Хант Р.В.Г. Цветовоспроизведение

Подождите немного. Документ загружается.

35.19.4.2 По перцепционным координатам

По данным результатов цветового восприятия (перцепционным данным), пред

ставляющим собой средние показатели светлоты, субъективной яркости, полноты

цвета и цветового тона, а также по соответствующим трехстимульным значениям, тес

товая процедура была следующей.

На основании трехстимульных значений стимулов модель прогнозировала величи

ны светлоты, субъективной яркости, полноты цвета и цветового тона. Разность между

экспериментальными данными (V) и предикторами модели (Р) выражалась в виде ко

эффициентов изменчивости (CV), вычисляемых по уравнению:

CV =100

(–)

()

VP n

где n — количество образцов, а i — конкретный образец со своим набором данных.

Предикторы светлоты и цветового тона сравнивались с экспериментальными дан

ными напрямую.

К предикторам субъективной яркости подбирался некий шкалирующий коэффи

циент, который позволял аппроксимировать экспериментальные данные. То же вы

полнялось по прогностическим показателям полноты цвета.

В итоге умножением среднего значения CV по каждому набору данных на количе

ство фаз в данном наборе, суммированием и последующим делением на общее количе

ство фаз получали средневзвешенное CVзначение. Разумеется, в случае идеальной

модели CVзначение должно быть равным нулю.

35.19.5 Результаты

Средневзвешенные результаты оказались следующими:

CIECAM97s Типичный

наблюдательский

разброс

DE по согласованным стимулам

4.8 4

DE по согласованным стимулам,

но без данных МакКанна

4.2 4

CV по светлоте 11 13

CV по полноте цвета 19 18

CV по цветовому тону 7 8

CV по субъективной яркости 13 10

Результаты по согласованным стимулам приведены также за вычетом данных

МакКанна, поскольку последние дали ощутимо больший разброс, чем остальные на

боры. Дополнительно приведены отличия по единичному наблюдателю от соответст



вующих средних данных по группе из шести человек. Мы видим, что отличия эти весь



811

ГЛАВА 35 МОДЕЛЬ CIECAM97S

ма схожи со средним отличием предикторов CIECAM97s от данных, полученных экс



периментально.

Наконец, отметим, что поскольку данные психометрического шкалирования субъ

ективной яркости были представлены лишь в материалах Бартлесона и Бренемана

(Bartleson, 1980) по отражающим отпечаткам и проектированным слайдам (рис. 35.13 и

35.14), то, разумеется, тестирование модели шло в сравнении лишь с этими данными.

35.20 СЛАЙДЫ

Если всю поверхность слайда прикрыть равномерно окрашенным фильтром, то при

проекционном показе он будет восприниматься как неприкрытый, поскольку наблю

датель очень легко адаптируется к хроматическому балансу проекционных изображе

ний. Однако если прикрыть фильтром лишь какойто один элемент изображения, то

восприятие этого элемента изменится радикально.

Примером данного феномена может являться слайд, на котором изображена де

вушка в белой блузке, откинувшаяся на желтую подушку. Если весь слайд прикрыть

голубым фильтром, то проекционное изображение этого слайда хоть и становится

чутьчуть «холоднее», но в целом выглядит так же, как и в нефильтрованном вариан

те. Но если фильтр прикрывает только подушку, то на проекционном изображении

она выглядит зеленой.

CIECAM97s «умеет» прогнозировать такого рода эффекты, что проиллюстрирует

следующая таблица:

Подушка Блузка

Состав цветового

тона

Полнота

цвета

Состав цветового

тона

Полнота

цвета

Слайд без фильтра 95Y 5R 42 73Y 27R 11

Подушка под фильтром 78G 22Y 47 73Y 27R 11

Слайд под фильтром 19G 81Y 44 9B 91G 15

Поскольку в данном эксперименте, вероятно, имеет место частичное ментальное

обесцвечивание осветителя, Dпоказатель (степень хроматической адаптации) полага

ют равным

{}

1 2 1 1 2 300+- + +FF L L[()( )]

35.21 ВЛИЯНИЕ ФОТОМЕТРИЧЕСКОЙ ЯРКОСТИ ЭКРАНА

НА КАЧЕСТВО ПРОЕКЦИОННЫХ ИЗОБРАЖЕНИЙ

CIECAM97s «умеет» прогнозировать влияние фотометрической яркости экрана на

качество проекционных изображений — см. рис. 35.15, на котором также даны дан

ные Бартлесона по субъективной яркости и полноте цвета элементов изображений

(Bartleson, 1965).

812

ГЛАВА 35 МОДЕЛЬ CIECAM97S

813

ГЛАВА 35 МОДЕЛЬ CIECAM97S

Рис. 35.13 Логарифм субъективной яркости (Log Q) предметного стимула как функция от лога

рифма его фотометрической яркости в кд/м

(Log L) при четырех уровнях освещенности, даю

щих фотометрические яркости тестового белого (в логарифмических единицах) соответствен

но:

log( )5L

3.5, 2.5, 1.5 и 0.5. Кружки: экспериментальные данные. Линии: предикторы

CIECAM97s.

Рис. 35.14 То же, что и на рис. 35.13, но по элементам проекционных изображений со слайдов

в темном просмотровом окружении при пяти вариантах фотометрической яркости экрана:

log( )5L

4.5, 3.5, 2.5, 1.5 и 0.5, где 5L

— это фотометрическая яркость тестового белого. Круж

ки: экспериментальные данные. Линии: предикторы CIECAM97s.

35.22 ПОСЛЕДОВАТЕЛЬНОСТЬ ШАГОВ CIECAM97S

Входные данные модели: Цветность Фотометрическая

яркость

Стимул от образца при тестовом освещении

xy Y

Опорный белый стимул при тестовом освещении

(тестовый белый)

Стимул, создаваемый фоном при тестовом освещении

Опорный белый стимул при эталонном освещении

(эталонный белый)

Фотометрическая яркость адаптирующего поля при

тестовых условиях (кд/м

) L

Обычно принимается равной 1/5

фотометрической яркости тестового белого

Параметры окружения:

сN

Среднее окружение, образец захватывает >4° 0.69 1.0 0.0 1.0

Среднее окружение 0.69 1.0 1.0 1.0

Тусклое окружение 0.59 0.95

1.0 0.9

Темное окружение 0.525 0.8 1.0 0.9

Листовые слайды (в просмотровом устройстве) 0.41 0.8 1.0 0.9

В оригинале данное значение равно 1.1, но практика использования модели показала, что

предпочтительным является 0.95 (Li, Luo и Hunt, 2000).

Параметры фона:

NN . /n

BB CB

()==07251

zFn

=+1

, где

nY/Y=

Если цветность фона отлична от цветности тестового белого, то вместо

nY/Y=

ис

пользуется

nY Y=

Шаг 1

Расчет величины колбочковых псевдооткликов (RGB) по исследуемому образцу:

zxy=- -1

BFD

, где

BFD

0 8951 0 2664 0 1614

0 7502 1 7135 0 0367

0 0389

.. .

...

. 0 0685 10296..

814

ГЛАВА 35 МОДЕЛЬ CIECAM97S

Аналогично:

— из x

, y

и Y

вычисляются псевдоотклики по тестовому белому (R

, G

, B

);

— из x

, y

и Y

вычисляются псевдоотклики по фону (R

, G

, B

);

— из x

, y

и Y

вычисляются псевдоотклики по эталонному белому (R

, G

, B

Шаг 2

Вычисление степени хроматической адаптации:

DFF LL=+ - + +1 1 2 300[()( )]

Если хроматическая адаптация полная (полное когнитивное обесцвечивание осве

тителя), то D = 1.0; если адаптации вообще нет (первый момент после смены условий

просмотра), то D = 0; если адаптация неполна, то есть осветитель обесцвечен лишь час

тично, то

{}

DFFLL=+-+ +1 2 1 1 2 300[()( )]

Шаг 3

Расчет псевдооткликов (R

) на согласованный стимул по эталонным условиям

из псевдооткликов (RGB) на тестовый стимул:

[]

RDRR DR

GDGG DG

BDBB

cwrw

=+-

(/)

[]

DB B

BDBB DB B pBB

при

при , где

cwrw wwr

=- + - < =

(/) ( )

.0834

815

ГЛАВА 35 МОДЕЛЬ CIECAM97S

Рис. 35.15 Кривая: типичные средние значения десятичного логарифма суммы показателей

субъективной яркости элементов проекционного изображения и показателей полноты их цвета

при галогенных лампах накаливания и темном просмотровом окружении. Кружки: относи

тельные величины качества изображений при разных фотометрических яркостях экрана (дан

ные Бартлесона). По оси абсцисс отложены логарифмированные значения фотометрической

яркости тестового белого при оптической плотности вуали слайда 0.3.

Аналогично:

—изR

, G

и B

вычисляются согласованные псевдоотклики по эталонному белому

, G

, B

);

—изR

, G

и B

вычисляются согласованные псевдоотклики по фону в эталонных

условиях (R

, G

, B

Шаг 4

Вычисление

F.kL .(k L

LA A

() )()=+-02 5 011 5

442

, где

kL=+15 1()

Шаг 5

Вычисление подлинных колбочковых откликов:

HBFD

–1

HBFD

wc w

–1

где:

BFD

0 98699 0 14705 0 15996

0 43231 0 51836 0 04926

...

0 00853 0 04004 0 96849...

.. .

0 38971 0 68898 0 07868

0 22981 118340 0 04641

000 00 100-

Шаг 6

Вычисление согласованных фотометрических яркостей фона и эталонного белого

стимула:

YRGBY

bc bc bc bc b

=++

(. . . )

0 43231 0 51836 0 04929

0 43231 0 51836 0 04929RG BY

wc wc wc w

++..)

а также вычисление

nY/Y=

NN . /n

BB CB

()==07251

(если

,то

и, следовательно,

; аналогично по G и B, следовательно

Y/Y Y/Y

Шаг 7

Вычисление постадаптационных подлинных колбочковых откликов (r

[]

()

40 100

100 2

073

[]

()

40 100

100 2

073

[]

()

40 100

100 2

073

816

ГЛАВА 35 МОДЕЛЬ CIECAM97S

[]

()

40 100

100 2

073

[]

()

40 100

100 2

073

[]

()

40 100

100 2

073

если

r<0

, то используется выражение:

[]

()

40 100

100 2

073

и аналогично по уравнениям для r

, g

и b

Шаг 8

Вычисление оппонентных откликов и угла цветового тона:

Оппонентные отклики

по краснозеленой оси

a//=- +rg b

aa a

12 11 11

Оппонентные отклики

по желтозеленой оси

b/=+-()( )

aa a

19 2rg b

Угол цветового тона

hb/a=arctan( )

Шаг 9

Применение следующих значений однозначных цветовых тонов:

Красный Желтый Зеленый Синий

20.14 90.00 164.25 237.53

0.8 0.7 1.0 1.2

Вычисление:

ee e e hh/h h=+ - - -

121 1 21

()()( )

где e

и h

— это соответственно eиhвеличины однозначных цветовых тонов, имею

щих ближайшее меньшее значение h, а e

и h

— eиhвеличины однозначных цвето

вых тонов, имеющих ближайшее большее значение h.

Вычисление квадратуры цветового тона:

hh/e

h h /e h h /e

-+-

11 2 2

100( )

()()

817

ГЛАВА 35 МОДЕЛЬ CIECAM97S

где H

— это 0, 100, 200, либо 300, согласно однозначным красному, желтому, зелено



му и синему соответственно, а h —величина однозначного цветового тона, имеющего

ближайшее меньшее значение к цветовому тону исследуемого стимула.

Вычисление состава цветового тона (H

Шаг 10

Вычисление ахроматических откликов:

[]

A/.N

A/.

=++ -

2120205

212020

rg b

aa a

wawaw aw

()

[]

5 N

Шаг 11

Вычисление предиктора светлоты:

JA/A

=100( )

где

zFn

=+1

Шаг 12

Вычисление предиктора субъективной яркости:

Q . /c J/ A

=+()()( )

124 100 3

067 09

Шаг 13

Вычисление предикторов чистоты цвета, насыщенности и полноты цвета:

ab e/NN

50 100 10 13

120

() ()

(2 )

aa a

rg b

C.s J/ . .

..n n

=-2 44 100 164 0 29

069 067

()( )

MCF

015

35.23 ИНВЕРСИЯ CIECAM97S

Входные данные: Q или J, M или C, H или h. А также Q

, A

, полученные

при прямом использовании модели по тестовому белому и фону в тестовых условиях

(если

, то

Y/Y Y/Y

Параметры окружения: F, c, F

, N

Параметры уровня фотометрической яркости адаптирующего поля и параметры

степени адаптации: L

, D.

Однозначные цветовые тона:

Красный Желтый Зеленый Синий

20.14 90.00 164.25 237.53

0.8 0.7 1.0 1.2

818

ГЛАВА 35 МОДЕЛЬ CIECAM97S

Обратный шаг 1

Получение J из Q:

JQc A=+100 1 24 3

1067

09 067

(/.) ( )

./.

Обратный шаг 2

Получение А из J:

AJ A

=()100

где

zFY/Y

=+1

()

Обратный шаг 3

Использование Н, позиционирование h

, h

, e

, где e

и h

— это соответственно e

и hвеличины однозначных цветовых тонов, имеющих ближайшее меньшее значение

h, а e

и h

— eиhвеличины однозначных цветовых тонов, имеющих ближайшее боль

шее значение h.

Обратный шаг 4

Вычисление h:

HH he he he

HH e e e

---

()( )

111 22 11

11 2 1

100

1 1 100

где H

— это 0, 100, 200 или 300 (согласно однозначным красному, желтому, зеленому

или синему цветовым тонам) в зависимости от того, чему равно ближайшее меньшее

значение h.

Обратный шаг 5

Вычисление:

ee e e

=+ -

121

()

где e

и h

— это соответственно eиhвеличины однозначных цветовых тонов, имею

щих ближайшее меньшее значение h, а e

и h

— eиhвеличины однозначных цвето

вых тонов, имеющих ближайшее большее значение h.

Обратный шаг 6

Вычисление С:

CMF=

0.15

Обратный шаг 7

Вычисление s:

1069

067

1069

2 44 100 1 64 0 29

[. ( ) (. . )]

где

nY/Y=

819

ГЛАВА 35 МОДЕЛЬ CIECAM97S

Обратный шаг 8

Вычисление a и b:

sAN

eN N s

+++

(.)

[(tan)][ ][( )

205

1 50000 13 11 23

h ( )(tan )]108 23 h

;

в данном уравнении при расчете А вместо коэффициента 2.05 используется 3.05; при

вычислении

[(tan)]1

+ h

результат берется положительным, если

090£<h

, отрица

тельным, если

90 180£<h

или если

180 270£<h

, и положительным, если

270 360£<h

ba= (tan )h

Обратный шаг 9

Вычисление:

=+++( )( . ) ( )( ) ( )( )2061 205 4161 1123 28861 123AN a b

=+--

( )( . ) ( )( ) ( )( )

(

20 61 2 05 81 61 11 23 261 61 1 23AN a b

b 2061 205 2061 1123 2061 31523)( .)()()()( )AN a b

+- -

Если при вычислении А использовался коэффициент 3.05, то он же должен приме

няться и в данном уравнении.

Обратный шаг 10

Вычисление:

La a

r= [ r r ]

g= [ g g

100 2 2 41

1073

()()

]

b= [ b b ]

1073

100 2 2 41

()()F

La a

Если

-<10

, то используется выражение:

Laa

r= [ r r ]-- +100 2 2 39

1073

()()

и аналогично по g и b. Разделив каждое из трех выражений на F

, получим величины

r, g и b.

Обратный шаг 11

Вычисление:

BFD H

–1

, где

-1 91019 111214 0 20195

0 37095 0 62905 0 00000

...

00000 0 00000 100000..

820

ГЛАВА 35 МОДЕЛЬ CIECAM97S