Apa cara yang benar untuk menghitung saturasi dalam kasus ini?


12

Saya mencoba membuat representasi HSV dari ruang warna xyY. Untuk menghitung rona dari warna , saya menggunakan sudut antara warna itu dan merah (panjang gelombang 745) pada diagram kromitas xy, dengan warna putih ( 1(x,y)sebagai pusat.(13,13)

Saturasi adalah rasio antara jarak antara putih dan , dan putih dan versi sepenuhnya-jenuh ( x , y ) (yang merupakan perpotongan antara garis antara ( 1(x,y)(x,y)dan(x,y)dan tepi diagram chromacity).(13,13)(x,y)

diagram chromacity xy:

Masalah yang saya alami adalah ketika saya memplot ruang warna saya (pada nilai = 1) dan membandingkannya dengan representasi HSV dari RGB, saturasi (jarak dari pusat) tampaknya tidak cocok dengan seberapa "warna-warni" warna sebenarnya adalah:

Ruang warna saya (saturasi tampaknya salah):

Ruang warna HSV RGB:

Bagaimana seharusnya saya menghitung saturasi?


2
Saya pikir Anda harus menambahkan rincian lebih lanjut tentang bagaimana Anda benar-benar membuat palet warna / tabel sehingga pengguna mungkin dapat membantu Anda. Anda mungkin juga mempertimbangkan salah satu dari Stack Exchange yang berbasis ilmu komputer.

Jawaban:


5

Sayangnya tidak ada jawaban yang baik untuk pertanyaan ini. Cukup itu tidak akan berhasil. Tidak ada cara yang baik untuk mendefinisikan warna, dalam konteks ini. Cie sedang mencoba menangkap pengukuran fisik. Namun itu tidak berhasil dengan baik dalam menghubungkan warna satu sama lain.

Warna pada busur terluar mewakili distribusi spektral yang dekat dengan fungsi Dirac delta . Jadi orang dapat membuat model yang mengatakan bahwa warna sangat berwarna ketika itu adalah delta Dirac.

Ada konsekuensi yang tidak terduga dari definisi ini. Yaitu warna magenta tidak ada sebagai Dirac Deltas. Karena warna-warna ini tidak ada dalam spektrum. Jadi mereka terdiri dari campuran 2 panjang gelombang saja. Ini berarti warnanya kurang berwarna daripada kebanyakan warna lainnya.

Masalah lainnya

Sayangnya, xyY tidak seragam secara seragam. Jadi garis lurus pada xyY tidak mewakili interpolasi antara 2 campuran warna. Oleh karena itu membuat transformasi kutub berarti Anda akan memiliki basis warna yang berbeda pada koordinat yang sama. Juga warna yang disarankan tidak benar-benar beralih ke model Anda. Untuk melakukan ini dengan benar, Anda perlu melakukan transformasi yang sangat canggih.

Ada banyak masalah dengan mengubah warna menjadi koordinat kutub karena hal itu sangat bertentangan dengan cara kerja penglihatan. Putih juga agak bermasalah dalam konteks ini. Jarak ke sinyal jenuh penuh berbeda untuk masing-masing dari 3 kerucut berbeda di mata. Neraka, apa pun sementara tergantung pada warna di sekitarnya dan kondisi warna sekitar. Jadi bertujuan takut Anda mencoba memaksakan pandangan dunia yang tidak ada.

Akhirnya

Untuk apa ini berguna?


xyY memang linear, dinormalisasi.
troy_s

@troy_s Ini sangat linier, tetapi tidak linier dalam jarak warna yang dipersepsi. Benar-benar sulit untuk membuat ruang yang seragam dalam jarak persepsi antara 2 titik.
joojaa

Persepsi seragam adalah istilah yang jauh lebih baik daripada "linear". Sudah ada cukup kebodohan di sekitar istilah itu.
troy_s

@troy_s Benar, nama yang bagus untuk itu, berubah. Saya benar-benar duduk di sini setelah menjawab dan berpikir mengajukan pertanyaan tentang matematika yang akan menjadi persyaratan minimum untuk linear. Jadi untuk memeriksa apakah linear akan memenuhi syarat untuk warna.
joojaa

4

Model XYZ dan xyY sangat berguna untuk operasi tertentu seperti memanipulasi ruang warna RGB ke ruang warna berkode RGB lainnya.

Namun, XYZ dan xyY gagal cukup cepat dalam konteks lain. Misalnya, perhatikan elips MacAdams yang menggambarkan perbedaan nyata pada skala xyY linier. Anda sebenarnya bisa menerapkan transformasi nonlinier, seragam secara perseptual ke nilai xyY dan Anda mungkin akan berakhir lebih dekat dengan apa yang Anda harapkan dalam elemen antarmuka lingkaran Anda.

Dengan itu dikatakan, ada kebutuhan untuk model yang memperluas dan membangun xyY / XYZ untuk mengatasi aspek psikofisik warna untuk mengevaluasi hal-hal seperti "colourfulness". Ini masuk ke dalam domain Model Penampilan Warna , yang mampu memodelkan secara akurat dan memprediksi berbagai masalah seputar kecerahan (pencahayaan), kecerahan, warna-warni, kroma, saturasi, dan rona. Untuk mencapai apa yang Anda cari, Anda perlu mengubah data Anda menjadi model penampilan warna seperti CIECAM02.

Masalah yang dikutip dalam solusi lain sebenarnya diselesaikan oleh model penampilan warna seperti model CIECAM02, termasuk efek psikofisik yang bermanifestasi sebagai ilusi optik.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.