掌握颜色密码，领略色彩之雅
欢迎回来，我是宗子说
01
纺织车间里，一台在线颜色检测仪正在工作。它对着卷筒织物打光、扫描、计算——用的是CIEDE2000，行业里最先进、学术上最被推崇的色差公式。
结果出来了：ΔE00 = 1.02，超出1.0的合格线，系统判定"不合格"。
但站在旁边的质检员看了一眼，说："这卷没问题，可以通过。"
质检员错了，还是公式错了？
Nature最近发表的一篇论文回答了这个问题。实验团队在一条纺织生产线上同时跑了三种色差公式——ΔEab、CIEDE2000、CMC(2:1)，用同一批10卷织物，用同一个阈值1.0，去对比机器判定和人工判定的符合率。
结果：
ΔEab：9/10符合
CIEDE2000：9/10符合
CMC(2:1)：10/10符合
最先进的公式DE2000，反而不是最准的。
这个结果让很多人不舒服。CIEDE2000是2000年才出的，吸收了人类视觉研究几十年的最新成果，蓝区修正项、旋转项、能修正的区域全部修正了——怎么会在一条真实生产线上输给一个1984年就问世的公式？
这很像历史上经验主义战胜教条主义的经典时刻。答案不在公式"先不先进"，而在另一个几乎没人认真说清楚过的维度：
容差椭球的几何形状，和你要检测的那批颜色的"视觉容差"，到底对不对得上。
ΔE2000也无法拯救的“蓝紫陷阱”：色彩科学的教科书该改写了
02
球形容差为什么是错的
在解释CMC(2:1)为什么赢之前，得先说清楚一件事：为什么所有"先进"公式都要抛弃CIE76那个简单的欧氏距离。
CIE76的逻辑是：把颜色放进Lab*空间，两点之间的直线距离就是色差。距离小于某个值，就是"合格"；大于就是"不合格"。
这个逻辑在数学上没问题，在视觉上却错得离谱。
因为人眼在不同颜色区域里，对"差多少算一样"的判断标准是不同的。一对高饱和的蓝紫色，ΔE=2.0可能肉眼完全看不出差异；但一对浅淡的中性灰，ΔE=1.5可能已经能看出明显区别。
CIE76默认整个颜色空间里，容差是一个固定半径的球——但人眼的容差从来不是球形的。
这在认知心理学领域，是一种非常典型的"均匀性偏见"——我们总是倾向于认为事物在不同条件下表现一致，但事实远非如此。就像我们总觉得"一分钱一分货"是普世真理，但在不同场景下，同样的"一分钱"带来的体验差异天差地别。
所以所有后续公式都在做同一件事：把"球"改成"椭球"，让椭球的大小和朝向跟着颜色走，在某些区域紧一点，在某些区域松一点。
但"跟着颜色走"这件事，CMC(2:1)和CIEDE2000走了两条完全不同的路。
03
CMC(2:1)：从纺织行业数据里长出来的经验公式
CMC是"Colour Measurement Committee"的缩写，来自英国染色工作者学会（Society of Dyers and Colourists）。
这个公式的出身很"土"：不是从光学理论推演出来的，而是做大量视觉评估实验——让人眼评判一批纺织样本的颜色差异——然后把结果回归成一个数学公式。
所以CMC的容差椭球形状，本质上是被纺织品的视觉数据刻过痕的。它天然对纹理会带来视觉误差这件事有补偿，对明度变化比色相变化更敏感这件事有体现——因为实验数据就是这么说。
人眼辨别临界区
l:c = 2:1这个参数也不是随便定的，它的意思是：
l = 2：明度容差是标准值的2倍（更宽松）
c = 1：彩度容差是标准值的1倍（更严格）
所以 l:c = 2:1 意味着：同样的数值变化，明度差异比彩度差异更"容易被接受"——因为明度容差被放大了2倍。
这跟纺织品的视觉特性是吻合的：
有纹理的纺织品，表面凹凸会造成明度波动（光泽变化），所以人对明度差异的容忍度更高。但彩度差异（颜色深浅、鲜艳度）是更本质的颜色属性，人对彩度差异更敏感，所以容差设得更紧。
CMC赢，不是因为它数学上更正确，而是因为它的椭球形状，刚好和纺织车间里人眼的实际判断习惯对得上。
这就像一个老工匠凭手感调出的配方，往往比实验室里计算出来的"完美配方"更管用。最先进的工具不一定是最适合的，有时候"土"办法反而更懂现场。
04
CIEDE2000：一个更完美、但也更复杂的公式
CIEDE2000是CIE在2001年正式发布的，吸收了比CMC更广泛、更新的视觉评估数据，数学结构也更复杂。
它比CMC多了一个关键机制：RT旋转项。
这个旋转项修正的是蓝色区域里"色相差"和"彩度差"之间的交互效应——一个在CMC框架里完全没有被考虑的物理现象。
简单说：在高饱和蓝紫色区，CMC的椭球方向会有偏差，而CIEDE2000通过RT项把这个偏差修正了。
此外，CIEDE2000对低彩度区域（也就是接近灰色的区域）的预测精度也优于CMC。
但问题来了：RT项修的是蓝色区，而纺织车间里的大量日常检测颜色，碰巧不是高饱和蓝色。
这就能解释为什么Nature论文里CIEDE2000的均值为0.58——实际上它计算出的色差值比CMC更小（看起来更接近标准），但这反而让它在某些本可合格的颜色上"过度严格"，导致了一次误判。
05
数值不能直接比
同一对颜色，CMC(2:1)=0.64，CIEDE2000=0.58。
这不代表CMC认为这对的差异"更大"。
Nature论文的作者专门强调了这一点：不同公式的数值标尺不同，绝对值不能直接比较。CMC=0.64和CIEDE2000=0.58，可能对应的是同一个"人眼看起来差不多的程度"，只是因为椭球形状和权重函数不同，导致数值落在不同位置。
这才是色差公式最容易被误解的地方：ΔE是一个"数字"，但不是一个"物理量"。它不是温度、不是重量——它是人眼视觉判断的一个代理变量，数字大小本身没有绝对意义，必须结合具体的"阈值"才有意义。
这就像智商测试的分数——150分比100分"高"，但150分的人比100分的人"聪明多少"，这个"多少"是无法用物理单位衡量的。数字只是表象，阈值才是本质；工具只是手段，校准才是智慧。
所以CMC赢在Nature论文里，不是CMC"比CIEDE2000准"——而是这条生产线、这批检测员、这批颜色的组合，刚好让CMC(2:1)的椭球形状与实际视觉容差重合度更高。
换个车间、换批颜色，结论可能完全不一样。
06
行业选择背后的逻辑，不是"谁更先进"，而是"谁更合适"
纺织行业用CMC(2:1)，不是因为纺织行业的人不懂最新文献。
汽车涂层行业用CIEDE2000，也不是因为汽车行业更追求学术上的完美。
背后的逻辑很务实：
CMC(2:1)—— Textile行业用了几十年，阈值1.0对应人工判定的数据库最完整。学术圈公认CMC在纹理表面、有机颜料染色这个领域最稳健。汽车行业的老工程师们其实也测试过CMC，发现对金属漆、珠光漆那套东西预测不如CIEDE2000。
CIEDE2000—— 对蓝紫区、高彩度区、低彩度区的修正都是CMC没有的。对精密塑料、汽车原厂漆、显示器校准这些要求"跨行业一致性"的场景，这些修正项有价值。ISO和CIE在2013年联合推荐它作为工业标准，也有这方面的考虑。
ΔEab—— 不是因为它准，而是因为历史数据积累最厚。Legacy系统里如果拿ΔEab做规格，改用CMC或CIEDE2000反而会造成沟通成本。
这就像卡尔·纽波特在《深度工作》中提出的"工具选择的手艺人方法"：明确在你的职业和个人生活中决定成功与幸福的核心因素，只有一种工具对这些因素的实际益处大于实际害处时才选择这种工具。就像一个木匠不会因为新出的电动锯更先进就扔掉用了二十年的手锯——他知道在什么情况下，手锯能给出更精准的切口。
专业不在于拥有最先进的工具，而在于最懂如何选择工具。
07
实战启示：选公式不如定阈值
回到开头那个场景：质检员说"可以通过"，机器说"不通过"。
谁的错？
都不是。问题出在那个"阈值1.0"——它是工程师随手设的工程参考值，不是从这条生产线的视觉数据里校准出来的。
如果你用CMC(2:1)，正确做法是：先找一批你有把握判断"合格/不合格"的实际样品，让人眼和机器同时判定，统计人工判定边界对应的CMC值是多少——那个数字才是你的阈值。
可能是0.8，也可能是1.3，取决于你的产品颜色分布和质检员的判定标准。
公式只是工具。阈值才是决策点。
真正做过生产线上颜色管理的人都知道：同一套色差公式，换一个产品、换一个工厂、换一个光源环境，阈值经常需要重新校准。这才是色差管理的真实工作量和价值所在——不在选哪个公式，而在有没有用真实数据去定义"合格"的边界。
小结
CMC(2:1)赢在纺织车间，不是公式更先进，而是椭球形状刚好符合人眼实际判断习惯。
CIE76的球形容差犯了"均匀性偏见"的错误，人眼在不同颜色区域的容差标准完全不同。
ΔE是代理变量不是物理量，数字大小本身无绝对意义，必须结合阈值才有决策价值。
行业选择工具的逻辑是"谁更合适"不是"谁更先进"，像手艺人一样懂工具比拥有最新工具更重要。
真正的价值不在选哪个公式，而在用真实数据校准阈值——工具只是手段，校准才是智慧。
参考文献
Scientific Reports, "Industrial textile color difference evaluation with multiple ΔE formulas" (2026)
M.R. Luo, G. Cui, B. Rigg, "The Development of the CIE DE2000 Colour-Difference Formula" (2002)
CMC(l:c) Colour Measurement Committee, Society of Dyers and Colourists, Technical Report (1984)
ISO/CIE 11664-4:2019, "Colorimetry — Part 4: CIE 1976 Lab* Colour Space"
ΔE2000也无法拯救的“蓝紫陷阱”：色彩科学的教科书该改写了
点击查看
《颜色-不是你看到的那样（第四版）》
