Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Színek és Színterek Szabó Zsolt

Hasonló előadás


Az előadások a következő témára: "Színek és Színterek Szabó Zsolt"— Előadás másolata:

1 Színek és Színterek Szabó Zsolt

2 2/116 Óravázlat Fény és szín mint elektromágneses hullám Emberi látás CIE RGB, HSV/HSL CIE XYZ CIE LAB, CIE LUV, CIE CAM Colorspace gyakorlatok: –Szegmentáció –Közvetett és közvetlen visszaverődés –Megvilágítástól való függetlenítés

3 Színek és színterek 3/116 Fénytan Fény = elektromágneses sugárzás

4 Színek és színterek 4/116 A fény mint hullám Teljesen tiszta (monokromatikus) szín nincs

5 Színek és színterek 5/116 A fény mint hullám A valóságban mi nem az objektum színét érzékeljük Érzékelt szín = megvilágítás * eredeti szín

6 Színek és színterek 6/116

7 Színek és színterek 7/116

8 8/116 A valóság reprezentációja Legjobb: minden egyes ponthoz egy-egy hullám  Spektrális képek, hullámhossz- intenzitások Előny: a valóság pontos mása Kezdetben katonai felhasználás: "camouflage" észlelése, csak 7 csatorna Az újabb (ipari célú) felhasználásoknál 40 részre osztották fel a látható tartományt

9 Színek és színterek 9/116

10 Színek és színterek 10/116

11 Színek és színterek 11/116

12 Színek és színterek 12/116 Bispectrometer

13 13/116 Spektrális képfeldolgozás

14 Színek és színterek 14/116

15 15/116 Spektrális képek Multi-spectral vs. Hyperspectral vs. Full spectral – az érzékenység (és a tárigény) növelése (AVIRIS: 224 részre osztott) Hátrány: –Informatika: nehézkes feldolgozás, nagyon nagy méret (BMP kép sokszorosa) 2000x3000x13 képek realtime feldolgozása a GPU használatával –Biológia: Sok fajta receptor kéne (a különféle hullámhosszokra)

16 Színek és színterek 16/116 Az emberi látás Retina: –Csapok (cones, szín, "photopic vision") –Pálcikák (rods, intenz., "scotopic vision")

17 Színek és színterek 17/116 Az emberi látás Retina közepén: fovea, színlátás-központ

18 18/116 Csapok és Pálcikák

19 19/116 Az emberi látás Cél: a valós hullámhossz érzékelése Ehhez nincs szükség arra, hogy minden hullámhosszhoz legyen egy-egy külön receptor, csak három fajta csap van: –L, legérzékenyebb a vörösre (610 nm) –M, legérzékenyebb a zöldre (560 nm) –S, legérzékenyebb a kékre (430 nm)

20 Színek és színterek 20/116 Az emberi látás Kevesebb kék színre érzékeny csap van S, M, L csapok érzékenységi görbéi:

21 21/116 RGB látás A csapok az érzékeny hullámhossz esetén megfelelő ingerületet juttatnak el az agyba A látott képet az agy állítja össze A látott kép nem mindig tökéletes! Az agyunk ezt javítja: vetett árnyék és szín közös hatása, a színen van a hangsúly Az agyi korrekció becsapható, a számítógép nem

22 22/116

23 23/116

24 24/116

25 25/116

26 26/116

27 Színek és színterek 27/116

28 28/116 Szín-reprezentáció Korai kutatás, a számítástechnikához ekkor még nem volt köze Cél: az emberi látás numerikus reprezentációja –A látható színek pontos definíciója –Az egyes színek „különbségének” megállapítása (két szín között a numerikus különbség az emberek által látott különbség legyen!) Első kutatások a szem működésének megfelelő R+G+B additív színtérben: RGB kocka, CIERGB színtér: 1931

29 Színek és színterek 29/116 Additív és szubtraktív színkeverés

30 30/116

31 31/116 Az emberi látás Mérés elve: fix mérőszín, és hasonlító szín, amit RGB komponensekből kell összerakni [700 nm (R), nm (G), nm (B)] Probléma: a mérőszínt nem mindig lehetett összeállítani a referencia RGB komponensek segítségével, ekkor a mérőszínhez kellett adni valamelyik komponensből (tipikusan R) Ez a mérésben mint negatív színérték szerepel RGB keveréssel nem állítható össze minden, az ember által látható szín

32 32/116 Az emberi látás CIE ° (A fovea színérzékeléshez igazított szög)

33 33/116 Az emberi látás Stiles-Burch °CIE °

34 34/116 CIE RGB A negatív R nehezen értelmezhető Ami nekünk hasonló, az a számítógépnek nem feltétlenül az!! ∆ x = „Hasonló” = ? Az RGB kockában nem szerepel minden szín

35 35/116 RGB  sRGB

36 36/116 „Colorimetry” – „Colorimétrie” „Színmérés” Az emberi szem C 1 és C 2 színek között lát valamilyen ΔC különbséget Cél: Olyan színtér keresése, ahol a ΔC látott különbség kapcsolatban van a C 1 és C 2 színek színtérben számolt különbségével Nagyon sok színtér van, nincs általánosan jó színtér

37 37/116 ELVÁRÁSOK Egy olyan specifikáció, amely minden fényű/felszínű/színű észlelést alapvető tulajdonságokra bont le ("elsődleges" színek/attribútumok, legyen az akár a három alapszín, akár más megkülönböztethető érték) Legyen benne geometriai alap, amelyben a színek érzékelése közti relációkat tükrözik az alapvető tulajdonságok közti relációk Legyen benne minden egyes színre egyedi színazonosító (az alapvető tulajdonságok számszerű értékei) Legyen benne fizikai példa, amellyel a megmért szín újra előállítható szabványos környezetben, szabványos megvilágítás használatával

38 38/116 Színterek Különféle színreprezentációs módszerek RGB, sRGB: „kocka”, számítógép-monitor HSV: „henger” (H = aktuális szín S = színtelítettség, V = fényesség) YUV: Y=szürkeskálás kép, UV=eltérések (~YCrCb, nem ugyanaz: XYZ, L*a*b* [CIELAB], L*u*v* [CIELUB] Csak az XYZ és leszármazottai (CIE LAB, CIE LUV) tartalmazzák az összes, ember számára látható színt CIE CAM: Nem színtér, hanem színmodell!

39 39/116 HSL / HSV

40 40/116 HSL / HSV CSS3 szabvány (W3C): A HSL fényességre és sötétségre szimmetrikus [vagyis: az L szimmetrikus (fekete  szín  fehér), a V nem az (fekete  szín)]

41 41/116 HSL / HSV A HSV talán jobban ismert elnevezés Az összes nagyobb szoftver HSL- t (is) használ Kivétel: Apple, Xara Xtreme, Paint.NET

42 42/116 HSL / HSV Képletek: Előnye: "könnyen" transzformálható RGB- ből, kevés számítással megvilágítástól függetlenné tudjuk tenni a színdetektációt Hátránya: nincsenek megvilágítási konstansok, a színtávolságoknál továbbra sincs korreláció

43 43/116 XYZ színtér Cél a színtér-távolság és a látott színkülönbség megegyezése RGB színtérből egyszerű transzformációval:

44 Színek és színterek 44/116 xyY színtér Normalizált XYZ (z=1-x-y):  xy + Y

45 Színek és színterek 45/116 xyY színtér

46 Színek és színterek 46/116

47 Színek és színterek 47/116 MINDEN SZÍN ELŐÁLLÍTHATÓ

48 48/116 Megvilágítások

49 49/116 Megvilágítások és színterek

50 50/116 Megvilágítások

51 Színek és színterek 51/116 Megvilágítások

52 52/116 xyY színtér MacAdam ellipszisek –Egy színtéren belüli homogén területek: –Az egy ellipszisen belüli színeket az emberi látás nem tudja megkülönböztetni –Probléma: az ellipszisek mérete a színtérben nem ugyanakkora  az xyY színtér sem tökéletes

53 53/116 xyY színtér Probléma: Az XYZ színtér, bár sokkal jobb, mint az RGB, de még mindig nem felel meg az előzetesen támasztott elvárásoknak!!

54 54/116

55 55/116 UNIFORM SZÍNTÉR Optical Society of America: Teljesen uniform, háromdimenziós, pszichometrikus és geometriai alapokkal rendelkező színteret NEM LEHET létrehozni A színérzékelés képletté alakítása helyett a MacAdam-féle kutatásokban említett ellipszisek uniformizálása a cél  CIELAB, CIELUV

56 56/116 CIELAB (RGB részek)

57 Színek és színterek 57/116 CIELAB

58 Színek és színterek 58/116 CIELAB

59 /116 CIELAB "Lines of constant NCS hue and chroma"

60 60/116 NCS / CIE CIE: Fizikai megközelítés – A szín mérhető! NCS: Natural Color System, Svéd eredetű, logikai és filozófiai/művészeti megközelítés: A szín egy "élmény", és ezekhez rendelünk szavakat Könnyen leírható színek  

61 Színek és színterek 61/116

62 Színek és színterek 62/116

63 /116 CIELUV Jelenleg a leginkább uniform általános színtér

64 Színek és színterek 64/116 CIELUV

65 Színek és színterek 65/116 CIELUV

66 66/116 CAM NCS javaslat CIEXYZ, CIELAB, CIELUV: "Uniform color spaces" CAM: "Color appearance model" Egy szín leírására az XYZ többé-kevésbé megfelelő, de a színérzékelésben a színek összhatása is szerepet játszik!

67 67/116 CAM 1980 óta kutatják, 1994 (Hunt), 1995(Nayatani) CIECAM96, 97s CIECAM02: Windows Vista színrendszere Stimulus, Proximal: 2°, Background: 10°

68 68/116 CIE CAM Az előző modellek csak abszolút szinteket mértek: Brightness, colorfulness, hue Ez a modell relatív szinteket is: lightness, chroma, saturation, hue Kiszűri és/vagy megjósolhatóvá teszi az emberi szem szín-adaptációját

69 69/116 CIECAM02 Színmeghatározáshoz: az érzékelt szín, a "white point" (computational vs. observer), a háttér (background és surround) és a megvilágítás kell (utóbbi elhagyható) Ezekből épít fel egy modellt Az "érzékelt szín" CIE XYZ színtérben van! Jelenleg is kutatás alatt álló terület

70 Színek és színterek 70/116

71 Színek és színterek 71/116

72 72/116 Színterek - összegzés Nincs tökéletes színtér, a használni kívánt színteret a felhasználás határozza meg Újság, Magazin, Sajtó: CMY Mozi, Filmek: Filmhez beállított RGB Webdesign: sRGB Objektum- és színfelismerés: HSV vagy megvilágítással kalibrált XYZ

73 Színek és színterek 73/116

74 74/116 ColorSpace Jean Monnet egyetem, St. Étienne, LIGIV File/Open Selection: ROI kijelölése Color/Color Spaces –2D Visualization  Adott színtérben a kép –3D Visualization  Színtér / Hisztogram 1. Problémakör: Szín alapú műveleteknél

75 Színek és színterek 75/116 COLORCHECKER1.JPG

76 Színek és színterek 76/116 RGB Színtér 3D visualization => 3D color space => Visualization => Get Image From Viewer

77 77/116 RGB Hisztogram 3D visualization => 3D historgram => Visualization => Get Image From Viewer Visualization / Colors properties : Offset: mindegyik gömbre Scale: csak a nagyobbakra

78 Színek és színterek 78/116 HSV Színtér Legördülő menüből HSV => 3D visualization => 3D color space => Visualization => Get Image From Viewer

79 Színek és színterek 79/116 HSV Hisztogram Legördülő menüből HSV => 3D visualization => 3D historgram => Visualization => Get Image From Viewer

80 Színek és színterek 80/116 ROI: Selection/Rectangle

81 Színek és színterek 81/116 RGB Színtávolság ROI val 3D visualization => 3D color space => Visualization=> Get Image From Selection

82 Színek és színterek 82/116 HSV Színtávolság ROI val ROI meghatározása: Selection/Rectangle, majd egérrel a 2. oszlop első két elemét Legördülő menüből HSV => 3D visualization => 3D color space => Visualization=> Get Image From Selection

83 Színek és színterek 83/116 COLORCHECKER2.JPG

84 84/116 RGB Színtér

85 85/116 RGB Hisztogram

86 86/116 HSV Hisztogram

87 87/116 Probléma #2 Rajtunk kívülálló zavaró tényezők: gyenge fényképezőgép, távolság, kis képméret Visszaverődés: Közvetlen és szórt A szórt visszaverődés az objektum A közvetlen a vaku, a nap, a lámpa, etc A közvetlen visszaverődés rontja a szegmentációt, a visszaverődés is felismerhető külön objektumként

88 Színek és színterek 88/116 LABDA_REFL.JPG

89 89/116 RGB Színtér

90 90/116 RGB Hisztogram

91 91/116 VIZ_KEP.JPG

92 92/116 RGB Színtér

93 93/116 RGB Hisztogram

94 94/116 HSV Hisztogram

95 95/116 CSOMO.JPG Selection/Pen  ROI csak az objektum

96 96/116 RGB Színtér

97 97/116 RGB Hisztogram

98 98/116 HSV Hisztogram

99 99/116 Probléma #3 Amit az emberi szem vagy a fényképezőgép lát, az NEM az objektum színe, Hanem az objektum színe és a megvilágítás színe összeadva CIE által kidolgozott különböző megvilágítási konstansokat használunk Ezek az egyes hullámhosszokra meghatározott megvilágítási erősségek

100 Színek és színterek 100/116 Megvilágítások ANormál „Tungsten” lámpa D50Világos „Tungsten” lámpa / túlfeszültségen BKözvetlen napfény D55Felhős nappali fény ENormalizált referencia világítás D65Nappali fény CÁtlagos napsütés D9300Régi rosszminőségű CRT monitor

101 101/116 Megvilágítások Korrekciós lehetőségek: –RGB színtér-transzformáció a hisztogram-főkomponens alapján (PCA) Referencia-képekkel való összehasonlítást könnyítheti Dekorrelált színtér képezhető –Megvilágítási konstansokkal rendelkező színtér használata (XYZ, LAB, LUV)

102 102/116 LENNA.TIF

103 103/116 RGB Színtér + PCA

104 104/116 RGB Hisztogram + Főkomponens

105 105/116 Dekorrelált színtér Az RGB színtér elemei nem függetlenek egymástól, korreláltak PCA segítségével koordináta- transzformáció: RGB  x 1 x 2 x 3 x 1 x 2 x 3 nem korreláltak, x 1 általában a megvilágítás tengelye, ezt forgatjuk be a szürkeségi átlóra x 3 általában elhanyagolható

106 Színek és színterek 106/116

107 107/116 XYZ színtér „Az emberi színérzékeléshez legközelebbi színtér” „CIE 1931Standard Observer” Megvilágítás-különbségek megjelenítésére alkalmas ColorSpace-ben ez Color / Color Spaces / Színtér és megvilágítás kiválasztása / 2D visualization / Image

108 Színek és színterek 108/116 Emlékeztetőül: colorchecker2.jpg

109 Színek és színterek 109/116 XYZ színtér, „E” megvilágítás

110 Színek és színterek 110/116 XYZ színtér, „A” megvilágítás

111 111/116 Hibrid színterek Color / Decorrelated Hybrid Color Spaces Speciális alkalmazásokhoz szükséges kombinált színtereket lehet létrehozni Eléggé számításigényes lehet, mert néha a használt színterek több komponensét is ki kell számolni Bizonyos esetekben jó eredménnyel működhet, sok tesztelés kell

112 Színek és színterek 112/116 Hibrid színterek

113 113/116 Befejezésül… NINCS TÖKÉLETES SZÍNTÉR!!! Minden feladathoz, minden alkalmazáshoz gondosan ki kell választani a legjobb színteret A megvilágítás pontos érzékelése/mérése nehéz, és ez mindent befolyásol  A színekkel nem egyszerű dolgozni…

114 114/116 Irodalomjegyzék IPCV’04 Saint-Etienne IPCV'06 Budapest IPCV’08 Joensuu (  IPCV’10 Koblenz!) UJM LIGIV, Saint-Etienne, Alain Tremau Colorspace:

115 115/116 Köszönöm a figyelmet!


Letölteni ppt "Színek és Színterek Szabó Zsolt"

Hasonló előadás


Google Hirdetések