데이터 시각화의 색 부호화

Color coding in data visualization

오늘날[1] 데이터 시각화는 정보 기술, 즉 전자 디스플레이의 통계 기법[2] 및 색상 코딩과 결합하여 유능한 시각화 소프트웨어로 컴퓨터에서 처리되는 빅데이터로 인해 그 중요성을 달성하고 있다.이 기사는 데이터 시각화의 색 부호화에 관한 것이다.

컬러 코딩의 기원은 루브릭, 카토그래피 4색 정리, 자크 베르틴의 1967년 저서 세미올로기 그래피크(그래픽의 미학) 등이 있다.[3]데이터 시각화를 위한 컨템포러리 컬러 코딩은 통계, 컬러 기술, 디스플레이, 컴퓨팅의 4가지 기술로 가능하다.통계학자인 존 터키와 에드워드 터프테는 1977년 각각의 랜드마크 책 "탐구적 데이터 분석[5]"과 1982년 "정량적 정보의[6] 시각적 표시"에서 데이터의[4] 시각화를 절차화했다.그들은 색의 사용을 강조하지 않았다.다른 이들은 표시된 정보의 시각적 검색 속도를 높이고 [8]관심 있는 정보를 찾고[9] 정리하기[10] 위해 색상 코딩의 우수성을[7] 입증했다.색상 코드 데이터 시각화를 위한 세 번째 전제조건은 고해상도, 고대비, 고휘도 컬러 전자 디스플레이다.Honeywell Corporation과[11] Boeing Corporation은[12] 컬러 디스플레이를 사용하는 데 여전히 유용한 기술 데이터를 수집했다.최근에는 미국 연방항공청이 자체 유연 컬러 디스플레이에 동적(항공 교통) 데이터 시각화를 위한 기술 지침을[13] 발표했다.

인간은 색으로 구분된 시각적 검색을 수행하는 선천적인 능력을 가지고 있다.훈련이나 연습이 없으면 컬러 코딩이 없는 동일한 정보 디스플레이를 검색하는 것에 비해 컬러 코딩이 있는 검색 시간을 10배 이상 줄일 수 있다.예를 들어, 그림 1a는 색상 코딩 없이 장기간 검색하는 반면, 그림 1b는 색상 코딩이 데이터를 보다 두드러지게 만드는 것을 보여준다.

그림 1a와 b.32점, 24점 또는 16점 중 어느 카테고리의 별들이 가장 적은가?전체 화면 세부 정보를 보려면 그림을 클릭하십시오.

  • Stars for a visual search demo, find the least-represented B&W category.svg
  • Color coded visual search. Which category of stars is least numerous?.svg

데이터 검색 및 그룹화를 위한 색상 코딩의 기초

컬러 코딩 시각화

컬러 코딩은 데이터 시각화에 다양한 응용이 가능하다.일반적인 원칙은 색의 민감도를 표시된 정보의 관련성과 일치시키는 것이다.[14]검색 대상자에게 검색 대상 품목의 색상이 주어지거나, 경험에 따라 검색 대상 범주의 색상을 알 수 있다.대안적으로, 그들의 업무는 다른 색상으로 표시되고 대상 색상이 주어지지 않은 다른 항목을 찾아야 할 수 있다.

예를 들어 패턴을 강조하거나 신속한 검색을 위해 두드러진 색상을 사용할 수 있다.

  • 특정 정보의 경우-지리적 플롯에 있는 항목 또는 정보
    • 군사 상황 전시의[15] 우호적이고 적대적이며 중립적인 세력들 사이에서.
    • 기상 지도에[16].
    • 지리학, 지형학, 건강, 정치, 경제, 인구통계학, 기술 또는 항공학 데이터[17] 중에서
    • 지도[18][19] 제작을 위해.
  • 을 과학적으로 시각화하여
  • 다음과 같은 흐름도를 따라
    • 산업 프로세스 흐름에서 입력 흐름, 출력 흐름, 저장고, 혼합 챔버 및 응축 타워 등
    • 프로젝트 흐름도
    • 공정 흐름도
    • 판매 흐름도
    • 조직도
    • 금전상의 흐름.
    • 원인과 결과도
  • 다음과 같은 통계적 시각화 내에서

컬러 코딩의 또 다른 적용은 시각화된 데이터에 대칭을 표시하는 것이다.[21]색상 코딩은 예를 들어 플롯의 추세나 신경 코넥텀의 축의 연속성을 연결하고 풀 수 있다.색상에 기초하여 검색하거나 그룹화하는 선천적인 기술의 새로운 적용이 여전히 발명되고 있다. 예를 들어, 네트워크,[22] 도로 채색 정리, 열 지도,[23] 게놈,[24] 게놈 구조 변화,[25] 게놈 브라우저,[26] 분자와 같은 공간 데이터 등이 그것이다.[27]색상 코딩은 낯선 데이터에서 특이치와 오류를 시각화하는 유틸리티가 있다.

색상 코딩은 표시된 데이터의 시각화 이외의 목적으로도 사용된다.데이터 시각화는 그러한 다른 용도를 보완하거나 반박하지 않는다.예를 들어 신호등과 같은 다른 맥락에서 색의 의미가 확립되어 있을 때 충돌이 가능한 경우, 데이터 시각화 색 코드의 색상을 선택할 때 그러한 의미를 존중해야 한다.

시각화된 정보를 찾는 데 필요한 시간

시각적 검색은 사카데라고 불리는 빠른 비자발적 및 잠재의식적 눈 움직임을 통해 이루어진다[28].눈은 육안 탐색 중에 초당 약 3회의 사카데미를 만든다.그러한 눈의 움직임은 인간의 인지적 수행을 제약한다.[29]검색은 움직임과 위치를 처리하고 사카데를 제어하기 위해 뇌의 신경망을 포함한다.[30]이 신경망은 색과 변화에 민감하다; 색과 플래시 코딩(임시 변화 밝기)은 상호 간섭 없이 서로를 보완하여 검색 속도를 높일 수 있다.[31]

디스플레이에 검색할 항목이 없는 경우 특정 항목을 찾기 위해 N/2 사카드가 필요한 경향이 있다.[32]초당 3번의 사카데미를 주어진다면, N/(2*3) = N/6초는 N 중에서 하나의 항목을 찾기 위한 검색 시간을 추정하는 것이다.추정치는 반응 시간(초 단위)을 추가함으로써 개선된다. N개의 표시된 항목 중에서 목표 항목을 찾는 데 예상 검색 시간은 1 + N/6초와 같다.[32]이 추정치는 경험적 검색 시간과 일치한다.[33][34]이러한 상황에서 색 코드화된 검색 시간은 뚜렷한 목표 색상을 공유하는 디스플레이의 정보 항목 수에 따라 선형적으로 증가한다.[35]또한, 예를 들어, 연속 경로나[34] 표시 레이아웃[36] 또는 데이터 그림 설계와 같이 대상 색상이 공간적으로 정리될 때 검색이 더 빠르다.[37]

검색 시간은 지수 통계 분포를 가진다.[38]지수 분포에서 변동성(표준 편차)은 기대값 또는 평균과 같다.예상 검색 시간이 증가함에 따라 검색 시간의 변동성도 증가한다.검색 시간이 길다는 것은 매우 긴 검색을 의미한다.예를 들어 디스플레이에 30개의 다른 검색 항목(N=30)이 랜덤하게 분포돼 있어 예상 검색 시간은 6초지만 검색의 5%가 18초 이상 지속된다.유사한 결과는 표 1을 참조하십시오.

표 1.
검색 항목 수 5 6 7 8 9 10 15 20 30
목표 찾기 예상 시간(초) 1.8 2.0 2.2 2.3 2.5 2.7 3.5 4.3 6.0
(초)보다 긴 검색 비율 5% 5.5 6.0 6.5 7.0 7.5 8.0 10.5 13 18

예상 검색 시간이 짧으면 평균 검색 시간이 길어지는 것과 관련하여 허용할 수 없을 정도로 긴 검색을 방지한다.잠재적 표적 수와 함께 검색 시간의 선형적 증가와 검색 시간의 지수적 분포(표 1 참조)를 바탕으로 대상의 색상을 공유하는 표시 항목을 약 11초 미만으로 제한하면 거의 항상 검색 시간이 10초 미만으로 유지된다.[17] 분산된 항목의 하위 집합(다른 색상)을 검색 이외의 목적으로 그룹화하는 것이 목적이라면 더 많은 항목이 대상 색상을 공유할 수 있다.[39]

색상 코딩을 위한 두드러진 색상 선택

색상 코딩은 정보를 보다[40] 두드러지게 할 수 있다(그림 1b 참조).구별 가능한 색상 코드는 중요한 목표 색상을 공유하지 않는 모든 항목에 의한 검색 간섭을 줄이거나 제거한다.[41]코딩을 위해 구별되는 색을 선택하는 정성적, 주관적 방법은 몇 가지 색상으로 제한된다.[42]컬러 엔지니어링은 자체 발광 컬러 디스플레이가 등장하기 [43]전 최대 대비의 22가지 페인트 색상을 달성했다.컴퓨터 화면과 같은 자체 발광 장치는 페인트와 같은 반사 재료로 달성할 수 있는 것보다 더 높은 조명(와이더 컬러 게이머트), 더 높은 해상도(더 작은 기호 및 이미지 세그먼트), 더 높은 대비(배경과의 더 높은 차이)가 가능하다.이러한 자체 발광 디스플레이의 특성은 아래와 같이 컬러 코딩 기회와 문제를 야기한다.

전자 표시 데이터의 색상 코드 시각화를 위해 고유 색상을 선택하는 객관적 방법은 디스플레이의 게이머트 내에서 사용할 수 있는 색상의 색상[44] 좌표를 고려하는 것이다.일반적으로 색상은 3개의 좌표(R, G, B)로 표시되며, 각각은 8비트 표현의 경우 0부터 255까지의 범위로 표시된다.가장 널리 사용되는 색상 표현은 sRGB로 알려진 RGB의 변종이며, 장치에 의존하는 RGB 색상 표현도 사용된다.장치에 의존하는 RGB 표현의 장점은 장치가 RGB 광 방출기를 사용할 경우 특정 장치에서 생산될 수 있는 모든 색상을 지정할 수 있다는 것이다.대부분의 디스플레이는 RGB 광 방출기를 사용하지만 샤프코퍼레이션이 생산하는 쿼트론 디스플레이와 같은 다주 컬러 디스플레이 대안이 존재한다.

그림 2.컬러 코딩에 적합한 일부 두드러진 색상은 디스플레이의 컬러 게이머트 외경부에 위치한다.각 색상의 (R, G, B) 좌표는 해당 색상의 육각형으로 표시된다.
그림 3.겉보기 색 유사성과 계산된 색 차이 사이의 관계에 대한 개략도 요약.빨간 선은 여기서 가장 관련이 깊다.그림 3의 다른 라인은 아래에 설명될 것이다.

광학 측정은 색상 코드의 각 색상 쌍 간의 색상 차이를 계산하는 데 사용할 수 있다.여기에는 디스플레이에서 사용할 수 있는 색상의 삼분율 값을 분광-방사적으로 측정하는[44] 것이 포함된다.트리스티물루스 값(X, Y, Z)은 색차 계산에 사용되는 장치 독립적인 색 좌표다.예를 들어, 그레이스케일의 상관관계인 휘도는 Y tristimulus 값이다.[45]CIEDE2000 또는 CIECAM02 색차 공식은 큰 색차 구별성의 지표로서 통계적으로 우수하다.[46]일반적으로 색차 계산은 적녹색 차이에 더 비중을 두고, 효과의 순서에서 청황색 차이와 휘도(즉, 회백색 척도) 차이에 덜 비중을 둔다.[44]

대상 색상과 색상 차이가 작은 코드 색상은 검색 시간이나[34] 눈 움직임 측면에서 측정했을 때 산만한 색상이 대상 색상과 비슷하게 보이게 한다.[46]표적과 색상 차이가 큰 전시품목은 목표물의 만족도에 지장을 주지 않는다.[34]그림 3은 시각화 중 색상 유사성 또는 편의성 및 계산된 색상 차이 사이의 관계를 요약한 것이다.[46]색상 코드에서 가장 유사한 색상을 식별(그리고 색상 차이로 구분)하는 규율은 코드 색상을 선택하는 데 어떤 방법을 사용하든 유용할 것이다.

n개의 색상을 가진 코드에는 n(n-1)/2쌍의 색상이 있으며(그림 4 참조) 각 쌍은 색상 차이를 가진다.[47]색의 수가 증가함에 따라 색상 차이가 확산되기 위해서는 체계적이고 알고리즘적이며 자동화된 색 선택 방법이 필요하다.예를 들어, 항공 차트는[17] 28가지 색상으로 색상 코딩되어, 한 쌍의 378가지 색상의 차이를 나타낼 수 있다.

그림 4.색상 코드의 색상 쌍의 수, 즉 색상 차이는 색상 수가 증가함에 따라 빠르게 증가한다.

서로의 맥락에서 볼 수 있는 여러 색상의 편리함이 최적화될 수 있다.반면large-enough 색 차이( 보그림 3)방해하지 않기 때문에 가장 작은 색 차이 검색에 방해가 되는, 최적화 objective[48]을 하기 위해서 색상 코드 C.에 뚜렷한 색깔의 큰 숫자(n)를 도출하기 위해, n-color의 n(n-1)/2 색 차이점 중에 최소 계산된 색 차를 극대화 하는 것입니다우리특정 디스플레이의 게이머트에 맞춰 맞춤이 기본적인 방법은 산업용으로 정교하게 만들어졌다.[49]이 방법은 디스플레이에서 반사되는 주변 조도를 고려하여 적용되었다.[50]최적화 방법이 대안적 목적 함수로 확장되었다.[51]복잡한 표시 상황[52][53] 및 작은 기호에 적용되었다.[54]기술적 색 측정과[44] 최적화된 색 차이는 표시장치의 전체 게이머트와 인간의 색 구별 능력을 이용하는 몇 가지 대안의 동등하게 효과적인 코드를 생성할 수 있다.대체 코딩 선택의 이러한 가용성은 사전 설정된 의미를 가진 아프로포스 색상을 사용하거나 부적절한 색상을 피할 수 있게 한다.

정보이용 편의성을 위한 색상 코딩의 실제적 문제

기호 크기가 색상 만족도에 영향을 미침

물체들 사이의 명백한 색 차이는 보는 물체의 시각적인 각도에 따라 달라진다. 기호가 작을수록 색 차이가 줄어든다.[54]계산된 색상 차이는 2도 시각적 미분법을 가정한다.예를 들어 엄지 손톱 관절(엄지 끝에서 손톱만큼의 관절까지)은 팔 길이에서 약 2도의 시각적 미분법으로 나타난다.일반적인 표시 기호는 겨우 7분 또는 2도의 1/16보다 작을 수 있다.[55]이러한 사실의[56] 맥락에서 이 점을 고려하십시오.

  1. 망막에 사실상 단파장(파란색) 감지 세포가 보이지 않는 시선(LOS) 주위의 직경 20분 디스크,
  2. 그것들은 단지 모든 일광 수용기의 약 7%를 구성한다.
  3. 청색 감지 세포는 가장 가까운 곳(로스 도 이내)에서 약 4분 간격으로 있으며, 편심도가 더 큰 8분 간격으로 증가한다.

이러한 이유로 파란색 구분(트라이탄 라인에 있는 색상)은 작은 기호로 인해 손실된다.[56]이것을 작은 시야의 트리타노피아라고 하는데, 그것은 작은 시야 사이의 푸르스름-차이에 대한 색 결핍으로 모두가 대상인 것이다.따라서 작은 기호에 대한 코딩 색상을 선택할 때 (즉, 태양과 달의) 각도 미분양의 약 30분 미만이면 블루스 차이를 할인(또는 고려에서 제외)해야 한다.[57]푸른색을 포함하지 않는 색의 차이조차도 기호의 크기가 줄어들면 희미해지는 것처럼 보인다(파란색보다 작더라도).예를 들어, 물체는 더 작은 시각적 미분법으로 추세에 따라 더 어둡게(낮은 빛) 나타난다. 같은 휘도를 가진 더 큰 영역은 더 작은 영역보다 더 가벼워 보인다.[54]그레이스케일 차이를 포함한 겉보기 색 차이에 대한 시각적 미분법의 효과를 추정할 수 있다.[58] 기호의 작은 시각적 미묘는 동일한 디스플레이 게이머트에서 두드러지거나 심지어 구별할 수 있는 색상이 적다는 것을 의미한다.[54] 코드 색상은 2도 시각적 미분법을 가진 기호의 색 차이가 최소 14CEDE2000 단위인 경우 또는 더 작은 미분법에 대해 추정된 것과 동등한 색 차이가 있는 경우 두드러진다.[58]예를 들어, 1.5-degree-by-0.75-degree visual-search 목표 Williams[32]이 사용하는 특징들의 색 차이 적어도 21CIEDE2000대로 인상에 대한;약 21살 넘어 특징은 한층 더 발전하지 않았다.두드러진 색의[46](최소 색 차 값이 95%confid의 하한에 해당한다.인용된 과학 문헌의 간격)그림 3의 파란색 선과 화살표는 계산된 색상 차이의 함수로서 겉보기 색 유사성에 대한 작은 시각적 미분법(< 2도 시야각)의 효과를 요약한다.[55]표시된 기호나 다른 영상 세그먼트에 의해 소계된 시각 각도를 정밀하게 측정하거나 계산할 수 있다.

색시력 결핍은 상징적인 만족도에 영향을 줄 수 있다.

유전된 색 결핍의 가장 흔한 형태는 적녹색 혼돈을 포함한다.[59]이러한 색채 인식 혼돈은 긴(예: 적색) 파장이나 중간(예: 녹색) 파장을 감지하기 위한 망막 세포의 결핍에 기인한다.[56]빨간색이나 녹색은 해당 세포가 부족한 사람들에게 더 어두워 보일 것이다.기호의 작은 시각적 미분법 또는 희귀한 형태의 색 결핍증(트리타노피아)은 (망막의 단파장 감지 세포에 의한 희박한 샘플링으로 인해) 블루도 차이를 고갈시킨다.색 결핍이나 작은 시각적 미분(예: 원거리 시야)을 피할 수 없는 일반 사용을 위한 색 코드는 다른 코드 색상과 배경 휘도에서 휘도를 구별할 수 있는 흰색, 검은색, 주황색 및 그릴이다.[42]이것은 긴 파장 또는 중간 파장을 감지할 수 있는 능력을 가진 사람이 멀리 보는 것을 가정한다.가시 거리가 30분 이상 컬러 코딩 기호의 시각적 미분류를 보장하면 부족한 단파장 감지 셀의 희귀성으로 인해 파란색(그러나 검은색보다 차별적으로 가벼운)을 추가할 수 있다.(그림 1b 참조)

심지어 회색조 지각도 색의 결핍에 의해 영향을 받을 수 있다.[60]장파장 감지 세포(중수소 세포)를 보유하는 적녹색-색채 결핍 관찰자는 적색에 가까운 색 차이를 정확하게 판단한다.[60]따라서 색 결핍 관찰자를 위한 최상의 색 코드는 색 결핍의 유형에 따라 달라질 수 있다.

영상이 색상이 부족한 관찰자에 의해 보기 위해 향상될 수 있다.[61]권장되는 방법은 색상을 보완하기 위한 가장자리 강화, 기억 및 패턴 중첩이다.세 가지 종류의 이미지가 구상된다: 자연 장면, 과학적인 시각화 또는 사무실 문서.어떤 기술도 모든 응용 프로그램의 요건을 충족시키지 못한다.

그림 5.기호와 배경 사이의 휘도 차이가 기호의 가독성에 어떤 영향을 미치는지에 대한 시연.가로 줄무늬와 세로 메시지 색상은 각각 일정한 색이다.

색상 코딩 맥락에서의 가독성

가독성은 위에서 논의한 편의성과는 다르다.가독성은 선명하고 뚜렷하게 보이는 가장자리, 모양, 공간적 디테일과 관련이 있으며, 따라서 읽기와 관련이 있다.기호의 판독성은 기호가 표시되는 배경과 기호 사이의 휘도 차이(색상 차이가 아님)에 따라 달라진다.그림 5는 호주 건축가 폴 그린-아미타주(Paul Green-Armytage)가 제시한 개념으로 휘도 차이가 가독성에 미치는 영향을 보여준다.[62]이 때문에 밝은 흰색 바탕에 노란색(고휘도 색상)이 잘 보이지 않고, 반대로 흰색 기호도 노란 바탕에 잘 보이지 않는다.짙은 청색(저조도 색상) 기호는 검은 바탕에 잘 보이지 않으며, 반대로 검은 글자는 짙은 푸른 바탕에 잘 보이지 않는다.이것은 흰 바탕에 노란색이 두드러지고 검은 바탕에 파란색이 눈에 띄었음에도 불구하고 말이다.시각화된 항목들 간의 적절한 색상 차이를 갖는 것은 항목과 배경 사이의 적절한 휘도 차이로 가독성을 가능하게 하고, 그것과 상호 호환된다.판독성을 활성화하기 위해 필요한 휘도 차이를 정량화하는 자원이 있다.

데이터 시각화를 위한 중요한 도구인 그레이스케일

휘도는 가독성에 미치는 영향 외에도 그레이스케일에도 영향을 미친다.밝기와 밝기 차이는 색차이의 그레이스케일 속성이라 기호의 눈에 잘 띄는 데 영향을 줄 수 있다.그레이스케일은 색상 시야가 부족한 사람이 접근할 수 있으며,[60] 작은 시각적 미분해 때문에 (색도 차이에 비해) 페이딩에 덜 취약하다.[58]그레이스케일(색도 차이보다는)은 날씨 지도 상의 온도 등 순서형 데이터를 코딩하는 데 특히 적합한 것으로 나타났다.[16][63]

백그라운드 휘도를 변경하면 선택한 각 백그라운드 휘도보다 크거나 작은 빛을 갖는 (아마도 컬러 코딩된) 기호 사이의 차이가 두드러진다.그림 3의 점 회색 선은 이러한 효과를 요약한다.Leon Williams는 이것을 관찰하고 그림 6에 예시된 바와 같이 데이터 슬라이싱이라고 하는 데이터 시각화 기법을 제안했다.[64]

  • Four Figures have the same dot data, this one had a high-luminance background.svg
  • Four files have the same dot data, this one has a high-intermediate background luminance.svg
  • Four files have the same dot data, this file has a low-intermediate background luminance.svg
  • Last of four dot luminance data displays, this one has a black (unilluminated) background.svg

그림 6a-d.데이터 슬라이싱 또는 이미지의 배경 휘도 변경은 다른 데이터를 보다 두드러지게 만들 수 있다.동일한 데이터의 복사본은 4개가 있으며, 각 복사본은 다른 배경 휘도를 가지고 있다.전체 화면 세부 정보를 보려면 그림을 클릭하십시오.

자체 유연 장치에 대한 Whittle logarithmic 그레이스케일 계산은[65] 표시된 기호들 중 휘도 차이의 시각적 효과를 정량화한다.가시성 한계치만큼 작은 수만큼의 동일한 감지[66] 차이(nEPD) 또는 초고속 크기를 계산할 수 있다.nEPD의 단위 크기는 휘도 변화에 대한 가시성의 절대 임계치의 서너 배이다.이 nEPD 장치는 전자 디스플레이를 무료로 볼 수 있는 "한 눈에 띄기만 할 뿐"이다.[65]

휘틀 계산은 네 가지 면에서 특이하다(회색 축척 공식 중).

  1. 배경 휘도를 포함한다.[65]
  2. 임계값[66] 및 일치 데이터를 기반으로 모든 광학(즉, 일광) 광도에 적용된다.[67]
  3. 그 파생상품은 의미가 있다.[68]
  4. 대조의 공간적 규모를 설명할 수 있다.[65]

백그라운드 휘도에 관한 nEPD의 파생상품(슬로프)은 최적의 백그라운드 휘도를 의미한다.[69]흰색 배경은 작은 기호의 가독성과 관련된 역사적 이유로 사용된다.그러나 이 휘도 범위에서 기호가 가질 수 있는 가시적으로 다른 회색 음영의 수를 최대화한다는 의미에서 흰색 배경이 최적인 기호 크기나 기호 휘도 범위는 없다. 최적의 배경은 큰 기호들 사이에서 보이는 회색 음영의 수를 두 배로 늘릴 수 있다. 최적의 배경 휘도는 0을 포함한 범위의 경우 항상 기호 휘도 범위의 최대 46% 미만이다.[70]

대비(예: 표시된 기호)는 배경과 휘도 차이가 있다.[65]대비 휘도는 음의 대비에 대한 배경 휘도보다 작을 것이고 대비 휘도는 양의 대비에 대한 배경 휘도를 초과할 것이다.대비 휘도와 관련된 nEPD의 파생 모델은 기호 및 배경 휘도의 일광 조합에 대한 대비 가시성(예: 디지털 이미지의 밴딩 방지) 임계값을 예측한다.[66][71]대조 휘도에 관한 위틀 계산의 파생상품은 또한 일광 목표와 배경 휘도의 모든 조합에 대해 휘도 차이 또는 변화에 대한 인간의 초자연 민감도를 정량화한다.[68]이 파생상품은 디지털 이미지 처리, 특히 히스토그램 사양과 밀접한 관련이 있어 의료용 이미지 윈도우 설정의 적용 가능성을 시사한다.[72]Whittle 계산은 밝기가 (대조 휘도가 증가함에 따라) 보이지 않는 (검은색) 배경과 마찬가지로 어떤 배경에서도 빠르게 증가하는 양의 대조의 크기를 보여준다.[68]덜 긍정적인 대조에서, 그리고 부정적인 대조에서 기호 빛은 기호의 배경 휘도에 따라 달라진다(Whittle 계산에 의해 설명되며, 밝기 항상성이라고 알려져 있다).표시장치 휘도-대조도 보정은[73] 업무상 중요한 애플리케이션에서 필요하다.

그림 7.10 아크 분(태양 또는 보름달 직경의 1/3)에 해당하는 광도형 E에 적용된 자체 유연 장치에 대한 휘틀 그레이스케일 계산 그림(CIE가[74] 채택함)이 그림에 대한 자세한 내용은 텍스트를 참조하십시오.

그림 7에서는 각 배경 휘도에 대해 다른 nEPD 곡선이 있다.각 곡선에서 가장 가파른 부분(기호 휘도의 단위 변화당 그레이스케일의 가장 큰 변화)은 배경 휘도와 거의 동일한 기호 휘도에 대한 것이다.각 곡선의 또 다른 비교적 가파른 부분은 왼쪽 끝에 있으며, 기호 휘도가 0에 가깝다.[68]음의 nEPD는 음의 대비에 해당하고 양의 nEPD는 양의 대비에 해당한다.각각의 배경에서 동일한 nEPD를 가진 기호는 다른 배경에도 불구하고 동일한 회색 음영으로 나타날 것이다.[75](다른 배경에서 볼 수 있는 이 그래이의 일치를 보여주는 그림 8을 참조하십시오.)휘틀 계산의 로그 곡률에는 합리적인 근거가 있다.[76]그림 7의 중간 배경 휘도 자체는 곡선들 사이에 보이는 그레이스케일 스텝의 수를 증가시켜, 그럴듯하게 최적의 배경 휘도를 만든다.

자체 발광 기기의 휘틀 계산에는 기호의 공간 스케일과 관련된 파라미터 k가 있다.[68](k)는 망막 영상이 되는 과정에서 안구 내 산란으로 인해 영상 대비(대상 휘도에서 배경 휘도)가 손실된 비율(0~100%)이다.[65]기호의 각도 미분법을 줄이면 (안경 내 산란으로 인한) 기호와 배경 사이의 물리적 휘도 차이가 항상 감소하므로 가독성과 두드러기가 감소하고 k가 증가한다.[65]이 매개변수 k는 그림 7에 나타낸 10아크분(k=0.2) 광도형 E의 그레이 스케일에 대한 것이었듯이 광학 원리로 계산할 수 있다.[70]기호 각도 미분법(k로 표시)이 감소하면 최적의 배경 휘도 또한 감소한다.[70]위틀 계산은 실험적으로 검증되었듯이 대조에서 멀리 떨어진 하이라이트의 영향을 받지 않는다.[77]원격 하이라이트가 그레이스케일 외관에 미치는 영향은 안구 내 산란 때문이다.[68]

그림 9.동일한 화환으로 6개의 회색조 육각형이 다른 배경 조명이다.좀 더 연한 배경은 그레이스케일을 어둡게 한다.
그림 8.이 그림은 다른 배경 조명을 가진 그레이의 매칭 개념을 보여준다.각 육각형마다 휘도가 다르다.보다 정확한 일치는 특정 시청 상황에 대해 계산할 수 있다.

자기 유연 기기에 대한 휘틀 계산으로 계산할 수 있는 그레이스케일 현상은 배경 조명성이 다른 그레이를 매칭하고 있다.[67]반대로 계산은 특정 대비 조도가 일치하는 배경 조명을 찾는 데 사용할 수 있다.계산에 따르면(그림 7에서 볼 수 있듯이), 음의 대비와 양의 대비를 일치시키는 것은 불가능하다; 음의 대비는 항상 양의 대비보다 어둡게 보인다.그림 8의 세 가지 일치(양 대비) 구름은 각각의 배경 육각형보다 휘도가 더 크다.3개(음조운)는 배경보다 휘도가 적고, 서로도 일치한다.

위틀 계산에 따르면, 더 밝은 배경과 함께 더 어두운 그레이를 달성할 수 있다.[65]그 효과는 더 큰 하위 작업에서 더 뚜렷하지만, 배경 휘도가 더 클 때 더 음성적인 nEPD가 달성되는 그림 7의 왼쪽 하단에서 볼 수 있다.그림 9는 그 효과를 예시한다; 위틀 계산에 따르면 동일한 육각형 시각표적은 배경이 더 빛날 때 더 어두운 회색(검은색 포함)으로 보인다.

지속적인 연구 개발

데이터 시각화 기술에 대한 연구와 개발이 계속되고 있다.예를 들어, 색차 계산을 개선하기 위한 연구와 개발이 진행 중이다.[78]이 연구 개발의 주된 동기는 산업 색채 공정(예: 식품, 페인트, 섬유, 플라스틱, 인쇄 및 자가 유연 디스플레이)에 대한 품질 관리를 위해 색차이의 최소 검출 가능한 임계값을 결정하는 것이다.임계값 결정을 위해 색상 차이 계산이 개선됨에 따라, 데이터 시각화와 관련된 초거대 애플리케이션에 적합하게 되었다.[46]그림 3의 관계가 처음 나타난 이후부터 2도 시각적 미분법과 더 작은 미분법을 위해 곡선 무릎의 (계산된 색차) 위치를 보다 정밀하게 결정하는 데 실질적인 관심이 있었다.[41][58]포괄성에 대한 일반적인 사회적 우려, 특히 수용 장애에 대한 사회적 우려는 색소 시력이 부족한 사람들을 위한 색 응용에 대한 연구를 자극했다.[61]안구 내 광학, 망막 cone-cell 반응, 시각 subtense의 영향, sight,[80]대기 광학 조명 빛의 라인에서 괴팍함과 같은 모든 요인을 포함한 연구(인스턴스 브라이언 Wandell와 데이빗 Brainard,[79]과 CIE[78]에 의해서)의 활기 찬 지역은 컴퓨터 모델링(예를 들어, 색)모습을 예측하기 위해서. 스펙트럼문맥과 색채의 적응.디스플레이 보정 방법, 예를 들어 데이터 시각화를 프로그래밍하는 사람으로부터 멀리 떨어진 디스플레이에 색을 선명하게 표시하고 디스플레이에 색을 보다 정확하게 렌더링하는 방법에 대한 연구가 있다.[81][82]HDR(High Dynamic Range) 디스플레이는 시각화에 가장 근사한 색상을 구현하며, HDR은 연구 활동 영역이다.[83]뇌의 시각적 경로와 회로에 대한 연구는 계속되고 있다;[30] 이 중 일부는 데이터 시각화와 이해와 관련이 있다.컬러 디스플레이 기술, 컴퓨터 및 소프트웨어의 독점적인 개발은 데이터 시각화를 개선한다.'비과학자가 실제 데이터를 활용해 인류에게 중요한 이슈를 소통할 수 있도록' 시각화에 예술적 색채코딩 기법을 적용하기 위한 연구가 있다.[84]

참고 항목

참조

  1. ^ Kirk, A (2019). Data Visualisation: A Handbook for Data Driven Design (2nd ed.). Thousand Oaks, CA: Sage.
  2. ^ Yau, N (2011). Visualize This: The Flowing Data Guide to Design, Visualization, and Statistics. Hoboken, NJ: Wiley. ISBN 978-0-470-94488-2.
  3. ^ Bertin, Jacques (1967). Sémiologie Graphique. Les diagrammes, les réseaux, les cartes. Paris: Gauthier-Villars.
  4. ^ Wainer, Howard; Friendly, Michael (2020). Data Visualization: A History of Visual Thinking and Graphic Communication. Harvard University Press.
  5. ^ Tukey, John Wilder (1977). Exploratory Data Analysis. Addison-Wesley. ISBN 978-0-201-07616-5.
  6. ^ Tufte, Edward (2001). The Visual Display of Quantitative Information (2nd ed.). Cheshire, CT: Graphics Press.
  7. ^ Williams, LG (1966). "The Effect of Target Specification on Objects Fixated During Visual Search". Perception and Psychophysics. 1 (5): 315–318. doi:10.3758/BF03207398. S2CID 143016062.
  8. ^ Christ (1975). "Review and Analysis of Color Coding Research for Visual Displays". Human Factors. 17 (6): 542–570. doi:10.1177/001872087501700602. S2CID 143323235.
  9. ^ Folk, CL (2015). "The role of color in voluntary and involuntary guidance of selective attention, Chapter 23". In Elliot, AJ; Fairchild, MD; Franklin, A (eds.). Handbook of Color Psychology. Cambridge, GB: Cambridge University Press. pp. 481–501. ISBN 978-1-107-04323-7.
  10. ^ Wong, B (2010). "Gestalt principles (Part II)". Nature Methods. 7 (12): 941. doi:10.1038/nmeth1210-941. S2CID 35716514.
  11. ^ Krebs, MJ; Wolf, JD; Sandvig, JH (1978). Color Display Design Guide. Minneapolis, MN: Honeywell Systems and Research Center.
  12. ^ Silverstein, LD; Merrifield, RM (1985). The development and evaluation of color systems for airborne applications (Report No. DOT/FAA/PM-85-19) (Defense Technical Information Center AD-A168563 1986 ed.). Washington DC: US Department of Transportation.
  13. ^ FAA Standard Practice, Color Use in Air Traffic Control System Displays. Washington DC: US Department of Transportation. 24 March 2020.
  14. ^ Wong, B (2011). "Salience to relevance". Nature Methods. 8 (11): 889. doi:10.1038/nmeth.1762. PMID 22148153. S2CID 8652127.
  15. ^ Chipman, Susan F. (June 2007). "Annex B – Visualisation Research and Development in the United States". Multimedia Visualisation of Massive Military Datasets (PDF) (Report). Research and Technology Organisation of NATO. ISBN 978-92-837-0067-8. RTO-TR-IST-021.
  16. ^ a b Breslow, LA; Trafton, JG; McCurry, JM; Ratwani, RM (2010). "An algorithm for generating color scales for both categorical and ordinal coding". Color Research and Application. 35: 18–28. doi:10.1002/col.20559.
  17. ^ a b c Schontz, WD; Trumm, GA; Williams, LG (1971). "Color coding for information location". Human Factors. 13 (3): 237–246. doi:10.1177/001872087101300304. PMID 5558217. S2CID 28424671.
  18. ^ Brewer, CA (1994). "Color Use Guidelines for Mapping and Visualization, Chapter 7". In MacEachren, AM; Taylor, DRF (eds.). Visualization in Modern Cartography. Tarrytown NY: Elsevier Science. pp. 123–147.
  19. ^ Brewer, CA (1994). "Guidelines for Use of the Perceptual Dimensions of Color for Mapping and Visualization". In Bares, J (ed.). Color Hard Copy and Graphic Arts III. Proceedings of the International Society for Optical Engineering (SPIE) (Vol 2171 ed.). San Jose CA: SPIE. pp. 54–63.
  20. ^ Wong, B; Shoresh, N (2012). "Data exploration". Nature Methods. 9 (1): 5. doi:10.1038/nmeth.1829. PMID 22312636. S2CID 20997239.
  21. ^ Chipman, SF (2020). "Towards a synthetic eye: Psychological issues in data visualization". ResearchGate. doi:10.13140/RG.2.2.31920.99841.
  22. ^ Gehlenborg, N; Wong, B (2012). "Networks". Nature Methods. 9 (2): 115. doi:10.1038/nmeth.1862. PMID 22396963. S2CID 29741258.
  23. ^ Gehlenborg, N; Wong, B (2012). "Heat Maps". Nature Methods. 9 (3): 213. doi:10.1038/nmeth.1902. PMID 27974286. S2CID 28870914.
  24. ^ Nielsen, C; Wong, B (2012). "Representing the genome". Nature Methods. 9 (5): 423. doi:10.1038/nmeth.1992. PMID 22803197. S2CID 6207156.
  25. ^ Nielsen, C; Wong, B (2012). "Representing genomic structural variation". Nature Methods. 9 (7): 631. doi:10.1038/nmeth.2018. PMID 22930825. S2CID 1878491.
  26. ^ Nielsen, C; Wong, B (2012). "Managing deep data in genome browsers". Nature Methods. 9 (6): 521. doi:10.1038/nmeth.2049. PMID 22874978. S2CID 5785111.
  27. ^ Gehlenborg, N; Wong, B (2012). "Into the third dimension". Nature Methods. 9 (9): 851. doi:10.1038/nmeth.2151. PMID 23097778.
  28. ^ Kotowicz, Andreas; Rutishauser, Ueli; Koch, Christof (2010). "Time course of target recognition in visual search". Frontiers in Human Neuroscience. 4 (Article 31): 31. doi:10.3389/fnhum.2010.00031. PMC 2859879. PMID 20428512.
  29. ^ Kieras, DE (2017), "Chapter 2", written at The Oxford Handbook of Cognitive Science, in Chipman, SEF (ed.), A summary of the EPIC Cognitive Architecture., New York: Oxford University Press, pp. 27–48
  30. ^ a b Furman, M (2014), Faingold, CL; Blumenthal, H (eds.), "Neuronal Networks in Brain Function, CNS Disorders, and Therapeutics; Chapter 19", Visual Network, New York: Elsevier, pp. 247–260
  31. ^ Van Orden, Karl; DiVita, J; Shim, MJ (1993). "Redundant use of luminance and flashing with shape and color as highlighting codes in symbolic displays". Human Factors. 35 (2): 195–204. doi:10.1177/001872089303500201. PMID 8349285. S2CID 15879572.
  32. ^ a b c Williams, LG (1966). "Target conspicuity and visual search". Human Factors. 8 (1): 80–92. doi:10.1177/001872086600800109. PMID 5966605. S2CID 26712216.
  33. ^ Cahill, MC; Carter, RC (1976). "Color code size for searching displays of different density". Human Factors. 18 (3): 273–280. doi:10.1177/001872087601800308. S2CID 111132459.
  34. ^ a b c d Carter, RC (1982). "Visual search with color". Journal of Experimental Psychology: Human Perception and Performance. 8 (1): 127–36. doi:10.1037/0096-1523.8.1.127. PMID 6460078.
  35. ^ Carter, RC; Cahill, MC (1978). "Regression models of search time for color-coded information displays". Human Factors. 20 (3): 293–302. doi:10.1177/001872087902100304. PMID 511182. S2CID 12964263.
  36. ^ Wong, B (2011). "Layout". Nature Methods. 8 (10): 783. doi:10.1038/nmeth.1711. PMID 22053339. S2CID 5463317.
  37. ^ Wong, B (2010). "Design of data figures". Nature Methods. 7 (9): 665. doi:10.1038/nmeth0910-665. S2CID 22865156.
  38. ^ Carter, RC (1982). "Search time with a color display: Analysis of distribution functions". Human Factors. 24 (2): 203–12. doi:10.1177/001872088202400206. PMID 7095808. S2CID 38762867.
  39. ^ Wong, B (2010). "Gestalt principles (Part I)". Nature Methods. 7 (11): 863. doi:10.1038/nmeth1110-863. PMID 21049588. S2CID 13604942.
  40. ^ Wong, B (2010). "Salience". Nature Methods. 7 (10): 773. doi:10.1038/nmeth1010-773. PMID 20936751. S2CID 34837264.
  41. ^ a b Carter, EC; Carter, RC (1981). "Color and Conspicuousness". Journal of the Optical Society of America. 71 (6): 723–9. Bibcode:1981JOSA...71..723C. doi:10.1364/JOSA.71.000723. PMID 7252614.
  42. ^ a b Wong, B (2010). "Color Coding". Nature Methods. 7 (8): 573. doi:10.1038/nmeth0810-573. PMID 20704014. S2CID 33475794.
  43. ^ Kelly, KL (1965). "Twenty-two Colors of Maximum Contrast". Color Engineering. 3: 26–27.
  44. ^ a b c d Berns, RS (2019). Billmeyer and Saltzman's Principles of Color Technology (4th ed.). New York: Wiley.
  45. ^ Wyszecki, Gunter; Stiles, W.S. (1982). Color Science: Concepts and Methods, Quantitative Data and Formulae (2nd ed.). New York: John Wiley and Sons. p. 157.
  46. ^ a b c d e Carter, RC; Huertas, R (2010). "Ultra-Large Color Difference and Small Subtense". Color Research and Application. 35: 4–17. doi:10.1002/col.20557.
  47. ^ Carter, RC (1983). "CIE L*u*v* equations for self-luminous displays". Color Research and Application. 8: 252–253. doi:10.1002/col.5080080414.
  48. ^ Carter, RC; Carter, EC (1982). "High-contrast sets of colors". Applied Optics. 21 (16): 2936–9. Bibcode:1982ApOpt..21.2936C. doi:10.1364/AO.21.002936. PMID 20396153.
  49. ^ Silverstein, LD; Lepkowski, JS; Carter, RC; Carter, EC (1986). Schlam, Elliott (ed.). "Modeling of display color parameters and algorithmic color selection". Proceedings of SPIE – the International Society for Optical Engineering, Advances in Display Technology VI. Advances in Display Technology VI. 624: 26–34. Bibcode:1986SPIE..624...26S. doi:10.1117/12.961221. S2CID 57237683.
  50. ^ DeCorte, W (1985). "High contrast sets of colours for colour CRTs under various conditions of illumination". Displays. 6 (2): 95–100. Bibcode:1985Displ...6...95D. doi:10.1016/0141-9382(85)90034-4.
  51. ^ DeCorte, W (1986). "Finding appropriate colors for color displays". Color Research and Application. 11: 56–61. doi:10.1002/col.5080110111.
  52. ^ DeCorte, W (1986). "Optimum colors, phosphors, and illuminant characteristics for CRT displays: the algorithmic approach". Human Factors. 28 (1): 39–47. doi:10.1177/001872088602800105. PMID 3710484. S2CID 110327602.
  53. ^ DeCorte, W (1988). "Ergonomically optimal CRT colours for nonfixed ambient illumination conditions". Color Research and Application. 13 (5): 327–331. doi:10.1002/col.5080130510.
  54. ^ a b c d Carter, RC; Silverstein, LD (2012). "Perceiving Color Across Scale: Great and Small, Discrete and Continuous". Journal of the Optical Society of America A. 29 (7): 1346–55. Bibcode:2012JOSAA..29.1346C. doi:10.1364/JOSAA.29.001346. PMID 22751398.
  55. ^ a b Carter, RC; Carter, EC (1988). "Color coding for rapid location of small symbols". Color Research and Application. 13 (4): 226–234. doi:10.1002/col.5080130407.
  56. ^ a b c Shevell, SK (2003). The Science of Color. Cambridge: Elsevier.
  57. ^ Albrecht, M (2010). "Color blindness". Nature Methods. 7 (10): 775. doi:10.1038/nmeth1010-775a. PMID 20885436.
  58. ^ a b c d Carter, RC; Silverstein, LD (2010). "Size Matters: Improved Color-Difference Estimation for Small Visual Targets". Journal of the Society for Information Display. 18: 17–28. doi:10.1889/JSID18.1.17.
  59. ^ Wong, B (2011). "Color blindness". Nature Methods. 8 (6): 441. doi:10.1038/nmeth.1618. PMID 21774112. S2CID 36690778.
  60. ^ a b c Kvitle, AK; Oddløkken, H; Green, PJ; Nussbaum, P (2018). "Methods for psychophysical assessment of colour difference by observers with a colour vision deficiency". Colour and Visual Computing Symposium (CVCS); 19th and 20th September, 2018. Gjøvik Norway: 1–6. doi:10.1109/CVCS.2018.8496594. ISBN 978-1-5386-5645-7. S2CID 53014475.
  61. ^ a b Enhancement of Images for Colour-Deficient Observers. Vienna: CIE. 2020. doi:10.25039/TR.240.2020. ISBN 978-3-902842-80-0.
  62. ^ Green-Armytage, Paul (2017). "Oral Presentation , with visual slides; AIC Conference, OS05-5 Design & Communication II, Monday 16th October 3-5PM". Colour as Trademarks – Clarification and limitations. Seogwipo, Jeju Korea: AIC, International Colour Association.
  63. ^ Gehlenborg, N; Wong, B (2012). "Mapping quantitative data to color". Nature Methods. 9 (8): 769. doi:10.1038/nmeth.2134. PMID 23019685. S2CID 5645863.
  64. ^ Williams, Leon G (1967). A study of visual search using eye movement recordings, Honeywell Document 12009-1R2, Contract NONR 4774(00). Saint Paul MN: Honeywell Corporation.
  65. ^ a b c d e f g h Whittle, P (1992). "Brightness, discriminability and the 'Crispening Effect'". Vision Research. 32 (8): 1493–1507. doi:10.1016/0042-6989(92)90205-W. PMID 1455722. S2CID 38768696.
  66. ^ a b c Carter, RC (2018). "Suprathreshold gray scale is implied by thresholds". Applied Optics. 57 (29): 8751–8756. Bibcode:2018ApOpt..57.8751C. doi:10.1364/AO.57.008751. PMID 30461954.
  67. ^ a b Carter, RC; Brill, MH (2014). "Calculation of Self-luminous Neutral Scale: How Many Neutral Steps Can You See on That Display?". Journal of the Society for Information Display. 22 (4): 177–186. doi:10.1002/jsid.234.
  68. ^ a b c d e f Carter, RC (2020). "CIE self-luminous gray-scale calculation: inflections, parameters, and high-contrast limiting behavior". Journal of the Optical Society of America A. 37 (1): 115–122. Bibcode:2020JOSAA..37..115C. doi:10.1364/JOSAA.37.000115. PMID 32118888.
  69. ^ Carter, RC (1997). "Gray-scale perceptions calculated: Optimum display background luminance". Applied Optics. 36 (8): 1705–1717. Bibcode:1997ApOpt..36.1705C. doi:10.1364/AO.36.001705. PMID 18250856.
  70. ^ a b c Yoon, G; Carter, RC (2020). "Intraocular scattering effects on color appearance". Unpublished.
  71. ^ Carter, RC (2019). "Suprathreshold gray scale is implied by thresholds: erratum". Applied Optics. 58 (12): 3133. Bibcode:2019ApOpt..58.3133C. doi:10.1364/AO.58.003133. PMID 31044787.
  72. ^ Carter, RC (2005). "Biological Gray Scale for Digital Imagery". Journal of Electronic Imaging. 14 (2): 023004-1–023004-10. Bibcode:2005JEI....14b3004C. doi:10.1117/1.1900135. ISSN 1017-9909.
  73. ^ Woods, RL; Goldstein, RB; Peli, E (2013). "Psychophysical contrast calibration". Vision Research. 90: 15–24. doi:10.1016/j.visres.2013.04.011. PMC 3744609. PMID 23643843.
  74. ^ Grey-scale calculation for self-luminous devices, TR 228-2018. Vienna: International Commission on Illumination. 2018. ISBN 978-3-901906-97-8.
  75. ^ Carter, RC (1993). "Gray scale and achromatic color difference". Journal of the Optical Society of America A. 10 (6): 1380–1391. Bibcode:1993JOSAA..10.1380C. doi:10.1364/JOSAA.10.001380.
  76. ^ Brill, MH; Carter, RC (2014). "Does Lightness Obey a Log or Power Law? Or Is That The Right Question?". Color Research and Application. 39: 99–101. doi:10.1002/col.21777.
  77. ^ Carter, RC; Sibert, L; Templeman, J; Ballas, J (1999). "Luminous backgrounds and frames affect gray-scale lightness, thresholds and suprathreshold discriminations". Journal of Experimental Psychology: Applied. 5 (2): 190–204. doi:10.1037/1076-898X.5.2.190.
  78. ^ a b Li, Changjun; Li, Zhiqiang; Wang, Zhifeng; Yang, Xu; Luo, Ming Ronnier; Cui, Guihua; Melgosa, Manuel; Brill, Michael H; Pointer, Michael (2017). "Comprehensive color solutions: CAM16, CAT16, and CAM16‐UCS". Color Research and Application. 42 (6): 703–718. doi:10.1002/col.22131.
  79. ^ Cottaris, NP; Jiang, H; Ding, X; Wandell, BA; Brainard, DH (2019). "A computational observer model of spatial contrast sensitivity: Effects of wave-front based optics, cone mosaic structure and inference engine". Journal of Vision. 19 (4): 8. doi:10.1167/19.4.8. PMID 30943530.
  80. ^ Colour Appearance in Peripheral Vision, CIE 211:2014. Vienna: International Commission on Illumination. 2014. ISBN 978-3-902842-47-3.
  81. ^ Karatzas, D; Wuerger, S (2007). "A hardware-independent color calibration technique". Annals of the BMVA. 2007 (3): 1–11.
  82. ^ Hao, Xie; Farnand, SP; Murdoch, MJ (2020). "Observer metamerism in commercial displays". Journal of the Optical Society of America A. 37 (4): A61–A69. Bibcode:2020JOSAA..37A..61X. doi:10.1364/JOSAA.382228. PMID 32400517.
  83. ^ Hexley, Allie C; Ozgur Yontem, Ali; Spitschan, Manuel; Smithson, Hannah E; Mantiuk, Rafal (2020). "Demonstrating a multi-primary high dynamic range display system for vision experiments". JOSA A. 37 (4): A271–A284. Bibcode:2020JOSAA..37A.271H. doi:10.1364/JOSAA.384022. PMC 7145446. PMID 32273669. S2CID 215719955.
  84. ^ Frederick, Robert (2020). "A More Universal Language". American Scientist. 108 (5): 272. doi:10.1511/2020.108.5.272.