Как я могу определить, является ли цвет серым

С полной благодарностью @Wolff за эти изображения. Как уже говорилось, серый на 100 % соответствует освещению, окружающим цветам, восприятию и методу измерения. Возьмем, к примеру, эти изображения. На основном изображении на самом деле вообще нет «красного». Если вы возьмете пипетку и измерите любую область, которая выглядит красной, все они на самом деле будут оттенками серого.

если вы отрежете крыло попугая и вырвете его из контекста, оно будет выглядеть коричневым и серым.

Если вы поместите тот же фрагмент обратно на попугая, он снова будет выглядеть красным в контексте с сине-зеленым.

Но, как говорится, LCH или LAB будут лучшим выбором для измерения нейтрального серого.

Рекомендация @Luciano к этой статье: Теория цвета: существует ли измерение «красочности»? Имеет хорошую информацию о том, что вы пытаетесь сделать.

RGB или фактически насыщенность в его эквивалентах в полярных координатах очень нелинейны, когда кто-то пытается использовать его в качестве меры того, «насколько близок к серому этот цвет RGB, если смотреть на экран». Он вообще не принимает во внимание человеческий фактор. цветовое зрение, это чисто для управления электроникой экрана. Вы ударились головой об этот факт.

Вместо этого вы должны преобразовать свои значения RGB в систему LCH и извлечь C (= цветность) или в систему CIELAB (= Lab в Photoshop) и вычислить sqrt (a ^ 2 + b ^ 2). Эти системы разработаны, чтобы быть более линейными в предсказании увиденного. Для серого C=0 и a=b=0. Это, конечно, ложь, если экран не откалиброван по цвету.

ДОБАВЬТЕ необходимые комментарии: Спрашивающий, скорее всего, считает, что его программа не обманута ничем другим из того, что она видела, она может сконцентрироваться на одной комбинации RGB за раз. Я предполагаю, что спрашивающий ожидает чего-то, что могло бы помочь его программе принять такое же решение, как идеальный колориметр, когда он считывает тот же самый RGB, выдаваемый безупречным экраном sRGB без мешающих дополнительных источников света.

Я согласен с уже упомянутым восприятием цвета. Есть теплые серые и холодные серые, но самым серым из всех будет нейтральный серый.

Глядя на значения RGB, если все 3 числа одинаковы, это нейтральный серый цвет, например R109 G109 B109 или R228 G228 B228. Если одно число немного отличается, оно будет либо холодным, либо теплым оттенком серого.

Глядя на значения HSB, мне кажется, что не имеет значения, что такое HUE, пока насыщенность равна 0, он будет 100% серым. Если вы увеличите НАСЫЩЕННОСТЬ на любой процент, вы получите тон любого оттенка.

Итак, как графический дизайнер, я бы сказал, что любое значение НАСЫЩЕННОСТИ ниже 4% будет считаться серым, но это может быть холодный серый или теплый серый в зависимости от значения ОТТЕНКА (даже если оно равно 0).

Программист все еще должен сделать окончательный выбор в отношении того, что считается серым, если только вы не хотите, чтобы он обнаруживал только 100% серый цвет, тогда это легко.

HSL — лучшее цветовое пространство для представления серого.

Серость можно рассматривать как расстояние S (насыщенность), которое равно 0,0, если это чисто серый цвет, и 1,0, если он максимально удален от серого.

Измерение и восприятие

В двух предоставленных образцах я измерил (с помощью пипетки Photoshop): 0 10% 49% и 216 12% 51%, что немного отличается от того, что вы заявили, возможно, из-за того, что цветовой профиль был удален в процессе публикации.

С калиброванным Eizo CG303w (120 кд/м2 5000k 2.2) у меня такое ощущение, что тот, что слева, склоняется к красному, а тот, что справа, к синему. Я снижал насыщенность до тех пор, пока у меня не появилось ощущение, что оба цвета серые, я достиг 4% и 5% насыщенности в пространстве HSL.

Мои 5000k для точки белого немного теплые, и я вижу, что коричневое пятно более окрашено, чем синее. Вероятно, точка белого на уровне 5500k-6500k была бы лучше, и мы также должны убедиться, что окружающий свет (в идеале калиброванный свет, такой как Just) и цвет стен (белый, грязно-белый?) находятся в диапазоне приемлемой серости.

Обсуждение

В RGB цвет серый, когда R = G = B, но оператору необходимо оценить несколько чисел, чтобы ответить на вопрос «серый ли он». Труднее определить расстояние от R=G=B, просто взглянув на числа.

Цветовое пространство HSL является более прямым, так как S (насыщенность в диапазоне [0,1]) сразу дает ответ: 0 — серый или значение ниже порога выбирается как серый.

R' = R/max // normalization from [0-max] to [0.0-1.0]
G' = G/max // where max is 255 if the colors are 8 bits per channel
B' = B/max
Cmax = max(R', G', B') // find the maximum among R,G,B
Cmin = min(R', G', B') // find the minimum among R,G,B
Δ = Cmax - Cmin // gives the maximum difference

И все же, L и S задаются:

L = (Cmax + Cmin) / 2
S = Δ/(1-|2L-1|)

Следовательно, вы можете создать индикаторный фильтр, который будет отображать, скажем, чистый зеленый цвет, когда пиксели чисто серые или достаточно серые; или это будет отображать в ложных цветах все достаточно серые пиксели и дестатировать остальные. Реализация будет зависеть от вашего программного обеспечения и языка; например, вы можете создать фильтр Matlab для Photoshop, который сделает это, или даже автономный плагин.

Рекомендации

1. RapidTables RGB в HSL
2. Фотошоп Матлаб

Как вы заметили, из ответов вы получаете очень разные результаты в зависимости от ваших определений, некоторые из которых противоречат друг другу. Ни один из ответов не является неправильным, см. Они просто зависят от разных определений цвета и серого.

Теперь, поскольку мы ничего не знаем о вашей основной проблеме, трудно сказать. С точки зрения науки о цвете действительно нет удовлетворительного ответа на вопрос, сколько серого присутствует в изображении.

Конечно, наука о цвете говорит, что вся такая обработка должна производиться в абсолютном цветовом пространстве, предпочтительно в каком-то производном от CIE Lab, возможно, полярном, таком как Lch. Хотя это оставляет желать лучшего, так как нет никакой гарантии, что полярный Lhc будет даже отдаленно однородным в том смысле, в каком это необходимо. В целом наука о цвете избегает подобных размышлений, избегая интерполяции цвета.

В любом случае, вероятно, было бы точнее рассчитать ΔE между нейтральным цветом с таким же значением яркости. Это, вероятно, имело бы большую научную ценность в том, что касается того, как работают человеческие чувства, поскольку оно пытается решить достаточно похожую проблему, чтобы число имело более понятное значение.

Но вы также можете выполнять какое-то измерение цвета по изображению, тогда Lch снова будет хорош, как и HSL, это немного зависит от того, на что, по вашему мнению, будет похож датчик камеры. Так что, если вы хотите эмулировать колориметр, это, безусловно, имеет некоторую ценность.

Но на самом деле, если вы хотите лучше понять, когда что-то серое, или вам нужно исследовать, что люди считают серым, вы можете просто попытаться подогнать данные под описание человека, в исследовании XKCD colorvsurvey есть несколько хороших точек данных для дальнейшего изучения. Преимущество этой базы данных в том, что она не корректирует цвет. Это означает, что если ваше приложение является веб-приложением, вы можете получить погрешность среднего некалиброванного монитора из статистических данных. Но плохо для науки о цвете.

И так далее.... Копать можно сколько угодно глубоко.

вопрос достаточно расплывчатый, поэтому мы не можем ответить на него, не уточнив для вас.