平均定义线性渐变的两种颜色的最佳方法是什么？
https://stackoverflow.com/questions/649454
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian题
如果我有两种由 RGB 值定义的颜色，我可以平均红色、绿色和蓝色值，然后组合起来定义第三种颜色，看起来像是这两种颜色的视觉平均值吗？
即新颜色 = (R1+R2)/2,(G1+G2)/2,(B1+B2)/2
编辑1：感谢您的所有回复。对于我当前的需求，我只处理具有相同颜色阴影的颜色对，因此我认为对它们进行平均会起作用。但是，我将尝试转换为实验室空间，以确保假设正确并且该技术在将来有用。
编辑2：这是我的结果 FWIW。Color1和Color2是我的两种颜色，中间两列是L平均的结果Ab 空间并分别对 RGB 进行平均。在这种情况下，两种颜色之间没有太大差异，因此平均技术的输出差异很微妙。
其他提示
几个答案建议转换成Lab色彩空间 - 这可能是为更复杂的颜色操作的好办法
但如果你只是需要一个快速的方式，采取两种颜色的平均水平，这可以在RGB空间来完成。你只需要介意一个警告：平均他们之前，您必须正视的RGB值，然后取结果的根源。 （如果单纯取平均，其结果将趋于太暗。）
像这样：
NewColor = sqrt((R1^2+R2^2)/2),sqrt((G1^2+G2^2)/2),sqrt((B1^2+B2^2)/2)
下面是一个伟大的VID这就解释了为什么这种方法是有效的： https://www.youtube.com/watch?v = LKnqECcg6Gw
在 HSL色彩空间平均可能会产生更好的结果。
我不知道是否服用组分的简单平均值是从一个感知点（即听起来像一个心理学家问题）的“最佳”，但这里有几个使用简单的组件平均例子。
在红 - 芥菜 - 绿一个是难看但插值似乎足够合理。
是。您可以平均两种颜色一起这样。这是使用的OpenGL到混合颜色在一起的方法（例如，在用于渲染远处的物体，或使50％的透明质感创建纹理贴图）。它是快速，简单，和“足够好”的许多情况。它没有完全现实的，然而，也可能不会对照片质量的图像使用。
这是困难的。首先，一组RGB值没有定义的颜色。他们需要在它们所涉及的色彩原色（颜色空间），例如为sRGB，Rec.709，Rec.2020，Adobe RGB的（1998）等的光被解释
此外，RGB值作为我们通常遇到它们是不成比例的线性光：他们是“编码”使用非线性函数（伽玛）。有时（主要是在视频应用）的“黑”的值不是零，而是从零偏移，通常是16 8位值。和“白色”不等于255但235. sRGB和Rec.709份额RGB原色，但它们的伽马函数是不同的。
在彩色空间转换开始与去除任何黑色偏移，使得黑为零。如果伽玛功能中有一个断点（如sRGB和Rec.709做），你需要仔细缩放RGB值，使“白色”为1.0。
然后，“解码”的伽马通过执行原始伽玛函数的逆。 （一个答案建议平方值，这是伽马解码的近似。）现在你有一些颜色空间线性光RGB值。在这一点上，你可以从色彩空间转换为Lab空间转换。大多数转换从RGB到实验室去通过一个名为XYZ的中间色彩空间。
的步骤为嵌套函数调用：
实验室= XYZ2Lab（RGB2XYZ（gamma_decode（offset_and_scale（RGB）， gammaFunction ）， RGB颜色空间））
（Lab空间是在1976年开发了作为一种尝试来创建标准CIE XYZ空间的感知均匀翘曲。（LUV是另一个尝试。）的想法是，欧几里德（直线）两种颜色之间的距离即只是-显着不同的（1“JND”）将是任何两种颜色相同的距离。在实验室两种颜色之间的距离被称为“Δ-E”。简单的增量欧几里德距离式现在被称为dE76参见 https://en.wikipedia.org/wiki/Color_difference ）
在你的情况，你可以平均两个实验室的颜色来获得一个新的Lab颜色，然后反转所有转换要回RGB在您选择的色彩空间。
这将让你关闭，但不能保证，仅仅是因为“色”是一个人的感知，而不是一个物理量，并已出了名的难以可靠地表征。实验室实际上并没有在被知觉上一致的工作这么好。因此，而不是修复实验，他们提出了另一个经内置的一个新的，更复杂的三角-E功能：DE94。这是更好的，但并不完美，所以另一项建议于2000年出现了：DE2000。也更好，但并不完美。见上面Wiki页面获取更多信息。
如果DE2000不够好（或太复杂！），你可能有一个看一个替代实验室叫的 ICtCp 其声称是比实验室感知上更均匀。
我认为，从arntjw答案变为在正确的方向，并且识别对数底衬，如由Dan W.提到然而，正确的几何平均值不SQRT（（C1 ^ 2 + C2 ^ 2）/ 2）但SQRT（C1 * C2）。所以平均颜色将是：
NewColor = sqrt(R1*R2),sqrt(G1*G2),sqrt(B1*B2)
产生的颜色更接近我们所期望的。您可以通过添加一个指数，以它的组件使用更高阶的根源推广到更多的颜色和重量每一种颜色。
实际上有一个更简单的方法。
将图像缩小至 1 像素 x 1 像素。
1px 的颜色是您缩放后的平均颜色
