Funzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Cos'è la funzione di corrispondenza dei colori
Gli spazi colore designati dalla CIE nel 1931 sono le prime relazioni quantitative che sono state delineate tra le distribuzioni delle lunghezze d'onda nello spettro visibile elettromagnetico e i colori che sono fisiologicamente visti dagli esseri umani nella loro visione dei colori. Quando si tratta di gestione del colore, le relazioni matematiche che definiscono questi spazi colore sono strumenti chiave. Ciò è particolarmente vero quando si lavora con inchiostri a colori, display illuminati e dispositivi di registrazione come le fotocamere digitali. Nel 1931, la "Commission Internationale de l'éclairage", che in inglese viene tradotta come Commissione internazionale sull'illuminazione, era l'organizzazione responsabile della progettazione del sistema.
I vantaggi che ne trarrai
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Spazio colore CIE 1931
Capitolo 2: Funzione di efficienza luminosa
Capitolo 3: Bilanciamento del colore
Capitolo 4: Luogo di Planckiano
Capitolo 5: Metodo di riferimento standard
Capitolo 6: Luminanza relativa
Capitolo 7: CIECAM02
Capitolo 8: Illuminante standard
Capitolo 9: Spazio colore CIE 1960
Capitolo 10: OSA-UCS
(II) Rispondere alle principali domande del pubblico sulla funzione di corrispondenza dei colori.
(III) Esempi reali dell'utilizzo della funzione di corrispondenza dei colori 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 funzione di corrispondenza dei colori.
Correlato a Funzione di corrispondenza 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 valutazioniVisione computerizzata: Esplorare le profondità della 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 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough 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 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma 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 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniScala dello spazio: Esplorare le dimensioni 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 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune 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 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano 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 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi 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 valutazioniTrasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Modello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniColorimetria Applicata 2 Valutazione: 0 su 5 stelle0 valutazioniComputer grafica della radiosità: Avanzamento della visualizzazione attraverso la radiosità 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 valutazioniOmbreggiatura: Esplorazione dell'ombreggiatura delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPalette per tutti: più di 100 palette da usare nei tuoi progetti Valutazione: 0 su 5 stelle0 valutazioniModello di riflessione di Phong: Comprendere le interazioni della luce 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 valutazioniBilancio per flussi a colori: Guida per calcolare, classificare, rappresentare e interpretare il rendiconto finanziario dei flussi di liquidità Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniRiquadro di delimitazione minimo: Svelare il potere dell'ottimizzazione spaziale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFisica: ottica Valutazione: 0 su 5 stelle0 valutazioniInterpolazione bilineare: Miglioramento della risoluzione e della chiarezza dell'immagine tramite l'interpolazione bilineare Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei bordi: Esplorare i confini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTensore trifocale: Esplorare la profondità, il movimento e la struttura nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniTrasformazione lineare diretta: Applicazioni pratiche e tecniche nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMinimi quadrati: Tecniche di ottimizzazione per la visione artificiale: metodi dei minimi quadrati Valutazione: 0 su 5 stelle0 valutazioniLa relatività ristretta Valutazione: 0 su 5 stelle0 valutazioniLe tecniche di microfonazione stereofonica: Un vademecum per il fonico in erba Valutazione: 0 su 5 stelle0 valutazioniGuida: conoscere il plasma Valutazione: 0 su 5 stelle0 valutazioniProiezione assonometrica: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPropedeutica prospettica per le arti della rappresentazione visiva Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: calcolo combinatorio e statistica elementare Valutazione: 5 su 5 stelle5/5HTML5 canvas in tempo reale (estratto) Valutazione: 0 su 5 stelle0 valutazioniLe 10 equazioni più belle della Fisica Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
Il Terzo Like Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Funzione di corrispondenza dei colori
0 valutazioni0 recensioni
Anteprima del libro
Funzione di corrispondenza dei colori - Fouad Sabry
Capitolo 1: Spazio colore CIE 1931
Per la prima volta, gli spazi colore CIE 1931 forniscono connessioni quantificabili tra le varie distribuzioni di lunghezze d'onda nello spettro elettromagnetico visibile, i colori così come vengono elaborati biologicamente durante la percezione umana del colore.
La gestione del colore si basa in larga misura sulle relazioni matematiche che definiscono questi spazi colore, gli inchiostri colorati sono fondamentali quando si ha a che fare con display illuminati e strumenti di acquisizione video come le fotocamere digitali.
Il sistema è stato progettato nel 1931 dalla Commission Internationale de l'éclairage
, la Commissione Internazionale per l'Illuminazione come viene comunemente chiamata in inglese.
Sia lo spazio colore RGB CIE 1931 che lo spazio colore CIE 1931 XYZ sono stati sviluppati dal CIE nel 1931. Lo spazio colore CIE XYZ è stato sviluppato a partire dallo spazio colore CIE RGB, che è stato specificato utilizzando una combinazione di dati sperimentali.
Sia gli spazi colore CIE 1931 che CIELUV 1976 sono ancora frequentemente utilizzati.
In un occhio umano sano, ci sono tre tipi di cellule coniche sensibili alla luce, ciascuna con una diversa sensibilità spettrale di picco: corta (S
), media (M
) e lunga (L
) (560 nm - 580 nm). Le cellule coniche sono responsabili della percezione umana del colore in condizioni di luce intensa; Le situazioni di scarsa illuminazione attivano i recettori monocromatici per la visione notturna
a bassa luminosità noti come cellule a bastoncello
. Pertanto, tutta la percezione umana del colore può essere descritta, in linea di principio, da una serie di tre parametri che corrispondono ai livelli di stimolo dei tre tipi di cellule coniche. Una specificazione tristimolo del colore oggettivo dello spettro luminoso è formata pesando uno spettro di potenza luminosa totale per le sensibilità spettrali distinte dei tre tipi di cellule coniche, producendo tre valori efficaci di stimolo. Lo spazio colore LMS
è una rappresentazione tridimensionale dei tre parametri, S, M e L, ed è solo uno dei tanti spazi colore sviluppati per quantificare la percezione umana del colore.
A differenza dello spazio colore LMS stabilito dalle sensibilità dello spettro delle cellule dei coni, uno spazio colore mappa una varietà di colori creati fisicamente da luce mista, pigmenti, ecc. a una descrizione oggettiva delle sensazioni cromatiche registrate nell'occhio umano. In un modello di colore tricromatico additivo, i valori tristimolo di uno spazio colore possono essere considerati come proporzioni delle tre tonalità primarie. Alcuni spazi colore, come LMS e XYZ, utilizzano colori primari che non sono veri colori poiché non possono essere prodotti con un determinato set di lunghezze d'onda della luce.
Tutte le percezioni del colore accessibili al normale occhio umano sono incluse nello spazio colore CIE XYZ. Ecco perché lo spazio colore CIE XYZ (Tristimulus values) funziona su tutte le piattaforme. Molti altri spazi colore sono definiti in relazione ad esso come standard. Gli spettri di luce creati fisicamente vengono abbinati a valori tristimolo specificati utilizzando una serie di funzioni di corrispondenza dei colori simili alle curve di sensibilità spettrale dello spazio colore LMS, ma non limitate alle sensibilità non negative.
Innanzitutto, daremo un'occhiata a due sorgenti luminose che emettono entrambe luce, ma ciascuna emette una combinazione unica di lunghezze d'onda. Il fenomeno in cui luci di colore diverso sembrano condividere la stessa tonalità è noto come metamerismo. Indipendentemente dalla loro distribuzione spettrale della potenza, le sorgenti luminose che creano gli stessi valori di tristimolo appaiono all'osservatore dello stesso colore.
Tutti e tre i tipi di cellule coniche sono stimolati dalla maggior parte delle lunghezze d'onda a causa della sovrapposizione delle loro curve di sensibilità spettrale. Pertanto, ci sono alcuni valori tristimolo che non possono mai verificarsi in natura, come i valori tristimolo LMS in cui la componente M è diversa da zero ma le componenti L e S sono entrambe zero. La cromaticità dei colori spettrali puri si trova al di fuori del triangolo dei colori definito dai colori fondamentali, quindi in qualsiasi spazio cromatico additivo tricromatico convenzionale, come gli spazi colore RGB, ciò indicherebbe valori negativi per almeno uno dei tre primari. I colori primari immaginari
e le funzioni di corrispondenza dei colori sono stati sviluppati per eliminare la necessità di valori RGB negativi e avere un singolo componente che spieghi la luminosità percepita. I valori tristimolo risultanti sono simboleggiati dalle lettere X, Y e Z nello spazio colore definito dalla CIE 1931. Tutte le combinazioni di coordinate X, Y e Z non negative sono significative; tuttavia, molte delle posizioni primarie, come [1, 0, 0], [0, 1, 0] e [0, 0, 1], corrispondono a colori immaginari al di fuori dello spazio delle possibili coordinate LMS; I colori che non si mappano su alcuna distribuzione spettrale di lunghezze d'onda non sono reali.
Secondo lo standard CIE 1931, la luminanza, indicata con Y,, simile al blu è la lettera Z. (di CIE RGB) e X è un mix delle tre curve CIE RGB scelte per essere non negative (vedi § Definizione dello spazio colore CIE XYZ).
L'effetto pratico della designazione di Y come luminosità è che