Chodzi o coś subtelniejszego, ale dla nauki znacznie ważniejszego: o matematyczne uporządkowanie tego, jak człowiek postrzega relacje między barwami. Badacze pokazali, że trzy podstawowe cechy koloru – odcień, nasycenie i jasność – można wyprowadzić z samej geometrii przestrzeni barw, bez odwoływania się do dodatkowych konstruktów kulturowych czy psychologicznych. W komunikacie Los Alamos pada wręcz teza, że te jakości są wpisane w samą metrykę percepcji koloru.
Z pozoru temat wygląda jak bardzo abstrakcyjny spór matematyków od wizualizacji. W praktyce dotyczy czegoś bardzo przyziemnego: czy da się zbudować naprawdę solidny model tego, jak ludzie widzą różnice między kolorami? A od tego zależy więcej, niż się wydaje – od fotografii i obrazu cyfrowego po wizualizacje naukowe, w których źle dobrany kolor potrafi przekłamać całe dane.
Schrödinger zostawił szkic, ale bez jednego kluczowego elementu
Punktem wyjścia jest bardzo stary pomysł. Ludzkie widzenie barw opiera się na trzech typach czopków w oku, reagujących na różne zakresy długości fal. To od razu podpowiada trójwymiarowy sposób myślenia o kolorze: można go opisywać w przestrzeni, nie tylko słowem. Już Bernhard Riemann w XIX wieku sugerował, że takie przestrzenie percepcyjne nie muszą być płaskie, tylko zakrzywione. Schrödinger w latach 20. XX wieku podjął ten trop i próbował zbudować model, w którym odcień, nasycenie i jasność wynikają z geometrii tej przestrzeni.
Jego definicje przez dekady stanowiły ważny punkt odniesienia, ale miały słaby punkt. Opierały się na położeniu koloru względem tzw. neutralnej osi, czyli linii szarości biegnącej od czerni do bieli. Tyle że Schrödinger tej osi nigdy formalnie nie zdefiniował. To tak, jakby zaprojektować bardzo elegancki układ współrzędnych, ale zapomnieć naprawdę ustalić, gdzie jest jego najważniejsza linia odniesienia. Dopóki nikt nie pyta zbyt dokładnie, wszystko wygląda dobrze. Gdy pyta matematyk, konstrukcja zaczyna się chwiać.
Los Alamos twierdzi, że właśnie to udało się zrobić po raz pierwszy: zdefiniować neutralną oś wyłącznie z geometrii metryki koloru. Badacze musieli wyjść poza klasyczne ramy riemannowskie. Innymi słowy, problemu nie dało się domknąć, trzymając się starej geometrii do końca. Potrzebna była korekta głębiej w samym języku opisu.
Gdzie stara teoria się potykała?
Ta luka nie była czysto akademicka. Kiedy zespół pracował nad algorytmami dla wizualizacji naukowych, okazało się, że w fundamentach starego modelu tkwią bardzo konkretne problemy. Jeden z nich dotyczy tzw. efektu Bezolda-Brückego, czyli zjawiska, w którym sama zmiana jasności potrafi przesunąć postrzegany odcień koloru. Intuicyjnie człowiek chciałby wierzyć, że “ten sam kolor, tylko jaśniejszy” pozostaje po prostu sobą. Percepcja nie zawsze jest aż tak uprzejma.
Drugi problem to zanikająca czułość na coraz większe różnice kolorystyczne. W pewnym momencie dodatkowe zwiększanie różnicy między barwami nie daje już równie silnego efektu percepcyjnego. To coś w rodzaju prawa malejących zwrotów, tylko w świecie widzenia. Jeśli model koloru nie uwzględnia takiej nieliniowości, zaczyna gorzej opisywać to, co naprawdę robi ludzkie oko i mózg.
Badacze twierdzą, że oba te kłopoty udało się lepiej ująć dzięki liczeniu najkrótszych ścieżek w przestrzeni nieriemannowskiej, zamiast zakładania prostych linii tam, gdzie percepcja wcale nie musi być “prosta”. To brzmi bardzo matematycznie, ale sens jest dość ludzki: widzenie koloru nie zachowuje się jak ruch po gładkiej, przewidywalnej mapie. Bardziej przypomina teren z zakrętami, skrótami i miejscami, gdzie intuicyjna droga okazuje się myląca.
To nie nowy kolor, tylko lepsza mapa tego, co już widzimy
Ludzie nie zaczną jutro widzieć tęczy inaczej niż wczoraj. Ale naukowcy dostają lepszy model do opisu tego, jak relacje między kolorami układają się w percepcji. A to ma realne konsekwencje. Wizualizacja naukowa jest tu dobrym przykładem. Kiedy kolorami przedstawia się dane klimatyczne, medyczne albo fizyczne, nie chodzi o estetykę. Chodzi o to, by różnice były odbierane przez człowieka w sposób możliwie wierny temu, co naprawdę dzieje się w danych. Jeśli model percepcji koloru jest wadliwy, łatwo stworzyć mapę, wykres albo symulację, która wygląda poprawnie, ale wprowadza subtelny chaos w odbiorze. Los Alamos podkreśla właśnie tę stronę sprawy: dokładniejszy model może poprawiać narzędzia używane w fotografii, wideo, analizie danych i wizualizacji.
To trochę jak z kartografią. Lepsza mapa nie zmienia krajobrazu, ale potrafi bardzo zmienić to, jak się po nim poruszamy. Tutaj krajobrazem jest ludzkie widzenie koloru.
Źródło: IFL Science
