(2)

Сдвиг одного из основных цветов на другую сторону двудольного поля означает, что наше совпадение имеет вид

(3)

Для математика Уравнение ~ 3, то же самое, что

(4)

Следовательно, когда мы кодируем интенсивность первичного света, который был смещен на другую сторону тестового поля, мы обозначаем совпадение, используя отрицательное значение интенсивности \ footnote {Изменение знака первичной интенсивности — тривиальное дело для теоретика .Однако это неудобно для лаборатории и обычно невозможно в технологических приложениях, таких как цветные дисплеи. Таким образом, вопрос выбора основных цветов, чтобы минимизировать количество раз, которое мы должны делать эту настройку, представляет большой практический интерес.}.

Рисунок 4.16: Функции согласования цветов — это строки матрицы системы согласования цветов. Функции, измеренные Стайлзом и Берчем (1959) с использованием двухчастичного поля 10 градусов и первичного света на длинах волн 645,2 нм, 526,3 нм и 444 нм.Показаны 4 нм с единичной мощностью излучения.

На рис. 4.3 показаны функции согласования цветов, измеренные Стайлзом и Берчем (1959) с использованием трех монохроматических первичных источников света при 645,2 нм, 525,3 нм и 444,4 нм. Каждая функция описывает интенсивность одного из основных огней, используемых для согласования с различными монохроматическими тестовыми огнями. Обратите внимание, что интенсивность красного первичного света при 700 нм является отрицательной в области длин волн тестового света, что указывает на то, что в этом диапазоне тестовых огней к тестируемому полю был добавлен первичный свет 700 нм.

Функции согласования цветов чрезвычайно важны в цветной технологии, например, при создании изображений на цветных мониторах и цветных принтерах. Я рассмотрю применение этих методов к цветным мониторам в Приложении.

Уникальность функций согласования цветов

Предположим, две исследовательские группы измеряют функции согласования цветов, используя разные наборы основных источников света. Одна группа измеряет функции согласования цветов с использованием трех основных источников света, а вторая группа использует другой набор основных источников света,.Поскольку группы используют разные основные источники света, они будут измерять разные наборы функций сопоставления цветов, и. Как будут связаны два набора функций сопоставления цветов?

Мы можем ответить на этот вопрос с помощью следующего мысленного эксперимента. Сначала создайте матрицу, столбцы которой содержат распределения спектральной мощности основных источников света первой группы, и назовите эту матрицу. Спектральное распределение мощности смеси основных цветов с основными интенсивностями представляет собой взвешенную сумму столбцов.Мы можем выразить эту смесь, используя матричное произведение. Теперь мы можем использовать функции сопоставления цветов, чтобы предсказать, когда тестовый свет будет соответствовать смеси трех основных цветов. Тест и праймериз будут совпадать, когда

(5)

Предположим, что вторая группа исследователей также может установить совпадения с этим испытательным светом, используя свои основные цвета. Чтобы описать их измерения, мы создаем вторую матрицу, столбцы которой содержат спектральные распределения мощности основных источников света второй группы,.Назовите первичные интенсивности, используемые для сопоставления теста со вторыми первичными цветами. Поскольку свет визуально соответствует испытательному свету, мы знаем, что

(6)

Комбинируя уравнения ~ 5 и 6, мы обнаруживаем, что два вектора первичных интенсивностей, и, связаны линейным преобразованием,

Наконец, напомним, что векторы в столбцах функций согласования цветов являются основными настройками интенсивности, необходимыми для согласования монохроматических источников света.Мы только что показали, что основные интенсивности, используемые для согласования с двумя различными наборами основных цветов, связаны линейным преобразованием. Следовательно, системные матрицы, содержащие функции согласования цветов, должны быть связаны линейным преобразованием.

Немного углубившись в алгебру, можно показать, что функции согласования цветов связаны следующим линейным преобразованием:

(7)

Матрица, связывающая два набора функций согласования цветов, имеет простую эмпирическую интерпретацию; его столбцы содержат интенсивности новых основных цветов, необходимые для соответствия исходным основным цветам.Чтобы увидеть это, помните, что каждый столбец — это спектральное распределение мощности одного из основных источников света. Таким образом, первый столбец — это вектор интенсивностей первой группы основных цветов, необходимых для сопоставления. Точно так же второй и третий столбцы содержат интенсивности первой группы основных цветов, необходимые для соответствия соответствующим основным цветам в. Матрица содержит три столбца, равных первичной интенсивности, необходимой для соответствия новым первичным источникам света,.

Фотопические функции сопоставления цветов не уникальны; когда мы измеряем с использованием разных наборов основных цветов, мы получим разные функции согласования цветов.Но функции согласования цветов также не могут полностью изменяться, поскольку разные пары функций согласования цветов всегда будут связаны линейным преобразованием. Мы говорим, что функции согласования цветов уникальны с точностью до свободного линейного преобразования

Стандартный набор функций подбора цвета

Когда в 1931 году члены Международного комитета по освещению (CIE; международная организация по стандартизации) встретились, они полностью осознали, что функции сопоставления цветов не уникальны.Чтобы облегчить обмен информацией о цвете, CIE определил стандартную систему представления цвета, основанную на одном конкретном наборе функций сопоставления цветов, который должен использовать каждый. Этот набор функций согласования цветов определяет трехцветную систему координат XYZ . Функции согласования цветов в этой системе называются и соответственно. Они определяют одну из многих возможных системных матриц эксперимента по сопоставлению цветов. На рис. 4.17 показаны три стандартные функции сопоставления цветов, и.

Рис. 4.17. Стандартные функции сопоставления цветов XYZ.} В 1931 году CIE стандартизировал набор функций сопоставления цветов для обмена изображениями. Эти функции согласования цветов называются bar {x} (\\ lambda), bar {y} (\\ lambda) и bar {z} (\\ lambda). Промышленные приложения обычно описывают цветовые свойства источника света с использованием трех основных интенсивностей, необходимых для согласования с источником света, которые могут быть вычислены с помощью функций согласования цветов XYZ

Стандартные функции согласования цветов были выбраны по нескольким причинам.Во-первых, это грубое приближение к яркости монохроматических источников света одинакового размера и продолжительности. Вторая важная причина заключается в том, что функции неотрицательны, что упростило некоторые аспекты конструкции инструментов для измерения координат трехцветного стимула. Но, как и в случае любого стандартного решения, функции согласования цветов XYZ также имеют некоторые раздражающие аспекты. Одним из серьезных недостатков является отсутствие набора физически реализуемых основных источников света, которые при прямом измерении давали бы функции согласования цветов.Основные источники света, которые будут выполнять эти функции, должны иметь отрицательную энергию на некоторых длинах волн и не могут быть оснащены приборами. Другая проблема состоит в том, что эти ранние оценки были улучшены. В частности, Д. Б. Джадд (1951) отметил, что функции неточны в коротковолновой области, и предложил модифицированный набор функций, которые часто используются учеными, хотя они не вытеснили промышленный стандарт. Кроме того, что, пожалуй, наиболее важно, в функциях согласования цветов XYZ очень мало интуитивного.Хотя они довольно хорошо послужили нам в качестве технического стандарта и понятны мандаринам нашей дисциплины, они сослужили нам довольно плохую службу в объяснении дисциплины новым студентам и коллегам.

Биологические основы фотопического сопоставления цветов

Точно так же, как мы можем объяснить эксперимент по скотопическому сопоставлению цветов с точки зрения свойств поглощения света фотопигмента на основе родопсина, мы также хотели бы объяснить эксперимент фотопического сопоставления цветов с точки зрения свойств поглощения света фотопигментами колбочек.Мы связали фотопигменты и их поведение, изучив системные матрицы двух экспериментов. Мы обнаружили, что два источника света были скотопическими совпадениями, и затем мы показали, что записи в матрице скотопических совпадений совпадают с функцией поглощения родопсина. Для фотопического зрения мы используем тот же общий подход. Но есть два осложнения: есть три фотопигмента конуса, а не только один; Матрица фотопического согласования не уникальна.

Рисунок 4.18: Конические фотопигменты и функции согласования цветов.Если мы измеряем чувствительность к длине волны каждого из фотопигментов конуса, мы можем создать системную матрицу 3 x N для описания поглощения колбочек. Затем мы можем оценить, может ли матрица конической абсорбционной системы служить объяснением результатов эксперимента по сопоставлению цветов.

Расширить наш анализ, чтобы учесть три фотопигмента колбочки вместо одного фотопигмента палочки, несложно. Мы измеряем абсорбционные свойства каждого из трех фотопигментов конуса и создаем матрицу системы с тремя строками для определения трех функций поглощения фотопигмента конуса.Эта матрица обобщает матрицу системы родопсина. Затем мы сравниваем матрицу системы поглощения конуса, с матрицей экспериментальной системы согласования цветов,. Мы должны оценить, может ли матрица фотопигмента конуса объяснить данные о сопоставлении цветов.

Из нашего анализа сопоставления цветов мы знаем, что матрица системы сопоставления цветов не уникальна; существует набор эквивалентных системных матриц, связанных линейным преобразованием. Следовательно, чтобы оценить, может ли матрица поглощения конуса объяснить эксперимент по согласованию цветов, мы должны оценить, связана ли матрица системы согласования цветов линейным преобразованием.Наша следующая задача состоит в том, чтобы измерить матрицу конусной абсорбционной системы,.

Измерительный конус фототока

Рисунок 4.19: Измерительные приборы для обнаружения фототока, создаваемого фоторецептором макака. На изображении показана часть сетчатки, взвешенная в растворе. Один фоторецептор из этого среза сетчатки был втянут в микроэлектрод и стимулируется лучом света, проходящим поперек фоторецептора и микроэлектрода (изображение любезно предоставлено D.Бейлор).

В настоящее время наилучшая оценка поглощения фотопигмента конуса получается из измерений фототока конуса, то есть изменения тока, протекающего через мембрану отдельных колбочек, когда они стимулируются светом. Связь фототока с поглощениями фотопигмента требует тщательного анализа, поскольку фототок нелинейно зависит от поглощения фотопигмента в конусе. В этом разделе мы разработаем новые теоретические методы интерпретации нелинейных измерений фототока конуса и сделаем вывод о линейных свойствах фотопигментов конуса.

Baylor, Nunn и Schnapf (1987; Baylor, 1987) были первыми, кто измерил фототоки колбочек в сетчатке макака. У макаки есть три типа колбочек, и ее поведение при выполнении большинства цветовых задач очень похоже на поведение человека. Таким образом, сравнение между свойствами фоторецепторов макаки и поведением человека — хорошее место для начала (DeValois and Jacobs, 1971).

Для измерения фототока конуса Бейлор, Нанн и Шнапф удалили сетчатку глаза и нарезали ее на мелкие кусочки диаметром около 100.Кусочки помещаются в камеру, содержащую специальные растворы, поддерживающие метаболизм клеток. Несмотря на то, что сетчатка была отделена от глаза и разрезана на части, электрический ответ фоторецепторов остается активным в течение нескольких часов. Бейлор и его коллеги записали фототок отдельных клеток, используя экспериментальную методику, изображенную на рис. 4.19. На рисунке показана стеклянная микропипетка, приближающаяся к единственному фоторецептору. Внутренний диаметр микропипетки составляет от 2 до 6, что всего в десять раз больше длины волны видимого света.Единственный внешний сегмент фоторецептора удерживается внутри микропипетки, и есть тонкий луч света, проходящий поперек фоторецептора и стимулирующий его.

Рисунок 4.20: Временной ход конусного фототока} в ответ на короткую тестовую вспышку является двухфазным. Амплитуда реакции фототока увеличивается с интенсивностью стимула. Функции отклика одинаковы для разных длин волн света, например, при 500 нм и 659 нм в частях (а) и (b), соответственно. Временной ход стимула показан под графиками фототока.(Источник: Baylor Nunn and Schnapf, 1987)

На рис. 4.20 показан результат стимуляции фоторецептора коротким световым импульсом. Кривые показывают фототок мембраны после кратковременной вспышки света. Кривые в части (а) рисунка отображают реакцию на свет 500 нм в диапазоне интенсивностей. Кривые в части (b) отображают реакцию на свет 659 нм в диапазоне интенсивностей. Перед тем, как стимул будет предъявлен, имеется устойчивый входящий ток, состоящий из потока положительно заряженных ионов натрия, поступающих в фоторецептор через ионные каналы в клеточной мембране.Этот устойчивый уровень в отсутствие света называется темновым током. Он представляет собой базовый уровень и обозначен на графике как ноль. Нанесенные на график значения двухфазные, изменяющиеся как выше, так и ниже базовой линии.

Когда фотопигмент поглощает свет от вспышки, приток ионов натрия замедляется. Натриевый ток в темноте снижает отрицательную электрическую поляризацию внутри клетки. Когда свет блокирует входящий поток, отрицательная разница напряжений между внутренней и внешней частью ячейки увеличивается.Таким образом, исходная реакция фоторецепторов на свет — это гиперполяризация. После первоначального блокирования поступающего внутрь натриевого тока ток активно восстанавливается. Механизм, восстанавливающий баланс, сверхкомпенсирует; во время второй фазы отклика полный поток фототока меняет направление на противоположное. Таким образом, реакция фототока сначала течет в одном направлении, а затем в противоположном, что приводит к двухфазной импульсной характеристике.

В этом эксперименте тестовый свет является входом, а отклик конусного фототока — выходом.Мы можем оценить, удовлетворяет ли соотношение ввода-вывода одному из требований линейной системы, однородности, по графикам на рис. 4.20. Предположим, что входной сигнал и реакция фототока есть вектор, представляющий фототок как функцию времени после воздействия. Чтобы проверить однородность, мы должны измерить отклик на масштабированный вход. Если система линейная, то мы ожидаем, что реакция фототока будет. При визуальном осмотре кривых на рисунке 4.20 мы видим, что однородность нарушена. Есть две особенности кривых, которые должны сделать это очевидным для вас. Во-первых, обратите внимание, что по мере увеличения интенсивности теста пиковое отклонение достигает максимума около 25 пА, а затем достигает насыщения. Насыщение несовместимо со строго линейной зависимостью между входной интенсивностью и выходным фототоком. Второй способ увидеть, что линейность не работает, — это рассмотреть точку двухфазного отклика, в которой выходной сигнал пересекает нулевой уровень на базовой линии. Если выходной фототок пропорционален входной интенсивности, точки с нулевым уровнем отклика всегда должны иметь нулевой уровень отклика: умножение нуля на любую интенсивность все равно дает ноль.Следовательно, мы ожидаем, что точка пересечения нуля не изменит своего положения при увеличении интенсивности теста. Этот прогноз верен для более низких интенсивностей испытаний, но по мере увеличения входной интенсивности до довольно высоких уровней точка пересечения нуля смещает свое положение во времени.

Как удивительно: производительность человека в эксперименте по подбору цветов удовлетворяет принципам линейной системы, однородности и суперпозиции, однако реакции колбочкового фототока, являющиеся частью цепи биологических событий, которые опосредуют поведение, не выдерживают даже простейших тестов на линейность.Как поведение может быть линейным, если компоненты, опосредующие поведение, нелинейны? Мы ответим на этот вопрос в следующем разделе. Ответ дан специально для сопоставления цветов, но принципы, которые мы рассмотрим, являются довольно общими. Они снова пригодятся, когда мы рассмотрим взаимосвязь между поведением и другими нейронными реакциями в этой книге.

Статические нелинейности: фототоки и фотопигменты

Рис. 4.21. Принцип однонаправленности} утверждает, что поглощение фотона приводит к одинаковому нейронному отклику, независимо от длины волны фотона.Этот принцип предсказывает, что два стимула на разных длинах волн можно отрегулировать, чтобы уравнять реакцию фототока на протяжении всего периода времени. Это показано здесь как соответствие между фототоками в ответ на 550 нм (пунктир) и 659 нм (сплошной) тестовый свет, установленный на соотношение интенсивности девять к одному (Источник: Baylor et al., 1987).

Путем сравнения наборов откликов фототока вверху и внизу рисунка 4.20 кажется, что при изменении уровня тестового сигнала мы получаем один и тот же набор кривых.Сходство измеренных откликов фототока с двумя тестовыми лампами предполагает, что мы можем провести эксперимент по сопоставлению цветов на уровне отклика фототока. Мы можем провести такой эксперимент, выбрав тестовый свет и основной свет и отрегулировав интенсивность основного света до тех пор, пока фототоковые характеристики тестового и основного света не станут одинаковыми. Кривые на рисунке 4.21 показывают один пример такого совпадения с использованием первичного света на 500 нм и тестового света на 659 нм.

Рис. 4.22: Эксперимент по согласованию с использованием конусного фототока в качестве отклика. Свет на разных длинах волн оказывает эквивалентное влияние на фототок конуса, если соотношение интенсивности света установлено правильно. Для этого конуса свет 659 нм должен быть в девять раз более интенсивным, чем свет 500 нм, чтобы иметь эквивалентный эффект (Источник: Baylor et al., 1987).

Соответствующий эксперимент с использованием конусного фототока в качестве ответа. Свет на разных длинах волн оказывает эквивалентное влияние на фототок конуса, если соотношение интенсивности света установлено правильно.Для этого конуса свет 659 нм должен быть в девять раз более интенсивным, чем свет 500 нм, чтобы иметь эквивалентный эффект (Источник: Baylor et al., 1987).

Физиологический препарат очень хрупкий, и фоторецепторы трудно поддерживать живыми и функционирующими. Это делает невозможным установку полных совпадений фототока для произвольных тестовых и первичных комбинаций. Но можно провести эффективную аппроксимацию всего эксперимента. Две кривые на рис. 4.22 суммируют отклики фототока на тестовый свет с длиной волны 659 нм и основной свет с длиной волны 500 нм при различных уровнях интенсивности.Точки данных показывают пиковое значение отклика фототока как функцию интенсивности; пиковое значение суммирует полный временной интервал фототока. Плавные кривые, проведенные через точки, интерполируют пиковый отклик на любом уровне интенсивности. По этим интерполированным измерениям мы можем оценить уровни интенсивности, необходимые для получения полного соответствия между тестовым и основным светом.

Если эксперимент по согласованию, выполненный на уровне фототока, удовлетворяет однородности, интенсивность согласованного тестового и первичного света должна быть пропорциональна друг другу.Мы можем оценить интенсивность тестового и основного источников света, которые совпадают на разных уровнях отклика, проведя горизонтальную линию поперек графика и отметив уровни интенсивности, которые создают одинаковый пиковый фототок. Кривые, проходящие через два набора точек данных на рис. 4.22, параллельны по логарифмической оси интенсивности, так что интенсивности пар совпадающих точек разделены на постоянную величину. Поскольку ось является логарифмической, равное разделение означает, что, когда фототоки соответствуют тесту, и интенсивности первичного света находятся в определенном соотношении, в точности как требуется для однородности.Следовательно, эксперимент согласования фототока удовлетворяет однородности, даже несмотря на то, что сам отклик фототока является нелинейным.

Из разнесения двух кривых мы видим, что для того, чтобы вызвать такой же отклик, требуется больше фотонов с длиной волны 659 нм, чем фотонов с длиной волны 500 нм. Для этой пары длин волн кривые разделены логарифмическими единицами, что соответствует отношению. Требуется в несколько раз больше квантов с длиной волны 659 нм, чтобы сравняться с фототоком, создаваемым несколькими квантами с длиной волны 500 нм. Повторяя этот эксперимент с использованием тестовых ламп на многих разных длинах волн, мы можем оценить полные кривые спектральной чувствительности для фоторецепторов колбочки.Из набора таких измерений мы можем оценить чувствительность рецептора конуса к длине волны. Чувствительность к длине волны обусловлена ​​свойствами фотопигмента конуса, поэтому таким образом мы можем получить функцию поглощения фотопигмента конуса из измерений фототока.

Рисунок 4.23: Спектральная чувствительность конического фототока. Диапазон измерения составляет один миллион раз. Чувствительность S-конуса на коротких волнах высока по сравнению с поведенческими измерениями, поскольку в поведенческих условиях линза сильно поглощает коротковолновый свет.(По Бейлору, 1987).

Спектральная чувствительность конического фототока. Диапазон измерения составляет один миллион раз. Чувствительность S-конуса на коротких волнах высока по сравнению с поведенческими измерениями, поскольку в поведенческих условиях линза сильно поглощает коротковолновый свет. (По Бейлору, 1987).

Читатель не удивится, узнав, что Бейлор, Нанн и Шнапф обнаружили колбочки с тремя различными спектральными функциями отклика: эти измерения показаны на рисунке 4.23. Обратите внимание, что вертикальная ось охватывает шесть логарифмических единиц, так что они измеряли чувствительность, изменяющуюся более чем в один миллион раз, что является выдающимся достижением технических измерений.

Статические нелинейности: принцип

Мы можем проанализировать чувствительность фотопигмента по отклику фототока, потому что нелинейная связь между тестовым светом и сигналом фототока очень проста: фотоны поглощаются линейным процессом; за линейным кодированием следует нелинейный процесс, который преобразует скорость поглощения фотопигмента в фототок мембраны.Свойства нелинейного процесса не зависят от шага линейного кодирования, и поэтому мы называем этот процесс статической нелинейностью. Когда система представляет собой линейный процесс, за которым следует статическая нелинейность, мы можем полностью охарактеризовать производительность системы.

Стоит немного подумать, почему мы можем охарактеризовать этот тип нелинейной системы. Сначала рассмотрим линейный процесс поглощения фотопигмента. Например, существует матрица фотопигментной системы, которая преобразует тестовый свет в скорость поглощения фотонов.Во-вторых, статическая нелинейность преобразует скорость поглощения фотопигмента в пиковый отклик фототока. Вместе эти два процесса определяют отклик нелинейной системы.

Когда мы устанавливаем соответствие между пиковым фототоком от тестового света и основного света, мы устанавливаем уравнение вида

(8)

где — интенсивность первичного света, необходимая для соответствия контрольному свету. Поскольку нелинейная функция является монотонной, мы можем удалить ее с обеих сторон уравнения и записать

(9)

Из этого уравнения мы видим, что существует линейная зависимость между интенсивностью первичного и тестового света, так как если совпадает, то будет совпадать.Таким образом, даже если система имеет статическую нелинейность, производительность системы в эксперименте сопоставления будет удовлетворять тесту на однородность. Мы также можем показать, что в эксперименте согласования система со статической нелинейностью будет удовлетворять суперпозиции.

Конические фотопигменты и согласование цветов

Насколько хорошо спектральная чувствительность фотопигментов колбочки предопределяет эффективность в эксперименте по фотопическому сопоставлению цветов? Мы предсказываем, что два источника света являются метамерами, если они одинаково влияют на три типа фотопигментов колбочек.Чтобы ответить, насколько хорошо фотопигменты конуса предсказывают результаты соответствия цветов, мы можем выполнить следующий расчет.

Рис. 4.24: Сравнение откликов конического фототока и функций согласования цветов. Спектральная чувствительность конического фототока находится в пределах линейного преобразования функций согласования цвета после того, как была сделана коррекция для оптики и инертных пигментов в глазу. Гладкие кривые показывают 10-градусные функции согласования цветов, выполненные Стайлзом и Берчем (1959). Символы показывают совпадения, предсказанные по фототокам трех обезьяньих шишек.Прогнозы включали поправку на поглощение линзами и другими инертными пигментами в глазу (Источник: Baylor, 1987).

Создайте матрицу, три строки которой — спектральные чувствительности фотопигмента конуса. Мы используем эту матрицу для вычисления конусного поглощения тестового света, так что, является вектором, содержащим чувствительность конуса для тестового света. Мы прогнозируем, что два источника света и будут визуально совпадать, когда они будут иметь эквивалентные эффекты на фотопигментах конуса. Таким образом, два огня станут метамерами, когда

Отсюда следует, что матрица поглощения конуса является системной матрицей для эксперимента по сопоставлению цветов.Именно это мы имеем в виду, когда говорим, что фотопигменты колбочки могут объяснить эксперимент по подбору цветов. Ранее в этой главе мы показали, что все функции согласования цветов связаны линейным преобразованием. Таким образом, должно быть линейное преобразование, скажем, которое отображает кривые конусного поглощения в системную матрицу эксперимента по сопоставлению цветов, а именно.

Бейлор, Нанн и Шнапф провели это сравнение \ footnote {После поправки на поглощение линзой и инертные пигменты в глазу.}. Они нашли линейное преобразование для преобразования результатов измерений фотопигмента на конусах в функции согласования цветов. На рис. 4.24 показаны функции согласования цветов вместе с линейно преобразованными кривыми чувствительности конусного фотопигмента. Из согласия между двумя наборами данных мы можем сделать вывод, что спектральная чувствительность фотопигмента является удовлетворительной биологической основой для объяснения эксперимента по фотопическому сопоставлению цветов.

Почему это важно

Методы, которые мы использовали для соединения фотопигментов колбочек и сопоставления цветов, являются прекрасным примером того, как точно соотнести физиологические и поведенческие данные.Чтобы установить связь между поведенческими и физиологическими данными, нам пришлось решить несколько сложных вопросов. Тем не менее, мы получили хорошее количественное согласие между поведенческими и физиологическими измерениями.

Обратите внимание, что когда мы начали наш анализ, свойства нейронных измерений и поведенческих измерений казались разными. Линейность эксперимента по подбору цветов контрастирует с нелинейностью отклика фототока. Но, сравнивая стимулы, вызывающие одинаковые реакции, вместо того, чтобы сравнивать поведенческие совпадения с необработанными уровнями фототока, мы можем заглянуть за пределы различий и понять их глубокую взаимосвязь.В этом случае мы знаем, как связать эти два разных измерения, и простота и ясность взаимосвязи очевидны. Поэтому имеет смысл спросить, что мы можем узнать из этого успешного анализа, который может помочь нам, когда мы продолжим попытки связать другие поведенческие и биологические измерения.

Мы должны помнить, что взаимосвязь между поведением и биологией не всегда может быть обнаружена на уровне измерений, которые естественны для каждой дисциплины. Прямые сравнения между интенсивностью первичного света и сигналами фототока не помогают нам объяснить взаимосвязь, даже несмотря на то, что каждое измерение является естественным в рамках своего собственного эксперимента.Чтобы установить глубокую связь, нам нужно было взглянуть на структурные свойства эксперимента. Когда мы проводим эксперимент по сопоставлению цветов, мы узнаем об эквивалентности различных стимулов. Эта эквивалентность сохраняется при многих преобразованиях. Таким образом, нам удается сравнивать поведение и биологию, когда мы сравниваем результаты на этом уровне, хотя они кажутся разными, когда мы используем другие количественные меры.

Как мы узнаем, что у нас есть правильный набор биологических и поведенческих показателей? Есть много связанных физиологических показателей, которые мы можем использовать для характеристики фоторецепторов, и существует множество вариантов поведенческого эксперимента по сопоставлению цветов.Например, мы могли бы спросить испытуемого, удваивается ли яркость тестового света вдвое, когда мы удваиваем интенсивность (ответ отрицательный). Или мы могли бы попросить испытуемого оценить изменение красного или зеленого цвета. Подобно тому, как отношение вход-выход фототока может нарушать линейность для интенсивных стимулов, слишком многие поведенческие меры нарушают линейность. Поиск правильных мер для выявления общих свойств двух наборов данных отчасти является наукой, а отчасти искусством. Мы узнаем о связях между этими дисциплинами, пытаясь переработать наши эксперименты, используя другие методы, до тех пор, пока связь не станет очевидной.

По мере того, как мы изучаем нейронные реакции в более центральных частях нервной системы, у вас может возникнуть соблазн интерпретировать физиологические измерения как прямые предсказатели некоторого восприятия. Скорость, с которой нейрон отвечает, или стимул, который мощно управляет нейроном, являются естественными биологическими показателями. Однако помните, что нет простой взаимосвязи между реакцией фототока и уровнем интенсивности первичного света. Мы достигли хорошей связи между физиологическими и поведенческими показателями, построив теорию информации, которая сохраняется в каждом наборе экспериментальных измерений.Понимание наших измерений с точки зрения этого уровня абстракции — какой информации присутствует в сигнале — это более сложный, но лучший способ наладить связи между различными дисциплинами. Науке о цвете посчастливилось иметь сотрудников в обеих дисциплинах, которые стремятся наладить эти связи. Нам следует использовать их опыт, когда мы связываем поведение и биологию в других областях.

Дефекты цвета

Я подчеркнул тот факт, что для большинства наблюдателей сопоставление цветов в стандартных условиях просмотра требует, чтобы три основных источника света образовали совпадение, и мы называем цветовое зрение трехцветным .Существуют некоторые условия просмотра, при которых необходимы только два разных основных источника света. В этих условиях просмотра цветное зрение составляет дихроматических . Наконец, когда требуется только одна первичная обмотка, как в условиях обзора стержня, производительность составляет монохроматических .

Дихромия малого поля

Возможно, самый важный случай дихроматии происходит, когда мы уменьшаем размер двудольного поля, используемого в эксперименте по сопоставлению цветов. Если поле значительно уменьшится в размере, с 2 градусов до 20 минут угла обзора, то наблюдателям больше не нужны три независимых основных источника света: достаточно двух основных источников света.В этих условиях наблюдатели действуют так, как если бы у них было только два класса фоторецепторов, а не три.

Почему наблюдатели должны вести себя так, как если бы у них было только два класса рецепторов, когда поле очень мало? Если это наблюдение вас удивит, вернитесь к главе 3 и перечитайте раздел о мозаике S-конуса. Вы обнаружите, что коротковолновых колбочек очень мало, и их нет в центральной ямке. Как ни странно, мы меньше кодируем спектральные свойства падающего света в центральной ямке, чем мы записываем лишь немного периферийные части ямки.В центральной ямке люди двухцветны.

Дихроматические наблюдатели

Некоторые наблюдатели обнаруживают, что они могут провести эксперимент по подбору цветов, используя только два основных источника света во всем поле зрения. Таких наблюдателей называют дихроматов . Подавляющее большинство дихроматов — мужские. Изучая семейные отношения дихроматов, было обнаружено, что дихроматия является генетическим признаком, связанным с полом (Pokorny, Smith, Verriest, and Pinckers, 1979). У дихроматических наблюдателей может отсутствовать длинноволновый фотопигмент ( протанопов ), средневолновый фотопигмент ( дейтеранопов ) или коротковолновый фотопигмент ( тританопов ).Тританопы встречаются гораздо реже, чем протанопы или дейтеранопы. Разница в вероятностях возникает из-за того, что ген, ответственный за создание коротковолнового фотопигмента, находится на другой хромосоме (Nathans, et al., 1992).

Для оценки спектральной чувствительности фоторецепторов можно использовать функции согласования цветов, измеренные от дихроматических наблюдателей. Предположим, у нас есть два дихроматических наблюдателя: первый наблюдатель имеет только фоторецепторы и, а второй наблюдатель имеет только фоторецепторы и.Поскольку чувствительность фоторецепторов линейно связана с функциями согласования цветов, взвешенная сумма функций согласования цветов первого наблюдателя будет равна функции поглощения конуса, а другая взвешенная сумма функций согласования цветов второго наблюдателя будет равна функции поглощения цвета конуса. , тоже. Это устанавливает линейное уравнение, которое мы можем использовать для оценки функции поглощения конуса. Точно так же по паре дихроматов, у которых есть только колбочки, мы можем оценить чувствительность колбочек и так далее.

Псевдоизохроматические пластины.

Для некоторых целей нам не нужны полные результаты эксперимента по подбору цветов, чтобы узнать о цветовом зрении наблюдателя. Гораздо более простой тест на дихроматичность — предложить испытуемому изучить набор цветных изображений, называемых пластин Исихара . Эти пластины были разработаны на основе результатов эксперимента по подбору цветов и могут использоваться для идентификации различных типов дихроматов на основе нескольких простых суждений.

Каждая пластина состоит из цветного тестового шаблона, нарисованного на цветном фоне.И тест, и фон состоят из кругов случайного размера; тест и фон различаются только по цвету. Наблюдатели с дефицитом красно-зеленого цвета испытывают трудности с восприятием тестового шаблона. Поскольку этот тест прост в применении, он обычно используется в качестве инструмента быстрого скрининга для отделения нормалей от протанопов и дейтеранопов.

Тест Фарнсворта-Манселла 100 оттенков

Тест Фарнсворта-Манселла 100 оттенков также обычно используется для проверки на дихроматичность.В этом тесте, который намного сложнее, чем тарелки Исихара, наблюдателю предоставляется набор цилиндрических объектов размером примерно с бутылочные крышки и часто называемых крышек . Цвета крышек можно объединить в кружки оттенков от красного до оранжевого, желтого, зеленого, сине-зеленого, синего, фиолетового и обратно до красного. Несмотря на название теста, всего 85 крышек, каждая из которых пронумерована в соответствии с ее положением в круге оттенков. Цвет крышек различается примерно на одинаковые ступени восприятия.

Рисунок 4.25: Представление ошибок в тесте Фарнсворта-Манселла 100 оттенков. Каждому из тестовых объектов, называемых колпачками, назначается положение по кругу. Оценка ошибки обозначается радиальным расстоянием линии от центра круга. Наблюдатели с нормальным цветовым зрением редко имеют оценку ошибки больше двух. Показаны ошибки, характерные для наблюдателя, пропускающего фотопигмент L-конуса (протаноп), фотопигмент M-конуса (дейтераноп) и фотопигмент S-конуса (тританоп).(Источник: Kalmus, 1965).

Задача наблюдателя — взять случайное расположение колпачков и расположить их по порядку вокруг цветового круга. В начале задания четыре заглавных буквы (1,23,43 и 64) используются, чтобы установить точки привязки для цветового круга. Испытуемого просят расположить оставшиеся цветные колпачки «так, чтобы образовалась непрерывная серия цветов».

Шаги оттенка, разделяющие цвета крышек, довольно маленькие; субъекты с нормальным цветовым зрением часто делают ошибки.После того, как испытуемый заканчивает сортировку колпачков, экспериментатор вычисляет ошибку для каждой из 85 позиций по кругу оттенков. Оценка ошибки равна сумме абсолютных разностей между числом на крышке и его соседями. Например, в правильной серии 1-2-3-4-5-6 оценка ошибки для заглавных букв 2–5 равна 2, наименьшая оценка ошибки. При однократном неправильном введении кода, скажем, 1-3-2-4-5-6, оценка ошибок для заглавных букв со 2 по 4 равна 3, а оценка ошибки для 5 остается 2. Нормальные наблюдатели не производят ошибку больше 2 или 3. в любом месте.

Оценка ошибок испытуемого нанесена на 85 позиций на круговой диаграмме, как показано на Рисунке 4.25. Оценка ошибки, равная нулю, относится к самому внутреннему кругу, а возрастающая оценка ошибки — дальше от центра. Субъекты, у которых отсутствуют L-колбочки (протанопы), M-колбочки (дейтеранопы) и S-колбочки (тританопы), демонстрируют характерно разные паттерны ошибок, которые группируются вдоль разных частей цветового круга.

Наблюдатели за аномальными явлениями

У дихроматических наблюдателей есть только два типа колбочек.Немного большая популяция наблюдателей, которых называют аномальными , имеет три типа колбочек и требует трех основных цветов в эксперименте по сопоставлению цветов. Установленные ими совпадения стабильны, но выходят далеко за пределы диапазона, установленного большинством населения. У этих наблюдателей есть фотопигменты колбочек, которые немного отличаются по структуре от большинства населения, поэтому их называют аномальными. Функции сопоставления цветов для аномальных наблюдателей не входят в линейное преобразование обычных функций сопоставления цветов.Это эквивалентно экспериментальному наблюдению, согласно которому свет, который визуально соответствует этим наблюдателям, не соответствует нормальному наблюдателю, и наоборот.

Neitz, Neitz и Jacobs (1993) на генетических основаниях утверждали, что многие люди содержат небольшое количество аномальных фотопигментов, так что в нормальном глазу присутствует более трех фотопигментов колбочек. Поскольку аномальные фотопигменты не сильно отличаются от нормальных, их присутствие трудно обнаружить во всех, кроме самых деликатных экспериментальных задач.Они связывают трехцветное поведение в эксперименте по подбору цветов с узким местом нервной системы, а не с ограничением количества типов фотопигментов. Однако, поскольку различия между нормальными и аномальными фотопигментами очень малы, эту гипотезу будет трудно доказать или опровергнуть, и она окажет очень небольшое влияние на цветовые технологии.

Отношения между аномальными наблюдателями и нормальными наблюдателями аналогичны отношениям между цветными камерами и нормальными наблюдателями.Спектральная чувствительность цветных датчиков в большинстве цветных камер отличается от спектральной чувствительности фоторецепторов колбочек человека. Что еще хуже, датчики камеры не находятся в пределах линейной трансформации фотопигментов конуса. В результате источники света, которые оказывают на камеру такое же воздействие, то есть источники света, которые визуально соответствуют при измерении на датчиках камеры, могут быть различимы для человека-наблюдателя. И наоборот, будут пары источников света, которые визуально соответствуют друг другу, но вызывают разные реакции датчиков камеры.Я вернусь к обсуждению этой темы, когда мы вернемся к обсуждению внешнего вида цвета в главе 9.

Внешний вид цвета

Подбор цветов обеспечивает стандарт точности, к которому мы стремимся, когда мы анализируем взаимосвязь между поведением и физиологией. Работа по подбору цветов также важна, потому что она оказала влияние не только на фундаментальную науку, но и на инженерное дело и технологии, которые затрагивают нашу жизнь.

Успех сопоставления цветов и его объяснение настолько впечатляют, что есть тенденция полагать, что сопоставление цветов объясняет больше, чем оно делает.Теория и данные фотопического сопоставления цветов дают удивительно полное объяснение того, когда два источника света совпадают. Но теория ничего не говорит о том, как выглядят огни.

Рисунок 4.26: Сопоставление цветов не предсказывает внешний вид цвета. X физически одинаковы (обратите внимание, где они соединяются) и, таким образом, оказывают одинаковое влияние на фотопигменты; но их внешний вид отличается. Реакции фотопигмента в определенной точке не определяют внешний вид цвета в этой точке. Внешний вид зависит от пространственной структуры изображения.(Источник: Albers, 1975).

Часто студенты, которые впервые знакомятся с подбором цветов, удивляются, что слова «яркость», «насыщенность» и «оттенок» никогда не обсуждаются. Логика эксперимента по сопоставлению цветов и то, что эксперимент по сопоставлению цветов говорит нам о человеческом зрении, не имеет отношения к внешнему виду цвета. То, что мы извлекаем из сопоставления цветов, является фундаментальным, но это еще не все, что мы хотим знать. Для многих целей мы хотим знать. Понимание соответствия цветов необходимо для понимания внешнего вида цвета; но это не решение проблемы.

Чтобы подчеркнуть различие между соответствием цвета и внешним видом цвета, рассмотрим следующий эксперимент. Предположим, что мы формируем цветовое соответствие между двумя источниками света, которые представлены в виде пары пересекающихся линий на одном фоне. Такая пара изображена в левой части рисунка 4.26. Слева обе линии кажутся серыми. Теперь переместите эту пару линий на новый фон. Соответствие цветов гарантирует нам, что два источника света будут продолжать соответствовать друг другу, когда мы их перемещаем.

Но не стоит быть уверенным, что их внешний вид останется прежним. Например, справа от рисунка мы видим, что пара огней теперь имеет совершенно другой цвет. Изучив точку, где линии сходятся в верхней части рисунка 2.26, который является картиной художника Джозефа Альберса, вы можете увидеть, что линии физически идентичны с обеих сторон картины.

Подбор цвета отличается от внешнего вида цвета. Чтобы построить теорию появления цвета, нам нужно будет включить экспериментальные факторы, такие как контекст просмотра, которые не включены ни в теорию, ни в экспериментальные манипуляции эксперимента по подбору цветов.Именно потому, что важные открытия, изложенные в этой главе, не решают проблему внешнего вида, эта глава так странно названа. Мы рассмотрим тему цвета в главе 9.

Цвет

Глава 6

Цвет

Цветное изображение — один из основных компонентов любой графической системы, и это часто является источником отличных сложность модели визуализации. API Java 2D ™ обеспечивает поддержка высококачественной цветной печати, простая в использовании и позволяет опытным клиентам изысканно использовать цвет.

Ключевые классы управления цветом в Java 2D API: ColorSpace, Color , ColorModel :

• A ColorSpace представляет собой систему для измерение цветов, как правило, с использованием трех отдельных числовых значений или компоненты. Класс ColorSpace содержит методы преобразования между цветовым пространством и двумя стандартные цветовые пространства, CIEXYZ и RGB.

• A Цвет — фиксированный цвет, определенный в с точки зрения его компонентов в конкретном ColorSpace .Чтобы нарисовать фигуру в цвете, таком как красный, вы передаете Color объект, представляющий этот цвет для контекст Graphics2D . Цвет определен в файле java.awt посылка .

• A ColorModel описывает конкретную способ сопоставления значений пикселей с цветами. ColorModel обычно ассоциируется с Image или BufferedImage и предоставляет необходимую информацию чтобы правильно интерпретировать значения пикселей. ColorModel определен в пакете java.awt.image e.

6.1 Классы

6.2 цветовые концепции

ColorModel используется для интерпретировать данные пикселей в изображении. Сюда входят компоненты отображения в полосах изображения к компонентам определенного цветового пространства. Это также может включать извлечение пиксельных компонентов из упакованного пикселя. данные, извлекая несколько компонентов из одного диапазона, используя маски и преобразование данных пикселей с помощью таблицы поиска.

Для определения значения цвета конкретного пикселя в изображении необходимо знать, как информация о цвете кодируется в каждый пиксель. ColorModel связанный с изображением инкапсулирует данные и методы, необходимые для перевод значения пикселя в его составляющий цвет и обратно составные части.

6.2.0 Цвет

Java 2D ™ API предоставляет две цветовые модели. в дополнение к DirectColorModel и IndexColorModel , определенный в JDK 1.1 выпуск программы:

• ComponentColorModel может обрабатывать произвольный ColorSpace и массив компоненты цвета для соответствия ColorSpace .Эта модель может использоваться для представления большинства цветные модели на большинстве типов GraphicsDevices .

• PackedColorModel — базовый класс для модели, представляющие значения пикселей, которые имеют свои цветовые компоненты встроены непосредственно в биты целочисленного пикселя. PackedColorModel хранит информацию об упаковке, которая описывает, как цвет и альфа-компоненты извлекаются из канал. DirectColorModel в JDK 1.1 версия программного обеспечения — PackedColorModel .

6.2.0.1 ColorSpace

A Объект ColorSpace представляет собой систему измерения цветов, обычно использующую три отдельные числовые значения. Например, RGB и CMYK являются цветными. пробелы. Объект ColorSpace служит цветовой тег, который определяет конкретное цветовое пространство Color объект или, через объект ColorModel , Image , BufferedImage или Конфигурация графики . ColorSpace предоставляет методы, преобразующие Цвета в определенном цветовом пространстве до и от sRGB и до и от четко определенного CIEXYZ цветовое пространство.

Все ColorSpace объекта должен иметь возможность отображать цвет из представленного цветового пространства в sRGB и преобразовать цвет sRGB в представленное цветовое пространство. С каждые Color содержат объект ColorSpace , установленный явно или по умолчанию, каждые Цвет также можно преобразовать в sRGB .Каждая конфигурация GraphicsConfiguration связана с ColorSpace объект, который, в свою очередь, имеет связанный ColorSpace . Указанный цвет в любом цветовом пространстве может отображаться любым устройством, отображая его через sRGB в качестве промежуточного цвета космос.

Для этого процесса используются следующие методы: toRGB и fromRGB:

• toRGB преобразует Color в представленном цветовом пространстве в Цвет в sRGB .

• fromRGB принимает Color в sRGB и преобразует его в представленное цветовое пространство.

Хотя отображение через sRGB всегда работает, это не всегда лучший вариант решение. Во-первых, sRGB не может представляют каждый цвет в полной гамме из цветов CIEXYZ . Если цвет указан в некотором пространстве который имеет другую гамму (спектр представимых цветов), чем sRGB , затем использование sRGB в качестве промежуточного пространства приводит к потере Информация.Чтобы решить эту проблему, класс ColorSpace может отображать цвета в другой и обратно. цветовое пространство, «пространство преобразования» CIEXYZ .

Методы toCIEXYZ и из CIEXYZ отображать значения цвета из представленное цветовое пространство в пространство преобразования. Эти методы поддерживать преобразование между любыми двумя цветовыми пространствами при разумной высокая точность, одна Цвет при время. Однако ожидается, что реализации Java 2D API будут поддержка высокопроизводительного преобразования на основе базовой платформы системы управления цветом, работающие со всеми изображениями.(Видеть ColorConvertOp в «Imaging» на стр.67.)

На рисунках 6-1 и 6-2 показан процесс. перевода цвета, указанного в цветовом пространстве CMYK, для отображения на цветном мониторе RGB. На рисунке 6-1 показано отображение через sRGB . Как эта цифра На рисунке показано, что преобразование цвета CMYK в цвет RGB происходит неточно из-за несоответствия гаммы.

На рисунке 6-2 показан тот же процесс. используя CIEXYZ в качестве пространства преобразования.Когда используется CIEXYZ , цвет передается через точно.

6.2.0.2 ICC_Profile и ICC_ColorSpace

ColorSpace на самом деле абстрактный класс. Java 2D API предоставляет одну реализацию, ICC_ColorSpace , основанный на ICC Данные профиля представлены классом ICC_Profile . Вы можете определить свой собственный подклассы для представления произвольных цветовых пространств, пока методы, рассмотренные выше, реализованы.Однако большинство разработчиков можно просто использовать по умолчанию sRGB ColorSpace или цветовые пространства, которые представлены общедоступными профилями ICC, такими как профили для мониторов и принтеров или профилей, встроенных в данные изображения.

«ColorSpace» на на странице 90 описано, как объекты ColorSpace представляют цветовое пространство и как цвета в представленном пространстве могут быть отображены в и из конверсионное пространство. Системы управления цветом часто используются для обработки отображение между цветовыми пространствами.Типичная система управления цветом (CMS) управляет профилями ICC, которые аналогичны объектам ColorSpace ; Профили ICC описывают ввод пространство и пространство соединения, и определите, как отображать между ними. Системы управления цветом очень хорошо понимают, как сопоставить цвет, помеченный одним профилем в цветовом пространстве другого профиль.

Java 2D API определяет класс, называемый ICC_Profile , содержащий данные для произвольный профиль ICC. ICC_ColorSpace — это реализация абстрактного класса ColorSpace . ICC_ColorSpace объекты могут быть построены из Профили ICC . (Есть некоторые ограничения — не все профили ICC подходят для определения ICC_ColorSpace ).

ICC_Profile имеет несколько подклассы, соответствующие определенным типам цветового пространства, например ICC_ProfileRGB и ICC_ProfileGray .Каждый подкласс ICC_Profile имеет четко определенное пространство ввода (например, пространство RGB) и четко определенное пространство подключения (например, CIEXYZ ). Java 2D API может использовать CMS платформы для доступа к цветовым профилям для различных устройств например сканеры, принтеры и мониторы. Он также может использовать CMS чтобы найти лучшее сопоставление между профилями.

6.2.1 Описание цветов

Класс Color предоставляет описание цвета в определенном цветовом пространстве.An экземпляр Color содержит значение компоненты цвета и ColorSpace объект. Поскольку объект ColorSpace может указывается в дополнение к цветовым компонентам, когда новый экземпляр Color создается, Color Класс может обрабатывать цвета в любых цветовое пространство.

Класс Color имеет количество методов, поддерживающих предлагаемое стандартное цветовое пространство RGB называется sRGB (см. http: // www.w3.org/pub/WWW/Graphics/Color/sRGB.html ). sRGB — цветовое пространство по умолчанию для Java 2D API. Некоторые конструкторы, определенные классом Color, опускаются. параметр ColorSpace . Эти конструкторы предполагают, что значения RGB цвета определены в sRGB и используйте экземпляр по умолчанию ColorSpace для представления этого пространства.

Java 2D API использует sRGB как удобство для прикладных программистов, не как эталонное цветовое пространство для преобразования цвета.Многие приложения в первую очередь связаны с изображениями и мониторами RGB, и определение стандартного цветового пространства RGB делает запись такой приложения проще. Цветное пространство класс определяет методы от до RGB и от RGB , чтобы разработчики могли легко получить цвета в этом стандартном пространстве. Эти методы не предназначен для использования для высокоточной цветокоррекции или конверсии. См. «ColorSpace» на стр. 90 для получения дополнительной информации.

Для создания цвета в цветовом пространстве, отличном от sRGB , вы используете конструктор Color , который принимает объект ColorSpace и массив с плавающей запятой, который представляют компоненты цвета, соответствующие этому пространству. В ColorSpace объект определяет цвет космос.

Для отображения прямоугольника определенного цвета, например голубой триадный цвет, вам нужно описать этот цвет, чтобы система. Есть несколько разных способов описать цвет; например, цвет можно описать как набор красного, зеленый и синий (RGB) компоненты или набор голубого, пурпурного, желтый и черный (CMYK) компоненты.Эти разные техники для указание цветов называется цвет места .

Как вы, наверное, знаете, цвета на экране компьютера создаются путем смешивания разного количества красного, зеленого и синего свет. Поэтому использование цветового пространства RGB является стандартным для визуализации. на компьютерных мониторах. Точно так же четырехцветная печать использует голубые, пурпурные, желтые и черные чернила для получения цвета на отпечатанном страница; напечатанные цвета указаны в процентах в CMYK цветовое пространство.

В связи с преобладанием компьютерных мониторов и цветная печать, цветовые пространства RGB и CMYK обычно используются для описать цвета. Однако оба типа цветовых пространств имеют принципиальный недостаток — они зависят от устройства. Голубые чернила используемые одним принтером могут не точно соответствовать голубым чернилам, используемым Другой. Точно так же цвет, описанный как цвет RGB, может выглядеть синий на одном мониторе и пурпурный на другом.

6.2.2 Отображение цветов через sRGB и CIEXYZ

Java 2D API обращается к RGB и CMYK как к цвету. космические типы.Конкретная модель монитора с ее особенностями люминофор определяет собственное цветовое пространство RGB. Точно так же конкретный Модель принтера имеет собственное цветовое пространство CMYK. Другой RGB или Цветовые пространства CMYK могут быть связаны друг с другом через независимое от устройства цветовое пространство.

Стандарты для аппаратно-независимой спецификации цвета были определены Международной комиссией по Освещение (CIE). Наиболее часто используемый цвет, не зависящий от устройства space — это трехкомпонентное цветовое пространство XYZ, разработанное CIE.Когда вы указываете цвет с помощью CIEXYZ , вы изолированы от зависимостей устройств.

К сожалению, не всегда практично описать цвета в CIEXYZ цвет пробел — есть веские причины для представления цветов в другие цветовые пространства. Чтобы получить стабильные результаты, когда цвет представлен с использованием зависящего от устройства цветового пространства, такого как конкретное пространство RGB, необходимо показать, как это RGB-пространство относится к независимому от устройства пространству, например CIEXYZ .

Один из способов сопоставления цветовых пространств — прикрепить информацию в пробелы, описывающие, как устройство зависит от пространство относится к аппаратно-независимому пространству. Этот дополнительный информация называется профилем . А Обычно используемый тип цветового профиля — это цветовой профиль ICC, поскольку определено Международным консорциумом по цвету. Подробнее см. Спецификация формата профиля ICC, версия 3.4 доступна по адресу http://www.color.org .

На рис. 6-3 показано, как сплошной цвет и отсканированное изображение передаются в Java 2D API, и как они отображаются различными устройствами вывода. Как вы можете видеть в Рисунок 6-3, оба цвет ввода и изображение имеют прикрепленные профили.

6.2.2.1 Подбор цвета

Как только API получает точно заданный цвет, он должен воспроизводить этот цвет на устройстве вывода, таком как монитор или принтер.Эти устройства обладают собственными характеристиками изображения. это необходимо учитывать, чтобы убедиться, что они производят правильные результаты. Другой профиль связан с каждым выходом устройство для описания того, как нужно преобразовать цвета, чтобы получить точные результаты.

Для получения однородной и точной цветопередачи требуется чтобы и цвета ввода, и устройства вывода были профилированы по стандартное цветовое пространство. Например, можно сопоставить входной цвет из исходного цветового пространства в стандартное, не зависящее от устройства пространство, а затем сопоставлено из этого пространства с устройством вывода цветовое пространство.Во многом трансформация цветов имитирует преобразование графических объектов в координату ( x , y ) космос. В обоих случаях используется преобразование, чтобы указать координаты в «стандартном» пространстве, а затем сопоставьте их координаты в определенное для устройства пространство для вывода.

% PDF-1.2 % 709 0 объект > эндобдж xref 709 39 0000000016 00000 н. 0000001131 00000 н. 0000002245 00000 н. 0000002332 00000 н. 0000002640 00000 н. 0000002726 00000 н. 0000002885 00000 н. 0000003029 00000 н. 0000003203 00000 н. 0000003263 00000 н. 0000003323 00000 н. 0000004436 00000 н. 0000004634 00000 н. 0000004730 00000 н. 0000004824 00000 н. 0000004921 00000 н. 0000005020 00000 н. 0000005115 00000 н. 0000005391 00000 п. 0000005572 00000 н. 0000005624 00000 н. 0000005676 00000 н. 0000005879 00000 п. 0000006289 00000 п. 0000007325 00000 н. 0000007819 00000 п. 0000008014 00000 н. 0000008577 00000 н. 0000008764 00000 н. 0000035320 00000 п. 0000035526 00000 п. 0000036174 00000 п. 0000036253 00000 п. 0000037111 00000 п. 0000037837 00000 п. 0000084368 00000 п. 0000088426 00000 п. 0000003383 00000 н. 0000004414 00000 н. трейлер ] >> startxref 0 %% EOF 710 0 объект > 8> 8> 11> 12> 12> 12> 15> 15> 17> 17> 18 > 18> 23> 23 > 27> 27> 30 > 30> 38> 38 > 42> 42> 48 > 48> 51> 51 > 55> 55> 56 > 56> 57> 57 > 60> 61> 62 > 62> 64> 64 > 64> 70> 70 > 75>] >> >> эндобдж 711 0 объект [ 712 0 справа 713 0 справа 714 0 справа 715 0 справа 716 0 справа 717 0 справа 718 0 справа 719 0 справа ] эндобдж 712 0 объект > / Ж 721 0 Р >> эндобдж 713 0 объект > / F 2 0 R >> эндобдж 714 0 объект > / Ж 7 0 Р >> эндобдж 715 0 объект > / F 3 0 R >> эндобдж 716 0 объект > / Ж 8 0 Р >> эндобдж 717 0 объект > / F 723 0 R >> эндобдж 718 0 объект > / Ж 724 0 Р >> эндобдж 719 0 объект > / F 725 0 R >> эндобдж 746 0 объект > поток Hb«`f`5g`c«gd @

RGB vs.CMYK или грунтовка по цвету в эпоху цифровой репродукции

Когда Альберти написал проект On Painting в 1453 году, он понял, что ограничение ограниченной палитры цветов может быть ценным инструментом для художника: «Некоторые люди удивляются, что древние живописцы Полигнот и Тимант использовали только четыре цвета, в то время как Аглаофон получили удовольствие от одного… как если бы эти люди считали долгом превосходного художника использовать весь диапазон цветов ». [1] Сегодня мы используем другую палитру, цвета RGB инструментов цифрового дизайна и их печать CMYK эквиваленты.Наша способность манипулировать цифровыми цветами и точно преобразовывать их в чернила на печатной странице — это то, что мы считаем само собой разумеющимся, но на самом деле наши дизайны управляются и косвенно формируются техническими системами, которые лежат в основе цифрового представления цвета.

В интересах создания общего словарного запаса мы должны сначала вернуться к некоторым ключевым терминам и концепциям. Цвет — это субъективное качество визуального восприятия и феноменологический опыт, который позволяет нашему мозгу интерпретировать диапазон длин электромагнитных волн, составляющих видимый световой спектр, от 380 до 740 нм.Важно отметить, что полная цветовая гамма, которую мы можем воспринимать, включает не только цвета отдельных длин волн света
(чистые цвета, например, ROYGBIV), но также цвета, образованные объединенной энергией многих длин волн света. Фактически, большинство цветов в реальном мире представляют собой смеси различных длин волн и поэтому лучше всего представлены в виде непрерывных графиков энергии в видимом спектре. Вы можете увидеть пример одного такого графика или спектрального распределения мощности на диаграмме ниже, изображающей галогенную лампочку.Хотя галогенный свет содержит излучение многих длин волн, перекос в сторону длинного конца спектра объясняет его характерный теплый желтоватый цвет.

Спектральное распределение мощности галогенного света и белого света светодиодов RGB

Оказывается, наши глаза — довольно несовершенные измерительные машины. В сетчатке всего три типа цветочувствительных колбочек: «красноватые» детекторы, «зеленоватые» детекторы и «голубоватые» детекторы. Вместе они определяют относительную объединенную энергию длин волн в трех перекрывающихся полосах спектра, которые мозг, в свою очередь, интерпретирует как цвет.Этот восстановительный процесс имеет ряд неотъемлемых последствий. Что наиболее важно, это позволяет ошибочно воспринимать определенные цвета как совпадающие, даже если цвета могут иметь различное базовое спектральное распределение мощности, явление, известное как метамерия. Это явление позволяет создать относительно простую модель кодирования цветов как количественно измеримых значений. Для любого цвета — представленного нюансами непрерывного спектрального распределения мощности — мы можем создать воспринимаемый согласованный цвет, состоящий из смеси всего трех длин волн: чистого красного, чистого зеленого и чистого синего.Другими словами, любой цвет полного спектра в реальном мире имеет неотличимый эквивалент RGB (для некоторого идеального набора красного, зеленого и синего света).

Этот набег на науку о цвете подчеркивает три момента:

1. Модель кодирования RGB полностью зависит от конкретной биологии человеческого глаза.
2. Модель кодирования RGB недостаточна для описания цветов и их взаимодействия в природе за пределами человеческого восприятия.
3. Создание точного цвета RGB зависит от способности излучать относительно чистые цвета, что было более или менее невозможно до появления лазеров и светодиодов (LED) — и все еще невозможно, если рассматривать практически любую среду, кроме экрана.

Перейдем от общего к частному. Предположим, мы хотим изобразить цветной перец. Что значит сказать, что цвет имеет значение RGB (235, 92, 40)? К сожалению, очень мало. Тот факт, что многие цвета RGB представлены как значения от 0 до 255, скрывает тот факт, что они действительно представляют интенсивность трех источников света RGB. Более полезно сказать, что цвет имеет значение (235/255, 92/255, 40/255) или (0,92, 0,36, 0,15). Таким образом, наш цвет паприки зависит от 0.92 интенсивности красного света, 0,36 интенсивности зеленого света и 0,15 интенсивности синего света. Но о каких именно огнях мы говорим? Значение RGB совершенно бессмысленно без указания цвета каждого чистого основного RGB. Чтобы однозначно отличить наш цвет перца от другого цвета перца, мы должны дополнительно сказать, что наши значения RGB относятся к известному набору основных цветов, например, трем основным цветам, задокументированным согласованной спецификацией. Конечно, чтобы углубиться в кроличью нору, поскольку цвета могут выглядеть по-разному при просмотре при разном окружающем освещении, нам нужно указать теоретический источник света, например Стандартный источник света D65, примерно эквивалентный среднему полуденному свету в Западной Европе, и электрооптическая передаточная функция, которая отображает диапазон значений интенсивности от 0 до 1 на фактическое количество линейного света.2.2). [2] Разные цветовые пространства помогают нам описывать цвета на разных экранах с разной гаммой и преобразовывать цвета в разных программах, устройствах и контекстах. sRGB — это цветовое пространство по умолчанию для многих программ, почти для всех изображений в Интернете и подразумеваемое цветовое пространство, если оно не указано. Хотя (0,92, 0,36, 0,15) более или менее бессмысленно, (0,92, 0,36, 0,15) в цветовом пространстве sRGB позволяет нам точно определить цвет перца во всей его яркой оранжевой красе.

Конечно, когда мы пойдем на печать (0.92, 0,36, 0,15) sRGB, еще сложнее гарантировать правильный вывод. Почему это? Почему так много печатных цветов выглядят тусклыми версиями своих цифровых аналогов? В то время как цвет RGB излучается непосредственно как свет, цвет печати зависит от чернил, уменьшающих белый свет, который в противном случае был бы отражен поверхностью носителя. Таким образом, в лучшем случае цвет отпечатка может быть таким же ярким или ярким, как белый фон бумаги, на котором он напечатан. Даже глянцевая бумага, не говоря уже о тускло-серой газетной бумаге, отражает гораздо меньше света, чем излучает экран.Помимо перехода от излучаемого света (аддитивный цвет) к отраженному свету (субтрактивный цвет), для печати цвета RGB требуется преобразование красного, зеленого и синего основных цветов в основные цвета большинства процессов цветной печати: голубой, пурпурный и желтый. Смешивание цветов с голубым (C), пурпурным (M) и желтым (Y) по своей сути ограничено и дает меньшую гамму возможных цветов, чем большинство цветовых пространств RGB. Добавление черных чернил или клавишной пластины (K) немного расширяет цветовую гамму, обеспечивая более глубокие и менее мутные темные цвета.Однако светлые и насыщенные цвета часто невозможно создать с помощью CMY или CMYK.

Есть еще одна проблема. Преобразование из RGB в CMYK зависит от знания точного цветового пространства ввода RGB и точного цветового пространства желаемого вывода CMYK. Поскольку CMYK предназначен для печати, цветовые пространства CMYK представляют собой цифровые эквиваленты реальных комбинаций бумаги и чернил. Когда мы сохраняем файл как CMYK, мы неявно (независимо от того, сообщает нам компьютерная программа или нет) выбираем определенную комбинацию бумаги / чернил, обычно U.S. Web Coated (SWOP) V2, который предполагает использование коммерческой высококачественной рулонной офсетной печатной машины и мелованной бумаги. Если вы распечатываете файл CMYK SWOP на струйном принтере с глянцевой бумагой, принтер снова внутренне преобразует CMYK SWOP в свой собственный вариант CMYK, который будет воспроизводить похожие цвета при просмотре на глянцевой бумаге. К сожалению, между моментом, когда вы отправляете файл с цветами CMYK (или RGB) на принтер, и моментом, когда чернила попадают на страницу, ваш файл может пройти через любое количество промежуточных программ (например.грамм. Преобразование PDF, программы оптимизации перед печатью, программное обеспечение для управления принтером, утилиты сжатия и т. Д.). Если какая-либо из этих программ забывает передать точное цветовое пространство вашего входного файла, принимает цветовое пространство по умолчанию или, что еще хуже, назначает новое цветовое пространство без соответствующего преобразования цветов, все ставки отключены. Это тоже не теоретическая проблема — на практике почти невозможно полностью гарантировать, что вся ваша производственная цепочка, от исходной программы проектирования до принтера, полностью управляется цветом .

Таблица калибровки цветов CMYK для принтера

Учитывая подводные камни работы с цифровым цветом в различных программах и неизбежное отсутствие точности печати, как вы должны понимать сложность управления цветом? Полезно начать в конце процесса, представив себе физический отпечаток, который вы надеетесь получить. Многие принтеры имеют настройку диагностики, которая позволяет распечатать страницу калибровки со всеми возможными цветами. Работа с независимой типографией предоставляет дополнительные возможности.Многие принтеры могут расширять традиционные цвета CMYK за счет добавления плашечных цветов, специальных чернил, смешанных только для вашего тиража. В онлайн-библиотеке цветов по адресу https://colorlibrary.ch/ представлены фотографии на входе RGB, преобразованные с помощью различных творческих профилей печати, от двухцветных неоновых профилей до трехцветных разделений ризографов. Уменьшение цветовой палитры принтера может быть не ограничением, а прекрасной возможностью для достижения уникального стиля печати, подчеркивающего замысел вашего дизайна.

Библиотека цветов ( https: // colorlibrary.ch ), автоматическое цветоделение

Как только вы узнаете возможности вашего принтера, вам остается только работать в обратном направлении, чтобы найти правильные начальные цвета. Сначала вы определяете цветовое пространство, которое ваш принтер ожидает или поддерживает. Затем вы убедитесь, что ваше программное обеспечение для печати правильно передает это цветовое пространство из исходного файла дизайна. Для некоторых принтеров лучше всего отправить непреобразованный файл sRGB. Другие могут ожидать, что файл будет преобразован в определенный профиль CMYK.В любом случае для достижения правильного результата требуется непрерывный процесс тестирования напечатанных цветов и сравнения их с исходным цифровым материалом, а также тщательное наблюдение за деталями. Это процесс, который вознаграждает скрупулезную цифровую практику и привычку предугадывать каждое звено в цепочке от цифровой печати до печати.

Изучая эту статью, мы натолкнулись на интересную беседу между Кэролайн Л. Кейн и Зейной Кореитем, опубликованную под заголовком «Вычислительный цвет» в Project, Issue 7.В их беседе Кейн заново представляет идею Хайдеггера о «технологическом обрамлении» как способ понять, как современное цифровое искусство и методы дизайна создают работы с использованием цвета. Она заявляет, что Хайдеггер «имел в виду состояние, при котором технологии и производственные процессы становятся настолько продвинутыми и специализированными, что то, что производится или может быть произведено с помощью системы, будет все больше отделяться от нюансов того, что феноменологи называют« жизненным миром »[…] изначально был выбран из.[3] Кейн переосмысливает фундаментальную проблему, которая отделяет цифровые цвета от цветов печатной страницы: «Отчасти проблема с цветом заключается в том, что в зависимости от того, в какой области или дисциплине вы работаете, вы подходите к ней по-разному. Для некоторых цвет всегда технический, серия кодов и химических формул. Для других цвет поэтичен и загадочен. Дело не в том, что один [подход] правильный, а другой — нет. Они зависят друг от друга, чтобы разрабатывать, терпеть неудачу и заново вводить новшества все
»[4]

Переформулировка Хайдеггера Кейном — уместная аналогия того, как следует подходить к работе между RGB, CMYK и печатной страницей: как к процессу, основанному на постоянных инновациях и обмене между преимуществами и возможностями. цифрового цвета и необходимые ограничения физических носителей.Возможно, вы никогда не сможете полностью воспроизвести цвет перца на своем экране с помощью чернил на странице газетной бумаги, но процесс попыток, неудач и сближения в конечном итоге раскрывает важные истины о том, как мы работаем с цветом как дизайнеры, и связывает нас с более широкой историей художники, ученые, печатники, алхимики и философы пытаются понять, как использовать полный спектр видимого света в качестве инструмента для выражения и мысли.

1. Леон Баттиста Альберти, О живописи (Лондон: Пингвин, 2005), 82.
2. См. Дерзкое, но очень полезное «Автостопом по цифровому цвету» Троя Соботки для полного понимания нюансов цветового пространства RGB на https://hg2dc.com/.
3. Кэролайн Л. Кейн и Зейна Кореитем, «Вычислительный цвет», проект, выпуск 7 (2018): 78.
4. Там же, 79.

Спектральная реконструкция с помощью RGB и гиперспектральных камер

Абстрактные

Фон

Способность различать два одинаковых или постепенно различающихся цвета важна для многих животных, поскольку позволяет точно интерпретировать визуальные сигналы, производимые ключевыми целевыми стимулами или отвлекающей информацией.Спектрофотометрия объективно измеряет спектральные характеристики этих сигналов, но часто ограничивается точечными образцами, которые могут недооценивать спектральную изменчивость в пределах одного образца. Алгоритмы для изображений RGB и устройств цифровой обработки изображений с большим числом каналов более трех, гиперспектральные камеры, были недавно разработаны для создания спектрофотометров изображений для восстановления спектров отражения в отдельных точках пикселей. Мы сравниваем линеаризованную RGB и гиперспектральную камеру с точки зрения их индивидуальных способностей различать цветовые объекты с разным восприятием для человека-наблюдателя.

Основные выводы

(1) Мощность цветового различения устройства RGB зависит от цветового сходства между образцами, в то время как гиперспектральное устройство позволяет реконструировать уникальный спектр для каждого местоположения дискретизированного пикселя независимо от их хроматического внешнего вида. (2) Неопределенность, связанная со спектральной реконструкцией по откликам RGB, является результатом совместного эффекта метамерии и спектральной изменчивости в пределах одного образца.

Заключение

(1) RGB дают ценную информацию об ограничениях цветовой дискриминации при небольшом количестве фоторецепторов, поскольку принципы интерпретации сигналов фоторецепторов у трехцветных животных также применимы к ответам камеры RGB.(2) Архитектура гиперспектральной камеры предоставляет средства для исследования других важных аспектов цветового зрения, таких как восприятие определенных типов маскировки и постоянство цвета, когда несколько узкополосных датчиков увеличивают разрешение.

Образец цитирования: Гарсия Дж. Э., Жирар М. Б., Касумович М., Петерсен П., Вилкш П. А., Дайер А. Г. (2015) Дифференциация биологических цветов с помощью нескольких и многих сенсоров: спектральная реконструкция с помощью RGB и гиперспектральных камер. PLoS ONE 10 (5): e0125817.https://doi.org/10.1371/journal.pone.0125817

Академический редактор: Даниэль Осорио, Университет Сассекса, ВЕЛИКОБРИТАНИЯ

Поступила: 17.11.2014; Одобрена: 18 марта 2015 г .; Опубликовано: 12 мая 2015 г.

Авторские права: © 2015 Garcia et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника

Доступность данных: Все данные, необходимые для воспроизведения результаты, представленные в рукописи, доступны в Harvard Dataverse Network (http: // thedata.harvard.edu/dvn/dv/garcia_et_al_PLOS_2015_diff_colours; DOI: 10.7910 / DVN / 29370).

Финансирование: JEG был поддержан Колфутуро (Колумбия) (http://www.colfuturo.org) Credito-Becka 200818772. AGD поддерживался Австралийским исследовательским советом (http://www.arc.gov.au/ ) DP0878968 / DP130100015. МК был поддержан Австралийским исследовательским советом (http://www.arc.gov.au/) DE120100214. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: AG Дайер заявляет, что он является научным редактором PLOS ONE. Это не влияет на соблюдение авторами редакционной политики и критериев PLOS ONE.

Введение

Биологический мир полон разнообразия, но ничто не привлекает больше «человеческого» внимания, чем цвет. Это увлечение демонстрируется большим количеством исследований, изучающих механизмы, окружающие восприятие цвета [1], эволюцию цветового разнообразия [2] и то, какие цвета сигнализируют приемникам [3].С точки зрения организма, поскольку цветовое зрение позволяет различать стимулы на основе спектральных различий независимо от яркости [4], эта способность имеет важное значение для выживания и поиска пищи. Например, распознавание цвета позволяет примату распознавать спелые плоды [4, 5], пчелам — различать полезные или имитирующие цветы схожего внешнего вида [6–8] или хищнику, разрушать определенные механизмы маскировки, полагаясь на хроматическое сходство между мишенями. и фон [9, 10].Однако точное соответствие целевому образцу цвета — непростая задача [11].

Один из основных принципов колориметрии состоит в том, что может существовать ряд различных спектральных сигналов, которые могут приводить к идентичной стимуляции соответствующих цветных фоторецепторов и, таким образом, приводить к стимулам, которые не воспринимаются как разные. В то время как ранние теории цвета предполагали, что восприятие цвета могло быть основано на том, что глаз обладает множеством чувствительных к цвету клеток, Джордж Палмер [12] был первым, кто выдвинул идею о том, что восприятие цвета основано на максимальной чувствительности определенных частиц сетчатки.Эта идея была расширена Томасом Янгом [13], который предположил, что всего три типа цветовых рецепторов могут быть ответственны за наше богатое цветовое восприятие, идея, далее развитая Германом фон Гельмгольцем [14] и Джеймсом Клерком Максвеллом [15] для создания Янга — теория трихроматии Гельмгольца-Максвелла [16]. Важный момент, касающийся того, как цветная визуальная система обрабатывает информацию, может быть описан принципом унивариантности, когда выход рецептора зависит от его квантового улова, а не от того, какие кванты улавливаются [17].Таким образом, один индивидуальный тип фоторецепторов объединяет все фотоны, и только результирующий сигнал обрабатывается оппонентной сетью в мозгу, и поэтому каждый индивидуальный тип рецептора не может различить изменение длины волны и изменение интенсивности [4]. Этот физиологический принцип позволяет экономично производить цветные мониторы и камеры коммерческого уровня, которые используют только три цветовых канала: красный, зеленый и синий (RGB) для представления нормального восприятия цвета человеком [18]. Например, откалиброванный монитор может обеспечить реалистичное визуальное представление сложной окружающей среды, такой как цветы в саду, используя всего три широкополосных канала информации [19].

Принцип унивариантности также объясняет, почему определенные спектральные сигналы с различными спектральными характеристиками могут восприниматься как имеющие один и тот же цвет при определенных условиях освещения, явление, называемое метамерией [4, 18, 20]. Действительно, метамерия предотвращает восстановление уникального спектрального сигнала непосредственно из реакции либо биологического, либо искусственного фоторецептора, обычно используемого в цветном отображении [21–23].

Сложность изучения восприятия цвета на основе поведенческих реакций привела к изучению цветового зрения животных с помощью физических свойств зрительных сигналов и систем, использующих спектрофотометрические методы и приборы [24].Хотя использование спектрофотометров изменило наше понимание того, как другие животные, кроме человека, воспринимают различные цветовые комбинации [25, 26], информацию, которую передает цвет [3, 27], и эволюцию цветового выражения [2], существует также понимание того, что глаза животных не функционируют как устройства измерения точечного источника. Понимание того, что только отражательная способность объекта не является единственным определяющим фактором того, как воспринимаются цвета [25, 28], является стимулом для использования подходов к цифровому изображению, которые включают весь объект и его фон.Восстановление спектров отражения на основе значений интенсивности дискретных пикселей, возвращаемых устройствами цифровой обработки изображений с тремя или более датчиками, вызвало большой интерес в течение последних пятнадцати лет. Этот сдвиг в основном мотивирован: (а) низкой стоимостью цифровых фотоаппаратов, (б) удобством выборки больших и сложных стимулов, содержащих разные цвета и текстуры, без использования сложных сеток выборки, и (в) высоким качеством данные, которые могут быть получены в течение короткого периода времени [29].Однако для того, чтобы сделать это надежно, важно понимать динамику того, как разные типы камер обрабатывают похожие или разные цветовые стимулы.

Преимущества цифровых изображений способствовали использованию устройств для контроля качества пищевых продуктов [30, 31], печати [32], анализа и сохранения картин [33, 34] и других отраслях, где описание и спецификация цвета имеют важное значение [ 35]. Визуальная экология и эволюционная биология также обратили свое внимание на потенциальное использование цифровых изображений в качестве инструмента для количественной оценки и характеристики спектральных свойств сложных естественных цветовых узоров, таких как изображения растений [19] и животных [29, 36, 37].

По сравнению со спектрофотометрами, устройства формирования цифровых изображений с тремя цветовыми каналами не могут однозначно восстановить спектральный сигнал из-за метамерии [21]. Тем не менее, если имеется достаточно узкополосных датчиков, разумно равномерно распределенных по спектральному интервалу, эффективно воспринимаемому камерой, можно однозначно восстановить цветовой сигнал из отдельных откликов доступных цветовых каналов. Это основание для восстановления спектральных сигналов по откликам гиперспектральных камер.Например, для однозначного восстановления спектрального сигнала в диапазоне от 400 до 710 нм, дискретизированного с интервалами 10 нм, гиперспектральная система должна иметь по крайней мере 32 отдельных датчика полосы пропускания [38].

Несмотря на популяризацию использования цифровых изображений для изучения окраски животных, развитие методов спектральной реконструкции и более широкое использование гиперспектральных камер в качестве спектрофотометров изображений, существует нехватка сравнительных исследований, изучающих потенциальные применения этих двух методов. для различения цветов с различным хроматическим сходством.Здесь мы измеряем пороги цветовой дискриминации устройства RGB и системы гиперспектральной визуализации, используя образцы цветов разной степени восприятия для человека-наблюдателя. Из-за взаимосвязи между количеством каналов и точностью спектральной реконструкции [21, 23], мы прогнозируем, что хроматическое сходство является основным фактором, ограничивающим способность любой системы визуализации точно различать два цветовых образца [39]. Степень таких ограничений важна для определения того, какое устройство является оптимальным для различных приложений, таких как понимание цветовых сигналов [19] или маскировки [40, 41].

Рукопись развивается следующим образом: В разделе «Предпосылки» представлены основные колориметрические принципы и их отношение к различению цвета, за которым следует формальное описание проблемы спектральной реконструкции. Этот раздел устанавливает основу для объяснения нашего алгоритма спектральной реконструкции, который подробно описан в отдельной части в разделе «Материалы и методы», где также описаны различные компоненты экспериментальной установки. После раздела «Материалы и методы» представлены результаты, обсуждение и некоторые практические рекомендации, относящиеся к гиперспектральной визуализации.

Материалы и методы

Фон

Колориметрические принципы.

Описание цветового ощущения, создаваемого сигналами различной спектральной формы с использованием числовой системы, позволяет точно воспроизводить цвета в различных средах, таких как мониторы, цветные источники света и пигменты [18]. Разработка такой системы была основной целью колориметрии, которая в результате тщательных психофизических экспериментов привела к колориметрической системе CIE , которая используется в настоящее время [20].

Системы спецификации цвета 1931 года и последующие CIE описывают данный спектральный стимул с помощью трех значений трехцветного стимула , обозначенных как X, Y и Z . Величина этих значений зависит от спектральных характеристик самого образца, источника света и набора функций, описывающих конкретную реакцию каждого из трех фоторецепторов колбочек: короткого, среднего и длинного, присутствующих в зрительной системе человека, на сигналы различной спектральной формы [20].Эти функции представляют собой линейное преобразование кривых спектральной чувствительности пигментов, присутствующих в трех фоторецепторах, как измерено психофизическими экспериментами и непосредственно спектрофотометрией [42–45]. Значения тристимула, соответствующие данному спектральному сигналу, получают с помощью: (1) где R ( λ ) обозначает спектральную отражательную способность поверхности, L ( λ ) спектральное распределение мощности (SPD) источника света, а x‾, y‾ и z‾ представляют функции длины волны, описывающие спектральная чувствительность каждого из фоторецепторов [20, 45].В уравнении (1) произведение R ( λ ) ⋅ L ( λ ) может быть заменено единственной функцией P ( λ ), спектральной яркостью, вместо того, чтобы использовать измерения отражательная способность поверхности и освещенность источника света [20].

Уравнение 1 представляет собой общепринятое и полезное упрощение процесса восприятия, выполняемого различными классами фоторецепторов, присутствующими в сетчатке глаза человека. При вычислении трехцветных значений с помощью этого уравнения игнорируются различные оптические и физиологические аспекты зрения, такие как: угол обзора, спектральные пропускающие свойства глаза, эффект завуалированного света как следствие среды передачи; я.е. воздух или вода, а также расстояние обзора, и предполагается, что цель ведет себя как идеальная (ламбертовская) диффузная поверхность [20, 24]. Несмотря на то, что все эти параметры могут быть учтены путем более подробного описания процесса визуального восприятия, трехцветные значения, полученные из уравнения 1, составляют основу системы спецификации цвета CIE. Эта система в настоящее время считается стандартом для измерения воспринимаемых цветовых различий между цветовыми целями при рассмотрении цветового зрения человека [20] и использовалась в качестве метода для измерения цветовых различий между выбранными образцами.

Дополнительное упрощение в вычислении значений трехцветных импульсов было сделано путем замены непрерывных функций R ( λ ) и L ( λ ) дискретными интервалами длин волн или бинами одинаковой ширины (Δ λ ) с центром на длине волны λ ; следовательно, интегралы в уравнении (1) заменяются суммами: (2) рассчитанный в диапазоне длин волн, видимом для человека-наблюдателя, ≈ 390–710 нм. Размер бункера выбирается на основе требуемой точности расчетов и спектральных характеристик используемого источника света, причем наиболее распространенными вариантами размера бункера являются 10 и 5 нм [46].

Пороги восприятия цвета и дискриминации.

Определение и причины существования пороговых значений цветового различения в цветовом зрении человека основаны на трихроматии, выведенной из теории восприятия цвета Юнга-Гельмгольца [20, 47] и формализованной Принципом однотипности [17]. . Пороги различения для больших и малых цветовых различий были экспериментально установлены как для одновременного, так и для последовательного совпадения цветов в лабораторных условиях с использованием различных методологий, таких как сопоставление цветов [48–51] и эксперименты по визуальному поиску [52].

Спектральный сигнал, вызывающий цветовое ощущение у данного человека или животного-наблюдателя, может быть представлен набором координат на плоскости или цветной диаграммой . Цветовая диаграмма может учитывать конкретные характеристики зрительной системы наблюдателя, такие как диаграмма цветности CIE для человеческого зрения [20], или просто представлять общую модель цветового зрения, как в случае треугольника Максвелла [20] , 47, 53, 54]. Независимо от выбранной цветовой диаграммы, часто представляет интерес установить минимальное расстояние, на котором две или более точки, каждая из которых представляет другой образец цвета, воспринимаются данным наблюдателем как разные.Поскольку два образца цвета могут быть разными независимо от их оттенка, например красный-зеленый, красный-синий, красный-желтый воспринимаются как разные, цветовые различия на цветовой диаграмме представлены не одной линией, а областью вокруг выбранной контрольной точки. Эта область определяет цветовой порог для конкретного стимула, но может измениться для других образцов.

Эллипсы и круги при определенных условиях обычно используются для определения порогов дискриминации на цветовых диаграммах [20, 54], хотя с помощью современных компьютерных технологий представление цветовых порогов не всегда может быть представлено классически предполагаемыми геометрическими формами.В частном случае диаграммы цветности CIE порог различения цветов для любого заданного образца определяется путем подгонки эллипса с центром в координатах, соответствующих эталонному образцу, который включает в себя все точки, представляющие различные совпадения цветов, которые считаются идентичным соответствием эталону. наблюдателем [55]. Размер и ориентация эллипсов, как правило, непостоянны, изменяются нелинейным образом в зависимости от оттенка [48], по этой причине было необходимо эмпирически найти порог дискриминации для набора из 25 цветов, покрывающих большую часть цветности CIE 1931 диаграмма [20, 48].

В эксперименте по подбору цветов испытуемого просят отрегулировать цвет целевого образца постоянной яркости до тех пор, пока он не совпадет с эталонным образцом с известными хроматическими характеристиками. Удовлетворительное цветовое соответствие не обязательно соответствует точным хроматическим свойствам образца, измеренным спектрофотометрией, но будет располагаться вокруг эталонного образца. Цветовые образцы, координаты цветности которых расположены за пределами эллипса, воспринимаются как разные, причем разница в цвете увеличивается по мере удаления от эллипса.Коэффициенты, описывающие каждый из эллипсов, не уникальны, но меняются в зависимости от цвета или, точнее, от положения образца на диаграмме цветности [55].

Для большинства приложений нет необходимости восстанавливать эллипсы, чтобы предсказать воспринимаемую цветовую разницу между двумя целями. Вместо этого для восстановления параметров эллипса используется набор контурных графиков, описывающих изменение эллипсов на диаграмме цветности. Эти параметры затем используются для вычисления меры разницы цветности (ΔC), которая предсказывает степень, в которой цветовое различие легко или едва заметно различимо [48].Фактически ΔC ≤ 1 представляет цветности, которые находятся в пределах стандартного отклонения цветового соответствия, в то время как ΔC = 2 представляет только заметную разницу или 1 JND. Для значений ΔC между 1 и 2 разница в цвете представляет собой лишь немного меньше, чем едва заметная разница, воспринимаемая контрольным наблюдателем [55].

В то время как пороговые значения для больших цветовых различий полезны при построении цветовых систем, таких как Цветовая система Манселла и Единая цветовая шкала OSA [52, 56], пороговые значения для небольших цветовых различий составляют основу однородных цветовых пространств.Единые цветовые пространства, такие как различные пространства CIE LAB, составляют основу для оценки цветовых различий для большинства промышленных и потребительских цветовых приложений [18, 20]. В этих цветовых пространствах эллиптические области, представляющие воспринимаемые пороги цветовой дискриминации, преобразуются в круги равного радиуса. Таким образом, равные расстояния между образцами цвета приблизительно представляют одинаково воспринимаемые цветовые различия [57].

Измерение цветового различия, используемое в едином пространстве CIE LAB, является метрикой ΔE.Этот показатель измеряет цветовую разницу в контексте трех основных атрибутов цвета: яркости (яркости), насыщенности (цветности) и оттенка [18, 20]. Эти три свойства описывают различные характеристики спектрального сигнала: яркость представляет собой общую интенсивность сигнала, рассчитанную как площадь под спектральной кривой; насыщенность — это мера крутизны спектров в интервале длин волн; а оттенок связан с длиной волны максимального наклона [24].

Несмотря на рутинное использование различных цветовых пространств CIE LAB и связанных с ними мер цветовой разницы в цветовой индустрии, e.грамм. [58], этот показатель редко проверял восприятие цветовой разницы в естественных условиях. Это ограничение возникает из-за сложной визуальной среды, в которой обычно проводятся сравнения цветов, которые отличаются от тех, которые указаны для цветового пространства CIE LAB. Например, определение цветовых различий с помощью метрики ΔE предполагает, что сравнение цветов выполняется на фоне светло-серого и белого цвета и предполагается «нейтральная» контрольная точка [20]. Более того, показатель ΔE игнорирует другие важные аспекты восприятия цвета, такие как когнитивная интерпретация физических свойств объекта [18].Поэтому мы выбрали метрику ΔC вместо ΔE для измерения цветовых различий между нашими тестовыми целями, поскольку метрика ΔC напрямую учитывает различные перцепционные свойства, участвующие в различении цветов людьми-наблюдателями.

За исключением некоторых беспозвоночных [59–67] и нескольких видов позвоночных, включая золотых рыбок [68–70], мышей [71], приматов [72, 73], голубей и кур [74, 75], точные механизмы, участвующие в цвете восприятие и дискриминация остаются в основном неизвестными. Для таких случаев было предложено несколько моделей порогов различения цветов, основанных на чисто анатомических и физиологических данных, доступных для этих видов [24, 76–78].Однако поведенческие данные, полностью поддерживающие или отвергающие использование этих моделей, по-прежнему отсутствуют. Применение камер с различным числом датчиков, как обсуждается в настоящей рукописи, обещает предоставить важные сведения о том, как моделировать цветовое зрение животных.

Спектральная реконструкция по откликам камеры.

Уравнения (1) и (2) также могут использоваться для прогнозирования отклика цифровой камеры с тремя или более цветными фильтрами путем замены функций конического фоторецептора спектральной чувствительностью фильтров системы; при этом существует линейная зависимость между поступлением излучения и откликом камеры.Это предположение не обязательно справедливо для многих устройств потребительского уровня и должно быть проверено перед восстановлением спектральных сигналов [29, 79]

Функция L ( λ ) в уравнении (1) описывает SPD любого источника света, освещающего образец. Примеры источников света включают технические лампы [18], а также для различных условий дневного света [80] или окружающий свет, достигающий пола под навесом в лесу [24]. Значения L ( λ ) доступны для различных ламп [18], наземных и водных сред в разное время суток и в разных условиях [81, 82].С другой стороны, значения функций R ( λ ) или P ( λ ) необходимо измерять непосредственно из точечных образцов на окрашенном объекте либо с помощью спектрофотометра, либо спектрорадиометра [24, 83 ].

Из-за практической сложности точного измерения R ( λ ) или P ( λ ) из точечных образцов на естественных узорах, представляющих высокую пространственно-хроматическую изменчивость из-за текстуры и объема [19], было бы желательно восстанавливать значения для этих функций непосредственно либо из откликов камеры или фоторецепторов; другими словами, решение для R ( λ ) или P ( λ ) путем обращения уравнения (2).Когда для этой цели используются ответы камеры, процесс называется спектральной реконструкцией .

Спектры отражения в первом столбце панели a. соответствуют спектрам яркости на панели b. после калибровки откликов яркости относительно спектрально плоской ахроматической поверхности, включенной в куб гиперспектрального изображения. Второй столбец на панели а. изображает результат выполнения устойчивой локальной регрессии (лёсс) с 0.1 параметр диапазона для сглаживания пиков, наблюдаемых примерно при 435 и 545 нм.

https://doi.org/10.1371/journal.pone.0125817.g005

Точность спектральной реконструкции и хроматической дискриминации, достигаемая двумя системами формирования изображения

были построены на основе координат цветности, полученных из набора метаметров, восстановленных из ответов камеры RGB (рис. 6). Эти графики показали, что даже несмотря на то, что набор метамеров, восстановленный из любого данного образца, всегда содержал спектр отражения, равный спектру отражения, измеренному спектрофотометрией, его положение в наборе изменялось случайным образом для каждого цвета.Более того, распределения точек цветности, соответствующие реконструированным наборам метамеров, имели формы, отличные от (двумерного) нормального распределения, с бимодальным и прерывистым распределениями в некоторых случаях (рис. 6).

Число метамеров, приводящих к одинаковые значения цветности представлены серыми оттенками, как указано под меткой «количество» для каждого образца цвета.Красная стрелка на каждой панели указывает координаты цветности, полученные из измеренного спектра отражения (панели b и c на рисунке 1) и представленные в таблице 2.

https://doi.org/10.1371/journal.pone.0125817.g006

Поскольку целью спектральной реконструкции является восстановление спектра из заданного местоположения пикселя в изображении, а не его измерение с помощью спектрофотометра, наиболее экономичное решение в случай камеры RGB заключался в предположении, что все метамеры имеют одинаковую вероятность быть спектром, соответствующим измеренной точечной выборке.Поэтому мы выразили результат процесса спектральной реконструкции по откликам RGB не как отдельное значение цветности, а как всю область, охватываемую областью цветности (CA).

Размеры областей цветности, соответствующих десяти характеристикам камеры ρ _RGB , представлены в таблице 2 вместе с CA, вычисленными из десяти спектров яркости и сглаженного отражения, восстановленных из куба гиперспектрального изображения. CA также были нанесены в пространство цветности CIE 1931 года на рисунках 7 и 8.

Таблица 2. Колориметрические свойства образцов как области цветности: координаты цветности, соответствующие спектрам отражения, измеренным для каждого образца, составляющего образцы пар цветов, используемых для эксперимента (третий столбец), и области цветности для спектров, восстановленных с помощью RGB (четвертый столбец) и гиперспектральная камера (пятая колонка).

https://doi.org/10.1371/journal.pone.0125817.t002

A. Панели соответствуют каждой из семи различных цветовых пар, использованных в нашем эксперименте; значения цветовой разницы (ΔC) между членами пары включены в каждую панель. Заштрихованные области соответствуют CA для каждого образца цвета в паре образцов, а их пересечение представляет собой область смешения (ARC), ожидаемую для данной пары образцов. Координаты цветности, рассчитанные на основе измеренных спектров отражения, отмечены маркерами (*) и (●). Эллипсы представляют цветоразностные пороги Макадама [48] (синий) и Ньюхолла [50] (зеленый), рассчитанные для координат цветности, полученных из измеренных спектральных данных.Оба эллипса нарисованы в их фактическом масштабе. B. Области на диаграмме цветности CIE 1931 года, охватываемые осями x и y панелей в A. Различия в размере областей обусловлены различиями в масштабе, необходимом для нанесения двух цветов, составляющих каждую пару образцов.

https://doi.org/10.1371/journal.pone.0125817.g007

A. Панели соответствуют каждой из семи различных цветовых пар, использованных в нашем эксперименте; значения цветовой разницы (ΔC) между членами пары включены в каждую панель. Узорчатые области соответствуют CA, вычисленным из восстановленных спектров яркости, а сплошные заштрихованные области — CA, вычисленным из сглаженных спектров отражения для двух цветов каждой пары образцов. Обратите внимание, что области замешательства не были получены из CA, реконструированных по ответам гиперспектральной камеры. Координаты цветности, рассчитанные на основе измеренных спектров отражения, отмечены маркерами (*) и (●).Эллипсы представляют цветоразностные пороги Макадама [48] (синий) и Ньюхолла [50] (зеленый), рассчитанные для координат цветности, полученных из измеренных спектральных данных. Оба эллипса нарисованы в их фактическом масштабе. B. Области на диаграмме цветности CIE 1931 года, охватываемые осями x и y панелей в A. Различия в размере областей обусловлены различиями в масштабе, необходимом для нанесения двух цветов, составляющих каждую пару образцов.

https: // doi.org / 10.1371 / journal.pone.0125817.g008

СА, соответствующие спектрам, восстановленным из ответов гиперспектральной камеры, значительно отличались от полученных из ответов RGB ( F = 102, P <0,001, Таблица 2) . Запланированное сравнение после комплексного теста ANOVA продемонстрировало значительную разницу между площадью CA RGB и средними CA, восстановленными из куба гиперспектрального изображения ( t = -72,1, P <0.001). Однако не было обнаружено значительной разницы между CA, восстановленными из спектров яркости и сглаженного отражения ( t = -1,73, P = 0,092).

Не было получено никаких областей смешения (ACR) ни для одной из CA, полученных либо из спектров яркости, либо из сглаженных спектров отражения, восстановленных из ответов гиперспектральной камеры (рис. 8). Однако мы обнаружили значительный эффект цветового различия ( × ² = 1490, P <0.001) от процента ACR, совместно используемого центрами сертификации, восстановленных из ответов камеры RGB. Наши данные предполагают экспоненциальное падение ACR с увеличением цветовой разницы между образцами (рис.9), описываемое следующим образом: (6) где ΔC - хроматическая разница между двумя образцами цвета, составляющими пару. Значения в скобках представляют нижнюю и верхнюю границы 95% доверительного интервала для оцененных коэффициентов. На рис. 9 показана подобранная модель вместе со значениями ACR для семи образцов пар цветов, использованных в нашем эксперименте.Данные показывают менее 1% ACR для образцов с ΔC> 15. Модель предсказывает примерно ΔC> 3,3, около 2 JND, чтобы снизить процентное значение ACR до менее 1%.

Область смешения для каждой пары образцов определяется как отношение площадь пересечения к сумме отдельных областей цветности двух образцов цвета, составляющих пару.Области цветности соответствуют показанным на рис. 6. Сплошная линия представляет наилучшее соответствие экспоненциальной модели формы y = y ₀ exp− ( bx ) (уравнение 6), полученное в результате логистической регрессии с использованием функция логит-ссылки.

https://doi.org/10.1371/journal.pone.0125817.g009

Обсуждение

Спектрофотометрия — это наиболее объективный и точный инструмент, доступный для записи спектральной сигнатуры любого заданного образца цвета [24], который позволяет повторно анализировать данные с использованием улучшенных или скорректированных моделей цветового различения или восприятия, когда становится доступной больше информации.Несмотря на преимущество этой объективности, запись спектрофотометрических данных ограничивается точечными образцами, которые могут недооценивать спектральную и пространственную изменчивость, вызванную различными свойствами отдельных элементов (участков), содержащих естественные узоры, включая цвет, форму и текстуру [19]. Это имеет практические последствия, поскольку многие животные, используемые в качестве модельных систем для изучения эволюции цвета, обладают различными комбинациями цветов в непосредственной близости и могут использовать несколько механизмов для создания цвета [109–111].В таких системах маловероятно, чтобы получатели оценивали цвета изолированно друг от друга. По этой причине весьма желателен метод, позволяющий эффективно и практично измерять спектры отражения в нескольких точках в пределах сетки выборки; цифровая обработка изображений предоставляет такое решение.

Наши результаты показывают, что степень точности, с которой спектры сигналов могут быть восстановлены по откликам камеры, зависит от количества датчиков, доступных в системе (Таблица 2).В частности, камера RGB, оснащенная всего тремя цветовыми каналами, не смогла точно различить образцы с хроматической разницей около 2 JND (рис. 9). Этот результат предполагает, что камеры RGB лучше подходят для крупномасштабных исследований цветовых узоров, таких как межвидовые сравнения (например, [112]). Тем не менее, эллипсы различения, вычисленные по результатам Newhall для различения небольших цветовых различий тремя наблюдателями [50], также пересекаются для этих цветовых образцов (рис. 7).Это говорит о том, что различение очень похожих цветов действительно является сложной задачей для трехцветных систем.

Результаты, полученные с помощью камеры RGB, соответствуют нашей заявленной гипотезе, которая предсказывает низкую способность различения цветов в системах с небольшим количеством датчиков, как и ожидалось из принципа однотипности [17]. Однако вопрос о том, могут ли животные, обладающие тремя или четырьмя разными классами фоторецепторов, однозначно различать такие небольшие цветовые различия, заслуживает дальнейшего исследования.Например, эксперименты по распознаванию цвета с пчелами и ястребами [65, 113, 114] показали меньшие пороги различения, чем те, которые предсказываются моделями, основанными на функциях спектральной чувствительности и спектрофотометрических данных [77].

В отличие от системы RGB, система гиперспектральной камеры всегда разрешала спектральные различия между двумя цветными образцами независимо от их сходства (рис. 7). Такой уровень разрешения обеспечивается 128 датчиками, доступными для восстановления спектральных сигналов, измеренных с 64 дискретными интервалами [38].Вместо того, чтобы наблюдать компактные кластеры из десяти перекрывающихся координат цветности для каждой цветовой цели, мы получили области цветности различной формы и размера (рис. 7, таблица 2).

Интересно, что некоторые из полученных областей цветности (CA), определенных с помощью гиперспектрального подхода, больше, чем эллипсы дискриминации, предложенные MacAdam [48] и Newhall [50] (рис. 7). Это говорит о существовании потенциально заметных цветовых различий в некоторых целевых образцах цвета, по крайней мере, для человека-наблюдателя.О такой хроматической изменчивости также сообщалось для цветов на основе количественного анализа линеаризованных изображений RGB [19], что подтверждает идею о том, что наблюдаемая хроматическая изменчивость является не только результатом различных источников шума изображения (например, дробового, теплового, квантового, присутствующего в различные цветовые каналы [115, 116]), но внутреннее свойство естественных и искусственных цветных поверхностей.

До недавнего времени пространственно-хроматической изменчивости не уделялось должного внимания, отчасти из-за присущей ей сложности точного измерения по точечным выборкам [117].Однако изучение пространственно-хроматической изменчивости в биологических образцах важно, поскольку вариации могут быть результатом текстуры, объема и микроструктур у растений и животных [109, 110, 118, 119], особенно потому, что такие вариации неравномерно распределены в биологическом образце. Кроме того, эти микроструктуры могут изменяться из-за износа и старения [120], увеличивая изменение создаваемого сигнала. Понимание того, как меняются эти факторы, поможет лучше понять эволюцию цвета как сигнала.Например, недавняя визуализация выявила значительное количество хроматических вариаций внутри субъекта, что дало интересное понимание того, как другие наблюдатели, кроме людей, могут воспринимать сигналы, производимые растениями [19] и животными [40] для общения и маскировки. Таким образом, системы RGB могут быть не идеальными для исследования цветовой сигнализации у разноцветных видов, содержащих несколько пятен, в частности, когда целью исследования является идентификация и описание различных хроматических элементов, составляющих их.

Характеристика и количественная оценка пространственно-хроматической изменчивости, присутствующей в образце, является примером биологической проблемы, хорошо подходящей для гиперспектральной визуализации, поскольку она позволяет проводить точную количественную оценку внутриобъектных и внутривидовых цветовых вариаций. Такие исследования могут обеспечить более глубокое понимание визуальной коммуникации растений и насекомых [121, 122], роли относительной дисперсии разноцветных пятен в приспособленности [123] и роли старения в выражении цвета [124].Точно так же изучение маскировки животных в контексте классического сопоставления фона, когда и цель, и фон имеют одинаковые значения цвета и яркости [24], может извлечь выгоду из гиперспектральной визуализации, которая позволяет проводить точные спектральные измерения на небольших объектах и ​​естественном фоне, отображая сложные узоры. различных цветов, форм и дизайнов. Однако при использовании этих устройств важно учитывать, насколько гиперспектральная камера служит моделью для распознавания цвета животных.В настоящее время сообщается, что всего несколько организмов, которые можно рассматривать как обладающие «зрительной системой гиперспектрального типа», активно используют более четырех фоторецепторов для задач распознавания цвета [125–128]. Однако многие виды животных, испытанные на сегодняшний день, демонстрируют диапазон видоспецифичного распределения фоторецепторов [129–132], и поэтому отображение сложных стимулов с помощью гиперспектральных камер может помочь в новых открытиях и рекомендациях по моделированию других важных эффектов, таких как постоянство цвета.

Гиперспектральные камеры предлагают новые возможности для изучения постоянства цвета в естественных условиях.Гиперспектральные камеры имеют более узкополосные сенсоры, чем тот, который требуется для оптимальной выборки естественных спектров, характеристики которых очень близки к идеальной системе для достижения идеального постоянства цвета [133]. На сегодняшний день большая часть достижений в этой области была достигнута на основе теоретических моделей [53, 133–137], а принцип гиперспектральной визуализации открывает новую перспективу в изучении постоянства цвета, позволяя записывать и анализировать естественные сцены в условиях окружающей среды. различные типы внешнего освещения.Однако время экспозиции, требуемое для получения гиперспектральных изображений, может ограничивать степень, в которой изменения внешнего освещения могут быть точно учтены с помощью этих устройств. Действительно, динамический характер других факторов окружающей среды (например, облачного покрова) может затруднить захват всей сцены при точно таких же условиях освещения в поле (рис. 10), поскольку условия естественного освещения часто быстро меняются на коротких пространственных расстояниях [53] . Несмотря на этот недостаток, гиперспектральные камеры могут открыть новые возможности для изучения эволюционных вопросов, касающихся инвестиций в цвет.Например, влияет ли изменение освещения и / или фона на относительную выгоду от инвестирования в цветовые характеристики у разных животных? Такие возможности были исследованы для птиц, которые появляются в лесах и соревнуются за участки особого освещения, чтобы потенциально максимизировать передачу цветовых сигналов [138], но в настоящее время ответ остается неизвестным для многих животных, работающих в сложных природных условиях.

Рис. 10. Сканирование гиперспектральных изображений на открытом воздухе при а) частично облачной и б) ветреной погоде с использованием солнечного света в качестве единственного источника освещения.

a) Проходящие облака закрывали солнце во время записи изображения, что приводило к недоэкспонированию различных областей изображения. Точно так же затемненные части (b) являются результатом того, что верхний листовой покров затеняет прямые солнечные лучи в конце сканирования, поскольку ветер усиливает их движение. Время интеграции для обоих сканирований было установлено на 50,00 мс.

https://doi.org/10.1371/journal.pone.0125817.g010

Благодарности

Авторы также хотели бы поблагодарить Фонд Хермона Слейда за их щедрое финансирование и Американское философское общество, особенно Фонд Льюиса и Кларка для разведки и полевых исследований, который поддерживал MBG во время ее пребывания в Австралии.

Вклад авторов

Задумал и спроектировал эксперименты: JEG MG AGD. Проведены эксперименты: JEG PP MG AGD. Проанализированы данные: JEG PW AGD. Внесенные реактивы / материалы / инструменты анализа: PW PP MK. Написал статью: JEG MG MK PP PW AGD.

Ссылки

1. 1. Ленни П., Д’Змура М. Crit Rev Neurobiol. 1988. 3 (4): 333–400. Доступно по адресу: http://europepmc.org/abstract/MED/3048707. pmid: 3048707
2. 2. Осорио Д, Воробьев М.Vision Res. 2008. 48: 2042–2051. pmid: 18627773
3. 3. Райан MJ, Каммингс ME. Annu Rev Ecol Evol Syst. 2013; 44: 437–459.
4. 4. Конвей BR. Невролог. 2009. 15 (3): 274–290. pmid: 19436076
5. 5. Реган BC, Джульо С., Симмен Б., Вьено Ф., Шарль-Доминик П., Моллон Дж. Д.. Филос Т. Рой Соц Б. 2001; 356 (1407): 229.
6. 6. Дафни А. Энн Rev Ecol Syst. 1984. 15: 259–278.
7. 7. Джонсон С.Д., Питер К.И., Нильссон Л.А., Угрен Дж.Экология. 2003. 84 (11): 2919–2927.
8. 8. Дайер А.Г., Мерфи А.Х. Israel J Plant Sci. 2009. 57 (3): 203–210.
9. 9. Морган MJ, Адам A, Моллон JD. P Roy Soc Lond B Bio. 1992: 248 (1323): 291–295. Доступно по адресу: http://rspb.royalsocietypublishing.org/content/248/1323/291.abstract.
10. 10. Тери М., Касас Дж. Природа. 2002. 415 (6868): 133–133. Доступно по ссылке: http://dx.doi.org/10.1038/415133a. pmid: 11805822
11. 11. Дайер А.Г., Читтка Л.Naturwissenschaften. 2004. 91 (5): 224–227. pmid: 15146269
12. 12. Палмер Г. Теория цвета и зрения. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж, Массачусетс: MIT Press; 1777. с. 1777–47.
13. 13. Янг Т. К теории света и цвета. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж: MIT Press; 1802. стр. 51.
14. 14. фон Гельмгольц Х. Физиологическая оптика. В: МакАдам Д.Л., редактор.Источники науки о цвете (1970). Кембридж: MIT Press; 1866. с. 1866–100.
15. 15. Максвелл Дж. О цветовом зрении. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж: MIT Press; 1872. с. 1872–83.
16. 16. MacAdam DL. Источники науки о цвете. Кембридж: MIT Press; 1970.
17. 17. Rushton W. J. Physiol. 1972: 220 (3): 311–322.
18. 18. Ли ХК. Введение в науку о цветном изображении. Кембридж: Издательство Кембриджского университета; 2005 г.
19. 19. Гарсия Дж. Э., Гринтри А. Д., Шреста М., Дорин А., Дайер А. ПЛОС ОДИН. 2014: 9 (5): e96646. pmid: 24827828
20. 20. Wyszecki G, Стайлз WS. Концепции и методы науки о цвете, количественные данные и формулы. 2-е изд. John Wiley & Sons, Inc; 1982.
21. 21. Финлейсон Г.Д., Морович П. Дж. Opt Soc Am A. 2005; 22 (5): 810–819.
22. 22. Чунг В., Вестленд С., Ли К., Хардеберг Дж., Конна Д. Дж. Opt Soc Am A. 2005: 22 (7): 1231–1240.
23. 23. Alsam A, Finlayson GD. J Opt Soc Am A. 2007; 24 (9): 2505–2512.
24. 24. Endler JA. Biol J Linn Soc. 1990; 41: 315–352.
25. 25. Беннетт А., Катхилл I, Норрис К. Am Nat. 1994. 144 (5): 848–860.
26. 26. Андерссон С., Орнборг Дж., Андерссон М. П. Рой Соц Лондон Б. Биография. 1998: 265 (1395): 445–450.
27. 27. Брэдбери JW, Vehrencamp SL. Принципы общения животных. Sinauer Associates; 1998.
28. 28.Эндлер Дж. А., Весткотт Д. А., Мэдден Дж. Р., Робсон Т. Эволюция. 2005: 59 (8): 1795–1818. pmid: 16329248
29. 29. Стивенс М., Паррага Калифорния, Катхилл И.К., Партридж Дж.С., Трошянко Т.С. Biol J Linn Soc. 2007. 90 (2): 211–237.
30. 30. Гонсалес-Мирет М.Л., Айала Ф., Терраб А., Эчаварри Дж. Ф., Негеруэла А.И., Эредиа Ф.Дж. Food Res Int. 2007. 40 (8): 1080–1086. Доступно по адресу: http://www.sciencedirect.com/science/article/B6T6V-4NYD8N1-2/2/e89c481bfbeec071a187827a60ac4cd5.
31. 31.Ям К.Л., Пападакис С.Е. J Food Eng. 2004. 61: 137–142.
32. 32. Солли М., Андерссон М., Ленц Р., Круз Б. Измерения цвета с помощью потребительской цифровой камеры с использованием методов спектральной оценки. В: Анализ изображений. Springer; 2005. с. 2005–114.
33. 33. Haneishi H, Hasegawa T., Hosoi A, Yokoyama Y, Tsumura N, Miyake Y. Appl Opt. 2000. 39 (35): 6621–6632. pmid: 18354676
34. 34. Shimano N. Процесс обработки изображений IEEE T. 2006. 15 (7): 1848–1856.
35. 35. De Lasarte M, Arjona M, Vilaseca M, Pujol J. J Imaging Sci Techn. 2010: 54 (3): 030501–030501-10. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-77954517210&partnerID=40&md5=36e5f16153b0314e68489a6d55ffffad.
36. 36. Гарсия Дж. Э., Рор Д., Дайер АГ. J Exp Biol. 2013. 216 (22): 4290–4298. Доступно по адресу: http://jeb.biologies.org/content/early/2013/08/29/jeb.094045.abstract. pmid: 23997198
37. 37. Щука TW.Behav Ecol Sociobiol. 2010. 65 (4): 849–858.
38. 38. Конна Д., Вестленд С., Томсон М.Г. Color Technol. 2001. 117 (6): 309–312.
39. 39. Фермер Е.В., Тейлор Р.М. Восприятие психофизики. 1980. 27 (3): 267–272. pmid: 7383809
40. 40. Чиао CC, Wickiser JK, Аллен JJ, Genter B, Hanlon RT. P Natl Acad Sci USA. 2011: 108 (22): 9148–9153. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-79959339609&partnerID=40&md5=9d28e2f36d3ce3a6eef74730cfc080bd.
41. 41. Endler JA. Biol J Linn Soc. 2012. 107 (2): 233–253. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-84866340950&partnerID=40&md5=2e2620019bfedd5dddafcd70d0a351d7.
42. 42. Уолд Г. Наука. 1964. 145 (3636): 1007–1016. pmid: 14172613
43. 43. Bowmaker JK, Dartnall HJ. J Physiol. 1980. 298 (1): 501–511. pmid: 7359434
44. 44. Стокхэм А., МакЛауд Д., Джонсон Н. Дж. Opt Soc Am A. 1993; 10 (12): 2491–2521.
45. 45. Стокман А, Шарп LT. Vision Res. 2000. 40 (13): 1711–1737. pmid: 10814758
46. 46. Smith B, Spiekermann C, Sember R. Color Res Appl. 1992. 17 (6): 394–401.
47. 47. Шредингер Э.В. Пороги цветовых различий. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Mit Press; 1970. стр. 1970–193.
48. 48. MacAdam DL. J Opt Soc Am. 1943; 33 (1): 18–26. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm? URI = josa-33-1-18.
49. 49. Браун WR. J Opt Soc Am. 1957; 47 (2): 137–143. pmid: 13406654
50. 50. Ньюхолл С.М., Бернхэм Р.В., Кларк-младший. J Opt Soc Am. 1957; 47 (1): 43–54. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-47-1-43.
51. 51. Wyszecki G, Fielder G. J Opt Soc Am. 1971. 61 (9): 1135–1152. pmid: 5121883
52. 52. Надь А.Л., Санчес Р.Р. J. Opt Soc Am A. 1990; 7 (7): 1209–1217. Доступно по адресу: http: // josaa.osa.org/abstract.cfm?URI=josaa-7-7-1209. pmid: 2370588
53. 53. Dyer AG. J. Comp Physiol A. 1998; 183 (2): 203–212. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0031878558&partnerID=40&md5=be15f77a2fcc3d56c60073536946bdc3.
54. 54. Щука TW. Behav Ecol. 2012; 23: 723–728.
55. 55. MacAdam DL. Измерение цвета, тема и вариации. т. 27. 2-е изд. Springer-Verlag; 1981.
56. 56. MacAdam DL.J Opt Soc Am. 1974 декабрь; 64 (12): 1691–1702. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-64-12-1691. pmid: 4443840
57. 57. Luo MR, Cui G, Li C. Color Res Appl. 2006. 31 (4): 320–330.
58. 58. Врхел М.Дж., Гершон Р., Иван Л.С. Color Res Appl. 1994. 19 (1): 4–9.
59. 59. Daumer K. Z Vergl Physiol. 1956. 38 (5): 413–478.
60. 60. Dyer AG, Paulk AC, Reser DH. P Roy Soc Lond B Bio. 2011. 278 (1707): 952–959.Доступно по адресу: http://rspb.royalsocietypublishing.org/content/early/2010/12/07/rspb.2010.2412.abstract.
61. 61. Фон Фриш К. Зоол Jb (Physiol). 1914; 37: 1–238.
62. 62. Giurfa M. Naturwissenschaften. 2004. 91 (5): 228–231. pmid: 15146270
63. 63. Пайтч Д., Фиц А., Хертель Х, Соуза Дж., Вентура Д., Мензель Р. Дж. Comp Physiol A. 1992: 170 (1): 23-40. pmid: 1573568
64. 64. Читтка Л. Дж. Comp Physiol A. 1992; 170 (5): 533–543.
65. 65. Reser DH, Wijesekara Witharanage R, Rosa MGP, Dyer AG. PLoS ONE. 2012: 7 (11): e48577. pmid: 23155394
66. 66. von Helversen O.J Comp Physiol. 1972. 80 (4): 439–472.
67. 67. Лунау К. Дж. Comp Physiol A. 2014; стр. 1–16.
68. 68. Герес М., Ноймайер К. Визуальные неврологии. 2007. 24 (03): 399–407.
69. 69. Ноймайер К. Дж. Comp Physiol A. 1992; 171 (5): 639–649.
70. 70. Стойцев М., Радтке Н., Дамаро Д., Дайер А.Г., Ноймайер К.Vis Neurosci. 2011: 28 (4): 361–370. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-80055026493&partnerID=40&md5=440f01e1b9bcb4d08f026171e35b5184. pmid: 21518470
71. 71. Джейкобс Г. Х., Уильямс Г. А., Кэхилл Х., Натанс Дж. Наука. 2007: 315 (5819): 1723–1725. pmid: 17379811
72. 72. Осорио Д., Смит А.С., Воробьев М., Бьюкенен Смит Х.М. Am Nat. 2004: 164 (6): 696–708.
73. 73. Манкузо К., Хаусвирт В.В., Ли К., Коннор ТБ, Кученбекер Дж. А., Маук М.С. и др.Природа. 2009. 461 (7265): 784–787. pmid: 19759534
74. 74. Bowmaker J. Vision Res. 1977; 17 (10): 1129–1138. pmid: 595377
75. 75. Bowmaker J, Ноулз A. Vision Res. 1977. 17 (7): 755–764. pmid: 898682
76. 76. Кельбер А., Воробьев М., Осорио Д. Биол Ред. 2003; 78: 81–118. pmid: 12620062
77. 77. Воробьев M, Osorio D. P Roy Soc Lond B Bio. 1998. 265: 351–358.
78. 78. Эндлер JA, Mielke PW. Biol J Linn Soc.2005. 86 (4): 405–431.
79. 79. Гарсия Дж. Э., Дайер А. Г., Гринтри А. Д., Спринг Дж., Уилкш, Пенсильвания. PLoS ONE. 2013: 8 (11): e79534. pmid: 24260244
80. 80. Джадд Д.Б., Макадам Д.Л., Вышеки Г., Бадд Х.В., Кондит Х.Р., Хендерсон С.Т. и др. J Opt Soc Am. 1964. 54 (8): 1031–1040. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-54-8-1031.
81. 81. Endler JA. Ecol Monogr. 1993. 63 (1): 2–27. Доступно по адресу: http://www.jstor.org/stable/2937121.
82. 82.Чиао СС, Кронин Т.В., Осорио Д. Дж. Опт Соц. А. 2000; 17 (2): 218–224.
83. 83. Fleishman LJ, Leal M, Sheehan J. Anim Behav. 2006. 71: 463–474. Доступно по адресу: : // WOS: 000235628500023. DOI: https://doi.org/10.1016/j.anbehav.2005.06.005.
84. 84. Алсам А., Хардеберг Дж. Метамер Набор критериев качества для цветных камер. В: Войцеховски К., Смолка Б., Паулюс Х., Козера Р.С., Скарбек В., Ноакс Л., редакторы. Международная конференция «Компьютерное зрение и графика».Springer; 2006. с. 252–258.
85. 85. Хейккинен В., Ленц Р., Йетсу Т., Парккинен Дж., Хаута-Касари М., Яэскеляйнен Т. Дж. Opt Soc Am A. 2008; 25 (10): 2444–2458.
86. 86. Мэлони Л. Дж. Opt Soc Am A. 1986; 3 (10): 1673–1683. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-3-10-1673. pmid: 3772629
87. 87. Вестланд С., Рипамонти С., Чунг В. Вычислительная наука о цвете с использованием MATLAB. 2-е изд. Вычислительная наука о цвете с использованием MATLAB 2e.Хобокен: Уайли; 2012.
88. 88. Имаи Ф.Х., Бернс Р.С., Ценг Д.Ю. J Imaging Sci Techn. 2000. 44 (4): 280–287. Доступно по адресу: http://www.ingentaconnect.com/content/ist/jist/2000/00000044./00000004/art00003.
89. 89. Parkkinen JPS, Hallikainen J, Jaaskelainen T. J. Opt Soc Am A. 1989: 6 (2): 318–322. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-6-2-318.
90. 90. Ши М., Хили Дж. Дж. Opt Soc Am A. 2002; 19 (4): 645–656. Доступно по адресу: http: // josaa.osa.org/abstract.cfm?URI=josaa-19-4-645.
91. 91. Шимано Н., Тераи К., Хиронага М. Дж. Опт Соц А. 2007; 24 (10): 3211–3219. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-24-10-3211.
92. 92. Шимано Н., Хиронага М. Дж. Opt Soc Am A. 2010; 27 (2): 251–258. Доступно по адресу: : // WOS: 000274210400014. DOI: https://doi.org/10.1364/JOSAA.27.000251.
93. 93. Ньевес Дж. Л., Валеро Е. М., Насименто СМЦ, Эрнандес-Андрес Дж., Ромеро Дж.Appl Optics. 2005. 44 (27): 5696–5703. Доступно по адресу: http://ao.osa.org/abstract.cfm?URI=ao-44-27-5696.
94. 94. Валеро Е.М., Ньевес Дж.Л., Насименто SMC, Амано К., Фостер Д.Х. Color Res Appl. 2007: 32 (5): 352–360.
95. 95. Морович П., Финлейсон Г.Д. J Opt Soc Am A. 2006; 23 (8): 1814–1822.
96. 96. Вора П.Л., Фаррелл Дж. Э., Тиц Дж. Д., Брейнард Д.Х. IEEE T Image Process. 2001: 10 (2): 307–316.
97. 97. Д’Андрад Р.Г., Ромни А.К. P Natl Acad Sci USA.2003. 100 (10): 6281–6286.
98. 98. Ромни АК. J Opt Soc Am A. 2008; 25 (3): 658–666.
99. 99. Chittka L, Shmida A, Troje N, Menzel R. Vision Res. 1994. 34 (11): 1489–1508. pmid: 8023461
100. 100. Корпорация Surface Optics. Сан-Диего, США; 2010.
101. 101. Adobe Systems Incorporated. Adobe RGB (1998) Кодирование цветных изображений. Сан-Хосе, США: Adobe Systems Incorporated; 2005. 2005–05. Доступно по адресу: http://www.adobe.com.
102. 102. Майерс РД. Технический обзор ColorChecker Passport. Робин Майерс Imaging; 2010. Доступно по адресу: http://www.rmimaging.com/information/information_index.html.
103. 103. R Core Team. Вена, Австрия; 2014. Доступно по адресу: http://www.R-project.org/.
104. 104. Филдинг AH. Кластеры и методы классификации для биологических наук. Кембридж: Издательство Кембриджского университета; 2007.
105. 105. Квон О.С., Ли СН, Пак К.Х., Ха Й.J Imaging Sci Techn. 2007. 51 (2): 166–174. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-34250680208&partnerID=40&md5=27138f66f898c94a520039442b252b4b.
106. 106. Чжан X, Сюй Х. Дж. Opt Soc Am A. 2008; 25 (2): 371–378. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-25-2-371.
107. 107. Mielke PW, Берри KJ. Методы перестановки: подход функции расстояния. 2-е изд. Серия Спрингера по статистике. Нью-Йорк: Спрингер-Верлаг; 2007 г.
108. 108. Карр Д.Б., Литтлфилд Р.Дж., Николсон В., Литтлфилд Дж. Дж. Ам Стат Асс. 1987: 82 (398): 424–436.
109. 109. Паркер AR. J Exp Biol. 1998; 201: 2343–2347. pmid: 9679096
110. 110. Vukusic P, Sambles RJ. Природа. 2003. 424 (14): 852–860. pmid: 12
111. 0
112. 111. Шоуки, доктор медицины, Hill GE. Письма биологии. 2005; 1: 121–124. pmid: 17148144
113. 112. Стоддард М.С., Прум РО. Behav Ecol. 2011; 22 (5): 1042–1052.Доступно по адресу: http://beheco.oxfordjournals.org/content/early/2011/06/22/beheco.arr088.abstract.
114. 113. Дайер А.Г., Ноймайер К. Дж. Comp Physiol A. 2005; 191 (6): 547–57.
115. 114. Теллес Ф.Дж., Линд О, Хенце М.Дж., Родригес-Жиронес М.А., Гойрет Дж., Кельбер А.Дж. Comp Physiol A. 2014; 200 (6): 537–546.
116. 115. Холст ГК, Ломхейм ТС. CMOS / CCD датчики и камеры. Беллингем, Вашингтон, США: SPIE Press; 2007.
117. 116. Гонсалес RC, Вудс RE.Цифровая обработка изображений. 3-е изд. Пирсон Прентис Холл; 2008.
118. 117. Vukusic P, Stavenga DG. Интерфейс J R Soc. 2009; 6 (Приложение 2): S133 – S148. pmid: 109
119. 118. Коой С.Дж., Дайер А.Г., Ставенга Д.Г. Новый Фитол. 2014; Доступно по адресу: http://dx.doi.org/10.1111/nph.13066.
120. 119. Whitney HM, Kolle M, Andrew P, Chittka L, Steiner U, Glover BJ. Наука. 2009: 323: 130–133. Доступно по адресу: http://go.galegroup.com/ps/i.do?id=GALE%7CA192393622&v=2.1 & u = rmit & it = r & p = AONE & sw = w & asid = 7f043720233b667701ca0100d5085c4d. pmid: 135
121. 120. Макгроу К.Дж., Хилл Г.Е. Может J Zool. 2004. 82 (5): 734–738.
122. 121. Дайер А.Г., Бойд-Герни С., Маклафлин С., Роза М.Г.П., Симонов В., Вонг ББМ. P Roy Soc Lond B Bio. 2012; 279: 3606–3015.
123. 122. Dyer AG. Энтомол Ген. 2006; 28 (4): 257–268.
124. 123. Boves TJ, Buehler DA, Wood PB, Rodewald AD, Larkin JL, Keyser PD, et al.Аук. 2014. 131 (1): 20–31. Доступно по ссылке: http://aoucospubs.org/doi/abs/10.1642/AUK-13-191.1.
125. 124. Эванс С.Р., Шелдон BC. J Anim Ecol. 2013. 82 (2): 418–428. pmid: 23194384
126. 125. Огава Ю., Киношита М., Ставенга Д.Г., Арикава К. Дж. Exp Bio. 2013: 216 (10): 1916–1923.
127. 126. Кошитака Х., Киношита М, Воробьев М, Арикава К. П. Рой Соц Лондон Б. Биология. 2008: 275 (1637): 947–954.
128. 127. Киношита М., Шимада Н., Арикава К.J Exp Biol. 1999. 202 (2): 95–102. pmid: 9851899
129. 128. Arikawa K, Inokuma K, Eguchi E. Naturwissenschaften. 1987. 74 (6): 297–298.
130. 129. Бернард Г.Д., Ремингтон КЛ. P Natl Acad Sci USA. 1991. 88 (7): 2783–2787.
131. 130. Бриско А.Д., Читтка Л. Энн Рев Энтомол. 2001. 46 (1): 471–510.
132. 131. Ставенга Д.Г., Арикава К. Arthropod Struct Dev. 2006. 35 (4): 307–318. pmid: 18089078
133. 132. Харт Н.С. Prog Retin Eye Res.2001; 20 (5): 675–703. pmid: 11470455
134. 133. Уорти Дж. А., Брилл М. Х. J. Opt Soc Am A. 1986; 3 (10): 1708–1712. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0022793542&partnerID=40&md5=b720794619e79547b066326d0526b17a. pmid: 3772633
135. 134. Фостер Д.Х. Vision Res. 2011. 51 (7): 674–700. Доступно по адресу: http://www.sciencedirect.com/science/article/pii/S0042698
     4402. pmid: 20849875
136. 135. van Trigt C. Color Res Appl.2010. 35 (3): 164–183.
137. 136. Воробьев М, Осорио Д., Беннетт АТД, Маршалл Нью-Джерси, Катхилл ИЦ. J. Comp Physiol A. 1998; 183 (5): 621–633. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0032212608&partnerID=40&md5=cbb1153f215029a0cae4a3d9067a44a6. pmid: 9839454
138. 137. Осорио Д., Маршалл, штат Нью-Джерси, Кронин Т.В. Vision Res. 1997. 37 (23): 3299–3309. pmid: 9425545
139. 138. Endler JA, Théry M. Am Nat. 1996; 148: 421–452.

Трехкомпонентный регистр характеристик (RGB)

Трехкомпонентный регистр характеристик (RGB)

Данные о характеристиках, которые могут быть определены в этой части реестра характеристик, получены из различных источников.Некоторые из них относятся к опубликованным национальным или международным стандартам, тогда как другие основаны на спецификациях цвета, опубликованных отдельными компаниями или консорциумами, которые не имеют такого же стандартного статуса, но очень широко используются и, таким образом, стали стандартами де-факто. Их положение в этом реестре служит двум целям. Эти данные могут использоваться разработчиками профилей, чтобы гарантировать, что профили, созданные для этих цветовых пространств, основаны на «стандартных» данных. Они также поддерживают стандартные форматы файлов, такие как PDF / X и JDF, которые предоставляют возможность ссылаться на характеристические данные только по имени.Получатели файлов с таким именем будут знать, что при необходимости полные данные доступны в реестре ICC.

В большинстве случаев опубликованные спецификации RGB не используют то же эталонное цветовое пространство, которое используется ICC (D50). В таких случаях это означает, что спецификации, предоставленные для этих цветовых пространств RGB, должны быть расширены в этом реестре, чтобы предоставить данные характеристик, необходимые для построения профилей ICC. Эти расширения соответствуют каждой из формальных спецификаций в разделе, озаглавленном «Советы для создателей профилей».

Предусмотрено два типа расширений. Первый — это коррекция хроматической адаптации для преобразования данных из указанного эталонного цветового пространства в цветовое пространство D50, требуемое для профилей ICC. При вычислении этого использовалась матрица (полученная из преобразования хроматической адаптации Брэдфорда), представленная на веб-сайте ICC для преобразования данных D65 в D50.

Второе расширение подходит для создания таблиц для колориметрических методов рендеринга в профилях версии 4.Чтобы разобраться в этом, может быть полезна некоторая предыстория. В более ранних версиях спецификации ICC предполагалась единственная PCS, основанная на концепции печати виртуального отражения без определенной гаммы или черной точки. В последней версии это изменилось. В то время как PCS для перцептивного намерения рендеринга по-прежнему предполагается как у отраженного отпечатка, но с определенным динамическим диапазоном, PCS для колориметрического намерения рендеринга больше не считается колориметрическим, основанным на каком-либо конкретном носителе, а просто колориметрия измеряемой среды.Однако для удобства кодирования все указанные цветовые пространства RGB производят 1 и 0 в каждом из RGB, когда XYZ установлен на белый и 0, 0, 0 соответственно, тогда как на практике будет присутствовать некоторая степень бликов, если они предназначены. для представления реальных устройств в реальных ситуациях просмотра. Величина этой засветки будет зависеть от реальных условий просмотра. Тем не менее, комитет, разрабатывающий ISO 22028-1 (стандарт, относящийся к кодировкам цветных изображений), пришел к выводу, что для согласованности измерений следует принять уровень бликов для цветовых кодировок RGB дисплея, который соответствует предполагаемым условиям измерения 0:45. для измерений ICC PCS.В стандарте ISO 22028-1 делаются предложения относительно этого уровня бликов, и исправления, рекомендованные в этом реестре, согласуются с ними. Компенсация бликов может быть добавлена ​​при интерпретации закодированной колориметрии, и это то, что было предложено в этом документе.

Второе расширение не подходит для создания профилей версии 2, поскольку обычная практика создания профилей версии 2 заключается в размещении нуля кодирования RGB в PCS. Для кодировок ROMM RGB и семейства sRGB это можно сделать, просто используя уравнения кодирования, которые помещают ноль кодирования в ноль XYZ.Затем выходной профиль должен знать, что ноль XYZ в PCS версии 2 представляет собой черную точку кодирования.

Информация о деталях соответствующей трехкомпонентной цветовой кодировки предоставляется при нажатии на имя ниже. Для всех, кроме набора данных eciRGB, уравнения, определяющие характеристические данные для колориметрических профилей v4, можно получить в виде файла pdf, щелкнув соответствующее имя файла в описании. Для eciRGB данные подходят для профилей v2.Необходимо дополнительно рассмотреть возможность расширения этого для v4.

Во многих случаях даются ссылки на примеры профилей. Это сделано только для удобства и не означает одобрения со стороны ICC.

sRGB
bg-sRGB
sYCC
ROMM RGB
eciRGB
Adobe RGB (1998)

Двоичные числа и работа компьютеров

Хотя для изучения компьютерного программирования необязательно обладать обширными знаниями математики, это, безусловно, помогает иметь базовые знания в некоторых основах математики, которые делают вычисления возможными.А что может быть более фундаментальным для современных вычислений, чем двоичная математика?

Термин «двоичный» означает что-то, что имеет только два возможных объекта или состояния. В двоичной системе счисления этими двумя объектами являются числа 0 и 1 . Эти два числа могут обозначать разные вещи.

Например, в компьютерной логике 0 представляет «ложь», а 1 представляет «истину». Или они могут использоваться для представления обычных чисел в виде комбинаций единиц и нулей.Примером этого может быть представление чисел 0, 1, 2, 3 и 4 в виде трех двоичных цифр 000, 001, 010, 011 и 100 соответственно.

Но что все это означает на фундаментальном уровне вычислений? Почему двоичная система счисления используется в качестве основы для всех наших вычислений?

Возможно, было бы легче понять все это, если бы мы могли понять основы работы компьютеров на машинном уровне.

Комбинации 0 и 1: Интерпретация работы компьютерных схем

компьютеры оперируют электрическими сигналами, генерируемыми этими схемами.Чтобы спроектировать компьютер, который работает эффективно, нам нужна система, которая может интерпретировать электрические сигналы упрощенным и эффективным способом.

Хороший способ сделать это — интерпретировать электрические сигналы как двоичные значения: 0 для низкого значения напряжения и 1 для высокого значения напряжения. Более простой способ подумать об этом — представить лампочку. Если лампа выключена с , это состояние интерпретируется как имеющее значение 0 . Если это на , это интерпретируется как имеющее значение 1.