明度与色度调制对光泽度、透明度和粗糙度感知再现影响的实验分析

《Journal of Imaging》：Experimental Analysis of the Effects of Image Lightness and Chroma Modulation on the Reproduction of Glossiness, Transparency and Roughness Hideyuki Ajiki and Midori Tanaka

为了弥补数字图像中物体物理外观与感知材料外观之间的不匹配，本研究通过直接比较物理样本与颜色复现图像（CRI），探究了明度（lightness）和色度（chroma）调制如何影响光泽度、透明度和粗糙度感知。研究人员发现，通过调制灰阶共生矩阵（GLCM）衍生的图像特征（如对比度、均匀性等），特别是增加明度以提升亮度分布复杂度，是使数字图像感知与物理对象外观对齐的关键，为在数字媒体中真实再现现实世界外观提供了定量依据。

　　

在数字媒体日益发达的今天，我们早已习惯了通过屏幕欣赏精美的物品图片。然而，你是否曾有过这样的疑惑：为何图片中的物品，即使颜色被精准还原，看起来总感觉和实物“不太一样”？那种实物的“光泽感”、“通透感”或“磨砂感”在屏幕上似乎打了折扣。这正是当前颜色科学与视觉感知领域面临的一个核心挑战：即使在颜色测量上完全准确，数字图像的感知材料外观也常常无法与其物理原物完美匹配。这种不匹配，阻碍了我们通过数字媒介“真实”再现现实世界。

为攻克这一难题，Hideyuki Ajiki 和 Midori Tanaka 在《Journal of Imaging》上发表了一项深入研究。他们不再仅仅满足于颜色匹配，而是将目光投向更核心的“材料感”，具体探究如何通过调整图像的明度（lightness，即L值）和色度（chroma，即C值），来影响人们对光泽度（glossiness）、透明度（transparency）和粗糙度（roughness）的感知。他们的目标是建立一个系统性的框架，通过直接比较物理对象和图像，找出能弥合二者感知差距的图像特征，从而为数字图像的“材质还原”提供科学指导。

为了开展这项研究，研究人员运用了多种关键的技术方法。首先，他们准备了涵盖织物、塑料、玻璃、石材、陶瓷、金属、皮革、木材和纸张等9大类共55个物理样本，以覆盖多样的颜色和表面属性。接着，他们使用二维光谱辐射计精确捕获样本在D65漫射光照下的三刺激值，生成了高度保真的颜色复现图像（CRI），并验证了其颜色差异ΔEab ≤ 1.2，远低于人眼可辨阈值。基于此CRI，他们通过步进式缩放因子k（0.1-3.0）分别对L和C*进行乘法缩放，生成了用于实验A的明度调制图像集和用于实验B的色度调制图像集。在表征方面，他们使用三维形状测量机获取物理样本的表面高度分布，计算了ISO 25178定义的六个表面粗糙度参数（如算术平均高度S_a、均方根高度S_q等），并利用灰阶共生矩阵（GLCM）分析了所有图像（包括CRI和调制图像）的纹理特征，提取了对比度、相异性、均匀性、角二阶矩（ASM）和熵这五个关键图像特征。最后，他们设计了严谨的心理物理实验，让15名观察者在视网膜尺寸和空间分辨率匹配的条件下，通过直接比较物理样本和调制图像，为每个属性（光泽度、透明度、粗糙度）选择感知上最匹配的图像。

研究结果

1. 明度实验（实验A）：整体偏好更高明度的图像

在明度实验中，观察者普遍倾向于选择比CRI更高明度的图像来匹配物理样本的材料外观。具体来看：

• •
  光泽度：用于匹配光泽度的图像，其明度平均是CRI的1.26倍。明度调制导致GLCM的对比度、相异性和熵增加，而均匀性和ASM降低。这表明，通过增加明度来增强像素间的亮度差异和亮度分布复杂性，可以补偿图像再现导致的感知光泽度下降。值得注意的是，对于在CRI阶段就已具有较大像素间亮度差异（高相异性）和较低相似性（低均匀性）的少数样本，观察者认为其CRI本身的光泽度就已与实物匹配，无需显著改变ASM。这支持了先前关于光泽度感知与亮度感知相关的发现。
• •
  透明度：用于匹配透明度的图像，其明度平均是CRI的1.18倍。图像特征的变化趋势与光泽度实验类似。研究者认为，对于半透明材料，增加明度增强了刺激区域与恒定背景之间的亮度对比，从而强调了与透射和散射相关的感知线索，有助于对齐感知透明度。分析发现，对于那些在CRI中对比度、相异性和色度较低，而均匀性较高的样本（即本身像素间亮度差异小、颜色平淡、相似性高），透明度感知差异尤为明显，更需要通过增加明度来弥补。
• •
  粗糙度：用于匹配粗糙度的图像，其明度平均是CRI的1.21倍。图像特征同样呈现出对比度、相异性和熵增加，均匀性和ASM降低的趋势。这意味着，通过增加明度来增强局部亮度差异和图像复杂性，同时降低规则性，可以突出由表面不规则性引起的阴影图案，从而在图像中再现感知到的粗糙度。研究发现，物理表面粗糙度参数（如S_a， S_q）较高的样本，其CRI的均匀性和ASM也较高，熵较低。对于这类本身具有明显表面结构的样本，其CRI的粗糙度感知往往弱于实物，因此需要更大的图像特征变化（特别是降低ASM和均匀性）来实现匹配。

2. 色度实验（实验B）：偏好更高色度，但GLCM特征变化不显著

在色度实验中，观察者普遍倾向于选择比CRI色度更高的图像。然而，与明度调制不同，色度调制并未引起GLCM特征的显著变化。这表明，虽然提高色度有助于改善图像的材料外观匹配度，但其作用机制可能并非通过改变图像的亮度分布纹理特征来实现，或许更多地与颜色饱和度对整体视觉印象的影响有关。

研究结论与讨论

本研究通过系统性的实验揭示，调制图像的亮度分布是使物理对象与其数字再现之间感知材料外观达成一致的关键。具体而言：

1. 1.
   明度调制的普适性：无论针对光泽度、透明度还是粗糙度，观察者都一致选择了明度高于颜色复现图像（CRI）的图片。这种明度的提升伴随着GLCM特征中对比度、相异性和熵的增加，以及均匀性和角二阶矩（ASM）的降低，表明感知匹配与图像亮度分布复杂性的提升密切相关。
2. 2.
   图像特征变化的必要性：研究发现，对于在CRI阶段局部亮度差异较小、图像规则性较高的刺激，需要更大的图像特征变化才能实现感知匹配。这突显了图像特征的初始状态对后续调整幅度的影响。
3. 3.
   色度与明度作用机制差异：虽然提高色度也被偏好，但它并未显著改变GLCM特征，说明色度调制可能通过不同于纹理分析（GLCM特征）的视觉通道或更高层次的认知加工来影响材料感知。

这项研究的意义在于，它超越了传统的颜色保真度范畴，首次通过直接比较和定量分析，明确了特定图像操作（明度/色度调制）对具体材料属性感知的影响及其背后的图像统计线索。这不仅深化了我们对视觉系统如何从二维图像中推断三维材料属性的理解，也为计算机图形学、摄影、印刷、电子商务（如产品展示）以及基于视觉的质量检测等领域提供了切实可行的指导。未来，基于这些发现可以开发更智能的图像处理算法，自动优化图像的材质表现力，使我们屏幕中的虚拟世界看起来更加“真实可触”。