Aspectos de la gestión de la calidad en perfiles de color ICC

Con frecuencia cuando nos remitimos a conceptos relativos a la calidad de un perfil de color ICC, se suele hacer una inmediata alusión a estimaciones entorno al volumen de su gamut como estrategia asociada a la calidad de este. Quizás se trate de una pequeña perversión asociada  a lo frecuente de las herramientas de visualización de gamuts que acompañan a nuestros sistemas operativos o herramientas de gestión de color.

Si bien el volumen del gamut de un perfil de color es indicativo de la porción del espacio que es capaz de abarcar dicho perfil, las estimaciones en cuanto a la calidad de dicho perfil deben ir un poco más allá.

A lo largo de este artículo voy abordar algunos conceptos y evaluaciones con el fin de que el lector pueda entender ciertos aspectos intrínsecos al diseño de un perfil de color, los cuales condicionan de forma drástica el funcionamiento de este.

En un anterior artículo denominado “Tipos de Perfiles ICC“, hacía una pequeña aproximación a los diferentes algoritmos de los que disponemos a la hora de diseñar un perfil de color. La elección de uno u otro perfil de color, quizás sea una de las mayores paradoras a las que nos enfrentamos a la hora de construir nuestro perfil de entrada, sin embargo existen algunas características que podemos tener en cuenta para poder escoger de forma exitosa el algoritmo que más nos conviene para nuestros proyectos.

En el siguiente experimento evalúo ciertos aspectos de un perfil de color en función a los distintos tipos de perfiles que nos podemos encontrar en herramientas como ArgyllCMS o RoughProfiler. Esos aspectos son:

1. La precisión colorimétrica a través de las métricas delta-e CIE76 y CIEDE00, con el fin de estimar el error cometido en las transformaciones de los colores de una carta de color IT8. La precisión colorimétrica evalúa la precisión en las transformaciones del color que lleva a cabo nuestro perfil. Quizás este sea el método más trascendente a la hora de verificar la calidad de un perfil de color.
2. Una vez asignado nuestro perfil de color a una imagen, se realiza un recuento de colores únicos con el fin de cuantificar la incidencia de las transformaciones de color en el número de colores de nuestras imágenes.
3. Seguidamente se ha cuantificado el volumen (Convex Hull) del gamut de cada perfil, con el fin de disponer de una estimación objetiva frente a las habituales visualizaciones y comparaciones 3D de los gamuts.
4. Finalmente se ha monitorizado la relación señal ruido (SNR) con el fin de cuantificar el deterioro que sufre la imagen tras las transformaciones de nuestro perfil.

Los datos obtenidos se recogen en la siguiente tabla:

1.- Precisión colorimétrica

A raíz de la tabla anterior podemos deducir el siguiente gráfico donde podemos observar el rendimiento de los diferentes algoritmos en función de las distintas métricas deltas-e.
Como se puede observar en el gráfico los perfiles basados en matrices nos ofrecen una menor precisión colorimétrica. De forma similar a medida que acompañamos nuestros perfiles de determinados conjuntos de curva, en particular si estas son de moldeo (shaper) y por canal, la precisión va aumentando, ofreciéndonos el mejor resultado las extructura (Shaper Matrix) de una matriz de transformación acompañada de curvas de moldeo por cada señal R,G y B.
Por otra parte los perfiles basados en tablas cLUT nos ofrecen una precisión colorimétrica excelente, de hecho son con frecuencia los que nos vamos a encontrar en la mayoría de perfiles de entrada.

2.- Número de colores únicos

En cuanto a la evaluación del número de colores de una imagen tras aplicar un determinado algoritmo de transformación, podemos extraer del gráfico de la izquierda.
Aunque en ciertas situaciones la dualidad cLUT - Matrix no se evidencian grandes diferencias, si se puede observar con facilidad que los perfiles basados en matrices dan como resultados imágenes con un mayor número de colores únicos. Este fenómeno es debido a la naturaleza de las transformaciones dentro de estas estructuras. Los perfiles basados en matrices, y en particular si no hay más estructuras de transformación como curvas acompañándolo, los cálculos son bastante simples, por lo que hay aproximadamente tantos colores de salida como de entrada. Sin embargo cuando procesamos nuestra señal a traves de una cLUT (Color Lookup table) los cálculos se vuelven más complejos, de forma que dependiendo de la precisión o tamaño de nuestra tabla conseguiremos más o menos colores (así como precisión) esto es debido a que cuanto más pequeña es nuestra cLUT menos colores de salida nos ofrece, al mismo tiempo que la precisión se ve ligeramente mermada.

Como podemos observar hasta ahora tenemos una importante dualidad: número de colores versus precisión colorimétrica.

3.- Volumen del gamut

Otro aspecto interesante es cómo se relaciona el volumen del gamut con la calidad de nuestro perfil. Cómo se puede observar en la relación entre volumen y tipo de algoritmo, nos encontramos que los mayores volúmenes se encuentran en los perfiles del tipo cLUT,  por lo que en cierta manera si podríamos concluir que existe una relación entre la calidad de un perfil y el volumen del gamut, sin embargo esto seria un tanto atrevido, ya que como hemos podido ver existen diferentes criterios que podemos aplicar a la hora elegir que perfil es mejor o peor. Por otra parte existe una cierta problemática a la hora de estimar el volumen de un perfil ya que existen diferentes fórmulas o estratégias de representación 3D, por lo que fiarnos del volumen de un perfil, puede ser indicativo de ciertos aspectos, pero no exclusivo de la calidad del mismo.

4.- Relación señal-ruido

La relación señal ruido o SNR es una métrica que se usa con frecuencia para evaluar la calidad de procesos de compresión o en general como medio para cuantificar el deterioro de una imagen digital. A raíz del gráfico mostrado, vemos como el resultado más óptimo en cuanto a la SNR lo producen los matrices basados exclusivamente en matrices, sin que intervenga ninguna otra estructura de transformación. Los resultados son de esperar, ya que este tipo de transformaciones son las más simples, por tanto existen menos problemas de aproximaciones, redondeos, etc durante los cálculos de transformación.

Conclusiones

Como hemos podido ver rápidamente a lo largo de los experimentos mostrados, existe una cierta disparidad en los criterios a la hora de elegir uno u otro perfil de color para nuestros proyectos. Aunque muchos manuales y la mayoría de herramientas trabajan en la actualidad con perfiles del tipo cLUT, esto no es indicativo de la calidad de dichos procesos.

La evaluación de la calidad de un perfil de color es un tema más complejo que la simple estimación del volumen de su gamut, y imprescindible para el control de calidad de nuestros procesos de digitalización do documentación.

Desafortunadamente sólo ArgyllCMS con mi GUI RoughProfiler, es la única herramienta que nos permite jugar con la elección de uno u otro tipo de algoritmo. La mayoría de herramientas comerciales, poseen sus propios algoritmos, sus elevados costes o cache del fabricante, no eximen a estos algoritmos de una cierta falta calidad, por lo que independientemente de los costes de estas herramientas, debemos someterlas a diversos procesos tales como la precisión colorimétrica o número de colores únicos, para poder disponer de alguna certeza en cuanto a la calidad de lo mismo.