色觉的视觉理论分析-论文.pdf

《色觉的视觉理论分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、印前技术一一一一技术专栏黪簿群瓣燎辩鹾一、引言1．颜色恒常简介如果在辨认物体时颜色外貌是一个有用的特性，那么在不同环境中观察物体时颜色外貌必须大致保持恒定。尽管附近物体颜色发生变化或周围光源的光谱能量分布发生变化，人眼仍保持大致颜色恒定感觉。由周围物体表面反射作用变化引起的物体颜色外貌变化现象叫做模拟对比度，而由周围光源的光谱能量分布发生变化引起的物体颜色变化现象叫做颜色失恒。这两种效应降低了颜色外貌在作为辨别物体的一个特性的有效性。我们认为，尽管附近物体颜色发生变化或周围光源的光谱能量分布发生变化，颜

2、色恒定应被定义为颜色外貌保持。尽管人眼视觉不能保持理想的颜色恒定，但是人眼比目前任何可用的人造系统都要好。在设计一种颜色恒常系统的根本困难是因为在视觉形象上混淆了两个因素：周围的光线和场景中的对象的表面反射光谱功率分布。在所有可能的观赏条件下，分离这两个因素的问题得不到解决。例如，如果在一个未知光源照射的图像上只有一个不明物体，那么没有算法能够正确地判断物体表面的反射率。于是所有的颜色常数算法必须使用从场景中几个不同对象的反射光线获得的信息。因此，我们认为拓宽颜色恒常性的定义是自然而然的，包括在附近物体

3、的表面反射的整个外观变化的保存。目前已提出一些算法模拟人眼颜色恒常或达到近似颜色恒常的目的。只有较新的算法对计算颜色恒常所处的观察环境有明确的分类。Land和McCann提出的视觉理论有着重要意义，因为它是发展人眼视觉恒常计算模型的首次尝试。目前视觉算法引起了广泛兴趣，导致视觉算法和算法本身的发展的实验在文献中得到了广泛的讨论。尽管如此，视觉算法不能普遍得到很好地理解。在本文中，我们定量地描述颜色恒常性的问题。然后，我们描述了Land的最新视觉算法。我们介绍了描述视觉算法一般行为的一些简单结果，我们延伸

4、了有关描述计算机模拟算法的分析。模拟结果表明，视觉算法是较差的的人眼颜色恒常模型。人类视觉模型出现戏剧性的失败是因为表面颜色值的分配过于依赖图像其他表面的成分。2．颜色恒常模型的制定视觉算法已经提出，在有限的观察环境分类下进行I广东印刷2Ol3．4I25技术专栏印前技术鼗测试。我们会制订关于自然环境的简化模型颜色恒常性用于评估D．H．Brainard和B．A．Wandell视觉的问题。观察环境在图一中进行说明，一个观察者看着的观察环境分类在各种方面是有局限性的。二维表面反一个二维表面，哑光材料表面也反射

5、向正常的有三大类射率空间分布在形成一个长方形，磨砂，彩色文件的阵光感受器的颜色观察者。在我们制定中，所有波长函数列上受到了限制，Land将这种表面的空间分布称作一的测试值是用～个样品波长九(n=1，N)的离散值蒙德里安。这意味着在每一个不同颜色的文件之间的界进行描述的。特别的是，我们用函数E(九)表示环境限上的图像数据都有～个清晰的信号，这种观察环境的光的光谱功率分布函数，用函数S(九)表示在表面上其他局限性是没有二次反射表面、没有镜面反射、表面点x的反射率。我们将到达眼睛的光线称为彩色信号。限制在一个

6、平面上。这等于是环境光的光谱功率分布和表面的反射函数的乘在本文中，我们研究了在整个表面上光的强度均匀积，C()：E(九)s(九)。彩色信号定义了所有这种简单的情况下视觉算法的性能，这意味着没有必要人眼可见的图像信息，对表面上不同点表面反射率作出忽视环境光强度的空间变化。忽视在一个场景中空间变判断。异的问题与忽视从一个场景到另一个场景环境光的光谱功率分布的变化问题从逻辑上讲是不同的。二、视觉算法有几个发表的视觉理论变体，在这里，我们考虑在文献8中首先描述的算法，所有发表的视觉理论方法的基本原则是一致的。将

7、图像中的每个位置感光反应的阵列输入到视觉算法中，我们可以将这个输入看作三个独立的阵列数据，每一种对应不同的接受器，这些空间的阵列每一个都包含一个图像中的每个位置的单类接收器的反应。我们将图像中的每个空间位置分成一个像素，使用上标x表示图一光源照射有色材料平面在空间阵列一个特定的像素。该算法将在第k类感光反观察者有三种空间上对颜色信号取样的感光阵列。应的空间阵列P转换成相应的空间阵列值lk，Land光感受器的反应是从颜色信号到在第k种接受器的感光称单个值lk为亮度值，在每个像素中，为每个感光类色素的光谱灵

8、敏度R(n)开始计算的：计算一个亮度值。视觉算法的一个核心原则是，每类接NⅣP=∑C()()：∑E(()()f11收器独立计算像素X的亮度值，因此，我们只需要描述该方程可以写成矩阵乘积的形式：一个亮度值空间阵列的计算。这使我们能够压制表示感P=AE(2)光类的下标k。其中的第n个列向量a是(，S(九))处的表面1．明度的计算反射率。矩阵AE是3×N的矩阵，其k行n列项是E(九)该算法通过计算～系列的路径估计～个单类接受器R(九)。矩阵的条目