当前位置: 首页 > news >正文

【图像处理】CMKY色彩空间

一、CMKY是什么

CMKY 是专为印刷行业设计的减法色彩模型,核心用于颜料、油墨等物理介质的色彩呈现

1.1 CMKY的组成

CMKY 由四种基础油墨颜色组成,字母对应含义如下:

  • C(Cyan,青色):吸收红光、反射绿光和蓝光,对应 RGB 中的 “反红色”(RGB 中红色的补色);
  • M(Magenta,品红):吸收绿光、反射红光和蓝光,对应 RGB 中的 “反绿色”;
  • Y(Yellow,黄色):吸收蓝光、反射红光和绿光,对应 RGB 中的 “反蓝色”;
  • K(Key,黑色):补充 CMY 三色混合的不足,专门用于呈现纯黑和暗部细节(“Key” 意为 “关键色”,因黑色油墨常用于定位印刷套准)。

在这里插入图片描述

1.2 CMKY的原理

CMKY 的核心是 “减法混合”—— 通过油墨吸收光线中的特定波长,剩余波长反射到眼睛形成色彩

  • 白色纸张本身反射所有可见光(RGB=255,255,255);
  • 当纸张上覆盖青色油墨时,油墨吸收红光(R),反射绿光(G)和蓝光(B),人眼看到青色;
  • 若同时覆盖青色(C)和品红(M)油墨:C 吸收 R,M 吸收 G,最终仅反射 B,呈现蓝色;
  • 理论上,C+M+Y 三种油墨 100% 混合可吸收所有光,呈现黑色,但实际油墨纯度有限,混合后会偏 “深棕色”,因此需要 K(黑色油墨)补充纯黑,同时减少 CMY 用量、降低印刷成本。

1.3 CMKY 色彩模式

CMKY 中每种颜色的用量以 “百分比” 表示(0%= 无该油墨,100%= 该油墨最大密度):

  • 纯黑:C=0%, M=0%, Y=0%, K=100%(仅用黑色油墨,避免 CMY 混合偏色);
  • 纯红:C=0%, M=100%, Y=100%, K=0%(M 吸收 G,Y 吸收 B,仅反射 R);
  • 灰色:C=M=Y = 相同百分比(如 20%),K=0%(浅灰)或 K = 更高百分比(深灰,如 C=M=Y=10%, K=30%)。

二、CMKY与RGB

2.1 CMKY与RGB的区别

CMKY与RGB的区别如下表所示:

对比维度CMKYRGB
色彩模型减法模型(颜料反射)加法模型(光线叠加)
核心用途印刷、喷绘、实体介质着色屏幕显示(显示器、手机、投影仪)
色彩组成C(青)、M(品红)、Y(黄)、K(黑)R(红)、G(绿)、B(蓝)
色域范围较小(受油墨 / 纸张限制)较大(受显示面板技术限制)
量化方式百分比(0%-100%)数值(0-255,或 0.0-1.0)
白色 / 黑色形成白色 = 纸张本身(无油墨);黑色 = K 油墨白色 = R+G+B(255,255,255);黑色 = R=G=B=0
专业软件支持PS、AI、InDesign、CorelDRAWPS、AE、PR、Figma、Sketch

2.2 CMKY与RGB的应用场景

  1. 优先选 RGB 的场景

    • 所有屏幕显示内容(网页、APP 界面、短视频、PPT);
    • 前期设计阶段(如海报初稿、LOGO 设计),保留更多色彩细节,后期印刷前再转 CMKY;
    • 摄影、视频剪辑(相机 / 摄像机默认输出 RGB 格式)。
  2. 优先选 CMKY 的场景

    • 所有实体印刷内容(画册、海报、包装盒、书籍);
    • 与印刷厂对接时,需提供 CMKY 格式文件
    • 专业印刷设计(如杂志内页、包装彩盒)

三、CMKY与RGB互转

在图像处理中,经常需要将 RGB 颜色转换为 CMYK 颜色,或者反过来。这种转换涉及到复杂的数学和物理过程。

3.1 RGB 到 CMYK 的转换

RGB 到 CMYK 的转换通常基于以下公式:

C = 1 - (R / 255)
M = 1 - (G / 255)
Y = 1 - (B / 255)

这里,R、G、B 分别代表 RGB 颜色分量的值,C、M、Y 分别代表 CMY 颜色分量的值。转换后的 C、M、Y 值还需要根据实际情况进行调整,以适应特定的印刷条件。

3.2 CMYK 到 RGB 的转换

CMYK 到 RGB 的转换可以使用以下公式:

R = 255 * (1 - C) * (1 - K)
G = 255 * (1 - M) * (1 - K)
B = 255 * (1 - Y) * (1 - K)

这里,C、M、Y、K 分别代表 CMYK 颜色分量的值,R、G、B 分别代表 RGB 颜色分量的值。

更多资料:https://github.com/0voice

http://www.dtcms.com/a/503445.html

相关文章:

  • 南宁建行 网站南通网站的优化
  • 构建AI智能体:六十八、集成学习:从三个臭皮匠到AI集体智慧的深度解析
  • 从入门到精通【Redis】Redis 典型应⽤ --- 分布式锁
  • 6.5 万维网(答案见原书P294)
  • CycloneDDS:跨主机多进程通信全解析
  • Java基础语法—类型转换、表达式的自动类型提升
  • CentOS8无法使用sudo提权
  • 软件工程师招聘信息网站数据库对网站开发的作用
  • Python核心数据结构与函数编程
  • Spring Boot 3零基础教程,WEB 开发 内容协商 接口返回 YAML 格式的数据 笔记35
  • 网站编程学北京上海网站建设公司
  • 查询土耳其公司商业登记册(工商报告),可以获取什么信息?
  • ip反查域名
  • 把AI“撒”进农田:基于极值量化与状态机的1KB边缘灌溉决策树
  • 代码随想录 404.左叶子之和
  • 《3D可交互道具开发痛点解决:轻量化建模与解耦式逻辑实践》
  • 中铁雄安建设有限公司网站简述商务网站建设的步骤
  • 《3D开放世界地形开发:动态LOD与智能融合的轻量化实战路径》
  • 兽装定制网站wordpress商店安装
  • Redis(70)分布式锁的超时机制如何实现?
  • 自学网站免费晋中seo排名
  • WPF 联合 Web 开发调试流程梳理(基于 Microsoft.Web.WebView2)
  • 最簡實時性操作系統之任務鏈表
  • LeetCode:886. 可能的二分法
  • 【Linux】应用层协议http
  • cms网站后台上传图片提示图片类型错误但是类型是正确的服装网站建设效果
  • C程序中的数组与指针共生关系
  • 网站的建立步骤网站ip地址大全
  • 每日Reddit AI信息汇总 10.19
  • k8s(九)安全机制