博客
关于我
VTK:颜色
阅读量:273 次
发布时间:2019-03-01

本文共 559 字,大约阅读时间需要 1 分钟。

VTK:颜色

人类可见的电磁光谱范围约为400至700纳米。进入眼睛的光由这些波长的不同强度组成,这些强度差异定义了颜色。然而,由于人眼的感知机制,我们的大部分颜色信息被忽略,导致我们对颜色的感知存在一定的局限性。

人眼中有三种类型的感受器称为视锥细胞。每种视锥细胞对特定波长范围的光敏感,分别是蓝色、绿色和红色。这些视锥细胞的响应范围相互重叠,因此我们看到的任何颜色都被编码为这三个重叠响应的组合。相比于实际进入眼中的信息量,这种编码方式大大减少了信息量。结果,我们无法察觉到某些颜色的微小差异,这是因为这些差异在应用于人眼的响应曲线时会导致相同的三联反应。因此,在计算机中存储和表示颜色时,我们可以使用简化的形式,而人眼无法识别出这些差异。

两个常用的颜色分量系统是RGB和HSV。RGB系统根据红、绿、蓝三种颜色的强度来表示颜色,可以将其视为三维空间。HSV系统则根据色相、饱和度和值来表示颜色。值分量(Brightness)表示颜色的亮度或强度,值0.0对应黑色,值1.0对应白色。

RGB系统的优势在于其简单性和广泛的应用。通过调整红、绿、蓝三种颜色的强度比例,可以获得大量的颜色组合。然而,HSV系统在某些情况下更为直观,因为它直接反映了颜色的特性。无论是RGB还是HSV系统,都可以有效地描述和表示颜色。

转载地址:http://jtpx.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>