前言：XYZ 的局限
在前面的章节中，我们建立了一套完整的色度学体系（XYZ, Lab）。然而，传统的色度学只能预测两个颜色在相同观察条件下是否匹配（Match），却无法预测颜色看起来是什么样子（Appearance）。
举个例子：
- 同时对比：同样的灰色方块，放在黑色背景上看起来更亮，放在白色背景上看起来更暗。
- 亨特效应：随着照明亮度的增加，物体的色彩看起来更鲜艳（饱和度增加）。
- 史蒂文斯效应：随着亮度的增加，黑白对比度看起来更高。
这些现象说明，颜色的感知不仅取决于光本身的物理特性（XYZ），还取决于观察环境（背景、亮度、周边环境）。为了模拟这些复杂的视觉现象，我们需要颜色外观模型。
CIECAM02 模型架构
CIECAM02 是 CIE 于 2002 年发布的颜色外观模型，是目前最先进的通用模型。它输入物理参数，输出感知属性。
输入参数
要运行 CIECAM02，除了样本的 XYZ 值外，还必须输入环境参数：
- $X_w, Y_w, Z_w$：参考白点的三刺激值。
- $L_A$：适应场的亮度（cd/m²）。
- $Y_b$：背景的相对亮度。
- $c, N_c, F$：环境参数（平均、昏暗、黑暗）。
核心处理流程
- 色适应变换 (CAT02)：首先将 XYZ 转换到 LMS 空间，并根据白点进行色适应修正（见 Vol.8）。
- 动态响应压缩：模拟视锥细胞对光强的非线性响应（Michaelis-Menten 方程）。这一步模拟了人眼对亮度的适应性。
- 色对立转换：将 LMS 信号转换为红-绿 ($a$)、黄-蓝 ($b$) 和消色差 ($A$) 信号。
输出属性 (Appearance Correlates)
CIECAM02 输出六个维度的感知属性，分为两组：
相对属性（与白点相关）：
- 明度 $J$ (Lightness)：相对于白点的亮度（0-100）。
- 彩度 $C$ (Chroma)：相对于白点的色彩强度。
- 色相角 $h$ (Hue Angle)：颜色的色相（0-360°）。
绝对属性（与物理亮度相关）：
- 亮度 $Q$ (Brightness)：发光的绝对强度感。
- 色彩丰富度 $M$ (Colorfulness)：色彩的绝对量。
- 饱和度 $s$ (Saturation)：色彩丰富度与亮度的比值 ($M/Q$)。
视觉现象的解释
CIECAM02 能够成功预测多种视觉现象：
- 亨特效应：模型中的亮度适应因子 $F_L$ 会随着 $L_A$ 增加而增加，导致输出的彩度 $C$ 和丰富度 $M$ 增加。
- 背景效应：通过引入背景参数 $Y_b$ 和诱导因子 $n$，模型能预测背景对明度的影响。
总结与展望
CIECAM02 是连接物理光学与心理视觉的终极桥梁。它不仅告诉我们两个颜色是否一样，还告诉我们它们看起来像什么。
然而，CIECAM02 计算复杂，通常只在高端色彩管理系统中使用。在实际工程应用（如显示器校色、打印机配置）中，我们更多地是处理设备相关的色彩空间（如 RGB, CMYK）与设备无关空间（PCS）之间的转换。
这就引入了设备特征化的概念。在下一章《色彩科学Vol.11 设备色彩特征化：ICC-Profile与3D-LUT》中，我们将探讨如何让不同的设备“说同一种语言”。
Reference
- CIE. (2004). CIE 159:2004 A Colour Appearance Model for Colour Management Systems: CIECAM02.
- Fairchild, M. D. Color Appearance Models. Wiley.
- Moroney, N., et al. (2002). The CIECAM02 Color Appearance Model. IS&T/SID Color Imaging Conference.