Farbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist Farbzuordnung
Diese Funktion wird als Bildfarbübertragung bezeichnet und ist für die Zuordnung (Transformation) der Farben eines Bildes (der Quelle) zum Bild verantwortlich Farben eines anderen Bildes (des Ziels). Man kann eine Farbzuordnung entweder als den Algorithmus bezeichnen, der die Zuordnungsfunktion erzeugt, oder als die Methode, die die Farben des Bildes ändert. Der Prozess der Änderung eines Bildes wird häufig als Farbübertragung oder, wenn es sich um Graustufenfotos handelt, als Helligkeitsübertragungsfunktion (BTF) bezeichnet. Darüber hinaus kann es auch als photometrische Kamerakalibrierung oder radiometrische Kamerakalibrierung bezeichnet werden.
Wie Sie profitieren
(I) Einblicke und Validierungen darüber die folgenden Themen:
Kapitel 1: Bildfarbübertragung
Kapitel 2: Gammakorrektur
Kapitel 3: Farbmanagement
Kapitel 4 : Farbhistogramm
Kapitel 5: Shader
Kapitel 6: Tone Mapping
Kapitel 7: Bildhistogramm
Kapitel 8: Farbkalibrierung
Kapitel 9: Farbquantisierung
Kapitel 10: Bildentzerrung
(II) Beantwortung der häufigsten öffentlichen Fragen zur Farbzuordnung.
(III) Beispiele aus der Praxis für den Einsatz von Farbzuordnung in vielen Bereichen.
An wen sich dieses Buch richtet
Profis, Studenten und Doktoranden, Enthusiasten , Bastler und diejenigen, die über grundlegende Kenntnisse oder Informationen für jede Art von Farbzuordnung hinausgehen möchten.
Mehr von Fouad Sabry lesen
Neue Technologien In Der Energie [German]
Ähnlich wie Farbzuordnung
Titel in dieser Serie (100)
Bildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenLevel-Set-Methode: Weiterentwicklung der Computer Vision, Erforschung der Level-Set-Methode Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLeast Squares: Optimierungstechniken für Computer Vision: Methoden der kleinsten Quadrate Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Gamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVolumen Rendern: Erforschung des Visuellen Realismus in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenComputer-Vision-Grafikschnitte: Erforschung von Graphschnitten in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRastergrafik-Editor: Visuelle Realitäten transformieren: Rastergrafik-Editoren in Computer Vision beherrschen Bewertung: 0 von 5 Sternen0 BewertungenAktives Erscheinungsmodell: Erschließung der Leistungsfähigkeit aktiver Darstellungsmodelle in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBump-Mapping: Bump Mapping: Erforschung der Tiefe der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSynthese anzeigen: Erkundung von Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildsegmentierung: Erkenntnisse durch Pixelpräzision erschließen Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 BewertungenGlobale Beleuchtung: Vision voranbringen, Einblicke in die globale Beleuchtung Bewertung: 0 von 5 Sternen0 BewertungenKantenglättung: Verbesserung der visuellen Klarheit in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAlpha-Compositing: Beherrschen der Kunst der Bildkomposition in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDigitale Rastergrafik: Enthüllung der Leistungsfähigkeit digitaler Rastergrafiken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRastergrafiken: Die Grundlagen der Rastergrafik in der Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenStrichzeichnungsalgorithmus: Beherrschen von Techniken zur präzisen Bildwiedergabe Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSchatten: Erkundung visueller Bereiche mit Shader: Eine Reise in die Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPHOTOKOLLEGIUM 6: Farbdruck & Colormanagement in der digitalen Fotografie Bewertung: 0 von 5 Sternen0 BewertungenBildbearbeitung für Anfänger: 30 Top Tipps für die Bildbearbeitung von digitalen Bildern Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafik-Editor: Ermöglichen Sie die visuelle Erstellung mit fortschrittlichen Algorithmen Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenCanny Edge Detector: Enthüllung der Kunst der visuellen Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenDistanznebel: Erkundung der visuellen Grenze: Einblicke in den Distanznebel der Computer Vision 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 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Die KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5ChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenPsychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen 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 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken 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 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution 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 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Farbzuordnung
0 Bewertungen0 Rezensionen
Buchvorschau
Farbzuordnung - Fouad Sabry
Kapitel 1: Farbübertragung des Bildes
Die Farben eines Bildes (der Quelle) werden auf die Farben in einem anderen Bild (dem Ziel) übertragen
. Der Prozess des Generierens einer Zuordnungsfunktion oder des Transformierens der Farben eines Bildes wird manchmal als Farbzuordnung
bezeichnet. Farbübertragung oder Helligkeitsübertragungsfunktion (BTF) für Graustufenfotos ist ein Name für den Bildbearbeitungsprozess. Andere Bezeichnungen sind photometrische Kamerakalibrierung und radiometrische Kamerakalibrierung.
Der Begriff Bildfarbübertragung
ist eher irreführend, da die gängigsten Algorithmen nicht nur Farbe, sondern auch Schattierungen übertragen. (Abgesehen von einem kleinen orangefarbenen Bereich innerhalb des Bildes, der in Gelb geändert wurde, überträgt das auf dieser Seite angegebene Beispiel weitgehend Schattierungen.)
Algorithmen zur Übertragung von Farben zwischen Fotos können sich entweder auf eine vorgegebene Pixelkorrespondenz oder auf die Statistik der in beiden Bildern vorhandenen Farben stützen. Drittens werden nutzergestützte Methoden von Faridul und anderen in einer umfassenden Übersichtsarbeit identifiziert.
Der Histogrammabgleich ist eine Methode, bei der die statistischen Merkmale der Bilder genutzt werden.
Dies ist ein Farbverschiebungsalgorithmus der alten Schule, der jedoch manchmal den unglücklichen Nebeneffekt hat, dass er übermäßig genau ist und daher das Zielbild bis in seine kleinsten Farbdetails repliziert, anstatt die generischen Farbmerkmale, was zu chromatischen Aberrationen führt.
Neu entwickelte statistische Verfahren befassen sich mit diesem Problem.
Eine solche Technik wäre eine, die jeden der Eingabebildkanäle normalisiert, so dass sein Mittelwert und seine Standardabweichung mit denen der entsprechenden Eingabekanäle im Referenzbild identisch sind.
Dieser Anpassungsprozess wird in der Regel in den Farbräumen Lαβ oder Lab durchgeführt.
Bietet einen Überblick über Farbkonvertierungstechniken.
Auch die Methoden des Deep Learning, wie z.B. Neural Style Transfer, zur Übertragung von Farben in Videos werden diskutiert.
Es gibt zwei Hauptanwendungen für die Farbübertragungsverarbeitung: (1) Modifizieren der Farben zweier Bilder, so dass sie visuell kompatibel sind, und (2) Kalibrieren der Farben von zwei Kameras für die weitere Verarbeitung mit zwei oder mehr Beispielbildern.
In Computer-Vision-Anwendungen ist die Farbkalibrierung ein entscheidender Schritt in der Vorverarbeitungspipeline. Die Farbkalibrierung wird von vielen Programmen benötigt, da sie viele Fotos gleichzeitig verarbeiten. Bilddifferenzierung, Registrierung, Objekterkennung, Multi-Kamera-Tracking, Co-Segmentierung und Stereorekonstruktion sind Beispiele für solche Anwendungen.
Es wurde vorgeschlagen, dass die Bildfarbübertragung auch in anderen Zusammenhängen verwendet werden könnte.
Dazu gehören die Vereinnahmung von Farbpaletten aus anerkannten Quellen wie berühmten Gemälden und die Verwendung als weitere Alternative zu Farbmodifikationsmethoden, die in kommerziellen Bildbearbeitungsanwendungen üblich sind, wie z. B. Posterisieren
, Solarise
und Gradient
.
Um diese Möglichkeiten zu untersuchen, steht Ihnen ein Web-Tool zur Verfügung.
Während dieser Artikel der Terminologie folgt, die in der Grundlagenforschung von Reinhard et al. verwendet wird, argumentieren die Autoren, dass es intuitiver ist, sich ein Quellbild so vorzustellen, dass es seine Farben auf ein Zielbild richtet. Die Photoshop Match Color-Funktion von Adobe bezieht sich auf das Farbreferenzbild als Quelle. Einige fehlerhafte Programme haben es in die Wildnis geschafft, nachdem sie aufgrund eines Missverständnisses dieser Sprache verbreitet wurden. Die Verwendung von Begriffen wie Eingabebild
oder Basisbild
und Farbquellbild
oder Farbpalettenbild
kann helfen, die Dinge in Zukunft zu klären.
{Ende Kapitel 1}
Kapitel 2: Gamma-Korrektur
Gamma oder Gammakorrektur ist ein nichtlineares Verfahren, das in Video- und Standbildsystemen verwendet wird, um Luminanz- oder Tristimuluswerte zu kodieren und zu dekodieren. In ihrer einfachsten Form wird die Gammakorrektur durch den Potenzgesetz-Ausdruck definiert:
{\displaystyle V_{\text{out}}=AV_{\text{in}}^{\gamma },}wobei der nicht-negative reale Eingangswert V_{{\text{in}}} potenziert \gamma und mit der Konstanten A multipliziert wird, um den Ausgangswert zu erhalten V_{{\text{out}}} .
Für den häufigsten Wert von A = 1,, In der Regel liegen die Eingabe- und Ausgabewerte im Bereich von 0-1.
Ein Gamma-Wert \gamma <1 wird manchmal als Kodierungs-Gamma bezeichnet. Die Verwendung dieser komprimierenden Potenzgesetz-Nichtlinearität bei der Kodierung wird als Gamma-Kompression bezeichnet; umgekehrt wird ein Gamma-Wert \gamma >1 als Dekodierungs-Gamma bezeichnet. Darüber hinaus wird die Verwendung der nichtlinearen Potenzgesetz-Entwicklung als Gamma-Entwicklung bezeichnet.
Unter Ausnutzung der nichtlinearen Art und Weise, in der Menschen Licht und Farbe wahrnehmen, wird die Gamma-Kodierung von Bildern verwendet, um den Verbrauch von Bits bei der Kodierung eines Bildes oder die Bandbreite zu optimieren, die für die Übertragung eines Bildes verwendet wird. Aus diesem Grund braucht es viel kreative Energie, um zu entscheiden, wie das Originalbild in seiner verkleinerten Version am besten dargestellt werden kann. Die Gammakorrektur, oft auch als Kontrastauswahl bezeichnet, ist ein Werkzeug im Werkzeugkasten des Fotografen zur Feinabstimmung des Endprodukts.
Elektronische Sensoren werden in Digitalkameras verwendet, um Licht aufzuzeichnen, und sie reagieren in der Regel linear. Farbraumtransformationen und Rendering-Transformationen werden bei der Umwandlung linearer Rohdaten in Standard-RGB-Daten (z. B. zum Speichern in das JPEG-Bildformat) durchgeführt. Insbesondere werden die Intensitäten der Primärfarben in einer fotografischen Reproduktion nichtlinear (durch Gammakompression) in fast allen gängigen RGB-Farbräumen und Dateiformaten kodiert. Darüber hinaus besteht eine Nichtlinearität der Tonwiedergabe zwischen der geplanten Wiedergabe und den gemessenen Szenenintensitäten.
Die Gammatheorie kann verwendet werden, um jede Art von nichtlinearer Verbindung zu analysieren.
Für die Potenzgesetz-Beziehung {\displaystyle V_{\text{out}}=V_{\text{in}}^{\gamma }} , Auf einer logarithmischen Skala sieht die Kurve als gerade Linie mit einer konstanten gamma-gleichen Steigung aus Der Ableitungsoperator (hier stellvertretend für die Steigung):
{\displaystyle \gamma ={\frac {\mathrm {d} \log(V_{\text{out}})}{\mathrm {d} \log(V_{\text{in}})}}.}Wenn Sie ein Eingabe-Ausgabe-Diagramm auf logarithmischen Achsen zeichnen, entspricht die Steigung des Diagramms dem Gamma. Diese Steigung ist für Potenzgesetzkurven konstant, aber das Konzept kann auf jede Kurve verallgemeinert werden, indem Gamma (genauer gesagt Punkt-Gamma
) als die Steigung der Kurve an einem bestimmten Punkt definiert wird.
Ein Diagramm