高等色度学：图像方面的研究成果

CIE CAM02 以及之前的传统色貌模型，不能直接应用于图像这种复杂颜色刺激，因为存在下列问题[74]:

(1)没有考虑具有复杂空间结构的刺激，以及人眼在空间域、时间域的视觉特性，不适合图像及视频等应用。因此需要新一代色貌模型，这个模型要考虑具有复杂刺激的空间结构，需要发展到结合空间和时间特性，即图像色貌模型(下面简称图貌模型)。色貌模型要描述颜色刺激的色貌属性，图貌模型除了描述空间上复杂的颜色刺激的色貌属性，而且还要扩展到一些图像本身的属性，如锐度(sharpness)、颗粒度(graininess)、对比度(contrast)和分辨率(resolution)。

(2)这些模型建立过程中使用的色貌和观察环境的精度和准确度比实际视觉许可数据和观察环境的限制更复杂，要求新一代图像色貌模型尽可能简单，以便于实际应用。

(3)色差测量是通过复杂的色差公式从色貌模型中分离处理，如建立在色差公式CIE LAB 基础上的CIE 94 和CIE DE2000。这些公式虽然在颜色宽容度预测上比CIE LAB 色差公式有很大改进，但是比现有视觉提供的实验数据允许的条件以及实际应用条件更复杂。下一代色差公式一定是基于色空间本身的改进，同时也提供一种机会，将色貌、色差模型和公式合在一起。均匀色空间也是图貌模型的核心。

总而言之，需要对传统模型提出革命性改进，新一代图像色貌模型要具有更广泛的应用，不仅能够预测具有复杂空间结构、空间和时间特性的图像及视频色适应和色貌属性，而且能够说明勾边、扩增等色貌现象，计算色差，能够应用于高动态范围(high－dynamic－range，HDR)图像再现、跨媒体颜色再现和质量评价等。

在色貌模型研究的同时也开展着有关图像方面的研究，包括图像色貌(image appearance)、图像差(image differences)即图像色差、图像质量(image quality metrics)、色域映射(tone mapping)、HDR 图像再现(image rendering)等。(www.xing528.com)

在图像色貌方面，Pattanaik 在1998年描述了一个包括空间视觉和色适应的多尺度模型(multiscale model)[163，164]。这个模型可以预测多种空间色貌属性，可以应用于动态图像再现中，而且建立了图像质量评价中图像差的基础架构。同时，这个模型提出了一些下一代色貌模型希望的属性。但是，由于这个模型的不完全性和复杂性导致其没有得到广泛应用。

在图像色差方面，为了解决复杂的颜色刺激如半色调图像的色差问题，Zhang 和Wandell 在1996年提出对CIE LAB 进行空间扩展的S－CIE LAB 模型[165]，S－CIE LAB 模型是首次在CIE LAB 色空间和色差公式基础上提出的计算图像色差模型。S－CIE LAB 模型对标准CIE 色差公式进行一次空间前处理，空间前处理就是用近似人眼CSF 的空间滤波，去除人眼不敏感的信息。Johnson 和Fairchild 在S－CIE LAB 的基础上，提出了更精确的空间处理预测图像差模型，进一步进行提炼和扩展到计算图像色差[166]，这些扩展包括空间频率适应、空间定位、局部和全局对比度探测[167]。

在图像质量测量方面，CIE 色差公式是建立在一定的、可以控制的观察条件下对简单色块评价上，可以肯定对复杂的图像刺激是不适用的。对于图像刺激，既需要空间视觉模型，也需要色差模型。2001年Johnson 和Fairchild 就提出一个模块化结构[168]，2002年将图像空间滤波和CIE LAB 色差公式相结合，预测复杂刺激的可视差[166]。

在色域映射方面，是一个沿着恒常知觉色相，通过改变明度或彩度来处理图像的每一个像素。在许多色空间，例如CIE LAB 和CIE CAM97s，恒常色相角并不代表恒常知觉色相，不能满足色域映射，色空间还需要修正[107]。1998年Ebner 等为图像处理应用提出的IPT 色空间，恒常色相代表恒常感知色相有较高的精确度[169]。虽然不能解决所有的色貌问题，但是说明了这样一个色空间在实际应用的重要性，并且可以使用在要求色域映射相关的应用中。