Afsløring af mesterværkers sande farver

Forbedringer af billedbehandlingsteknologier til farvelægning af sort-hvide billeder hjælper kuratorer med at forstå de farver, som den franske kunstner Henri Matisse brugte på hans skelsættende værk Badende ved en flod – mens maleriet stadig var i gang

Shades of Matisse: For at finde ud af, hvordan Badere ved en flod så ud i 1913 - fire år før Matisse var færdig - digitaliserede kuratorer og dataloger et sort-hvidt foto fra tiden (øverst) og farvelagde det derefter (i midten). Det færdige maleri (nederst) er vist, som det fremstår i dag.

De tricks, som kuratorer anvender, kunne være mere relevante for andre farvelægningsapplikationer, hvor det ikke er indlysende, hvad farverne skal være i et sort-hvidt billede af et kunstværk, eller i tilfælde, hvor subtile forskelle er vigtige og bør fremhæves, såsom på medicinske billeder.

Forskere ved Northwestern University brugte information om Matisses tidligere værker samt farveinformation fra testprøver af selve værket for at hjælpe med at farvelægge et sort-hvidt foto fra 1913 af det igangværende arbejde. Matisse begyndte at arbejde på Badende i 1909 og afslørede maleriet i 1917.

På den måde lærte de, hvordan arbejdet så ud midtvejs i dets færdiggørelse. Matisse tæskede tidligere lag af lyserøde, grønne og blå farver ned til en dyster palet af plettede gråtoner med nogle lyserøde og grønne farver, siger Sotirios A. Tsaftaris, professor i elektroteknik og datalogi ved Northwestern. Denne indsigt hjælper med at understøtte forskningen i, at Matisse begyndte arbejdet som et optimistisk pastoralt stykke, men ændrede det for at afspejle den alvorligere nationale stemning, som 1. Verdenskrig gav anledning til.

Processen var mere kompleks end de metoder, der rutinemæssigt blev brugt til at farvelægge gamle film og familiefotografier. I den slags applikationer er baggrunde som himmel, tøj og hudtoner mere homogene og dermed nemmere at ekstrapolere, siger Tsaftaris. Farven på en hel himmel kan bestemmes ud fra en relativt lille batch af pixeldata, sagde han. Det er langt sværere i et sort-hvidt billede af et stykke farvekunst, fordi maleren arbejder ud fra en meget unik farvepalet, der er helt speciel for ham, som han ser i sit sind, tilføjer Aggelos Katsaggelos, professor i elektrisk ingeniør og datalogi på Northwestern, som samarbejdede med Tsaftaris.

Forskerne lavede en højopløselig digital version af fotografiet fra 1913 til at arbejde ud fra. Selve fotografiet indeholdt afgørende spor til farver og deres mætningsniveauer. Men for at tegne et mere komplet billede havde forskerne og deres samarbejdspartnere brug for flere data.

De tog flere digitale billeder af Badende i sin nuværende form, går kvadrant for kvadrant for at opnå en opløsning på 4.000 x 5.000 pixels. Endelig inkluderede de oplysninger fra historiske beretninger om, hvordan maleriet så ud i 1909 og igen i 1913, idet de trak på forskning fra kuratorer ved Art Institute of Chicago.

Til sidst brugte de nogle prøvedata fra deres samarbejdspartnere på Art Institute of Chicago: tværsnit af de skjulte malingslag på Badende , opnået ved at fjerne mikroskopiske kerneprøver af maleriet til spektroskopisk analyse.

De anvendte alle disse oplysninger for at hjælpe med at farvelægge fotografiet, taget af fotograf Eugene Druet i november 1913.

Og da alle datakilderne blev kombineret, gav det forskerne mulighed for at overføre farver til deres digitale foto af det gamle foto. Algoritmens opgave på det tidspunkt var at udbrede de overførte farver på tværs af hele det digitale foto, pixel for pixel, for at genfinde noget af maleriets udseende fra 1913.

Denne forskning er et glimrende eksempel på kollaborativ forskning mellem datalogi, kunstbevaring og kunsthistorie, siger Roy S. Berns, kemiker og farveforsker ved Rochester Institute of Technology. Historikerne bringer deres kendskab til kunstneren og deres oeuvre. Konservatorerne bidrager med deres viden om kunstnerens materialer og kunstnerens arbejdsmetode. Datalogerne faciliterer visualiseringen på en fysisk realistisk måde. Fordi de fysiske data er sparsomme, er samarbejde påkrævet for at sikre, at resultatet er plausibelt.

Indsatsen tog tre år, og forskerne og konservatorerne siger, at de holdt deres resultater tilbage, indtil de nåede et 95 procents konfidensniveau for det farvelagte billede.

Algoritmen kan justeres til at fungere med andre lignende situationer og andre kunstnere. Mens denne algoritme blev tilpasset til at arbejde på malerier og på Matisses særlige stil, sagde Tsaftaris, kan vi slå nogle muligheder fra, og den virker også på andre malerier.

Tsaftaris ser fremtidige anvendelser af tilpasset farvelægning, især inden for det medicinske område. Forskerne overvejer at bruge deres nye metoder til at pseudo-farve gråtonekardiale magnetiske resonansbilleder (MRI) for at gøre det lettere for læger at læse, analysere og stille en diagnose. I dette tilfælde kan de bruge stikord hentet fra farvebilleder af syge hjerter, for eksempel for at informere deres arbejde om, hvordan man korrekt farvelægger sort-hvide MR-billeder for at få de mest relevante forskelle frem.

skjule