इस मामले में संतृप्ति की गणना करने का सही तरीका क्या होगा?


12

मैं xyY रंग स्थान का HSV प्रतिनिधित्व करने की कोशिश कर रहा हूँ। एक रंग से रंग की गणना करने के लिए , मैं xy गुणसूत्र आरेख पर उस रंग और लाल (तरंग दैर्ध्य 745) के बीच के कोण का उपयोग करता हूं, सफेद केंद्र के रूप में।( )(x,y)(13,13)

संतृप्ति सफेद और के बीच की दूरी के बीच का अनुपात है , और सफेद और की एक पूरी तरह से संतृप्त संस्करण (जो के बीच की रेखा के बीच चौराहे है और और गुणसूत्र आरेख के किनारे)।( x , y ) ( 1 )(x,y)(x,y)(x,y)(13,13)(x,y)

x गुणसूत्र आरेख:

समस्या यह है कि जब मैं अपने रंग अंतरिक्ष (मूल्य = 1 पर) की साजिश रचता हूं और इसकी तुलना आरजीबी के एचएसवी प्रतिनिधित्व से करता हूं, तो संतृप्ति (केंद्र से दूरी) का मिलान कैसे "रंगीन" रंग से प्रतीत नहीं होता है वास्तव में है:

मेरा रंग स्थान (संतृप्ति गलत लगता है):

RGB का HSV रंग स्थान:

इसके बजाय मुझे संतृप्ति की गणना कैसे करनी चाहिए?


2
मुझे लगता है कि आपको अधिक विवरण जोड़ना चाहिए कि आपने वास्तव में अपना रंग पैलेट / टेबल कैसे बनाया है ताकि उपयोगकर्ता आपकी मदद करने में सक्षम हो सकें। आप कंप्यूटर विज्ञान आधारित स्टैक एक्सचेंजों में से एक पर भी विचार कर सकते हैं।

जवाबों:


5

दुर्भाग्य से इस सवाल का कोई अच्छा जवाब नहीं है। बस यह काम नहीं करेगा। रंगीन को परिभाषित करने का कोई अच्छा तरीका नहीं है, यह संदर्भ है। Cie भौतिक माप को पकड़ने की कोशिश कर रहा है। हालांकि यह रंगों को एक दूसरे से संबंधित करने में बहुत अच्छी तरह से सफल नहीं होता है।

बहुत बाहरी चाप पर रंग डायराक डेल्टा फ़ंक्शन के करीब के वर्णक्रमीय वितरण का प्रतिनिधित्व करते हैं । तो एक मॉडल का निर्माण हो सकता है जो कहता है कि एक रंग बहुत रंगीन है जब यह एक डायक डेल्टा है।

हालांकि इस परिभाषा का एक अप्रत्याशित परिणाम है। अर्थात् मैजेंटा रंग डायराक डेल्टास के रूप में मौजूद नहीं है। चूंकि ये रंग स्पेक्ट्रम में मौजूद नहीं होते हैं। तो वे केवल 2 तरंग दैर्ध्य के मिश्रण से मिलकर बनता है। इसका मतलब यह होगा कि वे अन्य रंगों की तुलना में कम रंगीन हैं।

दूसरी समस्याएं

दुर्भाग्य से, xy अवधारणात्मक रूप से समान नहीं है। तो xyY पर एक सीधी रेखा 2 रंग मिश्रणों के बीच प्रक्षेपों का प्रतिनिधित्व नहीं करती है। इसलिए ध्रुवीय परिवर्तन करने का मतलब है कि आपके पास एक ही निर्देशांक पर अलग-अलग रंग के आधार होंगे। पूर्वनिर्मित रंग वास्तव में आपके मॉडल पर नहीं चलते हैं। इसे ठीक से करने के लिए आपको एक अत्यंत परिष्कृत परिवर्तन करने की आवश्यकता होगी।

रंग को एक ध्रुवीय निर्देशांक में परिवर्तित करने के साथ कई समस्याएं हैं जो बिल्कुल विपरीत है कि दृष्टि कैसे काम करती है। इस संदर्भ में सफेद भी थोड़ा समस्याग्रस्त है। आंख में 3 अलग-अलग शंकु में से प्रत्येक के लिए पूर्ण संतृप्त सिग्नल की दूरी अलग-अलग है। नर्क, यहां तक ​​कि जो कुछ भी है, वह आसपास के रंगों और परिवेश की रंग स्थितियों पर निर्भर करता है। तो एक विश्वदृष्टि जो मौजूद नहीं है को मजबूर करने के अपने प्रयास से डरें।

आखिरकार

यह किसके लिए उपयोगी होगा?


xyY वास्तव में रैखिक है, सामान्यीकृत है।
troy_s

@troy_s इसकी ऊर्जावान रेखीय है, लेकिन इसके रंग की दूरी में रैखिक नहीं है। इसकी वास्तव में एक जगह बनाना मुश्किल है जो 2 बिंदुओं के बीच अवधारणात्मक दूरी में समान है।
जूजा २०

अवधारणात्मक रूप से वर्दी "रैखिक" की तुलना में कहीं बेहतर शब्द है। उस शब्द के आसपास पहले से ही काफी मूर्खता है।
troy_s

@troy_s राइट, इसके लिए अच्छा नाम, बदल गया। मैं वास्तव में यहाँ बैठकर उत्तर दे रहा था और सोच रहा था कि गणित के प्रश्न पर प्रश्न पूछना रैखिक की न्यूनतम आवश्यकता होगी। तो के रूप में जाँच करने के लिए रैखिक कभी eeven रंग के लिए अर्हता प्राप्त करेंगे।
पूजा

4

XYZ और xyY मॉडल कुछ ऑपरेशंस के लिए बेहद उपयोगी होते हैं जैसे RGB RGB को दूसरे RGB एन्कोडेड कलर स्पेस में हेरफेर करना।

हालाँकि, XYZ और xyY अन्य संदर्भों में बहुत जल्दी विफल हो जाते हैं। उदाहरण के लिए, MacAdams दीर्घवृत्तीय पैमाने पर ध्यान देने योग्य अंतर का वर्णन करने वाले दीर्घवृत्त पर विचार करें। आप वास्तव में xyY मानों के लिए एक गैर-रेखीय, अवधारणात्मक रूप से एकसमान परिवर्तन लागू कर सकते हैं और आप संभवतः अपने परिपत्र इंटरफ़ेस तत्व में जो भी उम्मीद कर रहे हैं, उसके करीब पहुंच जाएंगे।

कहा जा रहा है कि, ऐसे मॉडल की आवश्यकता है जो "colourfulness" के रूप में इस तरह की चीजों के मूल्यांकन के लिए रंग के साइकोफिजिकल पहलू से निपटने के लिए xyY / XYZ पर विस्तार और निर्माण करते हैं। यह कलर अपियरेंस मॉडल के क्षेत्र में प्रवेश करता है , जो चमक और चमक (प्रकाश), रंग, रंगीनता, क्रोमा, संतृप्ति, और रंग के आसपास के विभिन्न मुद्दों की सटीक मॉडलिंग और भविष्यवाणी करने में सक्षम है। जो आप चाह रहे हैं उसे प्राप्त करने के लिए, आपको अपने डेटा को एक रंग उपस्थिति मॉडल जैसे CIECAM02 में बदलना होगा।

अन्य समाधान में उद्धृत समस्याओं को वास्तव में रंग उपस्थिति मॉडल जैसे CIECAM02 मॉडल द्वारा हल किया जाता है, जिसमें साइकोफिजिकल प्रभाव शामिल हैं जो ऑप्टिकल भ्रम के रूप में प्रकट होते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.