Mappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è la mappatura dei toni
La mappatura dei toni è una tecnica utilizzata nell'elaborazione delle immagini e nella grafica computerizzata per mappare un set di colori su un altro per approssimare l'aspetto di un'immagine altamente dinamica. gamma (HDR) in un supporto che ha una gamma dinamica più limitata. Le stampe, i monitor CRT o LCD e i proiettori hanno tutti una gamma dinamica limitata, inadeguata a riprodurre l'intera gamma di intensità della luce presenti nelle scene naturali. La mappatura dei toni risolve il problema della forte riduzione del contrasto dalla luminosità della scena all'intervallo visualizzabile, preservando i dettagli dell'immagine e l'aspetto del colore, importanti per apprezzare il contenuto originale della scena.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Mappatura_tonale
Capitolo 2: Correzione_gamma
Capitolo 3: Acquisizione_HDR_multi-esposizione
Capitolo 4: Rendering_ad alta_gamma_dinamica
Capitolo 5: Miglioramento_di_ombre_e_evidenziazioni
Capitolo 6: Alta_gamma_dinamica
Capitolo 7: Riproduzione_tono
Capitolo 8: Luminanza_HDR
Capitolo 9: Aurora_HDR
Capitolo 10: EasyHDR
(II) Rispondere al pubblico top domande sulla mappatura dei toni.
(III) Esempi reali dell'utilizzo della mappatura dei toni in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di mappatura dei toni.
Leggi altro di Fouad Sabry
Tecnologie Emergenti In Optoelettronica [Italian]
Correlato a Mappatura dei toni
Titoli di questa serie (100)
Istogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniIstogramma dei gradienti orientati: Svelare il regno visivo: esplorare l'istogramma dei gradienti orientati nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei bordi: Esplorare i confini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Mappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRendering ad alta gamma dinamica: Sbloccare lo spettro visivo: tecniche avanzate nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniNebbia a distanza: Esplorare la frontiera visiva: approfondimenti sulla nebbia a distanza della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniMappatura dei rilievi: Bump Mapping: esplorazione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica di vertice: Esplorando l'intersezione tra la computer grafica di vertice e la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniClassificazione delle immagini contestuali: Comprendere i dati visivi per una classificazione efficace Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniAlgoritmo di disegno di linee: Padroneggiare le tecniche per il rendering di immagini di precisione Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica raster: Trasformare le realtà visive: padroneggiare gli editor grafici raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFiltraggio anisotropico: Svelare la complessità visiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei bordi: Esplorare i confini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmbreggiatura Gouraud: Gouraud Shading: illuminare la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica vettoriale: Potenziare la creazione visiva con algoritmi avanzati Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica raster digitale: Svelare la potenza della grafica raster digitale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDeterminazione della superficie nascosta: Svelare i segreti della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dei gradienti orientati: Svelare il regno visivo: esplorare l'istogramma dei gradienti orientati nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
Guida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Mappatura dei toni
0 valutazioni0 recensioni
Anteprima del libro
Mappatura dei toni - Fouad Sabry
Capitolo 1: Mappatura dei toni
Per ottenere l'impressione di immagini ad alta gamma dinamica in un mezzo con una gamma dinamica inferiore, la mappatura dei toni viene impiegata nell'elaborazione delle immagini e nella computer grafica. Né le stampe, né i monitor CRT o LCD, né i proiettori sono in grado di riprodurre accuratamente l'intera gamma di intensità luminose che si trovano in ambienti reali a causa della loro gamma dinamica limitata. La mappatura dei toni è una tecnica che preserva i dettagli dell'immagine e l'aspetto del colore, fondamentale per apprezzare il contenuto della scena originale, riducendo al contempo il contrasto drammatico tra la luminosità della scena e la gamma visualizzabile.
La mappatura dei toni inversa è un metodo per aumentare la gamma dinamica di un'immagine spostando i valori di luminosità nella direzione opposta.
Poiché era difficile catturare la vasta gamma di illuminazione presente nel mondo reale su un negativo chimicamente vincolato, l'avvento della fotografia su pellicola ha causato problemi.
I primi sviluppatori di pellicole tentarono di rimediare a questo problema progettando le pellicole e i sistemi di sviluppo della stampa che davano una curva di tono a forma di S desiderata con un contrasto leggermente migliorato (circa il 15%) nella gamma media e gradualmente comprimevano luci e ombre [1].
L'istituzione di zone di difesa aerea, che regolano l'esposizione e il tempo di sviluppo in base alla quantità di dettagli delle ombre necessari (controllando così i toni delle luci) ha aumentato la gamma tonale della scala di grigi (e in seguito, aumentando la gamma dinamica della pellicola negativa a colori dai suoi normali sette stop a 10.
I fotografi hanno anche usato la schivata e la bruciatura per superare i limiti del processo di stampa [2].
Lo sviluppo della fotografia digitale ha offerto la possibilità di risposte più efficaci a questo problema.
Nel 1971, Land e McCann utilizzarono una prima versione di un algoritmo chiamato Retinex, ispirato alle teorie della percezione della leggerezza [3]. Questo metodo si ispira ai meccanismi biologici di adattamento dell'occhio quando le condizioni di illuminazione sono un problema.
Sono state fatte anche molte ricerche sugli algoritmi di mappatura del gamut per la stampa a colori.
Per prevedere come potrebbero apparire i colori, i ricercatori si sono rivolti a modelli computazionali come CIECAM02 e iCAM.
Nonostante questo, se gli algoritmi di mappatura del colore e dei toni sono inadeguati, c'era ancora una richiesta di un artista di talento, proprio come nella sala di montaggio di una sala cinematografica.
Con l'avvento della tecnologia di computer grafica ad alto contrasto, il limite principale dei display è passato dal colore alla luminosità. Per adattare le foto HDR (High Dynamic Range) ai normali monitor, sono stati creati molti operatori di mappatura dei toni. I recenti sviluppi in questo settore si sono estesi oltre l'uso della luminosità per aumentare il contrasto a favore di tecniche come la replica delle immagini assistita dall'utente. Le soluzioni basate su display sono attualmente la norma per la riproduzione delle immagini, poiché i display moderni incorporano sofisticati algoritmi di elaborazione delle immagini che migliorano l'efficienza energetica, espandono la gamma di colori e la gamma dinamica e regolano il rendering delle immagini in base a fattori ambientali.
Lo scopo dichiarato della mappatura dei toni può variare notevolmente da un'implementazione all'altra. Ci sono applicazioni in cui l'obiettivo principale è quello di creare immagini che siano semplicemente visivamente piacevoli, mentre altre danno maggiore importanza alla replica accurata del maggior numero possibile di elementi dell'immagine o all'aumento del contrasto. Anche se il dispositivo di visualizzazione non è in grado di ricreare l'intera gamma di valori di luminosità, l'obiettivo nelle applicazioni di rendering realistico può essere quello di ottenere una corrispondenza percepita tra la scena reale e l'immagine presentata.
Negli ultimi anni sono stati sviluppati vari operatori di mappatura dei toni.[4] Tutti possono essere divisi in due tipi principali:
Le funzioni non lineari basate sulle variabili globali dell'immagine, ad esempio la luminosità e altri fattori globali, costituiscono operatori globali (o spazialmente uniformi). Dopo che la funzione ottimale di un'immagine è stata calcolata, tutti i suoi pixel vengono mappati allo stesso modo, indipendentemente dai valori dei loro vicini. Questi metodi sono facili e veloci da applicare (possono essere eseguiti con le tabelle di ricerca), ma possono ridurre il contrasto. Il contrasto ridotto e i colori invertiti sono due esempi di tecniche di mappatura dei toni globali più diffuse.
Operatori locali (o variabili spaziali): i parametri della funzione non lineare variano da pixel a pixel in base alle feature recuperate dai parametri adiacenti. In altre parole, l'impatto dell'algoritmo varia da pixel a pixel in base alle caratteristiche dell'area circostante. Poiché la visione umana è principalmente sensibile al contrasto locale, questi algoritmi sono più complessi di quelli globali; possono visualizzare artefatti (come l'effetto alone e lo squillo); e l'output può sembrare innaturale; Ciononostante, possono (se applicati correttamente) fornire le migliori prestazioni.