SlideShare a Scribd company logo
1 of 22
Download to read offline
Технически университет-София
             филиал Пловдив




                           по ПП2

Прогнозни модели за контрол на качеството на обмен (Color Appear-
 ance Model). Методи за изработване на корекции между различни
   представяния на цветовете в изображенията ( диференциални
                 разлики, фон Крийс, Брадфорд).




Изготвил:Мария Ръменова Кисова
Специалност:Полиграфия
Фак.№241457




                                       Проверил: ........................
Съдържание:

   1. САМ
   2. Адаптация ахроматични цветове
   3. Адаптация при цветове
   4. Адаптация при допълнителни цветове
   5. Адаптация при цветове с различна
наситеност
   6. Адаптация при цветове с различна
наситеност
   7. Адаптация към яркост на цветовете
   8. Константност на цветовете
   9. Ефект на Бецолд-Брюке
   10. Хроматична адаптация в CAM
   11. CAM – модел на хроматична адаптация
   12. CAT – хроматична трансформация
   13. Методи за адаптация
CAM


Условия за поява на цветовете –   резултат от адаптация на зрението

 Яркостна адаптация към светло –
     намаляване на възприятието при увеличаване на яркостта
 Адаптация към тъмно –
    увеличаване на възприятието при намаляване на яркостта
 Хроматична адаптация –
    регулиране на възприятието независимо от механизъма на
цветното зрение


   Едновременен контраст
   Последователен контраст
   Константност на цветовете Адаптация към яркост
   Цветове на малки предмети
   Хроматична адаптация



Едновременен контраст:
Два предмета с различна яркост, отместват усещането към
увеличаване на контраста
Два цвята, поставени един до друг увеличават цветовия контраст чрез
отместване към допълнителния цвят на фона;
Всеки цвят на фона на своя допълнителен се усеща като по-наситен;
Поставени един до друг предмети с еднакъв цветови тон, но
с различна наситеност, по-слабо наситеният се отмества към
допълнителния, увеличавайки контраста
фон         стимул-
         стимул                 отместване
                      тъмно       светло
                      светло      тъмно
                      червено     зелено
          фон         жълто       синьо
                      зелено      червено
                      синьо       жълто




Адаптация ахроматични цветове
Адаптация при цветове




Адаптация при допълнителни цветове
Адаптация при цветове с различна наситеност




              Адаптация към яркост на цветовете
- При голяма яркост на зададен цвят в наблюдаваното поле
чувствителността към него намалява, за сметка на увеличаване на
чувствителността към по-слабото възбуждане в посока увеличаване
на контраста
Константност на цветовете
 Цветът се запазва независимо от изменението на осветеността в
определени граници
Стъпки на изменение в яркосттта отнесени към цветността




Стъпки на изменение в яркосттта отнесени
към цветността                               Дължи се на нелинейността в
                                             кривата на възприятие




Адаптация към яркост
Тъмни полета се възприемат като по-светли
Светли полета – също като по-светли
Повърхности с яркост под средната се възприемат като тъмни, а над – като
светли
Възприемана отн. яркост




                                Относителна физическа яркост

Ефект на Бецолд-Брюке – при слаба осветеност са видими само
червени, зелени и виолетови предмети, оранжеви, небесно-сини и
жълти стават червени, зелени и сини
Яркостта на фона определя видимата яркост на обектите:
На тъмно- тъмни обекти изглеждат по-светли;
На светло – светли обекти изглеждат тъмни




Хроматична адаптация в CAM –
   система нормирани стимули LMS

Трите конуса видове, LMS,
 са в състояние да
независими чувствителност
                                             M
регламент. (Адаптиране
се среща в по-горно ниво                                 L
механизми, както добре.)
                                         S
Величина на цветните отговори са
зависими от състоянието на
адаптация.
Изображения от трите канала




                                  L




                              M




                                  S
CAM – модел на хроматична адаптация
 La = f(L, Lwhite , .. .)
 Ma = f(M,Mwhite, . ..)
 Sa = f(S, Swhite, .. .)
CAT – хроматична трансформация
(баланс на бяло)
X YZ2 = f(XYZ1,XYZwhite ,. .. )




Начални изображения без корекции




Изображения след хроматична адаптация
CAT – хроматична трансформация




Пример:           източник                     обект

    X = 0.93    L = 0,99252       X = 0.45    L = 0,6711
     Y =1       M = 1,0045        Y = 0.76   M = 0,81038
    Z = 1.08    S = 0,99144       Z = 0.58   S = 0,53244

 CAT за LMS

нормиране
За примера    k L = 1,0075     La = 0,6761
              k M = 0,9955     M a = 0,8067
              k S = 1,0086     S a = 0,5370

CAT за LMS
 При два различни източника цвят (LMS)1 към цвят (LMS)2




Преход от (XYZ)1 към (XYZ)2
CAT за LMS
 обобщено

 [X 2     Y2     Z 2 ] = [X 1 Y1   Z1 ].[ M ]           Обща трансформация в XYZ

               ρ 2 / ρ1 0    0 
[M ] = [M A ]. 0 γ 2 / γ 1 0 .[M A ]−1                   Пресмятане на матрица на
                                                         трансформацията
               0
                        0 β 2 / β1 
                                    

                                                    Преход към LMS за:

[ρ1     γ 1 β1 ] = [X W 1 YW 1 ZW 1 ].[ M A ]       източника при началния цвят

[ρ 2    γ 2 β 2 ] = [X W 2 YW 2 ZW 2 ].[ M A ]      източника при крайния цвят
 Методи за адаптация

                                                 [МА]                    [МА]-1

                                    1.0      0.0      0.0      1.0      0.0       0.0
            XYZ Scaling             0.0      1.0      0.0      0.0      1.0       0.0
                                    0.0      0.0     1.0       0.0      0.0       1.0
                                    0.8951 -0.7502             0.986993 0.432305 -
                                    0.0389                     0.008529
                                    0.2664 1.7135 -            -0.147054 0.518360
               Bradford
                                    0.0685                     0.040043
                                    -0.1614 0.0367             0.159963 0.049291
                                    1.0296 -0.22630
                                    0.40024                    1.859936 0.361191
                                                               0.968487
                                    0.00000                    0.000000
                                    0.70760 1.16532            -1.129382 0.638812
               Von Kries
                                    0.00000                    0.000000
                                    -0.08081 0.04570           0.219897 -0.000006
                                    0.91822                    1.089064
Снимка при D65




Снимка при A




След прилагане на адаптация
от А към D65
Хроматична адаптация




                                      След адаптиране




Хроматична адаптация, приложена към RGB
Обработка
на изображенията
при адаптация
Използва:
        RAW формат за извличане на измервани стойности;
       изображения за всеки параметър




                            Картографиране на цветовия
                            тон по няколко изображения
Оригинални снимки с
различна експозиция




                      Изображение след
                      картографиране на
                      цветовия тон
Използвана литература:

         AppearanceLec
20050331_Image Appearance Model

More Related Content

Featured

Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
 

Featured (20)

PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy Presentation
 

презенрация по пп2

  • 1. Технически университет-София филиал Пловдив по ПП2 Прогнозни модели за контрол на качеството на обмен (Color Appear- ance Model). Методи за изработване на корекции между различни представяния на цветовете в изображенията ( диференциални разлики, фон Крийс, Брадфорд). Изготвил:Мария Ръменова Кисова Специалност:Полиграфия Фак.№241457 Проверил: ........................
  • 2. Съдържание: 1. САМ 2. Адаптация ахроматични цветове 3. Адаптация при цветове 4. Адаптация при допълнителни цветове 5. Адаптация при цветове с различна наситеност 6. Адаптация при цветове с различна наситеност 7. Адаптация към яркост на цветовете 8. Константност на цветовете 9. Ефект на Бецолд-Брюке 10. Хроматична адаптация в CAM 11. CAM – модел на хроматична адаптация 12. CAT – хроматична трансформация 13. Методи за адаптация
  • 3. CAM Условия за поява на цветовете – резултат от адаптация на зрението Яркостна адаптация към светло – намаляване на възприятието при увеличаване на яркостта Адаптация към тъмно – увеличаване на възприятието при намаляване на яркостта Хроматична адаптация – регулиране на възприятието независимо от механизъма на цветното зрение Едновременен контраст Последователен контраст Константност на цветовете Адаптация към яркост Цветове на малки предмети Хроматична адаптация Едновременен контраст: Два предмета с различна яркост, отместват усещането към увеличаване на контраста Два цвята, поставени един до друг увеличават цветовия контраст чрез отместване към допълнителния цвят на фона; Всеки цвят на фона на своя допълнителен се усеща като по-наситен; Поставени един до друг предмети с еднакъв цветови тон, но с различна наситеност, по-слабо наситеният се отмества към допълнителния, увеличавайки контраста
  • 4. фон стимул- стимул отместване тъмно светло светло тъмно червено зелено фон жълто синьо зелено червено синьо жълто Адаптация ахроматични цветове
  • 5.
  • 6. Адаптация при цветове Адаптация при допълнителни цветове
  • 7. Адаптация при цветове с различна наситеност Адаптация към яркост на цветовете - При голяма яркост на зададен цвят в наблюдаваното поле чувствителността към него намалява, за сметка на увеличаване на чувствителността към по-слабото възбуждане в посока увеличаване на контраста
  • 8. Константност на цветовете Цветът се запазва независимо от изменението на осветеността в определени граници Стъпки на изменение в яркосттта отнесени към цветността Стъпки на изменение в яркосттта отнесени към цветността Дължи се на нелинейността в кривата на възприятие Адаптация към яркост Тъмни полета се възприемат като по-светли Светли полета – също като по-светли Повърхности с яркост под средната се възприемат като тъмни, а над – като светли
  • 9. Възприемана отн. яркост Относителна физическа яркост Ефект на Бецолд-Брюке – при слаба осветеност са видими само червени, зелени и виолетови предмети, оранжеви, небесно-сини и жълти стават червени, зелени и сини
  • 10. Яркостта на фона определя видимата яркост на обектите: На тъмно- тъмни обекти изглеждат по-светли; На светло – светли обекти изглеждат тъмни Хроматична адаптация в CAM – система нормирани стимули LMS Трите конуса видове, LMS, са в състояние да независими чувствителност M регламент. (Адаптиране се среща в по-горно ниво L механизми, както добре.) S Величина на цветните отговори са зависими от състоянието на адаптация.
  • 12.
  • 13. CAM – модел на хроматична адаптация La = f(L, Lwhite , .. .) Ma = f(M,Mwhite, . ..) Sa = f(S, Swhite, .. .) CAT – хроматична трансформация (баланс на бяло) X YZ2 = f(XYZ1,XYZwhite ,. .. ) Начални изображения без корекции Изображения след хроматична адаптация
  • 14. CAT – хроматична трансформация Пример: източник обект X = 0.93 L = 0,99252 X = 0.45 L = 0,6711 Y =1 M = 1,0045 Y = 0.76 M = 0,81038 Z = 1.08 S = 0,99144 Z = 0.58 S = 0,53244 CAT за LMS нормиране
  • 15. За примера k L = 1,0075 La = 0,6761 k M = 0,9955 M a = 0,8067 k S = 1,0086 S a = 0,5370 CAT за LMS При два различни източника цвят (LMS)1 към цвят (LMS)2 Преход от (XYZ)1 към (XYZ)2
  • 16. CAT за LMS обобщено [X 2 Y2 Z 2 ] = [X 1 Y1 Z1 ].[ M ] Обща трансформация в XYZ  ρ 2 / ρ1 0 0  [M ] = [M A ]. 0 γ 2 / γ 1 0 .[M A ]−1 Пресмятане на матрица на   трансформацията  0  0 β 2 / β1   Преход към LMS за: [ρ1 γ 1 β1 ] = [X W 1 YW 1 ZW 1 ].[ M A ] източника при началния цвят [ρ 2 γ 2 β 2 ] = [X W 2 YW 2 ZW 2 ].[ M A ] източника при крайния цвят Методи за адаптация [МА] [МА]-1 1.0 0.0 0.0 1.0 0.0 0.0 XYZ Scaling 0.0 1.0 0.0 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 1.0 0.8951 -0.7502 0.986993 0.432305 - 0.0389 0.008529 0.2664 1.7135 - -0.147054 0.518360 Bradford 0.0685 0.040043 -0.1614 0.0367 0.159963 0.049291 1.0296 -0.22630 0.40024 1.859936 0.361191 0.968487 0.00000 0.000000 0.70760 1.16532 -1.129382 0.638812 Von Kries 0.00000 0.000000 -0.08081 0.04570 0.219897 -0.000006 0.91822 1.089064
  • 17. Снимка при D65 Снимка при A След прилагане на адаптация от А към D65
  • 18. Хроматична адаптация След адаптиране Хроматична адаптация, приложена към RGB
  • 20. Използва: RAW формат за извличане на измервани стойности; изображения за всеки параметър Картографиране на цветовия тон по няколко изображения
  • 21. Оригинални снимки с различна експозиция Изображение след картографиране на цветовия тон
  • 22. Използвана литература: AppearanceLec 20050331_Image Appearance Model