Điều gì sẽ là cách chính xác để tính độ bão hòa trong trường hợp này?

Tôi đang cố gắng tạo một đại diện HSV cho không gian màu xyY. Để tính màu sắc từ một màu , tôi sử dụng góc giữa màu đó và màu đỏ (bước sóng 745) trên sơ đồ độ sắc nét xy, với màu trắng ( $(x, y)$là trung tâm.$(\frac{1}{3}, \frac{1}{3})$

Độ bão hòa là tỷ lệ giữa khoảng cách giữa trắng và và trắng và phiên bản bão hòa hoàn toàn của ( x , y ) (là giao điểm giữa đường giữa $(x, y)$$(x, y)$và(x,$(\frac{1}{3}, \frac{1}{3})$ và cạnh của sơ đồ sắc ký).$(x, y)$

sơ đồ độ sắc nét xy:

Vấn đề mà tôi gặp phải là khi tôi vẽ không gian màu của mình (ở value = 1) và so sánh nó với đại diện HSV của RGB, độ bão hòa (khoảng cách từ trung tâm) dường như không khớp với màu "sặc sỡ" Thực sự là:

Không gian màu của tôi (bão hòa có vẻ sai):

Không gian màu HSV của RGB:

Làm thế nào tôi nên tính độ bão hòa thay thế?

Thật không may, không có câu trả lời tốt cho câu hỏi này. Đơn giản là nó không hoạt động. Không có cách nào tốt để định nghĩa đầy màu sắc, đó là bối cảnh này. Cie đang cố gắng nắm bắt các phép đo vật lý. Tuy nhiên nó không thành công lắm trong việc liên quan các màu với nhau.

Màu sắc trên cung ngoài cùng biểu thị các phân bố quang phổ gần với hàm delta Dirac . Vì vậy, người ta có thể xây dựng một mô hình nói rằng một màu rất sặc sỡ khi nó là một đồng bằng Dirac.

Có một hậu quả không lường trước được của định nghĩa này mặc dù. Cụ thể là màu đỏ tươi không tồn tại như Dirac Deltas. Vì những màu này không tồn tại trong phổ. Vì vậy, chúng chỉ bao gồm hỗn hợp của 2 bước sóng. Điều này có nghĩa là chúng ít màu sắc hơn hầu hết các màu khác.

Các vấn đề khác

Thật không may, xyY không đồng nhất về mặt nhận thức. Vì vậy, một đường thẳng trên xyY không biểu thị nội suy giữa 2 hỗn hợp màu. Do đó, thực hiện chuyển đổi cực có nghĩa là bạn sẽ có các cơ sở màu khác nhau trên cùng tọa độ. Màu sắc cũng không thực sự chuyển sang mô hình của bạn. Để làm điều này đúng cách, bạn sẽ cần phải thực hiện một chuyển đổi cực kỳ tinh vi.

Có nhiều vấn đề với việc chuyển đổi màu sắc sang tọa độ cực trong đó trái ngược hoàn toàn với cách hoạt động của tầm nhìn. Màu trắng cũng có một chút vấn đề trong bối cảnh này. Khoảng cách đến tín hiệu bão hòa hoàn toàn khác nhau đối với mỗi 3 hình nón khác nhau trong mắt. Địa ngục, ngay cả những gì trong khi phụ thuộc vào màu sắc xung quanh và điều kiện màu sắc xung quanh. Vì vậy, aim sợ bạn cố gắng buộc một thế giới quan không tồn tại.

Cuối cùng

Điều này sẽ hữu ích cho việc gì?

Các mô hình XYZ và xyY cực kỳ hữu ích cho các hoạt động nhất định như thao tác các không gian màu RGB sang một không gian màu được mã hóa RGB khác.

Tuy nhiên, XYZ và xyY thất bại khá nhanh trong các bối cảnh khác. Ví dụ, hãy xem xét các hình elip MacAdams mô tả sự khác biệt đáng chú ý trên thang đo xyY tuyến tính. Trên thực tế, bạn có thể áp dụng một biến đổi đồng nhất, phi nhận thức cho các giá trị xyY và bạn có thể sẽ kết thúc gần hơn với những gì bạn đang hy vọng trong phần tử giao diện tròn của mình.

Như đã nói, cần có các mô hình mở rộng và xây dựng dựa trên xyY / XYZ để giải quyết khía cạnh tâm sinh lý của màu sắc để đánh giá những thứ như "tính màu sắc". Điều này đi vào miền của Mô hình xuất hiện màu , có khả năng mô hình hóa và dự đoán chính xác các vấn đề khác nhau xung quanh độ sáng (độ chói), độ sáng, màu sắc, sắc độ, độ bão hòa và màu sắc. Để đạt được những gì bạn đang tìm kiếm, bạn sẽ cần phải chuyển đổi dữ liệu của mình thành mô hình xuất hiện màu như CIECAM02.

Các vấn đề được trích dẫn trong giải pháp khác trên thực tế đã được giải quyết bằng các mô hình xuất hiện màu sắc như mô hình CIECAM02, bao gồm các hiệu ứng tâm sinh lý biểu hiện dưới dạng ảo ảnh quang học.

• Mô hình xuất hiện màu sắc | Wikipedia
• Mô hình xuất hiện màu sắc | Blog đánh dấu Fairchild