你是否想过，为什么同一张照片在手机、电脑和打印机上看起来颜色不一样？为什么在阳光下鲜艳的红色，到了室内却变得暗淡？这背后，隐藏着一个让科学家和工程师困扰了数十年的问题：我们究竟需要多少种色彩外观模型，才能精准描述人类眼中的颜色？
色彩外观模型：不只是“颜色”那么简单
要回答这个问题，首先要理解什么是“色彩外观模型”。简单来说，它是一种数学模型，用于预测人类在不同光照、背景、环境等条件下所感知到的颜色。与普通的色度学（如RGB或CMYK）不同，色彩外观模型不仅要描述颜色的物理属性（如波长和强度），更要模拟人眼的适应机制、视觉对比度、以及大脑对颜色的认知加工。
打个比方：色度学是“客观”的尺子，告诉你这个物体反射了多少红光；而色彩外观模型则是“主观”的翻译器，告诉你“人看起来会觉得它是什么颜色”。正因为人的视觉系统极其复杂——会随光线变化自动调节白平衡、会因周围颜色产生对比错觉——科学家们不得不不断迭代这些模型。
从CIELAB到CIECAM02：一场持续半世纪的“色彩校准”
最早的尝试可以追溯到1976年，国际照明委员会（CIE）推出了CIELAB模型。它虽然不完全是严格意义上的色彩外观模型（因为它没有考虑光照变化对颜色感知的影响），但已能描述颜色在均匀颜色空间中的差异，至今仍被广泛用于印刷和工业色差检测。
真正的突破发生在1990年代。1997年，CIE发布了CIECAM97s，这是第一个被国际公认的完整色彩外观模型。它引入了色适应变换、亮度级联等机制，能够预测不同光源下颜色的偏移。但该模型在极端条件下（如高亮度或低亮度）存在缺陷，因此在2002年，其升级版CIECAM02问世。CIECAM02成为此后近二十年的行业标准，被广泛应用于图像处理、显示器校准和摄影后期。
然而，CIECAM02并非完美。2016年，科学家发现它在某些特定条件下会出现“数学不稳定性”——比如当颜色饱和度极高时，模型预测会失效。于是，CAM16应运而生。CAM16在保持CIECAM02核心优势的同时，修复了其数学缺陷，目前已成为国际标准化组织（ISO）的推荐模型。
到底有多少种模型？一个没有确切答案的问题
回到标题的核心问题：“有多少种色彩外观模型存在？”——答案远比想象中复杂。
如果只算有国际标准或广泛学术认可的模型，主流大约有10种左右，包括CIELAB、CIELUV、CIECAM97s、CIECAM02、CAM16、LLAB、RLAB、Nayatani模型、Hunt模型以及更早期的Helmholtz-Kohlrausch模型等。但如果把工业界自建、学术界提出但未大规模应用的模型也算进去，数字可能超过50种。
更关键的是，这个数字本身没有固定答案——因为色彩科学仍在发展中。随着高动态范围（HDR）显示、宽色域、AR/VR设备的普及，现有模型已难以满足需求。例如，传统模型基于“标准观察者”假设，但真实人眼在不同年龄、不同种族间存在显著差异；此外，模型对闪烁光、动态场景的预测力还很薄弱。2023年，CIE已启动新的CIE 2022色彩适应变换（CAT）研究，旨在构建下一代模型。
为什么我们需要这么多模型？
一个看似简单的问题背后，是科学与工程的深度博弈。每种模型都有其适用场景和精度取舍：CIECAM02在印刷行业表现优秀，但在LED屏幕高亮度环境下经常“失准”；CAM16解决了数学问题，但对异色视锥细胞（色盲）人群的模拟仍显不足；而工业界有时干脆绕过标准模型，自行开发封闭算法以匹配特定硬件。
更形象地说，色彩外观模型就像一张张不同精度的地图——有的适合开车导航（快速但粗略），有的适合徒步探险（精确但复杂）。没有一张地图能覆盖所有地形，同样也没有一种模型能完美描述所有视觉环境。
未来：走向个性化与动态化
当前，研究人员正尝试将AI与色彩模型结合，用深度学习直接从图像中学习色彩外观映射，这或可大幅减少对固定数学模型的依赖。同时，针对个体视觉差异的“个性化色彩模型”也在兴起——通过测量你的瞳孔反应和色觉灵敏度，手机屏幕可以自动为你“定制”色彩显示。
回到最初的问题——色彩外观模型到底有多少种？或许更恰当的答案是：只要人类对色彩的认知还在进化，新模型就永远不会停止出现。 而我们有理由相信，在RGB和CMYK之外，那抹属于未来的“标准色”，正在某个实验室里悄然成型。
（全文约980字）