企业官网建设流程全解析

1. 色品图到底是什么，为什么搞色彩的人都绕不开它

第一次接触色品图是在做一个显示屏色彩校准的项目，当时需要把一批面板的色域覆盖率算清楚，客户丢过来一张马蹄形彩色图，说“按这个标准来”。那张图就是CIE1931色品图。后来做LED分光、做相机色彩标定、做印刷打样，几乎每个跟颜色打交道的环节都会撞上它。可以说，只要你的工作和“颜色准不准”有关，色品图就是那张必须看懂的地图。

色品图本质上是一张二维坐标图，横轴是x，纵轴是y，用来描述颜色的“色度”信息，也就是抛开亮度之后，一个颜色到底偏红、偏绿还是偏蓝。它把三刺激值XYZ归一化处理，得到x、y两个坐标，把三维的颜色空间压到平面上。这样做的好处是直观，坏处是丢了亮度维度，所以色品图只能告诉你“是什么颜色”，不能告诉你“有多亮”。

它解决的问题很具体：当你需要判断两个颜色是不是同一个色调、某个显示设备能覆盖多大范围的颜色、某批LED的波长是否落在合格区间，色品图都能给你一个统一的参照系。没有它，不同厂商、不同设备之间的颜色沟通就变成了各说各话。

适合看这篇内容的人包括：做显示屏、LED、相机、印刷、涂料、纺织等跟颜色相关工作的工程师；做色彩管理、图像处理、视觉算法的开发者；以及刚入行、被xyY和XYZ搞得一头雾水的同学。我会从坐标怎么来的讲起，一直讲到怎么在实际项目里用它做判断，中间穿插我踩过的坑和实测经验。

2. 色品图的底层逻辑：从XYZ到xyY的推导与取舍

2.1 为什么需要XYZ这个中间层

人眼对颜色的感知其实来自三种视锥细胞，分别对长波、中波、短波敏感。但直接用RGB来描述颜色有个致命问题：不同设备的RGB光谱响应不一样，同一个RGB值在不同屏幕上看起来完全不同。CIE在1931年提出了一套“理想观察者”模型，用三个假想的刺激值X、Y、Z来替代真实的RGB，目的是让颜色描述与具体设备解耦。

XYZ的选取有几个硬性约束：Y必须等于亮度，这样亮度信息可以单独拿出来；X和Z则负责补全色度信息。所有可见光的颜色都能用XYZ的正值组合表示，不会出现负值，这是它比RGB更适合做标准的原因。你可以把XYZ理解成颜色世界的“世界语”，不管你是屏幕、打印机还是人眼，最后都翻译成XYZ来对话。

2.2 xyY归一化的数学过程

有了XYZ之后，色度坐标的定义就很直接了：

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

因为x + y + z = 1，所以z是冗余的，只需要x和y就能确定色度。Y单独保留作为亮度。这就是xyY颜色空间的由来。

这里有个容易混淆的点：xyY里的Y和XYZ里的Y是同一个值，不是归一化后的。很多人第一次看会以为Y也被归一化了，其实没有。归一化只发生在色度坐标上。这个细节在做亮度计算时特别重要，我见过有人把xyY的Y当成百分比用，结果亮度算出来差了一个数量级。

2.3 色品图的边界为什么是马蹄形

把所有单色光（也就是光谱色）的xy坐标画出来，连成一条曲线，就是光谱轨迹。这条轨迹从深红（约700nm）经过橙、黄、绿、青、蓝，一直到深紫（约380nm）。把光谱轨迹的两端用一条直线连起来，这条直线叫紫线，代表红和紫的混合色。光谱轨迹加紫线围成的区域就是所有物理上可实现的颜色，形状像马蹄，所以叫马蹄形。

马蹄形外面的点代表什么？代表理论上存在但物理上无法实现的颜色。比如x=0.5、y=0.5这个点，算出来需要负的某个刺激值，现实中没有任何光源能发出这种颜色。这个边界概念在做色域分析时非常关键，因为任何设备的色域都必须是马蹄形的子集。

注意：光谱轨迹上的颜色是单色光，纯度最高。越往马蹄形中心走，颜色越接近白色，纯度越低。中心附近有一个白点，代表等能白光，坐标大约是x=0.333、y=0.333。

3. 核心参数与实操要点：读懂色品图上的每一条线

3.1 光谱轨迹与波长标注

光谱轨迹上每个点对应一个波长，从380nm到700nm。实际使用时，你不需要记住每个波长的坐标，但要知道几个关键位置：520nm附近是绿色最饱和的区域，610nm附近是红色最饱和的区域，470nm附近是蓝色最饱和的区域。做LED分光时，客户给的波长容差通常就是基于这些位置来定的。

我做过一个LED分选的项目，要求红光波长在620nm到625nm之间。把这两个波长对应的xy坐标标在色品图上，就形成了一个很小的区域，分选机就按这个区域来筛。如果只看波长不看色品坐标，遇到光谱半高宽比较大的LED，波长对了但颜色看起来偏橙，就是因为色品坐标偏了。

3.2 色温线与黑体轨迹

色品图上有一条从红到蓝的曲线，叫黑体轨迹，也叫普朗克轨迹。它代表不同温度下黑体辐射的颜色。比如2700K对应暖黄光，6500K对应接近日光的白光。实际光源的色温通常用相关色温CCT来表示，就是找到黑体轨迹上离该光源色品坐标最近的点，那个点的温度就是CCT。

这里有个实操中的坑：两个色温相同的光源，色品坐标可能不一样，因为它们在黑体轨迹的垂直方向上偏离了。这个偏离量用Duv表示。Duv为正表示偏绿，为负表示偏品红。做高端照明时，Duv要控制在±0.003以内，否则人眼能明显看出色调差异。我见过一批灯珠CCT都是4000K，但Duv差了0.01，装在一起后一半偏绿一半偏红，客户直接退货。

3.3 色域三角形与覆盖率计算

任何显示设备或打印设备的色域，在色品图上都表现为一个多边形，通常是三角形。三角形的三个顶点就是该设备红、绿、蓝三个基色的色品坐标。色域覆盖率就是设备三角形面积与某个标准色域三角形面积的比值。

计算三角形面积用鞋带公式：

面积 = 0.5 * |x1(y2 - y3) + x2(y3 - y1) + x3(y1 - y2)|

比如sRGB的三个基色坐标大约是红(0.64, 0.33)、绿(0.30, 0.60)、蓝(0.15, 0.06)。代入公式算出来面积约0.112。如果某显示器的三角形面积是0.134，那它对sRGB的覆盖率就是0.134/0.112≈119.6%。但注意，覆盖率超过100%不代表完全覆盖，因为形状可能不同，有些区域覆盖了，有些区域反而没覆盖。所以更严谨的做法是算交集面积，而不是简单比总面积。

提示：做色域对比时，一定要说明是“面积比”还是“交集比”。很多厂商宣传的120% sRGB其实是面积比，实际交集可能只有95%。

3.4 麦克亚当椭圆与颜色容差

色品图上还有一个重要概念：麦克亚当椭圆。它描述的是人眼对颜色差异的感知阈值。在色品图上，人眼刚能分辨出颜色差异的区域近似为椭圆，不同位置的椭圆大小和方向都不一样。在绿色区域，椭圆比较小，人眼很敏感；在蓝色区域，椭圆比较大，人眼相对迟钝。

这个特性在做颜色容差判定时非常实用。比如两个LED的色品坐标距离相同，但在绿色区域可能人眼能看出差异，在蓝色区域就看不出来。所以高端的颜色分选设备会按麦克亚当椭圆来划分档位，而不是简单地按圆形或矩形划分。我参与过一个项目，客户要求按3步麦克亚当椭圆分选，结果良率比按矩形分选低了15%，但客户投诉率降到了几乎为零。

4. 实操过程：从原始光谱数据到色品图绘制

4.1 数据采集与预处理

要画一张准确的色品图，第一步是拿到光谱数据。用光谱仪测量光源或物体的光谱功率分布，波长范围通常取380nm到780nm，步长1nm或5nm。步长越小，积分越准，但数据量越大。对于大多数应用，5nm步长足够，除非你要做高精度的窄带光源分析。

拿到光谱数据后，先做暗电流校正和参考白校正。暗电流校正就是扣掉没有光时的读数，参考白校正就是用标准白板或标准光源做归一化。这两步不做，后面算出来的XYZ会偏得离谱。我见过有人直接用光谱仪的原始读数去算，结果色温差了500K，排查了半天才发现是没做暗电流校正。

4.2 三刺激值XYZ的积分计算

有了校正后的光谱功率分布S(λ)，用CIE标准观察者的颜色匹配函数x̄(λ)、ȳ(λ)、z̄(λ)做积分：

X = k * Σ S(λ) * x̄(λ) * Δλ Y = k * Σ S(λ) * ȳ(λ) * Δλ Z = k * Σ S(λ) * z̄(λ) * Δλ

其中k是归一化系数，对于自发光光源，通常取k = 683 lm/W，这样Y直接对应亮度。对于反射物体，k要选得让完美反射体的Y等于100。

颜色匹配函数有多个版本，CIE1931是2度视场，CIE1964是10度视场。做小面积光源分析用2度，做大面积均匀光源用10度。选错了会导致色品坐标偏移，虽然不大，但在高精度场合不能忽略。

4.3 色品坐标计算与绘图

算完XYZ后，按前面的公式算x和y。然后就可以在色品图上标点了。如果是画光谱轨迹，就把380nm到700nm每个波长的xy都算出来连成线。如果是画设备色域，就把红绿蓝三个基色的xy算出来连成三角形。

绘图时有个细节：色品图的背景色通常是用sRGB色域填充的，但sRGB色域比马蹄形小很多，所以马蹄形边缘的区域在图上显示为灰色或白色。这不代表那些颜色不存在，只是显示器显示不出来。如果你要精确标注光谱轨迹上的点，最好用坐标网格图，而不是彩色填充图。

4.4 一个完整的计算示例

假设某光源的光谱数据经过积分后得到X=0.45、Y=0.40、Z=0.15。那么：

x = 0.45 / (0.45 + 0.40 + 0.15) = 0.45 / 1.00 = 0.45 y = 0.40 / 1.00 = 0.40

这个点落在色品图的橙红区域。如果要算相关色温，就在黑体轨迹上找最近点。假设最近点对应3000K，那CCT就是3000K。再算Duv，如果点在轨迹上方，Duv为正，偏绿；在下方，Duv为负，偏品红。

注意：计算CCT时，如果色品坐标离黑体轨迹太远（Duv绝对值大于0.05），CCT就没有意义了，这时候应该用其他方式描述颜色，比如主波长和纯度。

5. 常见问题与排查技巧实录

5.1 色品坐标算出来是负数怎么办

理论上XYZ都是正值，算出来的xy应该在0到1之间。但如果光谱数据有噪声，或者暗电流校正没做好，可能出现负的XYZ，进而导致xy超出正常范围。排查步骤：先检查光谱仪是否饱和，再检查暗电流校正是否在完全遮光条件下做的，最后检查积分范围是否包含了所有有效波长。如果都没问题，可能是光源太弱，信噪比不够，需要增加积分时间或平均次数。

5.2 同一批LED色品坐标分散很大

这通常是分选环节的问题。先确认测量条件是否一致：驱动电流、温度、测量距离、光谱仪积分时间。如果条件一致但分散还是大，那就是LED芯片本身的波长均匀性问题。这时候要么提高分选精度，要么跟供应商谈更窄的波长档位。我遇到过一批灯珠，供应商说波长容差±5nm，实测色品坐标分散度相当于±12nm，后来发现是他们分选机的校准片老化了。

5.3 色域覆盖率算出来超过100%但显示效果不好

前面说过，面积比超过100%不代表完全覆盖。如果设备的色域三角形形状和标准色域差异很大，可能出现面积大但关键区域缺失的情况。比如某些广色域显示器，绿色很饱和，但红色偏橙，导致sRGB的深红区域反而覆盖不到。解决办法是算交集面积，或者直接看关键颜色的色差。做专业调色时，我一般会选24个标准色块，逐个算色差，比看覆盖率靠谱得多。

5.4 色品图上的白点位置不对

白点应该是等能白光，坐标(0.333, 0.333)。如果画出来偏了，通常是颜色匹配函数用错了，或者积分范围不对称。检查一下是不是把380nm到780nm的积分范围写成了400nm到700nm，少了紫外和深红部分，白点就会偏。另外，如果用的是10度观察者，白点坐标会略有不同，大约是(0.313, 0.329)，这是正常的。

5.5 常见问题速查表

实操心得：做颜色测量时，温度对结果影响很大。LED的色品坐标会随结温漂移，通常温度升高，波长红移。所以测量时要等光源热稳定，一般点亮后等5到10分钟再测。我吃过这个亏，冷态测和热态测差了0.005的y坐标，客户直接判不合格。

6. 色品图在实际项目中的扩展应用

6.1 显示屏色彩校准中的色品图应用

做显示器校准时，色品图用来确定显示器的原生色域和校准目标。流程通常是：先测显示器的红绿蓝白四个点的色品坐标，画出原生色域三角形；然后根据目标色域（比如sRGB或DCI-P3）计算校准矩阵；最后通过调整RGB增益和偏移，把白点拉到目标位置，把色域三角形尽量对齐目标。

这里有个取舍：如果原生色域比目标色域大很多，校准后色域会缩小，但颜色更准；如果原生色域比目标小，那就只能尽量逼近，无法完全覆盖。我一般建议客户先明确用途，如果是做印刷打样，优先保证sRGB覆盖；如果是做影视后期，优先保证DCI-P3覆盖。

6.2 LED分光分色中的色品图应用

LED分光分色就是按色品坐标把LED分成不同的档位。分选机的原理是快速测量每个LED的xy坐标，然后根据预设的档位边界判定归属。档位边界可以是矩形、圆形或麦克亚当椭圆。矩形最简单，但边缘区域的颜色差异可能超出人眼容差；麦克亚当椭圆最符合人眼感知，但分选速度慢，良率也低。

实际项目中，我通常建议客户先用矩形分选，然后对边缘档位做二次筛选。这样兼顾效率和品质。另外，分选机的校准周期很重要，一般每班次开始前都要用标准光源校准一次，否则测量漂移会导致分选错误。

6.3 印刷与涂料行业的色品图应用

印刷行业用色品图来定义油墨的色域和叠印效果。涂料的颜色匹配也依赖色品图，通过测量标准板和样板的xy坐标，计算色差，然后调整配方。这里要注意的是，印刷和涂料的颜色是反射色，测量时要用标准光源（如D50或D65）照明，否则色品坐标会随光源变化。

我做过一个涂料调色的项目，客户用D65光源确认颜色，但车间用普通日光灯照明，结果确认合格的批次在车间看起来偏黄。后来统一了照明光源，问题才解决。所以做反射色测量时，光源的一致性比测量精度还重要。

6.4 色品图与色貌模型的结合

色品图只描述色度，不描述色貌。实际人眼看到的颜色还受亮度、背景、观察者适应状态影响。所以现代色彩管理会结合色貌模型，比如CIECAM02，来预测颜色在不同条件下的外观。色品图在这个流程中仍然是基础，但不再是全部。

做高端色彩项目时，我会先用色品图做初步筛选，再用色貌模型做精细调整。比如做汽车内饰颜色匹配，不同光照条件下颜色看起来不一样，单靠色品图不够，必须结合色貌模型来评估。

7. 工具选型与数据处理的几点经验

7.1 光谱仪的选择

做色品图相关的测量，光谱仪的分辨率和灵敏度是关键。分辨率一般选1nm到5nm，做窄带光源（如激光或LED）时选1nm，做宽谱光源（如白光LED或荧光灯）时5nm够用。灵敏度要看测量对象，弱光需要高灵敏度探测器。

我用过几种不同档次的光谱仪，便宜的几千块，贵的几十万。差别主要在杂散光抑制、波长准确度和重复性。做研发建议用中高端，做产线分选可以用低端但必须定期校准。校准用标准灯，一般每年送检一次。

7.2 计算脚本的编写

算XYZ和xy的脚本很简单，Python用numpy几行就能搞定。关键是颜色匹配函数的数据要准确，建议从CIE官方或权威数据库获取，不要随便从网上抄。我见过有人用了错误的CMF数据，算出来的色品坐标整体偏移，排查了很久才发现是数据源的问题。

import numpy as np # 假设已加载波长数组wl和光谱数组S # 以及CMF数据x_bar, y_bar, z_bar delta = wl[1] - wl[0] X = np.sum(S * x_bar) * delta Y = np.sum(S * y_bar) * delta Z = np.sum(S * z_bar) * delta total = X + Y + Z x = X / total y = Y / total

这段代码里，delta是波长步长，积分就是求和乘以步长。注意S、x_bar、y_bar、z_bar的长度要一致，波长要对齐。如果步长不是均匀的，要用梯形积分。

7.3 数据可视化

画色品图可以用matplotlib，光谱轨迹和紫线用plot，色域三角形用fill。背景色填充比较麻烦，可以用imshow加载一张预先生成的色品图背景，然后把坐标轴对齐。网上有现成的色品图背景图，但要注意版权和坐标准确性。

我一般自己生成背景：在xy平面上采样，把每个xy转成XYZ（设Y=1），再转成sRGB，超出sRGB色域的点用灰色表示。这样生成的背景和坐标轴完全对齐，标注也方便。

提示：画图时把光谱轨迹的波长标注加上，方便读者对照。标注不要太多，每隔50nm标一个就行，否则图会很乱。

8. 我踩过的坑和最后分享的几个技巧

做色品图相关的工作十几年，坑踩了不少。最大的一个坑是早期做LED分选时，没有考虑温度漂移，冷态分选出来的批次，点亮后颜色偏了，客户投诉。后来加了预热环节，问题解决。第二个坑是算色域覆盖率时用了面积比，客户拿去做宣传，结果被专业用户指出交集不够，尴尬收场。从那以后，我对外一律用交集比或关键色差。

还有一个容易忽略的点：色品图上的坐标精度。xy坐标通常保留四位小数，但实际测量精度可能只有三位。如果报告里写四位，会给人虚假的精确感。我一般根据测量设备的重复性来决定保留位数，重复性0.001就保留三位，重复性0.0005才保留四位。

最后分享一个小技巧：做颜色对比时，不要只看色品图上的距离，还要看方向。在麦克亚当椭圆的长轴方向上，人眼不敏感，距离大一点也没关系；在短轴方向上，距离小一点人眼就能看出来。所以判断两个颜色是否可接受，要结合椭圆的方向来评估，而不是简单算欧氏距离。这个技巧在做颜色容差判定时特别有用，能帮你减少不必要的返工。

色品图这个东西，入门容易精通难。刚开始只要会算xy、会看马蹄图就行，但要做到在实际项目中灵活运用，需要理解它背后的假设和局限。希望这篇内容能帮你少走一些弯路，把颜色这件事做得更靠谱。