Я ищу функцию, которая пытается количественно определить, как "отдаленные" (или разные) два цвета. Этот вопрос действительно состоит из двух частей:
Преобразуйте в La * b * (aka просто "Lab", и вы также увидите ссылку на "CIELAB" ). Хорошая быстрая оценка цветовой разницы
(L1-L2) ^ 2 + (a1-a2) ^ 2 + (b1-b2) ^ 2
У ученых-цветников есть и другие более совершенные меры, которые, возможно, не стоят беспокойства, в зависимости от точности, необходимой для того, что вы делаете.
Значения a и b представляют противоположные цвета способом, похожим на то, как работают конусы, и могут быть отрицательными или положительными. Нейтральные цвета - белые, серые a=0, b=0. L - это яркость, определенная определенным образом, от нуля (чистая тьма) до любого.
Объяснение: → Учитывая цвет, наши глаза различают два широких диапазона длины волны - синий и более длинные волны. а затем, благодаря более поздней генетической мутации, более длинноволновые конусы, раздвоенные на две части, отличающие нас от красного и зеленого.
Кстати, для вашей карьеры будет здорово подняться над вашими коллегами цветного пещерного человека, которые знают только "RGB" или "CMYK", которые отлично подходят для устройств, но сосут для серьезной работы восприятия. Я работал над созданием изображений учеными, которые ничего не знали об этом!
Для более интересного чтения в теории цветовых различий попробуйте:
Подробнее о Лаборатории в http://en.kioskea.net/video/cie-lab.php3 В настоящее время я не могу найти не уродливую страницу, на которой были формулы преобразования, но Я уверен, что кто-то отредактирует этот ответ, чтобы включить его.
поскольку ссылка cmetric.htm выше не удалась для меня, а также множество других реализаций для расстояния по цвету, которое я нашел (после очень длинного jurney..), как рассчитать наилучшее расстояние по цвету и... наиболее научно точное: deltaE и из двух значений RGB (!) с использованием OpenCV:
Для этого потребовалось 3 преобразования цветового пространства + некоторое преобразование кода из javascript (http://svn.int64.org/viewvc/int64/colors/colors.js) в С++
И, наконец, код (кажется, работает прямо из коробки, надеюсь, что никто не найдет там серьезную ошибку... но после нескольких тестов это кажется прекрасным)
#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 );
}
Надеюсь, это поможет кому-то:)
HSL и HSV лучше подходят для восприятия цвета человека. Согласно Wikipedia:
Иногда предпочтительнее работать с художественными материалами, оцифрованными изображениями или другими носителями, использовать цветовую модель HSV или HSL по сравнению с альтернативными моделями, такими как RGB или CMYK, из-за различий в способах эмуляции моделей, как люди воспринимают цвет, RGB и CMYK являются аддитивными и субтрактивными моделями, соответственно, моделируя то, как первичные цветные огни или пигменты (соответственно) объединяются, чтобы образовывать новые цвета при смешивании.
Статья в Википедии о различиях цветов содержит ряд цветовых пространств и метрик расстояний, предназначенных для согласования с восприятием цвета человека.
Может выглядеть как спам, но нет, эта ссылка действительно интересна для цветовых пространств:)
Самое простое расстояние, конечно, состояло бы в том, чтобы просто рассматривать цвета как 3d-векторы, происходящие из одного и того же происхождения, и занимать расстояние между их конечными точками.
Если вам нужно учитывать такие факторы, что зеленый цвет более заметен при оценке интенсивности, вы можете взвесить значения.
ImageMagic предоставляет следующие масштабы:
Конечно, ценности, подобные этому, будут иметь смысл только в отношении других значений для других цветов, а не как что-то, что было бы значимо для людей, поэтому все, что вы могли бы использовать значения для, было бы упорядочением по сходству.
Ну, в качестве первого пункта вызова, я бы сказал, что общие показатели HSV (Hue, Saturation и Value) или HSL лучше отражают то, как люди воспринимают цвет, чем RGB или CYMK. См. HSL, HSV в Википедии.
Полагаю наивно, что я буду строить точки в пространстве HSL для двух цветов и рассчитать величину разностного вектора. Однако это означало бы, что ярко-желтый и ярко-зеленый будет считаться столь же разным, как зеленый до темно-зеленого. Но тогда многие считают красным и розовым два разных цвета.
Кроме того, разностные векторы в одном и том же направлении в этом пространстве параметров не равны. Например, человеческий глаз поднимает зеленый цвет намного лучше, чем другие цвета. Изменение оттенка зеленого цвета на ту же величину, что и переход от красного, может показаться большим. Также смещение насыщения от небольшого количества до нуля - разница между серым и розовым, в другом месте сдвиг будет разницей между двумя оттенками красного.
С точки зрения программистов вам нужно будет построить разностные векторы, но модифицировать матрицей пропорциональности, которая будет соответствующим образом регулировать длины в разных областях пространства HSL - это было бы довольно произвольно и было бы основано на различном цвете теоретические идеи, но должны быть изменены произвольно в зависимости от того, к чему вы хотели применить это.
Еще лучше, вы могли видеть, действительно ли кто-то уже сделал это в Интернете...
Как человек, который является слепым цветом, я считаю, что хорошо попытаться добавить больше разделения, чем нормальное зрение. Наиболее распространенной формой цветовой слепоты является дефицит красного/зеленого. Это не означает, что вы не можете видеть красный или зеленый цвет, это означает, что это труднее увидеть и более трудно увидеть различия. Таким образом, требуется большее разделение, прежде чем цветной слепой может сказать разницу.