不能表示所有颜色,这个得从三刺激理论说起:

  可见光的波长范围大致在390nm到700nm之间,但人类只能在几nm这个尺度上感受到这些光的区别,也就是说,对于纯色光(只含一种波长的光),人类大概只能识别100种。基于此,有人提出了人眼中有100种感受不同波长光的光感受体,也有人认为有6到7种不同的光感受体。但最被认可的是ThomasYoung、HermannvonHelmholtz的三刺激理论。三刺激理论认为,人眼中含有三种不同的光感受体。这种猜想后来被证实,确实存在三种不同的视锥细胞,分别能够感应红、绿、蓝三种光的刺激。下图是三种细胞对不同波长光的响应曲线,分别在420nm、534nm、564nm达到高峰,注意,这三种波长的光并不能真正对应到蓝、绿、红色,所以,严格的说,这三种受体分别应该称为长波、中波、短波光感受体。

  下图描述了经典的颜色匹配实验,左侧是白板,在上方发射单一波长的纯色光,下方可以发射三种不同波长的光,并可以调整它们的强度,人眼透过狭缝去观察上下两块板的颜色是否相同。

  这三种色光通常是700nm(红色)、546.1nm(绿色)和435.8nm(蓝色)三种光,如果我们把可见的单色光都用三色光匹配出来,就可以得到下图:

  

  注意,在一段波长范围内,红色光的刺激值出现了负值。这是由于无论如何调整三色光,都无法匹配过于饱和的单色光,只好将红色光与待匹配的单色光混合(也就是将红色光的发光器转移到上方),以降低其饱和度。

  R,G,B是色彩匹配函数rˉ(λ)、gˉ(λ)、bˉ(λ)的值,按如下公式定义:

r=R/(R+G+B)

g=G/(R+G+B)

b=B/(R+G+B)

  很显然,r+g+b=1,如果我们知道r、g、b中任意两个的值,就可以确定第三个变量的值。将色彩匹配函数曲线在rg坐标系中画出,就得到rg色度图:

  

  由于r、g会出现负值,为了方便计算,CIE引入了XYZ空间,令

X=0.490R+0.310G+0.200B

Y=0.177R+0.812G+0.011B

Z=0.010G+0.990B

就得到X、Y、Z的颜色匹配曲线,

  

  如果我们定义x、y为:

x=X/(X+Y+Z)

y=Y/(X+Y+Z)

  将x、y的值在xy坐标系中画出就得到xy色度图,

  

  上图中红、绿、蓝点分别表示三原色,连接这三点得出的三角形即为由三原色混合所得颜色的范围,三角形外的颜色均不能由三原色混合产生。而普通显示器因为技术原因,并不能发出纯正的单色光,故而所围成的三角形更小,显示的颜色更少。

  



节选自知乎

时间: 2024-10-22 23:22:40

色度图的问题的相关文章

RGBW ------ 调光调色

gamma 人眼对光强属于非线性响应,所以软件对亮度变化曲线做gamma修正来给人以亮度均匀变化的视觉体验 光源对物体的显色能力称为显色性,是通过与同色温的参考或基准光源(白炽灯或画光)下物体外观颜色的比较. 根据杨-亥姆霍兹的三原色理论,色的感觉是由于三种原色光刺激的综合结果.在红.绿,蓝三原色系统中,红.绿.蓝的刺激量分别以R.G.B表示之.由于从实际光谱中选定的红.绿.蓝三原色光不可能调(匹)配出存在于自然界的所有色彩,所以,CIE于1931年从理论上假设了并不存在于自然界的三种原色,即理

FFMpeg学习笔记(1)--基础知识

今天主要学习ffmpeg decoding部分的函数定义,这里涉及到AVCodecFilter,AVCodecFilterContext,色度图(chroma)等概念. 在decoding部分,会有色度坐标和色度枚举值之间的转换,这里就涉及到色度坐标的概念.简单来说,颜色主要分为亮度和色度两部分:颜色是由三原色组成的,x表示红基色,y表示绿基色:详细的内容可以查看:色度图

颜色空间RGB与HSV(HSL)的转换

转自:http://blog.csdn.net/jiangxinyu/article/details/8000999 一般的3D编程只需要使用RGB颜色空间就好了,但其实美术人员更多的是使用HSV(HSL),因为可以方便的调整饱和度和亮度. 有时候美术需要程序帮助调整饱和度来达到特定风格的渲染效果,这时候就需要转换颜色空间了. 出处:http://zh.wikipedia.org/wiki/HSL%E5%92%8CHSV%E8%89%B2%E5%BD%A9%E7%A9%BA%E9%97%B4 H

(转)色度学原理

http://blog.sina.com.cn/s/blog_6b8ccd230102drw0.html 色度学是研究人的颜色视觉规律.颜色测量理论与技术的科学,它是一门本世纪发展起来的,以物理光学.视觉生理.视觉心理.心理物理等学科为基础的综合性科学.(本文重在理论性,艺用性仅供参考,美术工作者可选读.) 色度学 色度学与物理光学等学科的基础不同, 物理光学可以认为是客观的科学, 是与人类无关的.而色度学却是一种主观的科学, 它以人类的平均感觉为基础, 因此它属于人类工程学范畴, 以对光强的度

彩色图像--色彩空间 CMY(K)场地

得知DIP文章63日 转载请注明文章出处:http://blog.csdn.net/tonyshengtan .出于尊重文章作者的劳动,转载请标明出处!文章代码已托管.欢迎共同开发:https://github.com/Tony-Tan/DIPpro 开篇废话 继续废话.由于色彩空间比較多,所以先大概每一个空间都进行一下简单介绍,然后依据后面的应用来回想这些色彩空间的一些知识,依据不同色彩空间开发出的不同算法会在后面继续介绍,近期生存环境恶劣.可是学习不能停. 看到同志在博客里留言,说博客写的非

关于HSL和HSV颜色空间的详细论述

目前在计算机视觉领域存在着较多类型的颜色空间(color space).HSL和HSV是两种最常见的圆柱坐标表示的颜色模型,它重新影射了RGB模型,从而能够视觉上比RGB模型更具有视觉直观性. HSV颜色空间 HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1. 它包含RGB模型中的R=1,G=1,B=1 三个面,所代表的颜色较亮.色彩H由绕V轴的旋转角给定.红色对应于 角度0° ,绿色对应于角度120°,蓝色对应于角度24

彩色模型,CIE XYZ,CIE RGB

学习DIP第9天 写在前面的废话: 今天学习彩色模型,常用的图像包括彩色图,灰度图,二值图,并且彩色图像->灰度图像->二值图像,为一个退化过程,即图像包含的信息逐步减少,根据冈萨雷斯第三版介绍的篇幅来看,对灰度图相关的算法描述较多,因此,可以说,就目前的算法来说,针对灰度图像的图像处理还是比较成熟的,但不能确定是否将来产生的新的理论能够统一现有所有算法,而且创造出更高级的算法.想要深入学习图像处理,个人认为应该对所有算法,所有模型有清晰的认识,了解其来源和完整过程,有助于理解后面的算法. 正

肤色空间模型

肤色被证明是一种有效的且鲁棒的人脸检测.定位.跟踪依据.同时皮肤颜色检测也能应用在图像内容过滤.内容感知视频压缩.图像色彩平衡应用等方面. 基于特征的人脸检测方法是用皮肤颜色作为检测依据已经非常实用化.颜色处理允许快速处理且对人脸模式的几何变换非常鲁棒.经验表明人脸皮肤具有特征颜色(很容易被人辨识).使用颜色作为人脸的特征,需要克服三个主要问题:1.选择哪种颜色空间:2.皮肤颜色分布如何模型化;3.如何对人脸颜色分割结果进行处理 - 1.颜色空间介绍: 1.1.RGB空间: RGB空间源于显像管

颜色空间模型 与 Opencv中的HSV模型范围

颜色空间总结 RGB.HSV.YUV 什么是颜色 Wiki是这样说的:颜色或色彩是通过眼.脑和我们的生活经验所产生的一种对光的视觉效应.嗯,简单点说,颜色就是人对光的一种感觉,由大脑产生的一种感觉.感觉是一个很主观的东西,你怎么确定你看到的红色和我看到的是一样的呢?这个视频解释的很不错.我们需要先假设正常人对于同一种光产生的感觉基本是一致的,讨论才能继续下去. 人的视网膜上布满了感光细胞,当有光线传入人眼时,这些细胞就会将刺激转化为视神经的电信号,最终在大脑得到解释.视网膜上有两类感光细胞:视锥