[논문 리뷰] Good Colour Maps: How to Design Them

Peter Kovesi|arXiv (Cornell University)|2015. 09. 12.

Color Science and Applications참고 문헌 28인용 수 54

한 줄 요약

이 논문은 데이터 범위 전반에서 일관된 시각적 대비를 보장하는 인지적으로 균일한 색상 맵을 설계하기 위한 프레임워크를 제안한다. 이는 레인보우 색상 맵과 같은 일반적으로 사용되는 맵의 결함을 해결하기 위한 것이다. CIELAB 색상 공간을 활용하고 인지적 밝기 변화의 균일성을 강조함으로써, 특히 고도 셰이딩과 조합된 경우를 고려한 테스트 이미지와 평가 지침을 제시하며, 강력한 삼항 영상에 적합한 기본 색상을 도입한다.

ABSTRACT

Many colour maps provided by vendors have highly uneven perceptual contrast over their range. It is not uncommon for colour maps to have perceptual flat spots that can hide a feature as large as one tenth of the total data range. Colour maps may also have perceptual discontinuities that induce the appearance of false features. Previous work in the design of perceptually uniform colour maps has mostly failed to recognise that CIELAB space is only designed to be perceptually uniform at very low spatial frequencies. The most important factor in designing a colour map is to ensure that the magnitude of the incremental change in perceptual lightness of the colours is uniform. The specific requirements for linear, diverging, rainbow and cyclic colour maps are developed in detail. To support this work two test images for evaluating colour maps are presented. The use of colour maps in combination with relief shading is considered and the conditions under which colour can enhance or disrupt relief shading are identified. Finally, a set of new basis colours for the construction of ternary images are presented. Unlike the RGB primaries these basis colours produce images whereby the salience of structures are consistent irrespective of the assignment of basis colours to data channels.

연구 동기 및 목표

• 인지적으로 비균일한 색상 맵으로 인해 데이터 특징이 가려지거나 잘못된 이상 현상이 발생하는 광범위한 문제를 해결하기 위해.
• CIELAB 공간은 유용하지만, 낮은 공간 주파수에서만 인지적으로 균일하며, 색상 맵 설계에 직접 적용할 수 있는 한계가 있음을 보여주기 위해.
• 인간 시각 감도에 따른 공간 주파수에 기반한 표준화된 테스트 이미지를 개발하여 색상 맵 성능 평가를 위해.
• 고도 셰이딩과 함께 사용할 때 깊이 인식을 해치지 않도록 색상 맵 사용에 대한 실용적인 지침을 제공하기 위해.
• 색상 채널 할당에 관계없이 일관된 인식을 보장하는 삼항 영상에 적합한 기본 색상을 도입하기 위해.

제안 방법

• 색상 맵 경로를 따라 인지적 대비 균일성을 평가하기 위해, 위에서 아래로 진폭이 변조된 램프 함수 위에 사인파를 겹친 테스트 이미지를 사용한다.
• 색상 맵 경로를 따라 인지적 차이를 분석하기 위해 CIELAB 색상 공간을 활용하며, 인지적 밝기 변화의 균일성을 강조한다.
• 순환형 색상 맵을 평가하기 위해 나선형 램프와 겹쳐진 사인파를 가진 원형 테스트 이미지를 도입한다.
• 선형, 발산형, 레인보우, 순환형 설계를 기반으로 한 인지적으로 균일한 색상 맵 세트를 제안하며, 구현을 위한 MATLAB 코드를 제공한다.
• 채널 순열에 관계없이 인식 안정성을 확보하기 위해 밝기와 색채도가 일치하는 삼항 영상의 기본 색상을 개발한다.
• 색상 맵과 고도 셰이딩 간의 상호작용을 분석하여, 색상 맵이 셰이딩 인식을 향상시키거나 해치는 조건을 규명한다.

실험 결과

연구 질문

• RQ1 인지적으로 비균일한 색상 맵은 데이터 특징의 오해를 어떻게 유도하며, 이러한 인지적 오류의 원인은 무엇인가?
• RQ2 CIELAB 공간은 설계 목표상 유용하지만, 왜 인지적으로 균일한 색상 맵 설계에 충분하지 않은가?
• RQ3 인지적으로 균일한 색상 맵의 기준은 무엇이며, 이를 체계적으로 평가할 수 있는 방법은 무엇인가?
• RQ4 색상 맵은 고도 셰이딩과 어떻게 효과적으로 조합할 수 있으며, 깊이 인식을 떨어뜨리지 않도록 하는가?
• RQ5 채널 할당에 관계없이 안정적이고 인식에 영향을 주지 않는 삼항 영상의 기본 색상은 무엇인가?

주요 결과

• 레인보우 색상 맵을 포함한 널리 사용되는 많은 색상 맵은 인지적 평탄한 영역과 불연속성을 보이며, 이는 데이터 특징을 가리거나 잘못 강조할 수 있다.
• 10%의 특징 깊이와 8픽셀의 파장(5.2 사이클/도)을 가진 테스트 이미지는 색상 맵의 인지적 대비 비균일성을 효과적으로 드러낸다.
• 인지적 균일성은 CIELAB 공간 내에서의 변화보다, 색상 맵 경로를 따라 선형적이고 균일한 인지적 밝기 변화를 확보함으로써 가장 잘 달성된다.
• 저대비 및 밝은 색조를 가진 색상 맵은 셰이딩의 주파수 스펙트럼이 풍부할 경우 고도 셰이딩을 향상시킨다.
• 고도 셰이딩이 낮은 공간 주파수로 압도될 경우, 등빛도 색상 맵을 권장한다. 이는 간섭을 피하기 위함이다.
• 제안된 삼항 영상의 기본 색상은 RGB 기본 색상과 달리 채널 할당에 관계없이 인식 안정성을 보장한다.