Farberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen
Von Fouad Sabry
()
Über dieses E-Book
Was ist ein Farberscheinungsmodell?
Ein Farberscheinungsmodell, oft auch als CAM bekannt, ist ein mathematisches Modell, das darauf abzielt, die Wahrnehmungselemente des menschlichen Farbsehens zu erfassen. Mit diesem Modell werden Betrachtungseinstellungen beschrieben, bei denen das Erscheinungsbild einer Farbe nicht mit der entsprechenden tatsächlichen Messung der Reizquelle übereinstimmt.
Wie Sie davon profitieren
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Farberscheinungsmodell
Kapitel 2: CIELAB-Farbraum
Kapitel 3 : Farbmetrik
Kapitel 4: Chromatische Anpassung
Kapitel 5: CIECAM02
Kapitel 6: Farbraum
Kapitel 7: RGB-Farbräume
Kapitel 8: Farbigkeit
Kapitel 9: CIE 1931-Farbraum
Kapitel 10: LMS-Farbraum
(II) Beantwortung der Frage Öffentliche Top-Fragen zum Farberscheinungsmodell.
(III) Beispiele aus der Praxis für die Verwendung des Farberscheinungsmodells in vielen Bereichen.
Für wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über das Grundwissen oder die Informationen für jede Art von Farberscheinungsmodell hinausgehen möchten.
Mehr von Fouad Sabry lesen
Neue Technologien In Der Luft Und Raumfahrt [German]
Ähnlich wie Farberscheinungsmodell
Titel in dieser Serie (100)
Histogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenHarris Eckendetektor: Enthüllung der Magie der Bildmerkmalserkennung Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenOrientiertes Gradienten-Histogramm: Enthüllung des visuellen Bereichs: Erkundung des Histogramms mit orientierten Farbverläufen in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenKonturerkennung: Enthüllung der Kunst der visuellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenZufallsstichprobenkonsens: Robuste Schätzung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Farbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSchattierung: Erforschung der Bildschattierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSkalieren Sie den Raum: Erforschung von Dimensionen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPhong-Reflexionsmodell: Lichtinteraktionen in der Bildverarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildsegmentierung: Erkenntnisse durch Pixelpräzision erschließen Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenEpipolare Geometrie: Erschließung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGouraud-Schattierung: Gouraud-Shading: Erhellende Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPHOTOKOLLEGIUM 6: Farbdruck & Colormanagement in der digitalen Fotografie Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenRadiosity Computergrafik: Fortschrittliche Visualisierung durch Radiosität in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHarris Eckendetektor: Enthüllung der Magie der Bildmerkmalserkennung Bewertung: 0 von 5 Sternen0 BewertungenEigenface: Erkunden Sie die Tiefen der visuellen Erkennung mit Eigenface Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenBildbasierte Modellierung und Rendering: Erforschung des visuellen Realismus: Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenVertex-Computergrafik: Erkundung der Schnittstelle zwischen Vertex Computer Graphics und Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen3D-FRAKTALE: Stereoskopische Visualisierung von selbstähnlichen geometrischen Mustern Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Filterung: Entschlüsselung der visuellen Komplexität in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDreidimensionale Multi-View-Rekonstruktion: Fortgeschrittene Techniken zur räumlichen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFarbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGeschwindigkeitsmomente: Die Dynamik erfassen: Einblicke in Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Chatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenPsychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Meistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Farberscheinungsmodell
0 Bewertungen0 Rezensionen
Buchvorschau
Farberscheinungsmodell - Fouad Sabry
Kapitel 1: Farbdarstellungsmodell
Mathematische Modelle, die als Color Appearance Models (CAMs) bezeichnet werden, versuchen, die Wahrnehmungselemente des menschlichen Farbsehens zu charakterisieren, wie z. B. die Umstände, unter denen die wahrgenommene Farbe eines Objekts von der entsprechenden physikalischen Messung der Reizquelle abweicht. (Im Gegensatz dazu legt ein Farbmodell, z. B. das RGB- oder CMYK-Farbmodell, einen Koordinatenraum zur Darstellung von Farben fest.)
Das Ziel eines einheitlichen Farbraums (UCS) ist es, ein Farbmodell zu erstellen, in dem die scheinbaren Unterschiede zwischen Farben proportional zu ihrer physikalischen Trennung im Raum sind. Ein BKS ist das Ergebnis der Anwendung eines BAM auf eine statische Ansichtsumgebung, während ein CAM die Konsequenz der Anwendung eines BKS auf eine dynamische Betrachtungsumgebung ist. Auch ohne diese Art der Modellierung kann ein BKS als grobes CAM dienen.
Der Betrachter ist die Quelle aller Farbe; objektiv
, Das einzige, was sichtbar ist, ist die spektrale Leistungsverteilung des Lichts.
In diesem Sinne sieht jeder Farben anders.
Viele Forscher haben jedoch versucht, die spektrale Leistungsverteilung des Lichts quantitativ mit der menschlichen sensorischen Reaktion in Verbindung zu bringen, mit einigem Erfolg.
Im Jahr 1931 stellte der von der CIE (International Commission on Illumination) entwickelte XYZ-Farbraum mit Hilfe von Techniken der Psychophysik die menschliche Farbwahrnehmung auf dieser sensorischen Ebene genau dar.
Es gibt jedoch Annahmen, die in das XYZ-Farbmodell eingebaut sind, die seine Verwendung einschränken (z. B. der retinale Ort der Stimulation, die Leuchtdichte des Lichts, das auf das Auge trifft, der Hintergrund hinter dem beobachteten Objekt und die Luminanzstufe des umgebenden Lichts). Zwei Stimuli mit identischen XYZ-Tristimuluswerten scheinen für einen menschlichen Beobachter nur dann den gleichen Farbton zu haben, wenn alle anderen Faktoren konstant gehalten werden. Unterschiedliche Farben können von zwei identischen Stimuli mit den gleichen X-, Y- und Z-Tristimuluswerten wahrgenommen werden, wenn sich die Anfangsbedingungen unterscheiden (und umgekehrt: Zwei verschiedene Stimuli mit dadurch unterschiedlichen XYZ-Tristimuluswerten können ein identisches Farbbild erzeugen).
Um die menschliche Farbwahrnehmung darzustellen, ist ein Farbdarstellungsmodell anstelle des statischen XYZ-Farbmodells erforderlich, wenn die Betrachtungsumgebung variiert.
Der Mensch nimmt Farben nicht anhand von XYZ-Tristimulus-Werten wahr, sondern anhand von Erscheinungsparametern, was für jedes Farbdarstellungsmodell (Farbton, Helligkeit, Helligkeit, Chroma, Farbigkeit und Sättigung) ein erhebliches Problem darstellt. Daher müssen die X-, Y- und Z-Tristimuluswerte (unter Berücksichtigung der Betrachtungsbedingungen) als Teil eines beliebigen Farbdarstellungsmodells (mindestens Farbton, Helligkeit und Chroma) in diese Darstellungsparameter umgewandelt werden.
Einige Phänomene der Farbdarstellung, die Farbdarstellungsmodelle zu berücksichtigen versuchen, werden im Folgenden erläutert.
Chromatische Adaption ist die Fähigkeit des menschlichen Auges, ein reflektiertes Objekt zu sehen, ohne vom Weißpunkt (oder der Farbtemperatur) der Lichtquelle beeinflusst zu werden. Ein weißes Blatt Papier erscheint dem menschlichen Auge weiß, unabhängig davon, ob das Licht bläulich oder gelblich ist. Dies ist das grundlegendste und grundlegend bedeutsame Phänomen der Farbdarstellung, und daher muss jedes Modell der Farbdarstellung eine chromatische Adaptionstransformation (CAT) enthalten, die versucht, dieses Verhalten nachzuahmen.
Dadurch werden elementare Tristimulus-basierte Farbmodelle klar von komplexeren Farbdarstellungsmodellen unterschieden. Bei der Beschreibung der Oberflächenfarbe eines beleuchteten Objekts berücksichtigt ein einfaches Tristimulus-basiertes Farbmodell nicht den Weißpunkt des Leuchtmittels, d.h. wenn sich der Weißpunkt des Leuchtmittels ändert, ändert sich auch die Oberflächenfarbe. Ein Farberscheinungsmodell hingegen berücksichtigt den Weißpunkt des Leuchtmittels (daher die Notwendigkeit dieses Wertes in den Berechnungen des Modells) und meldet daher die gleiche Farbe für eine Fläche, auch wenn sich der Weißpunkt des Leuchtmittels ändert.
In der Situation der chromatischen Adaption können zwei Stimuli mit unterschiedlichen XYZ-Tristimuluswerten das gleiche Farberscheinungsbild erzeugen. Das reflektierte Licht des weißen Papiers hat eine unterschiedliche spektrale Leistungsverteilung und folglich unterschiedliche X-, Y- und Z-Tristimuluswerte, abhängig von der Farbtemperatur des darauf scheinenden Lichts (weiß).
Mehrere Faktoren beeinflussen die Farbwahrnehmung eines Betrachters:
Bezold-Brücke-Farbtonverschiebung: Der Farbton des monochromatischen Lichts ändert sich mit der Leuchtdichte.
Abney-Effekt: Die Zugabe von weißem Licht verändert die Farbe des monochromatischen Lichts (das als farbneutral zu erwarten wäre).
Mehrere Faktoren beeinflussen die Kontrastwahrnehmung eines Beobachters:
Stevens-Effekt: Helligkeit verbessert den Kontrast.
Der Bartleson-Breneman-Effekt besagt, dass der wahrgenommene Kontrast eines emittierenden Bildes (z. B. eines LCD-Bildschirmbildes) zunimmt, wenn das Umgebungslicht zunimmt.
Das menschliche Auge unterliegt einem Effekt, der die wahrgenommene Lebendigkeit von Farben verändert:
Hunt-Effekt: Höhere Lichtverhältnisse führen zu lebendigeren Farben.
Das menschliche Auge ist einem Einfluss ausgesetzt, der die Wahrnehmung von Licht verändert:
Der Helmholtz-Kohlrausch-Effekt: Sättigungsabhängige Helligkeitssteigerung.
Da das menschliche Gehirn jedem Pixel eine eindeutige Reihe von kontextuellen Bedeutungen zuweist, beeinflussen räumliche Phänomene die Farbe nur dort, wo sie tatsächlich in einem Bild vorkommen (z. B. als Schatten statt als graue Farbe). Der Begriff optische Täuschung
könnte verwendet werden, um diese Ereignisse zu beschreiben. Sie sind aufgrund ihrer kontextuellen Natur bekanntermaßen schwierig zu modellieren. Modelle, die dies versuchen, werden als Picture Color Appearance Models (iCAM) bezeichnet.
Aufgrund der schieren Vielfalt der Faktoren und Phänomene der Farberscheinung sowie der inhärenten Schwierigkeit der anstehenden Aufgabe kann kein einzelnes Farberscheinungsmodell als