是一个开放源代码的软件包，提供了用于颜色科学的大量算法和数据集。
它可以根据条款免费获得。
Color是的关联项目， 是美国的501（c）（3）非营利组织。
目录
5文档
5.1教程
5.2使用指南
5.3 API参考
5.4例子
5.4.1自动颜色转换图colour.graph
5.4.2色彩适应- colour.adaptation适应
5.4.3代数colour.algebra
5.4.4颜色外观模型colour.appearance
5.4.5色盲colour.blindness
5.4.6颜色校正- colour characterisation
5.4.7 ACES输入转换- colour characterisation
5.4.8比色法- colour.colorimetry
5.4.9对比敏感度功能colour.contrast
5.4.10色差co
2024-04-24 13:29:34
2.17MB
1
颜色-检查器检测
一个实现各种颜色检查器检测算法和相关实用程序的软件包。
它是开源的，并根据条款免费提供。
目录
5参考书目
6行为准则
7联系与社交
8关于
1特点
实现了以下颜色检查器检测算法：
分割
2安装
由于它们的大小，在Pypi包中未提供运行各种示例和单元测试所需的资源依赖关系。 克隆存储库时，它们可以作为Git子模块单独使用。
2.1主要依赖
颜色-Checker Detection需要各种依赖性才能运行：
python> = 3.5
色彩科学
opencv-python> = 4
2.2 Pypi
满足依赖关系后，可以通过在shell中发出以下命令，从Python软件包索引中安装Color-Checker Detection ：
pip install --user colour-checker-detection
总体开发依赖项的安装如下：
pi
2022-03-17 16:44:30
9.7MB
1
matlab
sift特征提取代码
基于RGB颜色空间的颜色特征与SIFT特征提取
##目录
##背景介绍
本项目是我参加大学生创新项目的一部分，我们将要创建一个旅游推荐系统，通过用户输入的图片进行相关的图像处理，最后得到与输入图片相关的图片集，其中颜色特征和SIFT特征的提取就是本项目的关键技术。
##项目介绍
一般的图像特征提取分为局部特征提取和全局特征提取，全局特征就是方差、颜色直方图等等，全局特征用来描述总是比较合适的。但是无法分辨出前景和背景却是全局特征本身就有的劣势，而所谓局部特征，顾名思义就是一些局部才会出现的特征，就是指一些能够稳定出现并且具有良好的可区分性的一些点了，这样在物体不完全受到遮挡的情况下，一些局部特征依然稳定在，以代表这个物体（甚至这幅图像）。因此本项目采用将局部特征与全局特征相融合的方式进行特征的提取，在全局特征方面采用基于RGB颜色空间的颜色特征直方图；而在局部特征方面，采用不比较经典的SIFT特征。本开源项目的只是给出了基本的测试代码，详细描述了颜色特征和SIFT特征提取的过程。
##项目使用
###获取代码
gitcafe项目主页:
###使用样例
2021-10-06 18:35:50
11.55MB
1
Computational Colour Science Using MATLAB - Stephen Westland & Caterina Ripamonti.pdf
2021-09-24 21:26:00
1.89MB
1
用于创建和操作颜色的轻量级 JavaScript 库。
安装
颜色目前取决于 Underscore.js，但有计划在未来版本中删除它。
通过 npm 安装
$ npm install colourjs
在您的项目中需要和使用
var Colour = require ( 'colour' ) ;
var colourHex = new Colour ( '#e27a3f' , { alpha : 0.7 } ) ;
var colourRGB = new Colour ( { type : 'RGB' , value : [ 226 , 122 , 63 ] } , { alpha : 0.7 } ) ;
var colourHSL = new Colour ( { type : 'HSL' , value : [ 75 , 21.9 , 65 ] } , { alpha : 0.7
2021-06-24 17:13:42
10KB
1