色貌模型及其应用.doc

色貌模型及其应用色貌模型及其应用color appearance phenomena models and its applications目 录色貌模型2CIECAM02色貌模型3iCAM的基本框架4颜色校正技术4传统的颜色校正4基于色貌模型的颜色校正5结论5色貌模型及其应用【摘要】色貌模型旨在将观察条件中的因素纳入到计算中去，从而摆脱了观察条件的限制，直接计算只与人眼视觉特性相关的参数，并用这些参数来描述人体感知的颜色。【关键词】色貌模型 CIECAM02 色貌模型 iCAM的基本框架 颜色校正技术色貌模型当两个颜色的CIE三刺激值( XYZ)相同时，人的视网膜的视觉感知这两个颜色是相同的。但两个相同的颜色，只有在周围环境、背景、样本尺寸、样本形状、样本表面特性和照明条件等都相同的观察条件下，视觉感知才是一样的(匹配的)。一旦将两个相同的颜色置于不同的观察条件下，虽然二刺激值仍然相同，但人的视觉感知会产生变化，这就是所谓的色貌现象。例如两个相同的灰色块，在相同的观察条件下(如背景相同)具有相同的XYZ刺激值，一旦将一个色块置于白背景，另一个色块置于黑背景，在视觉感知上，置于黑背景的灰色块在感觉上要亮一些，置于白背景的灰色块在感觉上要暗一些。这就是所谓的同时对比。产生这一现象是因为我们观察的不是一个孤立色，而是在一个确定的环境下观察彩色样本，那么各种环境因素将会影响我们的视觉感知，这就是色貌现象。色貌模型的提出主要是解决复杂人眼视觉现象的问题。常见的色貌现象有色适应现象、Hunt 效应、Stevens effect 、对比效应等。为了解决不同观察条件下的颜色再现问题，早在1902年，von Dries就提出了一种色适应模型。但传统的色适应变换(Chromatic -Adaptation Transforms)仅能解决不同的观察条件下的相关色的问题，并不能用于描述处于一定观察条件下颜色的色貌，也没有提供测量和预测颜色感知属性(明度、色度和色相)的方法。对于色貌问题，需要由色貌模型来解决。也就是说，人们也希望与色适应模型一样，用一个数学模型来描述色貌。 CIE技术委员会1- 34( TC1- 34)对色貌模型(CAM:Color Appearance Model)的定义是:至少要包括对相关的颜色性，如明度、彩度和色相，进行预测的数学模型。具体地说就是指通过特定照明、背景以及观察环境等条件下的C IE色度参数(例如三刺激值)进行颜色属性参数(例如明度、彩度、色相)计算或预测的数学表达式或数学模型。 色貌模型主要是解决不同媒体(Media)在不同的观察条件(Viewing Condition)、不同的背景Background)和不同的环境（Surround)下的颜色真实再现问题。开展色貌模型研究具有重要的科学和应用价值:在颜色科学基础研究领域，色貌模型的理论可以直接用于解决均匀色空间、标准色差理论等问题;而在应用研究领域，色貌模型的研究结果可以解决各种跨媒体的颜色信息保真( Fidelity)问题。例如彩色复制中的色彩关键理系统（CMS)、计算机辅助设计(CAD)、电脑配色系统(CCM)、微光成像系统，以及互联网用户之间的真实颜色信息传递示等等。 CIE于1931年建立了基于标准观察者的色度系统，为颜色科学的理论研究打下了基础。并于1976年推荐使用CIELAB均匀色空间。实际上CIELAB己经具有色貌模型的一些性质，但当CIELAB用于描述色貌模型时，它的色适应变换会出现一些负值。这是因为CIE(1976)侧重于考虑一个匀色空间而不是色貌模型。20世纪的80年代初，英国伦敦城市大学(City Univ. ,London)的Hunt R.W.G.教授在Nayatani教授等人色适应模型(1981年)的基础上，于1982年和1985年描述了现代色貌模型的轮廓。日本大阪电讯大学(Osaka Electro一CommunicationUniv.)的Nayatani等人于1986,1987率先建立了Nayatani模型。经过近二十年的发展，各国颜色科学工作者先后推出了色貌模型的不同试验版本，其中主要有Hunt94, Nayatani95,LLAB, RLAB, ZLAB等等。为了推动色貌模型研究工作的进展以及对各种色貌模型的实际效果进行测评，国际照明委员会(CIE)第一分部( Division 1)先后成立了TC1- 27(负责制定色貌模型规范)和TC1- 34(负责对色貌模型的检验评估)两个专业委员会。1997年，CIE TC1- 34在综合了Hunt94, Nayatani95、LLAB、BLAB等色貌模型的特点之后，建立了色貌模型的统一简化版本一一CIECAM97s，旨在推荐给有关颜色科学工作者和工业界进行评估和使用。经过4年多的测试，CIE又于2002.09.26公布了CIECAM97s修正版本CIECAM02，补充了一些信息并更加趋向于实用。 CIECAM 02可以被应用于色彩管理等实际场合。它是基于CIECAM 97s，由色适应变换和预测相关属性的计算等式组成，是CIECAM97s的一个修正模型。这个模型的一个主要优点是为委员会的成员提供了一个讨论和研究色貌模型的框架。CIECAM02色貌模型和CIECAM97s 相比,CIECAM02 具有以下优点:第一、采用了修订的线性色适应变换CMCCAT2000. CIECAM97s 使用了非线性的色适应变换(CMCCAT97) ,使得逆向计算非常复杂,而且计算精度明显降低,为工业应用带来了困难和不稳定性. 而线性色适应变换大大降低了计算工作量,而且预测效果不低于非线性色适应变换. 模型的预测性能也得到了很大的提升,对于大多数感知属性的预测能力提高了,对饱和度的预测尤其好。第二、CIECAM02 具有更好的空间均匀性.人们使用两种类型的色差数据(大色差数据和小色差数据) 对包括CIECAM97s、CIECAM02 在内的多种色貌模型进行测验,结果发现CIECAM02 对色差数据的预测最为准确. 使用他们改进后的CIECAM02 再次测验得到的结果不低于最好的色差公式和均匀颜色空间. 这些表明,CIECAM02色貌模型能够作为一个通用的颜色模型,具备颜色描述、色差计算、色貌预测等所有的功能. 正是由于CIECAM02 在各方面的优异表现,基于ICC 的色彩管理将其作为新一代色彩管理的核心连接空间,开发出新一代的色彩管理系统(Windows Color System ,WCS) ,基于CAM02 色貌模型的色域映射、理论本身的研究、优化和完善已经成为目前色彩管理主要的研究方向。然而,CIECAM02 色貌模型也具有一些自身的局限性: 第一、CIECAM02 的预测效果需要不断评测,理论需要不断更新,模型需要不断优化;第二、CIECAM02 是建立在非彩色背景(灰色背景) 下的颜色预测,不能正确预测彩色背景中色块的色貌属性;第三、不能预测人眼视觉的同时对比效应;第四、它是建立在亮环境下的颜色预测,也就是根据人眼视锥细胞响应特性建立的预测模型,不能预测暗环境下的色貌. 暗环境下的色貌预测是以人眼视杆细胞响应为基础的,不能在现有色貌模型基础上进行修改. 第五、它是建立在单个色块上的颜色预测,而颜色更多地以复杂图像的形式再现. 针对复杂图像的色貌预测与质量评价是当前颜色科学的重要研究内容. CIE 并不打算在CIECAM02 基础之上进行改进研究,而是推荐最新研究的iCAM (image Color Appearance Model) 即图像色貌模型加以解决. iCAM 被誉为下一代的色貌模型,其主要功能是同时完成传统的色貌属性、空间视觉属性计算和色差度量,目前推出的最新版本是iCAM06。iCAM的基本框架 iCAM既适用于简单的颜色刺激，称为点态iCAM，也适用于复杂的图像刺激，称为空间iCAM。点态iCAM像传统的色貌模型一样，把每个像素当作独立的颜色刺激来处理。空间iCAM则将色貌模型提升到一个新的水平，其起始输入条件包括：图像和适应场的三刺激值、适应场和环境绝对亮度。适应场是图像的低通滤波图像，用来预测色适应程度。适应场的亮度来自低通滤波图像的亮度通道，用来预测与亮度有关的色貌现象，如Hunt和Stevens效应；环境亮度则来自另一个比图像更大空间范围的低通滤波图像，用来控制图像对比度的预测。空间iCAM的变换过程如下：色适应变换: iCAM结构流程中的第一步就是执行局色适应变换，iCAM仍采用了CIECAM02的色适应变换方法，因为它在目前所有视觉数据的测试下具有很好的性能，而且相对来说比较简单。IPT颜色空间变换：与CIECAM02不同的是，色适应变换后得到的D65光源下的X，Y，Z值需转换到IPT颜色空间计算各色貌属性值。色貌属性计算：一旦图像数据的IPT坐标值计算出来后，就可以利用下面的公式计算色貌属性如明度J、彩度C、视彩度M以及色差。IPT颜色空间内的色差用Im表示。以区别传统的色差公式E。iCAM的变换过程是可逆的，当iCAM应用于图像复制时，首先需要计算图像在源观察条件下的色貌属性，然后通过你变换将图像色貌属性变换到目标观察条件下，你变换的输入参数有目标观察条件决定。颜色校正技术传统的颜色校正 颜色校正技术随着色度学的发展而不断更新。色度学大致经历了3个阶段:色匹配阶段、色差阶段和色貌阶段。色匹配阶段建立了颜色的基本表示和测量方法，提出如果两种颜色的三刺激值相同，则这两种颜色在视觉上是匹配的;色差阶段在此基础上建立了CIELAB,CIELU V两个均匀色空间，以及明度、色品坐标、彩度、色相和色相角的计算促进了色差公式的产生和发展。这时C IE色度系统定义了色觉经验的3种基本要素:照明体、色源和观察者。当这三者确定后，颜色的表示就认为是确定的。这使得颜色的表示严格且确定，并目便于仪器测量。但是，颜色和色差的测量及表示均被限定在固定条件下。比如，两个颜色刺激应该呈现在相同的媒体上并采用相同的标准照明光源，背景应该单一且大多用中性灰。 传统的颜色校正就是基于这样的色度匹配技术而进行实验的，其主要是针对设备和照明光源的不同来校正颜色。其过程主要分为设备特性化、色适应转换以及设备色域映射3部分。设备特性化即建立设备颜色空间与C IE颜色空间之间的对应转换关系;色适应转换是描述视觉感受相同的两个颜色在不同光源下色度值之间的对应关系;色域映射即输入设备色域与输出设备色域之间的映射或压缩过程。 在传统的色度学测量和颜色校正的过程中，均设定了特定的光源、环境、背景等，使实验过程受到了限制。这就促使了色貌匹配的产生，即不管观察条件的限制，只要颜色外貌在视觉上一致即视为匹配，从此颜色校正也由色度阶段进入色貌阶段。基于色貌模型的颜色校正 20世纪80年代初，各种色貌模型涌现出来，色貌模型旨在将观察条件中的因素纳入到计算中去，从而摆脱了观察条件的限制，直接计算只与人眼视觉特性相关的参数，并用这些参数来描述人体感知的颜色。 如果说设备的特性化转换是将设备相关颜色转换到设备无关颜色的设备无关化过程，那么，色貌模型就是将观察条件相关颜色转换到观察条件无关颜色的过程一观察条件无关化过程，这样就完成了与设备无关并与观察条件无关的转换，最终描述出的颜色只与人眼视觉特性相关。 基于色貌模型的颜色校正系统可分成3个部分(如图1所示):设备特性化转换部分、色貌模型部分以及色域映射部分。设备特性化和色域映射部分与传统的颜色校正基本相同，这里不做重点讨论。不同的是将色适应转换上升为色貌模型的转换，所涉及的因素由简单的光源影响变为复杂的观察条件影响，其视觉匹配原理也发生了根本改变。因此，色貌模型是此项技术的关键部分，其优劣直接影响到颜色校正的效果，也是日前研究的热点。结论色貌模型主要是解决不同媒体(Media)在不同的观察条件(Viewing Condition)、不同的背景Background)和不同的环境（Surround)下的颜色真实再现问题。开展色貌模型研究具有重要的科学和应用价值:在颜色科学基础研究领域，色貌模型的理论可以直接用于解决均匀色空间、标准色差理论等问题;而在应用研究领域，色貌模型的研究结果可以解决各种跨媒体的颜色信息保真( Fidelity)问题。参考文献1 色貌