基于心理物理學(xué)實(shí)驗(yàn)的非熒光織物白度公式評(píng)價(jià)

楊紅英， 齊夢園， 楊志暉， 楊艷麗， 張靖晶， 謝宛姿

(1.中原工學(xué)院 紡織學(xué)院， 河南 鄭州 450007； 2.青島大學(xué) 紡織服裝學(xué)院， 山東 青島 266100； 3.江南大學(xué) 紡織科學(xué)與工程學(xué)院， 江蘇 無錫 214122)

白色在色彩中占據(jù)重要地位，對(duì)于工業(yè)原料及產(chǎn)品尤其重要。GB/T 17749—2008 《白度的表示方法》 規(guī)定白度是表征物體色白的程度，白度評(píng)價(jià)結(jié)果直接關(guān)乎產(chǎn)品質(zhì)量、等級(jí)劃分及質(zhì)量控制。以主觀方式評(píng)價(jià)樣品白度時(shí)，容易受到觀察者自身的主觀因素和環(huán)境等客觀因素的影響，其結(jié)果也不易精準(zhǔn)表達(dá)和客觀定量。客觀評(píng)價(jià)樣品白度，不僅能進(jìn)行準(zhǔn)確表達(dá)和傳遞，并能給出準(zhǔn)確結(jié)果。1986年，國際照明委員會(huì)(CIE)在Ganz等[1-3]研究的基礎(chǔ)上推薦了白度公式，命名為CIE公式。通過計(jì)算白度指數(shù)和色澤指數(shù)，評(píng)價(jià)白度與色調(diào)取向。此公式方便簡潔，然而在與視覺評(píng)估之間的一致性方面還有待提升，且白度范圍存有詬病[4-6]。

對(duì)白度公式的評(píng)價(jià)，從與視覺評(píng)估之間的一致性展開。白度公式在紡織品、紙張、塑料以及牙科等方面都有應(yīng)用，有研究者借助這些材料對(duì)白度公式的預(yù)測性能進(jìn)行研究，致力于為不同行業(yè)選用合適的白度公式提供依據(jù)[7-9]。Katayama等[10]基于非熒光與熒光滌綸織物，采用排序法，以Spearman相關(guān)系數(shù)和Pearson相關(guān)系數(shù)比較了17種白度指數(shù)，其結(jié)果認(rèn)為C/V白度公式(WC/V)、Grum白度公式(WGrum)、CIE白度公式(WCIE)和Uchida白度公式(WUchida)預(yù)測性能最好。He等[6]基于非熒光和熒光紡織品進(jìn)行目視評(píng)價(jià)，表明LAB白度公式(WLAB)預(yù)測性能較好，且在均勻性、適用性和視覺相關(guān)性方面均優(yōu)于CIE白度公式及其他公式。Jafari等[11]基于非熒光和熒光棉織物，使用成對(duì)比較法對(duì)CIE和Uchida白度公式進(jìn)行比較發(fā)現(xiàn)，CIE白度公式優(yōu)于Uchida白度公式。Chen[12]基于非熒光和熒光棉織物，使用量值估計(jì)法進(jìn)行目視評(píng)價(jià)，結(jié)果表明CIE白度公式較好于C/V和Uchida白度公式。可見，采用不同方法進(jìn)行實(shí)驗(yàn)研究，其結(jié)論不盡相同，且以上研究未給出適合非熒光增白紡織品應(yīng)用的公式。

本文作者課題組前期基于熒光織物評(píng)價(jià)白色公式，發(fā)現(xiàn)無論對(duì)于CIE白度范圍內(nèi)還是范圍外的織物，在Ganz白度公式(WGanz)、CIE白度公式、Uchida白度公式、WUV白度公式(WUV)、WLAB白度公式(WLAB)、Hunter2白度公式(WHunter2)和WC/V這7個(gè)白度公式中，Hunter2公式的評(píng)價(jià)效果最接近人眼視覺評(píng)價(jià)結(jié)果[13]。

本文基于前期研究，進(jìn)一步采用白色辨識(shí)實(shí)驗(yàn)挑選白色樣品，選用心理物理學(xué)視覺實(shí)驗(yàn)中的成對(duì)比較法和類別判定法，綜合分析和評(píng)價(jià)9個(gè)白度公式，即Hunter1白度公式(WHunter1)、WHunter2、WGanz、WGrum、WCIE10、WUchida、WC/V、WUV、WLAB的白度預(yù)測性能。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)材料與儀器

實(shí)驗(yàn)材料：滌綸平紋織物(面密度為135 g/m2)，中恒大耀紡織科技有限公司；勻染劑PLA-340，分散紅(Red RD-E)、藍(lán)(Blue RD-E)、黃(Yellow RD-E)染料，上虞精聯(lián)貿(mào)易有限公司。

實(shí)驗(yàn)儀器：L2002A Smart Dyer萬能染色聯(lián)合試驗(yàn)機(jī)、高精度HunterLab UltraScan PRO分光測色計(jì)、X-Rite SpectraLight QC標(biāo)準(zhǔn)光源箱。

1.2 樣品制備

制備帶色樣品時(shí)，將分散染料進(jìn)行稀釋，再按照一定比例添加到染色浴中，進(jìn)行染色。染色采用高溫高壓工藝，織物質(zhì)量為4 g，pH值為5，浴比為1:30，染色工藝曲線如圖1所示。染色后進(jìn)行水洗和烘干，制備樣品120個(gè)。

圖1 染色工藝曲線Fig.1 Dyeing process curve

1.3 樣品測色

測色前，首先校正HunterLab UltraScan PRO分光測色計(jì)。測色時(shí)，將樣品折疊至不透光，取樣品4個(gè)不同位置的平均值。選用D65照明體，包含鏡面反射；測量孔徑為19 mm，測量范圍為350～780 nm，間隔為5 nm。

1.4 心理物理學(xué)評(píng)價(jià)實(shí)驗(yàn)

共進(jìn)行3組心理物理學(xué)視覺評(píng)價(jià)實(shí)驗(yàn)，首先是白色辨識(shí)實(shí)驗(yàn)，用于挑選白色樣品；然后是成對(duì)比較實(shí)驗(yàn)，要求觀察者判斷一對(duì)樣品的白度大?。蛔詈笫穷悇e判定實(shí)驗(yàn)，要求觀察者判定樣品屬于哪個(gè)白度等級(jí)。

視覺評(píng)價(jià)在暗室中，于SpectraLight QC標(biāo)準(zhǔn)觀察箱的D65光源下進(jìn)行。箱體為中性灰，觀察條件為0/45，觀察距離約為50 cm。成對(duì)比較實(shí)驗(yàn)中招募了包含10位女性和7位男性在內(nèi)的17名觀察者；類別判定實(shí)驗(yàn)中招募包含5位女性與4位男性在內(nèi)的9名觀察者。所有觀察者年齡在23～28歲之間，三色視覺正常，矯正視力為5.0。

為確保樣品大小一致且便于觀察，將樣布折疊在4 cm×7 cm的硬紙板上。實(shí)驗(yàn)開始前，觀察者1 min暗適應(yīng)在暗室中進(jìn)行，1 min亮適應(yīng)在燈箱下的D65光源中進(jìn)行[14]。為保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，每位觀察者單次觀察時(shí)間不超過30 min。

1.4.1 白色辨識(shí)實(shí)驗(yàn)

為確保具備9個(gè)白度公式都適用的樣品條件，實(shí)驗(yàn)樣品均處于CIE白度公式規(guī)定的白度范圍內(nèi)。

向觀察者展示120個(gè)自制樣品，觀察者做出判斷：1)一次性出示所有樣品，區(qū)分觀察者認(rèn)為的白色樣品和彩色樣品；2)依次隨機(jī)出示1個(gè)樣品，判斷該樣品是彩色還是白色。通過以上步驟，一共選出分布廣泛且均勻的113個(gè)白色樣品，其中28個(gè)樣品用于成對(duì)比較實(shí)驗(yàn)，85個(gè)樣品用于類別判定實(shí)驗(yàn)。通過白色辨識(shí)實(shí)驗(yàn)挑選113個(gè)白色樣品在CIE1964x-y色度圖中的分布如圖2所示。

圖2 心理物理學(xué)實(shí)驗(yàn)用白色樣品在色度圖中的分布Fig.2 Distribution of white samples for psychophysics experiments in chromaticity diagram

1.4.2 成對(duì)比較實(shí)驗(yàn)

將28塊樣品以隨機(jī)樣品對(duì)的形式展示給觀察者，將其并列放置于標(biāo)準(zhǔn)觀察箱中，觀察者區(qū)分樣品對(duì)的白度大小，共評(píng)價(jià)了378組樣品對(duì)。為進(jìn)一步評(píng)估觀察者精度，17位觀察者中有7位觀察者進(jìn)行重復(fù)性實(shí)驗(yàn)。每個(gè)樣品進(jìn)行24次評(píng)判，獲得9 072個(gè)視覺評(píng)估數(shù)據(jù)(378組×24次)。

1.4.3 類別判定實(shí)驗(yàn)

類別判定實(shí)驗(yàn)時(shí)，觀察者直接對(duì)樣品白的程度進(jìn)行判斷，判斷參考事先制定的標(biāo)準(zhǔn)進(jìn)行。本文中的標(biāo)準(zhǔn)采用由Bartleson[15]提出的1～9級(jí)的心理物理學(xué)量表，定義如表1所示。

操作者從85塊樣品中任取1塊樣品，將樣品置于標(biāo)準(zhǔn)觀察箱中央，觀察者在5 s之內(nèi)做出類別得分判斷。該實(shí)驗(yàn)相對(duì)較難，為保證準(zhǔn)確性，9名觀察者均對(duì)樣品進(jìn)行2次視覺評(píng)估。每個(gè)樣品被評(píng)價(jià)18次，共計(jì)獲得1 530個(gè)主觀評(píng)價(jià)數(shù)據(jù)(85個(gè)×18次)。

2 數(shù)據(jù)處理

2.1 白度計(jì)算

分別利用WHunter1、WHunter2、WGanz、WGrum、WCIE10、WUchida、WC/V、WUV和WLAB共9個(gè)公式計(jì)算白色辨識(shí)實(shí)驗(yàn)獲得113個(gè)白色樣品的白度值。

2.2 觀察者精度檢驗(yàn)

2.2.1 成對(duì)比較實(shí)驗(yàn)觀察者精度

采用誤判率WD[17]表征成對(duì)比較法中的觀察者精度，其包含重復(fù)性精度和準(zhǔn)確性精度，其值越小準(zhǔn)確性越高。對(duì)于觀察者重復(fù)性的評(píng)價(jià)，是觀察者2次判斷的一致性，2次判斷結(jié)果不一致則為誤判。重復(fù)性精度是判斷錯(cuò)誤次數(shù)除以總數(shù)。對(duì)觀察者準(zhǔn)確性的評(píng)價(jià)，是觀察者與所有觀察者判斷的一致性，若觀察者給出與半數(shù)人不同的判斷結(jié)果，則認(rèn)為誤判。用此位觀察者誤判次數(shù)比總數(shù)，以百分?jǐn)?shù)表示誤判率。觀察者精度見表2，與經(jīng)典數(shù)據(jù)相比精度較高，證明本實(shí)驗(yàn)數(shù)據(jù)有效[17-18]。

表2 成對(duì)比較法觀察者精度Tab.2 Observer precision in pairwise comparison experiments

2.2.2 類別判定實(shí)驗(yàn)觀察者精度

采用變異系數(shù)CV值評(píng)價(jià)類別判定法觀察者精度，CV值越大，實(shí)驗(yàn)精度越差。CV值計(jì)算公式為

式中：n是樣品總數(shù)。對(duì)觀察者重復(fù)性進(jìn)行評(píng)價(jià)時(shí)，xi和yi分別為觀察者對(duì)同一樣品第1次和第2次的評(píng)價(jià)數(shù)據(jù)；對(duì)觀察者準(zhǔn)確性進(jìn)行評(píng)價(jià)時(shí)，xi和yi分別為此觀察者和所有觀察者對(duì)此樣品評(píng)價(jià)數(shù)據(jù)的均值。

計(jì)算觀察者精度，此實(shí)驗(yàn)中觀察者準(zhǔn)確性精度平均值為23.91%，從17.57%變化到28.35%；觀察者重復(fù)性精度平均值為25.93%，從24.64%變化到27.34%。對(duì)比經(jīng)典數(shù)據(jù)，均在可接受范圍內(nèi)，說明本文實(shí)驗(yàn)數(shù)據(jù)可靠[16]。

2.3 視覺白度差計(jì)算

2.3.1 成對(duì)比較法視覺白度差

采用Thurstone比較判斷數(shù)據(jù)處理方法[19]，將目視評(píng)價(jià)獲得的非等距量表轉(zhuǎn)變成等距量表z-score，然后利用Coates等[20]的方法轉(zhuǎn)換為視覺白度。統(tǒng)計(jì)觀察者的目視評(píng)價(jià)數(shù)據(jù)，獲得樣品頻數(shù)矩陣Fij，部分?jǐn)?shù)據(jù)見表3。表中數(shù)據(jù)是經(jīng)由視覺實(shí)驗(yàn)判斷，所在列樣品白度大于所在行樣品白度的次數(shù)。計(jì)算頻率矩陣Pij，將軸線空白處計(jì)為0.5。再將頻率矩陣以標(biāo)準(zhǔn)正態(tài)分布的反函數(shù)轉(zhuǎn)換成z-score矩陣，得出每一列的平均值，按照升序排列于表4，其數(shù)值越大，顏色越白。

表3 成對(duì)比較法視覺實(shí)驗(yàn)的頻數(shù)矩陣Tab.3 Frequency matrix from pairwise comparison visual experiments

表4 成對(duì)比較法視覺實(shí)驗(yàn)中所得z-score矩陣按升序排列Tab.4 z-score matrix in ascending order obtained from pairwise comparison visual experiment

將表4中2列相鄰的數(shù)據(jù)右側(cè)減左側(cè)，求平均值，獲得2塊樣品的視覺白度差Δvi。具有最小z-score值的是26號(hào)樣品，將其轉(zhuǎn)換為每塊樣品與26號(hào)樣品的視覺白度差Δvi-Δv26，結(jié)果如表5所示。

表5 成對(duì)比較法中各樣品與26號(hào)樣品的視覺白度差Tab.5 Visual whiteness differences between each color sample and No.26 sample from pairwise comparison experiment

將表5中視覺白度差按照一定比例k縮放，即得最終視覺白度差ΔV，k的形式見下式：

式中：D(Δvi-Δv26)為原始視覺白度差的均值；D(ΔWi-ΔW26)為9個(gè)待評(píng)估白度公式的計(jì)算白度差的均值。

將視覺白度差進(jìn)行縮放的目的是使最終的視覺白度差與計(jì)算白度差具有相同的當(dāng)量，利于統(tǒng)計(jì)分析。28個(gè)樣品的最終視覺白度差見圖3。

圖3 28個(gè)非熒光樣品的視覺白度差ΔVFig.3 Visual whiteness difference ΔV of 28 non-fluorescent samples

2.3.2 類別判定法視覺白度差

根據(jù)Torgerson的類別判定法則[21]，將原始視覺數(shù)據(jù)轉(zhuǎn)換成等分值數(shù)據(jù)。以18次視覺判斷得到樣品的評(píng)分值，計(jì)算頻數(shù)矩陣，頻數(shù)矩陣是樣品被分配到各個(gè)類別的次數(shù)。樣品被歸類到小于等于該類別均可計(jì)入累計(jì)頻數(shù)，將累計(jì)頻數(shù)按照標(biāo)準(zhǔn)正態(tài)分布的反函數(shù)的形式轉(zhuǎn)換成z-score矩陣。與成對(duì)比較法相同，將按照升序排列的z-score矩陣相鄰右邊列減去左邊列，得到相鄰邊界的平均差異值。最后令初始邊界為0，計(jì)算等距量表，獲得在其感知屬性量上的等距分值，最終計(jì)算結(jié)果如表6所示。

表6 類別判定法樣品視覺白度差Tab.6 Visual whiteness difference of samples by category judgment method

3 結(jié)果與討論

采用標(biāo)準(zhǔn)化殘差平方和(Standardized Residual Sum of Squares，簡稱STRESS)[8]，誤判率WD[17]，Spearman相關(guān)系數(shù)ρ[10]，Pearson相關(guān)系數(shù)γ[22]和F檢驗(yàn)[23]，統(tǒng)計(jì)計(jì)算各白度公式的視覺白度差ΔV與計(jì)算白度差ΔW，評(píng)價(jià)其預(yù)測性能，結(jié)果見表7～9。對(duì)其預(yù)測性能的排序見括號(hào)內(nèi)數(shù)字，數(shù)字越小，預(yù)測性能越好；最后一行是基于幾種評(píng)價(jià)方式的綜合評(píng)價(jià)，其數(shù)值越小，公式效果越好。

表7 成對(duì)比較法檢驗(yàn)白度公式的預(yù)測性能Tab.7 Predictive performance of whiteness formulas from Paired comparison method

表8 成對(duì)比較法對(duì)比白度公式的預(yù)測性能(F檢驗(yàn))Tab.8 Comparison of Predictive performance of whiteness formulas from pairwise comparison method (F-test)

表9 類別判定法評(píng)價(jià)白度公式的預(yù)測性能Tab.9 Predictive performance of whiteness formula by category judgment method

3.1 基于成對(duì)比較法評(píng)價(jià)白度公式

對(duì)成對(duì)比較法實(shí)驗(yàn)數(shù)據(jù)采用STRESS、WD、Spearman-r、Pearson-ρ進(jìn)行白度公式預(yù)測性能檢驗(yàn)，以F檢驗(yàn)考察公式預(yù)測性能差異的顯著性，置信度取0.95(其中Fc為F分布中95%置信區(qū)間的臨界界限)。當(dāng)F>1/Fc時(shí)，所在行公式顯著優(yōu)于所在列；當(dāng)1

對(duì)ΔV與ΔW進(jìn)行線性擬合，r表示其相關(guān)系數(shù)，相關(guān)系數(shù)越大，二者間的相關(guān)性越好，反之則越差，結(jié)果見圖4?？梢园l(fā)現(xiàn)：WHunter2、WGrum和WCIE10公式表現(xiàn)較好，數(shù)據(jù)點(diǎn)靠近趨勢線且較為集中；WC/V和WHunter1表現(xiàn)很差，數(shù)據(jù)點(diǎn)十分分散，基本不相關(guān)和弱相關(guān)。

圖4 成對(duì)比較法中28個(gè)樣品的視覺白度差ΔV與計(jì)算白度差ΔW的比較Fig.4 Comparison of visual whiteness difference ΔV and calculated whiteness difference ΔW of 28 samples by pairwise comparison method

由表7結(jié)果可知：當(dāng)以成對(duì)比較法評(píng)價(jià)白度公式時(shí)，WHunter2公式表現(xiàn)最好，且4個(gè)評(píng)價(jià)指標(biāo)排名一致；然后是WGrum、WCIE10、WGanz、WUchida、WUV、WLAB公式；WHunter1和WC/V公式表現(xiàn)最差，與視覺評(píng)價(jià)結(jié)果在0.05置信水平下不相關(guān)。由表8結(jié)果可知：WHunter2公式預(yù)測性能最好，稍優(yōu)于WGrum、WCIE10和WGanz，顯著優(yōu)于WUchida、WUV、WLAB、WHunter1、WC/V；WHunter1和WC/V預(yù)測性能最差，其中WC/V顯著劣于WHunter1之外的其他7個(gè)公式。

3.2 基于類別判定法評(píng)價(jià)白度公式

基于類別判定法的實(shí)驗(yàn)數(shù)據(jù)，采用Spearman-r、Pearson-ρ進(jìn)行白度公式預(yù)測性能的檢驗(yàn)，線性擬合85個(gè)樣品的ΔV與ΔW，r表示相關(guān)系數(shù)，相關(guān)系數(shù)越大，二者之間的相關(guān)性越好，反之則越差，結(jié)果見圖5。可初步判定WHunter1和WC/V表現(xiàn)較差，遠(yuǎn)離趨勢線；WHunter2、WCIE10、WGrum、WGanz公式表現(xiàn)較好，其數(shù)據(jù)點(diǎn)分布較為集中，靠近趨勢線。

圖5 類別判定法85個(gè)樣品的視覺白度差ΔV與計(jì)算白度差ΔW的比較Fig.5 Comparison of visual whiteness difference ΔV and calculated whiteness difference ΔW of 85 samples by category judgment method

從Pearson-r來看，WHunter2的r最大，然后是WCIE10、WGrum、WGanz；接著是WUchida、WUV、WLAB；最后是WHunter1和WC/V。WHunter1和WC/V公式的相關(guān)系

數(shù)分別為0.419和0.028，與目視評(píng)價(jià)相關(guān)性較弱和基本不相關(guān)。從Spearman-ρ值來看，WHunter2的數(shù)值最大，其次是WCIE10和WGanz；接著是WGrum和WUchida；然后是WLAB和WUV，最后是WHunter1和WC/V。WLAB和WUV的相關(guān)系數(shù)ρ分別為0.674和0.657，預(yù)測性能較弱；WHunter1和WC/V預(yù)測性能最差，而WC/V基本不相關(guān)。2種方式對(duì)白度公式評(píng)價(jià)結(jié)果基本一致，結(jié)合2種方式的排名依次為：WHunter2>WCIE10>WGrum=WGanz>WUchida>WLAB=WUV>WHunter1>WC/V。

3.3 綜合評(píng)價(jià)

綜合2種評(píng)價(jià)結(jié)果來看，WHunter2白度公式具有最佳的預(yù)測性能，無論哪種視覺評(píng)價(jià)方法和指標(biāo)，WHunter2白度公式預(yù)測性能都是最好的；然后是WCIE10和WGrum；WGanz和WUchida稍遜于前幾名；WUV和WLAB具有類似的預(yù)測性能，在使用類別判定法時(shí)，相關(guān)系數(shù)有較大幅度下降；WHunter1和WC/V的評(píng)價(jià)效果最差，甚至不能正確表征物體表面白度。按照預(yù)測性能從優(yōu)到劣依次為：WHunter2>WCIE10>WGrum>WGanz>WUchida>WUV=WLAB>WHunter1>WC/V。

4 Hunter白度公式分析

出乎意料的是WHunter2公式對(duì)非熒光織物的白度預(yù)測性能最好。事實(shí)上，WHunter2公式原本是用于評(píng)價(jià)熒光物品的白度，前期研究意外發(fā)現(xiàn)其評(píng)價(jià)熒光織物的效果很好且明顯優(yōu)于晚于其頒布的國際標(biāo)準(zhǔn)CIE白度[13]，在本文研究中嘗試采用了非常規(guī)方法，將原適用于評(píng)價(jià)熒光白的WHunter2公式用于評(píng)價(jià)非熒光白織物。

WHunter公式是Hunter先生1958年基于HunterLab顏色空間采用色差概念設(shè)計(jì)[25]，后經(jīng)優(yōu)化標(biāo)準(zhǔn)白的色度坐標(biāo)而逐步確立的，其具體形式[24]為

W=100-{(100-L)2+

式中：L為明度指數(shù)；a、b和ap、bp分別樣品和標(biāo)準(zhǔn)白的色度指數(shù)；K1為常數(shù)，一般取1。原則上，樣品不帶熒光時(shí)，ap、bp分別取0.00、0.00；樣品帶有熒光時(shí)，ap、bp分別取3.5、-15.87。

在本文研究中，將公式原定義適用于不帶熒光試樣的公式(其中ap=0.00，bp=0.00)命名為WHunter1；將適用于熒光樣品的公式(其中ap=3.5，bp=-15.87)命名為WHunter2，以便區(qū)分。分析WHunter2公式預(yù)測非熒光織物依然最好的原因如下：觀察者在對(duì)白色物品進(jìn)行白度視覺評(píng)價(jià)時(shí)，本就不按照熒光和非熒光先分類再評(píng)價(jià)，而是自然而然將樣品與自己心里的標(biāo)準(zhǔn)白或理想白進(jìn)行比較；人們通常認(rèn)為樣品偏藍(lán)顯得更白，本實(shí)驗(yàn)招募的觀察者均來自紡織領(lǐng)域，對(duì)藍(lán)白的喜愛程度可能更為顯著，因此，采用偏藍(lán)的理想白(ap=3.5，bp=-15.87)的WHunter2公式對(duì)非熒光織物的白度預(yù)測能夠獲得滿意的效果也就合情合理了。

5 結(jié) 論

基于成對(duì)比較和類別判定的心理物理學(xué)視覺實(shí)驗(yàn)方法，分別對(duì)28塊和85塊滌綸白色織物進(jìn)行視覺評(píng)估，評(píng)價(jià)9個(gè)白度公式的預(yù)測性能。得出以下主要結(jié)論。

1) 采用成對(duì)比較法評(píng)價(jià)非熒光織物，WHunter2預(yù)測性能最好，稍優(yōu)于WGrum、WCIE10和WGanz，顯著優(yōu)于WUchida、WUV、WLAB，WHunter1和WC/V表現(xiàn)最差；采用類別判定法評(píng)價(jià)非熒光織物，WHunter2公式表現(xiàn)最好，WCIE10和WGanz次之，再依次是WGrum、WUchida、WLAB、WUV，WHunter1和WC/V評(píng)價(jià)效果最差。

2) 2種心理物理學(xué)實(shí)驗(yàn)方法對(duì)9個(gè)白度公式的評(píng)價(jià)結(jié)果基本一致，從優(yōu)到劣綜合排序?yàn)椋篧Hunter2>WCIE10>WGrum>WGanz>WUchida>WUV=WLAB>WHunter1>WC/V，其中WC/V與視感白度基本不相關(guān)。

3) WHunter公式中原定義適用于熒光樣品的WHunter2公式在評(píng)價(jià)非熒光樣品時(shí)依然展示了優(yōu)良的預(yù)測性能，后續(xù)亦會(huì)對(duì)WHunter2公式進(jìn)行更深入的研究。