Mira esta imagen:
El 50 % de sus píxeles son azules (0, 0, 255), el 50 % de sus píxeles son amarillos (255, 255, 0).
Cuando miro la pantalla de mi computadora desde una distancia donde ya no puedo distinguir los píxeles individuales, la imagen completa aparece en un tono de verde.
Sin embargo, cuando uso una computadora para mezclar estos colores (por ejemplo, aplico desenfoque gaussiano en la imagen), el color resultante es gris oscuro (128, 128, 128).
Esto me parece muy mal. La mezcla de colores que usamos en nuestras computadoras es completamente diferente a cómo nuestros ojos mezclan los colores.
Mi pregunta es:
¿Hay algún modelo de color que me dé resultados más similares a cómo nuestros ojos mezclan los colores?
Lo que ve en su pantalla es un poco diferente de lo que veo en mi pantalla. Si me siento lo suficientemente lejos de mi pantalla (Apple CinemaDisplay 30", calibrado en sRGB, Gamma 2.2), entonces la primera muestra parece tener un tono gris parejo. Es un gris más claro que la segunda muestra, que definitivamente se percibe como más oscuro, pero sigue siendo gris, no verde. El gris más claro es más alrededor de 192,192,192 que 128,128,128.
Primer punto, es probable que la calibración de color de su pantalla esté desactivada si ve verde en lugar de gris cuando está sentado a cierta distancia. En última instancia, el ojo humano debería desenfocar y promediar los píxeles azules y amarillos a grises porque en realidad son los subpíxeles rojos, verdes y azules los que emiten la luz, y en la proporción en que emiten esa luz, los tres componentes de subpíxeles deberían emitir aproximadamente lo mismo. Monto.
La razón por la que percibimos los dos de manera diferente se reduce a la frecuencia de muestreo y la naturaleza del ojo humano. La muestra de cuadros azul/amarillo está escasamente poblada con los subcomponentes de color necesarios... el espaciado permite que los píxeles amarillos más potentes y brillantes dominen a los píxeles azules menos potentes (valor total 510 frente a 255). Sin embargo, hay algo más que también juega un papel aquí. El ojo humano opera detectando el color en dos ejes... un eje azul/amarillo y un eje verde/magenta:
Si cada uno de sus píxeles en la imagen del tablero de ajedrez emitiera los tres colores (R, G y B), obtendríamos efectivamente un resultado de luminancia densa y veríamos los 128,128,128 grises adecuados. Eso es exactamente lo que está haciendo su segunda muestra de color. Sin embargo, debido al escaso espacio entre subpíxeles, terminamos con algo más parecido a R+GB y solo B (o más exactamente en lo que respecta a la respuesta visual, -B). Faltaba la etapa R+BG de la imagen de arriba.
Hay otro efecto secundario de nuestra etapa de visión del proceso oponente axial que da lugar a la noción de "colores imposibles" , la incapacidad de sentir los mismos colores distintos en la misma ubicación física al mismo tiempo. Podemos ver azul o amarillo, pero no ambos, al mismo tiempo en el mismo lugar. Aquí hay una pequeña prueba:
Permita que sus ojos se crucen lo suficiente como para que las muestras azul y amarilla se superpongan exactamente y enfóquese en la cruz en el centro. Notará que no ve verde... sus ojos finalmente oscilarán entre el azul y el amarillo, a veces más rápido, a veces más lento, ya que sus ojos responden a estímulos de entrada que en realidad no pueden manejar. Esto se debe a la curva de respuesta real de nuestros ojos:
Nuestros ojos en realidad no pueden producir verde a partir de la superposición espacial, sino muestras distintas de amarillo y azul (es una imposibilidad biológica). El azul y el amarillo pueden crear verde al mezclarlos, y nuestros ojos pueden ver ese verde, sin embargo, es porque en realidad estamos detectando luz en la parte más verde del espectro de luz visible... la pintura amarilla y azul mezclada da como resultado un color de luz diferente siendo reflejado, no es lo mismo que lo que está ocurriendo con la prueba de "colores imposibles" anterior. Espacialmente, nuestros ojos promediarán el color escaso en alguna forma de respuesta de luminancia. Sin embargo, debido a que la luz real que llega a nuestros ojos cae completamente en la etapa de proceso del oponente R+GB (tienes R+G o -B, pero no ambos), en realidad seguíamos sintiendo la información de color DISPERSA, amarillo y azul distintivos, en lugar de la misma densidad de información de color que existe en la segunda muestra. Esto permite el problema de lucha de colores que ocurre con la prueba de color anterior... en realidad no podemos mezclar el azul y el amarillo (que cuando nos alejamos lo suficiente de la pantalla, están espacialmente en las mismas ubicaciones) en verde o gris. De ahí la razón por la que vemos el gris 192,192,192 más claro en lugar del gris 128,128,128 más oscuro.
Ahora que la naturaleza de la respuesta de color en el ojo humano está fuera del camino, pasemos a la pregunta sobre los modelos de color.
Hay multitud de modelos de color. Hay modelos de color que modelan el color para una amplia variedad de propósitos que se adaptan a una amplia variedad de usos de color. Están sus modelos aditivos (es decir, RGB), modelos sustractivos (es decir, CMY), sus modelos radiales/matemáticos (es decir, HSV, HSB, HSL) y sus modelos perceptivos (es decir, L a b*).
Tenemos una multitud de modelos de color porque cada uno nos permite TRABAJAR CON el color de maneras que se adaptan a diferentes tareas. Cuando construimos pantallas de computadora con sensores de cámara, es más fácil trabajar con un modelo RGB. Cuando analizamos el color de una manera puramente matemática, los modelos matemáticos, radiales o 3D tienden a ser más fáciles de trabajar. Cuando se trata de modelar el color de una manera que imite la percepción humana, los modelos perceptuales funcionan mejor. Algunos de estos modelos son lineales, otros son (o pueden ser) no lineales. Los modelos no lineales son útiles ya que nos permiten hacer coincidir las matemáticas con la curva de respuesta de cualquier hardware o proceso conceptual con el que se esté trabajando (es decir, las pantallas de computadora tienen una curva Gamma).
Para modelar el color de una manera perceptualmente precisa, en última instancia querrá convertir su color en un espacio L a b* (Lab para abreviar). El espacio de laboratorio se basa en el trabajo de modelo de color de CIE que se realizó en los años 30 y 60. CIE LAB es un modelo que describe la gama de colores visibles, y está modelado de tal manera que las transformaciones de color y las comparaciones son perceptualmente precisas (dentro de ciertos límites razonables... y existen múltiples modelos de color CIE que funcionan de manera un poco diferente. Por lo general, CIE1931 es el modelo más utilizado ).
Es posible transformar el color de RGB a Lab. Hay una serie de enfoques diferentes, y no entraré en ellos aquí. Sin embargo, a pesar de que CIELab modela la gama de la visión humana, no necesariamente dará como resultado lo mismo que la visión humana si realiza algo similar a un desenfoque gaussiano o un proceso básico de promedio de la mediana en el espacio de laboratorio. El laboratorio SÍ opera en un modelo de doble eje (azul/amarillo y verde/magenta), sin embargo, el proceso del oponente es algo que probablemente necesitaría incorporar en cualquier algoritmo de promedio para obtener el mismo resultado que el ojo humano.
Jukka Suomela
Jukka Suomela
Tom Pažourek
Russel McMahon
Jukka Suomela
Tom Pažourek
Tom Pažourek