第18章：颜色 — 零基础讲义

讲义说明
本讲义基于 Steve Marschner & Peter Shirley 所著《虎书5》第5版第18章（p.503-524）。
本章是图形学的"色彩"——它告诉你：颜色不是"红绿蓝"这么简单，背后有一整套色彩科学（Color Science）。
学完本章，你将真正理解色度学、色域、白点、Gamma 校正、色温等 PBR 渲染的基石。
本版插画采用 Guizang 材质插画风格重新绘制。

---

18.0 为什么需要学"颜色"？

你可能觉得"颜色就是 RGB"——你已经用了很多年 RGB 了。但 为什么 255, 0, 0 是红色？为什么 255, 255, 255 是白色？为什么显示器上的颜色和打印出来的不一样？

这些问题表面上很简单，但它们通往一门严谨的科学——色彩科学。PBR 渲染、HDR、色彩管理——所有这些现代图形学技术，离开了对颜色的深刻理解就会出 bug。

这一章的目标：

1. 理解颜色的物理学——光谱 SPD
2. 掌握色度学（Colorimetry）：三刺激值、配色函数
3. 理解 CIE XYZ 颜色空间及其意义
4. 掌握色品图（Chromaticity Diagram）——马蹄形
5. 理解色域（Gamut） 与色域映射
6. 掌握白点 和色温
7. 理解色适应（Chromatic Adaptation）
8. 掌握Gamma 校正

你有过这些困惑吗？

• 为什么 PS 里的"色相/饱和度"调整在 RGB 图像上效果那么奇怪？
• 为什么你的游戏截图在手机上看太暗、在显示器上看太亮？
• 为什么印刷出来的照片和屏幕上看到的不一样？
• 为什么同一个 3D 场景在 Unity 和 Unreal 中颜色不同？

所有这些问题的答案都在本章中。

---

18.1 什么是颜色？

18.1.1 颜色的来源

颜色 = 人类视觉系统对光谱的感知

光是一种电磁波。不同的波长对应不同的颜色：

波长 (nm)	颜色
380~450	紫色 / 蓝色
450~495	蓝色
495~570	绿色
570~590	黄色
590~620	橙色
620~780	红色

但自然光几乎从不会是单一波长——它是许多波长的混合。描述这种混合的工具叫 SPD（Spectral Power Distribution，光谱功率分布）。

struct SPD {
    float power[81];   // 380nm ~ 780nm, 每5nm一个采样
    float operator()(float lambda) {
        // 插值采样
    }
};

18.1.2 颜色 = 光 × 物体 × 眼睛

颜色的产生有三个要素：

1. 光源：SPD(λ)（如 D65 日光）——决定了有哪些波长的光可用
2. 物体：反射率 R(λ)（如绿草、红苹果）——决定了哪些波长的光被反射
3. 眼睛：LMS 锥体响应函数——决定了你怎么感知这些光

---

18.2 人类视觉系统

18.2.1 为什么人眼只用 3 种传感器？

我们的视网膜上有两种感光细胞：

• 锥体（Cones）：负责颜色视觉，有 3 种类型
• 杆体（Rods）：负责暗视觉，只有一种类型（无色）

细胞	类型	峰值波长	敏感性
L cones	长波	~565 nm	红
M cones	中波	~535 nm	绿
S cones	短波	~440 nm	蓝
Rods	暗视觉	~500 nm	无色

锥体响应函数——每种锥体对入射光谱按波长积分：

符号	含义	白话翻译
S(λ)	入射光的 SPD（光谱功率分布）	到达眼睛的光在每个波长上的能量
L_bar(λ)	L 锥体对不同波长的敏感度	L 锥体"喜欢"哪些波长
L	L 锥体的最终响应值	对所有波长的贡献求和
∫ dλ	对波长积分	把每个波长的贡献加起来

18.2.2 锥体响应的数学拆解

每种锥体的响应是一个积分——把光谱上每个波长的能量乘以该锥体对该波长的敏感度，然后加起来：

符号	含义	白话翻译
S(λ)	入射光的光谱功率分布	每个波长上的"能量"有多少
L̄(λ)	L锥体的光谱敏感度函数	L锥体对不同波长的"喜好程度"
S(λ)·L̄(λ)	逐波长乘积	波长λ处的光 × 该波长的敏感度
∫dλ	对所有波长积分	把所有波长的贡献加起来
L	L锥体的总响应	一个数，描述"有多红"

数值例子：假设光谱 S(λ) 只在 565nm 处有能量 = 1，其他地方为 0：

L = S(565) × L̄(565) × Δλ = 1 × 1.0 × 5 ≈ 5.0  (大响应，因为 565nm 是 L 锥体峰值)
M = S(565) × M̄(565) × Δλ = 1 × 0.5 × 5 ≈ 2.5  (中等响应)
S = S(565) × S̄(565) × Δλ = 1 × 0.0 × 5 ≈ 0.0  (无响应)

18.2.3 同色异谱（Metamerism）

同色异谱 = "两个不同 SPD 看起来完全一样"

因为人眼只通过 3 个通道（LMS）来感知颜色，所以完全不同的光谱分布可以产生完全相同的 LMS 三刺激值——从而看起来是"同一个颜色"。

// 两种 SPD 产生完全相同的颜色
SPD spd1, spd2;
float L1 = integrate(spd1, L_bar);  // spd1 的 L 响应
float L2 = integrate(spd2, L_bar);  // spd2 的 L 响应
// L1 == L2, M1 == M2, S1 == S2 -> 颜色完全一致

---

18.3 色度学（Colorimetry）

18.3.1 为什么需要色度学？

人眼有 3 种锥体，所以理论上用 3 个数值就能描述任何颜色。但问题是：这 3 个数值跟具体的锥体响应有关——不同人的锥体敏感度不同怎么办？色度学的目标就是定义标准化的、与人无关的颜色描述体系。

18.3.1 从 LMS 到 CIE 的动机

LMS 是生理学空间——它描述了你眼睛里的 3 种锥体对光的响应。但不同人的锥体敏感度有细微差异。为了工程上的可重复性，CIE 定义了一个"标准观察者"——用一组固定的配色函数代替了个体差异。

换句话说：LMS = "你的眼睛"，CIE = "标准化的眼睛"。

18.3.2 CIE RGB 配色函数

CIE 1931：用 3 种固定原色"匹配"任意颜色

原色	波长	颜色
R	700.0 nm	红色
G	546.1 nm	绿色
B	435.8 nm	蓝色

配色函数：对于任意光谱 S(λ)，算出匹配这个颜色需要的 R、G、B 量：

问题：某些光谱需要负值 R才能匹配——很不直观。负的红色意味着你需要在被试者那一侧加红光，而不是在测试侧。这在实际使用中很不方便。

18.3.3 CIE XYZ 标准观察者

CIE XYZ：把 CIE RGB 变换到"全正值"空间

CIE 在 1931 年做了一个线性变换，把 RGB 变换到 XYZ 空间，使得所有值都是正数：

符号	含义	白话翻译
X	红色响应（正比于红-绿感知）	近似红色的量
Y	亮度（Luminance）	可见光的"强度"——跟人眼感受到的明亮程度对应
Z	蓝色响应	近似蓝色的量

18.3.4 色品图（Chromaticity Diagram）

色品图 = "去掉亮度的颜色 2D 表示"

把 XYZ 归一化，去掉亮度信息，就得到了色品坐标：

因为 x + y + z = 1，所以只需要 x 和 y 两个值就能完整描述色度（去掉了亮度）。

概念	含义	图形解释
马蹄形边界	光谱轨迹（Spectrum Locus）	弧线 = 纯光谱色（单波长），马蹄内部 = 混合色
底部直线	纯紫线（Line of Purples）	连接光谱两端的直线，紫色不在光谱中（不存在"紫色的波长"）
内部三角形	设备色域	显示器能显示的颜色是马蹄内部的一个三角形

数值计算示例：SPD → XYZ → xy

假设我们有一个简单的 SPD——只在 500nm 处有能量 1.0，其余为 0：

// SPD：单一波长 500nm（绿色光）
// 查 CIE 1931 配色函数表：
x̄(500) = 0.0049,  ȳ(500) = 0.3230,  z̄(500) = 0.2720

// 三刺激值
X = 1.0 × 0.0049 = 0.0049
Y = 1.0 × 0.3230 = 0.3230  (即亮度)
Z = 1.0 × 0.2720 = 0.2720

// 色品坐标
x = 0.0049 / (0.0049 + 0.3230 + 0.2720) = 0.0082
y = 0.3230 / (0.0049 + 0.3230 + 0.2720) = 0.5385
// → 色品坐标 (0.008, 0.538) ≈ 纯绿色

18.3.5 色域（Gamut）

色域 = "设备能显示的所有颜色"

显示器色域在色品图上是一个三角形——三个顶点对应 R/G/B 原色。

标准	色域大小	应用
sRGB	约 35% CIE	网页、显示器、手机屏幕
Adobe RGB	约 50% CIE	印刷、专业摄影
DCI-P3	约 45% CIE	电影、HDR 显示（iPhone、iPad）
Rec.2020	约 75% CIE	UHDTV 标准（4K/8K）
ACES	大于 100% CIE	电影级制作（覆盖所有人眼可见色）

18.3.6 UCS 均匀色品坐标

CIE xy 色品图虽然经典，但有一个严重问题：视觉不均匀。在色品图的不同区域，相同的距离（Δx, Δy）对应的人眼感知差异完全不同。MacAdam 在 1942 年发现了这一点——他在色品图的不同位置画出了一系列"刚好能察觉颜色差异"的椭圆（MacAdam Ellipses），这些椭圆的大小和方向随位置剧烈变化。

解决方案：CIE 1976 UCS（Uniform Chromaticity Scale）图：

属性	CIE xy	CIE u'v'
视觉均匀性	差（MacAdam 椭圆大小差距 > 10 倍）	好（椭圆大小差距 < 3 倍）
用途	经典展示、色度学教学	实际色域计算、色差测量
是否是线性变换	是（从 XYZ 直接投影）	否（非线性投影）

18.3.7 白点（White Point）

白点 = "显示器/光源的'白色'坐标"

你可能会想"白色就是白色，还有什么不同的白色？"——但不同的光源有不同的"白色"：白炽灯偏黄，日光偏白，阴天偏蓝。白点就是这些白色在色品图上的坐标。

白点	色品坐标	色温	用途
D65	(0.3127, 0.3290)	6500K	sRGB / HDTV 标准
D50	(0.3457, 0.3585)	5000K	印刷标准
D93	(0.2830, 0.2970)	9300K	早期 CRT 显示器

色温：低 K = 暖（偏红），高 K = 冷（偏蓝）。所以 5500K 的闪光灯比 3200K 的白炽灯更"白"。

色温与黑体辐射的关系：

温度	颜色	例子
~1800 K	橙红	蜡烛火焰
~2800 K	暖黄	家用白炽灯
~3200 K	暖白	摄影卤素灯
~5500 K	中白（日光）	正午阳光
~6500 K	冷白（D65）	阴天、sRGB 标准
~9300 K	偏蓝	早期 CRT 显示器

注意：颜色中的"暖色"（红/橙）对应低色温，"冷色"（蓝）对应高色温——这和日常直觉相反，但在物理学和色彩学中，温度越高颜色越偏蓝。

18.3.10 色域映射

当你把一个高色域的图片显示在低色域显示器上时，超出色域的颜色需要被"映射"到显示器能显示的范围内：

映射策略	做法	效果
裁剪（Clip）	超出色域的颜色直接截断到边界	颜色鲜艳但损失细节（色块）
压缩（Compress）	整体向色域中心压缩	保留细节但整体饱和度降低
感知映射（Perceptual）	尽量保持感知差异	效果好但计算复杂

18.3.8 色差公式 ΔE

在实际应用中（如质检、印刷），经常需要回答一个问题："这两个颜色差多少？" 直接算 RGB 距离是不行的——因为 RGB 空间感知不均匀。解决方案是用 Lab 空间的欧几里得距离：

ΔE 值	人眼感知
< 1	几乎看不出差别
1~3	仔细对比才能看出
3~6	可以明显看出差别
> 6	完全不同的颜色

更现代的 CIE DE2000（ΔE₀₀）对蓝色区域的误差做了进一步修正——这是当前色彩科学的标准色差公式。

---

18.4 Gamma 校正

18.4.1 为什么需要 Gamma？

CRT 显示器亮度 ≠ 输入电压的线性关系

老式 CRT 显示器有一个物理特性：输入电压和显示亮度之间不是线性关系，而是幂律关系：

典型 CRT 的 gamma = 2.2。所以如果你存了 0.5 这个值，显示器实际输出的亮度是 0.5^2.2 ≈ 0.22——太暗！

18.4.2 Gamma 校正的原理

解决方法是：存储时预先做逆变换，显示时 CRT 的自然 gamma 会自动还原：

完整的 Gamma 校正流程（用数字说话）：

步骤	操作	值	说明
① 物理亮度	你想要的亮度	0.5	物理上 50% 的亮度
② 编码	pow(0.5, 1/2.2)	0.73	做 gamma 编码，存入图片文件
③ 存储 / 传输	存为 0.73	0.73	PNG/JPG 中存的是 0.73
④ CRT 显示	pow(0.73, 2.2)	0.5	CRT 的自然 gamma 还原了亮度
⑤ 最终亮度	回到 0.5 ✓	0.5	完美还原！

如果忘记 gamma 校正：

步骤	操作	值	说明
① 物理亮度	你想要的亮度	0.5
② 直接存储	存为 0.5	0.5	没有做 gamma 编码
③ CRT 显示	pow(0.5, 2.2)	0.22	显示器自动做 gamma
④ 最终亮度	实际只有 0.22	0.22	太暗了！！

18.4.3 sRGB Gamma 的完整公式

// sRGB 到线性空间（解码）——把 sRGB 图片还原为真实亮度
float sRGB_to_linear(float c) {
    if (c <= 0.04045) return c / 12.92;
    else return pow((c + 0.055) / 1.055, 2.4);
}

// 线性到 sRGB（编码）——把计算结果存为 sRGB 图片
float linear_to_sRGB(float c) {
    if (c <= 0.0031308) return c * 12.92;
    else return 1.055 * pow(c, 1/2.4) - 0.055;
}

18.4.4 Gamma 与 sRGB 的实际影响

在现代图形学中，gamma 校正的影响无处不在：

• 纹理贴图：所有照片和手绘纹理都是 sRGB 编码的。采样后必须解码到线性空间再做光照。
• 光照计算：所有物理光照模型（Lambert、Phong、PBR）都需要在线性空间计算。
• 抗锯齿：在 sRGB 空间做抗锯齿混合会导致边缘变暗（因为 0.5 在 sRGB 中不等于一半亮度）。
• HDR 渲染：色调映射后的结果需要编码到 sRGB 才能正确显示。

18.4.5 sRGB 与 Gamma 的常见误解

误解	正确理解
Gamma 只是 CRT 的历史遗留问题	现代 LCD/LED 显示器为了兼容 sRGB 标准，仍然模拟了 gamma 2.2 响应
所有图片格式都是线性的	PNG、JPG、GIF 等绝大多数图片格式都使用 sRGB gamma 编码
线性空间和 sRGB 空间可以互相替换	绝对不行！线性空间的 0.5 ≠ sRGB 的 0.5

---

18.5 色适应（Chromatic Adaptation）

18.5.1 为什么需要色适应？

你的大脑非常神奇：在暖色灯光下看一张白纸，它看起来还是白的。但实际上白纸反射的光偏黄了——只是你的大脑"自动做了白平衡"。这个现象叫色适应。

在图形学中，如果你渲染一个场景使用了 5000K 的光源（暖色），但显示在 6500K 的显示器上（冷色），你需要把颜色从 5000K 的感知"适应"到 6500K 的显示——这就是 von Kries 色适应模型做的事。

18.5.2 von Kries 系数律

von Kries 模型假设色适应就是在 LMS 空间中独立缩放每个通道的响应：

符号	含义
L, M, S	源颜色在 LMS 空间的值
α, β, γ	每个通道的缩放因子（由源白点和目标白点决定）
L', M', S'	适应后的颜色

计算 α, β, γ 的步骤（以 D65 → D50 为例）：

// 源白点 D65 (6500K) 在 XYZ 空间
XYZ_D65 = (0.9505, 1.0000, 1.0890)

// 目标白点 D50 (5000K) 在 XYZ 空间
XYZ_D50 = (0.9642, 1.0000, 0.8249)

// 用 Bradford 变换矩阵 M 转换到 LMS 空间
LMS_D65 = M × XYZ_D65    // → (L_d65, M_d65, S_d65)
LMS_D50 = M × XYZ_D50    // → (L_d50, M_d50, S_d50)

// 缩放因子 = 目标/源
α = L_d50 / L_d65        // LMS 各通道的比例因子
β = M_d50 / M_d65
γ = S_d50 / S_d65

完整的变换流程：

步骤拆解：

1. 用 M 矩阵把 XYZ 变换到 LMS 空间
2. 在 LMS 空间用 α, β, γ 缩放（白点对齐）
3. 用 M^-1 变换回 XYZ 空间

18.5.3 Bradford 与 CAT02 变换矩阵

从 XYZ 到 LMS 的变换有很多种选择，不同的矩阵适合不同的用途：

变换	用途	特点
Bradford	最常用的色适应变换	对蓝色通道的适应更准确，广泛应用于 ICC 色彩管理
CAT02	CIE 推荐的色适应变换	在 CIECAM02 色貌模型中使用
von Kries 原始	经典理论模型	简单但准确度不如后来者

// Bradford 变换矩阵（XYZ → LMS）
mat3x3 M_Bradford = {
    0.8951, 0.2664, -0.1614,
   -0.7502, 1.7135,  0.0367,
    0.0389, -0.0685,  1.0296
};

// 使用 Bradford 变换做色适应：
// 1. M × XYZ_source → LMS_source
// 2. 按比例缩放 LMS 各通道
// 3. M^(-1) × LMS_adapted → XYZ_adapted

---

18.6 颜色模型

18.6.1 RGB 模型

简单直接——每个通道独立，对应显示器硬件。

优势	劣势
硬件原生（显示器直接使用）	和亮度/饱和度不直观
Shader 友好（直接操作）	调整"更亮"需要同时改 R、G、B

RGB 相加混合 vs 颜料相减混合：

混合方式	原理	例子
加法混色（显示器）	RGB 光叠加，越加越亮	红+绿=黄，红+绿+蓝=白
减法混色（颜料）	吸收光，越混越暗	黄+蓝=绿，青+品红+黄=黑

18.6.2 HSV / HSL 模型

更直观——艺术家友好，分离出色相、饱和度、亮度/明度。

分量	HSV	HSL
H（色相）	0°-360°	0°-360°
S（饱和度）	0-1	0-1
V / L	亮度（Value）	明度（Lightness）

问题：和感知无关——饱和度增加 0.1 在黄色和蓝色上的视觉变化完全不同。数学性质也不好（非线性）。

18.6.3 CIE Lab / Lch 模型

感知均匀——Lab 空间中两个颜色的"距离"与人的感知差异成正比。

分量	含义
L	亮度（Lightness）
a	红-绿轴（+红，-绿）
b	黄-蓝轴（+黄，-蓝）
C = √(a²+b²)	色度（Chroma）
h = atan2(b, a)	色相角（Hue angle）

Lab 的数学定义（从 XYZ 变换）：

// 辅助函数 f(t)
float f(float t) {
    if (t > (6/29)³)
        return pow(t, 1/3);
    else
        return t / (3 * (6/29)²) + 4/29;
}

// XYZ_n = 白点的 XYZ 坐标
L = 116 * f(Y / Y_n) - 16;  // L 范围 [0, 100]
a = 500 * (f(X / X_n) - f(Y / Y_n));  // 红-绿
b = 200 * (f(Y / Y_n) - f(Z / Z_n));  // 黄-蓝

条件	含义
a > 0	偏红色
a < 0	偏绿色
b > 0	偏黄色
b < 0	偏蓝色
a = 0 且 b = 0	灰色（无色）

---

18.7 颜色在图形学中的应用

18.7.1 PBR 中的颜色管理

PBR = 物理正确的颜色管理

Input    → Linearize → PBR Shading → Display Adapt → sRGB Output
(纹理)     (Gamma-)     (物理光)      (色适应)         (Gamma+)
           (校正)       照计算)                       (校正)

这条管线是现代渲染引擎的标配：

1. Linearize：sRGB 纹理 → 线性空间（解码 gamma）
2. PBR Shading：在线性空间做物理光照计算
3. Display Adapt：色适应（从场景白点变换到显示器白点）
4. sRGB Output：线性结果 → sRGB 编码（编码 gamma）

完整的颜色管线示例（从纹理到屏幕）：

// ---- 像素着色器中的颜色管理 ----
// 输入：sRGB 纹理（通道值 0-255，存储时已 gamma 编码）

// 第1步：采样纹理得到 sRGB 颜色
vec4 texColor_sRGB = texture(sRGBTexture, uv);

// 第2步：解码到线性空间（sRGB → 线性）
vec3 texColor_linear = sRGB_to_linear(texColor_sRGB.rgb);

// 第3步：在线性空间做光照计算（所有物理计算都在这里）
vec3 diffuse = kd * lightIntensity * max(0.0, dot(n, l));
vec3 specular = ks * lightIntensity * pow(max(0.0, dot(n, h), 32.0));

// 第4步：合成最终线性颜色
vec3 finalColor_linear = (diffuse + specular) * texColor_linear;

// 第5步：色调映射（HDR → LDR）
vec3 mapped = tonemap(finalColor_linear);

// 第6步：编码回 sRGB 用于显示
vec3 outputColor = linear_to_sRGB(mapped);
fragmentColor = vec4(outputColor, 1.0);

18.7.2 色温与白平衡

日光（D65 = 6500K）的色品坐标：

白平衡调整：如果光源改变，对 RGB 通道分别缩放：

其中 R_white、G_white、B_white 是白点在 RGB 空间的坐标。

18.7.3 ACES 颜色空间

ACES（Academy Color Encoding System）——电影行业的色彩管理标准：

• 色域超过 CIE XYZ（覆盖所有人眼可见颜色）
• 包含完整的色彩管理流程（输入→处理→输出）
• PBR 渲染中的"黄金标准"

---

18.8 全章总结

核心洞察：颜色不是"红绿蓝"——是光谱 × 眼睛 × 显示器的三方博弈。

概念	一句话	关键公式
3 种锥体	人眼只用 3 个通道感光，所以 3 通道够用	L = ∫S(λ)·L̄(λ)dλ
同色异谱	不同光谱、相同颜色	LMS 积分结果相同
CIE XYZ	标准色彩空间，Y 等于亮度	X=∫S·x̄dλ, Y=∫S·ȳdλ
色品图	去掉亮度的 2D 颜色图	x=X/(X+Y+Z), y=Y/(X+Y+Z)
色域	设备能显示的颜色范围	色品图上的三角形
Gamma	存储非线性，计算线性	V_out = V_in^γ
色适应	大脑自动白平衡	L'=α·L, M'=β·M, S'=γ·S
ACES	电影级色彩管理	AP0 原色矩阵

关键公式速查

LMS 响应:    L=∫S(λ)·L̄(λ)dλ, M=∫S(λ)·M̄(λ)dλ, S=∫S(λ)·S̄(λ)dλ
CIE XYZ:    X=∫S(λ)·x̄(λ)dλ, Y=∫S(λ)·ȳ(λ)dλ, Z=∫S(λ)·z̄(λ)dλ
色品坐标:   x=X/(X+Y+Z), y=Y/(X+Y+Z)
UCS:        u'=4X/(X+15Y+3Z), v'=9Y/(X+15Y+3Z)
Gamma:      V_out = V_in^γ
sRGB→线性:  c_linear = sRGB_to_linear(c_sRGB)
线性→sRGB:  c_sRGB = linear_to_sRGB(c_linear)
Von Kries:  L'=α·L, M'=β·M, S'=γ·S
Lab:        L=116·f(Y/Yₙ)-16, a=500·(f(X/Xₙ)-f(Y/Yₙ)), b=200·(f(Y/Yₙ)-f(Z/Zₙ))

常见误区

误区	正确理解
"颜色是物体的固有属性"	颜色 = 光 × 物体反射率 × 眼睛感知——缺一不可
"RGB 值直接代表亮度"	sRGB 是 gamma 编码的，0.5 ≠ 一半亮度
"两个颜色看起来一样 = SPD 一样"	同色异谱——完全不同的 SPD 可以看起来完全一样
"白色就是白色"	不同光源的白点不同（D65=6500K 偏蓝, D50=5000K 偏黄）
"显示器能显示所有颜色"	显示器色域仅覆盖 CIE 色品图的 35%~80%

一句话总结：颜色是物理（光谱）× 生物（锥体）× 工程（显示）的交叉学科。理解色彩科学 = 理解 PBR 渲染中为什么每一步颜色处理都至关重要。

下一步：第 19 章《视觉感知》——理解人类视觉如何限制图形学的终极质量。这是从"科学"到"艺术"的桥梁。