如何基于纳米-透射率CSV数据生成LUT所需RGB曲线？

1. 读取光谱CSV数据 #

首先读取存储波长与透射率的CSV文件，清洗并转换数据格式，保留400-700nm的可见光范围：

import pandas as pd
import numpy as np

# 读取无表头的CSV，手动指定列名
spectrum_df = pd.read_csv("amber_filter_spectrum.csv", header=None, names=["wavelength_nm", "transmittance_pct"])
# 将透射率百分比转为0-1的衰减系数
spectrum_df["transmittance"] = spectrum_df["transmittance_pct"] / 100.0
# 过滤可见光波段
spectrum_df = spectrum_df[(spectrum_df["wavelength_nm"] >= 400) & (spectrum_df["wavelength_nm"] <= 700)]

2. 光谱转CIE 1964 XYZ三色值 #

利用CIE 1964 10°标准观察者的颜色匹配函数（CMF），将透射光谱卷积计算为XYZ颜色空间值：

# 加载预计算的CIE 1964 10° CMF数据（400-700nm，1nm间隔）
def load_cie1964_cmf():
    wavelengths = np.arange(400, 701)
    # 实际应用中需替换为完整的CMF数组
    x = np.load("cie1964_x.npy")
    y = np.load("cie1964_y.npy")
    z = np.load("cie1964_z.npy")
    return wavelengths, x, y, z

cmf_wl, cmf_x, cmf_y, cmf_z = load_cie1964_cmf()

# 插值输入光谱，匹配CMF的波长间隔
transmittance_interp = np.interp(cmf_wl, spectrum_df["wavelength_nm"], spectrum_df["transmittance"])

# 求和近似积分计算XYZ值
X = np.sum(transmittance_interp * cmf_x)
Y = np.sum(transmittance_interp * cmf_y)
Z = np.sum(transmittance_interp * cmf_z)

# 以Y通道为基准归一化（模拟白光透过滤镜后的相对色彩）
XYZ = np.array([X, Y, Z]) / Y if Y != 0 else np.array([0,0,0])

3. CIE XYZ转线性sRGB #

通过标准转换矩阵将XYZ值转换为线性sRGB，裁剪超出色域的数值：

# CIE XYZ到线性sRGB的转换矩阵（D65光源）
xyz_to_srgb = np.array([
    [3.2406, -1.5372, -0.4986],
    [-0.9689, 1.8758, 0.0415],
    [0.0557, -0.2040, 1.0570]
])

# 计算线性sRGB值
linear_srgb = xyz_to_srgb.dot(XYZ)
# 裁剪到0-1范围
linear_srgb = np.clip(linear_srgb, 0.0, 1.0)

4. 生成分离式RGB透射曲线 #

基于滤镜的线性sRGB衰减系数，生成输入-输出的RGB通道曲线，直观展示各颜色的衰减效果：

import matplotlib.pyplot as plt

# 生成0-1的线性RGB采样点
input_vals = np.linspace(0, 1, 256)
# 计算输出值（近似为输入值乘以对应通道的透射系数）
output_r = input_vals * linear_srgb[0]
output_g = input_vals * linear_srgb[1]
output_b = input_vals * linear_srgb[2]

# 绘制曲线
plt.figure(figsize=(10,6))
plt.plot(input_vals, output_r, color="#ff3333", label="Red Channel")
plt.plot(input_vals, output_g, color="#33cc33", label="Green Channel")
plt.plot(input_vals, output_b, color="#3333ff", label="Blue Channel")
plt.xlabel("Input Linear RGB")
plt.ylabel("Output Linear RGB")
plt.title("Kodak Amber Filter RGB Transmission Curves")
plt.legend()
plt.grid(True)
plt.show()

5. 制作线性转对数3D LUT立方体 #

生成n×n×n的3D LUT，实现线性RGB到对数RGB的色彩映射，模拟滤镜效果：

def generate_linear_to_log_lut(lut_size=33):
    steps = np.linspace(0, 1, lut_size)
    lut = np.zeros((lut_size, lut_size, lut_size, 3))
    srgb_to_xyz = np.linalg.inv(xyz_to_srgb)
    log_offset = 1e-6  # 避免log(0)的错误

    for i, r in enumerate(steps):
        for j, g in enumerate(steps):
            for k, b in enumerate(steps):
                # 线性sRGB转XYZ
                xyz = srgb_to_xyz.dot([r, g, b])
                # 应用滤镜透射衰减
                filtered_xyz = xyz * XYZ
                # 转回线性sRGB并裁剪
                filtered_srgb = xyz_to_srgb.dot(filtered_xyz)
                filtered_srgb = np.clip(filtered_srgb, 0.0, 1.0)
                # 转换为log10并归一化到0-1
                log_rgb = np.log10(filtered_srgb + log_offset)
                log_rgb = (log_rgb - np.log10(log_offset)) / (0 - np.log10(log_offset))
                log_rgb = np.clip(log_rgb, 0.0, 1.0)
                lut[i,j,k] = log_rgb

    # 输出为.cube格式
    with open("kodak_amber_linear_log_lut.cube", "w") as f:
        f.write("TITLE \"Kodak Amber Filter Linear to Log 3D LUT\"\n")
        f.write(f"LUT_3D_SIZE {lut_size}\n")
        for i in range(lut_size):
            for j in range(lut_size):
                for k in range(lut_size):
                    r, g, b = lut[i,j,k]
                    f.write(f"{r:.6f} {g:.6f} {b:.6f}\n")
    print("3D LUT已生成：kodak_amber_linear_log_lut.cube")

# 生成33×33×33的LUT
generate_linear_to_log_lut(lut_size=33)

关键注意事项 #

• 光谱精度：CSV波长间隔越密（如1nm），色彩转换精度越高，最低建议10nm间隔。
• CMF选择：必须使用CIE 1964 10°视场的颜色匹配函数，不要混淆CIE 1931 2°标准。
• LUT近似性：上述方法为视觉近似模拟，若需更高精度，需引入光谱重建算法解决RGB转光谱的多解问题。
• 对数参数：对数转换的底数（如log2）和归一化范围可根据影视标准（如Rec.709、ACES）调整。

内容的提问来源于stack exchange，提问作者NickG