Модель внешнего вида

Модель внешнего вида (сокращенно CAM ) представляет собой математическую модель, которая стремится описать перцептивные аспекты человеческого цветного зрения, то есть условия просмотра, при которых внешний вид цвета не совпадает с соответствующим физическим измерением источника стимула. (Напротив, цветовая модель определяет координатное пространство для описания цветов, таких как цветные модели RGB и CMYK.)

Внешний вид
Цвет возникает в сознании наблюдателя; «Объективно», существует только спектральное распределение мощности света, которое встречается с глазом. В этом смысле любое восприятие цвета субъективно. Однако были предприняты успешные попытки сопоставить спектральное распределение мощности света на сенсорную реакцию человека количественно. В 1931 году, используя психофизические измерения, Международная комиссия по освещению (CIE) создала цветовое пространство XYZ, которое успешно моделирует человеческое цветное зрение на этом базовом сенсорном уровне.

Тем не менее, цветовая модель XYZ предполагает определенные условия просмотра (такие как локус стимуляции сетчатки, уровень яркости света, который соответствует глазу, фон за наблюдаемым объектом и уровень яркости окружающего света). Только в том случае, если все эти условия остаются постоянными, два одинаковых раздражителя с одинаковыми значениями тристимула XYZ создают одинаковый цвет для человека-наблюдателя. Если некоторые условия изменяются в одном случае, два одинаковых стимула с одинаковыми значениями тристимула XYZ будут создавать разные цветовые проявления (и наоборот: два разных стимула с тем самым разными значениями тристимула XYZ могут создавать идентичный цвет).

Поэтому, если условия просмотра меняются, цветовая модель XYZ недостаточна, и модель моделирования цвета требуется для моделирования восприятия цвета человека.

Параметры внешнего вида
Основная проблема для любой модели внешнего вида цвета заключается в том, что восприятие цвета человека не работает с точки зрения значений тристимула XYZ, а с точки зрения параметров внешнего вида (оттенок, легкость, яркость, цветность, красочность и насыщенность). Поэтому любая модель внешнего вида должна обеспечивать преобразования (которые являются факторами условий просмотра) от значений тристимула XYZ до этих параметров внешнего вида (по крайней мере, оттенок, легкость и цветность).

Явление цвета
В этом разделе описываются некоторые явления цвета, с которыми сталкиваются модели внешнего вида.

Хроматическая адаптация
Хроматическая адаптация описывает способность восприятия человеческого цвета абстрагироваться от белой точки (или цветовой температуры) источника освещаемого света при наблюдении отражающего объекта. Для человеческого глаза белая бумага выглядит белой, независимо от того, светится ли она синеватой или желтоватой. Это самый базовый и самый важный из всех феноменов внешнего вида, и поэтому преобразование хроматической адаптации (CAT), которое пытается подражать этому поведению, является центральным компонентом любой модели внешнего вида.

Это позволяет легко различать простые цветовые модели на основе тристимула и модели внешнего вида. Простая цветовая модель на основе тристимула игнорирует белую точку источника света, когда она описывает цвет поверхности освещенного объекта; если изменится белая точка источника света, так же как и цвет поверхности, о чем сообщает простая цветовая модель на основе тристимула. Напротив, модель внешнего вида цвета учитывает белую точку источника света (именно поэтому модель цветного изображения требует этого значения для его расчетов); если белая точка источника света изменяется, цвет поверхности, о котором сообщается моделью внешнего вида, остается неизменным.

Хроматическая адаптация является ярким примером для случая, когда два разных стимула с тем самым разными значениями тристимула XYZ создают идентичный цвет. Если цветовая температура источника освещающего света изменяется, то и распределение спектральной мощности и, следовательно, значения тристимула XYZ света, отраженного от белой бумаги; однако внешний вид цвета остается тем же (белый).

оттенок появление
Несколько эффектов изменяют восприятие оттенка человеком-наблюдателем:

Bezold-Brücke оттенок: оттенок монохроматического света меняется с яркостью.
Эффект Абни: оттенок монохроматического света изменяется с добавлением белого света (который можно было бы ожидать от нейтрального цвета).

Контрастность
Несколько эффектов изменяют восприятие контраста человеком-наблюдателем:

Эффект Стивенса: контраст увеличивается с яркостью.
Эффект Bartleson-Breneman: контраст изображения (из эмиссионных изображений, таких как изображения на ЖК-дисплее) увеличивается с яркостью объемного освещения.

Внешний вид цвета
Существует эффект, который меняет восприятие красочности человеком-наблюдателем:

Эффект охоты: Цветность увеличивается с яркостью.

Яркость
Существует эффект, который изменяет восприятие яркости человеком-наблюдателем:

Эффект Гельмгольца-Кольрауша: Яркость увеличивается с насыщением.

Пространственные явления
Пространственные явления влияют только на цвета в определенном месте изображения, потому что мозг человека интерпретирует это местоположение определенным образом (например, как тень вместо серого цвета). Эти явления также известны как оптические иллюзии. Из-за их контекстуальности их особенно сложно моделировать; модели внешнего вида, которые пытаются это сделать, называются моделями внешнего вида изображения (iCAM).

Модели внешнего вида
Поскольку параметры внешнего вида цвета и явления внешнего вида цвета многочисленны и задача сложна, нет единой модели внешнего вида цвета, которая универсально применяется; вместо этого используются различные модели.

В этом разделе перечислены некоторые модели используемого цвета. Трансформации хроматической адаптации для некоторых из этих моделей перечислены в цветовом пространстве LMS.

CIELAB
В 1976 году CIE решил заменить многие существующие, несовместимые модели цветовых различий новой универсальной моделью для цветовой разницы. Они попытались достичь этой цели, создав перцептивно однородное цветовое пространство, то есть цветовое пространство, где одинаковое пространственное расстояние между двумя цветами равно одинаковому количеству воспринимаемой цветовой разницы. Хотя они преуспели лишь частично, они тем самым создали цветовое пространство CIELAB («L * a * b *»), в котором все необходимые функции стали первой моделью появления цвета. Хотя CIELAB — очень рудиментарная модель внешнего вида, она является одной из наиболее широко используемых, поскольку она стала одним из основных блоков управления цветом с профилями ICC. Поэтому он в основном вездесущий в цифровой обработке изображений.

Одним из ограничений CIELAB является то, что он не предлагает полноценную хроматическую адаптацию, поскольку он выполняет метод преобразования фон Криса непосредственно в цветовом пространстве XYZ (часто называемом «неправильным преобразованием фон Криса») вместо того, чтобы переходить в цветовое пространство LMS перед тем, чтобы получить более точные результаты. Профили ICC обходят этот недостаток, используя Bradford преобразование матрицы в цветовое пространство LMS (которое впервые появилось в модели внешнего вида LLAB) в сочетании с CIELAB.

Nayatani et al. модель
Nayatani et al. модель цветного изображения фокусируется на технике освещения и цветопередачих источников света.

Модель охоты
Модель внешнего вида Hunt фокусируется на воспроизведении цветового изображения (его создатель работал в исследовательских лабораториях Kodak Research Laboratories). Разработка уже началась в 1980-х годах, и к 1995 году модель стала очень сложной (в том числе не было представлено никаких других моделей цветных моделей, таких как включение откликов стержневых ячеек) и позволило предсказать широкий спектр визуальных явлений. Это оказало очень значительное влияние на CIECAM02, но из-за его сложности сама модель Ханта трудно использовать.

RLAB
RLAB пытается улучшить существенные ограничения CIELAB с упором на воспроизведение изображений. Он отлично подходит для этой задачи и прост в использовании, но недостаточно всеобъемлющим для других приложений.

LLAB
LLAB похож на RLAB, также пытается оставаться простым, но дополнительно пытается быть более всеобъемлющим, чем RLAB. В конце концов, он приобрел некоторую простоту для полноты, но все еще не был полностью исчерпан. С тех пор как CIECAM97 был опубликован вскоре после этого, LLAB никогда не получал широкого распространения.

CIECAM97s
После того, как в 1997 году началась эволюция моделей внешнего вида с CIELAB, CIE захотела следить за моделью цветного внешнего вида. Результатом стал CIECAM97, который был всеобъемлющим, но также сложным и отчасти сложным в использовании. Он получил широкое признание в качестве стандартной модели цветного изображения до публикации CIECAM02.

IPT
Ebner и Fairchild обратились к вопросу о непостоянных линиях оттенка в их цветовом пространстве, названном IPT. Цветовое пространство IPT преобразует данные XYZ, адаптированные к D65 (XD65, YD65, ZD65), к длинноволновым конусообразным данным (LMS) с использованием адаптированной формы матрицы Hunt-Pointer-Estevez (MHPE (D65)).

Модель внешнего вида IPT отличается тем, что обеспечивает формулировку для оттенка, где постоянное значение оттенка равно постоянному воспринимаемому оттенку, независимо от значений легкости и цветности (что является общим идеалом для любой модели внешнего вида, но трудно достижимой). Поэтому он хорошо подходит для реализаций отображения гаммы.

ICtCp
ITU-R BT.2100 включает цветовое пространство под названием ICtCp, которое улучшает исходный IPT, исследуя более высокий динамический диапазон и более крупные цветовые гаммы.

CIECAM02
После успеха CIECAM97, CIE разработал CIECAM02 в качестве его преемника и опубликовал его в 2002 году. Он работает лучше и проще в одно и то же время. Помимо рудиментарной модели CIELAB, CIECAM02 ближе всего соответствует международно согласованной «стандартной» модели (цветности).

iCAM06
iCAM06 — модель внешнего вида изображения. Таким образом, он не обрабатывает каждый пиксель изображения независимо, а в контексте полного изображения. Это позволяет включать в себя параметры пространственного цветового оформления, такие как контраст, что делает его хорошо подходящим для HDR-изображений. Это также первый шаг к рассмотрению феноменов пространственного явления.