Színek és Színterek Szabó Zsolt szabo.zsolt@nik.uni-obuda.hu http://nik.uni-obuda.hu/szabozs/

Az előadások a következő témára: "Színek és Színterek Szabó Zsolt szabo.zsolt@nik.uni-obuda.hu http://nik.uni-obuda.hu/szabozs/"— Előadás másolata:

1 Színek és Színterek Szabó Zsolt

2 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 szabo.zsolt@nik.bmf.hu
Fénytan Fény = elektromágneses sugárzás IR-t nem latjuk, de jo lehet Színek és színterek

4 Színek és színterek szabo.zsolt@nik.bmf.hu
A fény mint hullám Teljesen tiszta (monokromatikus) szín nincs Színek és színterek

5 Színek és színterek szabo.zsolt@nik.bmf.hu
A fény mint hullám A valóságban mi nem az objektum színét érzékeljük Érzékelt szín = megvilágítás * eredeti szín Halistennek napfeny = egyenletes megvilagitas, majd kesobb errol is lesz szo Színek és színterek

6 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

7 Színek és színterek szabo.zsolt@nik.bmf.hu

8 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 szabo.zsolt@nik.bmf.hu
IR hasznalhatosaga Színek és színterek

10 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

11 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

12 Színek és színterek szabo.zsolt@nik.bmf.hu
Bispectrometer Színek és színterek

13 Spektrális képfeldolgozás

14 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

15 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 szabo.zsolt@nik.bmf.hu
Az emberi látás Retina: Csapok (cones, szín, "photopic vision") Pálcikák (rods, intenz., "scotopic vision") Színek és színterek

17 Színek és színterek szabo.zsolt@nik.bmf.hu
Az emberi látás Retina közepén: fovea, színlátás-központ Színek és színterek

18 Csapok és Pálcikák

19 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 szabo.zsolt@nik.bmf.hu
Az emberi látás Kevesebb kék színre érzékeny csap van S, M, L csapok érzékenységi görbéi: Színek és színterek

21 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

23

24

25

26

27 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

28 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 Additív és szubtraktív színkeverés
Színek és színterek

30

31 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 (A fovea színérzékeléshez igazított szög)
Az emberi látás CIE ° (A fovea színérzékeléshez igazított szög)

33 Az emberi látás Stiles-Burch ° CIE °

34 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 RGB  sRGB

36 „Colorimetry” – „Colorimétrie”
„Színmérés” Az emberi szem C1 és C2 színek között lát valamilyen ΔC különbséget Cél: Olyan színtér keresése, ahol a ΔC látott különbség kapcsolatban van a C1 és C2 színek színtérben számolt különbségével Nagyon sok színtér van, nincs általánosan jó színtér

37 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 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 HSL / HSV

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

42 HSL / HSV Képletek: http://en.wikipedia.org/wiki/HSL_and_HSV
Előnye: "könnyen" transzformálható RGB-ből, kevés számítással megvilágítástól függetlenné tudjuk tenni a színdetektációt Hátránya: nincsenek megvilágítási konstansok, a színtávolságoknál továbbra sincs korreláció

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

44 Színek és színterek szabo.zsolt@nik.bmf.hu
xyY színtér Normalizált XYZ (z=1-x-y):  xy + Y Színek és színterek

45 Színek és színterek szabo.zsolt@nik.bmf.hu
xyY színtér Színek és színterek

46 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

47 MINDEN SZÍN ELŐÁLLÍTHATÓ
Színek és színterek

48 Megvilágítások

49 Megvilágítások és színterek

50 Megvilágítások

51 Színek és színterek szabo.zsolt@nik.bmf.hu
Megvilágítások Színek és színterek

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

54

55 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 CIELAB (RGB részek)

57 Színek és színterek szabo.zsolt@nik.bmf.hu
CIELAB Színek és színterek

58 Színek és színterek szabo.zsolt@nik.bmf.hu
CIELAB Színek és színterek

59 CIELAB "Lines of constant NCS hue and chroma"

60 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 szabo.zsolt@nik.bmf.hu
Színek és színterek

62 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

63 CIELUV Jelenleg a leginkább uniform általános színtér

64 Színek és színterek szabo.zsolt@nik.bmf.hu
CIELUV Színek és színterek

65 Színek és színterek szabo.zsolt@nik.bmf.hu
CIELUV Színek és színterek

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

68 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 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 szabo.zsolt@nik.bmf.hu
Színek és színterek

71 Színek és színterek szabo.zsolt@nik.bmf.hu

72 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 szabo.zsolt@nik.bmf.hu
Színek és színterek

74 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 szabo.zsolt@nik.bmf.hu
COLORCHECKER1.JPG Színek és színterek

76 Színek és színterek szabo.zsolt@nik.bmf.hu
RGB Színtér 3D visualization => 3D color space => Visualization => Get Image From Viewer Színek és színterek

77 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 szabo.zsolt@nik.bmf.hu
HSV Színtér Legördülő menüből HSV => 3D visualization => 3D color space => Visualization => Get Image From Viewer Színek és színterek

79 Színek és színterek szabo.zsolt@nik.bmf.hu
HSV Hisztogram Legördülő menüből HSV => 3D visualization => 3D historgram => Visualization => Get Image From Viewer Színek és színterek

80 ROI: Selection/Rectangle
Színek és színterek

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

82 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 Színek és színterek

83 Színek és színterek szabo.zsolt@nik.bmf.hu
COLORCHECKER2.JPG Színek és színterek

84 RGB Színtér

85 RGB Hisztogram

86 HSV Hisztogram

87 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 szabo.zsolt@nik.bmf.hu
LABDA_REFL.JPG Színek és színterek

89 RGB Színtér

90 RGB Hisztogram

91 VIZ_KEP.JPG

92 RGB Színtér

93 RGB Hisztogram

94 HSV Hisztogram

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

96 RGB Színtér

97 RGB Hisztogram

98 HSV Hisztogram

99 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 szabo.zsolt@nik.bmf.hu
Megvilágítások A Normál „Tungsten” lámpa D50 Világos „Tungsten” lámpa / túlfeszültségen B Közvetlen napfény D55 Felhős nappali fény E Normalizált referencia világítás D65 Nappali fény C Átlagos napsütés D9300 Régi rosszminőségű CRT monitor Színek és színterek

101 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 LENNA.TIF

103 RGB Színtér + PCA

104 RGB Hisztogram + Főkomponens

105 Dekorrelált színtér Az RGB színtér elemei nem függetlenek egymástól, korreláltak PCA segítségével koordináta-transzformáció: RGB  x1 x2 x3 x1 x2 x3 nem korreláltak, x1 általában a megvilágítás tengelye, ezt forgatjuk be a szürkeségi átlóra x3 általában elhanyagolható

106 Színek és színterek szabo.zsolt@nik.bmf.hu
Színek és színterek

107 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 Emlékeztetőül: colorchecker2.jpg
Színek és színterek

109 XYZ színtér, „E” megvilágítás
Színek és színterek

110 XYZ színtér, „A” megvilágítás
Színek és színterek

111 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 szabo.zsolt@nik.bmf.hu
Hibrid színterek Színek és színterek

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

115 Köszönöm a figyelmet!