如何使用NumPy Python修正生成的光谱颜色问题

1. 应用Gamma校正 #

你的代码生成的是线性RGB值，但显示器的亮度响应遵循非线性Gamma曲线（标准sRGB的γ≈2.2），直接输出线性值会导致色彩偏灰偏淡。添加Gamma校正可以将线性值转换为符合显示标准的色彩：

def draw(self):
    x = np.linspace(0, 1, self.resolution)
    y = np.linspace(0, 1, self.resolution)
    X, Y = np.meshgrid(x, y)
    
    # 基础RGB映射
    R = X
    G = Y
    B = np.ones_like(X) * 0.5
    
    # sRGB标准Gamma校正
    def gamma_correct(channel):
        return np.where(
            channel <= 0.0031308,
            channel * 12.92,
            1.055 * np.power(channel, 1/2.4) - 0.055
        )
    
    # 对每个通道应用校正
    R = gamma_correct(R)
    G = gamma_correct(G)
    B = gamma_correct(B)
    
    # 确保值在0-1范围内
    R = np.clip(R, 0, 1)
    G = np.clip(G, 0, 1)
    B = np.clip(B, 0, 1)
    
    self.output = np.stack([R, G, B], axis=-1)
    return self.output.copy()

2. 调整RGB映射逻辑匹配目标光谱 #

目标光谱呈现从左下深蓝到右上亮黄的饱和渐变，你可以修改RGB通道的映射规则，让色彩变化更贴合目标：

def draw(self):
    x = np.linspace(0, 1, self.resolution)
    y = np.linspace(0, 1, self.resolution)
    X, Y = np.meshgrid(x, y)
    
    # 调整映射曲线，增强色彩饱和度
    R = np.power(X, 0.8)  # 幂次调整让红色更快达到高亮度
    G = np.power(Y, 0.8)
    B = 1 - X  # 蓝色随X轴递减，匹配目标的蓝→黄渐变
    
    # 应用Gamma校正
    def gamma_correct(channel):
        return np.where(
            channel <= 0.0031308,
            channel * 12.92,
            1.055 * np.power(channel, 1/2.4) - 0.055
        )
    
    R = gamma_correct(R)
    G = gamma_correct(G)
    B = gamma_correct(B)
    
    R = np.clip(R, 0, 1)
    G = np.clip(G, 0, 1)
    B = np.clip(B, 0, 1)
    
    self.output = np.stack([R, G, B], axis=-1)
    return self.output.copy()

相关学习途径 #

• 色彩空间基础：学习线性RGB、sRGB的区别，以及Gamma校正的原理，这是解决显示色彩问题的核心知识。
• NumPy数组操作：熟练掌握np.power、np.where、np.clip等函数，用于灵活调整色彩映射曲线。
• 数据可视化色彩映射：参考Matplotlib等库的内置色彩映射（如viridis、plasma）的实现逻辑，学习饱和渐变的生成方法。

内容的提问来源于stack exchange，提问作者Mudassir Ahmed