平均两种颜色定义线性渐变的最佳方法是什么？
如果我有两种RGB值定义的颜色，我可以平均红色，绿色和蓝色值，然后结合定义第三种颜色，看起来像两个视觉平均值？
即NewColor =（R1 + R2）/ 2，（G1 + G2）/ 2，（B1 + B2）/ 2
编辑1：感谢所有的答复。 对于我目前的需求，我只处理相同颜色阴影的颜色对，所以我认为对它们进行平均就可以。 但是，我会尝试转换到实验室空间，以确保假设是真实的，技术在未来将有用。
编辑2：这是我的结果FWIW。 Color1和Color2是我的两种颜色，两个中间的列分别是L a b空间和RGB平均的结果。 在这种情况下，两种颜色之间没有太多的区别，所以平均技术的输出差异是微妙的。
看看这个问题的答案。
基本上，你想把颜色转换成一个叫Lab space的东西，并在那个空间里find它们的平均值。
实验室空间是一种代表颜色的方式，其中彼此接近的点是那些相似于人类的点。
几个答案build议转换为实验室颜色空间 – 这可能是更复杂的颜色操作的好方法。
但是如果你只是需要一种快速的方法来取两种颜色的平均值，这可以在RGB空间中完成。 你只需要注意一个警告：你必须平均RGB值之前平均他们，然后采取的结果的根。 （如果你只是取平均值，结果往往太黑。）
喜欢这个：
NewColor = sqrt((R1^2+R2^2)/2),sqrt((G1^2+G2^2)/2),sqrt((B1^2+B2^2)/2) 这是一个伟大的video，这解释了为什么这种方法是有效的： https : //www.youtube.com/watch?v=LKnqECcg6Gw
在HSL颜色空间平均可能会产生更好的结果。
我不知道从知觉的angular度来看，这些组件的简单平均值是否是“最好的”（这听起来像是一个心理学家的问题），但是这里有一些使用简单的组件平均的例子。
红芥末绿色的是丑陋的，但插值似乎足够合理。
是。 你可以像这样平均两种颜色。 这是OpenGL用于将颜色混合在一起的方法（例如，创build用于渲染远处物体的mip贴图或渲染50％透明纹理的方法）。 这对于许多情况来说是快速，简单和“足够好”的。 然而，这并不完全现实，并且可能不会用于照片质量的图像。
我认为，从正确的方向来看，答案是正确的，并且承认了丹·W所提到的对数底层。然而，恰当的几何平均值不是sqrt（（C1 ^ 2 + C2 ^ 2）/ 2），而是sqrt （C1 * C2）。 所以平均颜色将是：
NewColor = sqrt(R1*R2),sqrt(G1*G2),sqrt(B1*B2)
由此产生的颜色更接近我们所期望的。 您可以使用更高阶的根来推广到更多颜色，并通过为其组件添加指数来加权每种颜色。
这很难。 首先，一组RGB值没有定义颜色。 它们需要根据所涉及的色彩原色（色彩空间）进行解释，例如sRGB，Rec.709，Rec.2020，Adobe RGB（1998）等。
此外，我们通常遇到的RGB值与线性光不成比例：它们使用非线性函数（伽马）“编码”。 有时（主要是在video应用中），“黑色”的值不是零，而是从零开始偏移，对于8位值通常是16。 而“白色”不是255而是235. sRGB和Rec.709共享RGB原色，但是它们的伽马函数是不同的。
颜色空间转换从消除黑色偏移开始，黑色为零。 如果gamma函数有一个断点（比如sRGB和Rec.709），则需要仔细缩放RGB值，使“white”为1.0。
然后，通过执行原始伽马函数的反演来“解码”伽马。 （一个答案build议平方值，这是伽马解码的近似值。）现在，您在某些色彩空间中具有线性光RGB值。 此时，您可以将该颜色空间转换为Lab空间。 从RGB到Lab的大多数转换都经过一个名为XYZ的中间色彩空间。
嵌套函数调用的步骤如下：
Lab = XYZ2Lab（RGB2XYZ（gamma_decode（offset_and_scale（RGB）， gammaFunction ）， RGB颜色空间 ））
（实验室空间是在1976年开发的，目的是为了创build标准CIE XYZ空间的感知均匀翘曲（Luv是另一种尝试）。这个想法是两种颜色之间的欧几里得（直线）距离对于任何两种颜色来说，非常不同的（1“JND”）将是相同的距离，Lab中两种颜色之间的距离被称为“delta-E”，简单的三angular欧氏距离公式现在称为dE76。 /en.wikipedia.org/wiki/Color_difference ）
在你的情况下，你可以平均两个实验室颜色来获得一个新的实验室颜色，然后扭转所有的转换回到你select的颜色空间的RGB。
这会让你接近，但不能保证，只是因为“色彩”是一种人的感知，而不是物理量，而且难以可靠地表征。 实验室在感知统一方面实际上并没有那么好。 因此，他们提出了一个新的，更复杂的Δ-E函数，而不是另外修正Lab：DE94。 这个更好，但不完美，所以2000年出现了另一个提案：DE2000。 还好，但不完美。 请参阅上面的Wiki页面了解更多信息。
如果DE2000不够好（或者太复杂！），你可以看一下Lab的另一个名为ICtCp的实验，它声称比实验更统一。
实际上有一个更简单的方法。
-
将图像缩小到1px×1px。
1px的颜色是您缩放比例的平均颜色
