微博上网友的有心剪辑，让“元芳，你怎么看？”这句话迅速的红遍大江南北。可是如果有人问你，你的眼睛是怎么看到这个世界的？恐怕很多人就回答不出来。我们的眼睛的视觉原理，又和我们的拍摄、打印设备有怎么样的关系？我们在处理照片时，又该如何在软件中正确设置色彩模式？这些又和今年的诺贝尔化学奖有什么关系呢？且让我们从众所周知的暴雪游戏《星际争霸》说起。本文图片版权都归原作者、源网站所有。
在游戏星际争霸当中，人族的陆战队（Marine，俗称机枪兵）在科技升级之后，有一个技能，叫做兴奋剂，使用了以后会提高移动速度和攻击速度，但是会损失生命值。
星际争霸中人族的陆战队可以开发科技使用兴奋剂
兴奋剂滥用最多的地方，恐怕就是体育界了。前不久爆出了震惊世界体坛的新闻，环法7冠王阿姆斯特朗因为使用兴奋剂，被剥夺了所有冠军头衔。在美国反兴奋剂机构USADA给出的罪状当中，就包括他使用类固醇、EPO等等禁药。
因为使用兴奋剂而被剥夺环法总冠军的阿姆斯特朗
我们现在都有一个常识，那就是人，如果服用兴奋剂，就会提高运动能力、肌肉力量等等。但是，我们为什么会对兴奋剂的刺激有反应？
困扰医学界的难题
●困扰医学界的难题
在上上个世纪末到上个世纪初，西方的医学家和化学家逐渐开始发现肾上腺的作用：1855年第一次发表论文认为病人的病因与肾上腺缺失有关的英国医生爱迪生(Thomas Addison）到约翰霍普金斯大学药理学系主任阿贝尔（John.J.Abel)第一次提出分离肾上腺素，再到日裔美国科学家高峰让吉（Jokichi Takamine）第一次分离、提纯出肾上腺素并申请专利。
高峰让吉第一个分离出纯的肾上腺素并申请专利
此后的几十年时间里，肾上腺素成为了外科医生、抢救室的必备药物，救活了无数人。我们在看影视剧的时候，也经常能看到在抢救病人的时候给病人注射肾上腺素提高血压加速心跳。
分子结构并不复杂的肾上腺素救活了无数人
肾上腺素的作用医学界已经得到了广泛的认可，但是，肾上腺素是作用于细胞的，而细胞究竟是怎么感知环境的？这个难题困扰了整个医学界半个多世纪。当时的大夫们怀疑，在细胞表面有某种“接收器”。
获得诺贝尔奖的发现
●获得诺贝尔奖的发现
今年10月10日下午5点45分，2012年诺贝尔化学奖揭晓，两位美国科学家罗伯特·莱夫科维茨（Robert J. Lefkowitz）和布莱恩·克比尔卡（Brian K. Kobilka）因“G蛋白偶联受体研究”（G-protein-coupled receptors,GPCR)获奖。二人将均分800万瑞典克朗奖金。
莱夫科维茨和克尔比卡获得2012年诺比尔化学奖
1968年，莱夫科维茨开始利用放射性碘同位素结合到多种激素上，然后通过观测同位素的放射性，他发现了若干种受体，其中就包括一周肾上腺素受体—β肾上腺素受体，他的研究团队从细胞膜上提取到了这种受体并初步缠绵了其工作机制。
1980年代，科尔比卡加入理莱夫科维茨的团队，他尝试从人类基因组中分离出编码β肾上腺素受体的基因，他采用一种创造性的方法办到了。研究人员在分析β肾上腺素受体的时候，发现这种受体和人类眼睛中捕获光线的一种受体类似，这使得他们意识到，应该存在一大类受体，他们结构相似并且实现功能的方式相同。
这个发现就是获奖的G蛋白偶联受体。我们人类能够对外界的气味、视觉、味道等等有感受，都来自于这种受体在发挥作用，现如今已经发现的这种受体有1000多种。
G蛋白偶联受体的具体作用机制非常复杂
我们人眼视网膜细胞膜上的蛋白，能够对外界的光线发生光化学反应，其化学反应的产物对我们的视神经有刺激作用，视神经再传递信号进入我们的大脑，进而形成我们的视觉。不过这里需要指出的是，我们感受视觉亮度的视杆细胞，其原理和我们想象的不太一样，那就是如果亮度没有变化，视杆细胞会一直给视神经传递信号，而一旦我们看到的内容有了变化，反而会停止刺激，大脑会解读哪些信号停止了或是有变化进而形成亮度视觉，但是为什么这么工作，到现在也没有一个可信的具有说服力的解释，因为我们今天虽然对大脑如何工作这个科学命题取得了一些进展，但是距离完全了解还有很长的路要走。
我们的视网膜
●我们的视网膜
前几天笔者在参加佳能博览会的时候，恰巧有展出佳能拍摄视网膜的医学设备，我自己也拍了一张，这张照片就是我的视网膜，由于每个人血管的形状不同，很多高级安全级别高的锁都采用了视网膜进行生物唯一性识别。
笔者自己的视网膜照片
我们从初中的生理课就能学到，我们之所以能看到这个世界，全靠眼睛的视网膜。
视网膜细胞的显微镜图片，可以看到不同的杆状和锥状细胞
通过医学的解剖发现，我们的视网膜上有两大类细胞：视锥细胞与视杆细胞。其中视锥细胞用来分辨我们看到的色彩，视杆细胞用来看亮度。
奇怪的苹果与红绿灯
●奇怪的苹果与红绿灯
在揭开谜底之前，让我们先来看一张图。
仔细观察这个苹果
没错，图中就是一个普通的苹果。但是我要你们做的，是在苹果上，去寻找红色和绿色之间的过渡颜色。
交通信号为什么是红绿灯？
我们从小就知道公路交通的信号灯叫红绿灯。可是，为什么信号灯是红黄绿三种颜色而不是其他颜色？为什么我们从小就知道红色的反面似乎是绿色，这是一种生物本能吗？这其实和我们视网膜感知色彩的视锥细胞有关。
视锥细胞与色盲
●视锥细胞与色盲
没找到红绿之间的过渡色？即使是过渡地带仔细观察也红绿分明？恭喜你！你的视觉和常人一样！这是为什么呢？我们人眼能感受色彩，是因为我们的视锥细胞的缘故，视锥细胞的作用就是来感受色彩，基本都集中在视网膜的黄斑处，大约有六七百万个。这些视锥细胞并不是一种，而是分成三种，每种只能感受一个颜色：红、绿、蓝。
视网膜的视锥细胞三种类型分别感受红、绿以及蓝色
我们在初中的生理课上，在讲到基因一节，会讲到伴性遗传，是考试的难点之一。其中用来举例的就是道尔顿和色盲。
视锥细胞出问题导致不同类型的色盲或是色弱
现如今我们知道了我们视网膜的视锥细胞是感受色彩的，那么解释色盲就很容易：他们的视网膜上，一种或是几种感受色彩的视锥细胞受损。于是就有了红绿色盲、黄蓝色盲或是全色盲以及细胞功能部分缺失导致的色弱。
这还解释了我们前文所说的，你在苹果上找不到红绿色之间的过渡颜色、也解释了为什么是红绿灯，因为这分别由两种不同的细胞决定的，所以我们把它们对立了起来。
进化与牛顿
●进化与牛顿
虽然进化论受到了某些挑战与质疑，但是它依旧是一套非常有力的解释我们怎么来的理论。根据进化论，我们在整个进化环节，地球一直围绕着在天文学上被归类为红巨星的太阳运转，与地球环境的结合，进化出了我们今天的人眼。
在过去，人们普遍认为太阳光是纯粹的白光，而物体为什么能呈现颜色，设置上升到了哲学的范畴。这里我们不得不感谢伟大的科学巨人牛顿。
牛顿通过三棱镜解析了白光其实是由多种颜色的光在一起混合成的
牛顿让一道阳光通过三棱镜折射，发现了白色的阳光被折射出了从红到紫的不同颜色，这些颜色，被称之为可见光谱。
可见光其实是整个电子波普中的一小部分
学过物理我们都知道光有波粒二相性，也是电磁波的一种，在整个电磁波谱当中只占很小的一段，也就是波长770纳米的红光到波长380纳米的紫光这一段。被称为可见光。可见光的发现有力的解释了物体为什么会呈现不同的颜色：他们有光的吸收的特性，那些没有吸收的颜色或反射或透射过来，就是我们看到的物体的颜色。
牛顿的另外一个重大科学发现让很多学生恨之入骨：他和莱布尼茨发明了微积分这种数学工具……微积分和我们的色彩有什么关系？这得从国际照明委员会说起。
国际照明委员会
●国际照明委员会
我们从光谱上得到了我们所有的可见光的波段。但是这有个问题，可见光谱，都是光的纯色，并不能代表很多我们观测到的一些不同颜色从纯色光混合得到的颜色，需要有一种数学方法来描述我们看到的所有的颜色，这被称之为色彩空间。
国际照明委员会的官网首页非常简洁
最早做这个事情的机构，叫做国际照明委员会。法语全称是Commission internationale de l'éclairage,法语缩写就是CIE。这个机构成立与1913年，总部设在奥地利，现如今是一个国际间有关光学、颜色、照明以及色彩空间的权威组织。
国际照明委员会现在一共有7个工作组，各自负责不同领域的科学间的探讨。
委员会下设七个工作组，各自负责不同领域之科学探讨。
- 第一工作组 视觉与色彩（Vision and Color）
- 第二工作组 光辐射量测（Measurement of Light and Radiation）
- 第三工作组 室内环境与照明设计（Interior Environment and Lighting Design）
- 第四工作组 交通号志与照明（Lighting and Signalling for Transport）
- 第五工作组 户外照明应用（Exterior Lighting and Other Applications）
- 第六工作组 光生物与光化学（Photobiology and Photochemistry）
- 第七工作组 一般照明领域（General Aspects of Lighting）：现已废除
- 第八工作组 影像技术（Image Technology）
国际照明委员会在成立之后不久，就开始着手制定关于色彩空间的问题。这轮到微积分粉墨登场了。
著名的CIE1931
●著名的CIE1931
上个世纪早期，很多人做了大量的科学研究来阐释色彩学。在20年代后期，大卫怀特（David Wright)和约翰吉尔德（John Guild)分别进行了一系列的色彩学试验。试验的方法是用一个圆形的幕布，它一半是有颜色且固定的，另外一半是可以调整的，调整的就是参考视网膜三种视锥细胞收到刺激的红绿蓝颜色，他们的颜色是固定的，只能去调整颜色的明度。通过这种试验理论上可以得到所有的颜色。
经过 CIE 的特别委员会的深思熟虑之后确定了颜色匹配函数和原色（Fairman 1997）。在图的短波和长波的侧的取舍点某种程度上是随意选择的；人类眼睛实际上能看到波长直到 810 nm 的光，但是敏感度要数千倍低于绿色光。定义的这些颜色匹配函数叫做“1931 CIE 标准观察者”。注意胜过指定每种原色的明度，这种曲线通常规范化为在其下有固定的面积。这个面积按如下规定而固定为特定值结果的规范化颜色匹配函数经常对源照度按 r:g:b 比率 1:4.5907:0.0601 缩放、和为源辐射功率按比率 72.0962:1.3791:1 缩放来重新生成真正的颜色匹配函数。通过提议标准化原色，CIE 建立了客观颜色表示法的一个国际系统。
给定这些缩放了颜色匹配函数，带有频谱功率分布Iλ 的一个颜色的 RGB 三色刺激值给出为：
RGB的算法
色彩匹配函数
但是人眼不是仪器，对于不同颜色的刺激感受显然是不一样的，有的颜色敏感，有的不敏感，Wright和Guild的工作就是用人的真实感受去测量这种敏感的关系，并且通过数学函数从0到1建立色彩和明度之间的匹配关系，这被称之为色彩匹配函数。
很多人都见过的CIE1931色彩空间
在1931年，他们两人的研究成果进行合并，由国际照明委员会第一次公布了用数学方式表达的色彩空间，也就是我们今天很常见的CIE1931的舌形图，我们看到舌形图上面的弧线，表达的是光的纯色，那么弧线内部的颜色，就是人类能看到的所有颜色的集合。
不怎么常见的CIE1931XYZ色彩空间
或许有人会问，微积分在哪儿呢？我们知道，Wright和Guild的试验是来自于人的主观感受，但是如果用实际强度来表现色彩会是什么样呢？提出这个观点的人叫做Grassmann。他发现人观测色彩感受时会呈现一定的线性，这种线性被称之为Grassmann定律。用Grassmann的想法来套用Wright-Guild两人实际试验得到的数据，进行坐标转换，得到的色彩空间就是这个样子，这种表示方法不常用，被称之为CIE rg。
与此同时，还给出了CIEXYZ与RGB值之间的转换关系公式。
从XYZ转换成为RGB值的公式
霍金在《时间简史》一书中说过，书中每个公式都会丧失一半读者。这里我们引用了好几个个公式……
数字化量度主观感受差异？
●数字化量度主观感受差异
国际照明委员会制定的CIE1931色彩空间第一次从数学上描述了人眼能看到的所有色彩，并且给出了与RGB转换的关系，Wright和Guild还通过试验得到了人们对于不同颜色刺激敏感度的色彩匹配函数，这对于我们今天的数码相机和显示器、电视机有着非凡的意义，我们今天的这些设备正是基于这些前人的科学成果。
CIE1931的问题在于不均匀
但是CIE1931存在着一个问题：那就是这个色彩空间不是均匀的。这句话理解起来可能有点吃力，我们知道我们能看到的每个颜色，在CIE1931当中都有坐标值。如果一个色彩空间是均匀的，那么任意两个颜色如果坐标值空间上的距离如果在数学上是相同的，就应该在主观感受上色彩的差异也是一样的。但是CIE1931实际得到结果并不是这样。
MacAdam椭圆
第一个尝试量度两个不同色彩之间在人们感知上差别的人，是 D.L. MacAdam，他总结出来的办法叫做MacAdam椭圆。每个椭圆内部人的实际感受都是一样的，不论椭圆占用了多大面积。
尝试做的更均匀的CIE L*U*V*
1960年，在MacAdam的研究的基础之上，CIE提出了CIEL*U*V*色彩空间，此方案大大的改善了之前的CIE1931方案中的均匀度问题，但是不够理想，所以很快就被后来1976年推出的CIE L*a*b*取代了。这是目前已有的色彩空间算法里面，色彩均匀度做的最好的色彩空间。
CIE L*a*b*的优势
●CIE L*a*b*的优势
前面我们说过，由于感受色彩的视锥细胞的缘故，我们在大脑里面是把红绿两种颜色对立起来的，所以CIE L*a*b*这种色彩空间，就仿照我们主观大脑的感受，用横坐标a轴的两端是红色和绿色，纵坐标的b轴则是黄色和蓝色，正负都是128位的刻度，L轴则代表亮度，因为有三个轴，所以我们的色彩空间，都是三维立体的，我们平时看到很多色彩空间都是用CIE1931的方式以2D的方式表现出来，这其实是3D色彩空间在2D上的最大面积投影，因为在不同亮度下，色彩的表现范围是不一样的。
sRGB在L值不同下的色域在CIE L*a*b*色彩空间下的面积并不同
sRGB在L*a*b*色彩空间，当考虑亮度轴之后，是个三维立体的图形
国际照明委员会CIE推出CIE L*a*b*的目的就是通过数学算法来模拟人的主观感受，所以在CIE L*a*b*色彩空间里面，任意两个颜色只要他们在数学上空间的位置距离相等，那么就应该我们在主观感受上这两种颜色的差异是一样的，这种差异，用希腊文字母Delta的大写方式Δ表示，ΔE的求值算法如下。
假设有颜色1，用L1a1b1来表示这个颜色，还有颜色2，用L2a2b2来表示，那么他们之间的色差的求法很简单：
1976年的色差算法
这是个很简单的计算不是吗？不过我们得到的值有什么意义呢？或者说，怎么去解读得到的这个值呢？它与我们主管感受怎么建立关系？一般来说，ΔE的值如果小于1，那么我们很难感受到两个色彩之间的差别，这个值如果大于5，我们会觉得色彩的差异很大，如果这个值在1-5之间，我们觉得两个色彩有色差但是颜色比较接近。
CIE L*a*b*还有个最大的优势是，一旦给某个颜色赋予了一个值，那么这个值和色彩是唯一对应关系，而我们所常用的RGB的方式并不是这样，我们会在后面来详细说这个问题，这对于用软件处理图片色彩非常重要。
CIE L*a*b*的不足及弥补
●CIE L*a*b*的不足及弥补
国际照明委员会各种色彩空间表述的方式，都是基于上世纪初的一系列色彩试验得到的数据，由于条件限制，如果用今天的技术重做试验，这些修正值会有点变化。所以在理论上应该是极为均匀的L*a*b*色彩空间，在实际上没有那么均匀。比如红黄的部分我们更敏感一些，蓝绿则敏感度差一些。
ΔE94的算法
原有的L*a*b*色彩空间如果要进行修改，那么注定是个费时费力的过程，且我们大量的应用软件都要修改，这个工作量是不可想象的。所以人们想到的办法就是通过数学办法，修改ΔE的算法，让得到的结果更均匀更接近人的实际视觉感受。这对于色彩管理的质量控制意义重大。比如报社杂志社，传统的方法就是打样——印刷厂追色，这个过程过去是凭借经验，现在有了这种数字化、电子化的分析手段，实现起来显然会更容易。
ΔE2000的算法更为复杂让人昏昏欲睡
这种修改一共进行了两次，第一次是在1994年，其修订出的结果被称之为ΔE94，不过后来发现这个算法不是很理想，所以又重新设计了算法，当然也更复杂了，由于在2000年推出，新的标准被称之为ΔE00或是ΔE2000。今天我们很多色彩相关的软件上都能显示这些结果。我们今天的软件会自动帮我们计算，上面的公式只是解释算法，不用自己拿计算器算。
有趣的实验发现
●有趣的实验发现
上个世纪初期Wright和Guild进行色彩试验的方法我们前面已经说过了，是先给出一个不变的颜色，然后再给出一个可以调整的RGB的色源去混合、调整以得到和那个不变的色彩相同的主观色彩。在试验的过程中，却发现人们可以得到和目标色彩一样的不同的红绿蓝组合，简单的说就是在光谱上应该不一样的颜色，但是我们看起来是一样的。这种现象，叫做同色异谱。同色异谱，是我们所有与色彩有关的设备：照相机、打印机、显示器、投影机、印刷机等等存在的基础。因为加入我们能识别不同的光谱，那么现如今所有的色彩设备都将失去存在的意义。
同色异谱现象
从原理上说，同色异谱存在的原因是因为我们的视网膜视锥细胞上的受体在接受了不同的光刺激之后，产生了同样的刺激传递给大脑，大脑就认为这些是同样的颜色。但是这里有个关键问题，那就是同色异谱，是在一定的光源下才会产生的，比如上面的图片，在日光下人眼觉得相同的颜色，到了灯光下，由于灯光某些波段能量的缺失，我们会识别出不同，反之亦然。
PS正确设置调整颜色
●PS正确设置调整颜色
我们前面说过，CIE L*a*b*与色彩是唯一的对应关系。但是我们平常的拍摄、显示设备，记录的方式都是RGB。那么RGB这种方式有什么问题呢？这要回到设备色彩空间这个话题上来。CIE1931的色彩空间基于我们的视觉捕获光线，而光线的来源是太阳，我们现如今没有任何设备能够去模拟太阳的光、完整记录反射或是投射的光，我们是用RGB的原理，通过人眼的同色异谱现象来进行一定程度上的模拟。
正是没有完美的设备，所以设备都有自己的色彩特性，这需要制定标准。国际色彩联盟指定了我们熟悉的标准RGB也就是sRGB，但是sRGB能表现出来的色彩很少，需要更大的色彩空间，于是Adobe公司在1998年推出了更大的AdobeRGB。不过他们在记录色彩的过程中，使用的记录方法是一样的，都是用从0-255的值来记录颜色，由于AdobeRGB色彩空间更大，所以以绿色为例，同为R=0，G=255，B=0的绿色，AdobeRGB的要比sRGB的更接近自然光的绿色，也就是绿的更纯粹。这就产生一个问题，同样的颜色用不同的色彩空间去记录，比如数码相机，可以选择用sRGB记录或是用AdobeRGB来记录，产生的数值是不一样的。又或者不同的数值，记录的是同一个眼色。
AdobeRGB比sRGB色域更大但是表示方法相同，所以相同的RGB值在不同空间内表示不同的颜色
那么，我们在Photoshop当中处理图片的时候，有时候会对颜色进行一定的调整，怎么才能进行正确的调整呢？用传统的RGB模式，如果两个人的Photoshop使用了不同的版本，显然是靠不住的，而L*a*b*模式则是模拟的人的视觉，所以与色彩建立的是唯一的对应关系。
在PS等软件中，可以选择Lab颜色方式
我们在Photoshop里面如果想正确的调整、设置某个颜色，最好是在图像-模式里面，选择Lab颜色。
用PS的滴管工具取色，记录Lab值是唯一能在任何计算机上正确还原的
并记录这个数值，无论在什么电脑上，这个值对应的颜色，都是唯一的，不因为设备的改变而改变。
为什么不能应用于实践？
●为什么不能应用于实践
既然L*a*b*模式是唯一与色彩直接对于的模式，那么为什么我们不把它应用于设备当中呢？这岂不是一举解决了所有色彩问题？
事实不是这样。我们的设备，都是使用RGB或是CMYK等方式，通过同色异谱“欺骗”我们的大脑，来再现颜色或是色彩。L*a*b*色彩空间包含的是我们所有能看见的色彩，这些色彩来自于太阳，而我们普通的设备实际上距离阳光还差的很远。以光源为例，由于我们把阳光作为最标准的光源，所以我们把阳光能显示的色彩定义为显色指数100，这有个术语，叫做显色性。而我们的人造光源，其实显色性都非常差，原因是什么？是光谱的能量分布与太阳不同，且一定是缺失。
荧光灯算是显色性比较好的光源
现如今做的最好的人造光源，是Solux牌的荧光灯，显色指数能达到95，被应用最多的领域是色彩对比的灯箱。而高显色性光源在日常生活中的应用，最多的则是商场里面的服装以及珠宝柜台。
数码相机是否可以呢？数码相机也是RGB的像素来记录图像和我们肉眼很像啊？事实也不是这样。下面这张图片是索尼在很多影像器材上使用的Exmor R CMOS感光器的像素分布：
索尼Exmor CMOS像素阵列
如果我们仔细看这个像素分布的示意图，会发现绿色的像素数量非常多。为什么？这是因为要模拟人眼的视觉感觉，人眼对绿色不太敏感，所以要记录更多的绿色信息来模拟人的视觉感受。设备都是在寻找人眼的感觉，由于技术和算法不同，所以实现起来的方式也不同。
这导致了设备有自己的色彩特性。这些色彩特性被以ICC的形式表现，关于icc是怎么回事本站其他文章已经解释过了。
处理照片别乱来
●处理照片别乱来
对于很多严肃的摄影，最怕的就是在处理环节丢失了色彩信息。比如用数码相机拍摄了一个照片，使用的是AdobeRGB模式，但是如果PS的默认设置是sRGB或是CMYK，那么当打开文件的时候，就会看到询问的信息：
PS的色彩空间询问
一般来说，我们都建议使用第一种选择。但是有个问题是，如果显示器不能显示AdobeRGB的颜色（老的CRT和很多液晶显示器都不行），那么看到的颜色会差很远。所以这里建议是使用sRGB这种稳妥、保险的办法。并且在处理色彩的过程中，尽量使用L*a*b*来进行，这对于商业行为来说非常有意义。因为用户本人的颜色和客户看到的很可能是两个样子，告诉客户颜色的Lab值，用户就能在标准的设备上再现这个颜色，这是至关重要的。在很多行业，比如纺织等等，都建立了标准的潘通色标，只要两者都有，高速号码就知道对方想要的颜色是什么。
写在最后
●写在最后
从牛顿发现阳光可以被解析成不同的色彩到明白细胞感知外界的原理，总体算来也就几百年的时间。国际照明委员会CIE成立更是只有百年的光景。CIE对于色彩差异的算法修正最近的一次更是只在十多年之前。这说明了什么？
这说明了我们目前的科技水平，并未像我们想象的那么发达，尽管我们人造的探测器已经飞出了太阳系，但是事实上我们对于自身的研究并不发达也不深入。在理论上如果我们明白了自身的导致疾病的机制，那么就可以考虑怎么逆转这个过程，但是事实上做不到。如果家里有病人，很多人回去互联网上检索疾病的信息，但是会非常沮丧的发现，太多的疾病都不知道导致发病的原因。
从视网膜到大脑，我们没搞清楚的原理太多
我们对于大脑的了解也是如此，我们的视网膜细胞接受了刺激之后，大脑是怎么样的机制来形成视觉的？这些我们根本不知道原因，所以不得不去做一些“黑盒实验”，通过实际观察的方式来得到一些实测的结果，如果你在电脑前看这篇文章，那么这些有色彩的信息，其实都是进一百年内的研究成果的结晶，放到人类两三千文明史里面看，只能算是新兴学科。
这就好比盲人摸象，我们过去百年的努力，只是触摸到了一个比较精确的大象的轮廓，但是并未从根本上解释所有这一切的实质，不知道大象内部是什么样子。
正是因为这种研究上的不透彻，所以我们今天与色彩相关的产品如果配合起来使用，就一定要用复杂的技术手段（色彩管理），来做到尽可能的准确或者说和主观感受更接近，不得不承认的是，这不是一种标本兼治的办法，而这其实源自于我们的无知。
在未来，一定有更多莱夫科维茨、克尔比卡这样的科学家从机制上向我们阐释人体的奥秘，这样，我们就可以站在巨人的肩膀之上，用一套统一的化学、生理学等多学科组合起来的色彩理论来捕获和记录最真实、自然的色彩。
