Fargebilder. Lars Vidar Magnusson. March 12, 2018

Like dokumenter
Kantdeteksjon og Fargebilder

INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)

Repetisjon av histogrammer

Løsningsforslag til kapittel 15 Fargerom og fargebilder

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset. m cos( Zenit-distansen, z, er gitt ved

INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Spredning, absorbsjon, transmisjon. Vi kan skille mellom tusenvis av fargenyanser

Midtveiseksamen Løsningsforslag

INF 2310 Digital bildebehandling

Farger. Introduksjon. Skrevet av: Sigmund Hansen

Grunnleggende Matematiske Operasjoner

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Bilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller

Midtveiseksamen. INF Digital Bildebehandling

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6

RF5100 Lineær algebra Leksjon 10

Hovedsakelig fra kap. 3.3 i DIP

INF 1040 Farger og fargerom

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Fourier-Transformasjoner

Fargetyper. Forstå farger. Skrive ut. Bruke farger. Papirhåndtering. Vedlikehold. Problemløsing. Administrasjon. Stikkordregister

3. obligatoriske innlevering, høsten 2014

INF 1040 Farger og fargerom

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning

INF 2310 Digital it bildebehandling. Spredning, absorbsjon, transmisjon FARGER OG FARGEROM

INF 1040 Farger og fargerom

Histogramprosessering

INF1040-Farger-2. Vite hvilket fargerom vi skal bruke til forskjellige oppgaver

Kartografisk formidling. Fargar og Visuelle variablar

Fourier-Transformasjoner IV

Punkt, Linje og Kantdeteksjon

Histogramprosessering

Morfologi i Binære Bilder

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

INF 1040 Farger og fargerom

Grunnleggende om Digitale Bilder (ITD33515)

Intensitetstransformasjoner og Spatial Filtrering

Farger Introduksjon Processing PDF

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009

Veiledning om fargekvalitet

Institutt for informatikk Universitetet i Oslo

Grafisk pakke dataseminar ARK6 12.feb 2008

INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig

Denne veiledningen hjelper deg med å forstå hvordan du kan bruke skriverens funksjoner til å justere og tilpasse fargene på utskriftene.

Valg av PC-skjerm til fotobruk

PRAKTISK FARGESTYRING

Triangle Colorscale. Created for design CMYK GUIDE. Intuitiv, nøyaktig og praktisk

TMA4100 Matematikk 1, høst 2013

4.1 Vektorrom og underrom

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

VTK - The Visualization Toolkit. Del 1 Introduksjon til VTK VTK. Objektorientering (OO) i C++ Objekt-orientert bibliotek for visualisering Fordeler:

Kap. 6 Ortogonalitet og minste kvadrater

Designmanual. Versjon 1 september 2017

Morfologi i Gråskala-Bilder II

Oppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling

SOSI standard - versjon DEL 1 SOSI-raster

Photopolymertrykk Video av prosessen, fra Grafisk Eksperimentarium... 2 Rastrering via Bitmap Rastreringsmetoder under Bitmap...

UNIVERSITETET I OSLO

Fourier-Transformasjoner II

Kapittel Oktober Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 14.

Malin Milder 06hbmeda Fargestyring våren Fargestyring. Malin Milder 06hbmeda Våren 2008

Løsningsforslag. Prøve i Matematikk 1000 BYFE DAFE 1000 Dato: 29. mai 2017 Hjelpemiddel: Kalkulator og formelark. Oppgave 1 Gitt matrisene.

Oppgave 1 (25 %) - Flervalgsoppgaver

INF1040 Digital representasjon Oppsummering 2008 del II

EKSAMEN I EMNE TDT4230 VISUALISERING LØRDAG 18. DESEMBER 2004 KL Løsningsforslag

INF1040 Digital representasjon Oppsummering 2008 del II

Løsningsforslag til øving 9

EKSAMEN I EMNE TDT4230 VISUALISERING FREDAG 10. DESEMBER 2010 KL LØSNINGSFORSLAG

1. Om profilen. 2. Logo. 3. Profilfarger. 4. Typografi. 1.1 Vår visuelle profil 1.2 Stemmeleie

Vi viser denne ekvivalensen ved å vise begge implikasjoner. " "Anta at G virker trofast på X og anta at g, h G er slik at gx = hx for alle

SOSI standard - versjon 2.2 Side 115. DEL 1 SOSI- raster

Farge Modeller RGB HSV HLS CMYK. Grunnleggende Grafikk Våren HSV eller HSB. RGB farge modell

Seksjonene : Vektorer

PDF- og fargestyring. Onsdag 18. april. Hanne Josefsen

Anbefalte oppgaver - Løsningsforslag

Eksamen 1T våren 2016 løsning

LØSNINGSANTYDNING. HØGSKOLEN I AGDER Fakultet for teknologi. DAT 200 Grafisk Databehandling. Ingen. Klasse(r): 2DTM, 2DT, 2 Siving, DT

og sånn Guiden til kontroll over farger

i kartografisk visualisering Kristoffer J. Kristiansen Statens kartverk Foredrag GIS-samarbeidet Kongsberg 9. mai 2005

5.1 Farger. Alle filer for print eller web skal lages i fargeprofilen

Design. Manual. Mynte Medier. Svein Erik Rusten

Profilhåndbok versjon 1

INF 1040 løsningsforslag til kapittel 17

Har du styring på fargene?

PhotoShop Grunnleggende ferdigheter

Løsningsforslag til øving 9

Grafisk profilhåndbok Retningslinjer for grafisk profil

Volum Lengde Areal Forelesning i Matematikk 1 TMA4100

Seksjonene : Vektorer

Alternativ II: Dersom vi ikke liker å stirre kan vi gå forsiktigere til verks. Først ser vi på komponentlikninga i x-retning

UNIVERSITETET I OSLO

Kvalitet og utfordringer:

a. Hva er de inverse transformasjonene avfølgende tre transformasjoner T, R og S: θ θ sin( ) cos( ) Fasit: 1 s x cos( θ) sin( θ) 0 0 y y z

Føringer for bruk av ikon for digital postkasse

with plots plot sin x, x =KPi..Pi Pi 3 eval tan eval cos K1 1 > evalf sin 3 2 K 2 $Pi

Eksamen 1T våren 2016

Transkript:

Fargebilder Lars Vidar Magnusson March 12, 2018 Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Delkapittel 6.3 Bildeprosessering med Pseudofarger Delkapittel 6.4 Prosessering av Fargebilder

Grunnleggende om Farger Det synlige lys er som vi har vært innom tidligere en del av det elektromagnetiske spektrum.

Grunnleggende om Farger Det finnes ingen entydig definisjon om hva som er hva når det gjelder farger CIE definerte i 1931 følgende.. Blå: 435.8 nm Grønn: 546.1 nm Rød: 700 nm

Grunnleggende om Farger De ulike fargene er relatert på følgende vis

Grunnleggende om Farger Vi har to måter å blande farger på; additive og subtraktiv

Fargemodeller En fargemodel er en metode for å spesifisere en farge colorspace, color system... Hvert system lar deg spesifisere en farge i et koordinatsystem RGB CMY / CMYK HSI En modell er typisk tilpasset hardware eller for sluttvisning

Fargemodeller - RGB RGB er en modell som spesifiserer farger ved hjelp av primærfargene rød, grønn og blå En farge angis i et kartesisk system gitt under

Fargemodeller - RGB Et punkt består av en 3-tuple (alternativt kan vi se det som tre separate bilder) Hver kanal blir typisk representert med samme antall bits Det er vanlig med 8 bit Et bilde i full-color (fullfarge) har typisk 3 8 = 24 bits per element i bildet Dette gir totalt (2 8 ) 3 = 16777216 mulige farger Angis enten som.. flyttall i intervallet [0, 1] decimal i intervallet [0, 255] hexadecimal i intervallet [0, ff ]

Fargemodeller - CMY CMY bruker sekundærfargene (primær pigmentfargene) til å angi en farge cyan, magenta og yellow En enhet som skal gi en farge (e.g. printer) konverterer typisk fra RGB til CMY C 1 R M = 1 G Y 1 B CMY modellen blir normalt utvidet med en dedikert svart farge (CMYK)

Fargemodeller - HSI HSI benytter seg av helt andre begreper for å spesifisere en farge Hue Saturation Intensity Modellen passer bedre med hvordan vi oppfatter farger Skiller farge fra intensitet!

Relasjonen Mellom RGB og HSI Forholdet mellom RGB kan visualiseres ved hjelp av RGB-kuben.

Relasjonen Mellom RGB og HSI Det blir enda klarere når vi titter ned gråskalaaksen Hue H er vinkelen fra rød Saturation S er lengden på vektoren Intensity I er plasseringen på den vertikale aksen

HSI Illustrert HSI-modellen illustrert

Konvertere fra RGB til HSI Vi kan konvertere fra RGB til HSI. { θ if B G H = 360 θ if B > G hvor { } θ = cos 1 0.5[(R G) + (R B)] [(R G) 2 + (R B)(G B)] 1/2 S = 1 3 [min(r, G, B)] R + G + B I = 1 (R + G + B) 3

Konvertere fra HSI til RGB Vi kan konvertere fra HSI til RGB, men vi må ta høyde for vinkelen til hue Når 0 H < 120 konverterer vi på følgende vis... [ R = I 1 + S cos H ] cos(60 H) G = 3I (R + B) B = I (1 S)

Konvertere fra HSI til RGB Når 120 H < 240 konverterer vi på følgende vis... R = I (1 S) ] S cos H G = I [1 + cos(60 H ) H er H 120 B = 3I (R + G)

Konvertere fra HSI til RGB Når 240 H < 360 konverterer vi på følgende vis... R = 3I (G + B) G = I (1 S) H er H 240 ] S cos H B = I [1 + cos(60 H )

Pseudofarger i Bildeprosessering Ofte vil vi prosessere farger slik at vi introduserer pseudo (falske) farger. Brukes for å identifisere punkter som oppfyller spesifikke kriterier.

Intensitets-Slicing (Intensity Slicing) Intensitets-slicing (intensity/density slicing) er en enkel pseudofarge tranformasjon. Vi ser på et (gråskala) bilde som en 3D-flate Plan blir plassert parallelt med koordinatplanet Hvert plan deler inn spekteret inn i farger Vi har P plan som deler inn i P + 1 lag V 1, V 2,... V P+1 f (x, y) = c k if f (x, y) V k

Intensitets-Slicing (Intensity Slicing) Under er en visuell representasjon av intensity slicing

Intensitets-Slicing Eksempel Under ser vi et gråskalabilde av skjoldbruskkjertelen og resultatet etter slicing med 8 farger.

Intensitets-Slicing (Intensity Slicing) Vi kan også bruke intensitets-slicing for fargelagt thresholding

Intensitets-Slicing Eksempel Threshold Under ser vi et gråskalabilde av en sveiset skjøt og resultatet etter slicing med to farger.

Intensitets-Slicing Eksempel Under ser vi et gråskalabilde av skjoldbruskkjertelen og resultatet etter slicing med 8 farger.

Intensitet til Farge Transformasjoner Pseudofarge-transformasjoner kan generaliseres Vi skal se på to alternativer Et gråskalabilde med forskjellige transformasjonsfunksjoner Flere bilder

Pseudofarger - Et Gråskala med Flere Transformasjoner Vi har et et bilde som vi transformerer med ulike funksjoner for hver fargekanal Merk hvis tranformasjonsfunksjonen er lik får vi et gråskalabilde

Pseudofarger - Et Gråskala med Flere Transformasjoner Eksempel Et eksempel som illustrerer hvordan ulike transformasjoner kan utnyttes

Pseudofarger - Flere Bilder Vi kan også ha et sett med bilder som prosesseres individuelt for så settes sammen.

Pseudofarger - Flere Bilder Eksempel Et eksempel som illustrerer bruk av flere bilder. Øverste rad er R G B komponentene Fjerde bildet er near-infrared (IR) De to siste er kombinasjonene IRGB og RIRB

Pseudofarger - Flere Bilder Eksempel Bildet er satt sammen av ulike bilder hvor flere ikke kan sees med det nakne øyet

Prosessering av Fargebilder Nå skal vi se på hvordan fargebilder blir prosessert Et fargebilde kan sees som.. c = c R c G c B R = G B eller alternativt.. c R (x, y) R(x, y) c(x, y) = c G (x, y) = G(x, y) c B (x, y) B(x, y) Vi må altså bruke vektoroperasjoner

Prosessering av Fargebilder Dette illustrerer forskjellen mellom gråskala- og fargebilder