อะไรจะเป็นวิธีที่ถูกต้องในการคำนวณความอิ่มตัวในกรณีนี้

ฉันกำลังพยายามแสดง HSV ของพื้นที่สี xyY ในการคำนวณเฉดสีจากสีฉันใช้มุมระหว่างสีนั้นกับสีแดง (ความยาวคลื่น 745) บนไดอะแกรม xy chromacity ด้วยสีขาว( $(x, y)$เป็นศูนย์กลาง$(\frac{1}{3}, \frac{1}{3})$

ความอิ่มตัวคืออัตราส่วนระหว่างระยะห่างระหว่างสีขาวและและสีขาวและรุ่นที่อิ่มตัวอย่างเต็มที่ของ( x , y ) (ซึ่งเป็นจุดตัดระหว่างเส้นแบ่งระหว่าง( $(x, y)$$(x, y)$และ(x,y)และขอบของไดอะแกรม chromacity)$(\frac{1}{3}, \frac{1}{3})$$(x, y)$

แผนภาพ Chromacity xy:

ปัญหาที่ฉันมีคือเมื่อฉันวางแผนพื้นที่สีของฉัน (ที่ค่า = 1) และเปรียบเทียบกับ HSV ที่เป็นตัวแทนของ RGB ความอิ่มตัว (ระยะทางจากศูนย์กลาง) ดูเหมือนจะไม่ตรงกับสี "สีสัน" จริง ๆ แล้ว:

พื้นที่สีของฉัน (ความอิ่มตัวดูเหมือนผิด):

พื้นที่สี HSV ของ RGB:

ฉันควรคำนวณความอิ่มตัวแทนได้อย่างไร

ขออภัยไม่มีคำตอบที่ดีสำหรับคำถามนี้ เพียงแค่มันจะไม่ทำงาน ไม่มีวิธีที่ดีในการนิยามสีสันมันคือบริบทนี้ Cie พยายามจับการวัดทางกายภาพ อย่างไรก็ตามมันไม่ประสบความสำเร็จในการเชื่อมโยงสีซึ่งกันและกัน

สีบน arc นอกมากแทนการกระจายสเปกตรัมของใกล้กับฟังก์ชั่นเดลต้าแรค ดังนั้นเราสามารถสร้างแบบจำลองที่บอกว่าสีมีสีสันมากเมื่อมันเป็นเดลต้า Dirac

แม้ว่าจะมีผลลัพธ์ที่ไม่คาดหมายจากคำนิยามนี้ สีม่วงแดงนั้นไม่มีอยู่ใน Dirac Deltas เนื่องจากสีเหล่านี้ไม่มีอยู่ในสเปกตรัม ดังนั้นพวกเขาจึงประกอบด้วยส่วนผสมของความยาวคลื่น 2 เท่านั้น นี่หมายความว่ามันมีสีสันน้อยกว่าสีอื่น ๆ ส่วนใหญ่

ปัญหาอื่น ๆ

น่าเสียดายที่ xyY ไม่เหมือนกันทุกคน ดังนั้นเส้นตรงบน xyY จึงไม่ได้เป็นตัวแทนการแก้ไขระหว่างสีผสม 2 สี ดังนั้นการแปลงรูปแบบขั้วโลกหมายความว่าคุณจะมีฐานสีที่แตกต่างกันในพิกัดเดียวกัน สีที่ผ่านการกลั่นกรองแล้วจะไม่เคลื่อนไปยังแบบจำลองของคุณ ในการทำเช่นนี้อย่างถูกต้องคุณจะต้องทำการเปลี่ยนแปลงที่ซับซ้อนอย่างยิ่ง

มีปัญหามากมายเกี่ยวกับการเปลี่ยนสีให้เป็นพิกัดเชิงขั้วซึ่งตรงข้ามกับการมองเห็น สีขาวยังเป็นปัญหาเล็กน้อยในบริบทนี้ ระยะทางถึงสัญญาณอิ่มตัวเต็มรูปแบบจะแตกต่างกันสำหรับกรวยทั้งสามในตาที่แตกต่างกัน แม้ในขณะที่สิ่งที่อยู่ในนั้นขึ้นอยู่กับสีของสภาพแวดล้อมและสีของสภาพแวดล้อม ดังนั้นจงกลัวว่าคุณจะพยายามบังคับมุมมองโลกที่ไม่มีอยู่จริง

ในที่สุด

สิ่งนี้จะมีประโยชน์สำหรับ?

โมเดล XYZ และ xyY มีประโยชน์อย่างยิ่งสำหรับการดำเนินการบางอย่างเช่นการจัดการช่องว่างสี RGB ไปยังพื้นที่สีเข้ารหัส RGB อื่น

อย่างไรก็ตาม XYZ และ xyY ล้มเหลวอย่างรวดเร็วในบริบทอื่น ๆ ตัวอย่างเช่นพิจารณา MacAdams จุดไข่ปลาที่อธิบายความแตกต่างที่เห็นได้ชัดเจนในระดับ xyY เชิงเส้น ในความเป็นจริงคุณสามารถใช้การแปลงแบบไม่เชิงเส้นการรับรู้ค่า xyY อย่างสม่ำเสมอและคุณอาจจะใกล้ชิดกับสิ่งที่คุณคาดหวังในองค์ประกอบอินเทอร์เฟซแบบวงกลมของคุณ

เมื่อมีการกล่าวว่ามีความต้องการโมเดลที่ขยายและสร้างขึ้นบน xyY / XYZ เพื่อจัดการกับลักษณะทางจิตของสีสำหรับการประเมินสิ่งต่าง ๆ เช่น "colourfulness" สิ่งนี้เข้าสู่โดเมนของColor Appearance Modelsซึ่งมีความสามารถในการสร้างแบบจำลองและทำนายปัญหาต่าง ๆ ที่อยู่รอบ ๆ ความสว่าง (ความส่องสว่าง), ความสว่าง, ความมีสีสัน, ความเข้มของสี, ความเข้มและสี เพื่อให้บรรลุสิ่งที่คุณต้องการคุณจะต้องแปลงข้อมูลของคุณให้เป็นแบบจำลองลักษณะสีเช่น CIECAM02

ปัญหาที่อ้างถึงในการแก้ปัญหาอื่น ๆ ในความเป็นจริงแก้ไขได้โดยแบบจำลองลักษณะสีเช่นโมเดล CIECAM02 รวมถึงผลกระทบทางจิตวิทยาที่ปรากฏเป็นภาพลวงตา

• แบบจำลองลักษณะสี วิกิพีเดีย
• แบบจำลองลักษณะสี Mark Fairchild Blog