大家好，今天为大家分享一个巨有趣的 Python 库 - colour。
Github地址：https://github.com/colour-science/colour
Python colour库是一个专注于颜色科学计算的开源库，为研究者、开发者和设计师提供了全面的色彩处理解决方案。该库实现了众多国际标准化组织(ISO)、国际照明委员会(CIE)和色彩工程师协会(SMPTE)定义的色彩标准和算法。colour库的设计理念是提供一套准确、可靠且易于使用的API，用于处理各种颜色转换、操作和分析任务。无论是进行科学研究、图像处理、视觉效果制作还是产品设计，colour库都能提供专业级别的色彩管理功能。
安装 colour库可以通过Python的包管理工具pip进行安装。由于其功能全面，它依赖于多个科学计算库，如NumPy和SciPy：
pip install colour-science安装完成后，可以通过以下代码验证安装是否成功：
import colour如果安装成功，上述代码将输出colour库的版本号。
注意：colour库的导入名称是colour-science，但在Python中导入时使用import colour。
特性 全面的色彩空间支持 ：支持超过30种色彩空间，包括RGB、XYZ、CIE Lab、HSL、HSV、CMYK等。色彩适应算法 ：实现多种色彩适应模型，如Bradford、CAT02、Von Kries等。颜色外观模型 ：支持CIECAM02和CAM16等颜色外观模型。
色彩差异计算 ：实现多种色差计算方法，如CIEDE2000、CMC等。 色温转换 ：支持相关色温(CCT)和色坐标之间的转换。基本功能 1. 颜色空间转换 在处理颜色数据时，不同的应用场景可能需要使用不同的颜色空间。colour库提供了丰富的色彩空间转换功能，可以在各种颜色表示方式之间进行精确转换。这在需要跨平台、跨设备进行颜色一致性处理时特别有用，如印刷设计、数字成像或色彩管理系统开发。
import colourimport numpy as np# RGB到XYZ的转换 0.45620519 , 0.03081071 , 0.04091952 ])# 使用sRGB颜色空间 f"RGB值 {RGB} 转换为XYZ值: {XYZ} " )# XYZ到CIE Lab的转换 f"XYZ值 {XYZ} 转换为Lab值: {Lab} " )# RGB到HSV的转换 f"RGB值 {RGB} 转换为HSV值: {HSV} " )# 色温到XYZ的转换 6500 # 色温，单位：K f"色温 {CCT} K 对应的XYZ值: {XYZ_from_CCT} " )2. 颜色差异计算 在产品设计、质量控制和色彩匹配中，常常需要量化两种颜色之间的差异。colour库实现了多种国际标准的色差计算方法，使得开发者可以根据具体应用精确地测量颜色差异。这对于制造业的颜色质量控制、数字图像处理或视觉艺术创作都非常重要。
import colourimport numpy as np# 定义两个Lab颜色 50.00 , 2.50 , -14.00 ])54.00 , -3.50 , -16.00 ])# 计算CIEDE2000色差 'CIEDE2000' )f"CIEDE2000色差: {delta_E_00} " )# 计算CIE 1976色差 'CIE 1976' )f"CIE 1976色差: {delta_E_76} " )# 计算CMC色差 'CMC' )f"CMC色差: {delta_E_CMC} " )3. 色度图生成 在色彩科学研究和教育中，色度图是理解颜色分布和色彩空间特性的重要工具。colour库提供了强大的色度图生成功能，可用于可视化色彩空间、分析色彩分布或研究色温变化。这在科学研究、教育演示或产品开发过程中都能提供宝贵的视觉参考。
import colourimport matplotlib.pyplot as pltfrom colour.plotting import *# 设置绘图样式 # 绘制CIE 1931 xy色度图 False )# 添加色温轨迹线 False )# 在色度图上标记几个点 0.3 , 0.3 ],0.4 , 0.5 ],0.2 , 0.1 ]False # 显示图形 'CIE 1931 色度图与色温轨迹' )True )高级功能 1. 色彩适应和外观模型 人类视觉系统具有适应不同光源条件的能力，这被称为色彩适应。colour库实现了多种色彩适应模型和颜色外观模型，使开发者能够模拟人类视觉系统在不同照明条件下的色彩感知。这在跨光源色彩匹配、摄影图像处理或虚拟现实视觉效果设计中非常有价值。
import colourimport numpy as np# 定义一个颜色的XYZ值 0.20654008 , 0.12197225 , 0.05136952 ])# 定义光源的白点 0.95045593 , 1.00000000 , 1.08905775 ]) # D65 1.09846607 , 1.00000000 , 0.35582280 ]) # A # 使用CAT02色彩适应模型进行转换 'CAT02' f"色彩适应后的XYZ值: {XYZ_adapted} " )# 使用CIECAM02色彩外观模型 0.1 , 0.2 , 0.3 ])0.95045593 , 1.00000000 , 1.08905775 ])100
# 环境亮度 20 # 背景亮度 # 计算CIECAM02颜色外观参数 f"CIECAM02参数: {specification} " )2. 光谱处理与分析 许多高级色彩应用需要处理光谱数据而非简单的三刺激值。colour库提供了全面的光谱处理功能，包括光谱到颜色的转换、光谱插值、光谱采样等。这在光学成像、照明设计、材料外观模拟等领域有着广泛应用。
import colourimport numpy as npimport matplotlib.pyplot as plt# 创建一个简单的光谱数据 400 , 701 , 10 ) # 400-700nm，步长10nm 31 ) # 随机生成31个点的光谱数据 # 创建光谱对象 # 光谱插值 400 , 700 , 5 ))# 计算光谱对应的XYZ值 'D65' ]f"光谱对应的XYZ值: {XYZ} " )# 绘制光谱曲线 10 , 6 ))'r-' , label='原始光谱' )'b--' , label='插值后光谱' )'波长 (nm)' )'光谱功率分布' )'光谱数据示例' )True )3. 色盲模拟 理解色盲用户的视觉体验对于开发无障碍的视觉设计至关重要。colour库提供了色盲模拟功能，可以转换普通RGB图像以模拟不同类型色盲患者的视觉感知。这对于设计师、开发者创建包容性设计和评估颜色方案的可访问性非常重要。
import colourimport numpy as npfrom colour.plotting import *import matplotlib.pyplot as plt# 创建一个RGB测试图像（这里用简单的色彩方块） 1.0 , 0.0 , 0.0 ], # 红色 0.0 , 1.0 , 0.0 ], # 绿色 0.0 , 0.0 , 1.0 ], # 蓝色 1.0 , 1.0 , 0.0 ], # 黄色 0.0 , 1.0 , 1.0 ], # 青色 1.0 , 0.0 , 1.0 ] # 品红色 # 转换为色盲视觉下的颜色 # 1. 转换为二色型色盲(绿色色盲) 'deuteranopia' )(RGB)# 2. 转换为三色型色盲(红色色盲) 'protanopia' )(RGB)# 3. 转换为蓝色色盲 'tritanopia' )(RGB)# 显示结果 4 , 1 , figsize=(10 , 8 ))'原始颜色' , '绿色色盲视觉' , '红色色盲视觉' , '蓝色色盲视觉' ]for i, (swatch, title) in enumerate(zip(swatches, titles)):False ,False )实际应用场景 1. 图像处理与增强 在数字图像处理领域，colour库可以用于高质量的色彩空间转换和色彩校准，帮助开发者实现专业级别的图像处理工作流程。以下示例展示了如何使用colour库对图像进行色彩处理。
import colourimport numpy as npfrom colour.plotting import *import matplotlib.pyplot as pltfrom PIL import Imageimport os# 加载示例图像（这里假设有一个名为'image.jpg'的文件） if os.path.exists('image.jpg' ):'image.jpg' ).convert('RGB' )) / 255.0 else :# 如果没有图像文件，创建一个示例图像 100 , 100 , 3 ))# 创建一个渐变 for i in range(100 ):for j in range(100 ):0 ] = i / 100.0 1 ] = j / 100.0 2 ] = 0.5 # 色彩空间转换 # 1. 将图像从sRGB转换到XYZ # 2. 将XYZ转换到Lab # 3. 提升图像对比度（在Lab空间中操作L通道） # 增加L通道的对比度 0 ].min(), Lab[:,:,0 ].max()0 ] = (Lab[:,:,0 ] - L_min) / (L_max - L_min) * 100 # 4. 将增强后的Lab转回XYZ # 5. 将XYZ转回sRGB # 修正值范围，确保在[0,1]之间 0 , 1 )# 显示原始图像和增强后的图像 1 , 2 , figsize=(12 , 6 ))'原始图像' )'off' )'增强后的图像' )'off' )2. 色彩设计与评估 在产品设计和品牌标识开发中，合理的色彩选择和评估至关重要。colour库可以帮助设计师创建协调的配色方案，并评估不同色彩组合的视觉效果和可访问性。
import colourimport numpy as npimport matplotlib.pyplot as pltfrom colour.plotting import *# 创建一个配色方案 0.75 , 0.25 , 0.20 ], # 主色 0.20 , 0.50 , 0.75 ], # 次色 0.90 , 0.80 , 0.20 ], # 强调色 0.50 , 0.50 , 0.50 ], # 中性色 0.20 , 0.20 , 0.20 ] # 暗色 # 显示配色方案 True # 评估配色方案的对比度 # 计算主色与其他颜色的CIEDE2000色差 0 ])for i in range(1 , len(colours)):'CIEDE2000' )f"主色与颜色{i+1 } 的CIEDE2000色差: {delta_E} " )# 评估可访问性 - 模拟色盲视觉下的配色方案 'deuteranopia' )(colours)2 , 1 , figsize=(10 , 6 ))False ,'原始配色方案' )False )False ,'绿色色盲视觉下的配色方案' )False )总结 Python colour库是一个功能全面、精确可靠的色彩科学计算工具库，为开发者和研究者提供了处理各种色彩问题的专业解决方案。通过本文介绍的基本功能、高级特性和实际应用场景，我们了解了colour库在颜色空间转换、色差计算、色度图生成、色彩适应、光谱处理和色盲模拟等方面的强大能力。无论是进行科学研究、开发专业图像处理应用，还是设计色彩管理系统，colour库都能够提供准确的算法和全面的工具支持。尽管该库的学习曲线相对陡峭，但其提供的专业级功能和对国际标准的全面实现，使其成为色彩科学领域的重要工具。
