컬러 외관 모델

Color appearance model

색상 외관 모델(CAM)은 인간의 색 시력의 지각적 측면, 즉 색의 외관이 자극 선원의 상응하는 물리적 측정과 일치하지 않는 시야 조건을 기술하려는 수학적 모델이다. ( 대조적으로, 색상 모델은 RGB 및 CMYK 색상 모델과 같이 색상을 설명하는 좌표 공간을 정의한다.)

균일한 색 공간(UCS)은 색 생성 속성을 지각적으로 균일하게 만드는 것을 추구하는 색상 모델이다. 즉, 두 색 사이의 동일한 공간 거리는 인식된 색상의 차이와 동일하다. 고정된 보기 조건 하에서 CAM은 UCS가 되고, 가변 보기 조건의 모델링이 있는 UCS는 CAM이 된다. 그러한 모델링이 없는 UCS는 여전히 초보적인 CAM으로 사용될 수 있다.

배색 외관

색은 관찰자의 마음에서 비롯된다; "객관적으로", 오직 눈에 보이는 빛의 분광력 분포가 있을 뿐이다. 이런 의미에서 어떤 색채 인식도 주관적이다. 그러나, 인간의 감각 반응에 대한 빛의 분광력 분포를 계량 가능한 방법으로 지도화하려는 성공적인 시도가 이루어졌다. 1931년, 정신물리학적 측정을 이용하여 국제조명위원회(CIE)는 이 기본 감각 수준에서 인간의 색시각을 성공적으로 모델링하는 XYZ 색 공간을[1] 만들었다.

그러나 XYZ 컬러 모델은 특정 시야 조건(자극의 망막 위치, 눈에 맞는 빛의 휘도 수준, 관측 대상의 배경, 주변 빛의 휘도 수준 등)을 전제로 한다. 이 모든 조건이 일정하게 유지되어야만 동일한 자극과 그에 따른 동일한 XYZ 삼분해 값이 인간 관찰자에게 동일한 색상을 만들어 줄 것이다. 한 경우에서 어떤 조건이 변경되면 동일한 XYZ 삼분해 값을 가진 동일한 자극 두 개가 다른 색상을 만든다(그리고 그 반대로 다른 자극 두 개가 다른 XYZ 삼분해 값을 가진 동일한 색상을 만들 수 있음).

따라서 시청조건이 다를 경우 XYZ 컬러모델로는 부족하며, 인간의 색지각을 모델링하기 위해서는 컬러 외관모델이 필요하다.

색상 모양 매개 변수

어떤 색채모형에서든 인간의 색채지각은 XYZ 삼분해수치의 관점에서 작용하지 않고, 외관변수(후, 밝기, 밝기, 색도, 화려함, 포화)의 측면에서 작용한다는 것이 기본적인 도전이다. 따라서 모든 색상 외관 모델은 XYZ 트리시물루스 값에서 이러한 외관 매개변수(최소한 색조, 밝기 및 색도)에 대한 변환(보기 조건을 고려하는 요소)을 제공해야 한다.

색채현상

이 절에서는 색상 외관 모델이 다루려고 하는 색상 외관 현상 중 일부를 설명한다.

색채적응

색채적응은 반사 물체를 관찰할 때 조명 광원의 백색점(또는 색 온도)에서 추상화하는 인간의 색채 지각 능력을 설명한다. 인간의 눈에는 백지의 한 조각이 조명이 파랗든 노랗든 흰색으로 보인다. 이것은 모든 색채 모양 현상 중에서 가장 기본적이고 중요한 현상이며, 따라서 이러한 행동을 모방하려고 하는 색채적응변환(CAT)은 어떤 색채모형 모델의 중심 요소다.

이를 통해 단순한 트리스티물루스 기반의 컬러 모델과 컬러 외관 모델을 쉽게 구분할 수 있다. 단순한 삼분해 기반 색상 모델은 조명이 들어오는 물체의 표면 색상을 설명할 때 조명의 백색 점을 무시한다. 조명의 백색 점이 변하면 단순한 삼분해 기반 색상 모델에 의해 보고된 대로 표면의 색상도 무시한다. 이와는 대조적으로, 색상 외관 모델은 조명체의 흰색 점(색상 외관 모델이 계산에 대해 이 값을 요구하는 이유)을 고려한다. 조명체의 흰색 점이 변하더라도, 색상 외관 모델에 의해 보고된 표면의 색상은 그대로 유지된다.

색채적응은 XYZ 삼분해 값이 서로 다른 두 자극이 동일한 색상을 만드는 경우에 가장 좋은 예다. 광원의 색 온도가 변하면 스펙트럼 전력 분포와 그에 따른 백서에서 반사되는 빛의 XYZ 삼분율 값도 변하지만, 색상은 그대로 유지된다(흰색).

휴룩

인간 관찰자에 의한 색채의 인식은 다음과 같이 변화한다.

콘트라스트 외관

바틀레슨-브레네만 효과

몇 가지 효과는 인간 관찰자에 의한 대조의 인식을 변화시킨다.

  • 스티븐스 효과: 휘도와 함께 대비가 증가한다.
  • Bartleson-Breneman 효과: 영상 대비(LCD 디스플레이의 영상과 같은 복사 이미지)는 주변 조명의 휘도에 따라 증가한다.

컬러풀한 외모

인간의 관찰자에 의해 다채로움에 대한 인식을 변화시키는 효과가 있다.

  • 사냥 효과: 휘도와 함께 화려함이 증가한다.

밝기 외관

인간 관찰자에 의한 밝기의 인식을 변화시키는 효과가 있다.

공간현상

공간 현상은 인간의 뇌가 이 위치를 특정한 문맥적 방법(예: 회색 대신 그림자)으로 해석하기 때문에 이미지의 특정 위치에서 색상에만 영향을 미친다. 이러한 현상을 착시 현상이라고도 한다. 그들은 문맥적 특성 때문에 특히 모델화하기가 어렵다. 이를 위해 노력하는 컬러 외관 모델을 이미지 컬러 외관 모델(iCAM)이라고 부른다.

컬러 외관 모델

컬러 외관 파라미터와 컬러 외관 현상이 많고 과제가 복잡하기 때문에 보편적으로 적용되는 단일 컬러 외관 모델이 없고 대신 다양한 모델이 사용된다.

이 절에는 사용 중인 일부 색상 외관 모델이 나열되어 있다. 이들 모델 중 일부에 대한 색채 적응 변환은 LMS 색상 공간에 나열되어 있다.

씨엘랍

1976년, CIE는 기존의 호환성이 없는 많은 색상 차이 모델을 색 차이에 대한 새로운 범용 모델로 대체하기 시작했다. 그들은 지각적으로 균일한 색 공간(UCS), 즉 두 색 사이의 동일한 공간 거리가 인식된 색상의 차이와 동일한 양의 동일한 양의 색 공간을 만들어 이 목표를 달성하려고 했다. 비록 부분적으로만 성공했지만, 그들은 최초의 컬러 외관 모델이 되기 위해 필요한 모든 기능을 갖춘 CILAB("L*a*b*") 컬러 공간을 만들었다. CILAB는 매우 초보적인 색채 외관 모델이지만, ICC 프로필과 함께 색채 관리의 구성 요소 중 하나가 되었기 때문에 가장 널리 사용되는 모델 중 하나이다. 따라서, 그것은 기본적으로 디지털 이미지에서 전지전능하다.

CILAB의 한계 중 하나는 보다 정밀한 결과를 위해 LMS 색상 공간으로 먼저 변경하는 대신 XYZ 색상 공간(흔히 "잘못된 폰 크라이스 변환"이라 함)에서 직접 폰 크라이스 변환 방법을 수행한다는 점에서 본격적인 색채 적응을 제공하지 않는다는 점이다. ICC 프로파일은 CILAB와 함께 브래드포드 변환 매트릭스를 사용하여 LMS 색상 공간(LLAB 색상 외관 모델에 처음 나타났음)을 사용함으로써 이러한 단점을 우회한다.

씨엘랩은 '잘못된' 변형 때문에 비참조 화이트포인트를 사용할 경우 성능이 떨어지는 것으로 알려져 있어 제한된 입력에도 불량 CAM이 된다. L이 바뀌면서 보라색으로 구부러져 완벽하지 않은 UCS가 되는 불규칙한 파란색 빛깔도 잘못된 변형이 원인인 것으로 보인다.

Nayatani 등 모델

Nayatani 등 컬러 외관 모델은 조명 엔지니어링과 광원의 색상 렌더링 특성에 초점을 맞춘다.

헌트 모형

헌트 컬러 외관 모델은 컬러 이미지 복제(크리에이터는 코닥 연구소에서 작업)에 초점을 맞춘다. 개발은 이미 1980년대에 시작되었고 1995년까지 모델은 매우 복잡해졌다(로드 셀 반응의 통합과 같은 다른 색상 외관 모델이 제공하지 않는 특징 포함) 그리고 광범위한 시각적 현상을 예측할 수 있었다. CIECAM02에 매우 큰 영향을 미쳤지만, 복잡성 때문에 헌트 모델 자체는 사용하기 어렵다.

RLAB

RLAB는 이미지 재생성에 초점을 맞추어 CILAB의 중요한 한계를 개선하려고 노력한다. 이 작업에 대해 잘 수행되며 사용이 간단하지만 다른 애플리케이션에는 충분히 포괄적이지 않다.

CILAB와 달리 RLAB는 적절한 폰 크라이스 단계를 사용한다. 맞춤형 D값을 허용해 적응도 조절도 가능하다. "할인-더-조명제"는 여전히 1.0의 고정값을 사용하여 사용할 수 있다.[2]

엘랩

LLAB는 RLAB와 유사하며, 또한 단순함을 유지하려고 노력하지만, RLAB보다 더 포괄적이 되려고 노력한다. 결국, 그것은 포괄성과 약간의 단순성을 교환했지만, 여전히 완전히 포괄적이지는 않았다. 그 후 곧 CIECAM97s가 출판되었기 때문에, LLAB는 결코 널리 쓰이지 않았다.

CIECAM97스

1997년 CIELAB로 컬러 외관 모델의 진화를 시작한 CIE는 포괄적인 컬러 외관 모델로 자신을 따라가고자 했다. 결과는 종합적이면서도 복잡하고 부분적으로 사용하기 어려운 CIECAM97s였다. CIECAM02가 발행되기 전까지 표준색 외관 모델로 널리 보급되었다.

IPT

Ebner와 Fairchild는 IPT라고 불리는 그들의 색 공간에서 일정하지 않은 색조의 선들의 문제를 다루었다.[3] IPT 색 공간은 Hunt-Pointer-Estevez 매트릭스(MHPE(D65))의 변형된 형식을 사용하여 D65 적응형 XYZ 데이터(XD65, YD65, ZD65)를 LMS(Long-medium-short con response data)로 변환한다.[4]

IPT 컬러 외관 모델은 일정한 색조 값이 빛과 크로마의 값과는 무관하게 계속 인식되는 색조(어떤 색조 외관 모델에 대해서도 일반적인 이상적이지만 달성하기 어려운)와 같은 색조 제형을 제공하는 데 탁월하다. 따라서 게이머트 매핑 구현에 적합하다.

ICtCp

ITU-R BT.2100에는 ICtCp라는 색 공간이 포함되어 있어 더 높은 동적 범위와 더 큰 색상의 게이머츠를 탐색하여 원래의 IPT를 개선한다.[5] ICtCp는 Ct를 0.5만큼 스케일링하여 대략 균일한 색 공간으로 변환할 수 있다. 이 변환된 색 공간은 Rec.2124 폭의 가뮤트 색 차이 측정 기준 ΔE의ITP 기본이다.[6]

씨캠02

CIECAM97s의 성공 이후, CIE는 CIECAM02를 후계자로 개발하여 2002년에 발표했다. 그것은 성능이 더 좋고 동시에 더 간단하다. 기본적인 CIELAB 모델과는 별도로, CIECAM02는 (포괄적인) 컬러 외관 모델에 대해 국제적으로 합의된 "표준"에 가장 가깝다.

CIECAM02와 CIECAM16은 규격 문자에 구현되었을 때 바람직하지 않은 수치 특성을 가지고 있다.[7]

아이캠06

iCAM06은 이미지 컬러 외관 모델이다. 이와 같이 영상의 각 픽셀을 독립적으로 처리하지 않고 전체 영상의 맥락에서 처리한다. 이를 통해 대비와 같은 공간적 색채 배색 파라미터를 통합할 수 있어 HDR 영상에 적합하다. 공간적 외형 현상을 다루는 첫걸음이기도 하다.

CAM16

CAM16은 다양한 수정과 개선을 갖춘 CIECAM02의 후속 제품이다. 또한 CAM16-UCS라는 컬러 스페이스도 함께 제공된다. 그것은 CIE 작업 그룹에 의해 출판되지만, 아직 CIE 표준은 아니다.[8]

기타 모델

OSA-UCS
일반적으로 양호한 속성과 1974년에 정의된 CIEXYZ로부터의 변환을 가진 1947 UCS. 그러나 CIEXYZ로의 변환은 폐쇄형 표현이 없어 실제 활용이 어렵다.
SRLAB2
2009년 CILAB의 RLAB 정신 수정(할인을 통해) 파란색 색조 문제를 수정하기 위해 CIECAM02 색조 적응 매트릭스를 사용한다.[9]
쟈즈비즈
HDR 색상을 위해 설계된 2017 UCS. J(명광도)와 두 가지 색도를 가진다.[10]
XYB
Guetzli와 JPEG XL에 사용되는 UCS 제품군이며 압축에 주 목적이 있다. 씨엘랩보다 균일성이 더 좋아.[9]
옥랩
일반 다이내믹 레인지 색상에 맞게 설계된 2020 UCS. CILAB와 동일한 구조지만 개선된 데이터(광도 및 크로마를 위한 CAM16 출력, 색조를 위한 IPT 데이터). CIELAB와 IPT가 그랬던 것처럼 구현과 사용이 쉽지만 통일성이 향상되었다.[11]

메모들

  1. ^ 'XYZ'는 XYZ 컬러 모델을 사용하는 유일한 컬러 공간이기 때문에 컬러 모델과 컬러 공간을 동시에 지칭한다. 이것은 많은 색상 공간(sRGB 또는 Adobe RGB(1998)과 같은 RGB 색상 모델과 다르다.
  2. ^ 10.1002/9781118653128.ch13
  3. ^ Ebner; Fairchild (1998), Development and Testing of a Color Space with Improved Hue Uniformity, Proc. IS&T 6th Color Imaging Conference, Scottsdale, AZ, pp. 8–13.
  4. ^ Edge, Christopher. "US Patent 8,437,053, Gamut mapping using hue-preserving color space". Retrieved 9 February 2016.
  5. ^ ICtCp Introduction (PDF), 2016
  6. ^ "Recommendation ITU-R BT.2124-0 Objective metric for the assessment of the potential visibility of colour differences in television" (PDF). January 2019.
  7. ^ Schlömer, Nico (2018). Algorithmic improvements for the CIECAM02 and CAM16 color appearance models. arXiv:1802.06067.
  8. ^ Li, Changjun; Li, Zhiqiang; Wang, Zhifeng; Xu, Yang; Luo, Ming Ronnier; Cui, Guihua; Melgosa, Manuel; Brill, Michael H.; Pointer, Michael (December 2017). "Comprehensive color solutions: CAM16, CAT16, and CAM16-UCS". Color Research & Application. 42 (6): 703–718. doi:10.1002/col.22131.
  9. ^ Jump up to: a b Levien, Raph (18 January 2021). "An interactive review of Oklab".
  10. ^ Safdar, Muhammad; Cui, Guihua; Kim, Youn Jin; Luo, Ming Ronnier (26 June 2017). "Perceptually uniform color space for image signals including high dynamic range and wide gamut". Optics Express. 25 (13): 15131. doi:10.1364/OE.25.015131.
  11. ^ Ottosson, Björn. "A perceptual color space for image processing".

참조