colour

搞定色彩转换与科学计算，让颜色处理更专业

Colour 是一个专注于色彩科学的 Python 库，为研究人员、开发者和艺术家提供全面的颜色处理、转换和分析工具。它解决了色彩空间中颜色表示不一致、转换复杂、缺乏统一标准的问题。核心能力包括：支持多种颜色空间（如 sRGB、XYZ、Lab、Luv 等）之间的精确转换，提供色彩适应、色度学计算（如色温、显色指数）、色彩差异评估（如 Delta E）等功能，并内置大量色彩科学数据集和标准观察者数据。该库设计模块化，易于扩展，与 NumPy 深度集成，性能高效。无论是学术研究、影视调色、图像处理还是数据可视化，Colour 都能提供可靠、科学的色彩计算基础。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2654

维护状态活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队colour-science

所属国家

官网地址https://www.colour-science.org

GitHubhttps://github.com/colour-science/colour

定价模式free

价格说明开源库，BSD-3-Clause许可，完全免费，无付费版本。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Python

技术栈/模型color,color-science,color-space,color-spaces,colorspace,colorspaces,colour,colour-science,colour-space,colour-spaces,colourspace,colourspaces,data,dataset,datasets,python,spectral-data,spectral-dataset,spectral-datasets

GitHub 星标★ 2654

30天Star增速

HF 下载量

上线时间2014-02-23 00:00:00

最近更新2026-09-21 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 运行环境（项目开发语言为 Python）
NumPy（Colour 与 NumPy 深度集成，用于数组化色彩计算）
可访问 PyPI 的网络（用于安装依赖包）
如需阅读源码，需安装 Git 并可访问 GitHub

安装与启动步骤

1确认 Python 环境

打开终端，确认本机已安装 Python 并可用。Colour 是纯 Python 库，安装前需保证解释器可正常调用。
```
python --version
```
2创建虚拟环境

建议为项目单独建虚拟环境，避免与系统环境中的包冲突，也便于后续卸载清理。
```
python -m venv .venv
```
3激活虚拟环境

macOS/Linux 用下方命令激活；Windows 可执行 .venvScriptsActivate.ps1（PowerShell）。
```
source .venv/bin/activate
```
4安装 Colour

README 中的 PyPI 徽章指向包名 colour-science，安装包名与 import 名 colour 不同，注意区分。
```
pip install colour-science
```
5获取源码（可选）

如需阅读源码或参与开发，可从 README 中给出的仓库地址克隆代码到本地。
```
git clone https://github.com/colour-science/colour.git
```
6验证导入

导入库并打印版本号，能正常输出即为安装成功；若报错请检查虚拟环境是否已激活。
```
python -c "import colour; print(colour.__version__)"
```

如何确认成功

在终端执行 python -c "import colour; print(colour.__version__)"，能打印出版本号即安装成功。

常见问题

Q：pip 安装 colour 报错找不到包？

A：本项目在 PyPI 上的发行名为 colour-science，安装时请用 pip install colour-science，但代码中导入仍写 import colour。

Q：Colour 主要能做什么？

A：提供 sRGB、XYZ、Lab、Luv 等多种颜色空间的精确转换，以及色彩适应、色度学计算（色温、显色指数）、色彩差异（Delta E）等能力。

Q：使用需要额外装 NumPy 吗？

A：Colour 与 NumPy 深度集成，安装时会作为依赖一并处理；若需手工确认可先执行 pip install numpy。

Q：遇到问题去哪里查资料？

A：可访问官网 https://www.colour-science.org 查看文档，或在 GitHub 仓库 https://github.com/colour-science/colour 提 Issue。

注意事项

README 节选中未提供官方安装命令，本教程的 pip 包名依据仓库中的 PyPI 徽章地址推断，实际请以官网文档为准。
包名 colour-science 与导入名 colour 不一致，不要混淆两者。
项目由 NumFOCUS 支持，徽章显示存在持续集成与覆盖率等质量保障流程。

核心亮点

覆盖色彩科学全流程，从颜色空间转换到色差计算，功能全面
基于 NumPy 实现，计算高效，适合大规模颜色数据处理
内置丰富标准数据集和观察者数据，结果符合国际标准

不足之处

文档偏学术化，新手入门曲线较陡
依赖较多，安装体积较大

适用场景

影视后期与图像处理中的颜色校正和匹配
学术研究中色彩数据的分析与可视化
工业界色彩质量控制与色差评估

替代项目

colorspacious、colour-science/colour (同项目)、python-colormath

项目介绍

colour 是数据集领域的开源项目，由 colour-science 开发，2014 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,654）位列前 30%，在数据集分类的 279 个项目里位列前 13%。

近 45 天，它的 GitHub 星标从 2,634 增加到 2,654，净增 20。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-21。开源库，BSD-3-Clause许可，完全免费，无付费版本。

它主要面向的使用场景是：影视后期与图像处理中的颜色校正和匹配。同类可对比的替代方案包括 colorspacious、colour-science/colour (同项目)、python-colormath。

上一篇：WhatsMyName

下一篇：vietnamese-provinces-database