由于您尝试模拟现有渐变而不是从任意颜色创建渐变,因此只需找到一个与测量的渐变值匹配的公式。在
首先取梯度上每个点的平均像素r,g,b值。你需要先得到一个纯图像,你发布的图像有一个白色的边框,边缘有一些响声;我用了一个图像编辑器来清理它。在
一旦测量到值,就可以使用^{}进行曲线拟合。我胡乱猜测5度就足够了,得到了6个系数的数组。在这里,您可以看到一个测量值的曲线图,并覆盖拟合曲线。我认为这是一个很好的匹配。在
下面是用这些曲线重建梯度的代码。在rp = [-1029.86559098, 2344.5778132 , -1033.38786418, -487.3693808 ,
298.50245209, 167.25393272]
gp = [ 551.32444915, -1098.30287507, 320.71732031, 258.50778539,
193.11772901, 30.32958789]
bp = [ 222.95535971, -1693.48546233, 2455.80348727, -726.44075478,
-69.61151887, 67.591787 ]
def clamp(n):
return min(255, max(0, n))
def gradient(x, rfactors, gfactors, bfactors):
'''
Return the r,g,b values along the predefined gradient for
x in the range [0.0, 1.0].
'