L*a*b*空间线性插值出现负RGB值？RGB在L*a*b*中的嵌入是否非凸？

操作流程 #

• 选取两个linear RGB颜色，例如(1,0,0)和(0,0,1)
• 将其转换到XYZ空间，使用对应E白点的RGB转换矩阵
• 依据维基百科公式转换为Lab*空间，以RGB(1,1,1)对应的XYZ坐标（该矩阵下为(1,1,1)，白点Y值缩放为1.0）作为Xn、Yn、Zn
• 对两个Lab*元素逐分量进行线性插值
• 通过逆流程将插值点转换回RGB空间（使用维基百科逆变换及XYZ转RGB的逆矩阵）

遇到的问题 #

尽管起始颜色均在RGB空间内，但插值得到的中间颜色超出了RGB空间范围：在(1,0,0)和(0,0,1)插值时，G通道出现约-0.058的负值。即使改用线性sRGB的转换矩阵，该问题仍存在。

疑问 #

1. 这种情况是否正常？
2. Lab*空间是否无法保证两个可表示RGB颜色的插值路径始终在RGB可表示范围内？
3. 若不正常，可能的错误点在哪里？
4. 若正常，应如何处理该问题？

代码实现 #

import numpy as np

mat = np.array([[0.49,0.31,0.2],[0.17697,0.81240,0.01063],[0.,0.01,0.99]])

def RGB_to_Lab(R,G,B):
    X,Y,Z = (mat@[[R],[G],[B]])[:,0]
    Xn, Yn, Zn = (mat@[[1],[1],[1]])[:,0]
    f = lambda t: t**(1/3) if t>(6/29)**3 else (1/3)*(29/6)**2*t+4/29
    L = 116*f(Y/Yn) - 16
    a = 500*(f(X/Xn)-f(Y/Yn))
    b = 200*(f(Y/Yn)-f(Z/Zn))
    return L, a, b

def Lab_to_RGB(L,a,b):
    f = lambda t:t**3 if t>6/29 else 3*(6/29)**2*(t-4/29)
    Xn, Yn, Zn = (mat@[[1],[1],[1]])[:,0]
    X = Xn*f((L+16)/116+a/500)
    Y = Yn*f((L+16)/116)
    Z = Zn*f((L+16)/116-b/200)
    R,G,B = (np.linalg.inv(mat)@[[X],[Y], [Z]])[:,0]
    return R,G,B

def steps(n):
    Lab = np.array(RGB_to_Lab(1,0,0))
    Lab2 = np.array(RGB_to_Lab(0,0,1))
    for i in range(n+1):
        r = i/n
        tmp = r*Lab2+(1-r)*Lab
        print(Lab_to_RGB(*tmp))

解答 #

1. 情况是否正常？

完全正常，你的操作流程和代码都没有错误，出现RGB通道负值是CIELAB空间与RGB空间的色域差异导致的必然结果。

2. Lab空间为何无法保证插值路径在RGB色域内？

CIELAB是设备无关的颜色空间，其色域覆盖了人眼能感知的所有颜色；而RGB（无论哪种标准）是设备相关的有限色域，仅能表示人眼可见颜色的一部分。两个RGB可表示的颜色在Lab空间中的线性插值是一条直线，这条路径必然会穿过RGB色域之外的区域（比如红与蓝之间的Lab插值会经过一些高饱和度的蓝紫色，这些颜色超出了RGB的显示范围），转换回RGB时自然会出现通道值超出[0,1]的情况。

3. 代码是否存在错误？

检查你的代码后可以确认：

• RGB与XYZ的转换矩阵使用正确，白点参数Xn/Yn/Zn的选取符合你的设定
• Lab与XYZ的正反转换公式完全符合维基百科的定义，分段函数f的实现没有错误
• 插值和逆转换的逻辑正确

因此代码不存在功能性错误。

4. 如何处理超出RGB色域的颜色？

针对这种情况，有几种常见的解决方案：

• 色域裁剪（Clipping）：最简单直接的方式，将超出[0,1]范围的RGB通道值直接截断为0或1。这种方法操作简单，但会丢失颜色的饱和度信息，导致插值后的颜色显得“灰淡”或偏离原感知。
• 色域映射（Gamut Mapping）：更专业的处理方式，将超出RGB色域的Lab颜色映射到RGB色域内，同时尽量保留视觉上的颜色特征：
  • 保持亮度L不变，逐步减小a、b分量的绝对值，直到转换后的RGB通道值全部在[0,1]范围内（即压缩饱和度）
  • 使用成熟的颜色管理算法，实现更精准的感知一致性映射
• 换用更适配RGB的插值空间：如果希望插值路径尽量在RGB色域内，可以考虑使用OKLab空间（它的线性插值路径更接近RGB色域的边界），或者直接在RGB空间内进行非线性插值（比如基于色相、饱和度的插值方式）。

内容的提问来源于stack exchange，提问作者JMC