TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol. 12, No. 11, Novembe r   2014, pp. 78 6 3  ~ 786 8   DOI: 10.115 9 1 /telkomni ka. v 12i11.60 35          7863     Re cei v ed Ma rch 3 0 , 2014;  Re vised Sept em ber  4, 201 4; Acce pted  Septem ber 2 0 , 2014   Color Difference Evaluation Model on Partly Changed  Complex Images      Zhang Zidon g*, Jiemin Zhang, Yong mei Li  Comp uter Engi neer ing C o ll eg e, Jimei Un iver sit y  (JMU)   No.18 3  Yinj ia n g  Rd, 361 02 1 Jimei, Xiam en,  F u jia n, Chin a, Ph./F ax: + 86-5 92-6 182 45 1   *Corres p o ndi n g  author, e-ma i l : zzd_88 8@a l i y u n .com       A b st r a ct  Since th ere  ha s bee n a stro n g  de man d  fro m  i n d u stry to h a ve a n  effici en t w a y of ma na gin g  col o r   imag e q u a lity  prese n ted  in  d i fferent  med i a,  by sp ecif ica lly  investi gatin g p a rtly  ch an ged  compl e x  i m ag es,  this article pro pose d  a revisi on to existin g  CIE co lor diffe rence  mo del w h ich ca nnot gi ve a prop er col o r   differenc e ass e ssment o n  p a r tly chan ge d c o mpl e x i m a ges . T he key  met hod  ap pli ed  is  to find  out w e i ght   coefficie n ts of color attrib utes  such as lig htn e ss,  hue a nd c h ro ma i n  color  differenc e pre d i ction.       Ke y w ords : col o r diffirenc e, partly chan ge d compl e x imag e, eval uatio n mod e l         Copy right  ©  2014 In stitu t e o f  Ad van ced   En g i n eerin g an d  Scien ce. All righ ts reser ved .       1. Introduc tion  No wad a ys co lor imag e re p r odu ction i s  very com m on i n  daily life. A  perfe ct rep r o ductio n   sho u ld produ ce an imag e  identical to the origi nal  o ne. Practi call y, however, this is ra rely the   ca se d ue to f a ctors  affecti ng the final  i m age  of  rep r odu ction, e.g.  device  gam u t, media ga m u t,  sy st em n o is e ,  sy st em e rro r,  et c. Hence,  the rep r o d u c ed imag e ma y look q u ite d i fferent from t h e   origin al  o ne. To  d e ci de wh ether  the differen c e   i s   n o ticea b le  or a c ceptable  is u s ually jud ged   by  experie nced  peopl e. Ho wever, for m a ssive reprodu ct ion, this be comes unp ra ctical. The r efo r e,  there ha s b e en a strong d e mand from  i ndu stry to ha ve a metric th at can qu antify the differen c e   automatically by powe r ful compute r  syst em [1, 2].    Lots of effo rt have be en do ne in the  pa st  decade [3], h o weve r, the i m age s u s ed i n  those   studie s   were  mostly syst ematic ally  re ndered, i.e. all pixels in  an imag e were va ried vi a a  mathemati c al  function  on  a parti cula r  color attri bute  su ch a s  lig h t ness, ch rom a , hue o r  th eir   combi nation.  The intent s  were to establish  perce ptibility threshol ds on different media and to   test the pe rfo r man c e s  of  color-differe nce form ul ae.  Available research o u tco m e dem on strated  the failure of  conve n tional   formula  in  pre d icting  color  differen c e s  fo r two  ima g e s   having  only p a rt  of the ima ge  being  differe nt. Additionall y  in many   experim ents, th e ob se rvers  started  to  rep o rt   differen c e  bet wee n  two im age s  whe n  o n ly pa rt of  th e differen c e  became  obvi ous while th e  re st  still look  simi lar. These  result s suggest  that invest igation of  partly  changed i m ages m a y  be  importa nt as  well a s  sy ste m atically cha nged o n e s . This a r ticle i s  to de sign a n  experim ent  to   investigate p a rtly cha nge d image s an d attempts  to  prop ose an  initial model  that can fits  the   experim ental  result. Further mo re thi s  mod e l  wo uld be teste d  by using t he syste m ati c ally  changed images fo r com p atibility.      2. Method s   In the expe ri ment, re sou r ce s em ploye d  in cl ude  HP  p113 0 Mo nitor, UNIX workstatio n,  Photometer  PR650, M a tlab or  C/C++  and 1 4  hum a n  ob serve r s. Thre e main  stages  com p ri sed   the experime n t, which ca n be descri bed as d e vice sim u latio n , subje c tive evaluation and   differen c e me trics modelli n g . The followi ng se ction p r ese n ts ea ch  stage in mo re  details.     2.1. Dev i ce Simulation  Device si mu lation o r  d e vice  cha r a c teri zation   model  enabl es u s  to t e st ou r  unde rsta ndin g  of the  devi c e s , predi ct their  outpu t,  and  optimize  their  de sign.  As fa r a s  t h is  experim ent i s  co ncerned,  we  only inve stigate  CR T  displ a y chara c teri zation  m odel [4],  whi c h   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  78 63 – 786 8   7864 covers gam ma fun c tion,  sp ect r al p o w er di st rib u tion of  pho sp hors, an d pi xel point-sp r ead   function.   Con s id erin g t w o  CRT m o d e ls  availabl e, GOG  a nd P L CC [4], two  inde pen dent  testing   sets  are care fully cho s en f o r thei r evalu a tion. The  re sults  by mea n ⊿ E*ab b e tween a c tual va lue   and it s p r e d i ction  usi ng  GOG  and  P L CC m odel s  are li sted i n  Ta ble  1;  Figure 1  is  its   corre s p ondin g  grap hical re pre s entatio n.  As far a s  this  experim ent is con c e r ne d, accura cy is the main priori ty for repres enting the  transfo rmatio n betwe en i m age pixel  RGB value s  and its co rrespon ding t r istimul u s val ues.  Although GO G model ha s the advantag es of eas y to impleme n t and few mea s urements, PL CC  model requi res la rge n u m ber of me asu r eme n ts  but  yields bette r accuracy. As seen  obviou s ly  from Figu re1,  mean ⊿ E*ab  for PLCC all belo w  one u n i t, nearly half the value of GOG mo del. So  PLCC m odel  is justified to  cho o se for this experi m ent.       Table 1. Re sult Data Sets  for GOG a nd  PLCC     G OG  PLCC  ⊿ Eab EvenSpaced  1.46  0.87  Random  1.55  0.68  Average  1.51  0.77          Figure 1. Plots of Mean ⊿ E * ab from Eval uating GO G and PLCC M odel s      2.2. Subjectiv e  Ev a l uation  Followi ng  ch ara c teri zatio n  of the CRT  displa y, su bjective eval uation is  co ndu cted,  who s e  goal  i s  to fin d  the  perce ptibility thre shol d fo r ea ch  “a re a  ch ang e ratio” a m on g pa rtly  cha nge d ima ges. Psy c ho physi cal jud g m ents (det e c tion, discrimi nation an d p r eferen ce) a r e   made un der  controlled vie w ing conditio n s (fixed lig h t ing, viewing  distances, e t c) to gene ra te   highly relia ble  and rep eata b le data [5].   Reg a rdi ng pa rtly chang ed  compl e x ima ges, two ima ges  comp are d  differ in col o r only for  a small p a rt. This exp e rim ent is de sign ated ch ang e of individual o b ject (CIO) i n  an image, which   differentiate s from e a rlie r studie s  i n ve stigat ing  ch a nge of  entire  image  (CEI). Fou r  ima g e s   sho w n in Fi g u re 2 a r e inv e stigate d . Since oth e r im age s we re  condu cted in  a simila r ma nner,  image1 _three girl is taken  as an exam p l e for the  followin g  statem ents of expla nation, analy s is   and con c lu sio n .                   Figure 2. Fou r  Test Imag es used in the E x perime n t  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Colo r Differe nce Evaluatio n Model on P a rtly Chan ge d Com p lex I m ages (Zh a n g  Zidong )  7865     Figure 3. Example of Choi ce  for Obje cts  in image1 _threegirl       The p r o c ed ure for  rend eri ng pa rtly ch a nged i m age  i n  this exp e ri ment is  expl ained  as  follows :   Firstly, cho o se important i ndividual obj ects in an im age whi c h a r e to be chan ged, the  wide r the a r e a  ch ange  rati o sp rea d  out  among  obje c t s , the more a c curate fin a l result  would  b e .    In Figure 3 si x objects (are a cha nge ratio rang e fr om  2% to 6%) were isolated i ndividually using   Photosh op,  whi c h in clu d e  thre e gi rls’  skin, top  ad dre s ses an d  blan ket plu s   gra s s a s  a  whole  (area chan ge  ratio about 1 9 %).    Secon d ly, sel e ct map p ing  function s sho w n in Fig u re  4 to transfo rm a particula r col o r  dimen s ion  for ea ch o b je ct  in the o r igin a l  image,  su ch  as  CIELAB  L*, C*  or  h.  Each tim e , o n ly  one pe rceptu a l colo r attrib ute’s value  was modifie d  in one obj ect.           Figure 4. Tra n sfer F u n c tio n s u s ed in  CIO Experiment       The m appi n g  fun c tion s l i sted i n  Fi g u re  4  app ro ximate typical variatio ns in  colo r  rep r od uctio n  su ch a s  co ntrast, gain, ga mma co ntrol  and color  shif t, which a r e a l so u s ed in  CEI  experim ent.    Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  78 63 – 786 8   7866     Figure 5.  Wo rk Flo w  for P a rtly Chan ge d Images  Re nderi n g       It is  c r itic al to es timate the two extreme le vels whe n  rend eri ng de sire d image s:  One is   that more th a n  half pe rcent  of the ob se rvers CA NN OT  see th e difference; The  oth e r i s  that mo re   than half pe rcent of the o b se rv ers CA N dete c t the differen c e. Estimation for  the two extre m e   levels i s  te sted by a  grou p of ob se rvers till t he pi np oint levels are f ound. T h u s  the  perce ptual   threshold fo r  each obj ect i s  narro wed  do wn  within  the  above two lev e ls to find  out . Choi ce of th e   in-bet wee n  le vels ca n be e v enly spa c ed  betwe en the  above two ex treme level s .    Thirdly, ren d e r pa rtly cha nged ima g e s  by m eans of  C/C++ prog ram [6]. Work flow o f   image re nde ring pro c e dure is illustrate d in Figure 5,  where colo r appe ara n ce model refe rri ng to   CIELAB colo r spa c e, the forwa r d CRT  model refe rring to CRT chara c te rizatio n  model PLCC  whi c h u s e s  th ree l ook-u p table s  rel a ting  digita l count s an d radiom etric  scala r s f o r e a ch chan nel,   CIE spe c ifica t ion are obtai ned thro ugh  a linear tr a n sformation bet wee n  radi om etric scal ars and   tris timulus  values .   The psy c ho p h ysical judgm ents we re co ndu ct ed on a  HP p1130 m onitor in a da rk room.  Before ea ch   ob serve r ’s observation, device   cali bration  was ad justed  to en sure the  mo nitor  perfo rm  in a pred efined way  (ad opted white  p o int,  c ontra st, brig h t ness, etc) in  whi c h  con d itions  CRT  di splay   cha r a c teri zati on  wa s d e vel oped  [7]. A p a ir  of imag es wa s present ed  side  by  si de   each time o n  monitor  and  the origi nal i m age i s  rand omly positio n ed on l e ft or  right to mini m i ze  the ne gative  effect of m oni tor‘s spatial u n iformi ty. Ob serve r s  were  asked  to ju dg e whethe r th ey  coul d see a  differen c e or not between  two im age s, and the obj ect exhibiting  difference was  spotted fo r validity following the detectio n  of difference.       3. Results a nd Analy s is  Obje ctive in the follo wing  work i s  to det ermin e  fun c tions  between  threshold ⊿ E and  a r e a   cha nge ratio, the following  gives its explanat io n: Firstly, relationship betwe en  obje c t mean ⊿ E  and color attri bute [L, C, h]  is prove d  to  be linear a c co rding to ded uced Equation  (1):        0 0 0 * * * 2 2 2 * C L when h ab E h L when C ab E h C when L ab E h C L ab E                                                                                               (1)    Therefore, fu nction  (de not ed by f ) a s sociatin g col o r attribute [L, C or  h] and d i fference   detectio n  rati o by obse r vers ca n tran sformed  to functi on (de noted  by f’) relating obje c t mean ⊿ E  and diffe ren c e dete c tion  ratio by ob se rvers.   Whi c h  can be  sim p lified a s  f{x, y}  →  f’{X, y}, where   x stand s for  one  colo r attribute [L, C  or h], X equal s  to obje c t mea n ⊿ E, y repre s ent s differen c e  detectio n  rati o by obse r vers.  Secon d ly, by fitting the result data sets th rough m a thematical too l s, function f’  can be  obtaine d. In succe ssi on, va lue of th re sho l d ⊿ E for e a ch  are a   cha nge  ratio i s  fixed  on by  setting  y  equal s to 0. 5. Finally, function  reg a rd ing thre sh old ⊿ E and corresp ondi ng a r ea chang e ratio   usin g re sult d a ta sets from the above fo u r  image s is ill ustrate d  in Fi gure 6.    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Colo r Differe nce Evaluatio n Model on P a rtly Chan ge d Com p lex I m ages (Zh a n g  Zidong )  7867     Figure 6 .  Plo t  Using F our I m age s’ Re sul t  Data Sets b e twee n Area  Cha nge  Ratio s  and O b je ct  Thre sh old Me an  ⊿ E      In Figu re 6  it is a ppa re nt that the lig htn e ss differen c e (d enote d  b y  blue p o ints) is le ss  notice able th an ch rom a  a nd hue differences (den oted by yellow and red p o i n ts re spe c tively)  whe n  evalu a te imag e diffe ren c e  on p a rt ly chan ged  complex ima g e s. In a dditio n , the correla t ion  betwe en  are a  ch ang e ratio  and  co rrespo nding  thre sh o l d obj ect m e a n ⊿ E is  currently still low, the   rea s on s for th at may be explaine d as foll ows:  One i s  that threshold ⊿ E al so d epen ds  o n  factors  su ch as  whi c h o b ject, its po si tion and   how la rge a r e a  wa s sel e cte d , etc. Theref ore, more  factors ne ed to b e  taken into  consi deration to  maximize the  correlation b e twee n imag e threshold ⊿ E and area  chang e ratio; Another p r obl em   is that wheth e r the  experi m ent  re sult i s  image d epe ndent, in oth e r words,  can  it be gen eral ize d   to other type of images?  Therefore diff erent ty pe of images n e e d  to be investigated to see  wheth e r the furthe r re sults  obtaine d sh o w  agreem ent with earli er o nes, that is th e function  curve  betwe en im a ge threshold ⊿ E and a r e a  ch ang e ra tio; Finally, the fou r  ima ges  used i n  the   experim ent a r e of th e  sa me si ze  an d  image  si ze i s  al so  a fa ctor affe cting i m age  differe nce.   Thereby, wh ether the im age si ze  will have an influ ence on the  experim ental  result is still  an   open q u e s tio n .  In a  wo rd, th e obj ective  is to  combi n e   all countin g f a ctors to g e t the  right  fun c tion  F  illustrate d in Figure 7, whi c h rel a ting im age thre sh old ⊿ E and are a  cha nge ratio.           Figure 7. Fun c tion Curve Relating Th re shold  ⊿ E and  Area Chan ge  Ratio       4. Conclusio n   Since  colo r d i fference is th e main difference betwee n  image s, so  CIELAB formula wa s  adopte d  for revising  thro u gh a dding  weight  coeffici ents  derive d   from thi s  exp e rime nt on  color  attribute [L,C or h]. In Eq uation (2 ) be low, if the  ⊿ E*ab_ CIO is great than  one unit, image  differen c e sh ould be  n o ticeable, whe r e  weig ht  coe fficient (L w, L w ,  hw) can  be  o b tained  thro u g h   function Y =  F (X) in Figu re 7.  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  78 63 – 786 8   7868 hw h Cw C Lw L CIO ab E 2 2 2 * _                                                                                                   (2)    Our ultim a te goal is to i d e n tify the visual  sign als th a t  annoy ou r viewin g cu sto m ers and   minimize thei r visibility. Device  simul a tions ena ble  us to isolate source  of a visual  signal.  Psycho physi cal evaluatio n  enabl es  us to  asse ss rol e   of the si gnal  plays in  su bje c tive judg me nts  of image  qu al ity. Eventually, differen c e  metrics  help   us to  qu antify or mea s u r e  the ma gnitud e  of  the sign al.  Furthe rmo r e,  it would  be in terestin g to te st  S-CIELAB  [8] using th e  CIO expe rim ent data  sets an d  wh at are the  p r edictio n  resul t s fr om  S-CI ELAB for  evaluating  ima ge diffe ren c e  on  partly cha nge d compl e x image s wo uld b e .       Referen ces   [1]  F a rrell JE.  Ima ge  qu alit y  eval uatio n. C o lor  Imagi ng:  Vis i o n  an d T e chno lo g y .  Joh n  W i l e y & So ns  Ltd.   199 6.   [2]  F a rrell JE, Silv erstein DA, Z h ang  X.  Ima ge  qua lity metrics base d  on si ngl e and  mu lti-ch ann el  mod e l s   of visual pr oce ssing . Proceedings of IEEE Compcon 97. 1997; 57-60.   [3]  Silverstein  DA, Farrell JE.  Qu antifyin g  perce ptual   q ual ity.  Proc. 51st IST  Annu al M eeti ng,  19 98;  8:81 - 84.   [4]  Berns RS. Methods for char a c terizin g  CRT   displ a ys. Elsev i er. 199 6; 16(4) : 173–1 82.   [5]  F o le y JM,  Leg ge GE. C ontra st detectio n   an d n ear-thres ho ld  discrimi nati o n i n  h u man  vi sion.  V i sio n   Res.  198 1; 104 1-53.   [6]  Pratt W K . Digital Image Proc e ssing, 2n d. Ne w   York: Jo hn  W ile y .  1 9 9 1 .  [7]  Brain a rd DH. C a libr a tio n  of a computer-c ontro lled c o lor mo nit o r.  Color R e s. Appl.  19 84; 14: 23-3 4 .  [8]  Xu eme i  Z han g, Brian A.  W ande ll. A Spatia l  Ext ensi on of CIELA B  for Digita l  Color Ima g e   Repr oducti on.  SID Digest.  19 96; (7): 31-34.   [9]  Dal y  SJ. T he visibl e differ e n c es pred ictor: an al gor ithm for the assess ment of  imag e  fidelit y. Di gital   Images an d Hu man Visi on. Ca mbridg e MA: MIT  press. 1992.  [10]  Carlso n CR,  Coh en RW.  A simple  psycho-phys i cal  m o del for pr edicting the vis i bilit y of displaye d  infor m ati on.  Proc. SID. 1980; 21(3): 22 9-4 6 .  [11]  Sn yder H L . Image q u a lit y   an d observ e r per formanc e, in B i berma n, L. (ed. ) Perceptio n of Displ a y e d   Information. N e w  Y o rk: Plen u m  Press. 1973.    [12]  Silverstei n DA,  F a rrell JE.  T h e  rel a tio n shi p  betw een i m ag e  fide lity  a nd i m a ge qu ality.  Proc,  ICIP-96.   199 6; 881- 84.   [13]  Sharma G, W u  W ,  Dala l E N . T he CIEDE200 0  co lor  differenc e for m ula: Impl em entatio n n o tes ,   supp leme ntar y test data, a n d  mathematic al  observ a tions . Color Res earc h   &  App lic ation . 2005;  30(1) :   21-3 0 .  [14]  W u  Y, Z hao XP, Jin Y, et al.  Extractin g  Gol den Are a  from Image Base d o n  Otsu Algorith m [J]. Applied   Mecha n ics an d  Materials. 20 1 4 ; 469: 26 0-26 4.  [15]  Li Z J , Men g  Q J . Rese arch  on  the C o l o r-Diffe r ence  Eval uati on  of F ood  Pa ckage  Printi ng  Matter Base d   on the Hum an  Visua l  Char acteristics. Appl ie d  Mecha n ics a nd Materi als. 2 014; 46 9: 278- 281.   [16]  Rasma na ST ,  Supra p to YK, Purnam a KE.  A Study of Col o r Differenc es  on the Met a l In scriptio n  Ima g e   Based o n  CIELab C o lor Sp ace . Semin a r on Intele ge nt T e chnolog y a nd Its Applica t ion (SIT IA).   Surab a y a, Indo nesi a . 201 3.  [17]  Mal y khi n a  MP, Shichk in  DA.  Aspects of P r actical  Use O f  Color  Differe nce F o r  Rec o gniti on A n d   Selecti on of  Boun dar y  Lin e  On Images.  Polythe m atic Onlin e  Scie ntif ic Jour nal  of Kuba n Stat e   Agrarian University . 2013.   [18]  Shame y  R, Li n J, Sa w a t w a r akul W ,  et al.  Evaluati on of  performanc e of various co l o r differenc e   formula e usin g  an e x per iment al bl ack datas e t.  Color Rese ar ch & Applic atio n.  2013.   [19]  Kishi no M, M i yaz a ki  S. Ima ge  process i n g   metho d , ima ge  process i n g  ap parat us, a nd  ge nerati n g   method: U.S. Patent Appl icati on 13/7 94,3 26[ P]. 2013.  [20]  Liu H, H u a ng  M, Liu Y, et a l .  Color  Differe nce Eva l uati o n  and C a lc ulati on for Di gita l and Pr int e d   Imag es . NIP & Digital F abr ic ation C onfere n c e. Soci et y  for  Imaging Sci e nce an d T e chnol og y. 201 2;  (1): 140-1 43.   [21]  Qu Z H . An Algorithm of Im age Qu alit y A sse ssment Ba sed o n  Data  F i tting of Image Histo gram .   T E LKOMNIKA Indon esi an Jou r nal of Electric al Eng i ne eri n g .  2014; (12): 5 9 9 -60 7 .  [22] Milad  Shirm o h a mmadi. Sta n d a rd izi ng S egm entin g a nd T e n derizi ng  Letter s  and Impr ovi n g the Qu alit y  of Envel ope I m ages to E x tr act Postal Add r esses.  Interna t iona l Jour nal  of Electrical  a nd Co mpute r   Engi neer in g . 2012; (2): 38 3-3 94.     Evaluation Warning : The document was created with Spire.PDF for Python.