色の外観モデル

色は観察者の心の中で生まれるものであり、客観的には、目に届く光のスペクトルパワー分布のみが存在する。この意味で、あらゆる色の知覚は主観的である。しかし、光のスペクトルパワー分布を定量化可能な方法で人間の感覚反応にマッピングする試みは成功している。1931年、国際照明委員会（CIE）は心理物理学的測定を用いて、この基本的な感覚レベルで人間の色覚をうまくモデル化したXYZ色空間^{[ 1 ]}を作成した。

しかし、XYZカラーモデルは、特定の視覚条件（網膜上の刺激部位、目に届く光の輝度、観察対象の背景、周囲の光の輝度など）を前提としています。これらの条件がすべて一定に保たれる場合にのみ、同一のXYZ三刺激値を持つ2つの同一の刺激が、人間の観察者にとって同一の色に見えるようになります。いずれかの条件が変化すると、同一のXYZ三刺激値を持つ2つの同一の刺激でも、異なる色に見えるようになります（逆に、異なるXYZ三刺激値を持つ2つの異なる刺激でも、同一の色に見える場合があります）。

したがって、視覚条件が変化する場合には、XYZカラーモデルだけでは不十分であり、人間の色覚をモデル化するために色知覚モデルが必要となる。

あらゆる色知覚モデルにおける基本的な課題は、人間の色知覚がXYZ三刺激値ではなく、外観パラメータ（色相、明度、彩度、鮮やかさ、飽和度）に基づいて機能するという点です。そのため、あらゆる色知覚モデルは、XYZ三刺激値からこれらの外観パラメータ（少なくとも色相、明度、彩度）への変換（視覚条件を考慮したもの）を提供する必要があります。

このセクションでは、色知覚モデルが対処しようとする、色の見え方の現象の一部について説明します。

コントラストのある外観

人間の観察者によるコントラストの知覚には、いくつかの要因が影響する。

• スティーブンス効果：コントラストは輝度とともに増加する。
• バートレソン・ブレネマン効果：画像コントラスト（液晶画面などの発光画像の場合）は、周囲の照明の輝度とともに増加する。

1976年、CIEは、既存の多くの互換性のない色差モデルを、新しい普遍的な色差モデルに置き換えることを目指しました。彼らは、知覚的に均一な色空間（UCS）、つまり2つの色間の空間的距離が等しい場合に知覚される色差も等しくなる色空間を作成することで、この目標を達成しようとしました。彼らは部分的にしか成功しませんでしたが、その結果、最初の色知覚モデルとなるために必要なすべての特徴を備えたCIELAB（「L*a*b*」）色空間を作成しました。CIELABは非常に基本的な色知覚モデルですが、 ICCプロファイルを用いたカラーマネジメントの構成要素の一つとなっているため、最も広く使用されている色知覚モデルの一つです。したがって、デジタルイメージングにおいてはほぼ遍在しています。

CIELABの限界の一つは、より正確な結果を得るためにまずLMS色空間に変換するのではなく、 XYZ色空間で直接von Kries変換法を実行するため（しばしば「間違ったvon Kries変換」と呼ばれる）、本格的な色順応を提供しないことである。ICCプロファイルは、CIELABと併用して、LMS色空間へのBradford変換行列（ LLAB色知覚モデルで初めて登場したもの）を使用することで、この欠点を回避している。

変換が「間違っている」ため、CIELABは基準となる白色点以外の色を使用した場合に性能が低下することが知られており、入力が限られているにもかかわらず、CAMとしては性能が低い。また、この間違った変換は、L値が変化するにつれて青色が紫色に傾くという不規則な青色の色合いの原因にもなっているようで、完全なUCSとは言えない。

ナヤタニらによる色彩知覚モデルは、照明工学と光源の色再現特性に焦点を当てている。

ハント色知覚モデルは、カラー画像の再現性に特化しています（開発者はコダック研究所に勤務していました）。開発は1980年代に始まり、1995年までには非常に複雑なモデルとなり（桿体細胞の応答を組み込むなど、他の色知覚モデルにはない機能を含む）、幅広い視覚現象を予測できるようになりました。CIECAM02に非常に大きな影響を与えましたが、その複雑さゆえに、ハントモデル自体は使いこなすのが難しいものでした。

RLABは、画像再現性に重点を置くことで、 CIELABの大きな欠点を改善しようと試みています。この用途においては優れた性能を発揮し、使い方も簡単ですが、他の用途には十分な汎用性を備えていません。

CIELABとは異なり、RLABは適切なフォン・クリースステップを使用します。また、カスタマイズ可能なD値を使用することで適応度を調整できます。「光源の割引」は、1.0の固定値を使用することで引き続き使用できます。^{[ 2 ]}

LLABはRLABと似ており、シンプルさを追求している点も共通していますが、RLABよりも包括的であることを目指しています。結果として、シンプルさを多少犠牲にして包括性を高めましたが、それでも完全な包括性には至りませんでした。その後すぐにCIECAM97sが発表されたため、LLABは広く普及することはありませんでした。

1997年にCIELABで色彩知覚モデルの進化が始まった後、CIEはより包括的な色彩知覚モデルの開発を目指しました。その結果生まれたのがCIECAM97sです。これは包括的ではありましたが、複雑で、一部使いづらい部分もありました。しかし、CIECAM02が発表されるまで、標準的な色彩知覚モデルとして広く受け入れられました。

エブナーとフェアチャイルドは、 IPTと呼ばれる色空間で、色相の非定数線の問題に取り組んだ。^{[ 3 ]} IPT色空間は、ハント・ポインター・エステベス行列（M _{HPE(D65) ）の改良版を使用して、} D65適応XYZデータ（XD65、YD65、ZD65）を長中短錐体応答データ（LMS）に変換する。^{[ 4 ]}

IPT色知覚モデルは、明度や彩度の値に関係なく、一定の色相値が一定の知覚色相と等しくなるような色相の定式化を提供することに優れています（これはあらゆる色知覚モデルにとっての一般的な理想ですが、実現は困難です）。そのため、色域マッピングの実装に最適です。

ITU-R BT.2100 にはICtCpと呼ばれる色空間が含まれており、これはより高いダイナミックレンジとより広い色域を探索することで元の IPT を改善しています。^{[ 5 ]} ICtCp は Ct を 0.5 倍にスケーリングすることでほぼ均一な色空間に変換できます。この変換された色空間は、Rec. 2124 広色域色差メトリック ΔE _ITPの基礎となっています。^{[ 6 ]}

CIECAM97sの成功を受けて、CIEは後継規格としてCIECAM02を開発し、2002年に発表しました。CIECAM02は性能が向上し、同時に簡素化されています。基本的なCIELABモデルを除けば、CIECAM02は（包括的な）色彩表現モデルに関する国際的に合意された「標準」に最も近いものです。

CIECAM02とCIECAM16はどちらも、仕様書に厳密に従って実装すると、望ましくない数値特性を示すことがある。^{[ 7 ]}

iCAM06は画像の色彩表現モデルです。そのため、画像の各ピクセルを個別に扱うのではなく、画像全体との関連で評価します。これにより、コントラストなどの空間的な色彩表現パラメータを組み込むことが可能となり、 HDR画像に最適です。また、空間的な色彩表現現象を扱うための第一歩とも言えます。

CAM16 は、さまざまな修正と改善が施された CIECAM02 の後継規格です。CAM16-UCS と呼ばれる色空間も付属しています。CIE 作業グループによって発行されていますが、CIE 標準ではありません。^{[ 8 ]} CIECAM16 標準は 2022 年にリリースされ、若干異なります。^{[ 9 ] [ 10 ]}

CAM16は、マテリアルデザインのカラーシステムで「HCT」（色相、彩度、明度）と呼ばれる円筒形バージョンで使用されています。色相と彩度の値はCAM16と同じです。「明度」の値はCIELAB L*です。^{[ 11 ]}

2020 UCS は、通常のダイナミックレンジの色用に設計されています。CIELAB と同じ構造ですが、改良されたデータ (明度と彩度には CAM16 出力、色相には IPT データ) が搭載されています。CIELAB や IPT と同様に、実装と使用が容易 (特に sRGB から) になるように設計されていますが、均一性が向上しています。^{[ 12 ]}

2023年9月現在、CSSカラーレベル4ドラフトの一部であり^{[ 13 ]}、すべての主要ブラウザの最新バージョンでサポートされています。^{[ 14 ]}

OSA-UCS

1947年に制定されたUCSは、概ね良好な特性を持ち、1974年にはCIEXYZからの変換が定義された。しかし、CIEXYZへの変換には閉形式の式が存在しないため、実用化は困難である。

SRLAB2

2009年にRLABの精神に基づいてCIELABを修正したもの（光源を差し引く）。CIECAM02色順応マトリックスを使用して青みがかった色合いの問題を修正する。^{[ 15 ]}

JzAzBz

HDRカラー用に設計された2017年製のUCS。J（明度）と2つの色度を備えています。^{[ 16 ]}

XYB

GuetzliやJPEG XLで使用されるUCSファミリーで、主な目的は圧縮です。CIELABよりも均一性に優れています。^{[ 15 ]}