Python和MATLAB和R对比敏感度函数导图

本文主要是介绍Python和MATLAB和R对比敏感度函数导图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

🎯要点

1. 深度学习网络两种选择的强制选择对比度检测
2. 贝叶斯自适应估计对比敏感度函数
3. 空间观察对比目标
4. 量化视觉皮质感知差异
5. 亮度、红/绿值、蓝/黄值色彩空间改变OpenCV图像对比度
6. 对比敏感度函数模型
7. 空间对比敏感度估计
8. 眼球运动医学研究
9. 空间时间颜色偏心率对比敏感度函数模型

JavaScript人眼颜色对比差异

• sRGB：sRGB 是一种三刺激色彩模型，是 Web 的标准，用于大多数计算机显示器。它使用与高清电视标准 Rec709 相同的原色和白点。sRGB 与 Rec709 的区别仅在于传输曲线，通常称为伽马。
• 伽马：这是用于存储和传输各种图像编码方法的曲线。它通常类似于人类视觉的感知曲线。在数字中，伽马的作用是赋予图像较暗区域更多权重，以便由更多位定义它们，从而避免出现诸如“带状”之类的伪影。
• 亮度：（记为 L 或 Y）：光的线性测量或表示（即无伽马曲线）。测量单位通常是 cd/m2。表示单位是 Y，如 CIEXYZ，通常为 0（黑色）至 100（白色）。亮度具有光谱加权，基于人类对不同波长光的感知。但是，亮度在明暗度方面是线性的 - 也就是说，如果 100 个光子测量值为 10，那么 20 个光子就是 200 个光子。
• L* （又名 Lstar）：感知亮度，由 CIELAB 定义 ($L^{\ast }{a}^{\ast }{b}^{\ast })$ 其中亮度与光量呈线性关系，$L^{\star }$ 基于感知，因此在光量方面是非线性的，其曲线旨在匹配人眼的明视觉（伽马约为 ${}^{\wedge }0.43$ ）。

亮度 vs $L{：}^{\ast }0$ 和 100 在光亮（写为 $Y$ 或 L ）和亮度（写为 $L^{\ast }$ ）方面是相同的，但在中间它们却非常不同。我们确定的中间灰色位于 $L^{\ast }$ 的中间 50 处，但这与亮度 (Y) 中的 18.4 相关。在 sRGB 中，这是 #777777 或 $46.7\%$。

对比度：定义两个 L 或两个 Y 值之间差异的术语。对比有多种方法和标准。一种常见的方法是韦伯对比，即$\Delta L/L$。对比度通常以比率 (3:1) 或百分比 (70%) 表示。

对于紫色测试示例，我使用十六进制 #9d5fb0（代表 R:157、G:95、B:176），对于绿色测试示例，我使用十六进制 #318261（代表 R:49、G:130、B:97）。

 function HexToRGB(hex) {hex = String(hex);if(hex.length==3){hex='#'+hex.substr(0, 1)+hex.substr(0, 1)+hex.substr(1, 1)+hex.substr(1, 1)+hex.substr(2, 1)+hex.substr(2, 1);}if(hex.length==4){hex='#'+hex.substr(1, 1)+hex.substr(1, 1)+hex.substr(2, 1)+hex.substr(2, 1)+hex.substr(3, 1)+hex.substr(3, 1);}if(hex.length==6){hex='#'+hex;}let R = parseInt(hex.substr(1, 2),16);let G = parseInt(hex.substr(3, 2),16);let B = parseInt(hex.substr(5, 2),16);console.log("rgb from "+hex+" = "+[R,G,B]);   return [R,G,B];}

最常见的灰度程序平均方法是：
$$灰度=\mathrm{round}((R+G+B)/3)$$

  function RGBToGRAY(rgb) {let avg = parseInt((rgb[0]+rgb[1]+rgb[2])/3);return [avg,avg,avg];}

这会将紫色变成 #8f8f8f 因为平均值 = 143，将绿色变成#5c5c5c，因为平均值 = 92。92 和 143 之间的差异太大，会错误地通过我预期的测试。

现在，正如之前所解释的，我们应该使其呈线性并应用 gamma 2.2 校正。
$$R^{\prime \wedge }2.2=R\mathrm{lin}{G}^{\prime \wedge }2.2=G\mathrm{lin}{B}^{\prime \wedge }2.2=B\mathrm{lin}$$

  function linearFromRGB(rgb) {let R = rgb[0]/255.0; let G = rgb[1]/255.0; let B = rgb[2]/255.0; let gamma = 2.2;R = Math.pow(R, gamma); G = Math.pow(G, gamma); B = Math.pow(B, gamma); let linear = [R,G,B];console.log('linearized rgb = '+linear);  return linear;}

紫色的伽马校正线性结果现在为 $R：0.3440、G：0.1139、B：0.4423$，绿色的结果为 $R：0.0265、G：0.2271、B：0.1192$。现在通过应用系数获得亮度 L 或（XYZ 比例的 Y）如下：
$$Y=\text{ Rlin* }0.2126\text{ + Glin* }0.7152+\text{ Blin* }0.0722$$

   function luminanceFromLin(rgblin) {let Y = (0.2126 * (rgblin[0])); Y = Y + (0.7152 * (rgblin[1])); Y = Y + (0.0722 * (rgblin[2]));console.log('luminance from linear = '+Y);       return Y;}

现在两个 Y（或 L）值之间的感知对比度：
$$\text{ (L较亮 - L较暗) / (L较亮 + 0.1) }$$

 function perceivedContrast(Y1,Y2){let C = ((Math.max(Y1,Y2)-Math.min(Y1,Y2))/(Math.max(Y1,Y2)+0.1));console.log('perceived contrast from '+Y1+','+Y2+' = '+C); return C;      }

现在所有上述功能合并为一步输入/输出

function perceivedContrastFromHex(hex1,hex2){let lin1 = linearFromRGB(HexToRGB(hex1));let lin2 = linearFromRGB(HexToRGB(hex2));let y1 = luminanceFromLin(lin1);let y2 = luminanceFromLin(lin2);return perceivedContrast(y1,y2);}

测试

 var P = perceivedContrastFromHex('#318261','#9d5fb0');alert(P);// shows 0.034369592139888626

  var P = perceivedContrastFromHex('#000','#fff'); alert(P);// shows 0.9090909090909091

完整解析代码

const Color_Parser = {version: '1.0.0.beta',name: 'Color_Parser',result: null, loging: true,parseHex: function(_input) {if (this.loging) {console.log(this.name + ', input: ' + _input);}this.result = {};if (!_input) {this.result.error = true;console.log(this.name + ', error');return this.result;}this.result.hex = String(_input);if (this.result.hex.length == 3) {this.result.hex = '#' + this.result.hex.substr(0, 1) + this.result.hex.substr(0, 1) + this.result.hex.substr(1, 1) + this.result.hex.substr(1, 1) + this.result.hex.substr(2, 1) + this.result.hex.substr(2, 1);}if (this.result.hex.length == 4) {this.result.hex = '#' + this.result.hex.substr(1, 1) + this.result.hex.substr(1, 1) + this.result.hex.substr(2, 1) + this.result.hex.substr(2, 1) + this.result.hex.substr(3, 1) + this.result.hex.substr(3, 1);}if (this.result.hex.length == 6) {this.result.hex = '#' + this.result.hex;}if (this.loging) {console.log(this.name + ', added to result: ' + this.result.hex);}this.result.rgb = {r: null,g: null,b: null};this.result.rgb.r = parseInt(this.result.hex.substr(1, 2), 16);this.result.rgb.g = parseInt(this.result.hex.substr(3, 2), 16);this.result.rgb.b = parseInt(this.result.hex.substr(5, 2), 16);if (this.loging) {console.log(this.name + ', added to result: ' + this.result.rgb);}this.result.int = ((this.result.rgb.r & 0x0ff) << 16) | ((this.result.rgb.g & 0x0ff) << 8) | (this.result.rgb.b & 0x0ff);if (this.loging) {console.log(this.name + ', added to result: ' + this.result.int);}this.result.dec = {r: null,g: null,b: null};this.result.dec.r = this.result.rgb.r / 255.0; this.result.dec.g = this.result.rgb.g / 255.0; this.result.dec.b = this.result.rgb.b / 255.0; if (this.loging) {console.log(this.name + ', added to result: ' + this.result.dec);}this.result.lin = {r: null,g: null,b: null};for (var i = 0, len = 3; i < len; i++) {if (this.result.dec[['r', 'g', 'b'][i]] <= 0.04045) {this.result.lin[['r', 'g', 'b'][i]] = this.result.dec[['r', 'g', 'b'][i]] / 12.92;} else {this.result.lin[['r', 'g', 'b'][i]] = Math.pow(((this.result.dec[['r', 'g', 'b'][i]] + 0.055) / 1.055), 2.4);}}if (this.loging) {console.log(this.name + ', added to result: ' + this.result.lin);}this.result.y = (0.2126 * (this.result.lin.r)); // red channelthis.result.y += (0.7152 * (this.result.lin.g)); // green channelthis.result.y += (0.0722 * (this.result.lin.b)); // blue channelif (this.loging) {console.log(this.name + ', added to result: ' + this.result.y);}this.result.invert = {r: null,g: null,b: null,hex: null};this.result.invert.r = (255 - this.result.rgb.r);this.result.invert.g = (255 - this.result.rgb.g);this.result.invert.b = (255 - this.result.rgb.b);        this.result.invert.hex = this.result.invert.b.toString(16); if (this.result.invert.hex.length < 2) {this.result.invert.hex = '0' + this.result.invert.hex;}this.result.invert.hex = this.result.invert.g.toString(16) + this.result.invert.hex;if (this.result.invert.hex.length < 4) {this.result.invert.hex = '0' + this.result.invert.hex;}this.result.invert.hex = this.result.invert.r.toString(16) + this.result.invert.hex;if (this.result.invert.hex.length < 6) {this.result.invert.hex = '0' + this.result.invert.hex;}this.result.invert.hex = '#' + this.result.invert.hex;this.result.error = false;if (this.loging) {console.log(this.name + ', final output:');}if (this.loging) {console.log(this.result);}return this.result;}
}

👉更新：亚图跨际

这篇关于Python和MATLAB和R对比敏感度函数导图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---