Avances y Tendencias Recientes en Colorimetria

Óptica Pura y Aplicada Vol. 30 1997

1

AVANCES Y TENDENCIAS RECIENTES EN COLORIMETRÍA

J. Campos (1) , E. Hita (2) , J. Romero (2) , M. Melgosa (2) , J.M. Artigas (4) , P.

Capilla (4), A. Felipe (4) , F.M. Verdú (5) , J. Pujol (5) , I. Negueruela (6) y L. Jiménez del Barco (2).

(1) Departamento de Metrología, Centro de Tecnologías Físicas, CSIC, Madrid; (2) Departamento de Óptica,

Universidad de Granada; (4) Departamento de Óptica, Universidad de Valencia; (5) Departament d’Óptica i Optometría, Universidad Politécnica de Catalunya; (6) Departamento de Física Aplicada, Universidad de Zaragoza.

INTRODUCCIÓN Durante los días 4 al 6 de Junio de 1997, se celebró en Jarandilla de la Vera (Cáceres) el IV Congreso Nacional del Color organizado por la Universidad de Extremadura y el Comité de Color de la Sociedad Española de Óptica. Con relación al mismo, en este artículo se exponen algunos aspectos y problemas de actualidad que se plantean dentro de la ciencia del Color. El objeto de estudio es muy amplio e interdisciplinar, combinándose diversas ramas del saber y de la investigación científica como son la Óptica, la Psicofísica, la Psicología y la Neurofisiología. Es por ello que en el presente trabajo, teniendo en cuenta las limitaciones referentes a su extensión, se han recogido algunos de los tópicos representativos que atañen al estado actual del tema que nos ocupa: la Colorimetría y la Visión del Color, sobre los cuales trabajan diversos grupos de investigación en Óptica. En los dos primeros apartados se expone la situación y los problemas actuales de la medida del Color, así como de una de sus vertientes de gran interés práctico, la Colorimetría Diferencial. El tercer apartado está dedicado a los Modelos de Visión Cromática, donde se aportan resultados recientes con relación al estudio de los mecanismos de discriminación cromática y de sus interacciones, los cuales son de especial importancia para la modelización de la respuesta del sistema visual humano, a considerar en los Sistemas de Visión Artificial. En el cuarto apartado se plantea uno de los aspectos fundamentales de la visión del color, de gran interés para la Robótica, como es la constancia del color. La importancia que está adquiriendo el tratamiento del color en las


2

nuevas tecnologías relacionadas con la imagen, junto con los problemas planteados dentro de este campo, se presenta en el quinto apartado. Por último, en el sexto apartado se expone, de forma general, el estado en que se encuentra un ámbito específico de aplicación de la Colorimetría, como es el Color en Alimentos. En el artículo, como revisión temática sobre Color, se ha referenciado en todos sus apartados una amplia bibliografía que permitirá al lector profundizar en la temática abordada. Los autores del mismo figuran según el orden seguido en los diferentes epígrafes, excepto para el dos y el tres que corresponden con el mismo grupo de investigación. 1. COLORIMETRÍA¡Error! Marcador no definido. La Colorimetría, entendida como la especificación del color de un objeto a partir de la distribución espectral de la radiación emitida por el mismo, parecía una disciplina bien establecida y hasta cierto punto cerrada. Sin embargo, al igual que ha ocurrido en otras áreas del Color y la Visión, la Colorimetría está conociendo una nueva expansión en diversas direcciones. La especificación colorimétrica de un estímulo de color se realiza bien a partir de la distribución espectral de la luz emitida por el mismo, bien a partir del iluminante utilizado y de su característica espectrofotométrica: reflectancia o transmitancia, evaluadas conforme a los observadores patrones. En todos y cada uno de estos factores se están produciendo nuevos desarrollos e investigaciones, así como en los métodos de medida. No es el objetivo de este artículo hacer una descripción detallada de todos y cada uno de estos avances, sino de presentar algunas de las líneas que se están abriendo o están abiertas, de manera que se pueda tener una idea general de lo que ocurre en este campo y de los problemas que existen. Observadores Patrones Los observadores patrones establecen la relación entre la distribución espectral y el estímulo percibido y hoy en día existen dos tipos bien definidos: el de campo de observación menor que 4º y el de campo de observación mayor que 4º, y ambos para niveles de iluminación fotópica. Estos observadores patrones, o funciones de mezcla, como también son conocidos, han demostrado ciertas deficiencias en algunas zonas espectrales. Desde el punto de vista de la Colorimetría estas deficiencias no son importantes para el objetivo de comparación de resultados de mediciones, pero sí lo son desde el punto de vista de que la medición sea lo más representativa posible de una sensación promedio de los observadores. Es muy importante que la expresión de una medición pueda ser relacionada por el usuario con algo que le es familiar, pues de lo contrario no aceptará bien esta forma de expresión del color. En este sentido, uno de los problemas fundamentales de la Colorimetría se centra en las faltas de aditividad que presentan las igualaciones de color metámeras, las cuales son origen de importantes fallos de predicción colorimétrica, principalmente a niveles bajos de iluminación [1-2]. Por otra parte, la aparición de nuevos iluminantes basados en lámparas de descarga eléctrica en gases, que tienen líneas espectrales intensas además de un continuo, hace necesario un mejor conocimiento de la distribución espectral de las funciones de mezcla y una mejor especificación del ancho de banda espectral para el que están definidos los


3

actuales observadores patrones. Nuevos observadores patrones se necesitan hoy en día para niveles de iluminación por debajo del fotópico. La actividad humana, que en un principio se desarrollaba casi exclusivamente bajo iluminación solar, se desarrolla en ambientes cada vez más diversos desde el punto de vista de la iluminación y el nivel de luminancia y, por este motivo, hay que definir observadores patrones para niveles de iluminación bajos [3-4]. Iluminantes La especificación colorimétrica de un objeto depende del iluminante con el que se observa dicho objeto, como es bien conocido. En la actualidad existen distintos iluminantes definidos y aceptados internacionalmente para los que se especifica el color de un objeto en Colorimetría. Tras muchas discusiones, hoy en día se recomienda que se usen los iluminantes A y D65 para especificar el color de los objetos [5-6]. El iluminante A representa a una lámpara de incandescencia, que abundaba en la iluminación de interiores, por lo que el valor colorimétrico para este iluminante pretendía tener en cuenta las sensaciones en ambientes de interior. El iluminante D65 es uno de los que representan la luz de día y con el valor colorimétrico para este iluminante se pretendía tener en cuenta las sensaciones en el exterior. El iluminante A tiene la ventaja de que se puede reproducir con relativa facilidad, lo cual es una virtud para cualquier instrumento o sistema de medida. Sin embargo, presenta el inconveniente de que está empezando a ser menos frecuente en los ambientes de interior en los que nos movemos, donde empiezan a ser más habituales las lámparas de incandescencia con halogenuros y las nuevas lámparas de descarga en gases. Este cambio en los hábitos de iluminación debería dar lugar a una nueva especificación de un iluminante para interiores que represente mejor el ambiente en el que se mueven los observadores reales. Esto no quiere decir que haya que eliminar el iluminante A, que sigue siendo útil, sino introducir un nuevo iluminante recomendado o iluminante patrón, en la terminología de la Comisión Internacional de Iluminación (CIE). El iluminante D65 tiene el inconveniente de que no se puede reproducir con facilidad, por lo que es un iluminante poco práctico para los sistemas de medida que no realizan la determinación de la distribución espectral que incide sobre ellos. El desarrollo de nuevos colorantes y filtros está dando lugar a realizaciones de este iluminante que se aproximan bastante a la definición del mismo. Se puede decir que la reproducción en la parte visible del espectro es aceptable y que la parte ultravioleta no lo es tanto, como norma general. Esta diferencia podría ser de segundo orden si no fuera porque muchos materiales modernos presentan fluorescencia y fosforescencia y su apariencia cambia de forma apreciable al cambiar la distribución de radiación ultravioleta. Los nuevos iluminantes con líneas espectrales han introducido otro problema adicional en relación con el intervalo de medida. Es costumbre y recomendación utilizar un intervalo de medida de cinco o diez nanometros para las distribuciones espectrales y el mismo ancho de banda y utilizar funciones de peso distintas, de forma que el resultado de la medición sea independiente del intervalo espectral. Esta forma de proceder da lugar a errores cuando hay líneas espectrales y, por ello, se deben hacer recomendaciones para las medidas y para la especificación del color cuando se usan iluminantes basados en descargas eléctricas en gases. Colorímetros


4

Con el término colorímetros se designan a los instrumentos que de una forma u otra miden el color de un objeto. En general esto se puede hacer midiendo la distribución espectral de la luz emitida por el objeto y luego calculando las coordenadas cromáticas en algún espacio de color, o bien disponiendo de un aparato cuya respuesta sea igual que la del observador patrón. Los dos tipos genéricos de dispositivos han alcanzado un desarrollo notable en los últimos años. Hoy en día es común que los instrumentos de medida sean capaces de precisar coordenadas de color con cuatro cifras significativas, teniendo en cuenta sólo la repetitividad de la medida y el ruido de la misma. Este desarrollo ha dado lugar a una mejora notable en la determinación de las diferencias de color, entre otras cosas. La ganancia en precisión también se ha visto acompañada por una mejora en la exactitud de las medidas, aunque este aspecto se trata en el próximo epígrafe más ampliamente. Los colorímetros que están diseñados para responder como el observador patrón, o colorímetros de filtros, todavía presentan ciertas deficiencias en lo que se refiere a la reproducción de la forma espectral de la respuesta del observador patrón. La respuesta a las longitudes de onda más cortas se diferencia más del observador patrón que a las longitudes de onda más largas. Las tres funciones espectrales que representan a cada observador patrón se pueden reproducir mediante cuatro filtros. Sin embargo, todavía está pendiente el obtener la forma de respuesta de la función triestímulo x con un único elemento filtrante (Fig. 1). Este objetivo parecía difícil de alcanzar con los filtros de vidrio conocidos, aunque se han hecho aproximaciones utilizando el filtro de respuesta de la función triestímulo z para estimar la parte de respuesta x a longitudes de onda cortas. La reproducción de las curvas y y z de las funciones de mezcla se ha logrado con precisión suficiente. La tecnología de filtros sintonizables basados en elementos acusto-ópticos y electro-ópticos ha abierto nuevas ventanas en este campo [7]. Existen trabajos en marcha que permiten creer que se llegarán a obtener filtros que se aproximen más a las funciones de mezcla que los que se conocen actualmente.


5

400 500 600 700 8000.0

0.5

1.0

1.5

2.0 Colorímetro tres filtros

z(λ) y(λ) x(λ) a z(λ)

Longitud de onda (nm)

FIGURA 1. Aproximación en un colorímetro de tres filtros.

La ventaja de los colorímetros basados en filtros frente a los que miden la distribución espectral es que son mucho más compactos, aunque presentan el inconveniente de que se necesita un colorímetro distinto para cada observador patrón. Si la tecnología de los filtros sintonizables se desarrolla más, los colorímetros basados en ella unirían las ventajas de los colorímetros de filtros y los de análisis espectral en un único dispositivo. Los colorímetros que realizan el análisis espectral de la radiación han alcanzado niveles de calidad muy altos como instrumentos de medida y poco más cabe esperar de nuevo en ellos, excepto en lo que se refiere a una mejor caracterización de las incertidumbres de medida y a la calibración de los mismos. Incertidumbres de medida Los instrumentos de medida que se utilizan actualmente son muy precisos. Sin embargo, cuando se comparan las mediciones hechas con distintos instrumentos los resultados no coinciden dentro del intervalo que cabría esperar de acuerdo con la precisión del instrumento. Este problema, que se ha puesto de manifiesto incluso cuando se comparan medidas realizadas en Laboratorios Nacionales de Metrología de distintos países (Fig.2), ha dado lugar a que se investiguen los errores sistemáticos que se producen en la medida del color [8]. Estos errores están relacionados directamente con el método y la geometría de medida del color. Parámetros como el grado de polarización de la luz, la fracción de componente especular de la reflectancia respecto a la componente difusa, la correcta evaluación de la señal de oscuridad, o la correcta evaluación de la linealidad de los aparatos de medida, hacen que la incertidumbre de medida sea un orden de magnitud mayor que la precisión que son capaces de dar los aparatos de medida actuales. Nuevos


6

métodos de evaluación y especificación se están desarrollando, de forma que la incertidumbre medida se reduzca al nivel de precisión de los aparatos, que es la situación ideal desde el punto de vista metrológico [9].

Comparación Laboratorios Nacionales

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

Patrones de color

Dif

eren

cia

de

colo

r

Serie1

Serie2

Serie3

Serie4

FIGURA 2. Diferencia de color de patrones cerámicos medidos en 4 laboratorios nacionales. Los cuatro primeros valores son acromáticos desde el blanco al negro. Los otros cromáticos desde el rojo al azul [8].

Los patrones de medida que se utilizan para calibrar los colorímetros también están sufriendo cambios [10-11]. Hay que recordar que los patrones cerámicos supusieron un avance notable, puesto que son bastante estables en el tiempo y relativamente fáciles de conservar. Sin embargo, todavía deben ser perfeccionados en lo que se refiere a la dependencia con la temperatura, que se manifiesta más en las distribuciones espectrales de tipo escalón (colores rojos, naranjas, amarillos), y en la uniformidad superficial. Se están construyendo patrones cerámicos mates que sirvan para evaluar la correcta medición del brillo, entendido como cantidad de reflectancia especular, por parte del dispositivo de medida. Los patrones basados en filtros coloreados siguen presentando problemas de estabilidad temporal y algunos de ellos requieren ser conservados en condiciones ambientales bastantes estrictas de temperatura y humedad, lo que los hace poco útiles fuera de laboratorios de alto nivel. Los filtros neutros que se usan para medidas de linealidad o exactitud fotométrica también tienen problemas de uniformidad a través de su superficie, si se usan los basados en películas metálicas parcialmente reflectantes, y problemas de exactitud y falta de planitud espectral, si se usan los filtros de absorción. En este capítulo de los patrones de medida aún sigue pendiente el problema de obtener un patrón blanco de alta reflectancia, estable, robusto y que se aproxime al difusor perfecto. Habría que intentar desarrollar patrones de medida basados en leyes físicas, como es el caso de las lámparas espectrales para el calibrado de longitud de onda, o en definiciones fácilmente realizables. También hay que señalar en este apartado que, a veces, los errores de medida se producen por una incorrecta utilización de los instrumentos de medida por parte de los usuarios. Este hecho se pone de manifiesto cuando se realizan comparaciones de mediciones de un mismo objeto hechas en distintos sitios, como la que se ha realizado recientemente nuestro país [12]. Otra fuente importante de error puede darse cuando se mide el color con iluminantes de espectro amplio y no se controla la radiación ultravioleta del mismo. Fundamentalmente, este error se debe a la fluorescencia o fosforescencia que presentan muchas pinturas y materiales que se usan en la actualidad. Los métodos de control de la


7

radiación ultravioleta están siendo estudiados. Geometrías de medida La geometría de medida indica el ángulo de iluminación y de observación de una muestra. Cuando el color de un objeto se observa por reflexión, existen tres geometrías recomendadas por las instituciones internacionales con las que se pueden tener en cuenta la mayor parte de las situaciones de observación que se pueden encontrar. Sin embargo, cuando el color de un objeto se observa por transmisión, apenas existen recomendaciones sobre la geometría de medida. De hecho casi cada instrumento de medida ilumina la muestra con un haz con una divergencia distinta, que no se especifica, y con una distribución angular de la radiación desconocida. Estos dos parámetros influyen en el valor de transmitancia de la muestra y, por ende, en el color percibido. Por tanto, los instrumentos de medida deberían especificar estos parámetros para que pudieran ser comparados a otros. En el caso de las medidas de reflectancia, sería muy interesante poder relacionar los factores de reflectancia en las distintas geometrías [13-14]. Esto permitiría una gran simplificación de los instrumentos de medida y una gran facilidad de uso, pues bastaría medir uno de ellos para poder especificar el estímulo de color en las demás condiciones de observación. El planteamiento de este problema de forma absolutamente genérica parece descomunal, puesto que habría que conocer las propiedades de “scattering” de todos los objetos de color y hay muchos tipos distintos de superficies. Sin embargo, dado que la recompensa parece atractiva y que se están produciendo avances en el estudio teórico del “scattering” de superficies, se están haciendo algunos intentos en esta dirección. Nuevos instrumentos de medida Los instrumentos de medida del color que se usan actualmente, siempre realizan una integración espacial del campo de observación, por lo que deben actuar sobre una superficie uniforme desde el punto de vista cromático. En algunos de ellos la superficie de medida puede llegar a ser pequeña, como ocurre en aquéllos dotados con teleobjetivos, y entonces el problema de la uniformidad no es tan grande, pero éste no es el caso general. Dado que hay muchos objetos de color que no son homogéneos desde el punto de vista cromático, sería interesante disponer de instrumentos de medida que fueran capaces de medir todo el objeto a un tiempo y dar las coordenadas cromáticas en distintas zonas. Algunos desarrollos se están produciendo en esta línea utilizando cámaras de color. Las cámaras de color suministran una información cromática de cada punto o pixel. Si esta información se pudiera traducir en una medida, se habría conseguido realizar el aparato querido para la medición del color. Este proceso es complejo, puesto que las cámaras diseñadas para recoger imágenes utilizan algunos elementos poco adecuados desde el punto de vista de la medida, como es la falta de linealidad entre el estímulo y la respuesta. Sin embargo, resultados preliminares podrían verse pronto con un cierto grado fiabilidad. Quizás, en un primer paso, estos aparatos serán muy útiles para estimar diferencias de color que se dan en distintas zonas del objeto o para estudiar cambios de color del objeto a lo largo del tiempo, obteniendo distintas y sucesivas imágenes del mismo. En este campo habría que establecer una mejor relación entre las curvas de respuesta espectral de las cámaras y los observadores patrones actuales, o bien, establecer


8

unos nuevos observadores patrones basados en las curvas de respuesta de las cámaras [15-16]. Vulgarización Desde un punto de vista práctico, éste es el mayor problema con el que se encuentra la Colorimetría actualmente. Existen muchos aparatos de medida instalados y se utilizan de forma rutinaria en las fábricas, en los controles de calidad e incluso en la especificación de los objetos de color. Sin embargo, esta forma de especificar el color no es común todavía entre los consumidores y usuarios. ¿Por qué? Varios factores acuden a la mente para responder a esta pregunta y, quizás, la respuesta a la misma sea el problema más urgente que afronta la Colorimetría. También es importante en este sentido trabajar para que todos los usuarios del color lleguen a entender que el color de un objeto no es algo absoluto, sino relativo al medio en que se encuentra y que, en consecuencia, la especificación estará unida a las condiciones de observación. Muchos otros aspectos podrían haber sido tratados y considerados, pero éstos proporcionan una idea amplia de la actividad actual en el campo de la Colorimetría, que era el objetivo perseguido. 2. DIFERENCIAS DE COLOR En la actualidad el control colorimétrico de los productos de mercado constituye una parte importante de su control de calidad. Ordinariamente se requiere de una especificación normalizada del color y de sus tolerancias, conforme a las necesidades y apreciaciones del consumidor, acudiéndose para ello a medidas colorimétricas más precisas que la sencilla referencia a un determinado muestrario o a una carta o sistema de ordenación del color. Este hecho es particularmente evidente en el caso de ciertas industrias, como las dedicadas a impresión gráfica o a la elaboración de pinturas o tejidos, donde si no hay una reproducción suficientemente fidedigna del color, pueden aparecer graves problemas con relación a las demandas de los clientes. Dentro de este campo, para un par de estímulos de color dados, conviene distinguir entre la diferencia visualmente percibida entre dichos estímulos (∆V) y la diferencia numérica (∆E), calculada a través de lo que se ha dado en llamar una fórmula de diferencia de color. En este binomio el juicio visual ∆V es el elemento dominante, debiendo proporcionar la colorimetría los procedimientos óptimos para obtener un valor de ∆E bien correlacionado con aquél. La diferencia visual ∆V no es necesariamente una diferencia justamente perceptible o umbral (aunque este tipo de diferencias de color tienen gran interés en este campo), pudiendo determinarse por procedimientos diversos de tipo psicofísico, en los que el control de las condiciones experimentales y tareas de los observadores resulta de gran importancia para la consistencia de los resultados. Por su parte, una fórmula de diferencia de color no es más que una expresión matemática en la que, partiendo de la especificación numérica de los estímulos del par (usualmente sus valores triestímulo), se obtiene un número real, positivo o nulo, ∆E. Desde el punto de vista de las aplicaciones industriales de la colorimetría, la mejora de la correlación entre diferencias de color percibidas y calculadas es necesaria para el conveniente entendimiento entre fabricantes y clientes, y resulta cada vez más importante en una sociedad con


9

crecientes requerimientos en la automatización de procesos y en el control de calidad. Puede decirse que la evaluación de diferencias de color presenta un doble interés: el primero, más científico, está relacionado con el conocimiento que esta materia aporta y requiere de los mecanismos responsables de la visión del color o con la especificación numérica más apropiada del mismo (sistemas de representación del color); el segundo, más de tipo técnico, relativo al establecimiento de las tolerancias aceptables en la fabricación de un producto, o a los cambios de color surgidos como consecuencia del paso del tiempo o de otras acciones (e.g. restauración de materiales, deterioro de alimentos...). Los sucesivos avances sobre el tópico diferencias de color se han documentado en distintos artículos de revisión [17-19]. Como indicaba Wyszecki en 1973 [20] el desarrollo de una fórmula de diferencia de color satisfactoria ha sido siempre reconocido como un problema urgente y ha estado planteado en los Comités de colorimetría de la CIE desde los años 50. Precisamente en la década de los 70 la CIE realizó dos recomendaciones que han resultado particularmente fructíferas para avanzar en la resolución de dicho problema. De una parte, la recomendación en 1976 de los sistemas CIELUV y CIELAB [21] como espacios aproximadamente uniformes ha conseguido, como principalmente pretendía, una considerable unificación en los cáculos prácticos, evitando el uso de numerosas fórmulas de diferencia de color y, en particular, haciendo que se generalice el uso del sistema CIELAB en las aplicaciones industriales. Por otro lado, las orientaciones de la CIE en 1978 para coordinar las investigaciones sobre diferencias de color [22], han hecho que en investigaciones posteriores se centren los esfuerzos en el estudio de zonas concretas del espacio de color y en la influencia de ciertas condiciones experimentales sobre la percepción de diferencias de color, evitando asi la dispersión de resultados y facilitando su ajuste e interpretación. Puede decirse tambien que en la década de los 90 se han realizado avances significativos en los estudios sobre diferencias de color. La CIE ha recopilado los resultados de distintas investigaciones, indicando cuantitativamente el efecto de algunas condiciones experimentales sobre la percepción de diferencias de color [23] y proponiendo una nueva fórmula de diferencia de color denominada CIE94 [24]. Ante el uso generalizado de CIELAB en las aplicaciones industriales, CIE94 parte de este sistema, introduciendo en él dos tipos de correcciones: por un lado, unas sencillas funciones lineales del croma que ponderan las diferencias en tono y croma calculadas con CIELAB, corrigiendo asi en buena parte la conocida falta de uniformidad de ese sistema; por otro lado, unos factores denominados paramétricos que permiten incorporar la influencia que tienen las condiciones de observación en la evaluación de diferencias de color. Este tipo de correcciones a CIELAB habian sido ya propuestas previamente por otras recientees fórmulas de diferencia de color, tales como CMC [25] o BFD [26], que vienen siendo aplicadas con éxito en diferentes industrias, en particular en el Reino Unido. Concretamente la diferencia de color CIE94 viene dada por la expresión:

donde las diferencias ∆L*, ∆C*, ∆H*, se calculan mediante CIELAB y son ponderadas por

∆

∆

∆∆

S KH +

S K

C + S HH

* 2

CC

* 2

LL

2 2/1

KL = E

**

94 (1)


10

los factores de peso: SL = 1.0 ; SC = 1 + 0.045 C*

ab ; SH = 1 + 0.015 C*ab

en los que C*ab es el croma CIELAB de la muestra de referencia (o si no hay tal, la media

geométrica de los cromas de las muestras que integran el par). A su vez, los factores KL, KC, KH, son denominados factores paramétricos y varían con las condiciones experimentales, siendo fijados todos ellos con un valor unidad para un conjunto de condiciones de referencia especificas (Tabla I). Los estudios realizados sobre el comportamiento de CIE94, tanto en aplicaciones industriales como respecto a resultados clásicos en el campo de la colorimetría diferencial, vienen dando resultados bastante satisfactorios [27]. Si bien CIE94 mejora la correlación entre diferencias visuales y percibidas para un cierto conjunto de condiciones experimentales (bastante próximas a las más usuales en la industria), trabajos recientes parecen ampliar el rango de validez de este modelo para diferencias de color por encima de 5 unidades CIELAB [28] y para distintos iluminantes [29]. En cualquier caso, CIE94 presenta versatilidad para poder incorporar términos de corrección que supongan una mejora significativa: concretamente en la actualidad hay interés por introducir una corrección relativa al ángulo de tono y otra consistente en una función de peso para la tolerancia en luminancia. El estudio de ambas correciones es el objetivo del Comité Técnico de la CIE 1-47 "Hue and lightness dependent correction to industrial colour difference evaluation", aprobado por la Division 1 de la CIE en Mayo de este año y dirigido por el Dr. D.H. Alman, presidente del Comité Técnico 1-29 que llevó a cabo la propuesta de CIE94.

TABLA I

Condiciones de referencia óptimas aconsejadas por la CIE para la aplicación de la fórmula de diferencia de color CIE94 [24].

Variable Experimental Tipo / Valor Recomendado

Tipo de iluminación Fuente simuladora del iluminante D65

Iluminancia 1000 lx

Observador Con visión normal del color

Campo circundante Uniforme, gris neutro con L* = 50

Modo de observación Objeto

Tamaño de muestras Angulo visual subtendido mayor de 4o

Separación de muestras Mínima: bordes de las muestras en contacto

Magnitud de diferencia de color De 0 a 5 unidades CIELAB

Estructura de las muestras Homogéneas en color: sin heterogeneidades Perceptibles a simple vista


11

La corrección relativa a ángulo de tono existe en CMC y BFD, siendo una función de considerable complejidad y no consistente con todos los datos experimentales, por lo que en su momento no se incorporó al modelo CIE94. Sin embargo, recientemente se han realizado al menos dos nuevos estudios bastante completos sobre esta corrección [20], en el National Research Council de Canada y en el Rochester Institute of Technology de Estados Unidos, que pueden aportar mejoras a CIE94 en un futuro próximo. La corrección relativa a la función de peso para la luminancia viene también sugerida en CMC y BFD, si bien parece estar afectada por algunos efectos paramétricos concretos y requiere de la planificación y desarrollo de nuevas experiencias [31] antes de introducirla en el modelo CIE94 con garantías de una mejora significativa. Es conveniente mencionar que todas estas correcciones, asi como otras investigaciones recientes, se enmarcan dentro de las recomendaciones que la CIE ha realizado en 1995 [24,32], como continuación de las realizadas en 1978 [22] que anteriormente mencionamos. Como puede observarse las tendencias actuales en el campo de las diferencias de color están conectadas con las aplicaciones industriales y parten de la adopción de CIELAB, básicamente por razones de tipo pragmático. Cabe no obstante plantearse más críticamente este tópico y recordar otros planteamientos realizados en la literatura que pueden ser de utilidad en el presente. En concreto nos referimos a la posibilidad de elegir un punto de partida diferente a CIELAB, como se ha realizado con los llamados elementos de linea asociados al espacio de color, o bien al partir simplemente de los valores triestímulos o coordenadas de cromaticidad CIE [33] para desarrollar nuevas fórmulas de diferencia de color. Planteamientos también a tener en cuenta nos llevarían incluso a reconsiderar la validez de los Observadores Patrón de la CIE y su influencia sobre las diferencias de color [34], o a cuestionar la validez de la linealidad inherente al cálculo de los valores triestímulos o, lo que sería sin duda un importante avance, elegir como punto de partida un sistema de representación del color más vinculado con los avances en el conocimiento de los mecanismos fisiológicos responsables de la visión del color. Desde una perspectiva global puede decirse que la evaluacion de diferencias de color está plenamente incardinada en el núcleo de la colorimetría. Conviene sin embargo hacer notar que las actuales fórmulas de diferencia de color están basadas y previstas para el caso en que los dos estímulos sean presentados en idénticos medios y observados bajo las mismas condiciones. En la actualidad es preciso ampliar este esquema en numerosas situaciones, como por ejemplo aquéllas relacionadas con la reproducción del color en distintos medios (monitores CRT, impresoras, lectores de barrido, etc). Como ha indicado Hunt [35], la colorimetría está basada en el sistema CIE y en su desarrollo se pueden distinguir tres fases: igualación, diferencias y apariencia. Actualmente el Comité Técnico 1-34 de la CIE trabaja en la unificación de los modelos de apariencia de color que se han propuesto para predecir la apariencia de color de objetos en escenas simples y complejas con diferentes condiciones de iluminación, tomado como base los resultados alcanzados por otros comités, en particular los que han estudiado los problemas relativos a las diferencias de color. 3. DISCRIMINACIÓN CROMÁTICA Y MODELOS DE VISIÓN DEL

COLOR

Los estudios de la visión del color y la Colorimetría han estado siempre ligados, a pesar de lo cual, los primeros han presentado un carácter primodial de ciencia básica,


12

mientras que la segunda ha tenido y tiene un carácter aplicado. Si bien la génesis de la Colorimetría se encuentra en la definición y medida de las funciones de mezcla, lo que constituye un claro ejemplo del estudio de las características de la visión del color humana, en su desarrollo, a menudo, se han primado los aspectos relacionados con la técnica. Ejemplo de ello ha sido la formulación de espacios de representación del color, como el CIE-1931, CIELUV o CIELAB, que pretenden presentar ventajas en su aplicación en la industria, pero que son poco útiles para analizar resultados de aspectos concretos de la visión del color. Más conectado con los mecanismos de visión del color se encuentra el primitivo espacio RGB que cualquiera de los citados, de elaboración posterior.

En los últimos años la comunidad científica reclama un espacio de representación del color que evite el problema mencionado. Aunque no existe una propuesta definitiva, parece que ésta ha de ser tal que dicho espacio esté ligado de forma directa con alguno de los modelos de visión del color más recientes, Ingling y Tsou [36], Guth et al. [37], Guth [38], de Valois y de Valois [39]. Los primeros intentos en este sentido han sido los diagramas de cromaticidad propuestos por MacLeod y Boynton [40] y Boynton [41], cuyos ejes representan la excitación de los mecanismos oponentes rojo-verde y amarillo-azul, que constituyen parte de la segunda etapa de cualquiera de los modelos de visión del color mencionados. Antecedentes de estos diagramas se pueden encontrar en los trabajos de Luther [42] y Fry [43].

Para representar un estímulo de color en este tipo de diagrama, hemos de calcular previamente la excitación que áquel induce de los conos L,M y S, a través de los espectros de acción de conos, normalmente de Smith y Pokorny [44]. Posteriormente se calculan, mediante relaciones hasta ahora lineales, los valores de los mecanismos oponentes. Para obtener una representación tridimensional basta con añadir el eje de luminancias que nos aporta el tercer mecanismo de segunda etapa, de carácter no oponente.

En cierto modo, es ya frecuente encontrar resultados de discriminación cromática en espacios de representación de este tipo. La potencia en el análisis de resultados que presentan es indudable, ya que es inmediato estudiar en ellos no solo las características de la discriminación según mecanismos, a su vez relacionados con las deficiencias en la discriminación del tipo rojo-verde y amarillo-azul, sino que también se pueden deducir posibles interacciones entre mecanismos.

Un antecedente al análisis de la discriminación cromática conforme a mecanismos de la visión del color es el trabajo de Le Grand [45]. Posteriormente es una referencia obligada en este campo el de Boynton y Kambe [46]. Estos autores estudian la discriminación de los mecanismos de carácter oponente de forma independiente y encuentran que el umbral del cono S, a L+M constante, aumenta, de forma lineal, cuando el valor de S aumenta. El umbral en el mecanismo rojo-verde (L-2M) se hace mínimo cuando la excitación del canal es próxima a cero. Estos dos resultados han sido sometidos a análisis en trabajos posteriores, como veremos.

Para estudiar influencias de un mecanismo sobre otro, se hace preciso estudiar la discriminación de forma global, no dejando un mecanismo a valor constante de excitación mientras se varía el otro para determinar su umbral. Boynton et al. [47] proponen un método de normalización de elipses de discriminación en diagramas de excitación de conos (forma de llamar a los diagramas de ejes L-2M y S, a L+M constante), para realizar este análisis. Sus resultados y los de Nagy et al. [48] apuntan a posibles interacciones entre mecanismos. En general se establece, que la discriminación respecto de un estímulo determinado empeora, aunque debilmente, en aquellas direcciones del diagrama en las que


13

aumenta la excitación de un mecanismo mientras disminuye la del otro. En otros trabajos recientes se analiza la influencia de la cromaticidad del campo

adaptante en la discriminación, Krauskopf y Gegenfurtner [49] y Miyahara et al. [50], o se elabora un modelo de discriminación, Yeh et al. [51], en el que se refleje la influencia entre mecanismos. Los resultados, en general, no permiten establecer conclusiones definitivas, dada la variabilidad en las condiciones experimentales y en los métodos de medida.

También ha sido abordado el estudio de la discriminación según mecanismos de la visión del color en el Departamento de Óptica de la Universidad de Granada, Romero et al. [52], García et al. [53], Yebra et al. [54], Yebra [55]. Estos estudios abordan, de una parte, el análisis de la influencia sobre la discriminación de parámetros experimentales de la observación, como el tamaño del test, Yebra et al. [54], o la variabilidad entre observadores, García et al. [53]. De otra, se han realizado estudios globales de umbrales de discriminación a lo largo de todo el diagrama de excitación de conos, Romero et al. [52]. La figura 3 muestra las elipses de discriminación obtenidas para un observador con visión normal del color, en el diagrama de excitación de conos deducido del modelo de Boynton

[41].

FIGURA 3. Elipses de discriminación cromática en el diagrama de excitación de conos derivado del modelo de Boynton [41]. Resultados experimentales para el observador PL [52].

Del análisis de estas elipses se ha podido deducir, de acuerdo con Boynton y Kambe [46] en lo cualitativo pero no en lo cuantitativo, una relación lineal entre el umbral en la dirección amarillo-azul con la excitación del propio mecanismo. Con respecto al mecanismo rojo-verde, el mínimo para el umbral cuando el mecanismo está equilibrado depende del nivel de excitación del cono S. Ello nos indica ciertas influencias de unos


14

mecanismos sobre otros con respecto a la discriminación. Para profundizar en el estudio de estas posibles interacciones e incluir la

luminancia como variable, previamente estudiada por Nagy [56] y Nagy y Kamholz [57], en el mismo grupo de investigación se ha abordado recientemente, Yebra [55], la determinación de umbrales diferenciales de color en el espacio de excitación de conos para 66 estímulos de color. Estos estímulos se sitúan sobre líneas de igual excitación de dos mecanismos de la visión del color, haciendo las posibles combinaciones entre los tres considerados (los dos oponentes y el canal de luminancia). Además, al determinar el elipsoide de discriminación para cada estímulo, se estudia la discriminación en líneas que impliquen la variación de sólo un mecanismo o de dos simultáneamente.

Los resultados de este grupo se pueden concretar en expresiones del tipo siguiente:

∆S = 0.111 (L-2M) + 0.053 S+ 0.019 (L+M) - 0.0015 (L-2M) + 1.379 (2)

∆L = 0.076 lgS - 0.001 (L-2M) + 0.002 (L+M) - 0.036 (3) en las que se reflejan la influencia de cada mecanismo sobre cada umbral.

En resumen, la utilización de espacios de representación del color basados en modelos de visión del color, presenta claras ventajas en el conocimiento de las características de la misma. Si bien, la discriminación cromática es el aspecto más estudiado en este tipo de espacio, no ha de descartarse el análisis de cualquier otro aspecto de la visión del color. Incluso se puede pensar en el uso de esta representación en trabajos de tipo técnico e industrial, ya que ninguno de los espacios actualmente empleados en estos campos ha demostrado ser lo suficientemente potente y ventajoso. 4. CONSTANCIA DEL COLOR: IMPLEMENTACIÓN EN SISTEMAS DE

VISIÓN MÁQUINA La propiedad de la constancia del color en el Sistema Visual Humano (SVH) consiste en la habilidad perceptual de asignar los mismos atributos cromáticos – claridad, tono y saturación – a estímulos que varían colorimétricamente por el cambio espectral del iluminante. Parece, por tanto, que el sistema visual utiliza la información procesada a través del color como un invariante. Como demostraciones psicofísicas típicas de esta capacidad se encuentran las experiencias de E.H. Land [58-59] y de R.W.G. Hunt [60-61]. En cierto modo, se acepta comúnmente que el sistema visual es capaz de crear un corrimiento adaptativo sobre la descripción cromática primaria de un estímulo para mantener aproximadamente el mismo juicio de apariencia del color, a pesar del cambio inicial de apariencia que se produce en la percepción primaria del estímulo debido al cambio espectral del iluminante [62]. La constancia de color del SVH no es perfecta, ya que el color de los objetos no es totalmente estable cuando la iluminación cambia. Sin embargo, la percepción del color está mucho más próxima a la constancia de color que lo que indica la luz que llega al SVH [63]. En este sentido, diversas experiencias se han realizado para medir el grado de constancia de color del SVH [64-66]. Otro hecho experimental, es que la constancia de color se da siempre con objetos relacionados, nunca con objetos aislados. Depende pues, de las respuestas simultáneas de muchos fotorreceptores, siendo necesario además que el iluminante sea de banda ancha


15

[63]. Podemos entonces considerar que la constancia de color es un fenómeno de Adaptación Cromática ya que el SVH se adapta, de alguna forma, a la iluminación existente en la escena y para la percepción del color, en parte, la descuenta. La clave en el estudio de la constancia del color es determinar qué tipo de información utiliza el SVH para llevar a cabo la adaptación cromática a la luz ambiental, para así poder descontarla en su percepción del color de los objetos. No existe una respuesta clara para esta cuestión. Así, existen diversos modelos que intentan explicar de qué forma el SVH procesa la información para conseguir la constancia de color: 1.- Teorías basadas en modelos psicofísicos: la más conocida es la Teoría Retinex [59, 67-68]. En este modelo se consideran todos los objetos presentes en la escena simultáneamente. La respuesta de cada fotorreceptor se transforma en un valor llamado Luminosidad (o reflectancia integrada) que tiene en cuenta las respuestas de otros fotorreceptores del mismo tipo. La percepción del color de un objeto depende de los tres valores luminosidad. Para calcular la luminosidad se tienen que recorrer caminos aleatorios a través de la escena. Un camino comienza en un punto inicial seleccionado aleatoriamente y recorre fotorreceptores contiguos del mismo tipo. Cada vez que un camino pasa por un fotorreceptor se calcula una cantidad (en la versión más conocida de la teoría Retinex se calcula el logaritmo de la razón entre la respuesta del fotorreceptor y la respuesta del fotorreceptor del punto inicial del camino). La luminosidad en un punto se calcula promediando todas las cantidades que se obtienen cada vez que un camino pasa por el fotorreceptor. En el cálculo de la luminosidad aparecen dos parámetros libres que son la longitud de cada camino y el número total de caminos. Si la longitud de los caminos es corta, la luminosidad depende sólo de las respuestas de los fotorreceptores cercanos, mientras que si es larga aparece la influencia de los fotorreceptores lejanos. Dentro de este tipo de algoritmos, el grupo de Psicofísica de la Visión del Departamento de Óptica de la Universidad de Valencia ha propuesto una generalización sobre la que se volverá más adelante [69-70]. Los algoritmos basados en la Teoría Retinex dan lugar a constancia de color asumiendo que la escena en promedio es acromática (se le suele denominar Grey World assumption) o bien que en la escena existe un blanco de referencia. Además la iluminación debe de variar lentamente y los bordes entre los objetos de la escena deben de estar bien definidos. 2.- Teorías de tipo matemático llamadas Modelos Lineales [71-72]. En estos modelos se descomponen las reflectancias espectrales de los objetos de la escena y la distribución espectral del iluminante mediante combinaciones lineales de unas ciertas funciones espectrales base, de forma que con unos pocos coeficientes se pueden reconstruir estas curvas. Los coeficientes de las combinaciones lineales se calculan a partir de las respuestas de los fotosensores. En estos modelos aparece indefinido el número de funciones espectrales base necesarias para reconstruir dichas curvas. Bajo ciertas restricciones, dichos modelos proporcionan constancia de color exacta. Dichas restricciones son que tanto la distribución espectral de energía del iluminante como la reflectancia espectral del objeto se puedan reconstruir como combinación lineal de tres funciones base y que, además, en la escena exista un objeto de reflectancia espectral conocida. Se puede evitar la referencia si se conoce la media de la distribución espectral de todos los objetos de la


16

escena. Existen modelos que relajan alguna de las restricciones a costa de otras. Así, el iluminante puede ser arbitrario si en la escena hay tres referencias de reflectancia conocida. 3.- Modelos de base biológica: estos modelos realizan una simulación del funcionamiento del SVH, implementando electrónicamente o bien simulando en un ordenador, un modelo simplificado del SVH [73]. En estos trabajos se utiliza la información fisiológica conocida sobre el SVH, sobre el tipo de células, las conexiones sinápticas entre ellas, etc. 4.- Modelos basados en factores cognoscitivos [74]: en estos modelos se considera que los objetos familiares presentes en la escena, cuyo color ha sido aprendido previamente, pueden servir de referencia para que el SVH pueda estimar la iluminación de la escena y el color de otros objetos desconocidos. Los modelos anteriores pueden servir de base para el diseño de los algoritmos que intentan implementar una propiedad similar a la constancia de color en los Sistemas de Visión Máquina (MVS) (del ingles Machine Vision System) que deban trabajar bajo iluminación variable, por ejemplo al aire libre. En principio, un MVS ideal con la propiedad de constancia de color debería cumplir las siguientes características [73]: i) exactitud en la determinación de la reflectancia espectral del patrón; ii) flexibilidad para adaptarse a una amplia variedad de imágenes; iii) poco conocimiento a priori sobre las imágenes. El SVH favorece más la flexibilidad y la realización de pocas asunciones previas sobre las imágenes que la exactitud, lo que le permite adaptarse a una amplia variedad de situaciones. Dependiendo de la aplicación particular para la que se diseñen, los MVSs deberían favorecer una u otra característica. Así, por ejemplo un MVS para realizar controles de calidad basados en el color debe intentar favorecer la exactitud. Un MVS destinado a comportarse de manera similar a la de un observador humano en alguna situación particular debe intentar favorecer la flexibilidad. Los modelos que favorecen la flexibilidad sobre la exactitud son menos frecuentes en la bibliografía, y generalmente son los basados en simulaciones computacionales de la estructura neuronal del SVH, lo que da lugar a algoritmos muy complejos y poco prácticos para el desarrollo de MVSs. Estos modelos no realizan asunciones previas de ningún tipo respecto a las imágenes y a la iluminación. Los algoritmos de constancia de color que favorecen la exactitud sobre la flexibilidad deben realizar ciertas asunciones con el fin de poder conseguirlo. Una característica común en todos ellos es la utilización de referencias en la escena. Esto es lógico, ya que como hemos dicho, la constancia de color es una propiedad de colores relacionados y falla completamente con colores aislados, como demostraron E.H. Land [59] y Arend y Reeves [65]. El grupo de investigación en Psicofísica de la Visión del Departamento de Óptica de la Universidad de Valencia ha estudiado este problema con el objetivo de implementar esta propiedad en un sistema de visión máquina. Concretamente se abordó desde dos puntos de vista. Por un lado a partir de algoritmos de primera etapa y por otro utilizando redes neuronales artificiales tipo Perceptrón Multicapa. Constancia de color a través de un algoritmo de primera etapa


17

Un algoritmo de constancia del color completo, tanto si pretende describir los mecanismos que tienen lugar en el sistema visual humano, como si pretende ser implementado sobre sistemas de visión artificial, debe tener claramente en cuenta la distinción entre una primera etapa de contraste cromático frente a una segunda etapa de construcción de un espacio perceptual cromático. En el modelo relativista de inducción cromática planteado por Creutzfeldt et al [75], se asume que en una primera etapa, se determina la claridad del estímulo color en cada región espectral mediante una comparación entre las intensidades del objeto y de la periferia en las distintas regiones espectrales. Este valor relativo de claridad entra en los canales oponentes (la segunda etapa) y su respuesta se combina para dar el color percibido. Aún así, la teoría retinex, por ejemplo, es un algoritmo de constancia de color de primera etapa. En este sentido, se ha desarrollado un algoritmo de primera etapa en el que describimos el reescalado relativo de las intensidades\claridades en las diferentes bandas espectrales, así como la inhibición lateral de las señales de los receptores [69-70]. Este proceso queda analíticamente expresado mediante los descriptores (αij__,βij__,γij__), especificados del siguiente modo:

100)1log(

)1log()1log(×

+−

+−+=

minmax

ji

ij RR

RRα

(4)

donde: i,j: estímulos color, de un conjunto de n estímulos presentes en la escena; Ri(j) : Captura receptorial o intensidad del estímulo i(j) bajo el canal o anchura de banda espectral k(R). De forma más general Ri, o equivalentemente, Ri

k queda expresado como:

λλλρλ dsER kiii

k )()()(770

380

⋅⋅∝ ∫ (5)

donde Ei(λ) es el espectro del iluminante que incide sobre el estímulo color i, ρi(λ) su reflectancia espectral y sk(λ) la curva espectral de absorción del receptor o sensor k ( )(),(),( λλλ zyx ) en el caso del SVH: observador estándar CIE-1931). Rmáx ={R1,R2,...,Ri,Rj,...,Rn}; Rmin={R1,R2,...,Ri,Rj,...,Rn}; (βij → canal espectral G, γij → canal espectral B) En el numerador, la inhibición lateral de las señales de los receptores queda descrita mediante una sustracción no lineal, log(Ri+1)-log(Rj+1), de carácter logarítmico como evidencian experimentos psicofísicos, entre la intensidad del estímulo color i con respecto a la del estímulo color j dentro de la misma banda espectral. En el denominador, el así llamado rango dinámico colorimétrico efectivo (Rmáx-Rmin) nos marca aproximadamente el control de la adaptación cromática por el sistema visual bajo esa anchura de banda espectral. En cierto modo, este factor está influenciado por la gama o variedad de estímulos color presentes en la escena. Con el objeto de evaluar la eficacia de estos descriptores, realizamos una


18

simulación cuasi-fisiológica utilizando una gama de iluminantes patrón en configuraciones tipo mondrian. Dicha simulación consiste en la implementación de los pasos de primera etapa descritos sobre un sistema de visión artificial típico. Estos experimentos se llevaron a cabo tomando como referencia un estímulo acromático (blanco o negro) presente en la escena, o cromático (referido a tonos). Los resultados muestran que la aplicación de este proceso de primera etapa logra minimizar los corrimientos colorimétricos provocados por la variación espectral del iluminante [69-70]. Constancia de color a través de redes neuronales artificiales En este estudio se ha comprobado si es posible obtener la propiedad de la constancia de color en los Sistemas de Visión Máquina utilizando redes neuronales artificiales [76]. El planteamiento es el siguiente: a partir de los seis valores digitales proporcionados por una cámara de vídeo RGB correspondientes, respectivamente, a un patrón cromático desconocido (R,G,B), y a un patrón cromático de referencia (R0,G0,B0), en un entorno bajo una iluminación también desconocida, debemos obtener unos descriptores del color del patrón cromático desconocido, (α,β,γ), directamente relacionados con sus coordenadas en el sistema Munsell de especificación del color [77]. Analíticamente no es posible calcular la función que permite realizar la transformación matemática entre el espacio (RGB, R0G0B0) y algún espacio tridimensional de especificación del color. Sin embargo, una red neuronal artificial ANN Supervisada (del inglés Artificial Neural Network), como por ejemplo los bien conocidos MLPs (Multi-Layer Perceptron) son capaces de establecer, si existen, este tipo de correspondencias incluyendo, además, todas las ventajas que en general presenta la tecnología basada en ANNs, como por ejemplo la facilidad de ser implementadas en paralelo (lo que facilita la velocidad de procesamiento), la tolerancia al ruido, etc., que las hacen muy adecuadas para ser implementadas en MVSs reales . Con el fin de comprobar las hipótesis realizadas se plantearon un conjunto de experimentos sintéticos en los que el proceso de adquisición de datos por un MVS fue simulado. Utilizando el modelo de una cámara de vídeo RGB se calcularon los valores (R,G,B)ij, y (R0,G0,B0)j correspondientes, respectivamente, a un conjunto de patrones cromáticos de un Atlas Munsell (i=1..200), y a un patrón cromático de referencia fijo, para un conjunto de iluminantes (j=1..20). Para llevar a cabo esta simulación fue necesario disponer de las curvas de reflectancia espectral de un conjunto de patrones cromáticos, de las curvas de distribución espectral de energía de un conjunto de iluminantes y de las curvas de respuesta espectral de los tres fotosensores de una cámara de vídeo RGB . Con estos datos se generó un conjunto de datos de entrenamiento para los MLPs, es decir, un conjunto de ejemplos del problema de los que se conocen tanto la entradas (R,G,B)ij y (R0,G0,B0)j como la salidas (α,β,γ)i para un conjunto de patrones cromáticos y de iluminantes. Con el software NevProp 3.0 se probaron diferentes configuraciones de MLPs, todas ellas con seis unidades de entrada, tres unidades de salida, y diversas configuraciones de las capas ocultas. Se realizó el entrenamiento supervisado de los MLPs con el algoritmo de aprendizaje y se verificó su funcionamiento tras el entrenamiento . Finalmente, a partir de los resultados obtenidos, se propuso el diseño de un módulo de pre-procesamiento, previo a cualquier sistema que utilice el color en las tareas de reconocimiento y clasificación de objetos de forma que, en lugar de considerar las


19

variaciones del iluminante como ruido o la variabilidad propia del problema, las descuente. De este modo se robustecen las tareas de reconocimiento y discriminación de objetos por el color . En comparación con otros métodos que proporcionan constancia de color se pueden apreciar algunas ventajas: i) Los modelos lineales, cuando utilizan una única referencia en la escena sólo pueden reconstruir las curvas espectrales del patrón y del iluminante como combinaciones lineales de tres funciones espectrales base, lo que hace que presenten errores apreciables (son necesarias entre cinco y siete funciones espectrales base con el fin de reconstruir con cierta precisión estas curvas, lo que implica utilizar más de una referencia en la escena). El modelo planteado por nosotros realiza directamente la transformación entre los valores que proporciona la cámara del patrón y de la referencia y algún sistema tridimensional de especificación del color. Además aumentando el número de neuronas los errores disminuyen, de forma que siempre es posible obtener una configuración que funcione con una determinada precisión, la que sea necesaria en un problema particular. ii) Con el método propuesto se pueden obtener los descriptores tridimensionales del color que más convengan en un problema particular (XYZ CIELAB, CIELUV, Munsell, etc.), mientras que los modelos de tipo retinex dan lugar a unos descriptores no estándares del color. iii) Una vez entrenada la red, es fácilmente implementable en sistemas de procesamiento en paralelo, lo que da lugar a un procesado muy rápido de la información. Las redes funcionan en condiciones ambientales ruidosas. Podemos entrenar MLPs con características muy específicas, lo que las hace adecuadas para resolver problemas muy particulares de Visión Máquina. La principal desventaja del método radica en que las curvas de sensibilidad espectral de las cámaras no están estandarizadas y, por lo tanto, hay que entrenar MLPs específicos para cada una de ellas sin posibilidad de construir uno válido para cualquier cámara disponible, aunque, de todas formas, los otros modelos de constancia de color también dependen del sensor utilizado. 5. TECNOLOGÍA DEL COLOR APLICADA A LA IMAGEN Introducción a Color Imaging

Es innegable que estamos viviendo una gran revolución tecnológica con la aparición de las tecnologías relacionadas la Microelectrónica y la Informática. El fenómeno socio-cultural asociado a esta revolución tecnológica es la Multimedia y términos asociados como Internet. Pero a niveles más científicos, todo este campo de conocimiento y aplicación tecnológica de la imagen recibe el nombre de Imaging Science, término que mantendremos en este trabajo para evitar el uso “raro” a la traducción castellana: imaginería, o ciencia de la imagen [78-81]. Esta rama de la ciencia engloba conceptos tales como la captura y edición de documentos hasta la animación por ordenador.

En la era de la Ofimática (Desktop Publishing), creación electrónica de documentos, éstos se procesan, se transportan y se visualizan dentro de una amplia


20

variedad de formas (color, calidad de la imagen, etc). Si el entorno de la oficina está conectado por red informática, aparecen cuestiones nuevas ligadas con la comunicación del medio informático -protocolo, formato del fichero, lenguaje de descripción de las páginas, compresión/descompresión, controladores de los dispositivos/periféricos, etc- que tienen que tenerse en cuenta. Los sistemas de tratamiento digital de la imagen en color procesan la información electrónica desde varias fuentes; las imágenes pueden proceder de un entorno local de red, de un dispositivo/periférico remoto, de estaciones de trabajo diferentes en el tratamiento del color, o de un lector de barrido local. Después del procesado, un documento se comprime y se transmite generalmente a varios lugares por comunicación en red para la visualización, la edición o la impresión del mismo. Más aún, la tendencia en la industria se mueve hacia un entorno abierto a diferencia del entorno cerrado del pasado. Esto significa que varios dispositivos como lectores de barrido, computadoras, estaciones de trabajo, módems, e impresoras procedentes de fabricantes diferentes se ensamblarán en un único sistema, de ahí el impacto socio-tecnológico de la Multimedia. Las implementaciones deberían basarse en una tecnología de dominio público en vez de estándares propios de los fabricantes. Esto permitiría a los vendedores un acceso equitativo al mercado de los componentes del sistema y daría a los usuarios la elección más amplia en la selección de los componentes de sus equipos multimedia. Sin embargo, la tarea de disponer de un lenguaje común de comunicación entre los componentes del sistema independientemente del sistema de control/operación, formato del fichero, lenguaje de descripción de las páginas y contenido de la información, es enorme, y los primeros pasos para conseguir esto se vienen llevando a cabo desde hace solamente unos cinco años aproximadamente. Idealmente, el intercambio o la comunicación no debería causar alteración o pérdida de información. Sin embargo, en un entorno tan complejo, es muy probable que se den bastantes problemas de compatibilidad cuando una imagen haya de capturarse o registrarse, transmitirse, visualizarse y transferirse. Este trabajo solo planteará el aspecto del tratamiento del color en la imagen caracterizada tanto analógica como digitalmente [82-85] denominado Color Imaging.

El concepto de calidad total de una imagen en color es subjetivo porque el color es una sensación visual consciente. No obstante, la calidad en color de una imagen puede ajustarse a criterios objetivos que tienen en cuenta los aspectos perceptuales del color conocidos hasta ahora. Desde los albores de Imaging Science, se estipuló que existen cuatro áreas para la calidad total de una imagen en color [83-86]:

1. Reproducción de niveles de intensidad (rango dinámico - tone) y del color:

referente al tono, la saturación y la claridad de la imagen original con la imagen reproducida.

2. Patrones de interferencia: que pueden ser aleatorios o periódicos, e incluyen por ejemplo el efecto moiré, marcas de agua, aparición de bandas, etc.

3. Definición de la imagen: referente a la nitidez y resolución del detalle fino de la imagen.

4. Características de la superficie: incluye al brillo, textura, rugosidad.

Estas cuatro áreas se pueden atribuir a la igualación/reproducción del color entre original/referencia/estándar y copia/muestra, y, a la estructura de la imagen. La reproducción de niveles de intensidad y del color es una consecuencia directa de la


21

igualación/reproducción del color. Los factores que afectan a la igualación/reproducción del color son la transformación de color, la gama de colores reproducibles (gamut mapping), las condiciones de visualización y el medio de soporte para la imagen. Los patrones de interferencia y la definición son estructuras de la imagen que van ligadas a las técnicas de procesado. Los factores que afectan a la estructura de la imagen son el muestreo (sampling), cuantización, compresión y el submuestreo de grises (halftoning). Las características de la superficie de la imagen están afectadas principalmente por el medio de soporte. Todos estos factores no son absolutamente independientes, sino que están bastante interrelacionados [83]. Problemática de los Sistemas de Administración del Color (CMS)

El problema principal del procesado de la información electrónica de una imagen en color es la consistencia en color en el sistema de tratamiento: la apariencia de un documento debería permanecer constante cuando la imagen se transfiere a dispositivos/periféricos diferentes y pasa por varias transformaciones de color, de ahí el nombre de Sistemas de Administración del Color (Color Management Systems - CMS). En lo referente al aspecto del color en una imagen, el problema se traduce en el control de la igualación de la imagen reproducida o copia vs imagen original. Los problemas de reproducción del color [83,84,87] con que tendrá que enfrentarse un usuario convencional, sin grandes conocimientos previos del color son: 1. Codificación del color en un espacio de representación dependiente del

periférico de control de la imagen (device-dependent color space), como por ejemplo la codificación RGB de monitores CRT o la codificación de tintas CMYK de las impresoras.

2. Transformación de una codificación cromática dependiente de un dispositivo a otra codificación de color dependiente de un dispositivo diferente, por diseño o por la naturaleza propia de soporte del color: ¿cómo pasar de valores RGB a valores CMYK, de monitor a impresora? Este concepto se definirá como transformación del color.

3. La equivalencia del punto blanco/negro en una transformación de color. Los estímulos “blanco” y “negro” delimitan el rango dinámico de intensidades o contrastes reproducibles: el blanco en pantalla de un monitor CRT no se caracteriza colorimétricamente igual que el blanco de un papel de fotocopiadora.

4. La gama de colores reproducibles, puesto que diferirán en tamaño y en características al aplicar una transformación de color entre dispositivos diferentes: colores que son reproducibles en un dispositivo pueden no serlo en otro distinto.

5. La diferencia de medios o sistemas de soporte/presentación/control de la imagen, porque el fundamento teórico de reproducción del color puede ser muy diferente: un televisor es un sistema aditivo de reproducción del color, mientras que una cámara fotográfica convencional es un sistema substractivo de reproducción del color en modo print y transparencia o diapositiva. La consideración del medio influye muchísimo en el enfoque con que se ha de tratar la equivalencia blanco/negro y la gama de colores reproducibles para aplicar satisfactoriamente la transformación de color (Tabla II).


22

TABLA II

Características de diferentes medios de reproducción del color

Parámetro Escena real Monitor CRT Impresora Tipo de medio Mezclado Auto-luminoso Reflectivo Dimensiones Dinámico 3-D Dinámico 2-D Estático 2-D

Tipo de iluminante Sol + Luz Artificial Propia + Luz Artificial

Luz Artificial + Sol

Luminancia (cd/m2) 10-5000 50-120 15-500 Punto Blanco (K) 2000-10000 5000-9300 2700-4500

Entorno Claro Oscuro-Claro Claro Rango dinámico 10000:1 100:1 80:1

Resolución espacial Ideal Baja Muy baja Colorantes Mezclado Fósforos Pigmentos, Tintas

Gama de colores Muy grande Grande Media

6. Las condiciones de visualización con que se efectúe la comparación directa o indirectamente de la reproducción del color entre copia y original, o sea, el control de calidad del color. En este aspecto es donde interviene de manera especial y fundamental el observador o el sistema visual humano (SVH), con todos sus aspectos de percepción visual, y las condiciones de iluminación que incluyen la geometría fuente luminosa/observador y características espectrofotométricas de la fuente luminosa.

7. El juicio subjetivo de la comparación visual entre la referencia y la muestra, conocido como apariencia del color, ligado a las condiciones del entorno y a la diferencia de medios. Este aspecto pone de manifiesto que, aunque encontremos una descripción cuantitativa o psicofísica del color (colorimetría), ésta nunca ofrecerá una equivalencia directa con la apariencia del color.

8. La variabilidad temporal de funcionamiento total y estructural de los dispositivos/periféricos del sistema de tratamiento en color de la imagen. Este aspecto obliga a buscar un procedimiento general de control con sub-procedimientos flexibles y eficientes ante inestabilidades.

El problema principal del nivel de consistencia en color en sistemas de

tratamiento del color de la imagen, y fuente de otros problemas derivados, es la codificación del color dependiente del dispositivo. Esto supone un problema enorme ante la disparidad de lenguajes/codificación del color de los periféricos diferentes de tratamiento/control/presentación del color de una imagen. La forma más lógica de solucionar esto es utilizar un lenguaje/codificación del color común para todos los dispositivos, espacio de representación del color que tenga en cuenta las características perceptuales de visión del color del sistema visual humano [88-89] . Esta codificación del color independiente del dispositivo tiene como excelentes representantes a los espacios del color propuestos por la Comisión Internacional de la Iluminación (Commission Internationale de l’Eclairage - CIE), espacios de representación CIE que están completamente establecidos como estándares internacionales en diversos campos de la ciencia y la tecnología [90].


23

Tendencias actuales de estudio sobre este campo

El problema de estandarización de la consistencia del color en los equipos multimedia ya ha empezado a abordarse entre empresas punteras del sector y los comités internacionales de estandarización. En particular, la CIE se muestra muy preocupada al respecto, por lo ha organizado durante los dos últimos años un simposio de expertos sobre estandarización del color en las tecnologías de la imagen CIE-ESCSIT (CIE Expert Symposium ‘96 / 97 Colour Standards for Image Technology) [90]. En estos simposios científicos se encuentran representados la mayoría de las organizaciones internacionales y nacionales de estandarización, las empresas punteras del sector, organizaciones profesionales del sector como científicos de renombre en la Colorimetría y miembros de algunos comités técnicos de la CIE. Las organizaciones internacionales1, representadas por diferentes comités técnicos son [90]: ISO (International Organization for Standardization), IEC (International Electrotechnical Commission), ITU (International Telecommunication Union), ISO/IEC JTAG2 (ISO/IEC Joint Technical Advisory Group 2), CIE (Commission Internationale de l’Eclairage).

La mayoría de las organizaciones empresariales dedicadas en este sector se agrupan bajo el denominado Consorcio Internacional del Color (International Color Consortium - ICC), formado inicialmente en 1993 [84,85,87,91] por los grupos siguientes: a) Plataformas (hardware): Apple, Sun, Silicon Graphics ; b) Programas (software): Microsoft, Adobe, Taligent ; c) Películas fotográficas: Kodak, Agfa ; d) Instituto de Investigación de Artes Gráficas de Alemania (FOGRA), como coordinador. Recientemente se les han unido empresas como Pantone, Linotype-Hell, Trumatch, Canon, Harlequin, X-Rite y Tektronix hasta un total de 41 empresas, con la intención clara de presentar soluciones a los problemas del entorno multimedia abierto presentado anteriormente. En particular, han propuesto el denominado formato de perfil ICC o método de igualación del color (Color Matching Method - CMM), el cual es en realidad un espacio común de representación del color siguiendo las directrices científicas ya establecidas, en el que se verán involucrados tanto plataformas de ordenador, dispositivos o periféricos, sistemas operativos y aplicaciones informáticas. Ejemplos de aplicaciones informáticas con estructura ICC son el tan usado ColorSmart de las impresoras Hewlett-Packard [92], Kodak KCMS y el ColorSync de Apple. Sin embargo el perfil ICC presenta problemas en la implementación [84,85,87,91] por su carácter idealista de la reproducción del color. Estos problemas se agrupan en cuatros categorías: 1. Características de la imagen vs el medio de control/reproducción. 2. El iluminante, en ciertas industrias se prefiere el iluminante D65 frente al

iluminante D50. 3. Transferencia de la gama de colores reproducibles. 4. El espacio de color de conexión (Profile Connection Space - PCS).

La forma que se está estudiando para solucionar estos problemas es la introducción de los modelos de apariencia del color del sistema visual humano [82,84,87,93,94] como espacios de color de conexión (Fig. 4).

1 También están involucrados los comités nacionales de estandarización como: ANSI (Estados Unidos), DIN (Alemania), BSI

(Reino Unido), etc. Desconocemos la participación de miembros de nuestro comité nacional de estandarización (UNE).


24

FIGURA 4. Representación esquemática de un modelo de apariencia del color como método de igualación del color (CMM) propuesto en las estructuras del perfil ICC con dos espacios de color de conexión: a la entrada y a la salida del sistema de administración del color (CMS).

Tal como se ha indicado, la problemática de los Sistemas de Administración del Color está bien definida: implementar un espacio de representación del color común para todos los dispositivos/periféricos de los equipos multimedia convencionales. Es el problema de la búsqueda del espacio de color independiente del dispositivo frente a los espacios de color dependientes del dispositivo. Partiendo de los principios básicos [83] de caracterización de los espacios de color RGB, CMYK, HSV (Hue-Saturation-Value, tono-saturación-claridad) en los sistemas de tratamiento digital de imágenes en color, podemos observar que estos básicos se quedan parcos a la hora de caracterizar exactamente el espacio vectorial asociado a la representación en color del dispositivo/periférico, porque cada uno de ellos es totalmente peculiar respecto a los otros, incluso por el hecho de ser fabricados por empresas diferentes. El listado siguiente pone de manifiesto la variedad de complejidad existente en las definiciones de los espacios de color usados en Color Imaging [82,83,88] (Tabla III).


25

TABLA III Listado de los espacios de representación del color más comunes usados en Color

Imaging.

Espacios de representación del color básicos

RGB, CMYK, HSV

Espacios colorimétricos CIE Perceptualmente no uniformes

RGB, XYZ, Yxy

Perceptualmente uniformes Yu’v’, CIELUV, CIELAB, Munsell H V/C, NCS

Espacios de representación del color asociados a dispositivos/periféricos

Dispositivos de reproducción aditiva del color

RGBescáner , RGBmonitor , RGBpelícula , YIQ

Dispositivos de reproducción substractiva del color CMYKprueba , CMYKimpresora Otros espacios de color YES, PhotoYCC, TekHVC

Recordemos que la cuestión no es efectuar una transformación de color entre cada uno de estos espacios vectoriales de color, sino buscar la manera de referir todos los espacios de color dependientes del dispositivo sobre una transformación bien definida a un espacio independiente del color. Para ello se aplican diferentes recursos entre los que podemos citar: 1. Modelos de mezcla aplicados a las transformaciones de color en impresión

[83,95-98]. 2. Métodos estadísticos por regresión múltiple [83,99]. 3. Métodos de interpolación directa o indirecta por tablas de muestreo (3D lookup

table) uniformes y no uniformes (basados en criterios perceptuales) [83,100-102].

4. Métodos cognitivos aplicando redes neuronales [83,103].

Los criterios para seleccionar una transformación de color u otra dependerán de aspectos como los costes de computación y almacenamiento, así como aspectos en la exactitud y precisión de las transformaciones de color como criterios de bondad o calidad expresados como diferencias de color entre los datos experimentales (reales) y los datos reconstruidos [83]. Sin embargo, estos métodos no están exentos de los problemas asociados a la transformación de color entre espacios de representación del color dependientes o independientes de los dispositivos/periféricos multimedia usados en una reproducción del color de la imagen digital, problemas que conviene recordar, y que eran: la conversión o equivalencia del punto blanco/negro [104], la caracterización de la gama de colores reproducibles [105-107], la diferencia de medios [104,108], añadiéndoles algunos nuevos como el muestreo y cuantización en píxels de la imagen digital [83,109], la conversión de resolución/escalado entre formatos diferentes de


26

imágenes [83,110], los métodos de compresión de las imágenes en color [111-113], y el submuestreo de grises en dispositivos binarios o halftoning [83,114].

Si bien es muy importante seleccionar adecuadamente una transformación de color teniendo en cuenta los criterios y problemas subyacentes en esta problemática de los Sistemas de Administración del Color (CMS), mucho más lo es el elegir el espacio de representación de color final, el espacio de color independiente del dispositivo adecuado. Tras el estudio de los requisitos necesarios y suficientes, y las verificaciones experimentales posteriores [115,116], está bien establecido que los espacios de representación del color deseables son los CIELUV y CIELAB. Sin embargo, estos espacios de representación del color dependeel espacio intermedio CIE-XYZ [117], por lo que, en esencia, el espacio de color estándar es el CIE-XYZ más una transformación de adaptación cromática bien establecida.

6. COLOR DE ALIMENTOS

Los factores de calidad en los alimentos pueden dividirse en tres grandes áreas: color, flavor y textura. Cada uno puede tratarse de modo objetivo, pero si el color es inaceptable, hay pocas posibilidades de examinar el flavor y la textura. Color y apariencia son normalmente las bases de aceptación o rechazo de un alimento, aunque, por importante que esto pueda ser, existe una sorprendente amplitud en la variación de los colores que se aceptan dentro de las nociones preconcebidas sobre qué color de un alimento es aceptable.

Los alimentos tienen sus colores propios y, a lo largo de los tiempos, hemos creado códigos de color que indican si un alimento puede ser comido con seguridad. El hombre, como las demás especies animales, ha tenido una evolución de los pigmentos de los conos de la retina que le ha permitido una búsqueda eficiente de los alimentos. Sin embargo, el establecimiento de nuestra sociedad agraria, ha permitido que producción, almacenamiento, conservación y distribución de los alimentos estén más controlados y organizados. Como hemos dejado, generalmente, de ser recolectores, la necesidad de un mecanismo desarrollado de detección del contraste rojo-verde (maduro - inmaduro) ha decaído. Esta es la forma más común de deficiencia de visión de color en las industrializadas Europa Occidental y Norte América [118].

La importancia del control colorimétrico en alimentos tiene su origen en tres razones principales. La primera es la caracterización del producto desde el punto de vista del control de calidad. Un consumidor espera que todas las unidades de una cierta marca de de alimento tengan el mismo color. Si una es diferente, inmediatamente es sospechosa y probablemente será retirada de las estanterías. La segunda es el uso del color como índice de valor económico. Por ejemplo, la madurez óptima de los tomates está asociada con el desarrollo óptimo del color y del sabor. Puesto que es más fácil medir el color que el sabor, se utiliza el color como medida del valor del lote. La tercera razón es mejorar un producto dado. Esto se aplica principalmente a alimentos preparados o a ingredientes de alimentos en los que el tecnólogo tiene libertad para manipular el color como un aspecto de calidad.

En el proceso de determinación del color, Little [119] ve la tarea de especificar el color de los alimentos formada por una serie de fases distintas y claramente definidas. Las fases son: la muestra, el proceso sintético, el proceso analítico y el proceso analítico como predictor del proceso sintético.


27

La muestra es un material con propiedades físicas y ópticas definidas. Cada muestra debe ser preparada y tratada adecuadamente si se quiere una medida con éxito e inequívoca. El proceso sintético es el juicio de una propiedad del color proveniente de una percepción visual de la muestra. El proceso puede implicar ordenar las muestras en función de un atributo percibido visualmente. Este proceso no incluye juicios de preferencia, gusto o aceptabilidad. El proceso analítico implica medidas físicas del espectro de reflectancia y/o transmitancia característicos de la muestra.

El proceso analítico como predictor del proceso sintético es el proceso donde se unen la evaluación sensorial y la medida física para producir alguna comprensión del sistema bajo examen. Información química, como contenido en pigmentos, e información física, como tamaño de partículas, pueden ser incluidos para producir un cuadro completo. Cuando se intenta usar medidas físicas como predictores de la apariencia, siempre es necesario comprobar que las unas están relacionadas con la otra. Las medidas no son un sustitutivo de mirar, y comparar juntas (lado a lado) las muestras representativas del experimento. El sistema visual no se debe utilizar sólo para observar que hay diferencias, sino, además, para establecer críticamente esas diferencias. Sólamente de esta forma: primero, puede definirse de modo real la tarea a cumplir por el instrumento y, segundo, puede hacerse una estimación de la eficiencia del método instrumental par satisfacer esta tarea. Esto fue enfatizado por Little [119] cuando comparaba las prestaciones de diferentes métodos para la obtención de resultados instrumentales.

Ocurre comúnmente con los materiales traslúcidos que el sistema visual y el instrumento no "ven" la misma cosa cuando cada uno "mira" una muestra. Ni siquiera "miran" la misma muestra. El color de muchos alimentos, incluyendo la carne, cambia con la profundidad. Las intensidades de luz disponibles durante la evaluación subjetiva y la medida objetiva son probablemente diferentes. Esto se debe a que se reflejan diferentes proporciones de luz desde distintas profundidades de la muestra. Por lo tanto, la luz reflejada contendrá una componente mayor o menor que llegue desde los pigmentos interiores. Además, los resultados instrumentales contienen información de elementos estructurales dentro del alimento. Los jueces pueden ignorar este factor cuando hacen valoraciones visuales. Otra vez, el instrumento y el ojo están respondiendo diferentemente a la misma muestra. Los elementos estructurales pueden, o no, mantenerse iguales, por ejemplo: el moteado o la estructura cambia. Obviamente, todos estos factores pueden afectar mucho a las relaciones entre valoraciones visuales y medidas objetivas. Normalmente, son suficientes para evitar que se obtengan relaciones fiables.

El tecnólogo de alimentos que aborda la medida del color en alimentos se enfrenta a una desconcertante elección de métodos y caminos que pueden clasificarse en tres grupos: 1) Métodos Visuales; 2) Espectrofotometría y 3) Colorimetría Triestimular. La aplicación e interpretación de cada uno requiere una formación en física, fisiología, sicología, instrumentación y estadística. Sin embargo, se puede no necesitar esta formación para utilizar el color como herramienta de control de calidad. Una comprensión de la teoría , medida e interpretación del color, junto con un conocimiento del método de presentación de muestras para la medida suelen ser suficientes, aunque en ocasiones se note la ausencia de esta comprensión a traves de los trabajos publicados. Las medidas del color de los alimentos tienen un gran desarrollo en las décadas de los 60 y 70 en los EE.UU., donde se realizan medidas sobre casi todo tipo de alimentos y bebidas existentes. Se utilizan aparatos de medida de color de aplicación general y se desarrollan otros específicos, como pueden ser los de medida de color de tomates y de


28

cítricos, desarrollados ambos por Hunter Lab. Una exposición de estos trabajos, junto con la teoría correspondiente, puede encontrarse en los libros de Mc Kinney y Little [120] y de Francis y Clydesdale [121], que van a servir como obligada referencia para los posteriores investigadores del tema. El libro más moderno sobre el color y la apariencia de los alimentos, con una extensa revisión bibliográfica tanto sobre análisis sensorial como instrumental, es el citado de Hutchings [118], que puede ser la referencia de los 90 sobre el tema, y que puede servir de gran ayuda a los tecnólogos de alimentos que utilizan el color en sus trabajos, aunque, en ocasiones, el nivel de la exposición es elevado.

La casa madre de los estudios de color en España fue el Instituto de Optica Daza de Valdés, pero la mayor parte de los trabajos sobre color de alimentos que se realizan en España, en los años 70, tienen su origen en el Instituto de Agroquímica y Tecnología de Alimentos de Valencia, donde se continúa trabajando en el color de los alimentos. Posteriormente, otros equipos se han incorporado a la tarea de medir el color de los alimentos, aumentando el número de equipos de los 4 que presentaban sus trabajos en el I Congreso Nacional de Color (Logroño, 1989) [122], a los 18 del IV Congreso, celebrado en Jarandilla de la Vera en junio pasado [123].

Analizando los 24 trabajos presentados por estos 18 equipos, se puede señalar que se siguen desarrollando las ideas generales expuestas previamente: i) Se utiliza el color para caracterizar alimentos de zonas determinadas o en función

del origen del mismo, o bien para estudiar la calidad de los alimentos y/o sus derivados durante los diferentes procesos de almacenamiento.

ii) En busca de la optimización de resultados se utiliza el color instrumental junto con la respuesta de paneles de cata, así como otros parámetros relacionados con el color. Sin embargo, se mantienen los mismos problemas ya vistos:

1. Gran diversificación de aparatos, que se manejan sin discutir seriamente sus características de medida: geometría e intensidad de la fuente de luz utilizada, lo que puede generar resultados dispersos y, en ocasiones, erróneos.

2. Mala utilización de la terminología colorimétrica por grupos que utilizan los aparatos de medida sin un conocimiento aceptable de la teoría de la Colorimetría.

Ya en el I Congreso de Color, Roberto D. Lozano [122] decía en las conclusiones de su charla sobre color de alimentos, en la que examinaba 300 trabajos de los 10 años anteriores, que "la mayoría de estos estudios definen el color inadecuadamente" y que "existe una necesidad general de establecer una guía de procedimientos dirigida a los tecnólogos de alimentos que necesitan medir el color, de modo tal que sus resultados se traduzcan a un lenguaje común que todos puedan entender y comparar."

REFERENCIAS 1. CIE Publ. Nº x007, Proceedings of the CIE Symposium on Advanced Colorimetry,

8-10 June 1993 , (CIE Central Bureau, Vienna) (1993). 2. E. HITA, L. JIMÉNEZ DEL BARCO y J. ROMERO: «Differential thresholds of

color from metameric matches: experimental results concerning failures of colorimetric additivity», J. Opt. Soc. Am. A, 3 (8), 1203-1209 (1986).


29

3. CIE Publ. Nº 81, Mesopic Photometry: History, Special problems and Practical Solutions, (CIE Central Bureau, Vienna) (1989).

4. CIE Publ. Nº 75, Spectral Luminous Efficiency Functions Based upon Brightness Matching for Monochromatic Point Sources. 2º and 10º Fields, (CIE Central Bureau, Vienna) (1988).

5. Report of the activity of CIE Technical Committee 1-44, Practical Daylight Sources for Colorimetry, Chairman: R. Hirschler. (Reino Unido) (1977).

6. Report of the activity of the CIE Technical Committee TC1-35, Selection of Light Sources for Color Vision Examination, Chairman: S. Dain (Australia) (1977).

7. C. C. HOYT: «Toward Higher Resolution, Lower Cost Quality Color and Multispectral Imaging», Advanced Imaging, April (1995).

8. J. F. VERRILL: «Intercomparison of Colour Measurements. Synthesis Report», (Commission of the European Communities. EUR-Reports Series. Report EUR 14982 EN. Bruselas) (1994).

9. J. F. VERRILL: «Advances in spectrophotometric transfer standards at the National Physical Laboratory», in Spectrophotometry, Luminiscence and Colour; Science and Compliance, (Edited by C. Burgess and D. G. Jones, ed. Elsevier, 49-63) (1995).

10. Report of the activity of CIE Technical Committee TC1-38, Compatibility of Tabular Data for Computational Purposes, Chairman: C. McCamy (Estados Unidos) (1997).

11. K. L. ECKERLE, J. BASTIE, J. ZWINKELS, V. SAPRITSKY and A. ULYANOV: «Comparison of Regular Transmittance Scales of Four National Standardizing Laboratories», Color Res. Appl., 18, 35-40 (1993).

12. J. C. SORIANO, N. ALCÓN, M. PICÓ: «Control Colorimétrico Industrial. Ejercicios de Intercomparación», Actas del IV Congreso Nacional del Color, (Comité Español del Color, SEDO, Jarandilla de la Vera, Cáceres) Junio (1996).

13. M.D. D‘ ZUMURA: «Color constancy: surface color form changing illumination», J. Opt. Doc. Am., A, 9, 490-493 (1992).

14. R. VISTNESS: «Texture Models and image measures for textrure discrimination», Int. J. of Comp. Vision, 3, 313-336 (1989).

15. R. L. LEE Jr.: «Colorimetric calibration of a video digitizing system: algorithm and applications», Color Res. Appl., 13, 180-186 (1988).

16. A. TREMEAU, H. KONIK and V. LOZANO: «Limits of using of digital color camera for color image processing», in Proceeding of the OSA Annual Meeting, Rochester (1996).

17. A.R. ROBERTSON: «Colour-differences», Die Farbe 29, 273-298 (1981). 18. R. MCDONALD: «A review of the relationship between visual and instrumental

assessment of colour differences», J. Oil Col. Chem. Assoc., 65, 43-53 y 93-106 (1982).

19. M. MELGOSA, E. HITA, J. ROMERO, L. JIMÉNEZ DEL BARCO: «Fórmulas de diferencia de color», Op. Pur. Apl., 23, 137-146 (1990).

20. G. WYSZECKI: «Current developments in colorimetry», Proc. Colour'73 AIC Meeting, 21-51. Adam-Hilger, London (1973).

21. CIE Publ. Nº 15.2, Colorimetry, (CIE Central Bureau, Vienna) (1986). 22. A.R. ROBERTSON: «CIE guidelines for coordinated research on colour-

difference evaluation», Color Res. Appl., 3, 149-151 (1978).


30

23. CIE Publ. Nº 101, Parametric effects in colour-difference evaluation, (CIE Central Bureau, Vienna) (1993).

24. CIE Publ. Nº 116, Industrial colour-difference evaluation, (CIE Central Bureau, Vienna) (1995).

25. F.J.J. CLARKE, R. MCDONALD, B. RIGG: «Modification to the JPC79 colour-difference formula», J. Soc. Dyers Colour., 100, 128-132 (1984).

26. M.R. LUO, B. RIGG: «BFD (l:c) colour-difference formula. Part 1 - Development of the formula», J. Soc. Dyers Colour., 103, 86-94 (1987).

27. M. MELGOSA, E. HITA, M.M. PÉREZ, J.A. MARTÍNEZ: «Recientes análisis sobre la fórmula de diferencia de color CIE94», Opt. Pur. Apl., 29, 109-112 (1996).

28. M.R. POINTER, G.G. ATTRIDGE: «Some aspects of the visual scaling of large colour differences», Color Res. Appl., 22, 298-307 (1997).

29. M. MELGOSA, E. HITA: «Color differences under illuminants D65 and A», Optik, 101, en prensa (1997).

30. CIE Publ. Nº 124, CIE Collection in colour and vision, (CIE Central Bureau, Vienna) (1997).

31. M. MELGOSA, E. HITA, A.J. POZA, M.M. PÉREZ: «The weighting function for lightness in the CIE94 color-difference model», Color Res. Appl., 21, 347-352 (1996).

32. K. WITT: «CIE guidelines for coordinated future work on industrial colour-difference evaluation», Color Res. Appl., 20, 399-403 (1995).

33. J.A. GARCÍA, J. ROMERO, L. JIMÉNEZ DEL BARCO, E. HITA: «Improved formula for evaluating color-differential thresholds», Appl. Opt., 31, 6292-6298 (1992).

34. J.A. MARTÍNEZ, A.J. POZA, M. MELGOSA, E. HITA: «Influence of colour-matching functions on threshold and large colour differences», J. Opt. 28, 26-36 (1997).

35. R.W.G. HUNT: «The specification of colour appearances, I. Concepts and terms», Color Res. Appl., 2, 55-68 (1977).

36. C. R. INGLING JR. y B. H. P. TSOU: «Orthogonal combination of three visual channels», Vision Res., 17, 1075-1082 (1977).

37. S. L. GUTH, R. W. MASSOF y T. BENZSCHAWEL: «Vector model for normal and dichromatic vision», J.Opt.Soc.Am., 70, 197-212 (1980).

38. S. L. GUTH: «Model for color vision and light adaptation», J.Opt.Soc.Am. A, 8, 976-993 (1991).

39. L. DE VALOIS y K. K. DE VALOIS: «A multi-stage color model», Vision Res., 33, 1053-1065 (1993).

40. D. I. A. MACLEOD y R. M. BOYNTON: «Chromaticity diagram showing cone excitations by stimuli of equal luminance», J.Opt.Soc.Am., 69, 1183-1186 (1979).

41. R. M. BOYNTON: «A system of photometry and colorimetry based in cone excitations», Color Res.Appl., 11, 244-252 (1986).

42. R. LUTHER: «Aus dem gebiet der farbreizmetrik», Z.Tech.Phys., 8, 540-558 (1927).

43. G. A. FRY: «A photo-receptor mechanism for the modulation theory of color», J.Opt.Soc.Am., 25, 361-367 (1935).

44. V. C. SMITH y J. POKORNY: «Spectral sensitivity of the foveal cone


31

photopigments between 400 and 500nm», Vision Res., 15, 161-171 (1975). 45. Y. LE GRAND: «Les seuils différentiels de couleur dans la théorie de Young»,

Rev.d'Opt., 28, 261-278 (1949). 46. R. M. BOYNTON y N. KAMBE: «Chromatic difference steps of moderate size

measured along theoretically critical axes», Color Res.Appl., 5, 13-23 (1980). 47. R. M. BOYNTON, A. L. NAGY y R.T. ESKEW Jr.: «Similarity of normalized

discrimination ellipses in the constant-luminance chromaticity plane», Perception, 15, 755-763 (1986).

48. A. L. NAGY, R. T. ESKEW JR. y R. M. BOYNTON: «Analysis of color-matching ellipses in a cone-excitation space», J.Opt.Soc.Am., A 4, 756-768 (1987).

49. J. KRAUSKOPF y K. GEGENFURTNER: «Color discrimination and adaptation», Vision Res., 22, 1123-1131 (1982).

50. E. MIYAHARA, V.C. SMITH y J. POKORNY: «How surrounds affect chromaticity discrimination», J.Opt.Soc.Am. A, 10, 545-553 (1993).

51. T. YEH, J. POKORNY y V.C. SMITH: «Chromatic discrimination with variation in chromaticity and luminance: data and theory», Vision Res., 33, 1835-1845 (1993).

52. J. ROMERO, J.A. GARCÍA, L. JIMÉNEZ DEL BARCO y E. HITA: «Evaluation of color discrimination ellipsoids in two color spaces», J.Opt.Soc.Am., A 10, 827-837 (1993).

53. J. A. GARCÍA, J. ROMERO, A. GARCÍA-BELTRÁN y J.R.JIMÉNEZ: «Interobserver variability of chromaticity discrimination and color representaion spaces», J. Optics, 24, 65-69 (1993).

54. A. YEBRA, J.A. GARCÍA y J. ROMERO: «Color discrimination data for 2 and 8º and normalized ellipses», J. Optics, 25, 231-242 (1994).

55. A. YEBRA: «Evaluación de umbrales de discriminación en mecanismos de visión del color», Tesis Doctoral, Universidad de Granada (1997).

56. A. L. NAGY: «Red/green color discrimination and stimulus size», Color Res. Appl., 19, 99-104 (1994).

57. A. L. NAGY y D. W. KAMHOLZ: «Luminance discrimination, color contrast and multiple mechanisms», Vision Res., 35, 2147-2155 (1995).

58. E.H. LAND: «The retinex theory of color vision», Scientific American, 26 , 7-21 (1977).


32

59. E. H. LAND: «Recent advances in Retinex theory», Vision Res., 26, 7-21 (1986). 60. R. W. G. HUNT: «Measures of Colour Apparence in Colour Reproduction», Color

Res. Appl., 4, 39-43 (1979). 61. R. W. G. HUNT: «Revised colour appearance model for related and unrelated

colours», Color Res. Appl. 16, 146-165 (1991). 62. G. WYSZECKI: «Color Appearance» In Handbook of Perception and Human

Performance. Vol 1. Sensory Processes and Perception, (John Wiley and Sons, New York) (1986).

63. J. POKORNY, S. K. SHEVELL, V. C. SMITH: «Colour appearance and colour constancy» en Vision and Visual Disfuntion (Vol. 6. "The Perception of Colour", Ed. Peter Gouras. New York) (1991).

64. J. A. WORTHEY: «Limitations of Color Constancy», J. Opt. Soc. Am. A, 2 , 1014-1026 (1985).

65. L. AREND, L. REEVES: «Simultaneus Color Constancy», J. Opt. Soc. Am. A, 3, 1743-1751 (1986).

66. K. T. BLACKWELL, G. BUCHSBAUM: «Quantitative studies of color constancy», J. Opt. Soc. Am. A, 5, 1772-1780 (1988).

67. E. H. LAND, J. McCANN: «Lightness and Retinex Theory», J. Opt. Soc. Am. A, 61, 1-11 (1971).

68. E.H. LAND: «Recent advances in Retinex theory and some implications for cortical computations: color vision and the natural images», Proc. Nath. Acad. Sci., 80, 5163-5169 (1983).

69. F. MARTINEZ VERDÚ, V. J. ARNAU, J. MALO, A. FELIPE, J. M. ARTIGAS: «A new chromatic encoding for machine vision invariant to the change of illuminant», J. Optics, 27, 171-181 (1996).

70. F. MARTINEZ VERDÚ, V. J. ARNAU, J. MALO, A. FELIPE, J. M. ARTIGAS: «Implementations of a Novel Algorithm for Color Constancy», Vision Res. 37, 1829-1844 (1997).

71. L. T. MALONEY, B. A. WANDELL: «Color Constancy: a method for recovering surface spectral reflectances», J. Opt. Soc. Am. A, 3 , 29-33 (1986).

72. M. D. D'ZUMURA, P. LENNIE: «Mechanisms of color constancy», J. Opt. Soc. Am. A, 3, 1662-1672 (1986).

73. S. M. COURTNEY, L.M. FINKEL, G. BUCHSBAUM: «Network simulations of retinal and cortical contributions to color constancy», Vision Res., 35, 3 (1995).

74. A. C. HULBERT, W. WEN, T. POGGIO: «Learning Colour Constancy», Journal of Photographic Science, 42, (1994).

75. O. CREUTFELDT, B. LANGE-MALECKI, E. DREYER: «Chromatic induction and brightness contrast: a relativistic color model», J. Opt. Soc. Am., A, 7, 1644-1653 (1990).

76. A. PALOMARES, Constancia de color en sistemas de visión máquina mediante redes neuronales artificiales (Tesis de Licenciatura. Universidad de Valencia) (1997).

77. MUNSELL BOOK OF COLOR, (Munsell Color Co, Macbeth Division of Kollmorgen Corporation) (1986).

78. B. MAZOR: «A Decade of Advanced Imaging: Where We ‘ve Been -and Where You’ve Been», Advanced Imaging, 11 (5 ), 46-54 (1996).

79. J.C. OWENS: «The Impact of Multimedia on Our Industry, Our Society, and


33

US», IS&T Reporter (Springfield: The Society for Imaging Science and Technology), 10 (3 ), 1-4 (1995).

80. H. RHODY: «CIS and Imagin Science as a Discipline», IS&T Reporter (Springfield: The Society for Imaging Science and Technology), 11 (3), 1-4 (1996).

81. L. YENCHARIS: «The Imaging Industry at Advanced Imaging’s 10th Anniversary», Advanced Imaging, 11 (5), 66-68 (1996).

82. R.W.G. HUNT, The Reproduction of Colour, (5ª edición. Kingston-upon-Thames, Fountain Press, England) (1995).

83. H.R. KANG, Color technology for electronic imaging devices. Bellingham, (SPIE - The International Society for Optical Engineering, USA) (1997).

84. L.W. MacDONALD: «Developments in colour managements systems», Displays, 16 (4 ), 203-211 (1996).

85. C. REIS: «Color Image Pitfalls, Color Management, and The Quest for a Unified Solution», Advanced Imaging, 11 (6 ), 36-38 (1996).

86. R.E. JACOBSON: «An Evaluation of Image Quality Metrics», The Journal of Photographic Science, 43, 7-16 (1995).

87. L.W. MacDONALD: «Colour Management and Display Calibration», (en Proceedings of the CIE Expert Symposium’96 Colour Standards for Image Technology, CIE, Viena,Austria, 63-69) (1996).

88. N.S. SMITH, y F.W. BILLMEYER Jr.: «Virtual Colour: Communication Standard and Analytical Tool», Color Res. Appl., 22 (3), 204-211 (1997).

89. A. BYRNE, y D.R. HILBERT (editores), Readings on Color: The Science of Color, Vol.II. (The MIT Press , Cambridge , USA) (1997).

90. CIE, Proceedings of the CIE Expert Symposium’96 Colour Standards for Image Technology, (Bureau Central de la CIE, Viena , Austria) (1996).

91. C. REIS: «Color Quality: Color Management - What the ICC Format Spec Can Do», Advanced Imaging, 11 (7 ), 39-41 (1996).

92. D. WETCHLER y W. ALLEN: «Automatic print quality adjustement with HP’s ColorSmart», (en Proceedings of IS&T Tenth International Congress on Advances in Non-Imapct Printing Technologies, 581-583) (1994).

93. G. BERETTA: «Is Color Appearance Matching Necessary?», (en Recent Progress in Color Science, R. Eschbach y K. Braun editores, The Society for Imaging Science and Technology, Springfield ,USA, 217-222) (1997).

94. M.D. FAIRCHILD y L. RENIFF: «A Pictorial Review of Color Appearance Models», (en Recent Progress in Color Science, R. Eschbach y K. Braun editores, The Society for Imaging Science and Technology, Springfield ,USA, 127-129) (1997).

95. R.S. BERNS: «Spectral modeling of a dye diffusion thermal transfer printer», Journal of Electronic Imaging, 2 (4 ), 359-370 (1993).

96. H.R. KANG: «Applications of a color mixing models to electronic printing», Journal of Electronic Imaging, 3 (3 ), 276-287 (1994).

97. C.Y. KIM, I.S. KWEON, Y.S. SEO: «Color and printer models for color halftoning», Journal of Electronic Imaging, 6 (2), 166-180 (1997).

98. D.C. RICH: «Critical parameters in the measurement of the color of nonimpact printing», Journal of Electronic Imaging, 2 (3 ), 231-236 (1993).

99. G. SHARMA y H.J. TRUSSELL: «Set theoretic estimation in color scanner


34

characterization», Journal of Electronic Imaging, 5 (4), 479-489 (1996). 100. P.C. HUNG: «Colorimetric calibration in electronic imaging devices using a

look-up-table model and interpolation», Journal of Electronic Imaging, 2 (1), 53-61 (1993).

101. J.M. KASSON, S.I. NIN, W. PLOUFFE y J.L. HAFNER: «Performing color space conversions with three-dimensional linear interpolation», Journal of Electronic Imaging, 4 (4) , 330-346 (1995).

102. G. MARCU y S. ABE: «Three-dimensional histogram visualization in different color spaces and applications», Journal of Electronic Imaging, 4 (4 ), 330-346 (1995).

103. S. TOMINAGA: «Color Notation Conversion by Neural Networks», Color Res. Appl., 18 , 253-259 (1993).

104. T. TANAKA, R.S. BERNS y M.D. FAIRCHILD: «Predicting the image quality of color overhead transparencies using a color-appearance model», Journal of Electronic Imaging, 6 (2), 154-165 (1997).

105. P.A. CREAN y R. BUCKLEY: «Device Independent Color-Who Wants It?», (en Recent Progress in Color Science, R. Eschbach y K. Braun editores, The Society for Imaging Science and Technology, Springfield ,USA, 230-232) (1997).

106. T. HOSHINO y R.S. BERNS: «Color gamut mapping techniques for color hard copy images», Proceedigs of SPIE, 1909, 152-165 (1993).

107. M.C. STONE, W.B. COWAN y J.C. BEATTY: «Color Gamut and the Printing of Digital Color Images», ACM Transactions on Graphics, 7 (4), 249-292 (1998).

108. R.L. ALFVIN y M.D. FAIRCHILD: «Observer Variability in Metameric Color Matches using Color Reproduction Media», Color Res. Appl., 22 (3), 174-187 (1997).

109. R. BALASUBRAMANIAN, C.A. BOUMAN y J.P. ALLEBACH: «Sequential scalar quantization of color images», Journal of Electronic Imaging, 3 (1), 45-59 (1994).

110. J.D. PETERS, H.D. CRANE y E. MARTÍNEZ-URIEGAS, Method and apparatus for increasing resolution of digital color images using correlated decoding, (Patente de invención 5, 541,653, 30-Julio, USA) (1996).

111. A.K. JAIN, Fundamentals of Digital Image Processing, (Prentice Hall, Englewood Cliffs , USA) (1989).

112. E. MARTÍNEZ-URIEGAS, H.D. CRANE y J.D. PETERS, Method and apparatus for compresion and decompression of digital color images, (Patente de invención 5,398,066, 14-marzo, USA) (1995).

113. N.M. MORONEY y M.D. FAIRCHILD: «Color space selection for JPEG image compression», Journal of Electronic Imaging, 4 (4) , 373-381 (1995).

114. H. HANEISHI, T. SUZUKI, N. SHIMOYAMA y Y. MIYAKE: «Color digital halftoning taking colorimetric color reproduction into account», Journal of Electronic Imaging, 5 (1), 97-106 (1996).

115. J.M. KASSON y W. PLOUFFE: «Subsampled device-independent interchange color-spaces», Proceedings of SPIE (Image Handling and Reproduction Systems Integration), 1460 , 11-19 (1991).

116. L. XU y R. HOLUB: «Color spaces for image representation and image processing», Proceedings of Technical Association of Graphic Arts (TAGA), 2 ,


35

114-138 (1992). 117. J.M. ARTIGAS, P. CAPILLA, A. FELIPE y J. PUJOL,. Óptica Fisiológica:

Psicofísica de la Visión, (InterAmericana McGraw-Hill, Madrid) (1995). 118. J.B. HUTCHINGS, Food Colour and Appearance, (Blackie Academic &

Professional, London. U.K.) (1994). 119. A.C. LITTLE: «Color evaluation of foods - correlation of objetive facts with

subjetive impresions», In Sensory Evaluation of Appearance of Materials (ASTM STO 545. Philadelphia: Am Soc. Testing and Materials, 109-127) (1973).

120. G. MACKINNEY y A. LITTLE, Color of foods, (Avi Publishing Co., Wesport. Conn. EE.UU.) (1962).

121. F.J. FRANCIS y F.M. CLYDESDALE, Food Colorimetry: Theory and Applications, (Avi Publishing Co., Westport . Conn. EE.UU.) (1975).

122. I Congreso Nacional de Color, Actas, (Comité Español de Color, SEDO, Logroño) (1989).

123. IV Congreso Nacional de Color, Actas, (Comité Español de Color SEDO, Jarandilla de la Vera, Cáceres) (1997).

Avances y Tendencias Recientes en Colorimetria

Documents

Transcript of Avances y Tendencias Recientes en Colorimetria