Обработка цветных изображений

Обработка цветных изображений Определение цвета Качественная субъективная характеристика электромагнитного излучения оптического диапазона, определяемая на основании возникающего физиологического зрительного ощущения и зависящая от ряда физических, физиологических и психологических факторов. Восприятие цвета определяется индивидуальностью человека, а также спектральным составом, цветовым и яркостным контрастом с окружающими источниками света, а также несветящимися объектами. Основы теории цвета Видимый свет составляет относительно узкую часть всего диапазона длин волн электромагнитного спектра. Тело, которое равномерно отражает свет во всем видимом диапазоне длин волн, выглядит для наблюдателя как белое. Однако тело, которое отражает свет преимущественно в некотором ограниченном диапазоне видимого спектра, приобретает некоторый цвет. Основы теории цвета Хроматический (окрашенный) свет охватывает диапазон электромагнитного спектра приблизительно от 400 нм до 700 нм. Хроматические источники света характеризуются тремя основными величинами: потоком лучистой энергии, световым потоком и светлотой. Основы теории цвета Поток лучистой энергии, обычно измеряемый в ваттах (вт), — это общее количество энергии, излучаемой источником света в единицу времени. Световой поток, измеряемый в люменах (лм), — это поток лучистой энергии, оцениваемой по зрительному ощущению. Светлота - субъективная характеристика. Она отражает уровень зрительного ощущения, производимого интенсивностью (т.е. световым потоком), и является одним из ключевых параметров для описания цветового восприятия. Глаз Рецепторами глаза, отвечающими за восприятие цветов, являются колбочки. Все 6-7 миллионов колбочек человеческого глаза могут быть разделены по их восприимчивости к спектральному составу света на три основные группы, которые приблизительно соответствуют чувствительности к красному, зеленому и синему цветам. Примерно 65% всех колбочек воспринимают красный свет, 33% колбочек воспринимают зеленый свет, и только 2% воспринимают синий цвет (однако эти колбочки являются наиболее чувствительными) Кривые спектральной чувствительности колбочек Человеческий глаз воспринимает цвета как различные сочетания так называемых первичных основных цветов: красного (R), зеленого (G) и синего (В). В 1931 г. Международная комиссия по освещению (МКО). разработала стандартный набор монохроматических первичных основных цветов: синий — с длиной волны 435,8 нм, зеленый — 546,1 нм и красный — 700 нм. Вторичные цвета Первичные основные цвета могут складываться, что дает вторичные основные цвета: пурпурный (красный плюс синий), голубой (зеленый плюс синий) и желтый (красный плюс зеленый). Смешение трех первичных основных цветов, или вторичного основного цвета и противоположного ему первичного, в правильных пропорциях дает белый цвет. Важно различать первичные основные цвета световых источников и первичные основные цвета красителей (светофильтров). В последнем случае первичный основной цвет определяется как цвет красителя, который поглощает, или вычитает, некоторый один первичный основной цвет светового источника и отражает либо пропускает два оставшихся. Поэтому для красителей первичными основными цветами являются пурпурный, голубой и желтый, а вторичными — красный, зеленый и синий. Правильная комбинация трех первичных основных цветов красителей или вторичного основного цвета и противоположного ему первичного дает черный цвет. Параметры различения цветов Яркость(brightness) - характеристика визуального цветовосприятия источника, способного излучать или отражать свет. Иными словами, яркость является субъективным атрибутом восприятия свойств объекта, полученных благодаря яркости освещённой или отражённой мишени. Тон(hue) - характеризует доминирующий цвет, воспринимаемый наблюдателем Насыщенность(saturation) - интенсивность определённого тона, то есть степень визуального отличия хроматического цвета от равного по светлоте ахроматического (серого) цвета. --------Светлота(Lightness) – степень отличия цвета от белого и черного. Если разница между определяемым цветом и черным больше, чем между ним и белым, значит цвет светлый. Если наоборот – темный. Измерение яркости Сочетание цветов Комплиментарное Раздельно-комплиментарное Триада Тетрада https://www.adme.ru/tvorchestvo-dizajn/krutaya-shpargalka-po-sochetaniyu-cvetov-1169610/ Аналогичное Квадрат Цветовая модель Математическая модель описания представления цветов в виде кортежей чисел (обычно из трёх, реже — четырёх значений), называемых цветовыми компонентами или цветовыми координатами. Все возможные значения цветов, задаваемые моделью, определяют цветовое пространство. Цветовая модель задаёт соответствие между воспринимаемыми человеком цветами, хранимыми в памяти, и цветами, формируемыми на устройствах вывода (возможно, при заданных условиях). Напоминание Матрица интенсивности(яркости) Обычно 0 – черный, 255 - белый Цветовая модель RGB В модели RGB (от англ. red – красный, green – зелёный, blue – голубой) все цвета получаются путём смешения трёх базовых (красного, зелёного и синего) цветов в различных пропорциях. Доля каждого базового цвета в итоговом может восприниматься, как координата в соответствующем трёхмерном пространстве, поэтому данную модель часто называют цветовым кубом. Цветное представление Цветовая модель RGB Чаще всего модель строится так, чтобы куб был единичным. Точки, соответствующие базовым цветам, расположены в вершинах куба, лежащих на осях: красный – (1;0;0), зелёный – (0;1;0), синий – (0;0;1). При этом вторичные цвета (полученные смешением двух базовых) расположены в других вершинах куба: голубой — (0;1;1), пурпурный — (1;0;1) и жёлтый – (1;1;0). Цветные изображения в модели RGB строятся из трёх отдельных изображений каналов. Цветное представление Пример набора цветов Цветовые модели CMY и CMYK Субтрактивная модель CMY (от англ. cyan — голубой, magenta — пурпурный, yellow — жёлтый) используется для получения твёрдых копий (печати) изображений, и в некотором роде является антиподом цветового RGBкуба. Если в RGB модели базовые цвета – это цвета источников света, то модель CMY – это модель поглощения цветов. Например, бумага, покрытая жёлтым красителем не отражает синий свет, т.е. можно сказать, что жёлтый краситель вычитает из отражённого белого света синий. Аналогично голубой краситель вычитает из отражённого света красный, а пурпурный краситель вычитает зелёный. Для получения чёрного цвета в модели CMY необходимо смешать голубой, пурпурны й и жёлты й в равны х пропорциях. Этот метод имеет два серьёзны х недостатка: -полученны й в результате смешения чёрны й цвет будет вы глядеть светлее «настоящего» чёрного -это приводит к существенны м затратам красителя. Поэтому на практике модель СMY расширяют до модели CMYK, добавляя к трём цветам чёрны й Преобразование RGB ->CMYK Модель HSI RGB и CMY(K) весьма просты в плане аппаратной реализации, но у них есть один существенный недостаток. Человеку очень тяжело оперировать цветами, заданными в этих моделях, т.к. человек, описывая цвета, пользуется не содержанием в описываемом цвете базовых составляющих, а несколько иными категориями. Чаще всего люди оперируют следующими понятиями: цветовой тон, насыщенность и светлота. При этом, говоря о цветовом тоне, обычно имеют в виду именно цвет. Насыщенность показывает насколько описываемый цвет разбавлен белым (розовый, например, это смесь красного и белого). Понятие светлоты наиболее сложно дляописания, и с некоторыми допущениями под светлотой можно понимать интенсивность света. Модель HSI Если рассмотреть проекцию RGBкуба в направлении диагонали белый-чёрный, то получится шестиугольник. Все серые цвета (лежащие на диагонали куба) при этом проецируются в центральную точку. Чтобы с помощью этой модели можно было закодировать все цвета, доступные в RGB-модели, необходимо добавить вертикальную ось светлоты (или интенсивности) (I). В итоге получается шестигранный конус Тон (H) задаётся углом относительно оси красного цвета. Насы щенность (S) характеризует чистоту цвета (1 означает совершенно чисты й цвет, а 0 соответствует оттенку серого). Тон и насыщенность не определены при нулевой интенсивности. Цветовая модель HSI Цветовая модель HSI очень популярна среди дизайнеров и художников, т.к. в этой системе обеспечивается непосредственный контроль тона, насыщенности и яркости. Эти же свойства делают эту модель очень популярной в системах машинного зрения. Показано изменение изображения при увеличении и уменьшении интенсивности, тона (выполняется поворот на ±50°) и насыщенности. Алгоритм перевода из RGB в HSI RGB изображение и HSI компоненты Модель CIE XYZ С целью унификации была разработана международная стандартная цветовая модель. В результате серии экспериментов международная комиссия по освещению (CIE) определила кривые сложения основных (красного, зелёного и синего с длинами волн 700, 546,1 и 435,8 нм) цветов. В этой системе каждому видимому цвету соответствует определённое соотношение основных цветов. Основная причина создания системы XYZ — облегчение расчётов. Закон Грассмана Закон Грассмана в оптике и колориметрии — эмпирическое наблюдение, что восприятие хроматической составляющей цвета описывается примерно линейным законом. Если выбранный цвет есть комбинация двух монохроматических цветов, тогда значение каждого основного цвета у наблюдателя будет составлять сумму значений основных цветов для каждого из монохроматических цветов, рассматриваемых отдельно друг от друга. Результат смешивания излучения красного цвета с зелёным можно представить как сложение двух векторов с длинами, которые пропорциональны яркости этих излучений. Яркость смеси будет равна длине полученного сложением вектора, а цвет будет зависеть от соотношения яркости используемых излучений. Модель CIE XYZ Кривые удельных координат цвета полученной системы показывают нужное количество трёх основных цветов XYZ для уравнения любого монохроматического излучения мощностью один ватт По оси Х отложены длины волн, а по оси Y — нужные количества трёх излучений необходимые для воспроизведения цвета, вызываемого соответствующей длиной волны. Преобразование CIE XYZ в RGB Модель CIELAB CIE Lab представляет собой улучшенную цветовую модель CIE XYZ. В этой трехмерной модели воспринимаемые человеком цветовые различия зависят от расстояний, с которых производятся колометрические измерения. Ось а проходит от зеленого (-а) до красного (+а), а ось b — от синего (-b) до желтого (+b). Яркость (L) у трехмерной модели возрастает в направлении снизу вверх. Цвета представляются числовыми значениями. По сравнению с цветовой моделью XYZ, цвета CIE Lab более совместимы с цветами, воспринимаемыми глазом человека. В модели CIE Lab цветовая яркость (L), цветовой тон и насыщенность (a, b) могут рассматриваться раздельно. В результате общий цвет изображения можно изменять без изменения самого изображения или его яркости. Преобразование L*a*b* -> XYZ Модель YUV Цвет представляется как 3 компоненты — яркость (Y) и две цветоразностных (U и V). Y = 0,299R + 0,587G + 0,114B; U = 0,492(B - Y) = -0,147R - 0,289G + 0,436B; V = 0,877(R - Y) = 0,615R - 0,515G + 0,100B; Обработка изображений в псевдоцветах Обработка изображения в псевдоцветах подразумевает присвоение цветов пикселям полутонового изображения на основе некоторого определенного правила. Основное применение псевдоцветов — это визуализация и интерпретация человеком той информации, которая содержится в полутоновых изображениях или видеопоследовательностях. Человек способен различать тысячи оттенков цвета и только около двух десятков оттенков серого. Квантование по яркости Метод, основан на проведении плоскостей, параллельных координатной плоскости изображения. Каждая такая плоскость «разрезает» поверхность по области пересечения. f(x, y) = ck если Пример Среднемесячное количество осадков (в дюймах) за трехлетний период Основы обработки цветных изображений 1. Каждая цветовая компонента изображения обрабатывается отдельно, а затем результирующее цветное изображение составляется из компонент. 2. Непосредственная работа с цветными пикселями(векторная обработка). Значение цветного пикселя представляет собой вектор. Постановка задачи g(x, у) = T [f(x,y)] где f(x,y) – цветное изображение g(x, у) – результат преобразования При принятии решения относительно того, в каком цветовом пространстве реализовывать данное преобразование, необходимо учитывать затраты на переход от одного цветового представления в другое. Изменение интенсивности изображения g(x,y)=kf(x,y) k=0,7 Вырезание цветового диапазона Гиперкуб Сфера HSI: s3 = kr3 RGB: si = kri , i =1,2,3 Пример Преобразование вырезает диапазон красных цветов внутри - куба в RGB пространстве W = 0.2549 и с центром (0.683,0.168,0,1922) - Сферы с R = 0.1765 цвет фона (0.5, 0.5, 0.5) Цветовое дополнение Цветовое дополнение полезно для выявления деталей внутри темных областей цветного изображения, особенно когда размеры областей заметно превосходят размеры деталей. Пример (а) Исходное изображение. (б) Функции преобразования цветового дополнения. (в) Цветовое дополнение изображения (а), посчитанное на основе функций преобразования RGB модели. (г) Приближение для RGB изображения цветового преобразования, посчитанное на основе функций преобразования HSI модели. Применение маски Сглаживание цветных изображений HSI компоненты. Цветовой тон. Насыщенность. Интенсивность. RGB изображение. Компоненты изображения: красная, зеленая и синяя Сглаживание изображения с помощью усредняющей маски размерами 5x5. -Результат обработки RGB компонент изображения. -Результат обработки компоненты интенсивности в HSI пространстве с последующим переходом в RGB пространство. -Разность между этими двумя результатами. Повышение резкости цветных изображений с помощью лапласиана - Результат независимой обработки каждой RGB компоненты. - Результат обработки компоненты интенсивности и последующего перехода в RGB пространство. - Разность двух результатов. Сегментация в пространстве HSI Задача: выделение области красноватого оттенка в левой нижней части изображения (1 1) Исходное изображение. (1 2)Цветовой тон. (2 1)Насыщенность. (2 2)Интенсивность. (3 1) Двоичная маска насыщенности (черное соответствует значению 0). (3 2) Произведение изображений (1 2) и ( 3 1). (4 1) Гистограмма значений яркости изображения (3 2). (4 2) Сегментация красной компоненты изображения (1 1). На рис. (3 1) представлена двоичная маска, сформированная в результате применения процедуры порогового разделения к изображению насыщенности, причем величина порога выбиралось равной 10% от максимального значения насыщенности. Любому пикселю, значение насыщенности которого превышало пороговое, присваивалось значение 1 (белое). Всем остальным пикселям было присвоено значение 0 (черное). Полученный результат сегментации далек от идеального: на исходном изображении остались точки, про которые без сомнения можно сказать, что они имеют красноватый оттенок, но которые не были опознаны использованным методом сегментации. Эксперименты, однако, показывают, что области, отмеченные на рис. (4 2) при применении порога белым, представляют собой практически лучший результат по идентификации областей красноватого оттенка, которого можно достичь с помощью рассмотренного метода. Сегментация в пространстве RGB Сегментация является той областью, в которой более хорошие результаты обычно достигаются при работе в цветовом пространстве RGB. Задача-сегментация объектов на RGB изображении, цвет которых лежит в некотором определенном диапазоне. Для некоторой выборки векторов в цветовом пространстве, репрезентативной по отношению к интересующим нас цветам, мы получаем оценку «среднего» цвета, подлежащего выделению. Пусть вектор a RGB пространства обозначает этот средний цвет. Задача сегментации заключается в том, чтобы классифицировать каждый пиксель данного изображения в соответствии с тем, попадает ли его цвет в заданный диапазон или нет. Мера сходства – евклидово расстояние D0 от произвольного вектора z до вектора a Для ускорения обычно не извлекают квадратный корень Сегментация в пространстве RGB Дальнейшее ускорение использование параллелепипеда. По совокупности цветовых векторов, заключенных в прямоугольной области вычислялся средний цветовой вектор а, после чего вычислялись среднеквадратические отклонения для значений красной, зеленой и синей цветовых координат векторов этой совокупности. Центр параллелепипеда располагался в точке а, а размеры параллелепипеда в направлении каждой из осей в RGB пространстве выбирались так, чтобы они в 1,25 раза превосходили средне квадратическое отклонение данных, соответствующих этой оси. Обнаружение контуров на цветных изображениях К сожалению, операция взятия градиента, в том виде как она была введена ранее, не определена для векторных величин. Отсюда следует, что вычисление градиента по изображениям отдельных компонент и использование полученных результатов для формирования цветного изображения приводит к неверным окончательным результатам Вектор лапласиана Определим и Результат -RGB изображение. - Градиент, посчитанный в цветовом векторном пространстве RGB. - Градиент, посчитанный как сумма градиентов отдельных цветовых компонент. - Разность изображений