- •ПРЕДИСЛОВИЕ ПЕРЕВОДЧИКА
- •ПРЕДИСЛОВИЕ К СЕРИИ
- •ОБ АВТОРЕ
- •СОДЕРЖАНИЕ
- •ПРЕДИСЛОВИЕ
- •БЛАГОДАРНОСТИ
- •ВВЕДЕНИЕ
- •ЧТО ТАКОЕ МОДЕЛЬ ЦВЕТОВОГО ВОСПРИЯТИЯ?
- •1.1 ОПТИКА ГЛАЗА
- •Роговица
- •Хрусталик
- •Жидкости
- •Радужная оболочка
- •Сетчатка
- •Центральная ямка сетчатки
- •Макула
- •Зрительный нерв
- •1.2 СЕТЧАТКА
- •Палочки и колбочки
- •1.3 ОБРАБОТКА ЗРИТЕЛЬНОГО СИГНАЛА
- •Рецептивные поля
- •1.4 МЕХАНИЗМЫ ЦВЕТОВОГО ЗРЕНИЯ
- •Трихроматическая теория
- •Оппонентная теория Геринга
- •Современная теория оппонентных цветов
- •Механизмы адаптации
- •Темновая адаптация
- •Световая адаптация
- •Хроматическая адаптация
- •Механизмы зрения, влияющие на цветовое восприятие
- •1.5 ПРОСТРАНСТВЕННЫЕ И ВРЕМЕННЫЕ СВОЙСТВА ЦВЕТОВОГО ЗРЕНИЯ
- •Эффект наклона
- •CSF и движения глаза
- •1.6 АНОМАЛИИ ЦВЕТОВОГО ЗРЕНИЯ
- •Протанопия, дейтеранопия и тританопия
- •Аномальные трихроматы
- •Аномалии цветового зрения и половая принадлежность
- •Отсев наблюдателей, выполняющих цветовые оценки
- •1.7 КЛЮЧЕВЫЕ МОМЕНТЫ В МОДЕЛИРОВАНИИ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •2 ПСИХОФИЗИКА
- •2.1 ОПРЕДЕЛЕНИЕ ПСИХОФИЗИКИ
- •Два класса экспериментов со зрением
- •2.2 ИСТОРИЧЕСКАЯ СПРАВКА
- •Труды Вебера
- •Труды Фехнера
- •Труды Стивенса
- •2.3 КЛАССИФИКАЦИЯ ШКАЛ
- •Номинальные шкалы
- •Порядковые шкалы
- •Интервальные шкалы
- •Пропорциональные шкалы
- •Примеры использования шкал
- •2.4 ПОРОГОВЫЕ МЕТОДЫ
- •Виды пороговых экспериментов
- •Метод регулировки
- •Метод пределов
- •Метод постоянных стимулов
- •Метод «да — нет»
- •Метод принудительного выбора
- •Ступенчатые методы
- •Пробитовый анализ пороговых данных
- •2.5 МЕТОДЫ СРАВНЕНИЯ
- •Асимметричное соответствие
- •Сравнение по памяти
- •2.6 ОДНОМЕРНЫЕ ШКАЛЫ
- •2.7 МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ
- •2.8 ПОСТАНОВКА ПСИХОФИЗИЧЕСКИХ ЭКСПЕРИМЕНТОВ
- •2.9 ЗНАЧЕНИЕ ПСИХОФИЗИЧЕСКИХ ЭКСПЕРИМЕНТОВ
- •3 КОЛОРИМЕТРИЯ
- •3.1 БАЗОВАЯ И ВЫСШАЯ КОЛОРИМЕТРИИ
- •3.2 ПОЧЕМУ ЦВЕТ?
- •3.3 ИСТОЧНИКИ СВЕТА И ОСВЕТИТЕЛИ
- •Спектрорадиометрия
- •Абсолютно черные излучатели
- •3.4 ОКРАСКА МАТЕРИАЛЬНЫХ ОБЪЕКТОВ
- •Флуоресценция
- •3.5 ОТВЕТ ЗРИТЕЛЬНОЙ СИСТЕМЫ ЧЕЛОВЕКА
- •Фотометрическая система
- •3.6 ТРЕХСТИМУЛЬНЫЕ ЗНАЧЕНИЯ И ФУНКЦИИ ЦВЕТОВОГО СООТВЕТСТВИЯ
- •Трехстимульные значения любых стимулов
- •Усреднение функций цветового соответствия
- •Два комплекта функций цветового соответствия
- •3.7 ДИАГРАММЫ ЦВЕТНОСТЕЙ
- •3.8 ЦВЕТОВЫЕ ПРОСТРАНСТВА CIE
- •CIELAB
- •CIELUV
- •3.9 СПЕЦИФИКАЦИЯ ЦВЕТОВЫХ ОТЛИЧИЙ
- •3.10 СЛЕДУЮЩИЙ ШАГ
- •ПРИМЕЧАНИЕ ПЕРЕВОДЧИКА К ГЛАВЕ 3
- •4 ТЕРМИНОЛОГИЯ МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •4.1 ВАЖНОСТЬ ОПРЕДЕЛЕНИЙ
- •4.2 ЦВЕТ
- •4.3 ЦВЕТОВОЙ ТОН
- •4.4 СУБЪЕКТИВНАЯ ЯРКОСТЬ И СВЕТЛОТА
- •4.5 ПОЛНОТА ЦВЕТА И НАСЫЩЕННОСТЬ
- •4.6 ЧИСТОТА ЦВЕТА
- •4.7 ИЗОЛИРОВАННЫЕ И НЕИЗОЛИРОВАННЫЕ ЦВЕТА
- •4.8 ОПРЕДЕЛЕНИЯ В ВИДЕ ФОРМУЛ
- •4.9 СУБЪЕКТИВНАЯ ЯРКОСТЬ/ПОЛНОТА ПРОТИВ СВЕТЛОТЫ/НАСЫЩЕННОСТИ
- •5 ЦВЕТОВЫЕ КООРДИНАТНЫЕ СИСТЕМЫ
- •5.1 КРАТКИЙ ОБЗОР И ТРЕБОВАНИЯ
- •5.2 МАНСЕЛЛОВСКИЙ АТЛАС ЦВЕТОВ
- •Манселловская светлота
- •Манселловский цветовой тон
- •Манселловская насыщенность
- •Манселловский атлас цветов
- •5.3 ШВЕДСКАЯ СИСТЕМА ЕСТЕСТВЕННЫХ ЦВЕТОВ (NCS)
- •5.4 ЦВЕТОСПЕКТРАЛЬНАЯ КООРДИНАТНАЯ СИСТЕМА
- •5.5 ПРОЧИЕ КООРДИНАТНЫЕ СИСТЕМЫ
- •Равномерные цветовые шкалы OSA
- •Система Оствальда
- •5.6 ПРИМЕНЕНИЕ ЦВЕТОВЫХ КООРДИНАТНЫХ СИСТЕМ
- •Цветовые координатные системы в экспериментах со зрением
- •Цветовые координатные системы в живописи и дизайне
- •Цветовые координатные системы и обмен информацией о цвете
- •Цветовые координатные системы в образовании
- •Цветовые координатные системы в математической оценке моделей цветового восприятия
- •Цветовые координатные системы в системах визуализации изображений
- •Ограничения цветовых координатных систем
- •5.7 ЦВЕТОВЫЕ ИМЕННЫЕ СИСТЕМЫ
- •Пантонная система
- •Прочие системы
- •6 ФЕНОМЕНЫ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •6.1 ЧТО ТАКОЕ ФЕНОМЕНЫ ЦВЕТОВОГО ВОСПРИЯТИЯ?
- •6.2 СИМУЛЬТАННЫЙ КОНТРАСТ, ОКОНТУРИВАНИЕ И СМАЗЫВАНИЕ
- •Симультанный контраст
- •Оконтуривание
- •Смазывание
- •6.3 ЭФФЕКТ БЕЦОЛЬДА — БРЮККЕ
- •6.4 ЭФФЕКТ ЭБНЕЯ
- •6.5 ЭФФЕКТ ГЕЛЬМГОЛЬЦА — КОЛЬРАУША
- •6.6 ЭФФЕКТ ХАНТА
- •6.7 ЭФФЕКТ СТИВЕНСА
- •6.8 ЭФФЕКТ ХЕЛЬСОНА — ДЖАДДА
- •6.9 ЭФФЕКТ БАРТЛЕСОНА — БРЕНЕМАНА
- •6.10 КОГНИТИВНОЕ ОБЕСЦВЕЧИВАНИЕ ОСВЕТИТЕЛЯ
- •6.11 ПРОЧИЕ КОНТЕКСТНЫЕ И СТРУКТУРНЫЕ ЭФФЕКТЫ
- •Двухцветные проекции
- •6.12 КОНСТАНТНОСТЬ ЦВЕТА?
- •7 УСЛОВИЯ ПРОСМОТРА
- •7.1 КОНФИГУРАЦИЯ ПОЛЯ ЗРЕНИЯ
- •Стимул
- •Проксимальное поле
- •Окружение
- •7.2 КОЛОРИМЕТРИЧЕСКАЯ СПЕЦИФИКАЦИЯ ПОЛЯ ЗРЕНИЯ
- •7.3 ЗРИТЕЛЬСКАЯ ИНТЕРПРЕТАЦИЯ
- •Интерпретация «Осветитель»
- •Интерпретация «Освещение»
- •Интерпретация «Поверхность»
- •Интерпретация «Объем»
- •Интерпретация «Пленка»
- •7.4 ЕЩЕ ОБ ИЗОЛИРОВАННЫХ И НЕИЗОЛИРОВАННЫХ ЦВЕТАХ
- •Изолированный цвет
- •Неизолированный цвет
- •8 ХРОМАТИЧЕСКАЯ АДАПТАЦИЯ
- •8.1 СВЕТОВАЯ, ТЕМНОВАЯ И ХРОМАТИЧЕСКАЯ АДАПТАЦИИ
- •Световая адаптация
- •Темновая адаптация
- •Хроматическая адаптация
- •8.2 ФИЗИОЛОГИЯ
- •Зрачковый рефлекс
- •Рецепторный контроль усиления
- •Субтрактивные механизмы
- •Высокоуровневые механизмы адаптации
- •Адаптация к движущимся стимулам
- •8.3 СЕНСОРНЫЕ И КОГНИТИВНЫЕ МЕХАНИЗМЫ
- •Сенсорные механизмы
- •Когнитивные механизмы
- •Твердая копия и экранное отображение
- •Временной аспект адаптации
- •8.4 СОГЛАСОВАННЫЕ ЦВЕТОВЫЕ СТИМУЛЫ
- •Асимметричное соответствие
- •Гаплоскопическое соответствие
- •Согласование по памяти
- •Величинная оценка
- •Сравнения по разным носителям
- •8.5 МОДЕЛИ
- •8.6 ВЫЧИСЛЕНИЕ ЦВЕТОВОЙ КОНСТАНТНОСТИ
- •9 МОДЕЛИ ХРОМАТИЧЕСКОЙ АДАПТАЦИИ
- •9.1 МОДЕЛЬ ФОН КРИЗА
- •9.2 РЕТИНЕКСНАЯ ТЕОРИЯ
- •9.3 МОДЕЛЬ НАЯТАНИ
- •Модель Наятани
- •9.4 МОДЕЛЬ ГУТА
- •9.5 МОДЕЛЬ ФЕРШИЛЬДА
- •10 МОДЕЛИ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •10.1 ОПРЕДЕЛЕНИЕ МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •10.2 СТРУКТУРА МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •10.3 CIELAB
- •Псевдофонкризовский расчет смены хроматической адаптации
- •10.4 ПОЧЕМУ НЕ ТОЛЬКО CIELAB?
- •10.5 ЧТО НАМ ДЕЛАТЬ С CIELUV?
- •11 МОДЕЛЬ НАЯТАНИ
- •11.1 ЦЕЛИ И ПОДХОД
- •11.2 ВХОДНЫЕ ДАННЫЕ
- •11.3 МОДЕЛЬ АДАПТАЦИИ
- •11.4 ОППОНЕНТНЫЕ ЦВЕТОВЫЕ РАЗМЕРНОСТИ
- •11.5 СУБЪЕКТИВНАЯ ЯРКОСТЬ
- •11.6 СВЕТЛОТА
- •11.7 ЦВЕТОВОЙ ТОН
- •11.8 ЧИСТОТА ЦВЕТА
- •11.9 НАСЫЩЕННОСТЬ
- •11.10 ПОЛНОТА ЦВЕТА
- •11.11 ОБРАТНАЯ МОДЕЛЬ
- •11.12 ПРОГНОЗИРОВАНИЕ ФЕНОМЕНОВ
- •11.13 ПОЧЕМУ НЕ ТОЛЬКО МОДЕЛЬ НАЯТАНИ?
- •12 МОДЕЛЬ ХАНТА
- •12.1 ЦЕЛИ И ПОДХОД
- •12.2 ВХОДНЫЕ ДАННЫЕ
- •12.3 МОДЕЛЬ АДАПТАЦИИ
- •12.4 ОППОНЕНТНЫЕ ЦВЕТОВЫЕ РАЗМЕРНОСТИ
- •12.5 ЦВЕТОВОЙ ТОН
- •12.6 ЧИСТОТА ЦВЕТА
- •12.7 СУБЪЕКТИВНАЯ ЯРКОСТЬ
- •12.8 СВЕТЛОТА
- •12.9 НАСЫЩЕННОСТЬ
- •12.10 ПОЛНОТА ЦВЕТА
- •12.11 ОБРАТНАЯ МОДЕЛЬ
- •12.12 ПРОГНОЗИРОВАНИЕ ФЕНОМЕНОВ
- •12.13 ПОЧЕМУ НЕ ТОЛЬКО МОДЕЛЬ ХАНТА?
- •13.1 ЦЕЛИ И ПОДХОД
- •13.2 ВХОДНЫЕ ДАННЫЕ
- •13.3 МОДЕЛЬ АДАПТАЦИИ
- •13.4 ОППОНЕНТНЫЕ ЦВЕТОВЫЕ РАЗМЕРНОСТИ
- •13.5 СВЕТЛОТА
- •13.6 ЦВЕТОВОЙ ТОН
- •13.7 НАСЫЩЕННОСТЬ
- •13.8 ЧИСТОТА ЦВЕТА
- •13.9 ОБРАТНАЯ МОДЕЛЬ
- •13.10 ПРОГНОЗИРОВАНИЕ ФЕНОМЕНОВ
- •13.11 ПОЧЕМУ НЕ ТОЛЬКО RLAB?
- •14 ПРОЧИЕ МОДЕЛИ
- •14.1 КРАТКИЙ ОБЗОР
- •14.2 МОДЕЛЬ ATD
- •Цели и подход
- •Входные данные
- •Модель адаптации
- •Оппонентные цветовые размерности
- •Корреляты восприятия
- •Предсказание феноменов
- •14.3 МОДЕЛЬ LLAB
- •Цели и подход
- •Входные данные
- •Модель адаптации
- •Оппонентные цветовые размерности
- •Корреляты восприятия
- •Цветовые отличия
- •Прогнозирование феноменов
- •15 МОДЕЛЬ CIECAM97s
- •15.1 ИСТОРИЯ ВОЗНИКНОВЕНИЯ, ЦЕЛИ И ПОДХОД
- •15.2 ВХОДНЫЕ ДАННЫЕ
- •15.3 МОДЕЛЬ АДАПТАЦИИ
- •15.4 КОРРЕЛЯТЫ ВОСПРИЯТИЯ
- •15.5 ОБРАТНАЯ МОДЕЛЬ
- •15.6 ПРОГНОЗИРОВАНИЕ ФЕНОМЕНОВ
- •Входные данные
- •Хроматическая адаптация
- •Корреляты восприятия
- •Обратная модель
- •15.8 ПОЧЕМУ НЕ ТОЛЬКО CIECAM97s?
- •16 МОДЕЛЬ CIECAM02
- •16.1 ЦЕЛИ И ПОДХОД
- •16.2 ВХОДНЫЕ ДАННЫЕ
- •16.3 МОДЕЛЬ АДАПТАЦИИ
- •Примечание к расчету смены хроматической адаптации в CIECAM02
- •Оставшаяся часть модели адаптации, задействованной в CIECAM02
- •16.4 ОППОНЕНТНЫЕ ЦВЕТОВЫЕ РАЗМЕРНОСТИ
- •16.5 ЦВЕТОВОЙ ТОН
- •16.6 СВЕТЛОТА
- •16.7 СУБЪЕКТИВНАЯ ЯРКОСТЬ
- •16.8 НАСЫЩЕННОСТЬ
- •16.9 ПОЛНОТА ЦВЕТА
- •16.10 ЧИСТОТА ЦВЕТА
- •16.11 ДЕКАРТОВЫ КООРДИНАТЫ
- •16.12 ОБРАТНАЯ МОДЕЛЬ
- •16.13 РУКОВОДСТВО ПОЛЬЗОВАТЕЛЯ
- •16.14 ПРОГНОЗИРОВАНИЕ ФЕНОМЕНОВ
- •16.15 ПОЧЕМУ НЕ ТОЛЬКО CIECAM02?
- •16.16 ДАЛЬНЕЙШЕЕ РАЗВИТИЕ
- •17 ТЕСТИРОВАНИЕ МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •17.1 КРАТКИЙ ОБЗОР
- •17.2 КАЧЕСТВЕННАЯ ОЦЕНКА
- •17.3 ОЦЕНКА ПО СОГЛАСОВАННЫМ ЦВЕТОВЫМ СТИМУЛАМ
- •17.4 ОЦЕНКА ПУТЕМ КОЛИЧЕСТВЕННЫХ ЭКСПЕРИМЕНТОВ
- •17.5 НЕПОСРЕДСТВЕННОЕ ИСПЫТАНИЕ МОДЕЛЕЙ
- •17.6 ДЕЯТЕЛЬНОСТЬ CIE
- •17.7 ВИЗУАЛЬНАЯ ОЦЕНКА МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •18 ЦЕЛЕВОЕ НАЗНАЧЕНИЕ МОДЕЛЕЙ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •18.1 ЦВЕТОПЕРЕДАЧА ИСТОЧНИКОВ ОСВЕЩЕНИЯ
- •Методы и рекомендации
- •Применение моделей цветового восприятия
- •Перспективы развития
- •18.2 ЦВЕТОВЫЕ ОТЛИЧИЯ
- •Методы и рекомендации
- •Применение моделей цветового восприятия
- •Перспективы развития
- •18.3 ИНДЕКСЫ МЕТАМЕРИЗМА
- •Методы и рекомендации
- •Применение моделей цветового восприятия
- •Перспективы развития
- •18.4 ЕДИНАЯ КОЛОРИМЕТРИЧЕСКАЯ СИСТЕМА?
- •19.1 СУТЬ ПРОБЛЕМЫ
- •19.2 УРОВНИ ЦВЕТОВОСПРОИЗВЕДЕНИЯ
- •1. Спектральное цветовоспроизведение
- •2. Колориметрическое цветовоспроизведение
- •3. Точное цветовоспроизведение
- •4. Эквивалентное цветовоспроизведение
- •5. Согласованное цветовоспроизведение
- •6. Выделенное цветовоспроизведение
- •19.3 МОДИФИЦИРОВАННЫЙ НАБОР УРОВНЕЙ ЦВЕТОВОСПРОИЗВЕДЕНИЯ
- •1. Произвольное цветовоспроизведение
- •3. Колориметрическое цветовоспроизведение
- •4. Цветовоспроизведение по восприятию
- •5. Приоритетное цветовоспроизведение
- •19.4 ОБЩАЯ СХЕМА
- •19.5 КАЛИБРОВКА И ХАРАКТЕРИЗАЦИЯ УСТРОЙСТВ
- •Три подхода к характеризации устройств
- •Характеризация путем физического моделирования
- •Характеризация путем эмпирического моделирования
- •Характеризация путем полного измерения
- •Виды колориметрических измерений
- •Блик, метамеризм осветителя и флуоресценция
- •Блик
- •Метамеризм осветителя
- •Флуоресценция
- •19.6 ПОТРЕБНОСТЬ В МОДЕЛЯХ ЦВЕТОВОГО ВОСПРИЯТИЯ
- •19.7 УСЛОВИЯ ПРОСМОТРА
- •19.8 ПРОСМОТРО%НЕЗАВИСИМОЕ ЦВЕТОВОЕ ПРОСТРАНСТВО
- •19.10 ЦВЕТОВЫЕ ПРИОРИТЕТЫ
- •Культурологические акценты приоритетного цветовоспроизведения
- •19.11 ОБРАТНЫЙ ПРОЦЕСС
- •19.12 ОБРАЗЦОВАЯ СИСТЕМА
- •Пространство связи профайлов
- •20 МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ КАК МОДЕЛИ БУДУЩЕГО
- •20.1 ОТ ЦВЕТОВОГО ВОСПРИЯТИЯ К ВОСПРИЯТИЮ ИЗОБРАЖЕНИЙ
- •Колориметрия изображений
- •Уравнения цветовых отличий
- •Отличие изображений
- •Цветовое восприятие
- •Восприятие изображений и их качество
- •Модели цветового восприятия и модели восприятия изображений
- •20.3 МОДЕЛЬ ОТЛИЧИЯ ИЗОБРАЖЕНИЙ
- •Блок пространственной фильтрации
- •Блок пространственной локализации
- •Блок детекции локального контраста
- •Карта цветовых отличий
- •20.4 ВОСПРИЯТИЕ ИЗОБРАЖЕНИЙ И ИХ ВИЗУАЛИЗАЦИЯ
- •Шкалы восприятия
- •Оценка цветовых отличий
- •Симультанный контраст
- •Оконтуривание
- •Смазывание
- •20.5 МЕТРИКА ОТЛИЧИЙ И МЕТРИКА КАЧЕСТВА ИЗОБРАЖЕНИЙ
- •20.6 ТЕКУЩЕЕ ПОЛОЖЕНИЕ ДЕЛ И НАПРАВЛЕНИЯ РАЗВИТИЯ
- •Единая модель цветового восприятия?
- •Прочие модели цветового восприятия
- •Текущее научное тестирование моделей
- •Текущее положение дел
- •Общая схема действий
- •ЛИТЕРАТУРА
Г Л А В А 2 0 |
МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ |
ных краях: общепризнано то, что зрительная система человека очень чувстви тельна в плане краевой детекции. Для учета данной особенности зрения был разработан блок пространственной локализации, который так же прост, как обработка изображения по т.н. ядру расширения контуров (edge enhancing kernel). Последнее, кстати говоря, должно меняться в зависимости от расстоя ния просмотра. Альтернативно: CSF могут быть изменены для усиления неко торой высокочастотной информации.
Структура и прикладная ценность алгоритмов краевой детекции хорошо описана Марром (1982).
Блок детекции локального контраста
Блок детекции локального контраста отвечает за выявление отличий в ло кальном и общем контрастах сравниваемых изображений. Прикладная цен ность такой обработки в реальных системах визуализации описана Толхарстом и Хигером (1997).
Текущее исполнение блока детекции локального контраста основано на не линейном маскировании, работающем по принципу усиления локального кон траста (Морони [2000]), то есть: низкочастотное маскирование изображения используется для генерации серии тон репродукционных кривых, основанных как на общем контрасте изображения, так и на взаимоотношениях между еди ничным пикселом и ближайшими к нему соседними пикселами.
Карта цветовых отличий
На выходе модели отличия изображений находится т.н. карта цветовых от личий (%Im), отражающая воспринимаемую величину ошибки по каждой паре пикселов данного пространственного положения в оригинале и в репродукции. Отметим, что карта весьма полезна для выявления специфических или систе матических ошибок в цветовоспроизводящей системе.
Карту цветовых отличий позволительно (и даже нужно) упрощать: путем ак куратных манипуляций со статистической информацией ее данные можно пред ставлять в виде диаграммы минимальных (или максимальных) отличий или диаграммы стандартной девиации. Выбор категории статистических данных оп ределяется прикладной задачей, например: диаграмма минимальных ошибок больше подойдет для описания общего отличия между оригиналом и репродук цией, тогда как диаграмма максимальных лучше опишет пороговые отличия.
20.4 ВОСПРИЯТИЕ ИЗОБРАЖЕНИЙ И ИХ ВИЗУАЛИЗАЦИЯ
Рис. 20.3 демонстрирует рабочую структуру iCAM в контексте тонового мэп пинга HDR изображений.
Ядром процесса является инверсия IPT модели в набор неких пространст венно константных параметров условий просмотра и установка пространст венных фильтров на адаптирующие стимулы. Несмотря на то, что оптималь ные параметры для визуализации HDR изображений пока еще окончательно
406
Г Л А В А 2 0 МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ
|
|
Гауссовская |
|
|
|
низкочастотная фильтровка |
|
Только |
|||
2-sigma = 1/4 ширины изображения |
|||
яркостная |
величина ~4 |
||
адаптация |
|
||
|
|
Сцена |
Низкая |
Y-низкая |
|
|
(изображение) |
частота |
частота |
Y-низкая |
|
|
|
|
|
|
|
|
|
частота |
Инверсия для |
XYZ ñòèì. |
XYZ адапт. |
Y àáñ. |
Y окружения |
|
|
|
|
|
визуализации |
MCAT02 |
MCAT02 |
|
CIECAM02 FL-функция |
|
|
|
|
|
|
|
RGB ñòèì. |
|
|
|
RGB адапт. |
|
|
|
|
|
Èç IPT â RGB |
|
|
|
|
|
|
|
Норм. диапазон |
||||
|
|
|
|
|
|
|
|
|
|
|||
(фиксированная степень) |
|
|
|
CAT |
|
FL |
FL |
îò 1.0 äî 1000 cd/m2 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
(ìèí. 0.3) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
RGB адаптированные |
|
|
|
|
||||
|
|
|
|
|
|
|
|
Возведено в IPT-степень 0.43 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
3x3 степенная 3x3 |
Степени |
|
|
Èç RGB â XYZ |
|
|
||
|
|
|
|
|
(фикс. адаптация) |
IPT |
|
|
|
|
|
|
|
|
|
Прямоуг. |
öèë. |
|
|
Èç XYZ â RGB |
JCH |
Светимостн. |
QM |
|
|
|
завис. |
||
характеризованного устр-ва |
|
|
|
|
визуализации |
|
|
|
|
Рис. 20.3 Функциональные узлы iCAM, отвечающие за тоновый мэппинг HDR изображений.
не выработаны, вполне удовлетворительные результаты можно получить, если использовать установки, показанные на рис. 20.3 (детали см. у Джонсона и Фершильда [2003]).
iCAM успешно применяется для прогнозирования различных феноменов цветового восприятия (хроматической адаптации [согласованные цветовые стимулы], постоянства цветового тона, симультанного контраста, оконтурива ния и смазывания) и его шкалирования (Фершильд и Джонсон, 2002).
Задействованный в iCAM расчет смены хроматической адаптации такой же, что и в CIECAM02, и работает он только в отношении тех ситуаций, при кото рых меняется статус хроматической адаптации (то есть при смене белой точки). В свое время ТС8 01 потратил множество усилий на то, чтобы разработать дан ный расчет, и ясно, что не существует никакой иной модели с лучшим его ис полнением (хотя и имеются эквивалентные варианты). Таким образом, модель смены хроматической адаптации, заложенная в iCAM — это лучшее, что есть сегодня.
Шкалы восприятия
При эталонных условиях просмотра шкалы восприятия iCAM модели иден тичны IPT шкалам. Отметим также, что по сравнению с иными пространства ми восприятия IPT сегодня является лучшим по контурам постоянного цвето
407
Г Л А В А 2 0 |
МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ |
вого тона (что радикально облегчает работу алгоритмов гамут мэппинга и по вышает их точность). К тому же, предикторы светлоты и насыщенности в iCAM весьма точны и вполне сопоставимы с таковыми у лучших моделей цветового восприятия (при работе в типичных условиях просмотра). Сказанное справед ливо также и в отношении субъективной яркости и полноты цвета.
В экстремальных условиях просмотра работа iCAM (равно как и работа иных моделей) начинает ухудшаться, однако же именно экстремальные усло вия просмотра позволяют выявить весь потенциал модели. Чтобы «научить» iCAM работать в экстремальных условиях, по этим условиям понадобятся до полнительные экспериментальные данные.
Оценка цветовых отличий
Оценка цветовых отличий в iCAM аналогична таковой в CIELAB (поскольку при эталонных условиях просмотра оба пространства весьма схожи друг с дру гом), и, таким образом, процедура вычисления цветовых отличий заурядна, но может быть улучшена за счет использования CIE94 формул (использование CIEDE2000 в iCAM не рекомендуется, поскольку эти формулы очень сложны и подогнаны под специфические недостатки CIELAB пространства, в частно сти под недостоверность контуров постоянного цветового тона).
Симультанный контраст
Симультанный контраст (или индукция) смещает восприятие стимула в ту или иную сторону (по оппонентным осям) в зависимости от цвета фона: на рис. 20.4 показан стимул, демонстрирующий светлотный симультанный кон траст (серые квадратики на всех трех фонах физически идентичны), а также его прогноз, выполненный iCAM (прогноз представлен iCAM предиктором светлоты). Отметим, что высокой точности данного прогноза содействует учет эффектов локальной адаптации.
Оконтуривание
Оконтуривание — это феномен, при котором цветовые отличия между дву мя стимулами оказываются перцепционно больше, если цвет фона подобен цве ту самих стимулов: на рис. 20.5 показан стимул, демонстрирующий оконтури вание по насыщенности и ее прогноз, выполненный iCAM (прогноз представлен предиктором насыщенности). Отметим, что точности данного прогноза содей ствует учет эффектов локальной адаптации.
Смазывание
Смазывание — это пространственный феномен цветового восприятия, при котором общий цветовой тон пространственно сложных областей изображения заполняет собой смежные участки. Рис. 20.6 предлагает пример смазывания, при котором красный цветовой тон решетки кольца «растекается» на все коль
408
Г Л А В А 2 0 |
|
|
|
|
|
|
|
МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 20.4 (а) — оригинальный стимул; (b) — iCAM J карта (светлотная), иллюстрирующая про гноз симультанного контраста.
Рис. 20.5 (а) — оригинальный стимул; (b) — iCAM С карта, иллюстрирующая прогноз оконту ривания по насыщенности.
Оригинал взят с www.hpl.hp.com/personal/Nathan_Moroney/.
цо. Отметим, что прогноз смазывания — это интегральная картина прогнозов цветовых тонов по всем элементам изображения.
Точности прогноза смазывания способствует пространственная фильтра ция, выполняемая iCAM.
Визуализация HDR%изображений
Одной из наиболее интересных областей применения iCAM является воспро изведение HDR изображений (число которых сегодня стремительно растет) на
409
Г Л А В А 2 0 |
|
|
МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ |
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(b) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
(a) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 20.6 (а) — оригинальный стимул; (b) — iCAM h карта (по цветовому тону), иллюстрирую щая прогноз смазывания.
системах с низким динамическим диапазоном. Изначально HDR изображения были получены путем компьютерной имитации, то есть были рассчитаны с по мощью т.н. алгоритма общей освещенности (методы трассировки луча или мо делирования световых потоков) или с помощью регистрации изображений пу тем многократного экспонирования (диапазон яркостей реальных сцен, осо бенно тех, в которых виден источник освещения, часто превышает шесть по рядков).1
Следует отметить, что в последнее время стали широко доступны промыш ленные цифровые системы, способные сравнительно легко регистрировать HDR данные, благодаря чему пользователи цифровых камер в самое ближай шее время получат возможность фиксировать сцены с огромными динамиче скими диапазонами. К сожалению, визуализация и использование HDR дан ных еще долго будет затруднена, поскольку цветовоспроизводящие системы (даже высшего качества) ограничены динамическим диапазоном 2D.
Одним из подходов к решению проблемы HDR визуализации является т.н. интерактивная визуализация изображения, предполагающая оператив ный выбор тех его областей, что должны быть оптимально отображены данной системой. Отметим, однако, что метод применим лишь к мониторам, но нико им образом не к отпечаткам.
Еще одним ограничением HDR визуализации является необходимость ра боты с данными, разрядность кодирования которых превышает 24 бит (8 бит на канал. — Прим. пер.) и которые часто имеют плавающую точку. Высокая раз
1То есть больше, чем 6D. — Прим. пер.
410
Г Л А В А 2 0 |
МОДЕЛИ ВОСПРИЯТИЯ ИЗОБРАЖЕНИЙ |
рядность весьма желательна при прямой (то есть, не интерактивной) визуали зации HDR векторной графики, дабы обеспечить восприятие, сходное с вос приятием реальных сцен; если же предполагается визуализация реалистич ных изображений на отражающих носителях (печать) — высокая разрядность кодирования не просто желательна, но крайне необходима.
Паттанайк (1998) дает краткий обзор некоторых алгоритмов визуализации HDR изображений, и стоит отметить, что ряд страниц посвящен весьма инте ресной системе SIGGRAPH 2002 (Фатталь и колл., 2002; Дуранд и Дорси, 2002; Рейнхард и колл., 2002).
Поскольку iCAM содержит блоки учета локальной адаптации и контроля локального контраста, и поскольку кодирование в зрительной системе челове ка имеет довольно низкий динамический диапазон, модель может быть исполь зована для визуализации HDR изображений.
Рис. 20.7 иллюстрирует использование iCAM для HDR визуализации (взято с www.debevec.org). Изображения в левой колонке — линейная визуализация оригинальных HDR значений (нормированных на энергетический максимум), демонстрирующая то, насколько данные оригинального диапазона выходят за границы типичной 24 битовой (8 бит на канал RGB) визуализации. К примеру, изображения верхнего ряда имеют динамический диапазон, превышающий 6D, т.к. через оконные витражи пробивается солнце.
Изображения средней колонки представляют результат стандартной визуа лизации HDR данных с помощью т.н. интерактивного поиска оптимального степенного преобразования, именуемого также «гамма коррекцией» (идею ло гарифмирования мы отметаем, поскольку результат будет почти таким же, как в первой колонке). К изображениям пришлось применить преобразование со степенью (гаммой), равной примерно 1/6 (в отличие от типичных 1/1.8 или 1/2.2), дабы «вытащить» детали из теней. Несмотря на то, что гамма коррек ция успешно визуализирует большую часть данных HDR изображения, она имеет ряд существенных недостатков, а именно:
—требует обязательного участия пользователя;
—«выбеливает» (wash out) репродукцию, лишая ее достоверности и визу альной соотносимости с оригинальной сценой;
—способствует появлению в тенях изображения артефактов квантования (теневых шумов. — Прим. пер.).
Правая колонка демонстрирует результат обработки HDR оригинала iCAM моделью, выполнившей учет локальной адаптации и контроль локаль ного контраста (см. рис. 20.3): на обоих изображениях динамический диапазон сцены сжат, дабы сделать ее тени видимыми и сохранить полноту цвета объек тов. То есть, мы видим, что iCAM воспроизвела изображения как вполне прием лемые репродукции HDR сцен (что эквивалентно результатам селективного недо /переэкспонирования, от века применявшегося в традиционной фотопе чати). Любопытно также и то, что изображения, визуализированные при помо щи iCAM, были обсчитаны по автоматическому алгоритму, имитирующему че ловеческое восприятие, но исключающему интерактивное участие пользовате ля (Джонсон и Фершильд, 2003).
411