颜色管理系统的理论方法和应用研究

摘要

随着科技的发展与人们生活水平的提高，各种成像、显示设备在生活中越发普及。但是由于不同类型的彩色影像设备具有不同的光度学、色度学特性，因此在进行颜色传输时总会造成一定的失真，也就是说，不同设备在显示同一幅图像时会有不同的显示效果。由此，我们需要构建一套颜色管理系统来保证颜色在传输过程中的准确性以及喜好性。 完整的颜色管理系统通常分为三部分，即设备特征化，色貌模型，以及色域映射。首先是影像设备的色度特征化。影像设备按其功用不同可以分为成像设备（例如数码照相机）和显示设备（例如液晶显示器）两种。对于不同的影像设备，其特征化模型也会有所调整以适应其色度学特性，如针对数码照相机多项式模型，针对CRT显示器的GOG模型，针对液晶显示器的PLCC模型等。本文将在介绍不同影像设备的色度特性的基础上对其特征化模型进行验证和总结，以期达到精准的色度特征化效果。同时，本文还着重分析了OLED显示器的色度特性，包括其通道独立性，基元恒定性，通道叠加性，时间稳定性以及色域等重要特性，建立了针对OLED显示器的色度特征化模型并取得了良好的效果。 设备特征化模型描述了设备相关的通道驱动值（例如RGB值）和设备无关的人眼刺激感受（例如三刺激值）之间的转换关系。但是，由于同一颜色刺激在不同的观察条件下会存在不同的视觉感受（色貌），因此单单凭借这一转换关系并不足以完成颜色之间的传递，为此我们需要利用色貌模型来完成颜色刺激与色貌感知之间的转换。色貌模型的目的是将人眼的颜色感知进行定量化描述，是连接颜色刺激与视觉感受的桥梁。传统的色貌模型包括CIELAB以及CIECAM02等，此类色貌模型多是基于表面色实验数据所建立，并且亮度变化范围通常较小，其准确性尚未在广色域（Wide Colour Gamut，WCG）以及宽动态范围（High Dynamic Range，HDR）的显示器上予以验证。近些年来，随着显示设备的发展，也有人提出针对WCG与HDR显示的色貌模型，如Dolby Vision提出的Ictcp模型，以及浙江大学提出的Jzazbz模型等。本文将会对现有的主流色貌模型进行回顾，并将利用使用最广泛的CIELAB模型，最均匀的CIECAM02-UCS模型，以及最新提出的Jzazbz模型在广色域显示器上进行色域映射，并比较模型效果，以期为今后色貌模型的使用提出建议。 在介绍完设备的特征化模型之后，本文给出在不涉及色域映射情况下的一个颜色管理系统的应用实例，即利用显示器准确地复现实际的照明场景。同时设计了基于范畴判断(Categorical Judgment)的心理物理实验，用以评价颜色管理系统的整体效果。经实验验证，利用颜色管理系统可以更加精准地复现实际的照明场景，场景的复现效果远高于原稿的显示效果。 利用设备特征化模型以及色貌模型已经可以对图像的颜色进行精确地描述。假如原设备的显色能力（色域）与目标设备的显色能力相同，那么我们可以方便地进行颜色传递并保证精准的颜色复现。但是，显色能力相同（色域大小一致）这一条件通常是无法满足的。在这种情况下，我们需要一种方法来克服由于色域大小差异所导致的颜色不匹配(colour mismatch)，将颜色从一个原始的设备（或者图像）色域映射到另一个大小不同的目标设备的色域，即色域映射（gamut mapping）。完整的色域映射算法通常分色域边界描述以及色域映射算法两步。其中色域映射算法又可详细地分为色域压缩算法与色域拓展算法两种。色域边界的精确描述是色域映射的前提，它的目的包括1）准确地描述色域边界所在的位置，满足准确性(accuracy)的要求。2）提供一个过渡光滑的色域边界，防止颜色出现跳变，满足平滑性(smoothness)的要求。本文将在广泛比较各类色域边界描述算法的基础上，分别对基于设备的色域描述算法以及基于图像的色域描述算法提出建议，为后续色域映射算法的实施提供准确、平滑的色域边界。 传统的色域映射算法主要围绕色域压缩展开，即将一个大色域映射到一个小色域。一般的色域映射评价指标有二，即准确性(accuracy)和喜好性(preference)。准确性是指将原图像准确复现的能力，而喜好性则是指复现图像给人的喜好程度。通常而言，色域压缩算法的主要评价指标为准确性，而色域拓展算法的主要评价指标为喜好性，这是根据它们的映射特点所决定的。本文详细分析比较了当前主流的色域映射算法，并对其设计原理、目的进行了细致介绍。同时本文依据人眼颜色感知特性，提出了基于鲜艳度(vividness)的色域压缩算法(VP，vividness-preserving)以及色域拓展算法(VE，vividness-extension)。鲜艳度被定义为色域中的任一颜色距离black（色域的黑点，在该色域中具有最低的亮度，最小的彩度）的距离，其被证明能够很好地表征人眼的实际颜色感受。对于VP，其主要目的在于尽量保持鲜艳度变化最小，而对于VE，则是在保证图像对比度提升的情况下，尽量提升鲜艳度以使图片更加令人喜好。同时，本文还将VP和VE算法与现阶段主流的色域映射算法相比较，包括CIE所推荐的SGCK和HPMINDE算法，以及其他最新的色域压缩/拓展算法。实验结果表明，整体上VP和VE算法的表现均优于其他算法。 最后，本文将对主要的研究内容进行汇总总结，并针对研究中遇到的问题提出进一步的研究展望。

目录

声明

致谢

摘要

插图清单

附表清单

1．绪论

1．1研究背景、目的及意义

1．1．1研究背景

1．1．2目的及意义

1．2国内外研究概述

1．2．1影像设备色度特征化模型

1．2．2色貌模型与均匀颜色空间

1．2．3影像设备的色域描述算子

1．2．4色域映射算法

1．3本文的主要研究内容及创新点

1．3．1本文主要研究内容

1．3．2本文创新点

2．颜色科学的理论基础

2．1色度学基础

2．1．1 CIE1931标准色度系统

2．1．2色品坐标

2．1．3光源及其特性

2．2均匀颜色空间、色差以及色貌模型

2．2．1 CIELab色彩空间

2．2．2其他色差公式

2．2．3色貌现象

2．2．4 CIECAM02模型的基本内容

2．2．5 CAM02-UCS均匀颜色空间及其色差公式

2．2．6 Jzazbz颜色模型的基本内容

2．2．7 Vividness以及Depth色貌指标

2．3本章小结

3．影像设备的特征化模型

3．1数码相机的显色特性及其色度特性化模型

3．1．1数码相机的成像原理

3．1．2数码相机的色度特征化模型

3．1．3数码相机特征化模型效果的影响因素研究

3．2传统显示器的色度特性及其色度特征化模型

3．2．1传统显示器的色度特性

3．2．2传统显示器色度特征化模型

3．2．3单通道色度特征化模型

3．2．4多通道色度特征化模型

3．2．5混合模型

3．2．6三种模型的效果比较

3．2．7测量仪器的效果比较

3．2．8测试数据集的效果比较

3．3 OLED显示器的色度特征化

3．3．1 OLED显示器的色度特性

3．3．2 OLED显示器的色度特征化模型

3．3．3 SDR模式下的OLED显示器色度特征化模型

3．3．4 HDR模式下的OLED显示器色度特征化模型

3．4本章小结

4．跨媒介颜色复现的应用实例

4．1简单情况下的彩色图像跨媒介复现的流程

4．2实验1：图像复现效果

4．3实验1结果分析

4．4实验2：亮度匹配实验

4．5亮度匹配实验：实验结果与分析

4．6本章小结

5．设备及图像的色域边界描述

5．1基于设备的色域描述算法

5．1．1色域描述算法的实现及其精度测试

5．2基于图像的色域描述算法

5．2．1样品选择

5．2．2颜色的空间频率

5．2．3图像色域边界的平滑

5．2．4图像色域边界算法的实现

5．3本章小结

6．色域压缩算法

6．1 HPMINDE算法以及SGCK算法

6．2基于Vividness和Depth的色域压缩算法

6．3色域压缩算法的心理物理实验设计

6．4色域压缩算法的结果分析

6．5本章小结

7．色域拓展算法

7．1基于Vividness的色域拓展算法

7．2色域拓展算法的心理物理实验设计

7．3色域拓展算法的结果分析

7．4本章小结

8．总结和展望

8．1本文总结及其创新点

8．2未来研究以及展望

参考文献

作者简介