Saya memiliki beberapa warna dalam RGB dalam [0,1] dan ingin menemukan cara untuk menilai kesamaan mereka, seperti yang dirasakan oleh manusia.
Saya memiliki dua ide dalam pikiran, tetapi saya yakin ada pilihan lain juga, tetapi tidak yakin mana yang terbaik, atau jika mungkin tidak ada yang terbaik, tetapi hanya pertukaran.
Ide pertama saya adalah memperlakukan warna RGB sebagai titik XYZ dan menghitung jaraknya.
Gagasan lain yang saya miliki adalah memperlakukan nilai RGB sebagai histogram dan menggunakan produk titik untuk mendapatkan nilai kesamaan di antara mereka, di mana nilai yang lebih besar lebih baik.
Namun saya tahu, bahwa tidak semua saluran warna memiliki kecerahan yang sama, jadi mungkin saya harus menimbang saluran warna secara berbeda untuk kedua kasus?
Saya juga berpikir saya mungkin perlu melakukan koreksi sRGB pada nilai warna (seperti, sqrt setiap saluran warna).
Saya juga tahu ada ruang warna lain, jadi mungkin salah satu dari mereka akan lebih baik dalam memberikan nilai kesamaan.
Tantangan lain untuk hal ini adalah tampilan yang berbeda akan menampilkan nilai warna yang sama secara berbeda. Tidak yakin apakah itu relevan dalam kasus ini.
Adakah yang bisa memberikan bantuan / arahan?
Jawaban:
Ini adalah subjek yang sangat besar, dan secara longgar ditemukan di bawah panji model penampilan warna . Mengapa tidak sepenuhnya pembentukan yang lebih sederhana adalah karena sifat warna psikofisik dalam warna yang tidak ada di luar organisme manusia.
Saran terbaik adalah, seperti halnya kriptografi, jangan gulung sendiri; Anda kemungkinan akan sampai pada sistem sub-optimal yang, dalam kasus terbaik, dinding yang terkena sudah ditabrak oleh peneliti lain di lapangan. Jika Anda mendasarkan pekerjaan Anda pada model dan penelitian yang ada, Anda mungkin menemukan itu lebih akurat untuk kebutuhan Anda [1].
Orang bisa menunjuk pada perkembangan historis di sekitar CAM, tetapi lebih mudah di sini untuk menyarankan Anda meneliti model pengkodean warna IPT dan padanannya yang berbentuk silinder yang memodelkan warna dan rona sebagai sudut. Evolusi dalam model IPT mengatasi sebagian besar masalah model Lab sebelumnya, dan menyederhanakan beberapa pekerjaan yang terlibat dalam CIECAM02.
IPT, dan setiap ruang warna RGB dalam hal ini, berlabuh dalam penelitian CIE 1931. Dengan demikian, masalah-masalah semacam ini diselesaikan pada tingkat yang lebih rendah.
[1] Jawaban yang diperluas ini disebabkan oleh komentar Mr. Wolfe di bawah ini dalam upaya untuk menjelaskan mengapa menggulirkan solusi Anda sendiri mungkin merupakan pendekatan yang kurang optimal.
sumber
Jika metrik kompleks dapat diterima, saya akan menyarankan untuk melihat pendekatan berbasis persepsi yang dijelaskan di sini . Metrik dirancang untuk memilih perbedaan persepsi dari dua gambar. Ada dua tes utama untuk itu: berbasis pencahayaan dan berbasis warna. Yang pertama memungkinkan untuk menjawab pertanyaan seberapa penting perubahan pencahayaan adalah dengan memperkirakan faktor ambang batas yang tidak seragam berdasarkan sensitivitas terhadap perubahan kontras tergantung pada frekuensi spasial gambar. Yang kedua didasarkan pada jarak euclidean dalam ruang warna CIE LAB, tetapi sedikit dimodifikasi untuk membuat perbedaan warna kurang penting ketika luminans berada dalam rentang mesopik dan scotopic. Daftar makalah yang terkait dengan metrik itu dapat ditemukan di sini .
sumber