【图像处理】CMKY色彩空间

一、CMKY是什么

CMKY 是专为印刷行业设计的减法色彩模型,核心用于颜料、油墨等物理介质的色彩呈现

1.1 CMKY的组成

CMKY 由四种基础油墨颜色组成,字母对应含义如下:

  • C(Cyan,青色):吸收红光、反射绿光和蓝光,对应 RGB 中的 "反红色"(RGB 中红色的补色);
  • M(Magenta,品红):吸收绿光、反射红光和蓝光,对应 RGB 中的 "反绿色";
  • Y(Yellow,黄色):吸收蓝光、反射红光和绿光,对应 RGB 中的 "反蓝色";
  • K(Key,黑色):补充 CMY 三色混合的不足,专门用于呈现纯黑和暗部细节("Key" 意为 "关键色",因黑色油墨常用于定位印刷套准)。

1.2 CMKY的原理

CMKY 的核心是 "减法混合"------ 通过油墨吸收光线中的特定波长,剩余波长反射到眼睛形成色彩

  • 白色纸张本身反射所有可见光(RGB=255,255,255);
  • 当纸张上覆盖青色油墨时,油墨吸收红光(R),反射绿光(G)和蓝光(B),人眼看到青色;
  • 若同时覆盖青色(C)和品红(M)油墨:C 吸收 R,M 吸收 G,最终仅反射 B,呈现蓝色;
  • 理论上,C+M+Y 三种油墨 100% 混合可吸收所有光,呈现黑色,但实际油墨纯度有限,混合后会偏 "深棕色",因此需要 K(黑色油墨)补充纯黑,同时减少 CMY 用量、降低印刷成本。

1.3 CMKY 色彩模式

CMKY 中每种颜色的用量以 "百分比" 表示(0%= 无该油墨,100%= 该油墨最大密度):

  • 纯黑:C=0%, M=0%, Y=0%, K=100%(仅用黑色油墨,避免 CMY 混合偏色);
  • 纯红:C=0%, M=100%, Y=100%, K=0%(M 吸收 G,Y 吸收 B,仅反射 R);
  • 灰色:C=M=Y = 相同百分比(如 20%),K=0%(浅灰)或 K = 更高百分比(深灰,如 C=M=Y=10%, K=30%)。

二、CMKY与RGB

2.1 CMKY与RGB的区别

CMKY与RGB的区别如下表所示:

对比维度 CMKY RGB
色彩模型 减法模型(颜料反射) 加法模型(光线叠加)
核心用途 印刷、喷绘、实体介质着色 屏幕显示(显示器、手机、投影仪)
色彩组成 C(青)、M(品红)、Y(黄)、K(黑) R(红)、G(绿)、B(蓝)
色域范围 较小(受油墨 / 纸张限制) 较大(受显示面板技术限制)
量化方式 百分比(0%-100%) 数值(0-255,或 0.0-1.0)
白色 / 黑色形成 白色 = 纸张本身(无油墨);黑色 = K 油墨 白色 = R+G+B(255,255,255);黑色 = R=G=B=0
专业软件支持 PS、AI、InDesign、CorelDRAW PS、AE、PR、Figma、Sketch

2.2 CMKY与RGB的应用场景

  1. 优先选 RGB 的场景

    • 所有屏幕显示内容(网页、APP 界面、短视频、PPT);
    • 前期设计阶段(如海报初稿、LOGO 设计),保留更多色彩细节,后期印刷前再转 CMKY;
    • 摄影、视频剪辑(相机 / 摄像机默认输出 RGB 格式)。
  2. 优先选 CMKY 的场景

    • 所有实体印刷内容(画册、海报、包装盒、书籍);
    • 与印刷厂对接时,需提供 CMKY 格式文件
    • 专业印刷设计(如杂志内页、包装彩盒)

三、CMKY与RGB互转

在图像处理中,经常需要将 RGB 颜色转换为 CMYK 颜色,或者反过来。这种转换涉及到复杂的数学和物理过程。

3.1 RGB 到 CMYK 的转换

RGB 到 CMYK 的转换通常基于以下公式:

复制代码
C = 1 - (R / 255)
M = 1 - (G / 255)
Y = 1 - (B / 255)

这里,R、G、B 分别代表 RGB 颜色分量的值,C、M、Y 分别代表 CMY 颜色分量的值。转换后的 C、M、Y 值还需要根据实际情况进行调整,以适应特定的印刷条件。

3.2 CMYK 到 RGB 的转换

CMYK 到 RGB 的转换可以使用以下公式:

复制代码
R = 255 * (1 - C) * (1 - K)
G = 255 * (1 - M) * (1 - K)
B = 255 * (1 - Y) * (1 - K)

这里,C、M、Y、K 分别代表 CMYK 颜色分量的值,R、G、B 分别代表 RGB 颜色分量的值。

更多资料:https://github.com/0voice

相关推荐
W_3260017 小时前
Python-OpenCV 轮廓进阶:旋转最小外接矩形、图像矩求质心、嵌套层级 hierarchy、轮廓形状匹配
图像处理·python·opencv·机器学习·计算机视觉
牧羊人.33319 小时前
计算机视觉基础 第 9 章|实战:银行卡号识别
图像处理·人工智能·opencv·计算机视觉·图搜索算法
AndrewHZ20 小时前
图像处理入门010 | Pillow 与 OpenCV 对比:双库图像读写实战
图像处理·opencv·计算机视觉·pillow
W_326002 天前
Python-OpenCV边缘检测与阈值分割:Sobel、Scharr、Laplacian、Canny、全局与自适应阈值
开发语言·图像处理·python·opencv·机器学习
这张生成的图像能检测吗2 天前
图像处理 / 底层视觉论文解析汇总目录
图像处理·人工智能
AndrewHZ2 天前
图像处理入门009 | OpenCV 图像读取与显示:imread/imshow 全解析
图像处理·python·opencv·算法·计算机视觉·图像显示
W_326003 天前
Python-OpenCV图像像素与通道:通道拆分合并、深浅拷贝
图像处理·人工智能·python·opencv·机器学习
深圳雨林凯AI3 天前
无缝平铺的图像处理原理:边缘匹配、重复单元与密度控制|雨林凯AI 四方连图
图像处理·人工智能·计算机视觉
AndrewHZ3 天前
图像处理入门008 | 阶段总结:环境测试与基础概念测验
图像处理·python·opencv·计算机视觉·cv
W_326004 天前
Python-OpenCV:库、环境搭建、图片与摄像头解析
开发语言·图像处理·python·opencv·机器学习