跟进：找到颜色之间的准确“距离”

Question

Original Question

我正在寻找一个函数来尝试量化两种颜色的“距离”（或不同）程度。这个问题实际上分为两部分：

1. 哪种色彩空间最能代表人类视觉？
2. 该空间中的什么距离度量最能代表人类视觉（欧几里得？）

Answer 1

转换为 La*b*（也就是简单的“Lab”，您还会看到对“CIELAB”的引用）。一个很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细的测量方法，这可能不值得费心，具体取决于您正在做的事情所需的准确性。

a 和 b 值以类似于锥体工作方式的方式表示相反的颜色，可能是负的也可能是正的。中性色 - 白色、灰色是 a=0,b=0。 L 是以特定方式定义的亮度，从零（纯黑暗）到其他任何值。

粗略的解释：>> 给定一种颜色，我们的眼睛会区分两种广泛的波长范围——蓝色和更长的波长。然后，由于最近的基因突变，较长波长的锥体分成两部分，为我们区分了红色和绿色。

顺便说一句，如果你的色彩穴居人同事只知道“RGB”或“CMYK”对设备来说非常有用，但对于严肃的感知工作却很糟糕，这对你的职业生涯来说是一件好事。我曾为对这些东西一无所知的成像科学家工作过！

如需更多有趣的色差理论阅读，请尝试：

• http://white.stanford.edu/~brian/scielab/introduction.html 和信息
• 和一般色彩理论的链接，以http://www.efg2.com/Lab/Library/Color/ 和
开头的网上冲浪
• http://www.poynton.com/Poynton-color.html

http://en.kioskea.net/video/cie-lab.php3 上有关 Lab 的更多详细信息我目前无法找到实际包含转换公式的非丑陋页面，但我相信有人会编辑此答案以包含一个。

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实现（经过很长的旅程......）如何计算最佳颜色距离，以及......最科学准确的一个：deltaE 和使用 OpenCV 的 2 个 RGB (!) 值：

这需要 3 次色彩空间转换 + 一些从 javascript (http://svn.int64.org/viewvc/int64/colors/colors.js) 到 C++ 的代码转换

最后是代码（似乎开箱即用，希望没有人在那里发现严重的错误......但经过多次测试后似乎很好）

#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:)

Answer 3

HSL 和 HSV 更适合人类的颜色感知。根据Wikipedia：

在处理艺术材料、数字化图像或其他媒体时，有时最好使用 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。

Answer 4

最简单的距离当然是将颜色视为源自同一原点的 3d 矢量，并取其端点之间的距离。

如果在判断强度时需要考虑绿色更突出的这些因素，可以权衡取值。

ImageMagic 提供以下比例：

• 红色：0.3
• 绿色：0.6
• 蓝色：0.1

当然，像这样的值仅相对于其他颜色的其他值才有意义，而不是对人类有意义的东西，因此您可以使用的所有值将是相似性排序。

Answer 5

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一致。

Answer 6

嗯，首先，我想说的是常见指标 HSV（色相、饱和度和值）或 HSL 比 RGB 或 CYMK 更能代表人类感知颜色的方式。见HSL, HSV on Wikipedia。

我天真地想我会在 HSL 空间中为两种颜色绘制点并计算差异向量的大小。然而，这意味着亮黄色和亮绿色将被视为与绿色与深绿色一样不同。但后来很多人认为红色和粉红色是两种不同的颜色。

而且，这个参数空间中同方向的差分向量是不相等的。例如，人眼对绿色的感知比其他颜色要好得多。色调从绿色的偏移量与从红色的偏移量相同可能看起来更大。此外，饱和度从少量到零的变化是灰色和粉红色之间的差异，在其他地方，这种变化将是两种红色之间的差异。

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想法，但可以根据您想要将其应用到的内容进行相当任意的调整。

更好的是，你可以看看是否有人已经在网上做过这样的事情......

Answer 7

作为色盲的人，我相信尝试添加比正常视力更多的分离是件好事。最常见的色盲形式是红/绿缺乏症。这并不意味着你看不到红色或绿色，它意味着更难看到，更难看到差异。因此，色盲者需要进行更大的分离才能分辨出差异。