Uma ideia centenária de Erwin Schrödinger deu um grande passo em frente, graças a novas pesquisas sobre como os humanos percebem as diferenças entre as cores.
Uma equipe liderada pela cientista de Los Alamos, Roxana Bujac, usou a geometria para desenvolver uma definição matemática de percepção de cores baseada em matiz, saturação e luminosidade. Seus resultados, apresentados em uma conferência da Visualization Science, formalizam o modelo de cores de Schrödinger e mostram que essas qualidades de cores familiares estão integradas na estrutura da percepção das cores.
“O que concluímos é que esses atributos de cores não surgem de construções externas adicionais, como experiências culturais ou aprendidas, mas refletem propriedades intrínsecas da métrica de cores”, disse Bujac. “Esta métrica codifica a distância da cor percebida geometricamente – isto é, quão diferentes duas cores parecem para um observador.”
Completando o quebra-cabeça de cores de Schrödinger
Ao definir estas propriedades perceptivas de forma mais rigorosa, os investigadores forneceram uma peça que faltava na visão de longa data de Schrödinger de um modelo matemático fechado de cor. O objetivo era determinar matiz, saturação e luminosidade usando apenas as propriedades geométricas da maior correspondência de cores.
A visão humana das cores é baseada em três tipos de células cone, que se concentram no vermelho, no azul e no verde. Isso dá aos espaços de cores três dimensões, permitindo que os cientistas organizem e comparem matematicamente as cores.
No século 19, o matemático Bernhard Riemann propôs que os espaços de cores perceptivos não são planos nem retos, mas curvos. Na década de 1920, Schrödinger desenvolveu esse conceito definindo matiz, saturação e luminosidade dentro de um modelo Riemanniano de percepção de cores, usando uma métrica que descreve como as pessoas percebem as diferenças de cores.
Corrigindo uma lacuna matemática centenária
As definições de Schrödinger moldaram a ciência das cores durante quase 100 anos. Mas quando a equipe de Los Alamos estava desenvolvendo algoritmos para visualização científica, descobriu que a matemática por trás do modelo tinha uma fraqueza crítica.
O maior problema envolve o eixo neutro, a linha cinza que vai do preto ao branco. As definições de matiz, saturação e luminosidade de Schrödinger dependem de onde a cor se situa ao longo desse eixo, mas ele nunca definiu formalmente o eixo.
Essa omissão cria uma lacuna séria. Sem uma definição precisa do eixo neutro, toda a construção ficou formalmente incompleta. O avanço mais importante da equipe foi encontrar uma maneira de definir o eixo neutro usando apenas a geometria da métrica de cores.
Para conseguir isso, os pesquisadores tiveram que ir além do modelo Riemanniano tradicional. Essa mudança representa um grande avanço matemático para a ciência da visualização.
Um bom modelo de como as cores mudam
A equipe fez outras duas revisões importantes na estrutura antiga.
Está envolvido um efeito Bezold-Brook, um fenômeno em que mudanças na intensidade da luz podem causar uma mudança na tonalidade da cor. Os pesquisadores abordaram isso usando o caminho mais curto em seu modelo geométrico de percepção de cores, em vez de confiar em uma simples linha reta.
Eles também usaram o caminho mais curto em um espaço não-Riemanniano para explicar os retornos decrescentes na percepção das cores, outro efeito não totalmente capturado pelos métodos mais antigos.
Por que a percepção das cores é importante
A pesquisa foi apresentada na Conferência Eurographics sobre Visualização e baseia-se em um projeto mais amplo de Los Alamos sobre percepção de cores. Esse projeto produziu um avanço artigo de 2022 em Anais da Academia Nacional de Ciências.
Um modelo mais preciso de percepção de cores poderia ter enorme valor em campos que dependem de cores precisas, incluindo fotografia, vídeo, visualização e tecnologias relacionadas. Também pode melhorar a forma como os cientistas criam e interpretam dados visuais.
A visualização científica desempenha um papel importante para ajudar os pesquisadores a compreender dados complexos. Modelos de cores avançados podem apoiar análises mais eficazes em muitos campos, incluindo a ciência da segurança nacional.
O trabalho da equipe agora fornece uma base para futuras modelagens de cores em espaços não-Riemannianos.
Financiamento: Este trabalho foi apoiado pelo Programa de Pesquisa e Desenvolvimento Dirigido por Laboratório em Los Alamos e pelo Programa Avançado de Simulação e Computação da Administração Nacional de Segurança Nuclear.
