RGB颜色从0-1到0-255的转换-强度概率分布
RGB colour from 0-1 to 0-255 conversion - intensity probability distribution
我在想，我（以及互联网上和我工作过的公司中的每个人）是否一直在以错误的方式转换颜色。显然，当我想将颜色从 0-255 范围转换为 0-1 时，我只需将值除以 255，对吗？当我想走另一条路时，我乘以。
但这对吗？想象一下，我的颜色是一些数学的结果（像双线性插值一样简单，或者像你希望（或敢）那样复杂。那么这可能不是最好的方法。从某种角度来看，从浮点数转换时0-1 到整数 0-255，我想把区间分成 256 块 相同大小 然后做一个 "lookup"。如果我只是乘以 255 ( rgb values to 0 to 1 scale) 和舍入，0 和 255 的 "chunks" 或 "bins" 将只有其他大小的一半。即颜色强度的概率分布将不正确。
我不认为这在实践中经常是个问题。例如。在高端 VFX 中，始终使用浮点颜色（0-1 加 superblacks/superwhites），并且仅在最后一步才转换为 0-255。但它仍然困扰着我。正确答案是什么？
这不一定是这种情况，让我们通过使用 2 位量化（4 级）将其可视化：
如果我们除以 4（相当于 8 位中的 256）
0.00 to 0.24 = Black
0.25 to 0.49 = Dark Gray
0.50 to 0.74 = Light Gray
0.75 to 0.99 = White
你可以注意到 bins 是平均分开的（大小为 0.25），如果我们乘以 256 一切都会正确。除了 1.0，它会映射到 256。我们可以通过将值限制在 0 到 255 之间来解决这个问题。
if (value > 255) {
value = 255
}
但是如果我们想简化计算，避免钳位的需要，我们可以除以3（相当于8位中的255）
0.000 to 0.333 = Black
0.334 to 0.666 = Dark Gray
0.667 to 0.999 = Light Gray
1.000 to 1.333 = White
常见的误解是最后一个bin（纯白色）只映射到奇异值1.0，其实不然，它延伸到：
4/3 = 1.33333 for 2 bits
256/255 = 1.00392 for 8 bits
为了数学计算，将1.0到1.00392视为纯白，将0到0.00392视为纯黑，所有的bins大小应相等(0.00392)。
注意：如果我们使用这种表示，使用Math.round(value * 255)是错误的！
这将导致显示错误的颜色，并且所有 bin 将向左移动其大小的一半。
您应该使用 Math.floor(value * 255)，甚至直接转换为 int (int)(value * 255).
但是，如果您希望这些值代表 bin 的中值，则可以使用 Math.round()。然而，新垃圾箱将是：
-0.166 to 0.166 = Black
0.167 to 0.500 = Dark Gray
0.501 to 0.833 = Light Gray
0.834 to 1.166 = White
只需选择一种表现形式并坚持下去。如果您在整个代码中使用不同的表示形式，请确保进行适当的转换。
如果您正在进行正确和准确的科学计算（例如插值、聚类等），我建议使用中值分箱，否则将 float 转换为 int 会更快并且更适合快速图形操作。
要得到正确的结果，你必须将它乘以 255.(999...) 然后将它降为 int，否则你将在 1/4 1/2 和 3 的关键点得到错误的值/4 等...——您不能包含减法器，因为这会导致 x 处的负值接近 0 值。
之前的答案只是通过限制最高值来恢复 return 然后导致 x = 1...
附近的错误结果
这是我发现最简单的正确答案...问候
学分：https://forum.arduino.cc/index.php?topic=78108.msg590057#msg590057
我在想，我（以及互联网上和我工作过的公司中的每个人）是否一直在以错误的方式转换颜色。显然，当我想将颜色从 0-255 范围转换为 0-1 时，我只需将值除以 255，对吗？当我想走另一条路时，我乘以。
但这对吗？想象一下，我的颜色是一些数学的结果（像双线性插值一样简单，或者像你希望（或敢）那样复杂。那么这可能不是最好的方法。从某种角度来看，从浮点数转换时0-1 到整数 0-255，我想把区间分成 256 块 相同大小 然后做一个 "lookup"。如果我只是乘以 255 ( rgb values to 0 to 1 scale) 和舍入，0 和 255 的 "chunks" 或 "bins" 将只有其他大小的一半。即颜色强度的概率分布将不正确。
我不认为这在实践中经常是个问题。例如。在高端 VFX 中，始终使用浮点颜色（0-1 加 superblacks/superwhites），并且仅在最后一步才转换为 0-255。但它仍然困扰着我。正确答案是什么？
这不一定是这种情况，让我们通过使用 2 位量化（4 级）将其可视化：
如果我们除以 4（相当于 8 位中的 256）
0.00 to 0.24 = Black
0.25 to 0.49 = Dark Gray
0.50 to 0.74 = Light Gray
0.75 to 0.99 = White
你可以注意到 bins 是平均分开的（大小为 0.25），如果我们乘以 256 一切都会正确。除了 1.0，它会映射到 256。我们可以通过将值限制在 0 到 255 之间来解决这个问题。
if (value > 255) {
value = 255
}
但是如果我们想简化计算，避免钳位的需要，我们可以除以3（相当于8位中的255）
0.000 to 0.333 = Black
0.334 to 0.666 = Dark Gray
0.667 to 0.999 = Light Gray
1.000 to 1.333 = White
常见的误解是最后一个bin（纯白色）只映射到奇异值1.0，其实不然，它延伸到：
4/3 = 1.33333 for 2 bits
256/255 = 1.00392 for 8 bits
为了数学计算，将1.0到1.00392视为纯白，将0到0.00392视为纯黑，所有的bins大小应相等(0.00392)。
注意：如果我们使用这种表示，使用Math.round(value * 255)是错误的！
这将导致显示错误的颜色，并且所有 bin 将向左移动其大小的一半。
您应该使用 Math.floor(value * 255)，甚至直接转换为 int (int)(value * 255).
但是，如果您希望这些值代表 bin 的中值，则可以使用 Math.round()。然而，新垃圾箱将是：
-0.166 to 0.166 = Black
0.167 to 0.500 = Dark Gray
0.501 to 0.833 = Light Gray
0.834 to 1.166 = White
只需选择一种表现形式并坚持下去。如果您在整个代码中使用不同的表示形式，请确保进行适当的转换。
如果您正在进行正确和准确的科学计算（例如插值、聚类等），我建议使用中值分箱，否则将 float 转换为 int 会更快并且更适合快速图形操作。
要得到正确的结果，你必须将它乘以 255.(999...) 然后将它降为 int，否则你将在 1/4 1/2 和 3 的关键点得到错误的值/4 等...——您不能包含减法器，因为这会导致 x 处的负值接近 0 值。 之前的答案只是通过限制最高值来恢复 return 然后导致 x = 1...
附近的错误结果这是我发现最简单的正确答案...问候
学分：https://forum.arduino.cc/index.php?topic=78108.msg590057#msg590057