颜色空间(RGB,XYZ)和颜色匹配功能之间有什么关系？假设我们在颜色空间XYZ(3行矩阵)中有一些颜色匹配功能.我们还有转换矩阵,它从XYZ坐标转换为RGB坐标.

我的理解是有一些视觉输入,它由色谱S(y)组成.人眼看不到世界 – 它只看到它对世界的诠释.人眼有3种锥形LMS,每种LMS负责处理RED,GREEN或BLUE.人眼只看到光谱颜色,因为它的眼睛总和超过RED,GREEN,BLUE向量,并且这个和与输入的颜色相匹配.为了匹配颜色,有一个颜色匹配功能,它采用输入光谱并产生权重,通过该权重乘以主要的RED,GREEN,BLUE颜色矢量.然后这些被添加并且它们的输出在视觉上与光谱输入匹配,即使频谱添加了许多频率,而人眼仅增加3.因此我们从巨大空间到空间我们可以用3个向量描述所有,总结由颜色匹配功能决定.

光谱输入,颜色原色和颜色匹配功能的行为如上所述,可以在此公式中进行总结：

其中pi是原色的三维矢量,c – 颜色匹配函数也是3个分量的矢量,最后s是光谱输入.

我们具有XYZ颜色空间,以及执行上述操作的相应颜色匹配功能.然后我们给出矩阵T,它将XYZ坐标转换为RGB坐标.我们已经知道了T,我们需要使用它来为RGB色彩空间生成一个新的色彩匹配功能.

我不明白色彩空间如何与原色pi(λ)的选择和色彩函数ci(λ1)的选择有关.

最佳答案 我认为很多颜色选择问题都是人们必须解决的技术问题.通常你不是试图尽可能准确地再现颜色,而是要让它们看起来很漂亮,便宜,快速计算在cpu上….如果有人在电视上观看新西兰平原,他很可能不知道它们看起来真的像,但几乎肯定想要享受这幅画,并为此付出一点代价.

您可能想要使用不同颜色匹配函数的几个原因可能包括：

>您正在非白光下拍照,并希望您的照片看起来自然.
>您正在拍摄水下照片,并希望补偿水以不同速度衰减不同频率的事实.
>您的传感器并不完美,您想要弥补这一点.

另一方面,由于某种原因,你可能想要改变你的初选.例如,您的图像可能会拍摄具有有限颜色数量的场景.通过稍微推动你的初选,你可能会得到一个“更全面”的画面.

最后,有时你只需要补偿你的设备的一些限制.您在CRT电视上的磷会施加一些限制.使用PAL传输时,空气中的噪音也会如此.另一方面,如果你去数字化,你可能被迫每像素少于36位.在这种情况下,你将不得不妥协,这将给你机会尽可能少地输掉.

如果你想要一个简短的教程,请访问Cambridge in colour.

这是Szeliski’s textbook on photography,请看第1章和第10章.

Poyton具有常见变换列表.