Christian Greim

• Genormte Farbordnungssysteme wie CIE-Yxy, CIE-Lab bis hin zu CIECAM02 haben das Problem, dass Farbabstände, die von Menschen als gleich wahrgenommen werden, in ihren Zahlwerten um Faktoren größer 4 voneinander abweichen. Das wäre so, als wollte man Längendifferenzen mit Linealen bestimmen, deren Abstände auf der Skala zwischen 1 und 4 cm oder stärker willkürlich variieren. Farbdifferenzen lassen sich also nach momentanem Stand der Normen nur sehr grob zahlenmäßig beschreiben. Um hier einen substantiellen Fortschritt zu erzielen, werden die grundlegenden Arbeiten von Wright aus dem Jahr 1931 und von MacAdam aus dem Jahr 1942, im Licht neuerer Erkenntnisse detailliert kritisch gewürdigt. Trotz der aufgezeigten Kritik wird unter der Annahme, dass die Untersuchungen von MacAdam ideal seien, versucht, ein gleichabständiges Farbsystem analog zu CIE-Lab zu finden. Hierzu wird das Farbsehen als neuronales Netz aufgefasst und beschrieben. Danach lassen sich Verfahren des Deep Learning, insbesondere die Backpropagation anwenden. Die neuronal gewonnenen sinnvollen Ergebnisse erinnern stark an diejenigen, die auf herkömmlichem Weg bereits vor über 60 Jahren gewonnen wurden, was ein starker Hinweis auf die Sinnhaftigkeit des Verfahrens ist. Damit wird ein Weg skizziert, wie mittels großer, sorgfältig gemessener Datensätze von Farbdifferenzen sich Farbsysteme finden lassen sollten, mit denen sich Farbdifferenzen besser beschreiben lassen, als mit den Formeln in den aktuellen Normen.