Mappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è la mappatura dei colori
Questa funzione è nota come trasferimento del colore dell'immagine ed è responsabile della mappatura (trasformazione) dei colori di un'immagine (l'origine) su colori di un'altra immagine (il target). È possibile fare riferimento a una mappatura dei colori come all'algoritmo che produce la funzione di mappatura o al metodo che altera i colori dell'immagine. Il processo di modifica di un'immagine viene spesso definito trasferimento del colore o, quando sono coinvolte foto in scala di grigi, funzione di trasferimento della luminosità (BTF). Inoltre, può anche essere definita calibrazione della fotocamera fotometrica o calibrazione della fotocamera radiometrica.
Come trarrai vantaggio
(I) Approfondimenti e convalide su i seguenti argomenti:
Capitolo 1: Trasferimento del colore dell'immagine
Capitolo 2: Correzione gamma
Capitolo 3: Gestione del colore
Capitolo 4 : Istogramma del colore
Capitolo 5: Shader
Capitolo 6: Mappatura dei toni
Capitolo 7: Istogramma dell'immagine
Capitolo 8: Calibrazione del colore
Capitolo 9: Quantizzazione del colore
Capitolo 10: Rettifica dell'immagine
(II) Rispondere alle principali domande del pubblico sulla mappatura dei colori.
(III) Esempi reali dell'utilizzo della mappatura dei colori in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati , hobbisti e coloro che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di mappatura dei colori.
Leggi altro di Fouad Sabry
Tecnologie Emergenti Nell'Energia [Italian]
Correlato a Mappatura dei colori
Titoli di questa serie (100)
Equalizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti 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 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini 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 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale 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 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision 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 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione 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 valutazioniIstogramma dei gradienti orientati: Svelare il regno visivo: esplorare l'istogramma dei gradienti orientati nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei contorni: Svelare l'arte della percezione visiva 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 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Sistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniRendering volumetrico: Esplorare il realismo visivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti 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 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIlluminazione globale: Visione avanzata: approfondimenti sull'illuminazione globale Valutazione: 0 su 5 stelle0 valutazioniTagli del grafico di visione artificiale: Esplorazione dei tagli grafici 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 valutazioniShader: Esplorare i regni visivi con Shader: un viaggio nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComposizione alfa: Padroneggiare l'arte della composizione delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniAnti aliasing: Migliorare la chiarezza visiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima del movimento: Progressi e applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa 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 valutazioniGrafica raster: Comprendere i fondamenti della grafica raster nella visione artificiale 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 valutazioniEditor di grafica vettoriale: Potenziare la creazione visiva con algoritmi avanzati Valutazione: 0 su 5 stelle0 valutazioniRendering di grafica computerizzata: Esplorare il realismo visivo: approfondimenti sulla computer grafica Valutazione: 0 su 5 stelle0 valutazioniGrafica raster digitale: Svelare la potenza della grafica raster digitale 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 valutazioniRendering della scansione: Esplorare il realismo visivo attraverso le tecniche di rendering della scansione Valutazione: 0 su 5 stelle0 valutazioniRendering ad alta gamma dinamica: Sbloccare lo spettro visivo: tecniche avanzate nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniElaborazione delle immagini piramidali: Esplorare le profondità dell'analisi visiva Valutazione: 0 su 5 stelle0 valutazioniMappatura dei rilievi: Bump Mapping: esplorazione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniClassificazione delle immagini contestuali: Comprendere i dati visivi per una classificazione efficace Valutazione: 0 su 5 stelle0 valutazioniComputer grafica poligonale: Esplorando l'intersezione tra la computer grafica poligonale e la visione artificiale 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 colori
0 valutazioni0 recensioni
Anteprima del libro
Mappatura dei colori - Fouad Sabry
Capitolo 1: Trasferimento del colore dell'immagine
I colori di un'immagine (la sorgente) vengono trasferiti
ai colori di un'altra immagine (la destinazione). Il processo di generazione di una funzione di mappatura, o di trasformazione dei colori di un'immagine, viene talvolta definito mappatura dei colori
. Il trasferimento del colore, o funzione di trasferimento della luminosità (BTF) per le foto in scala di grigi, è un nome per il processo di alterazione dell'immagine; Altri nomi includono calibrazione fotometrica della fotocamera e calibrazione radiometrica della fotocamera.
Il termine trasferimento del colore dell'immagine
è piuttosto fuorviante perché gli algoritmi più popolari non trasferiscono solo il colore ma anche l'ombreggiatura. (In effetti, a parte una piccola area arancione all'interno dell'immagine che è stata modificata in giallo, il campione fornito in questa pagina trasferisce in gran parte l'ombreggiatura.)
Gli algoritmi per il trasferimento dei colori tra le foto possono basarsi su una corrispondenza di pixel predeterminata o sulle statistiche dei colori presenti in entrambe le immagini. In terzo luogo, i metodi assistiti dall'utente sono identificati da Faridul e altri in una revisione completa.
La corrispondenza dell'istogramma è un metodo che utilizza le caratteristiche statistiche delle immagini.
Questo è un algoritmo di cambiamento di colore della vecchia scuola, tuttavia, a volte ha lo sfortunato effetto collaterale di essere eccessivamente accurato, quindi replica l'immagine di destinazione fino ai suoi minimi dettagli di colore, invece dei tratti di colore generici, causando aberrazioni cromatiche.
Le tecniche statistiche sviluppate di recente affrontano questo problema.
Una di queste tecniche potrebbe essere quella che normalizza ciascuno dei canali dell'immagine di input in modo che la sua media e la deviazione standard siano identiche a quelle dei canali di input corrispondenti nell'immagine di riferimento.
Questo processo di regolazione viene in genere eseguito negli spazi colore Lαβ o Lab.
Viene fornita una panoramica delle tecniche di conversione del colore.
Vengono inoltre discussi i metodi di deep learning, come il trasferimento in stile neurale, per il trasferimento dei colori nei video.
Esistono due applicazioni principali per l'elaborazione del trasferimento del colore: (1) la modifica dei colori di due immagini in modo che siano percettivamente compatibili con la vista e (2) la calibrazione dei colori di due fotocamere per un'ulteriore elaborazione utilizzando due o più immagini campione.
Nelle applicazioni di visione artificiale, la calibrazione del colore è una fase cruciale nella pipeline di pre-elaborazione. La calibrazione del colore è richiesta da molti programmi poiché elaborano molte foto contemporaneamente. La differenziazione delle immagini, la registrazione, il riconoscimento degli oggetti, il tracciamento multi-camera, la co-segmentazione e la ricostruzione stereo sono tutti esempi di tali applicazioni.
È stato proposto che il trasferimento del colore dell'immagine possa essere utilizzato in altri contesti.
Questi includono la cooptazione di tavolozze di colori da fonti riconosciute come dipinti famosi e l'uso come ulteriore alternativa ai metodi di modifica del colore che si trovano comunemente nelle applicazioni commerciali di elaborazione delle immagini come posterise
, solarise
e gradient
.
Per esaminare queste opzioni, è a tua disposizione uno strumento web.
Mentre questo articolo segue la terminologia utilizzata nella ricerca fondamentale da Reinhard et al., gli autori sostengono che è più intuitivo pensare a un'immagine sorgente come a dirigere i suoi colori verso un'immagine target. La funzione Corrispondenza colore di Photoshop di Adobe fa riferimento all'immagine di riferimento del colore come origine. Alcuni programmi difettosi sono diventati diffusi dopo essere stati distribuiti a causa di un fraintendimento di questo linguaggio. L'uso di terminologia come immagine di input
o immagine di base
e immagine sorgente del colore
o immagine della tavolozza dei colori
può aiutare a chiarire le cose in futuro.
{Fine Capitolo 1}
Capitolo 2: Correzione gamma
La gamma, o correzione gamma, è un processo non lineare utilizzato nei sistemi video e di immagini fisse per codificare e decodificare i valori di luminanza o tristimolo. Nella sua forma più semplice, la correzione gamma è definita dall'espressione della legge di potenza:
{\displaystyle V_{\text{out}}=AV_{\text{in}}^{\gamma },}dove il valore reale di ingresso non negativo V_{{\text{in}}} viene elevato alla potenza \gamma e moltiplicato per la costante A per ottenere il valore di uscita V_{{\text{out}}} .
Per il valore più frequente di A = 1,, Tipicamente, i valori di ingresso e uscita sono compresi nell'intervallo 0-1.
Un valore gamma \gamma <1 è talvolta chiamato gamma di codifica, L'uso di questa non linearità della legge di potenza di compressione nella codifica è nota come compressione gamma; al contrario, un valore gamma \gamma >1 è chiamato gamma di decodifica, Inoltre, l'uso dell'espansione della legge di potenza non lineare è noto come espansione gamma.
Sfruttando il modo non lineare in cui gli esseri umani percepiscono la luce e il colore, la codifica gamma delle immagini viene utilizzata per ottimizzare il consumo di bit durante la codifica di un'immagine o la larghezza di banda utilizzata per trasmettere un'immagine. Questo è il motivo per cui ci vuole molta energia creativa per decidere come mostrare al meglio l'immagine originale nella sua versione ridotta. La correzione gamma, spesso nota come selezione del contrasto, è uno strumento nella cassetta degli attrezzi del fotografo per mettere a punto il prodotto finale.
I sensori elettronici sono utilizzati nelle fotocamere digitali per registrare la luce e in genere rispondono in modo lineare. Le trasformazioni dello spazio colore e le trasformazioni di rendering verranno eseguite nel processo di trasformazione dei dati grezzi lineari in dati RGB standard (ad esempio, per la memorizzazione in formato immagine JPEG). In particolare, le intensità dei colori primari in una riproduzione fotografica sono codificate in modo non lineare (attraverso la compressione gamma) in quasi tutti gli spazi colore RGB standard e nei formati di file. Inoltre, esiste una non linearità di riproduzione tonale tra la riproduzione pianificata e le intensità della scena misurate.
La teoria gamma può essere utilizzata per analizzare qualsiasi tipo di connessione non lineare.
Per la relazione potenza-legge {\displaystyle V_{\text{out}}=V_{\text{in}}^{\gamma }} , Su una scala logaritmica, la curva appare come