スペクトルから RGB, XYZ 値へ変換とか
CG 向けには ACES カラー変換とかもあります

インストール

pip で入るので, 手間はありません. Windows もいけます.

pip install colour-science

colour と u が入りますので注意です!

colour だと別パッケージが入るので注意です!

使う

にまとまっています.

スペクトルデータを生成

dict data から作る(key: wavelength)

wavelength, values の配列から作る

colour.SpectralDistribution(values, wavelengths, name="myspectrum")

補間する

interpolate

元の SpectralDistribution の波長領域から外れるところは考慮されない.
たとえば, [380, 480] のデータを, [400, 500, interval=1] で補間しても, [400, 480] だけ処理される.

SpectralDistribution 同士の演算

あまり演算機能はないようです.
一旦 align or trim などで, 波長領域を合わせておき, .values で生データ取得して numpy 処理がよさそうです.

sd0 = ...
sd1 = ...

target = colour.SpectralShape(380, 780, 1)

sd0_aligned = sd0.align(target)
sd1_aligned = sd1.align(target)

numpy.sum(sd0_aligned.values * sd1_aligned.values)

差分

カラーチェッカーを plot する

ドキュメントと, pip で入るバージョン(0.3.15)で引数が違いますので注意です

pip 0.3.15 利用では, text_parameters を使います.

plot_single_colour_checker(
    colour_checker='ColorChecker 2005', text_parameters={'visible': False})

master を見るとドキュメントと同じ(test_kwargs)なので, 将来的には test_kwargs に統一されるでしょう.

plot_multi_colour_checker で, ２つ並べて表示できる.

ただしここでのカラーチェッカーは RGB(XYZ) のみ

スペクトルカラーチェッカー

本来(今後のメイン)は colour.COLOURCHECKER_SDS で取得できるが, 現在(2020/07/27)の pip で入る v0.3.15 では COLOURCHECKERS_SDS と, S をつける必要がある.

BabelColor Average, ColorChecher N Ohta のふたつのみ.

BabelColor は 730 nm までしかないので注意.

Ohta: 1997 年に計測されたもので, ISO 標準(?)のもの.

X-Rite の ColorChecker の分光反射分布は公開されていないが, 著者らは X-Rite のカラーチェッカーを分光放射輝度計で計測しており,
700~780 あたりの分布が Ohta と大きくことなるケースがあるのを確認している.
塗料によるものと思われる.

X-Rite のカラーチェッカーは, 有害物質関連で 2014 年前とあとで塗料の変更がある.

カラーチェッカーを買うときは製造年を確認しましょう. 今からだと基本 2014 年以降でしょうから, ISO 標準(Ohta)とは結果が異るので正しいです.

スペクトルから sRGB への変換

単一の SpectralDistribution から sRGB へ変換する.

sd = colour.SpectralDistribution(sample_sd_data)
cmfs = colour.STANDARD_OBSERVER_CMFS['CIE 1931 2 Degree Standard Observer']
illuminant = colour.ILLUMINANT_SDS['D65']

# Calculating the sample spectral distribution *CIE XYZ* tristimulus values.
XYZ = colour.sd_to_XYZ(sd, cmfs, illuminant)
print(XYZ)

スペクトル画像から sRGB 画像への変換

とりあえずぱぱっとスペクトル画像を sRGB 画像にしたい場合

[H, W, C] で numpy ndarray を作成し,

cmfs = colour.STANDARD_OBSERVERS_CMFS['CIE 1931 2 Degree Standard Observer']
illuminant = colour.ILLUMINANTS_SDS['D65']

xyz = colour.multi_sds_to_XYZ(ndimage, cmfs, illuminant, method='Integration',
                        shape=colour.SpectralShape(380, 780, 10))

rgb = colour.XYZ_to_sRGB(xyz / 100)

とする. XYZ が [0, 100], RGB が [0, 1] の範囲での値になるので 100 で割る.
color matching function やスペクトルの範囲は必要に応じて調整ください.

MultiSpectralDistribution 形式の複数スペクトルデータから変換する関数は無さそう.

標準比視感度

colour.PHOTOPIC_LEFS['CIE 1924 Photopic Standard Observer'] で取得できる.

ありがとう標準比視感度 from colour-science https://t.co/yVlAduFRSt pic.twitter.com/SGdQCnrIgb
— Syoyo Fujita 🌸 レイトラ 🐯 2 周年 🎉 (@syoyo) July 28, 2020

これを畳み込むのは luminous_efficacy 関数がある.

サンプル

Debayer(demosaic) する

処理自体は基本 numpy

OpenColorIO 用の LUT table を作る

1D

table = colour.LUT1D.linear_table(4096)
table = colour.gamma_function(table, 1.8)
LUT = colour.LUT1D(table=table)

path = '/content/downloads/LUT1D.spi1'

colour.write_LUT(LUT, path)

3D

table = colour.LUT3D.linear_table(33)
table = colour.gamma_function(table, 1.8)
LUT = colour.LUT3D(table=table)

path = '/content/downloads/LUT3D.cube'

colour.write_LUT(LUT, path)

CSV へエクスポート

ドキュメントではわかりづらいのですが, SpectralDistribution を値に持つ dict を作ります.
CSV では, dict の key が波長データの名前になります.

sds_bora = colour.SpectralDistribution(...)
sds_muda = colour.SpectralDistribution(...)

d = {}
d['bora'] = sds
d['muda'] = sds
colour.write_sds_to_csv_file(d, "bora.csv")

wavelength,bora,muda
380.0,0.113,0.113
385.0,0.131,0.131
390.0,0.15,0.15
395.0,0.169,0.169
400.0,0.183,0.183
405.0,0.193,0.193
...

CVS から読む

read_sds_from_csv_file を使います.

波長データを key とした dict として復元されます.

colour.read_sds_from_csv_file("bora.csv")

OrderedDict([('bora',
              SpectralDistribution([[  3.80000000e+02,   1.13000000e-01],
                                    [  3.85000000e+02,   1.31000000e-01],
                                    [  3.90000000e+02,   1.50000000e-01],
...

JSON は?

標準ではなさそうです. 自前で JSON 変換でしょうか.

SpectralDistribution を dict に変換する

dict から SpectralDistribution は作れますが, 逆は標準では用意されていません.

a = dict((k, v) for k, v in zip(patch_sd.wavelengths, patch_sd.values))

と, wavelengths と values を zip して, wavelength を key として dict を作ることができます.

Tips

スペクトルと, カスタムの color matching function を純粋に積分したい(スペクトルとスペクトルの積分).

sd_to_XYZ で sd, cmfs を指定し method='Integration' を選ぶ.

デフォルトでは定数 illuminant が使われる.
method デフォルトでは ASTM E308 で, 波長のクランプなどが行われる模様.
Integration にすると, 純粋に積分してくれる.

内部的には numpy で処理しているので, 自前で numpy 処理してもよいかもしれません.

その他メモ

カラーチェッカーでキャリブレーション
https://github.com/colour-science/colour/issues/598