Фотопейзаж и компьютер

Если модели цветового восприятия описывают перцепционные атрибуты (светлоту, субъективную яркость, полноту цвета, насыщенность и цветовой тон), то модели восприятия изображений (image appearance models), дополнительно, описывают резкость, контраст и разрешение. Основная идея, заложенная в модель iCAM, заключается в том, чтобы сначала выделить в изображении те части, к которым зрительная система человека наиболее чувствительна. А затем с учетом условий просмотра применить к ним попиксельно модели хроматической адаптации, взятые из CIECAM02. Далее к этим частям изображения применяется тональное сжатие и, наконец, восстанавливаются те части, которые были удалены на первом шаге этого процесса. Таким образом, модель iCAM учитывает не только условия просмотра, но и локальные характеристики изображения такие, как локальный контраст.

Модели восприятия изображений используются для «пересчета» изображения к другим условиям просмотра так, чтобы сохранить, по возможности, не только воспринимаемые цвета, но и воспринимаемый контраст (глобальный и локальный). В частности, модели восприятия изображений можно использовать для тонального сжатия HDR-изображений с учетом особенностей зрительной системы человека.

Известно, что зрение человека более чувствительно к локальному контрасту, чем к глобальному. Об этом уже говорилось в предыдущей главе. Поэтому при тональном сжатии HDR-изображения более важно сохранять локальный контраст, чем глобальный. После тонального сжатия с приоритетом локального контраста изображение будет восприниматься ближе к исходному, чем при равномерном, линейном сжатии.

Модели восприятия цвета работают для равномерно закрашенных цветовых образцов, для которых легко определить, что является фоном. Если рассмотреть цвет какой-либо части изображения, то ее фоном будут служить соседние части картинки. Если соотношение цветов в изображении изменилось (например, в результате преобразования из одного ЦП в другое), то условия просмотра этой части картинки тоже изменятся, несмотря на то, что условия просмотра всего изображения не изменились. Как это будет учитываться, мне неизвестно.

Рассмотрим более подробно модель восприятия изображений iCAM06, которая была разработана специально для использования при тональном сжатии HDR-изображений. На рисунке 2.2 приведена общая схема обработки такого изображения.

Рис. 2.2. Обработка HDR-изображения в модели восприятия изображений iCAM06.

Согласно этой модели исходное изображение (в аппаратно-независимом цветовом пространстве) разлагается на два: первое содержит низкие пространственные частоты канала яркостей (базовый слой), а второе – высокие (слой деталей).

Для математиков скажу, что разложение выполняется с помощью двустороннего фильтра (bilateral filter), ядро свертки которого равно произведению двух экспонент (гауссовых фильтров), одна из которых зависит от расстояния между пикселями (также как и в случае обычного гауссового размывания), а другая – от разности яркостей сравниваемых пикселей. Такой фильтр осуществляет гауссово размывание, но с сохранением информации о границах. Поэтому каемки вдоль границ (гало) существенно ослабляются.

Базовый слой преобразуется в цветовое пространство IPT с точкой белого D65, с помощью модели хроматической адаптации, взятой из CIECAM02. Затем выполняется тональное сжатие, чтобы вписать HDR-изображение в нужный диапазон яркостей. Для этого используют полученные экспериментально функции чувствительности фоторецепторов глаза отдельно для палочек и колбочек.

Слой деталей преобразуется с целью улучшения отображения мелких частей. Затем оба слоя объединяются, выполняется обратная хроматическая адаптация от D65 к точке белого выходного устройства и получается результирующее изображение.

Модель iCAM06 моделирует следующие особенности зрительной системы человека: эффект Ханта (зависимость локальной полноты цвета от яркости), эффект Стивенса (зависимость локального контраста от яркости изображения) и эффект Бартлесона-Бренемана (зависимость локального контраста от яркости окружения). Использование этой модели позволяет улучшить контраст HDR-изображения, а также детали в самых светлых и самых темных областях.

2.10. Примеры

Понятия теории цвета, изложенные выше, не слишком сложны (иногда говорят, обманчиво просты), но чтобы легко пользоваться ими, необходимо немного потренироваться. Рассмотрим несколько простых случаев.

Линейное цветовое пространство и гамма-кодирование.

Сначала рассмотрим случай малой глубины цветности – 8-бит на канал. Это значит, что весь диапазон яркостей каждого из rgb-каналов нужно разбить на 256 интервалов и все точки изображения с различными яркостями из одного интервала будут закодированы (а, следовательно, и выглядеть на экране) в этом канале совершенно одинаково.