色彩学学习笔记

色彩学学习笔记

可见光

可见光只占电磁波谱的一小部分

image

一个物体反射的光如果在所有可见光波长范围内是平衡的,那么对观察者来说显示为白色。然而,一个物体反射有限的可见光谱, 则物体呈现某种颜色

色彩空间

CIE

为什么需要 CIE 色彩空间?

  • 平时我们所说的 RGB 值实际上是设备相关的,它没规定用来混合的 R、G、B 究竟是什么颜色,造成的结果是同样的 RGB 值在不同设备上会展示出不同的颜色
  • CIE 色彩空间是设备独立的,设备可以将它们自己色彩空间里的值映射到 CIE 色彩空间上,这样就提供了规范的色彩空间,用来在不同设备之间传递信息

颜色匹配实验

定义三原色,再通过颜色叠加以得到其他颜色,如果混合色和待测色达成一致,那么三原色的分量被称为待测色的三色刺激值

CIE RGB

CIE 规定了红绿蓝三原色光为标准波长为 700 nm(红色)、546.1 nm(绿色)和 435.8 nm(蓝色),再通过颜色匹配实验得到颜色匹配函数

  • 有负半轴是因为,并不能通过直接混合三原色以得到待测光,只能在待测光中加入三原色使得颜色匹配
    • 说明选择的三原色所组成的空间并不能包含所有人类能感知到的颜色

\[C(C) \equiv R(R)+G(G)+B(B) \]

image

如果 C = 1,也就是满足 \(C=\frac{R}{R+G+B}(R)+\frac{G}{R+G+B}(G)+\frac{B}{R+G+B}(B)(3)\)

SPD(Spectral Power Distribution)是指光源的光谱功率分布。SPD 是一个曲线图,显示了特定光源产生的每个波长的光的功率(强度)

格拉斯曼定律告诉我们人类对色彩的感知(大约)是线性的

  • 对于已知 SPD 曲线 \(I(\lambda)\) 的光源,可以对颜色匹配函数求积分以得到它的三色刺激值
  • 给定两个 SPD 曲线,如果算出来的三色刺激值是相同的,则感知到的颜色也是相同的

\[ \begin{aligned} R & =\int_0^{\infty} I(\lambda) \bar{r}(\lambda) d \lambda \\ G & =\int_0^{\infty} I(\lambda) \bar{g}(\lambda) d \lambda \\ B & =\int_0^{\infty} I(\lambda) \bar{b}(\lambda) d \lambda \end{aligned} \]

色度图

我们称 \(r=\frac{R}{R+G+B}(R)\)\(g=\frac{G}{R+G+B}(R)\)\(b=\frac{B}{R+G+B}(R)\) 为色度坐标(chromaticity coordinates),我们只要知道任意两个坐标的值,就能算出第三个坐标的值

连接各个波长的色度坐标形成光谱轨迹,将光谱轨迹内的混合色绘制出来以得到色度图

image

CIE XYZ

通过对 CIE RGB 做线性变换的到 CIE XYZ 色彩空间,定义了三个新的颜色匹配函数 \(\bar{x}(\lambda)\)\(\bar{y}(\lambda)\)\(\bar{z}(\lambda)\)

image

它有如下性质

  • 新的颜色匹配函数在所有地方都大于等于零
  • \(\bar{y}(\lambda)\) 等于光度函数(luminosity function),是表示亮度的分量

CIE XYZ 的色度图(事实上,色度图是三维曲线,我们看到的是它在 xy 平面上的投影):

image

  • 色度图中 E 点是白光,它被定义为 x=1/3,y=1/3,z=1/3
  • 沿着光谱轨迹能得到各种色调
  • 远离 E 点颜色的饱和度变高

CIE LAB

CIE XYZ 并不是感知统一(perceptually uniform)的色彩空间,色度图上任何两种颜色之间的欧几里德距离不能用作感知色差的统一度量,从 520nm 到 560nm 看起来都是绿色的,但从 460 纳米到 500 纳米,包含了更广泛的颜色集

CIE LAB 是一种感知统一的色彩空间

  • L 分量基本符合人类对亮度的认知

YUV

常用于视频编码的色彩空间,基于人类对亮度更加敏感这个事实设计,Y 表示亮度,UV 表示色度,每个像素都有一个 Y 采样,但一组像素会共享 U,V 采样

YUV 并不是绝对色彩空间(absolute color space)

  • 绝对色彩空间是不依赖任何外部因素就可以准确表示颜色的色彩空间,比如 CIE LAB
  • YUV 只是对 RGB 信息的编码,具体的颜色取决于采用的 RGB 三原色

CMYK

每种印刷油墨的百分比值

  • 较亮(高光)颜色百分比较低;而较暗(阴影)颜色百分比较高
  • 当四种分量的值均为 0% 时,就会产生纯白色
  • 准确的颜色范围随印刷和打印条件而变化
  • 四种分量
    • C:Cyan = 青色
    • M:Magenta = 洋红色
    • Y:Yellow = 黄色
    • K:Key plate = 黑色

HSV

HSV 色彩空间将颜色拆分为三种属性

  • 色相/色调(Hue)
    • 颜色的主色调,如红色、蓝色
    • 由占主要比例的波长决定
    • 取值范围为 0-360°,表示主色调在色轮上的位置
  • 亮度(Value/Lightness/Brightness)
    • 颜色的明暗程度
    • 无色光的属性只有亮度
    • 取值范围为 0-100%
  • 色度/饱和度(Saturation/Chroma/Color Purity)
    • 颜色的纯净程度
    • 取值范围为 0-100%

image

sRGB

尽管 CIE XYZ 是标准色彩空间(canonical color space),但图像和设备并不会直接使用它,因为显示或打印设备并不能支持人眼能看到的所有颜色,CIE XYZ 衍生出了许多其他色彩空间,比如 sRGB、NTSC 等

1996 年,微软和 HP 定义了标准的 RGB 原语,且白点被定义为 D65 光源,这个色彩空间被称为 standard RGB(sRGB)

  • 定义了白点意味着 sRGB 是假设了观看条件的
  • sRGB 空间是 CIE XYZ 的子空间

从 XYZ 做线性变换可以得到线性 sRGB 空间

image

从线性 sRGB 空间到 sRGB 空间还需要做伽马编码

伽马编码

人眼对亮度的感知不是线性的,对较暗的光线更敏感,但对较强的光线不是那么敏感,如果不对图像做伽马编码,就会为人类无法区分的高亮度分配太多的比特,而为人类敏感的低亮度分配太少的比特

image

因此我们会对图像信息做如下的非线性变换,称为伽马编码

\[V_{out}=AV_{in}^{\frac{1}{\gamma}} \]

其中 \({\gamma}\) 是伽马值,sRGB 的伽马值约等于 2.2

伽马编码会用更大的区间来表示低亮度,用更小的区间表示高亮度

CRT 显示器有一个电子特性是光强和电压并不是线性的,而且表现出的关系也符合伽马编码,利用这个特性 sRGB 图像可以不做解码直接在 CRT 显示器上输出

image

Adobe RGB

1998 年 Adobe 定义了 Adobe RGB,它改进了 sRGB 色彩空间的色域

  • sRGB 的色域仅包含 CIE 指定的可见颜色的 35%,而 Adobe RGB 则包含 50%
  • sRGB 无法包含印刷行业常用的 CMYK 色彩空间中的全部颜色,因此印刷行业工作者常用 Adobe RGB,它能包含 CMYK 中的大多数颜色

image

色感一致性

真实场景中,物体的 SPD 反映了物体的反射特性和场景光,我们的视觉系统会去适应场景光,比如同一个苹果,在白天和傍晚的 SPD 是不同的,但我们看来却都是红色,这种现象叫色感一致性(color constancy)

image

相机的传感器并没有这种功能,因此图像处理阶段需要做白平衡

  • 因为我们的眼睛没法适应照片里的光照,只能适应你观看照片时的场景光

色温

光源色温的定义为与此光源发出相似的光的黑体辐射体所具有的开尔文温度(单位 K)

  • 在热力学中,黑体是一个理想化的物体,它能够吸收外来的全部电磁辐射,不会有任何的反射与透射,并将吸收的辐射能以热能的形式向外辐射,这种现象叫黑体辐射
  • 温度越高,黑体辐射的光线越接近蓝色;温度越低,黑体辐射的光线越接近红色

我们常常用色温来描述光源的光色,如果光源的颜色与黑体在温度 T 时所发出的光的光谱相同,则定义该光源的色温是 T

  • 在实际应用中,只有当光源发出的光和黑体辐射的光类似时,色温才有定义
    • 也就是红、橙、黄、白、浅蓝等颜色
    • 当讨论色温时,讨论例如绿色、紫色的色温是没有意义的

image

下图在 CIE xy 色度图中标出了不同温度下黑体光源的色度

image

CIE 定义了一组标准光源,它们可以作为真实光源的参考

  • 可以用相关色温(Color Correlated Temperature,CCT)来描述标准光源的颜色,表示它和该色温的黑体光源颜色相同
    • 比如 D65 的 CCT 为 6504K

光源的 SPD 同样可以转换为三刺激值,并被正则化为色度坐标,这个坐标就白点

色彩适应(chromatic adaptation)的想法就是让不同场景里的白点看起来一样

色彩适应

von Kries 模型

von Kries 模型是一种色彩适应方法

人类三种视锥细胞的反应记作 L、M、S,对于给定的刺激 \(i_r(\lambda)\),我们可以这样来计算它们

\[\begin{array}{rcl} L &=& k\int_{\lambda} \bar{l}(\lambda) i_r(\lambda) d\lambda \nonumber \\ M &=& k\int_{\lambda} \bar{m}(\lambda) i_r(\lambda) d\lambda \nonumber \\ S &=& k\int_{\lambda} \bar{s}(\lambda) i_r(\lambda) d\lambda \end{array} \]

其中,\(\bar{l}(\lambda)\)\(\bar{m}(\lambda)\)\(\bar{s}(\lambda)\) 是三种视锥细胞的光谱灵敏度函数(spectral sensitivity function)

\(i_r(\lambda)\) 来自于

\[i_r(\lambda) = i(\lambda) r(\lambda) \]

其中,\(i(\lambda)\) 表示光源,\(r(\lambda)\) 表示给定平面的光谱反射率(spectral reflectivity)

von Kries 模型用来预测观测条件变化后,视锥细胞的反映,观测条件的变化主要指光源的变化,假设 \(i(\lambda)\) 被另一个光源 \(i_a(\lambda)\) 替换掉,此时锥细胞的反应我们记作 \(L_a\)\(M_a\)\(S_a\)

\[\left [ \begin{array}{@{}l@{}} L_{a} \\ M_{a} \\ S_{a} \\ \end{array} \right ] = \left [ \begin{array}{@{}lll@{}} k_L & 0 & 0 \\ 0 & k_M & 0 \\ 0 & 0 & k_S \\ \end{array} \right ] \left [ \begin{array}{@{}l@{}} L \\ M \\ S \\ \end{array} \right ] \]

比例系数通常使用 \(k_L=L_{max}a/L_{max}\)\(k_M=M_{max}a/M_{max}\)\(k_S=S_{max}a/S_{max}\),带 max 下标的符号表示给定光源下 LMS 视锥细胞对白点刺激的最大反应

虽然 von Kries 模型是在 LMS 色彩空间中定义的,但可以做 3x3 的变换以放到 XYZ 色彩空间中使用

\[\left [ \begin{array}{@{}l@{}} L \\ M \\ S \\ \end{array} \right ] = \mathbf{M} \left [ \begin{array}{@{}l@{}} X \\ Y \\ Z \\ \end{array} \right ]. \]

参考材料

posted @ 2023-01-07 15:15  路过的摸鱼侠  阅读(855)  评论(0编辑  收藏  举报