Colorful框架根据此文作了些许扩展，更新版本从此处下载。
入门Colorful的建议
Colorful本质上就是一个函数集合，真正的宝藏都在Mathematica中。私以为不用专门学习Mathematica软件。一般来说，只需掌握以下几个技巧就能愉快玩耍了：
- 函数的定义与使用。函数选项“Options”的使用
- 列表各种操作、列表运算符与构造（Table函数很重要）。
- 各种语法糖，如Map /@、Apply @@、前缀@、后缀//等，帮助阅读和简写代码。可以收藏这个网址随时翻阅。
- 查帮助文档和Mathematica Stack Exchange。前人踩坑，后人乘凉。
- 先明确数学过程再写代码，事半功倍
这里再列举Colorful计算中非常常见又很奇怪的四个符号#、&、/@、%
解释如下：
- #与&配合，是就地构造一个新函数，操作紧接着的表达式。如：
Power[#, 2.2]& {.5, .5, .5}这是对后面的像素做gamma2.2的反编码。
2. /@是Map函数的简写，用作批量处理：若函数的输入是元素，但想对一整个集合的元素作处理，一般用法是“函数/@集合”，这样函数集合中的每个元素都被单独处理，输出一个新的集合。如：
XYZ2LAB/@ {{1, 1, 1},{.5, .5, .5}}
XYZ2LAB[#]& /@ {{1, 1, 1},{.5, .5, .5}}上两句等价，都是将像素集{{1, 1, 1},{.5, .5, .5}}从XYZ转到LAB（别忘了默认白点是D65哦）。
3. %符号指“上一个结果”。如：
Power[{.5, .5, .5}, 2.2];
% * 2这两句话是，将{.5, .5, .5}做Gamma2.2的反编码，再这个像素加一档曝光。分号表示不输出该句结果。
常用的技巧不多，再辅以案例，入门很快。
光谱的色度计算：
色彩并不存在，色彩是人眼特性+大脑皮层产生的假象，现实中只存在不同波长的光，物理上可以确定一点的光谱能量分布（Spectral Power Distribution）。Colorful中，它是
人眼或相机都有三种光感受器，每种光感受器都有一个特定的光谱敏感度函数，光感受器获得1个强度值的过程是：光谱敏感度函数与光谱能量分布内积。计算光谱的颜色，就是计算人类的色彩响应。通常将LMS视作视锥细胞真实的神经冲动值，而为工程计算方便，又将LMS作线性变换到XYZ坐标下。所以在色彩计算时，XYZ坐标就是绝对的色觉坐标，XYZ就是实实在在的颜色。
所以，用XYZ坐标表示的人类色觉的“光谱敏感度函数”，叫做XYZ坐标的色匹配函数（Color Matching Function）。在Colorful中，它是
某光谱能量分布的色彩计算如下：
其中“.”指矩阵乘。如果已知某反射体的光谱反射率
其中“*”代表矩阵对应项相乘，e表示曝光系数。在实际计算时，e通常设置为直接对光源曝光时Y=1的值，即e应满足以下方程：
统一曝光基准的处理有很多好处。原因之一是，当曝光基准不同时，L、A、B三个值都会不同，不好做比对。这个事实留给读者自己验证。
Colorful光谱计算举例
2月7日新增了一个示例文件Spectrum.nb，例子是爱色丽ColorChecker24色卡的光谱计算，以及与官方推荐Lab值的比对。下面给出过程详解。
关于ColorChecker 24 色卡
这是24色标准色卡，最初由Macbeth公司开发，该公司最终辗转并进爱色丽。进行色卡计算时要将每个色块的编码熟记于心：从深棕色延长边是A1、B1、C1...是字母递增。
色卡是一个高科技产品。为什么这么说呢？色卡不仅色彩准确，其光谱分布也是精确设计过的。很多人建议不要用手触摸色卡，防止色彩出现偏移，这个建议值得听取。通过染料调整，色卡的光谱反射率精确到了令人发指的地步，以其中的灰卡为例：
爱色丽提供很多种产品，ColorChecker Classic、ColorChecker Classic Mini、ColorChecker Proof和摄影师常见的ColorChecker Passport等。还有一个视频专用版，但它与Passport色块设置不同。爱色丽版的ColorChecker24在2014年11月底进行过一次染料配方调整，其色度值有所不同，最大DE00达到了1.95。所以查表时一定看好发布日期和对应版本。
另外，产品版本有坑，数据标准也有坑，这里不细究，推荐阅读：BabelColor。
网络上流行的色度值表格是这个（因为标在维基百科上），可惜它是老版本的表格。官方给出的2014年后版本的LAB值表格在此，其LAB坐标的参考白点是D50（但它的排序有点问题）。今天的计算就用这个官方版本，我已经做好格式化放在/Data/ColorChecker/ColorChecker24_After _Nov2014Formatted.csv中了。
在一些情况下，仅有色度值是不够的，往往需要用光谱计算，所以很多第三方网站都给出了24色色卡的光谱数据。尽管官方声称他们从未发布过色卡的光谱数据，但自带的APP中却明文记录着...今天计算的主角就是它，同样做好格式化放在/Data/ColorChecker/ColorChecker24_spectral.csv中了。
但是官方并未说明光谱分布的技术信息，尤其没有说它是“某光源照射的结果”还是“色卡的光谱反射率”，而且测量方式、参考光源、与LAB数据的关系都没有提到，所以它几乎是不可用的。今天的任务就是有理有据地猜猜它到底是啥，是D50光源照射后的结果还是色卡的光谱反射率。
数据导入
使用Import函数将光谱源数据载入。Workspace才是工作目录，所以需要用到gCSDir变量获取Colorful的根目录。习惯把"rawData"作为载入数据的前缀：
rawDataCC24Spec =
Import[gCSDir <> "/Data/ColorChecker/ColorChecker24_spectral.csv"];
Dimensions[%]第二句是查看导入列表的维度，结果是{24,36}，这是24个光谱分布的集合。官方介绍其为380-730nm步进为10nm的数据，而Colorful需要的是380-720nm步进为5nm的数据，所以下一步我们要用插值做转换。基本是套路：
- 用Table构造数据本身的波长范围与步进，命名SpecRange
- 用Table函数使导入数据与对应波长组合成列表。得到24个有对应波长的光谱的集合
- 用Interpolation函数对每一个光谱分布做插值，选项可以调整插值阶数，这里用1，也就是线性插值。得到24个插值函数的集合
- 用Table函数构造新的光谱集合，从插值函数中选取380-720:5的数据，命名CC24Spec
(*用Table函数构造数据对应的光谱波长范围和波长步进，得到一个长度为36的列表（380-730:10）*)
SpecRange = Table[10 x + 380, {x, 0, 35}];
(*用Table函数将光谱源文件与对应波长结合，得到24个光谱的集合*)
Table[{SpecRange[[x]], #[[x]]}, {x, 1, 36}] & /@ rawDataCC24Spec;
(*用插值Interpolation函数对集合中每一个光谱做一阶插值，得到24个插值函数的集合*)
Interpolation[#, InterpolationOrder -> 1] & /@ %;
(*用Table函数从一阶插值函数中选出我们想要的值：380-720nm，步进5nm*)
CC24Spec = Table[#[s], {s, 380, 720, 5}] & /@ %;代码中的符号较混杂，然而这就是Mathematica的风格...
光谱的色度计算
我们的目的是验证该数据是“色卡+光源”还是“色卡的反射率”。基本思路是：
- 如果是“D50照射后的光谱能量分布”，则直接对数据算色度值，应更接近官方LAB数据；
- 如果是“色卡的反射率”，则数据与光源作用，再算色度值，应更接近LAB数据。
先直接算色度值：
(*1.直接算色卡光谱反射率的颜色*)
CC24XYZ = CMFXYZ.(#) & /@ CC24Spec;得到24个色块的XYZ值CC24XYZ，是一个像素集。
再算D50光源下的色度值。LSD50是内置现成的光谱光源。还记得吗？光源+反射介质的色度计算要乘曝光系数
e = 1/(CMFXYZ[[2]].LSD50)会发现结果为1。没错，光源在定义时就做好曝光标准化了。所以接下来不用考虑
用#、&就地构造一个函数，它可以先与LSD50对应项相乘，再被
(*2.计算在D65光源下，色卡呈现的颜色，最后用计算好的曝光值相乘。*)
CC24XYZD50 = CMFXYZ.(#*LSD50) & /@ CC24Spec;两组数据的对比、白平衡的统一
至此，我们已经对光谱做好了两种不同的处理。先把它们画在一张图上对比，隆重推出Draw1976Compare函数：
Draw1976Compare[CC24XYZ, CC24XYZD50, "SizeRatio" -> 0.5]
比对色度时使用CIE 1976 uv坐标系，是因为在uv中，可以简单地用两点距离估算色偏（相比之下xy坐标系很不平均）。其中SizeRatio表示第二组数据点相对于第一组数据点大小的比例，默认0.8。大点对应CC24XYZ，小点对应加光源的CC24XYZD50。
我们发现两组数据差别很大，原因是它们的白平衡不统一。CCD24XYZ的白平衡是E，而CCD24XYZD50的白平衡是D50。
这时需要用到在标准白点之间变换的ChromaticAdaptation函数，函数中提供了XYZScaling、Bradford、VonKries三种方法，公认最有效的方法是Bradford（专栏以后会展开解释），这是PS使用的方案，也是该函数的默认方法。转换如下：
(*可以看出它们的白平衡不同。用Bradford方法做一个白平衡变换*)
CC24XYZWBD50 =
ChromaticAdaptation[#, "E", "D50", "Method" -> "Bradford"] & /@
CC24XYZ;再次比对：
Draw1976Compare[CC24XYZWBD50, CC24XYZD50, "SizeRatio" -> 0.5]
可以发现它们已经非常接近了，主要的区别在蓝色部分。
如此，我们获得了两组数据：
- CC24XYZWBD50，直接从光谱计算色度，并用白平衡调到D50的数据；若它与官方LAB值更接近，则光谱数据是“D50照射后的光谱能量分布”
- CC24XYZD50，从光谱与光源作用再计算色度；若它与官方LAB值更接近，则光谱数据是“光谱反射率”
LAB数据的导入和处理
直接导入：
CC24A2014LAB =
Import[gCSDir <>
"/Data/ColorChecker/ColorChecker24_After_Nov2014Formatted.csv"];转换成XYZ坐标。注意该LAB数据的参考白点是D50：
(*LAB转换成XYZ，白点D50*)
CC24A2014XYZ = LAB2XYZ[#, "refWP" -> "D50"] & /@ CC24A2014LAB;如此，我们获得了按顺序排列的24个色块的XYZ值，CCD24A2014XYZ是一个像素集。
在进入色偏比对之前，总结一下处理流程和比对思路：
色偏比对
先用CIE 1976 uv坐标系做可视化比对：
(*比对光谱计算结果和官方给出结果*)
Draw1976Compare[CC24A2014XYZ, CC24XYZWBD50, "SizeRatio" -> 0.5]
Draw1976Compare[CC24A2014XYZ, CC24XYZD50, "SizeRatio" -> 0.5]
输出两张图：
可以发现，第二个结果色偏非常小，在uv坐标中几乎不可见；第一个结果色偏也不大，但蓝色部分有微小色偏。
这时就要用到色偏的定量计算，使用DE00LAB函数。
①.第一组数据
首先变换为LAB，白点D50。
(*首先把CCD24XYZWBD50转成LAB，白点D50。*)
XYZ2LAB[#, "refWP" -> "D50"] & /@ CC24XYZWBD50;DE00LAB的输入是两个“像素”，而我们想对比两组像素集对应的像素，所以先用Table构造一个新数组，将一对对欲对比的像素捆在一起，并组成像素对的集合：
(*DE00对比的是两个像素，所以要把对应像素捆在一起，组成像素对的集合*)
Table[{CC24A2014LAB[[x]], %[[x]]}, {x, 1, 24}];用DE00LAB对比该集合中的每个像素对。这里用到一个语法糖：
DE00LAB @@@ %如果DE00LAB对比一个像素对，则要用到Apply函数，其简写是@@；若批量对比像素对的集合，就用到@@@了。当然，最好的方法是把代码保存下来，直接用。这句的结果给出每一对像素对的DE00色差，可以输出一下其中的最大值：
Max[%]结果是1.38304，色偏已经肉眼不可分辨了；
②.第二组数据
直接算：
XYZ2LAB[#, "refWP" -> "D50"] & /@ CC24XYZD50;
Table[{CC24A2014LAB[[x]], %[[x]]}, {x, 1, 24}];
DE00LAB @@@ %;
Max[%]结果是0.684686。
实验结论：官方软件中的光谱数据更接近于光谱反射率。
这个结果，在一定程度上证明了，10nm步进的光谱数据，也能保证一定精度；笔者也尝试了，若将插值阶数提高，能进一步提高精度（插值阶数对精度的影响可能取决于数据本身的平滑程度）。
读者可以试试让机器告诉你哪个色块有最大色偏。
该案例中使用的流程仅作练习用，实验结论仅作参考。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
