利用光谱技术定量识别岩石颜色方法研究
张启燕1, 杨玠2,3, 李建国1,*, 史维鑫1, 高鹏鑫1
1. 自然资源实物地质资料中心, 北京 100083
2. 中国地质大学(北京)地质过程与矿产资源国家重点实验室, 北京 100083
3. 中国地质大学(北京)科学研究院, 北京 100083
*通讯作者 e-mail: ljianguo@mail.cgs.gov.cn

作者简介: 张启燕, 女, 1988年生, 自然资源实物地质资料中心高级工程师 e-mail: zqy25105@163.com

摘要

岩石颜色不仅反映沉积环境而且指示特有矿物与元素, 是纵向横向沉积演化, 地层对比的重要依据和指标之一。 目前岩石颜色主要依赖肉眼识别和主观描述, 或使用色卡进行对比判读。 这些方法受个体差异和环境影响较大, 缺少定量计算方法, 无法满足颜色批量精准识别的需要。 因此快速、 批量、 高效实现颜色的客观识别和数值量化对地质工作研究和应用具有重要意义。 该研究基于色度学原理, 利用光谱分析技术, 结合Python计算机语言编译的岩石颜色定量化识别软件, 实现岩石颜色的数值定量化和批量自动化转换, 提高颜色的判断精度和识别效率。 通过对《Munsell Rock Book》对比发现, CIE RGB颜色系统计算结果与色卡一致性较高, Munsell系统计算结果中色相值(<3个NBS单位)一致性达到86.7%, 明度值和纯度值的一致性分别达到92.2%和82.2%, 相关性为98.83%和87.50%, 均属于较小色差范围。 相较于Munsell系统计算结果, 31个岩石样品的CIE RGB计算结果与样品颜色的一致性和准确性更高。 造成颜色差异的原因复杂多样, 不仅与颜色系统之间的转换误差和人为主观对比及判读有关, 而且与岩石样品的特殊性和环境等因素密切相关。 本次研究为岩石颜色的快速、 高效、 客观批量化和定量化表征提供了一种可行性方法和思路, 具有较好的应用价值。

关键词: 岩石颜色; 定量识别; CIE颜色系统; Munsell颜色系统; 光谱
中图分类号:P585.1 文献标志码:A
Research on Quantitative Identification of Rock Color Using Spectral Technology
ZHANG Qi-yan1, YANG Jie2,3, LI Jian-guo1,*, SHI Wei-xin1, GAO Peng-xin1
1. Core and Samples Center of Land and Resources, China Geological Survey, Beijing 100083, China
2. State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences (Beijing), Beijing 100083, China
3. Institute of Earth Sciences, China University of Geosciences (Beijing), Beijing 100083, China
*Corresponding author
Abstract

Rock color reflects the geological environment and mineral and element composition of its formation. And it is one of the important basis and indicators for vertical stratigraphic correlation and lateral environmental evolution. Rock color mainly relies on visual identification and subjective description or uses color charts for comparative interpretation. These methods are greatly affected by individual differences and the environment, lack quantitative calculation methods, and cannot meet the needs of accurate color identification in batches. Therefore, it is of great significance for the research and application of geological work to quickly realize the objective identification and numerical quantification of color. This research is based on the principle of colorimetry, using spectral analysis technology combined with the quantitative recognition software of rock color compiled by Python computer language. It can perform numerical quantification and automatic batch conversion of rock color. The method improves color judgment accuracy and recognition efficiency. The comparison of 《Munsell Rock Book》shows that the calculation results of the CIE RGB color system are highly consistent with the color card. In the calculation results of the Munsell system, the consistency of hue value (<3 NBS units) reached 86.7%, the consistency of lightness value and purity value reached 92.2% and 82.2%, and the correlation was 98.83% and 87.50%. Their errors all belong to the small chromatic aberration range. Compared with the calculation results of the Munsell system, the CIE RGB calculation results of the 31 rock samples are more consistent and accurate with the color of the samples. The reasons for the errors are complex and diverse, related to the conversion error between color systems ,human subjective comparison and interpretation, and closely related to the particularity of rock samples and the environment and other factors. This study provides a feasible method for the quantitative characterization of rock color. This research has good application value.

Keyword: Rock color; Quantitative identification; CIE color system; Munsell color system; Spectrum
引言

颜色在地质领域至关重要, 是岩石特有标志之一, 反映岩石的形成环境, 指示组成岩石的矿物成分和元素种类。 岩石颜色不仅作为纵向地层对比的指标之一, 而且在横向环境演化方面具有指示意义[1, 2, 3]。 根据岩石颜色产生的原因, 主要分为自色、 他色和假色三种, 自色与组成岩石矿物本身的化学成分、 结构构造相 关; 当岩石中含有其他杂质时, 呈现与自色不同的颜色, 称为他色, 这与杂质的种类和含量有关; 当岩石表面由于矿物氧化等因素产生的颜色称为假色。 影响颜色因素很多, 因此在实际观察和描述岩石颜色时, 很难区分岩石颜色的具体成因, 并且由于环境和个体差异难以给予绝对、 统一命名。

目前在地质工作中, 对岩石颜色描述和识别主要通过两种方法, 一种是单纯的依赖于人眼识别和描述, 即地质人员依靠自己的经验, 判断识别岩石的颜色, 这是目前多数地质工作的常态; 另一种是通过专业色卡进行人工对比和判读, 确定岩石颜色。 常用的色卡有美国地质学会修订完成的《Munsell Rock Book》、 《Munsell Soil Book》和中国地质调查局天津地质调查中心组织编制的《铀矿调查野外简易色卡》。 这两种方法均属于目视法[4], 前者主要依赖人眼进行主观判断和描述, 没有统一规范标准, 结果受个人差异和环境影响较大, 容易出现判读的偏差和误差, 后者虽有一定的对比标准, 精度较高, 但专业色卡数量有限、 只可对比, 没有计算方法, 野外使用效率较低, 无法满足批量颜色的对比和识别[5, 6]

随着科技的发展和技术的进步, 新的光学领域仪器实现了颜色的定量-半定量测定。 根据测量原理不同主要分为两大类: 光电积分测量和分光光度测量[4]。 光电积分式仪器主要是通过三个仿人眼的敏感器分别接受红绿蓝的反射, 得到物体的三刺激值。 该类仪器测量结果与滤光片的匹配精度密切相关, 而滤光片的原材料、 加工技术等差别较大, 因此不同仪器之间测量结果相差较远[7]。 分光测色仪通过测量物体光源或反射光的光谱功率进行颜色信息和参数的计算[8, 9], 具有较高的精度, 但只能进行单点测量, 效率较低[10]。 目前颜色测量方法主要用于印刷、 纺织、 建筑等行业, 在地质学领域应用较少。 与之相比, 光谱分析技术是一种高效、 无损、 高分辨率识别矿物和元素的定量化技术手段, 可采集可见光-近红外-热红外波段的光谱信息, 其中可见光波段包含物体的颜色信息, 这是实现岩石颜色定量化识别的基础。 此外光谱分析技术可对物体光谱信息进行海量、 精细化分析, 这为岩石颜色的快速测量和精细识别提供了技术支撑, 在地质学领域具有广泛的应用前景。

为实现岩石颜色的定量化技术研究, 本文基于色度学原理, 利用光谱分析技术, 采用Python计算机语言开发完成的《岩石颜色定量化识别软件》, 建立光谱信息与颜色系统之间的数学模型, 将光谱信息快速、 自动、 批量转换到颜色空间, 实现地质学领域岩石颜色客观识别、 数值定量化表征, 提高岩石颜色的判断精度和工作效率。 本研究方法不仅适用于岩石颜色的定量化识别, 对土壤颜色及其他可利用光谱技术的信息转换同样具有适用性。

1 实验部分
1.1 颜色测量原理

颜色是当光源的光到达物体之后, 选择性吸收和反射其中某些波段, 反射的可见光(频率范围3.8× 1014~7.8× 1014 Hz)到达人眼之后, 刺激人类视觉神经, 经大脑处理为颜色的过程。 目前国际上认可的标准色度系统主要有两种, 一种是Munsell颜色系统, 另一种是CIE颜色系统。

Munsell颜色系统是A.H.孟塞尔于1905年基于人眼主观视觉特点形成的颜色分类和标定系统, 适用于表面颜色的表征[11]。 其中色相(Hues, H)、 纯度(Chroma, C)、 明度(Value, V)分别用X轴、 Y轴和Z轴表示。 其中中央垂轴方向为没有彩色的黑-白系统, 即中性色(N系列)。 理论上任何颜色都可以用Munsell颜色系统的H、 C、 V来标定, 而实际上Munsell颜色系统只给出有限颜色标定, 其他颜色则需要通过插值或外推等数学方法进行标定, 因此降低了Munsell系统判读颜色的精度。 另外Munsell颜色系统要求在标准照明体C(相关色温约为6 774 K)下垂直照射样品并进行45度观察和对比[12]

1931年国际照明组织(commission international de1'eclairage, CIE)颜色系统是基于三原色匹配或混合原理, 根据不同标准观察者和光源的光谱色三刺激值和光谱功率分布, 计算物体的三刺激值[式(1)], 这是所有CIE系统进行颜色测量的基础[12]。 式(1)中XYZ为CIE颜色系统中的三刺激值, S(λ )为光源光谱功率分布, R(λ )为物体色的光谱反射率, x̅(λ )、 y̅(λ )、 z̅(λ )分别为光谱色三刺激值, K为归一化系数, λ 为波长, 标准观察者分为2° 视场和10° 视场。

X=KλS(λ)R(λ)x̅(λ)dλY=KλS(λ)R(λ)y̅(λ)dλZ=KλS(λ)R(λ)z̅(λ)dλ(1)

物体三刺激值为不同颜色空间的转换提供了基础和纽带, 数值化表达更适于颜色测量和计算。 在CIE颜色系统中有多种颜色模型, 其中RGB(红色、 绿色、 蓝色)颜色空间是目前最常见的一种颜色模型, 这三种颜色分别被当作XYZ坐标轴[13], 红绿蓝分别用0~255之间的数值表示, 共1 677万多种颜色, 远远大于人眼识别的极限, 理论上可以表达世界上所有的颜色。 该系统主要表征颜色光源, 适用于现代的电子彩色显示器, sRGB标准规定了显示设备的原色和组合方式, 当不同设备符合sRGB标准时, 则同一个原色组合在任何一台设备上都应该是一致的[14]

尽管CIE RGB颜色体系和Munsell颜色体系其标定颜色方式和应用领域不同, 但在实际生活中, 对于颜色刺激的来源是光源色还是物体表面反射, 人类的视觉系统并不能真正的分辨, 这为基于表面色的Munsell颜色系统和基于光源色的CIE RGB颜色系统提供了转换的可能[15]。 Munsell和CIE RGB颜色系统无法直接建立准确的数学转换公式, 主要利用CIE Yxy和CIE XYZ作为过渡, 实现两者之间的转换。 首先实现Munsell HVC到CIE Yxy之间的转换, 然后再到CIE XYZ, 最后进行浮点sRGB和8位sRGB值的转换。 该转换假设前提是Munsell颜色系统要求的C光源和CIE光源的D65光源(相关色温为6 504 K)足够接近(即C光源足够接近平均日光), 并忽略两者之间的差异。 整个转换过程需要进行多步、 复杂且非线性的转换过程, 因此会牺牲一定的转换精度, 对最终转换结果有一定影响。

图1 Munsell颜色系统和CIE RGB颜色 系统转换过程示意图Fig.1 Diagram of Munsell color system and CIE RGB color system conversion

1.2 仪器及样本

本次测量仪器为美国ASD(Analytica Spectra Devices., Inc)公司生产的TerraSpe cHalo手持式近红外光谱仪。 该仪器能够捕获可见光谱段(VNIR: 350~1 000 nm) 和近红外谱段 (NIR: 1 001~2 500 nm) 的光谱。 光谱分辨率为3 nm@700 nm, 9.8 nm@1 400 nm, 9.1 nm@2 100 nm。 由于光谱反射信息受光源和样品本身特性的影响, 因此在测量之前, 需进行白板校正, 使用仪器自带的Spectralo n白色参比盘置于采集窗上进行校准, 通过相应的校准文件计算测量结果, 白板校正反射率需达到99%。 除了外部参比盘外, 在测量过程中, 该仪器可定期测量的内部白色参比盘。 定期测量白色参比是精确测量反射光谱的保障。 根据CIE标准光源规定, 该光谱仪的光源属于标准光源A[12] (相关色温约为2 856 K), 数据采集为2° 视场。

本次实验样本主要分为岩石色卡和岩石样品两类。 《Munsell Rock Book》按照一定的色相、 明度和纯度组合形成特定的颜色标号, 每个颜色标号用特殊的纸卡制成色卡, 按照标号和次序排列、 粘贴, 汇编成册。 该岩石色彩图表是基于美国地质学会(Geological Society of America, GSA)的修订而来。 该色卡共115张颜色用于岩石颜色对比和判读, 其中色相值主要为5和10的R、 YR、 Y、 GY、 G、 BG、 B、 PB、 P、 RP、 B、 G、 GY、 Y、 YR以及中性色。 中性色(共9张)是根据明度进行定名的, 没有色相, 无法进行彩色转换, 故不参与本次测定和转换。 色卡中19张饱和度为1的色卡因无法查询其RGB值也不参与本次研究。 最终86张色卡用于光谱测量及颜色转换方法的验证。 本次研究还选取了31个实际样品进行色卡对比和判读, 其中19块来自内蒙古自治区杭锦旗塔然高勒地区, 岩性以各类砂岩为主, 颜色以各类红色、 橙黄色、 绿色为主。 12块来自羌塘盆地的沉积岩, 主要为灰岩和砂岩, 岩石颜色为各类灰色和红色为主。

1.3 岩石颜色定量方法

本次研究基于颜色测量原理, 通过光谱分析技术获取岩石表面的光谱信息, 实现岩石颜色在Munsell和CIE RGB颜色系统的定量计算过程。 主要分为以下两个步骤。

第一步基于CIE XYZ 颜色测量原理实现CIE RGB颜色空间的计算过程。 首先根据光源的Y=100进行反算归一化系统 K(K=100/S(λ)R(λ)y̅(λ)Δλ), 然后根据不同光源在不同标准观察者下的光谱反射率和光谱色三刺激值及光谱反射率计算物体的三刺激值[式(2)], 其中波长范围为380~780 nm, 间隔10 nm。

X=KS(λ)R(λ)x̅(λ)ΔλY=KS(λ)R(λ)y̅(λ)ΔλZ=KS(λ)R(λ)z̅(λ)Δλ(2)

用数学方法运用理想三原色来替代实际三原色, 实现CIE XYZ颜色空间到CIE RGB颜色空间的转换[12]

RLGLBL=[M]-1XYZ(3)

式(3)中, 不同光源的[M]-1矩阵不同, 目前只有D65光源的转换矩阵可查询, 其他标准光源转换矩阵需以D65光源的三刺激值为纽带进行转换。 上述转换完成后, 还需进行非线性函数进行校正(即色适应校正公式):

RL, GL, BL≤ 0.003 130 8时

R=12.92RL; G=12.92GL; B=12.92BL

RL, GL, BL> 0.003 130 8时

R=1.055RL(1/2.4)-0.055; G=1.055GL(1/2.4)-0.055; B=1.055BL(1/2.4)-0.055

第二步获取Munsell颜色系统结果。 该步骤主要利用1943年孟塞尔色彩科学实验室基于1626个Munsell色样的HV/C值与RGB值的转换成果, 以计算的RGB值为基础, 匹配标准库中均方误差最小的RGB值对应的Munsell色号。

通过上述两个步骤实现了岩石颜色的数值定量化识别和计算。 整个过程通过Python计算机语言汇编完成, 并开发了《岩石颜色定量识别软件》(图2)。 该软件主要有数据输入、参数选择及结果显示三个功能。 数据输入以数据表形式输入光谱反射率(波长范围380~780 nm, 间隔10 nm, 共41个不同波长反射率数值参与计算)。 提供直方图和折线图两种光谱显示方式, 可直观观察光谱曲线特征, 有助于地质人员读取和判断。 该软件目前提供A、 D65和D50三种光源的单点和批量计算。 计算结果主要以弹窗方式展示(图3), 计算结果提供Munsell和CIE RGB颜色系统的色号和色卡, 其中Munsell色号和色卡提供10个均方误差在10%以内的色号和色卡, 使用者可以根据实际情况, 选择最接近样品的Munsell色号和色卡。

图2 《岩石颜色定量识别软件》首页面及主界面Fig.2 Home page and main interface of rock color quantitative recognition software

图3 单点和批量计算结果展示Fig.3 Single point and batch calculation result display

2 结果与讨论
2.1 《Munsell Rock Book》结果对比

《Munsell Rock Book》是目前地质领域最常用的岩石颜色对比色卡。 色卡主要以红色系、 黄色系、 绿色系居多, 较符合实际岩石颜色需求。 使用光谱仪采集每张色卡的光谱信息, 利用《岩石颜色定量识别软件》, 批量计算CIE RGB和Munsell颜色系统参数, 得到每张色卡的XYZ值、 sRGB值和Munsell色号及色卡。 计算结果显示86张色卡中色相值相差< 3个NBS单位(色差单位)[12]的准确度达到86.7%, 而明度值和纯度值的准确度分别为92.2%和82.2%, 计算色号和岩石色卡色号的明度值和纯度值相关性分别为98.83%和87.50%。 计算结果属于较小色差范围, 具有较高的精度, 可满足实际工作需求。

2.2 岩石样品结果对比

除了上述《Munsell Rock Book》结果进行对比验证, 本次对内蒙古自治区杭锦旗塔然高勒地区采集的19块岩石样品进行对比验证, 首先样品经有经验的地质专家选择新鲜面在自然光下(接近D65标准光源)与Munsell Rock Book进行逐一对比判读其颜色。 为减少人为误差, 本次对比和判读采用三名地质专家独立进行, 最后统一样品颜色。 其次选取判读的样品的平整表面, 使用光谱仪进行光谱测量。 所测的光谱数据利用《岩石颜色定量识别软件》进行颜色空间数值的批量计算。

计算结果如表1所示。 从表中可以看出通过《Munsell Rock Book》对比和判读的样品颜色描述较为宽泛, 而建议色卡和计算色卡(RGB色卡和Munsell色卡)与野外地质描述相一致。 建议Munsell色号和计算Munsell色号基本一致, 色相值相差1个NBS单位之内达94.74%, 属于小色差[12], 仅有一个色号色相值相差5, 即2个NBS单位, 色相误差属于较小色差范围之内[12]。 明度值(V)除8个样品相差值为1外, 其余全部一致。 纯度值(C)有10个样品结果一致, 其余样品纯度值相差1~2。 通过对比发现, 建议色卡和色号与计算结果一致性较高, 能满足实际野外地质工作要求, 在野外可进行高效、 快速的岩石颜色的识别。

表1 内蒙古地区岩石样品岩石颜色定量计算结果与色卡判读结果对比 Table 1 Comparison between the calculated and the visual-inspected values with Munsell Rock Book of the rock sample in Inner Mongolia

除金属矿岩石样品外, 本次还对羌塘盆地沉积岩进行颜色定量识别和计算(表2)。 样品经过实验室切割, 形成直径为2.5 cm, 高度不等的柱状体, 表面平整光滑, 满足光谱仪测量的理想状态。 该类样品没有经过色卡对比, 而是直接进行室内荧光灯(色温约5 000~7 500 K)下拍摄照片, 根据CIE标准光源的建议, 接近D65光源[15]

表2 羌塘盆地岩石样品岩石颜色定量计算结果与色卡判读结果对比 Table 2 Comparison between the calculated and the visual-inspected values with Munsell Rock Book of the rock sample in Qiangtang Basin

表2中可以看出, 地质编录人员对岩石颜色描述与实际岩石的颜色存在一定误差, 其中QZ-Y2、 QZ-Y3、 QZ-Y7、 QZ-Y8、 QZ-Y11号样品差异最为明显, 说明个体差异影响岩石颜色的客观识别, 这为后期使用带来误解和困扰。 计算结果表明, CIE RGB色卡与样品表面颜色基本一致, 符合实际岩石颜色客观表征, 而Munsell色卡与样品表面颜色存在误差, 特别是Munsell颜色体系的中性色。 主要原因是本次研究中未涉及Munsell颜色系统的中性色, 而沉积岩样品大多属于该色系, 因此相较于其他色系, 该色系计算结果误差相对较大。

岩石颜色是组成岩石的矿物及外界环境综合反映的结果, 在进行光谱测量过程中, 光谱仪的光斑大小及位置、 样品的特征、 光源、 样品表面光滑程度等因素均会对结果造成一定的影响。 如光谱仪的光谱信息只反映了采集窗口大小范围内的岩石的颜色, QZ-Y6号样品在深色矿物组成的表面, 局部存在亮色矿物胶结, 因此计算结果是岩石颜色是暗色和亮色矿物下的综合反映。 因此光谱信息采集过程中尽可能选择岩石表面均匀、 平整的位置, 减少能量损失, 保证光谱反射率的稳定性, 降低计算结果的误差。

在本次研究中发现CIE RGB 颜色系统的计算结果与Munsell色卡和实际样品表面颜色一致性较高, 很好地反映了岩石颜色的客观性。 而Munsell颜色系统计算结果的误差较大, 影响因素复杂多样, 不仅与转换过程有关, 而且与人为主观对比和判读以及环境要求等密切相关, 是多种因素综合影响的结果。 主要原因有以下几个方面: 一是Munsell颜色系统无法直接给出颜色的数学模型, 与CIE颜色系统之间转换时, 需经过多次色度空间的转换, 牺牲了转化精度, 误差传递积累变大, 最后导致误差变大。 二是岩石样品本身颜色的纯度和色相较低, 颜色偏暗、 偏深, 其光谱反射率较低, 特别是沉积岩样品多为灰色、 深灰色、 灰黑色等颜色。 而Munsell颜色系统中该类颜色属于中性色, 只有Z轴方向表征, 因此相较于其他色系转换后偏差较大。 三是人为判读受主观因素和环境因素等影响较大。 Munsell颜色对比观察要求在标准C光源下进行, 本次仪器光源不满足该要求。 样品拍摄照片与人眼识别之间的差异, 不同拍照设备在不同的光照条件下也有差异。

3 结论

针对地质学领域岩石颜色难以数值定量化、 高效自动化、 快速批量化客观识别和描述等实际问题, 本次研究从色度学原理出发, 利用岩石的光谱特征, 通过光谱仪进行光谱信息采集, 结合颜色系统之间数学模型, 以Python语言完成程序编码, 实现岩石颜色的定量化和批量化识别。 通过岩石色卡和岩石样品的对比验证, 表明计算结果属于较小色差, 在人眼识别误差范围之内, 满足地质实际需要, 取得了较为理想的结果。 本次完成的《岩石颜色定量识别软件》, 不仅实现了光谱反射率到颜色空间的自动、 批量计算, 结果以多种颜色系统数据表达, 而且可根据实际情况进行人机交互选择结果保存。 该软件不仅支持岩石颜色的定量化识别, 对土壤、 碎屑等其他可利用光谱技术进行数据采集和信息转换的样品均适用。 相较于现有的色卡对比, 本方法提高了测量精度和稳定性, 降低了人为因素和环境影响, 结果更加客观, 提高了野外地质工作效率, 为后期的地质研究和应用提供了客观、 量化的颜色信息, 具有实际利用价值。

参考文献
[1] YAN Yong-ding(阎永定). Northwestern Geology(西北地质), 1980, (4): 47. [本文引用:1]
[2] HU Xiu-mian, WANG Cheng-shan, LI Xiang-hui, et al(胡修棉, 王成善, 李祥辉, ). SCIENCE CHINA Earth Sciences(中国科学: 地球科学), 2006, 36(9): 811. [本文引用:1]
[3] CAO Qi, ZHENG Long-jun, WANG Jin-ling (曹琦, 郑龙君, 王金玲). Heilongjiang Science and Technology Information(黑龙江科技信息), 2014, (28): 105. [本文引用:1]
[4] LI Hong-guang, WU Bao-ning, SHI Huan-fang, et al(李宏光, 吴宝宁, 施浣芳, ). Journal of Applied Optics(应用光学), 2005, 26(3): 60. [本文引用:2]
[5] BAI Feng-xiang, ZENG Hua, YANG Wei-ping, et al(白凤翔, 曾华, 杨卫平, ). Journal of Yunnan Normal University(Natural Sciences Edition)[云南师范大学学报(自然科学版)], 1994, 14(1): 21. [本文引用:1]
[6] WANG Wei-ang(王维昂). Textile Accessories(纺织器材), 1994(3): 36. [本文引用:1]
[7] JIANG Yue-juan(蒋月娟). Optical Technique(光学技术), 2001, 27(3): 281. [本文引用:1]
[8] SHU Yue-xin(束越新). Basic Theory of Color Optics(颜色光学基础理论). Jinan: Shand ong Science and Technology Press(济南: 山东科技出版社), 1981. [本文引用:1]
[9] Youichi Sato, Johji Tajima. Color Scheme Supporting Method in a Color Design System. Human Vision, Visual Processing, and Digital Display VI. International Society for Optics and Photonics, 1995. [本文引用:1]
[10] YE Qi, WANG Yue-ming, ZHOU Shi-yao, et al(叶琦, 王跃明, 周世尧, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2018, 38(10): 3310. [本文引用:1]
[11] Goddard E N, et al. Rock Color Chart. Washington D C, National Research Council (Distributed by the Geological Society of America), 1948. [本文引用:1]
[12] LIN Mao-hai, WU Guang-yuan, ZHENG Yuan-lin, et al(林茂海, 吴光远, 郑元林, ). Color Science and Technology(颜色科学与技术). Beijing: China Light Industry Press Ltd. (北京: 中国轻工业出版社), 2019. [本文引用:7]
[13] LIU Ye, CHENG Guo-jian, MA Wei, et al(刘烨, 程国建, 马微, ). Journal of Central South University(Science and Technology)[中南大学学报(自然科学版)], 2016, 47(7): 2375. [本文引用:1]
[14] XU Yan-fang, LI Yi-nan, WANG Zhen (徐艳芳, 李一南, 王振). Information Recording Materials(信息记录材料), 2011, 12(4): 9. [本文引用:1]
[15] HUANG Chang-jie, ZHANG Jin-chuan, DING Wen-long, et al(黄昌杰, 张金川, 丁文龙, ). Science Technology and Engineering(科学技术与工程), 2016, 16(25): 254. [本文引用:2]