Modelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es el modelo de apariencia del color
Un modelo de apariencia del color, a menudo conocido como CAM, es un modelo matemático que tiene como objetivo capturar los elementos perceptivos de la visión humana del color. Este modelo se utiliza para describir entornos de visualización en los que la apariencia de un color no coincide con la medición real correspondiente de la fuente del estímulo.
Cómo se beneficiará
(I) Información y validaciones sobre los siguientes temas:
Capítulo 1: Modelo de apariencia de color
Capítulo 2: Espacio de color CIELAB
Capítulo 3 : Colorimetría
Capítulo 4: Adaptación cromática
Capítulo 5: CIECAM02
Capítulo 6: Espacio de color
Capítulo 7: Espacios de color RGB
Capítulo 8: Colorido
Capítulo 9: Espacio de color CIE 1931
Capítulo 10: Espacio de color LMS
(II) Respondiendo a la Principales preguntas del público sobre el modelo de apariencia del color.
(III) Ejemplos del mundo real sobre el uso del modelo de apariencia del color en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de Modelo de Apariencia de Color.
Relacionado con Modelo de apariencia de color
Títulos en esta serie (100)
Joint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesHistograma de gradientes orientados: Revelando el ámbito visual: explorando el histograma de gradientes orientados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de bordes: Explorando los límites en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesDetector de esquinas Harris: Revelando la magia de la detección de características de imagen Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Espacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSombreado: Explorando el sombreado de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesModelo de reflexión de Phong: Comprender las interacciones de la luz en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesUF0306 - Análisis de datos y representación de planos Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesReconstrucción tridimensional multivista: Técnicas avanzadas de percepción espacial en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de radiosidad: Avances en la visualización a través de la radiosidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGeometría epipolar: Desbloqueo de la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetoque digital de imágenes. ARGG0110 Calificación: 0 de 5 estrellas0 calificacionesAntialiasing: Mejora de la claridad visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSegmentación de imagen: Desbloqueo de información a través de Pixel Precision Calificación: 0 de 5 estrellas0 calificacionesUF1458 - Retoque digital de imágenes Calificación: 0 de 5 estrellas0 calificacionesNiveles y Curvas con GIMP Calificación: 0 de 5 estrellas0 calificacionesCara Propia: Explorando las profundidades del reconocimiento visual con Eigenface Calificación: 0 de 5 estrellas0 calificacionesAula de Dibujo. Dibujo de luz y sombra Calificación: 0 de 5 estrellas0 calificacionesIluminación global: Visión avanzada: conocimientos sobre la iluminación global Calificación: 0 de 5 estrellas0 calificacionesLa luz y la sombra en el dibujo Calificación: 0 de 5 estrellas0 calificacionesRepresentación de volumen: Explorando el realismo visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesProcesamiento de imágenes piramidales: Explorando las profundidades del análisis visual Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesInterpolación bilineal: Mejora de la resolución y claridad de la imagen mediante interpolación bilineal Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Klara y el Sol Calificación: 5 de 5 estrellas5/5Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesResumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesMáquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Dominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Inteligencia Artificial Calificación: 4 de 5 estrellas4/5Máquinas como yo Calificación: 4 de 5 estrellas4/5Sobreviviendo a la IA Calificación: 3 de 5 estrellas3/5Inteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Metodología de la programación Calificación: 0 de 5 estrellas0 calificacionesANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesAdministración básica de bases de datos con ORACLE 12c SQL: Prácticas y ejercicios Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesPython fácil Calificación: 4 de 5 estrellas4/5UML: Modelado de Software para Profesionales Calificación: 0 de 5 estrellas0 calificacionesPHP: Programación web avanzada para profesionales Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesEscritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Laravel: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Casos prácticos con aprendizaje profundo Calificación: 4 de 5 estrellas4/5GuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesR en profundidad: Programación, gráficos y estadística Calificación: 0 de 5 estrellas0 calificacionesMonetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5
Comentarios para Modelo de apariencia de color
0 clasificaciones0 comentarios
Vista previa del libro
Modelo de apariencia de color - Fouad Sabry
Capítulo 1: Modelo de apariencia de color
Los modelos matemáticos llamados modelos de apariencia del color (CAM, por sus siglas en inglés) intentan caracterizar los elementos perceptivos de la visión humana del color, como las circunstancias en las que el color percibido de un objeto difiere de la medición física correspondiente de la fuente de estímulo. (Por el contrario, un modelo de color, como los modelos de color RGB o CMYK, establece un espacio de coordenadas para representar los colores).
El objetivo de un espacio de color uniforme (SCP) es crear un modelo de color en el que las diferencias aparentes entre los colores sean proporcionales a su separación física en el espacio. Un SCP es el resultado de aplicar un SCP a un entorno de visualización estático, mientras que un SCP es la consecuencia de aplicar un SCP a un entorno de visualización dinámico. Incluso sin este tipo de modelado, un SCP puede servir como un CAM rudimentario.
El observador es la fuente de todo color; objetivamente
, lo único visible es la distribución de potencia espectral de la luz.
Con esto en mente, todo el mundo ve los colores de manera diferente.
Sin embargo, muchos investigadores han intentado vincular cuantitativamente la distribución de la potencia espectral de la luz con la respuesta sensorial humana, con cierto éxito.
En 1931, utilizando técnicas de psicofísica, el espacio de color XYZ, desarrollado por la CIE (Comisión Internacional de Iluminación), representa con precisión la percepción humana del color a este nivel sensorial.
Sin embargo, hay suposiciones incorporadas en el modelo de color XYZ que limitan su uso (como el locus de estimulación de la retina, el nivel de luminancia de la luz que se encuentra con el ojo, el fondo detrás del objeto observado y el nivel de luminancia de la luz circundante). Dos estímulos con valores triestímulos XYZ idénticos parecerán tener el mismo matiz para un observador humano solo si todos los demás factores se mantienen constantes. Se pueden percibir diferentes colores a partir de dos estímulos idénticos con los mismos valores de triestímulo X, Y y Z si las condiciones iniciales difieren (y viceversa: dos estímulos diferentes con valores de triestímulo XYZ diferentes pueden crear una apariencia de color idéntica).
Para representar la percepción humana del color, es necesario un modelo de apariencia de color en lugar del modelo de color XYZ estático si el entorno de visualización varía.
Los seres humanos no perciben los colores utilizando valores triestímulos XYZ, sino más bien parámetros de apariencia, lo que presenta un problema importante para cualquier modelo de apariencia de color (tono, luminosidad, brillo, croma, colorido y saturación). Por lo tanto, los valores triestímulos X, Y y Z deben transformarse (teniendo en cuenta las condiciones de visualización) en estos parámetros de apariencia como parte de cualquier modelo de apariencia de color (al menos tono, luminosidad y croma).
A continuación se analizan algunos fenómenos de apariencia de color que los modelos de apariencia de color intentan tener en cuenta.
La adaptación cromática es la capacidad del ojo humano para ver un objeto reflejado sin verse afectado por el punto blanco (o temperatura de color) de la fuente de luz. Una hoja de papel blanco parece blanca para el ojo humano, independientemente de si la luz es azulada o amarillenta. Este es el fenómeno de apariencia de color más fundamental y fundamentalmente significativo y, por lo tanto, cualquier modelo de apariencia de color debe incluir una transformada de adaptación cromática (CAT) que intente imitar este comportamiento.
Esto separa claramente los modelos de color elementales basados en triestímulos de los modelos de apariencia de color más complejos. Al describir el color de la superficie de un elemento iluminado, un modelo de color simple basado en triestímulos no tiene en cuenta el punto blanco del iluminador, por lo tanto, si el punto blanco del iluminador cambia, también lo hace el color de la superficie. Un modelo de apariencia de color, por otro lado, tiene en cuenta el punto blanco del iluminante (de ahí la necesidad de este valor en los cálculos del modelo) y, como resultado, informa del mismo color para una superficie incluso si el punto blanco del iluminante cambia.
En la situación de adaptación cromática, dos estímulos con diferentes valores de triestímulo XYZ pueden producir la misma apariencia de color. La luz reflejada del libro blanco tendrá una distribución de potencia espectral diferente y, en consecuencia, diferentes valores de triestímulo X, Y y Z dependiendo de la temperatura de color de la luz que incida sobre ella (blanca).
Múltiples factores alteran la percepción del color de un observador:
Cambio de tono de Bezold-Brücke: El tono de la luz monocromática cambia con la luminancia.
Efecto Abney: la adición de luz blanca altera el color de la luz monocromática (que se esperaría de color neutro).
Múltiples factores alteran la percepción de contraste de un observador:
Efecto Stevens: el brillo mejora el contraste.
El efecto Bartleson-Breneman establece que el contraste percibido de una imagen emisiva (como una imagen de pantalla LCD) aumenta cuando aumenta el nivel de luz ambiental.
El ojo humano está sujeto a un efecto que altera la vitalidad percibida de los colores:
Efecto de caza: los niveles de luz más altos dan como resultado colores más vibrantes.
El ojo humano está sujeto a un impacto que altera la forma en que se percibe la luz:
El efecto Helmholtz-Kohlrausch: Mejora del brillo en función de la saturación.
Debido a que el cerebro humano asigna a cada píxel un conjunto único de significados contextuales, los fenómenos espaciales solo influyen en el color donde realmente ocurren en una imagen (por ejemplo, como una sombra en lugar de un color gris). El término ilusión óptica
podría usarse para