El artículo «The Quality of Appearance» de Garrett M. Johnson, publicado en 2005, examina la complejidad inherente a la percepción de la calidad de las imágenes y cómo los modelos de apariencia de color tradicionales no pueden abarcar completamente estos aspectos debido a la naturaleza espacialmente compleja de las imágenes. Mientras que modelos como CIECAM02 han avanzado en la predicción precisa de la apariencia de estímulos de color simples, la aparente necesidad de modelos que puedan manejar la complejidad espacial de las imágenes llevó al desarrollo del modelo de apariencia de imagen denominado iCAM.
El modelo iCAM se amplía para incluir fenómenos espaciales y atributos adicionales que describen la apariencia de una imagen, como el contraste, la granulosidad y la nitidez. Estos atributos son críticos para percibir y evaluar la calidad de la imagen. La incorporación de estos aspectos permite que el modelo iCAM no solo prediga la apariencia percibida de una imagen sino también las diferencias de calidad entre imágenes a través de un procesamiento espacial previo.
El artículo explica la relevancia de varios atributos de apariencia de imagen y proporciona una comparación con los modelos tradicionales de apariencia de color. Proporciona ejemplos de cómo evaluaciones tradicionales de atributos como el contraste y la nitidez pueden ser engañosas si no se consideran los contextos espaciales complejos de las imágenes reales. Por ejemplo, una percepción de granulosidad puede variar significativamente dependiendo del contenido de la imagen y no puede ser evaluada completamente a través de patrones uniformes.
Además, se discute la importancia de la adaptación cromática y de frecuencia espacial en la percepción de las imágenes. La adaptación cromática, bien estudiada en la investigación de color, sugiere que el sistema visual humano se ajusta a las condiciones de visualización, lo que tiene implicaciones directas sobre cómo se percibe la calidad de una imagen. De manera similar, la adaptación de frecuencia espacial altera la sensibilidad del sistema visual en función de las frecuencias presentes en la escena, afectando la percepción de la nitidez y el contraste dependiendo del contenido de la imagen.
En síntesis, el artículo de Johnson subraya que para evaluar con precisión la calidad de la imagen, es necesario un modelo que integre múltiples atributos de apariencia de imagen y que permita la adaptación según el contenido de la misma. El modelo iCAM, al proporcionar filtros espaciales y adaptaciones específicas basadas en las frecuencias y el contenido de la imagen, logra predecir diferencias de calidad de manera más efectiva que los métodos tradicionales. Estas predicciones son importantes no solo para las industrias relacionadas con la ciencia del color y la imagen digital, sino también para cualquier aplicación que dependa de imágenes de alta calidad, donde una representación precisa y contextual de la apariencia y calidad es crucial.
