3. 光度学与色度学：从物理量到人眼感知

好，咱们进入第三章。前两章我们聊了光的波动性和几何路径，那些都是物理世界的客观规律。但从这一章开始，事情变得有点「主观」了——我们要开始考虑人眼怎么看光。

光度学和色度学，说白了就是给「人眼感知」建立一套数学描述。我当年刚接触这块时也觉得挺绕，明明有辐射度量了，为什么还要搞一套光度量？后来做显示项目才明白，你测出来的辐射功率再高，人眼不敏感也是白搭。

3.1 辐射度量与光度量：物理量与生理量的桥梁

先搞清楚一个核心概念：辐射度量是纯物理量，光度量是经过人眼视见函数加权后的生理量。

物理量	辐射度量（符号/单位）	光度量（符号/单位）
能量	辐射能 Qe (J)	光量 Qv (lm·s)
功率	辐射通量 Φe (W)	光通量 Φv (lm)
单位立体角功率	辐射强度 Ie (W/sr)	发光强度 Iv (cd)
单位面积功率	辐照度 Ee (W/m²)	照度 Ev (lx)
单位面积·立体角功率	辐射亮度 Le (W/(m²·sr))	亮度 Lv (cd/m²)

转换的关键是 光谱光视效率函数 V(λ)。人眼对 555nm 的黄绿光最敏感，V(555)=1；对红光和蓝紫光就弱很多。

我在做 LED 照明设计时踩过一个坑：供应商给的辐射通量数据很漂亮，但算出来的光通量却不够。后来发现是光谱峰值偏到了 450nm，V(λ) 只有 0.1 左右。嗯，这就是典型的「物理量达标，生理量不及格」。

3.2 CIE 色度系统：给颜色上户口

颜色怎么定量描述？1931 年 CIE 搞了一套标准，一直用到现在。

3.2.1 CIE 1931 RGB 系统

最早的想法很简单：用红(R)、绿(G)、蓝(B)三种原色光去匹配任意颜色。但问题来了——有些颜色需要「负值」的 R 才能匹配，这在实际中没法操作。

3.2.2 CIE 1931 XYZ 系统

为了解决负值问题，CIE 做了数学变换，搞出了三个假想的基色 X、Y、Z。其中 Y 直接代表亮度，X 和 Z 只负责色度信息。

色度坐标 (x, y) 由下式得到：

x = X / (X + Y + Z)
y = Y / (X + Y + Z)
z = Z / (X + Y + Z)  // 注意 x + y + z = 1

所以一般只用 (x, y) 就能表示颜色，亮度由 Y 单独给出。

3.2.3 CIE 色度图

把 (x, y) 画在二维平面上，就得到了著名的「马蹄形」色度图。边界是单色光谱轨迹，内部是混合色。

3.3 颜色混合原理：加色法与减色法

颜色混合分两种，应用场景完全不同。

3.3.1 加色混合（Additive Mixing）

用于显示器、投影仪、舞台灯光。红+绿+蓝=白。你想想看，手机屏幕每个像素就是三个子像素发光混合。

数学上，加色混合就是色度坐标的加权平均：

X_mix = (X1·Y1 + X2·Y2) / (Y1 + Y2)
Y_mix = (Y1·Y1 + Y2·Y2) / (Y1 + Y2)  // 注意：这是简化示意
// 实际用色度坐标加权时，权重是各自的 Y 值

3.3.2 减色混合（Subtractive Mixing）

用于印刷、颜料、滤光片。青(C)+品红(M)+黄(Y)=黑（理论上）。实际上因为颜料不纯，还得加个黑(K)做成 CMYK。

减色混合的本质是「吸收」：每种颜料吸收一部分光谱，剩下的反射光就是看到的颜色。混合越多，吸收越多，颜色越暗。

混合类型	典型应用	原色	混合结果
加色混合	显示器、投影仪	R, G, B	越混越亮，最终白色
减色混合	印刷、打印	C, M, Y, K	越混越暗，最终黑色

3.4 实战：用 Python 计算色度坐标

光说不练假把式。下面给一段我常用的代码，用来把光谱数据转成 CIE 1931 色度坐标。

import numpy as np

# CIE 1931 标准色匹配函数（380-780nm，5nm间隔，示例数据）
# 实际使用时请加载完整数据表
wavelengths = np.arange(380, 785, 5)
x_bar = np.loadtxt('cie_x_bar.txt')  # 实际项目中从标准文件读取
y_bar = np.loadtxt('cie_y_bar.txt')
z_bar = np.loadtxt('cie_z_bar.txt')

def spectrum_to_xyz(spectrum):
    """
    输入：光谱功率分布数组（与波长对应）
    输出：X, Y, Z 三刺激值
    """
    K = 683  # 最大光视效能
    X = K * np.trapz(spectrum * x_bar, wavelengths)
    Y = K * np.trapz(spectrum * y_bar, wavelengths)
    Z = K * np.trapz(spectrum * z_bar, wavelengths)
    return X, Y, Z

def xyz_to_xy(X, Y, Z):
    """三刺激值转色度坐标"""
    total = X + Y + Z
    if total == 0:
        return 0, 0
    x = X / total
    y = Y / total
    return x, y

# 示例：计算 555nm 单色光的色度坐标
spectrum_555 = np.zeros_like(wavelengths)
spectrum_555[35] = 1  # 555nm 对应索引 35
X, Y, Z = spectrum_to_xyz(spectrum_555)
x, y = xyz_to_xy(X, Y, Z)
print(f"555nm 色度坐标: ({x:.4f}, {y:.4f})")
# 输出应为 (0.3333, 0.3333) 附近

3.5 色温与显色性

最后提两个工程中绕不开的概念。

• 相关色温 (CCT)：光源颜色与黑体辐射在某个温度下的颜色最接近，这个温度就是 CCT。单位 K。比如正午阳光约 5500K，白炽灯约 2800K。
• 显色指数 (CRI, Ra)：光源对物体颜色的还原能力。满分 100，太阳光就是 100。一般室内照明要求 Ra > 80，博物馆、手术室要求 Ra > 95。

我记得有一次做博物馆照明项目，甲方指定用 3000K 的射灯。我测了 CRI 只有 72，结果把一幅油画照得颜色发灰。后来换了 Ra > 95 的灯，虽然色温一样，但画作的色彩层次一下就出来了。所以色温不是唯一指标，显色性同样关键。