相机光学(三十四)——色差仪颜色观察者视角

1.为什么会有观察者视角

颜色观察角度主要涉及到人眼观察物体时,‌视角的大小以及屏幕显示颜色的方向性对颜色感知的影响。‌

  • 人眼观察物体的视角:‌在黑暗条件下,‌人眼主要依靠杆体细胞来分辨物体的轮廓,‌而杆体细胞分布在视网膜的中央凹的外围,‌这使得在黑暗条件下观察物体时形成了较大的张角。‌相比之下,‌在明亮条件下观察物体相当于观察远处的物体,‌形成了较小的张角,‌这主要由椎体细胞主导,‌它们主要分布在视网膜的中央凹附近。‌
  • 屏幕显示颜色的方向性:‌屏幕显示的颜色会随观看角度而改变,‌当颜色变化导致色差达到0.015时的角度被称为色视角。‌这意味着,‌从不同的角度观看同一屏幕时,‌可能会观察到颜色的变化,‌从而影响图像的整体质量。‌例如,‌当观看电视或液晶显示屏时,‌如果色视角性能较差,‌可能会导致色彩不鲜艳、‌画面模糊失真等问题。‌
  • 多角度测色色差仪:‌在工业领域,‌尤其是对颜色要求非常严格的行业(‌如汽车、‌家电、‌五金等)‌,‌多角度测色色差仪的研发尤为重要。‌这些仪器通常至少需要从3个不同的角度来测量颜色,‌而5个角度被认为是最佳实践。‌这有助于更准确地测量颜色,‌尤其是在金属漆等需要精确颜色匹配的应用中。‌

综上所述,‌颜色的观察角度不仅受到人眼生理结构的影响,‌还与屏幕显示技术的色视角性能密切相关。‌在选购平板电视或理解色视角指标时,‌从不同角度观察画面色彩的变化可以帮助评估其色视角性能的高低。‌

2.色差仪的观察者角度

色差仪的观察者角度2°或10°什么区别?色差仪是一种模拟人眼看色的工具,其测量视角与人眼观察物体的视角具有一致性。为了统一颜色测量的观察者角度,CIE规定了两种视场角2°或10°。

颜色作为一个心理物理量,不仅与物体表面反射、透射或吸收,照明光源的相对光谱功率分布相关,也依赖于人眼对光的响应特性。为了精确定量的描述颜色,CIE提出了CIE1931标准色度学系统和CIE1964补充标准色度系统。我国的国家标准GB3977-19974也参照上述两个色度系统对颜色的表述和计算进行了规定。

CIE1931标准色度系统,规定了CIE1931标准色度观察者2°视场色匹配函数(或称  CIE1931光谱三刺激值),适用于1-4°视场范围,如下图所示的x(λ)、y(λ)、z(λ)。CIE1964补充标准色度系统,规定了CIE1964标准色度观察者色匹配函数,又称10°视场色匹配函数(或称CIE1964光谱三刺激值),适用于大于4°视场范围,如下图所示x10(λ)、y10(λ)、z10(λ)。

物体的大小会对人眼对颜色的识别产生影响,视角是一种张角,它是通过被观察对象的大小对人眼形成的。与人眼距离一定的物体,若物体的面积较大,则眼睛形成的张角也较大,物体在视网膜上的像就大,反之像就小。但是,我们用眼睛直接对纺织品的颜色进行评价时,通常观察的距离(约33cm)是固定的,此时视角的大小由试样的大小决定。颜色是由人眼的视觉系统的结构所决定的,视角的大小对颜色视觉也有重要的影响。

实验研究表明:在明亮的条件下,人眼观察物体时,主要起作用的人眼细胞是椎体细胞,它可以分辨物体的细节,不能分辨物体的轮廓,称为明视觉。在黑暗条件下,人眼观察物体时,主要起作用的细胞是杆体细胞,它可以分辨物体的轮廓,不能分辨物体的细节,称为暗视觉。椎体细胞主要分布在视网膜的中央凹附近,明亮的条件下观察物体相当于观察远处的物体,形成了较小的张角。杆体细胞分布在中央凹的外围,黑暗的条件下观察物体相当于观察近处的物体,形成了较大的张角。

当视场角为2°时,物体的像恰好落在视网膜的中心椎体细胞最密集的区域。如下图所示,观察者的不同视场角,观察远处和近处物体时,人眼不同功能细胞起到相对应的作用,在视网膜上得以成像。

CIE1931-XYZ标准观察者的各个参数,都是适用于 2°视场的中央观察条件(适用10-4°视场),此视场角下观察物体,主要是人眼的中央凹椎体细胞起作用。故小于 1°的极小视场的颜色观察和大于40的视场颜色观察条件,CIE1931-XYZ标准色度观察者不适用。因此,为了适应大视场的颜色观察,人们在大量实验的基础上,又建立了"CIE1964-XYZ 色度学系统"。

在"CIE1964-XYZ补色色度学系统"中观察被测物体,既覆盖了视网膜中心的椎体细胞,也覆盖了视网膜中央凹周围的杆体细胞,它适合于10°大视场。人的眼睛在2°的视场条件下,识别物体颜色的能力较低,在10°的视场条件下,判断颜色的精度和重现性较高。目前颜色测量大多采用,10°的视场。

相关推荐
湫ccc25 分钟前
《Opencv》基础操作详解(3)
人工智能·opencv·计算机视觉
Jack_pirate35 分钟前
深度学习中的特征到底是什么?
人工智能·深度学习
微凉的衣柜1 小时前
微软在AI时代的战略布局和挑战
人工智能·深度学习·microsoft
GocNeverGiveUp1 小时前
机器学习1-简单神经网络
人工智能·机器学习
Schwertlilien1 小时前
图像处理-Ch2-空间域的图像增强
人工智能
智慧化智能化数字化方案2 小时前
深入解读数据资产化实践指南(2024年)
大数据·人工智能·数据资产管理·数据资产入表·数据资产化实践指南
哦哦~9212 小时前
深度学习驱动的油气开发技术与应用
大数据·人工智能·深度学习·学习
智慧化智能化数字化方案2 小时前
120页PPT讲解ChatGPT如何与财务数字化转型的业财融合
人工智能·chatgpt
矩阵推荐官hy147622 小时前
短视频矩阵系统种类繁多,应该如何对比选择?
人工智能·python·矩阵·流量运营
kida_yuan3 小时前
【从零开始】10. RAGChecker 提升回答准确率(番外篇)
人工智能