En el artículo «A top down description of S-CIELAB and CIEDE2000» de Garrett M. Johnson y Mark D. Fairchild, los autores presentan una revisión detallada de las métricas de diferencia de color S-CIELAB y CIEDE2000, situando su investigación en el contexto de la percepción del color en imágenes digitales. Reconocen que la ecuación CIEDE2000 ha sido ampliamente aceptada para calcular diferencias de color en parches aislados, pero su aplicación a imágenes completas requiere una metodología más sofisticada.
Johnson y Fairchild proponen extender la fórmula de diferencia de color CIEDE2000 mediante la incorporación de filtros espaciales que imitan la sensibilidad del sistema visual humano. Estos filtros espaciales, implementados en el modelo S-CIELAB, transforman las imágenes desde el espacio del dispositivo a un espacio de color independiente, utilizando transformaciones como LMS o valores tristímulos CIE XYZ. Uno de los aspectos cruciales de S-CIELAB es el paso de preprocesamiento mediante un filtrado espacial, que se ejecuta en un espacio de color oponente; esto incluye un canal de luminancia y dos canales de crominancia, definidos a partir de experimentos psicofísicos sobre separabilidad de patrones y colores.
Los filtros de S-CIELAB son descritos como convoluciones separables que preservan el valor medio del color en áreas uniformes. La convolución con estos filtros gaussianos modela la reducción en sensibilidad visual del ojo humano, con diferentes niveles de desenfoque para los canales de color. Este procedimiento se puede realizar tanto en el dominio espacial como en el dominio de la frecuencia, siendo este último preferible en términos de especificidad del filtro y eficiencia computacional. En el filtrado en el dominio de la frecuencia, las funciones de sensibilidad al contraste para los canales oponentes se obtienen mediante la Transformada de Fourier.
El artículo también presenta la nueva fórmula CIEDE2000 y cómo se aplica a las imágenes filtradas. La fórmula ajusta las diferencias de color considerando funciones de ponderación para la luminosidad, la cromaticidad y el ángulo de matiz, corrigiendo la no linealidad percibida y las dependencias del ángulo de matiz. Con estos ajustes, se mejora la uniformidad perceptual de la métrica de diferencia de color, especialmente en las regiones de bajo croma y en la región azul del espacio de color CIELAB.
Un aspecto importante discutido es cómo el preprocesamiento de filtrado espacial considera las propiedades espaciales del sistema visual humano, lo cual afecta significativamente el cálculo de diferencias de color en imágenes vistas a distintas distancias y resoluciones. La dependencia de la distancia de visualización se ilustra mediante la comparación de imágenes a diferentes píxeles por grado de ángulo visual, demostrando que el error percibido se reduce al aumentar la resolución.
Finalmente, se exponen comparaciones estadísticas de diferentes fórmulas de diferencia de color (CIEDE2000, CIE94 y CIE (\Delta E^{*}_{ab})) para ilustrar cómo la CIEDE2000 tiende a mostrar menores valores de error, sugiriendo su superioridad en términos de percepción visual. El artículo concluye ofreciendo una guía exhaustiva para la implementación de estas métricas, destacando tanto los beneficios como las limitaciones del uso combinado de S-CIELAB y CIEDE2000 en la evaluación de diferencias de color en imágenes digitales.
Este trabajo de Johnson y Fairchild se destaca por su relevancia en la mejora de las herramientas de evaluación de la reproducción del color, proporcionando una referencia integral para investigadores y profesionales en el campo de la ciencia del color.
