Mapeo de colores: Explorando la percepción y el análisis visual en visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es el mapeo de color
Esta función se conoce como transferencia de color de imagen y es responsable de mapear (transformar) los colores de una imagen (la fuente) a la otra. colores de otra imagen (el objetivo). Es posible referirse a un mapeo de color como el algoritmo que produce la función de mapeo o el método que altera los colores de la imagen. El proceso de modificar una imagen se denomina frecuentemente transferencia de color o, cuando se trata de fotografías en escala de grises, función de transferencia de brillo (BTF). Además, también puede denominarse calibración de cámara fotométrica o calibración de cámara radiométrica.
Cómo se beneficiará
(I) Información y validaciones sobre los siguientes temas:
Capítulo 1: Transferencia de color de imagen
Capítulo 2: Corrección gamma
Capítulo 3: Gestión del color
Capítulo 4 : Histograma de color
Capítulo 5: Sombreador
Capítulo 6: Mapeo de tonos
Capítulo 7: Histograma de imagen
Capítulo 8: Calibración de color
Capítulo 9: Cuantización del color
Capítulo 10: Rectificación de imágenes
(II) Respondiendo a las principales preguntas del público sobre el mapeo de colores.
(III) Ejemplos del mundo real sobre el uso de mapas de 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 mapeo de color.
Lee más de Fouad Sabry
Relacionado con Mapeo de colores
Títulos en esta serie (100)
Histograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas 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 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora 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 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad 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 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual 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 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras 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 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador 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 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales 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 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora 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 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Mapeo de tonos: Mapeo de tonos: perspectivas iluminadoras 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 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesRepresentación de volumen: Explorando el realismo visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEditora de gráficos ráster: Transformando realidades visuales: dominio de los editores de gráficos rasterizados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráfico de trama digital: Revelando el poder de los gráficos rasterizados digitales en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCortes de gráficos de visión por computadora: Explorando cortes de gráficos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos rasterizados: Comprender los fundamentos de los gráficos rasterizados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesComposición alfa: Dominar el arte de la composición 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 calificacionesAntialiasing: Mejora de la claridad visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIluminación global: Visión avanzada: conocimientos sobre la iluminación global Calificación: 0 de 5 estrellas0 calificacionesProcesamiento de imágenes piramidales: Explorando las profundidades del análisis visual Calificación: 0 de 5 estrellas0 calificacionesSegmentación de imagen: Desbloqueo de información a través de Pixel Precision Calificación: 0 de 5 estrellas0 calificacionesEditora de gráficos vectoriales: Potenciando la creación visual con algoritmos avanzados Calificación: 0 de 5 estrellas0 calificacionesAlgoritmo de dibujo lineal: Dominar técnicas para la representación de imágenes de precisión Calificación: 0 de 5 estrellas0 calificacionesEstimación de movimiento: Avances y aplicaciones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de 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 calificacionesRepresentación de alto rango dinámico: Desbloqueando el espectro visual: técnicas avanzadas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSombreadora: Explorando los reinos visuales con Shader: un viaje a la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVacilar: Dither: ruido visual en la visión por computadora 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 vértice: Explorando la intersección de los gráficos por computadora Vertex y la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificacionesRepresentación de línea de exploración: Explorando el realismo visual a través de técnicas de renderizado Scanline 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 calificaciones
Inteligencia (IA) y semántica para usted
Introducción a la Ingeniería Industrial Calificación: 0 de 5 estrellas0 calificacionesFundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesR en profundidad: Programación, gráficos y estadística Calificación: 0 de 5 estrellas0 calificacionesDominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Cómo 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 calificacionesDesarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Cómo triunfar en Instagram usando ChatGPT: La guía definitiva para crear contenido impactante con ChatGPT 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 calificacionesAdministración básica de bases de datos con ORACLE 12c SQL: Prácticas y ejercicios Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Introducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Casos prácticos con aprendizaje profundo Calificación: 4 de 5 estrellas4/5Inteligencia artificial: la cuarta revolución industrial Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesLaravel: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesMetodología de la Programación Orientada a Objetos Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5PHP: Programación web avanzada para profesionales Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la computación cuántica para ingenieros Calificación: 0 de 5 estrellas0 calificacionesMonetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Oracle 12c PL/SQL: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesMáquinas filosóficas Calificación: 4 de 5 estrellas4/5Cómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificaciones
Comentarios para Mapeo de colores
0 clasificaciones0 comentarios
Vista previa del libro
Mapeo de colores - Fouad Sabry
Capítulo 1: Transferencia de color de la imagen
Los colores de una imagen (la fuente) se transfieren
a los colores de otra imagen (el destino). El proceso de generar una función de mapeo, o transformar los colores de una imagen, a veces se denomina mapeo de color
. La transferencia de color, o función de transferencia de brillo (BTF) para fotos en escala de grises, es un nombre para el proceso de alteración de la imagen; Otros nombres incluyen calibración de cámara fotométrica y calibración de cámara radiométrica.
El término transferencia de color de imagen
es bastante engañoso porque los algoritmos más populares no solo transfieren color, sino también sombreado. (De hecho, aparte de una pequeña área naranja dentro de la imagen que ha sido alterada a amarillo, la muestra dada en esta página transfiere en gran medida el sombreado).
Los algoritmos para transferir colores entre fotos pueden basarse en una correspondencia de píxeles predeterminada o en las estadísticas de los colores presentes en ambas imágenes. En tercer lugar, Faridul y otros identifican los métodos asistidos por el usuario en una revisión exhaustiva.
La coincidencia de histogramas es un método que hace uso de las características estadísticas de las imágenes.
Este es un algoritmo de cambio de color de la vieja escuela, sin embargo, a veces tiene el desafortunado efecto secundario de ser excesivamente preciso, por lo que replica la imagen objetivo hasta sus detalles de color más pequeños, en lugar de los rasgos de color genéricos, lo que provoca aberraciones cromáticas.
Las técnicas estadísticas desarrolladas recientemente abordan esta cuestión.
Una de estas técnicas sería la que normaliza cada uno de los canales de la imagen de entrada para que su media y desviación estándar sean idénticas a las de los canales de entrada correspondientes en la imagen de referencia.
Este proceso de ajuste se realiza normalmente en los espacios de color Lαβ o Lab.
Proporciona una visión general de las técnicas de conversión de color.
También se analizan los métodos de aprendizaje profundo, como la transferencia de estilo neuronal, para transferir colores en videos.
Hay dos aplicaciones principales para el procesamiento de transferencia de color: (1) modificar los colores de dos imágenes de modo que sean perceptualmente compatibles visualmente, y (2) calibrar los colores de dos cámaras para su posterior procesamiento utilizando dos o más imágenes de muestra.
En las aplicaciones de visión artificial, la calibración del color es un paso crucial en el proceso de preprocesamiento. La calibración del color es requerida por muchos programas, ya que procesan muchas fotos a la vez. La diferenciación de imágenes, el registro, el reconocimiento de objetos, el seguimiento multicámara, la cosegmentación y la reconstrucción estéreo son ejemplos de tales aplicaciones.
Se ha propuesto que la transferencia de color de la imagen podría utilizarse en otros contextos.
Estos incluyen la cooptación de paletas de colores de fuentes reconocidas, como pinturas famosas, y el uso como alternativa adicional a los métodos de modificación de color que se encuentran comúnmente en las aplicaciones comerciales de procesamiento de imágenes, como 'posterise', 'solarise' y 'gradient'.
Para investigar estas opciones, una herramienta web está a su disposición.
Si bien este artículo sigue la terminología utilizada en la investigación fundamental de Reinhard et al., los autores argumentan que es más intuitivo pensar en una imagen de origen como si dirigiera sus colores hacia una imagen de destino. La función Coincidencia de color de Photoshop de Adobe se refiere a la imagen de referencia de color como origen. Algunos programas defectuosos han llegado a la naturaleza después de ser distribuidos debido a un malentendido de este lenguaje. El uso de terminología como imagen de entrada
o imagen base
e imagen de origen de color
o imagen de paleta de colores
puede ayudar a aclarar las cosas en el futuro.
{Fin del capítulo 1}
Capítulo 2: Corrección gamma
La gamma, o corrección gamma, es un proceso no lineal utilizado en sistemas de vídeo e imágenes fijas para codificar y decodificar valores de luminancia o triestímulos. En su forma más simple, la corrección gamma se define mediante la expresión de la ley de potencia:
{\displaystyle V_{\text{out}}=AV_{\text{in}}^{\gamma },}donde el valor de entrada real no negativo V_{{\text{in}}} se eleva a la potencia \gamma y se multiplica por la constante A para obtener el valor de salida V_{{\text{out}}} .
Para el valor más frecuente de A = 1,, Normalmente, los valores de entrada y salida están en el rango 0-1.
Un valor gamma \gamma <1 a veces se denomina gamma codificador, El uso de esta no linealidad de la ley de potencia compresiva en la codificación se conoce como compresión gamma; a la inversa, un valor gamma \gamma >1 se denomina gamma decodificante, Además, el uso de la expansión de la ley de potencia no lineal se conoce como expansión gamma.
Aprovechando la forma no lineal en que los humanos perciben la luz y el color, la codificación gamma de imágenes se utiliza para optimizar el consumo de bits al codificar una imagen o el ancho de banda utilizado para transmitir una imagen. Es por eso que se necesita mucha energía creativa para decidir cuál es la mejor manera de mostrar la imagen original en su versión reducida. La corrección gamma, a menudo conocida como selección de contraste, es una herramienta en el kit de herramientas del fotógrafo para ajustar el producto final.
Los sensores electrónicos se utilizan en las cámaras digitales para registrar la luz y, por lo general, responden linealmente. Las transformaciones del espacio de color y las transformaciones de renderizado se llevarán a cabo en el proceso de transformación de datos lineales sin procesar en datos RGB estándar (por ejemplo, para almacenar en formato de imagen JPEG). En particular, las intensidades de los colores primarios en una reproducción fotográfica se codifican de forma no lineal (a través de la compresión gamma) en casi todos los espacios de color RGB estándar y formatos de archivo. Además, existe una no linealidad en la reproducción de tonos entre la reproducción planificada y las intensidades de escena medidas.
La teoría gamma se puede utilizar para analizar cualquier tipo de conexión no lineal.
Para la relación de la ley de potencia {\displaystyle V_{\text{out}}=V_{\text{in}}^{\gamma }} , En una escala logarítmica, la curva se ve como una línea recta, con una pendiente constante igual a gamma El operador