光的顏色
與其說顏色是光的一種屬性，不如說是人眼對可見光頻率范圍內的一種感應，是人眼的一種屬性。而人眼對光頻的感應包括三個方面，即明度、色調和飽和度。
其中，
- 明度與光強有關
- 色調反應的是光的頻率信息
- 飽和度表示圖像上的顏色與光譜色的接近程度
當不考慮色調、飽和度為0的時候，只考慮明度，則色彩感消失，就是所謂的黑白圖像，或者更嚴格地說是灰度圖像。
色調與飽和度雖然反應色光的頻率信息，但表現的是人眼對光的反饋特性，與光的頻率是不同的物理量。其與光的頻率之間的對應關系也是由人眼的感光細胞決定的。由于自然界中并不存在嚴格的單色光，人的色覺其實是人眼的兩種感光細胞所產生的色覺的混合。
也就是說，幾種基準頻率的光按照不同的飽和度互相混合，人眼將會感受到顏色的變化，也可以說是產生新的顏色。實驗表明，任意三種不能互相轉換的顏色可以通過互相混合完成對光譜色的一一對應。這樣的三種光叫做三原色，一般選取紅綠藍作為三原色。
由于三者已經歸一化，所以只要知道其中兩個值就能夠確定色品，以 r 為橫坐標 g 為縱坐標，就能夠表示出所有可能的色品。這種圖大家并不陌生，在手機發布會上最常見，這里我們畫出一個類似的圖樣
def CIE_RGB():
rgb = np.zeros([1000,1000,3])
r = np.arange(0,1,0.001)
r,g = np.meshgrid(r,r)
rgb[:,:,0] = r
rgb[:,:,1] = g
rgb[:,:,2] = 1-r-g
over = rgb[:,:,2]<0
rgb[over,:]=[1,1,1]
#將色品轉化成RGB
maxVal = np.max(rgb,2)
for i in [0,1,2]:
rgb[:,:,i] /= maxVal
#rgb[rgb<0]=0
ax = plt.gca()
ax.imshow(rgb)
ax.invert_yaxis() #plt顯示圖片時y軸從上到下，所以反置
# 坐標映射
plt.xticks(range(0,1001,200),["0","0.2","0.4","0.6","0.8","1"])
plt.yticks(range(0,1001,200),["0","0.2","0.4","0.6","0.8","1"])
plt.show()
然而根據實驗測得，RGB系統的刺激值存在負值，也就是說上圖中其實并沒有將所有的顏色納入其中，所以CIE又推薦了XYZ色度學系統，其本質上是對RGB系統的線性變換，最終讓該系統所對應的刺激值為正數。其公式為
python實現為
#dWave為波長；maxPix為最大值；gamma為調教參數
def getRGB(dWave,maxPix=1,gamma=1):
waveArea = [380,440,490,510,580,645,780]
minusWave = [0,440,440,510,510,645,780]
deltWave = [1,60,50,20,70,65,35]
for p in range(len(waveArea)):
if dWave<waveArea[p]:
break
pVar = abs(minusWave[p]-dWave)/deltWave[p]
rgbs = [[0,0,0],[pVar,0,1],[0,pVar,1],[0,1,pVar],
[pVar,1,0],[1,pVar,0],[1,0,0],[0,0,0]]
#在光譜邊緣處顏色變暗
if (dWave>=380) & (dWave<420):
alpha = 0.3+0.7*(dWave-380)/(420-380)
elif (dWave>=420) & (dWave<701):
alpha = 1.0
elif (dWave>=701) & (dWave<780):
alpha = 0.3+0.7*(780-dWave)/(780-700)
else:
alpha = 0 #非可見區
return [maxPix*(c*alpha)**gamma for c in rgbs[p]]
繪制光譜
def drawSpec():
pic = np.zeros([100,360,3])
rgb = [getRGB(d) for d in range(400,760)]
pic = pic+rgb
plt.imshow(pic)
plt.yticks([]) #隱藏y坐標軸
plt.xticks(range(0,360,50),["400","450","500","550","600","650","700","750"])
plt.show()
以上就是Python光學仿真實現波長與顏色之間對應關系示例解析的詳細內容，更多關于Python光學仿真波長與顏色對應關系的資料請關注服務器之家其它相關文章！
原文鏈接：https://blog.csdn.net/m0_37816922/article/details/103457744
