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 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>
opencv之模糊处理
查看>>
Opencv介绍及opencv3.0在 vs2010上的配置
查看>>
OpenCV使用霍夫变换检测图像中的形状
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>