Một số liệu tương tự màu sắc tốt là gì?

Tôi có một số màu trong RGB trong [0,1] và muốn tìm cách đánh giá mức độ tương tự của chúng, theo cảm nhận của một con người.

Tôi có hai ý tưởng trong đầu, nhưng tôi chắc chắn cũng có những lựa chọn khác, nhưng không chắc cái nào là tốt nhất, hoặc nếu có lẽ không có cái nào tốt nhất, mà chỉ đánh đổi.

Ý tưởng đầu tiên của tôi là coi các màu RGB là các điểm XYZ và tính khoảng cách của chúng.

Một ý tưởng khác mà tôi có là coi các giá trị RGB như một biểu đồ và sử dụng sản phẩm chấm để có được giá trị tương đồng giữa chúng, trong đó giá trị lớn hơn sẽ tốt hơn.

Tuy nhiên, tôi biết rằng không phải tất cả các kênh màu đều có cùng độ sáng cảm nhận, vì vậy có lẽ tôi nên cân các kênh màu khác nhau cho cả hai trường hợp?

Tôi cũng nghĩ rằng có lẽ tôi sẽ cần phải điều chỉnh sRGB trên các giá trị màu (chẳng hạn như sqrt mỗi kênh màu).

Tôi cũng biết các không gian màu khác tồn tại, vì vậy có lẽ một trong những không gian đó sẽ tốt hơn trong việc đưa ra một giá trị tương tự.

Một thách thức khác cho điều này có thể là các màn hình khác nhau sẽ hiển thị cùng các giá trị màu khác nhau. Không chắc chắn nếu điều đó có liên quan trong trường hợp này.

Bất cứ ai cũng có thể cung cấp một số trợ giúp / hướng?

Tôi có một số màu trong RGB trong [0,1] và muốn tìm cách đánh giá mức độ tương tự của chúng, theo cách hiểu của một con người.

Đây là một chủ đề lớn, và lỏng lẻo được tìm thấy dưới biểu ngữ của các mô hình xuất hiện màu sắc . Tại sao nó không hoàn toàn là một sự hình thành đơn giản hơn là do bản chất tâm sinh lý của màu sắc trong màu đó không tồn tại ngoài cơ thể con người.

Ý tưởng đầu tiên của tôi là coi các màu RGB là các điểm XYZ và tính khoảng cách của chúng.

Một ý tưởng khác mà tôi có là coi các giá trị RGB như một biểu đồ và sử dụng sản phẩm chấm để có được giá trị tương đồng giữa chúng, trong đó giá trị lớn hơn sẽ tốt hơn.

Tuy nhiên, tôi biết rằng không phải tất cả các kênh màu đều có độ sáng tương đương nhau, vì vậy có lẽ tôi nên cân các kênh màu khác nhau cho cả hai trường hợp?

Lời khuyên tốt nhất là, giống như mật mã học, đừng tự lăn lộn; bạn có khả năng đến một hệ thống tối ưu phụ, trong trường hợp tốt nhất, sẽ đâm vào các bức tường đã bị các nhà nghiên cứu khác trong lĩnh vực tấn công. Nếu bạn dựa trên công việc của mình dựa trên các mô hình và nghiên cứu hiện tại, bạn có thể thấy nó chính xác hơn cho nhu cầu của mình [1].

Người ta có thể chỉ ra những phát triển lịch sử xung quanh CAM, nhưng ở đây dễ dàng hơn để đề nghị bạn nghiên cứu mô hình mã hóa màu IPT và hình trụ tương đương của nó để mô hình hóa sắc độ và sắc độ như một góc. Các phát triển trong mô hình IPT khắc phục hầu hết các vấn đề của mô hình Lab trước đó và đơn giản hóa một số công việc liên quan đến CIECAM02.

Một thách thức khác cho điều này có thể là các màn hình khác nhau sẽ hiển thị cùng các giá trị màu khác nhau. Không chắc chắn nếu điều đó có liên quan trong trường hợp này.

IPT và mọi không gian màu RGB cho vấn đề đó, được neo trong nghiên cứu CIE năm 1931. Như vậy, các loại vấn đề được giải quyết ở cấp độ thấp hơn.

[1] Câu trả lời mở rộng này là do nhận xét của ông Wolfe dưới đây trong nỗ lực giải thích lý do tại sao việc đưa ra giải pháp của riêng bạn có thể là một cách tiếp cận tối ưu.

Nếu số liệu phức tạp có thể chấp nhận được, tôi sẽ đề nghị xem xét phương pháp tiếp cận dựa trên nhận thức được mô tả ở đây . Số liệu được thiết kế để chọn sự khác biệt về nhận thức của hai hình ảnh. Có hai thử nghiệm chính cho điều đó: dựa trên độ chói và dựa trên màu sắc. Đầu tiên, người ta cho phép trả lời câu hỏi sự thay đổi độ chói quan trọng như thế nào bằng cách ước tính hệ số ngưỡng không đồng nhất dựa trên độ nhạy với thay đổi độ tương phản tùy thuộc vào tần số không gian của hình ảnh. Cái thứ hai dựa trên khoảng cách euclide trong không gian màu CIE LAB, nhưng được sửa đổi một chút để làm cho sự khác biệt màu ít quan trọng hơn khi độ chói ở trong phạm vi mesopic và scotopic. Một danh sách các giấy tờ liên quan đến số liệu đó có thể được tìm thấy ở đây .