5、颜色与模糊程度的心理自然关系及相关证明

颜色与模糊程度的心理自然关系及相关证明

1. 颜色光学计算与模糊数据处理

在数据处理领域，有一种有趣的想法是利用不同颜色的信号进行计算，这种计算方式被称为颜色光学计算。特别地，人们期望使用颜色光学计算来处理模糊数据。

从历史角度看，牛顿关于颜色的发现是如今傅里叶技术的首个实证。傅里叶技术的核心思想是，每个信号都可以表示为不同频率正弦波的组合，而纯色恰好是固定频率的信号。

现在面临的问题是，我们希望在颜色和模糊程度之间建立一种自然的关系。为了使用颜色光学计算处理模糊数据，需要为不同的模糊程度分配不同的颜色。模糊技术常用于处理像“小”这样直观清晰的概念，若能将这种自然性延伸到数据处理中，使颜色和模糊程度的关系更加自然，将是非常有益的。

2. 建立颜色与模糊程度的自然关系

2.1 考虑的颜色

在我们的颜色感知中，有三种基本颜色：红色（R）、蓝色（B）和绿色（G）。其他颜色都可以由这三种基本颜色组合而成：
- 红色和绿色组合（R + G）产生黄色（Y）；
- 红色和蓝色组合（R + B）产生品红色（M）；
- 绿色和蓝色组合（G + B）产生青色（C）；
- 三种颜色组合（R + G + B）产生白色（W）；
- 没有颜色对应黑色（Blc）。

这些颜色就是我们需要分配给不同模糊程度的颜色。

2.2 “中性”的自然类比

为“中性”程度分配颜色相对容易。在这种程度下，专家支持和反对的论据数量相同，实际上无法做出决策，对决策过程没有实质性贡献。因此，将这种无信息的程度与无信息的颜色——黑色相关联是很自然的。