Implémentation de CIEDE2000 en Prolog

Cette page présente une implémentation de référence de la formule de différence de couleur CIEDE2000 en Prolog. Si vous souhaitez assurer une compatibilité parfaite (à la dixième décimale) avec certaines implémentations tierces, vous devrez peut-être modifier les commentaires dans le code source. Pour vous faciliter la tâche, le lien suivant automatise cette opération.

La fonction ΔE2000 en Prolog

Considérons la plus courante et académique (Sharma, 2005) des deux formulations.

% Cette fonction écrite en Prolog est placée dans le domaine public et
% n’est pas affiliée à la CIE (Commission Internationale de l’Éclairage).

% L’implémentation CIEDE2000 classique qui accepte deux couleurs L*a*b* et renvoie leur différence.
% La composante "L" varie de 0 à 100. "a" et "b", non bornées, sont souvent projetées entre -128 et 127.
ciede_2000(L1, A1, B1, L2, A2, B2, DeltaE2000) :-
	% Traite la formule de différence de couleurs CIEDE2000 en Prolog.
	% K_L, K_C et K_H sont des facteurs paramétriques qu’on ajuste
	% selon des recommandations propres au secteur industriel.
	K_L is 1.0,
	K_C is 1.0,
	K_H is 1.0,
	Pi_1 is 3.14159265358979323846,
	Pi_3 is 1.04719755119659774615,

	% 1. Calcul des chromas initiaux (norme des composantes a* et b*)
	A1_sq is A1 * A1,
	B1_sq is B1 * B1,
	C_orig_1 is sqrt(A1_sq + B1_sq),
	A2_sq is A2 * A2,
	B2_sq is B2 * B2,
	C_orig_2 is sqrt(A2_sq + B2_sq),

	% 2. Calcul du chroma moyen et du facteur de compensation G
	C_avg is 0.5 * (C_orig_1 + C_orig_2),
	C_avg_3 is C_avg * C_avg * C_avg,
	C_avg_7 is C_avg_3 * C_avg_3 * C_avg,
	G_denom is C_avg_7 + 6103515625.0,
	G_ratio is C_avg_7 / G_denom,
	G_sqrt is sqrt(G_ratio),
	G_factor is 1.0 + 0.5 * (1.0 - G_sqrt),

	% 3. Application de la correction G sur la composante a*, puis calcul des chromas corrigés C’
	A1_prime is A1 * G_factor,
	C1_prime_sq is A1_prime * A1_prime + B1 * B1,
	C1_prime is sqrt(C1_prime_sq),
	A2_prime is A2 * G_factor,
	C2_prime_sq is A2_prime * A2_prime + B2 * B2,
	C2_prime is sqrt(C2_prime_sq),

	% 4. Calcul des angles de teinte (en radians) et normalisation dans [0, 2π[
	H1_raw is atan2(B1, A1_prime),
	H2_raw is atan2(B2, A2_prime),
	(H1_raw < 0.0 -> H1_adj is H1_raw + 2.0 * Pi_1 ; H1_adj = H1_raw),
	(H2_raw < 0.0 -> H2_adj is H2_raw + 2.0 * Pi_1 ; H2_adj = H2_raw),
	Delta_h is abs(H1_adj - H2_adj),
	H_mean_raw is 0.5 * (H1_adj + H2_adj),
	H_diff_raw is 0.5 * (H2_adj - H1_adj),

	% Prise en compte du cas où la moyenne de teinte traverse la discontinuité angulaire (π)
	Wrap_dist is abs(Pi_1 - Delta_h),
	(1.0e-14 < Wrap_dist, Pi_1 < Delta_h -> Hue_wrap = 1.0 ; Hue_wrap = 0),
	H_diff is H_diff_raw + Hue_wrap * Pi_1,
	% 📜 La formulation de Sharma n’utilise pas la ligne suivante, mais plutôt les trois d’après.
	% Note : ces deux variantes ne diffèrent que de ±0,0003 sur la différence de couleur finale.
	H_mean is H_mean_raw + Hue_wrap * Pi_1,
	% (Hue_wrap =:= 1, H_mean_raw < Pi_1 -> H_mean_hi = Pi_1 ; H_mean_hi = 0.0),
	% (Hue_wrap =:= 1, H_mean_hi =:= 0.0 -> H_mean_lo = Pi_1 ; H_mean_lo = 0.0),
	% H_mean is H_mean_raw + H_mean_hi - H_mean_lo,

	% 5. Calcul du facteur correctif d’interaction teinte–chroma R_T
	C_bar is 0.5 * (C1_prime + C2_prime),
	C_bar_3 is C_bar * C_bar * C_bar,
	C_bar_7 is C_bar_3 * C_bar_3 * C_bar,
	Rc_denom is C_bar_7 + 6103515625.0,
	R_C is sqrt(C_bar_7 / Rc_denom),
	Theta is 36.0 * H_mean - 55.0 * Pi_1,
	Theta_denom is -25.0 * Pi_1 * Pi_1,
	Exp_argument is Theta * Theta / Theta_denom,
	Exp_term is exp(Exp_argument),
	Delta_theta is Pi_3 * Exp_term,
	Sin_term is sin(Delta_theta),

	% Terme d’interaction entre la différence de chroma et la différence de teinte
	R_T is -2.0 * R_C * Sin_term,

	% 6. Calcul du terme de luminance (canal L*)
	L_avg is 0.5 * (L1 + L2),
	L_delta_sq is (L_avg - 50.0) * (L_avg - 50.0),
	L_delta is L2 - L1,

	% Adaptation à la non-linéarité de la perception de la luminance (facteur S_L)
	S_l_num is 0.015 * L_delta_sq,
	S_l_denom is sqrt(20.0 + L_delta_sq),
	S_L is 1.0 + S_l_num / S_l_denom,
	L_term is L_delta / (K_L * S_L),

	% 7. Calcul des termes trigonométriques dépendant de la teinte moyenne et du facteur T
	Trig_1 is 0.17 * sin(H_mean + Pi_3),
	Trig_2 is 0.24 * sin(2.0 * H_mean + 0.5 * Pi_1),
	Trig_3 is 0.32 * sin(3.0 * H_mean + 1.6  * Pi_3),
	Trig_4 is  0.2 * sin(4.0 * H_mean + 0.15 * Pi_1),
	T is 1.0 - Trig_1 + Trig_2 + Trig_3 - Trig_4,
	C_sum is C1_prime + C2_prime,
	C_product is C1_prime * C2_prime,
	C_geo_mean is sqrt(C_product),

	% 8. Calcul de la différence de teinte et du facteur d’échelle S_H
	Sin_h_diff is sin(H_diff),
	S_H is 1.0 + 0.0075 * C_sum * T,
	H_term is 2.0 * C_geo_mean * Sin_h_diff / (K_H * S_H),

	% 9. Calcul de la différence de chroma et du facteur d’échelle S_C
	C_delta is C2_prime - C1_prime,
	S_C is 1.0 + 0.0225 * C_sum,
	C_term is C_delta / (K_C * S_C),

	% 10. Combinaison des termes de luminance, chroma, teinte et interaction (ΔE₀₀)
	L_part is L_term * L_term,
	C_part is C_term * C_term,
	H_part is H_term * H_term,
	Interaction is C_term * H_term * R_T,
	Delta_e_squared is L_part + C_part + H_part + Interaction,
	DeltaE2000 is sqrt(Delta_e_squared).

%    Projet GitHub : https://github.com/michel-leonard/ciede2000-color-matching
%   Tests en ligne : https://michel-leonard.github.io/ciede2000-color-matching

% L1 = 14.8   a1 = 33.5   b1 = 2.4
% L2 = 16.6   a2 = 38.1   b2 = -2.7
% CIE ΔE00 = 3.6462011992 (Bruce Lindbloom, Netflix’s VMAF, ...)
% CIE ΔE00 = 3.6461873926 (Gaurav Sharma, OpenJDK, ...)
% Écart entre les implémentations ≈ 1.4e-5

% Voir les commentaires du code source pour passer d’une de ces variantes d’implémentation de ΔE*00 à l’autre.

Paramètres K_L, K_C et K_H

Les paramètres K_L, K_C et K_H de la formule CIEDE2000 sont des facteurs de pondération appliqués respectivement aux composantes de luminosité (ΔL*), de chroma (ΔC*) et de teinte (ΔH*). Dans le code source, ils sont définis comme des constantes dont la valeur par défaut est 1, ce qui correspond aux conditions d’observation standard prévues par la Commission internationale de l’éclairage (CIE). En pratique, il peut être nécessaire d’ajuster ces coefficients en fonction de conditions spécifiques : par exemple, K_L = 2 est parfois utilisé pour donner plus de poids aux différences de luminosité (cas fréquent dans l’industrie textile), tandis que K_C ou K_H peuvent être réduits pour augmenter la tolérance aux variations de saturation ou de teinte, en fonction des besoins. Selon le contexte, ces coefficients sont généralement compris entre 0,5 et 2.

Précision et fiabilité du code source

La différence entre la formulation académique de Sharma et la formulation simplifiée de Lindbloom ne dépasse pas ±0,0003 sur le ΔE2000 final. Cela correspond à la différence habituellement mesurée entre deux implémentations 32 bits et est imperceptible à l’œil humain. Nos implémentations 64 bits, toutes cohérentes entre elles, garantissent au moins 10 décimales correctes, de sorte que le choix d’une formulation par rapport à l’autre est un détail technique. La formule par défaut sur cette page est celle qui est le plus souvent présentée dans la communauté, elle est légèrement plus facile à vectoriser.

✎ Si vous constatez que les commentaires dans le code source ne correspondent pas aux commentaires en anglais, veuillez en informer l’auteur de la page afin que cela soit corrigé.

Comment convertir les couleurs RGB en L*a*b* ?

Rendez-vous sur la page AWK, C, Dart, Java, JavaScript, Kotlin, Lua, PHP, Python, Ruby ou Rust où un tel convertisseur (utilisant l’illuminant D65) est déjà implémenté en plus de la fonction de comparaison de couleurs.

Plages de valeurs dans CIELAB et interprétation du ΔE2000

Dans l’espace colorimétrique CIELAB, la composante L* représente la luminosité et varie de 0 (noir) à 100 (blanc). Les composantes a* et b* décrivent les axes de couleur : a* s’étend du vert au rouge, tandis que b* va du bleu au jaune. Dans la pratique, les valeurs de a* et b* se situent dans la plage -128 à +127, même si elles peuvent légèrement dépasser ces limites selon les conversions colorimétriques.

Le ΔE2000 (CIEDE2000) quantifie la différence perceptuelle entre deux couleurs : 0 signifie deux couleurs identiques, et des valeurs plus élevées (jusqu’à environ 185 dans les cas extrêmes) indiquent une différence plus marquée. Par exemple, une valeur ΔE2000 autour de 5 correspond à des couleurs proches, tandis qu’une valeur autour de 15 correspond à des couleurs clairement distinctes.

Exemple d’utilisation en Prolog

% Compute the Delta E (CIEDE2000) color difference between two L*a*b* colors in Prolog

color_1([69.5, 43.6, -1.8]).
color_2([70.2, 37.9, 1.6]).

extract_lab([L, A, B], L, A, B).

compute_delta_e :-
	color_1(C1),
	color_2(C2),
	extract_lab(C1, L1, A1, B1),
	extract_lab(C2, L2, A2, B2),
	ciede_2000(L1, A1, B1, L2, A2, B2, DeltaE),
	format('Delta E 2000 = ~10f~n', [DeltaE]).

% .................................................. This shows a ΔE2000 of 2.8044781137
% As explained in the comments, compliance with Gaurav Sharma would display 2.8044649638

Résultats des tests

Le driver écrit en langage C99, doté de 250 tests statiques précis, a prouvé que cette fonction Prolog est interopérable avec la fonction CIEDE2000 mise à disposition dans les autres langages de programmation.

CIEDE2000 Verification Summary :
  First Verified Line : 27,-123,101,44,-30,122,29.98937281745311
             Duration : 254.09 s
            Successes : 10000000
               Errors : 0
      Average Delta E : 63.2072
    Average Deviation : 5.0e-15
    Maximum Deviation : 1.1e-13

Fichiers à télécharger

Utilisez librement ces fichiers mis à disposition par Michel, même à des fins commerciales.

Communauté

Que pensez-vous de ce code source ou de CIEDE2000 ? Votre avis nous intéresse ! Ce site web spécialisé comporte un livre d’or qui inclut déjà 9 messages dont 1 en français. Faites-y un tour et partagez votre avis.