Jaki byłby właściwy sposób obliczenia nasycenia w tym przypadku?

Próbuję utworzyć reprezentację HSV przestrzeni kolorów xyY. Aby obliczyć odcień na podstawie koloru , używam kąta między tym kolorem a kolorem czerwonym (długość fali 745) na schemacie chromowości xy z białym jako centrum.$(x, y)$$(\frac{1}{3}, \frac{1}{3})$

Nasycenie to stosunek między odległością między białym a i białym oraz w pełni nasyconą wersją (będącą przecięciem linii między i oraz krawędź schematu chromacity).$(x, y)$$(x, y)$$(\frac{1}{3}, \frac{1}{3})$$(x, y)$

xy diagram chropowatości:

Problem, który mam, polega na tym, że kiedy wykreślam przestrzeń kolorów (przy wartości = 1) i porównuję ją z reprezentacją RGB w HSV, nasycenie (odległość od środka) wydaje się nie pasować do tego, jak „kolorowy” kolor w rzeczywistości jest:

Moja przestrzeń kolorów (nasycenie wydaje się nieprawidłowe):

Przestrzeń kolorów HSV RGB:

Jak zamiast tego obliczyć nasycenie?

Niestety nie ma dobrej odpowiedzi na to pytanie. Po prostu to nie zadziała. Nie ma dobrego sposobu na zdefiniowanie kolorowych, w tym kontekście. Cie próbuje uchwycić fizyczny pomiar. Nie udaje mu się jednak bardzo dobrze odnosić kolorów.

Kolory na bardzo zewnętrznym łuku reprezentują rozkłady widmowe zbliżone do funkcji delta Diraca . Można więc zbudować model, który mówi, że kolor jest bardzo kolorowy, gdy jest to delta Diraca.

Istnieje jednak nieprzewidziana konsekwencja tej definicji. Mianowicie karmazynowe kolory nie istnieją jako Dirac Deltas. Ponieważ kolory te nie istnieją w spektrum. Składają się więc wyłącznie z mieszanki dwóch długości fali. Oznaczałoby to, że są mniej kolorowe niż większość innych kolorów.

Inne problemy

Niestety xyY nie jest percepcyjnie jednolity. Tak więc linia prosta na xyY nie reprezentuje interpolacji między 2 kolorami mieszanin. Dlatego wykonanie transformacji biegunowej oznacza, że ​​będziesz mieć różne podstawy kolorów na tych samych współrzędnych. Również zauważony kolor tak naprawdę nie przechodzi do twojego modelu. Aby zrobić to poprawnie, musisz dokonać niezwykle wyrafinowanej transformacji.

Istnieje wiele problemów z konwersją koloru na współrzędne biegunowe, ponieważ jest to dokładnie przeciwne, jak działa widzenie. W tym kontekście biel jest również nieco problematyczna. Odległość do pełnego nasycenia sygnału jest różna dla każdego z 3 różnych stożków w oku. Do diabła, nawet to, co jest, zależy od kolorów otoczenia i warunków kolorów otoczenia. Więc obawiaj się, próbując wymusić światopogląd, który nie istnieje.

Wreszcie

Do czego by to się przydało?

Modele XYZ i xyY są niezwykle przydatne do niektórych operacji, takich jak manipulowanie przestrzeniami kolorów RGB w innej przestrzeni kolorów zakodowanej w RGB.

Jednak XYZ i xyY zawodzą dość szybko w innych kontekstach. Rozważmy na przykład elipsy MacAdamsa, które opisują zauważalne różnice w liniowej skali xyY. Możesz faktycznie zastosować nieliniową, percepcyjnie jednorodną transformację do wartości xyY i prawdopodobnie skończyłbyś bliżej tego, na co liczysz w elemencie okrągłego interfejsu.

Biorąc to pod uwagę, istnieje zapotrzebowanie na modele, które rozszerzają i opierają się na xyY / XYZ, aby zmierzyć się z psychofizycznym aspektem koloru przy ocenie takich rzeczy jak „barwność”. Wchodzi to w zakres modeli wyglądu kolorów , które są w stanie dokładnie modelować i przewidywać różne problemy dotyczące jasności (luminancji), jasności, barwności, nasycenia, nasycenia i odcienia. Aby osiągnąć to, czego szukasz, musisz przekształcić swoje dane w model wyglądu kolorów, taki jak CIECAM02.

Problemy przytoczone w innym rozwiązaniu są w rzeczywistości rozwiązane przez modele wyglądu kolorów, takie jak model CIECAM02, w tym efekty psychofizyczne, które objawiają się jako złudzenia optyczne.

• Model wyglądu kolorów | Wikipedia
• Modele o wyglądzie kolorów | Blog Mark Fairchild