Izbira barvnega prostora pri sistemih strojnega vida

1. Izbira barvnega prostora pri sistemih strojnega vida Seminarska naloga pri podiplomskem študiju mentor : prof. dr. Stane Kovačič Andrej Zupančič 28. April 2003

2. Vsebina 2 Zakaj kamera vidi drugače 1 Kako vidimo barve 3 Barvni prostori 4 Kateri prostor izbrati 1-5 Vprašanja

3. “Vsake oči imajo svojega malarja!”

4. Kaj je barva • Barva : • ni fizična lastnost svetlobe ampak • rezultat človeškega zaznavanja preko celotnega valovnega spektra vidne svetlobe • Barve ne smemo povezovati z določeno valovno dolžino • ampak je odvisna od porazdelitve moči posameznih valovnih dolžin • dve porazdelitvi svetlobe lahko zaznamo kot isto barvo Dve modri barvi, ki ju zaznamo skoraj enako: Svetloba DELab D65 0,18 A 5,56

5. Kako vidimo ljudje • Imamo receptorje za 3 osnovne barve (RGB) • barve v možganih vidimo kot tri komponente (trikromatski vid) • rdeče-zeleno • rumeno-modro • sivinsko • barvna slepota je izguba ene ali obeh barvnih komponent • živali lahko vidijo dvokromatsko, trikromatsko, štirikromatsko

6. Zakaj digitalne kamere vidijo drugače I • Drugačna občutljivost za določene valovne dolžine

7. Zakaj digitalne kamere vidijo drugače II Karakteristika “standardnega opazovalca” • Neidealno zajemanje barvnih komponent Idealna spektralna karakteristika digitalnih kamer rdeča oranžna

8. Zakaj digitalne kamere vidijo drugače III D65: dnevna svetloba • Naši možgani se avtomatsko prilagajajo barvi osvetlitve A: žarnica (s žarilno nitko) F11: neonska luč

9. Ljudje imamo sposobnosti iluzije I V kakšnem odnosu so si modre barve na levi in desni? Desna polovica na levi sliki je enaka levi polovici na desni sliki!

10. Ljudje imamo sposobnosti iluzije II V kakšnem odnosu sta si polje A in B? Sivina v obeh poljih je popolnoma enaka!

11. Ljudje imamo sposobnosti iluzije III Moj primer: • mi vidimo črno barvo, natisnjeno na rumeni podlagi • v resnici je to temno sivo-rjava barva • odtenek (hue) te barve je zelo soroden rumenemu ozadju, zato upoštevanje samo odtenka pri segmentaciji ne da pravega rezultata

12. Glavni barvni prostori • RGB in normiran rgb • HSI, HSV, HLS • CIELab in CIELuv Vir: W. SKARBEK in A. KOSCHAN, Colour Image Segmentation – A Survey)

13. Barvni prostor RGB G Y C W O R B M • 3 komponente: R, G, B • zasloni s katodno cevjo • enaki receptorji v očesu • Oglišča kocke predstavljajo osnovne barve, • in sicer: • 0 = črna • B = modra • M = škrlatna barva (ang. magenta) • R = rdeča • G = zelena • C = cianova barva (ang. cyan) • W = bela • Y = rumena

14. Normirani barvni prostor rgb • ker je normiran lahko uporabimo le 2 komponenti • lažji barvni histogrami • nevarnost izgube 1 dimenzije (svetlosti)

15. Barvni prostor RGB - tabela

16. Prostori HSI, HSV, HLS • Posnemajo človekovo zaznavanje • H (ang. Hue): barvni odtenek nam pove, katera je njena zaznana barva • S (ang. Saturation): nasičenost nam pove, kako prosojna oziroma nasičena je barva. Nenasičena barva = bleda barva, nasičena = živa barva • (V = Value, I = Intensity, L = Lightness) je komponenta svetlosti in prostori se ločijo po tem, kako je definirana. Pri vseh definicijah pa velja, da ima svetlejša barva tudi večjo vrednost komponente. • Prostori se ločijo tudi po obliki : HSV enojna, ostala dva dvojna 6-kotna piramida

17. Prostori HSI, HSV, HLS - tabela

18. Prostora CIELab in CIELab • Predlagana s strani organizacije CIE • CIE je kratica za mednarodno komisijo za osvetlitev (fr. Commission Internationale de l'Eclairage) • komponenta svetlosti (L) in dve kromatični komponenti: rdeče-zelena in rumeno-modra • zaznavno uniformna prostora • Lab -> za merjenje odbite barve • Luv -> za merjenje oddane barve (vir svetlobe) • Povzemajo standardnega opazovalca

19. Prostora CIELab in CIELab - tabela

20. Zaznavna uniformnost • sprememba v prostoru (oz. razlika med dvema barvama) je sorazmerna z nam zaznano razliko • edino CIELab in CIELuv sta zaznavno uniformna

21. Primer strojnega vida - HSI • Slika A: Naloga je poiskati srednjo modro žogo s pomočjo komponent HSI prostora • Slika B: Za segmentacijo uporabimo le informacijo, ki jo dobimo iz odtenka: iskane krogle ne moremo določiti, saj sistem razpozna še tri lažne rezulate, • Slika C: Uporabimo dodatno še intenziteto: rezultat je malo boljši, vendar še vedno ne moremo z gotovostjo določiti iskane krogle, • Slika D: Uporabimo vse tri komponente: šele sedaj lahko izločimo iskano kroglo.

22. Moj problem • Ugotoviti ali tipkovnica pravilno sestavljena • Problemi: • različne barve tipk • različne barve tiska • netočna pozicija tiska

23. Koncept rešitve • LVQ nevronska mreža • LVQ = Learning Vector Quantization • Vhod : komponente piksla v CIELab prostoru • potem izračunam razliko do 4 referenčnih barv • na podlagi teh razlik razvrstim v enega od 5 razredov

24. Izbira barvnega prostora I • Izbiral med RGB, HSV, I1I2I3, XYZ, CIELab • Izbiral glede na histograme razlik do referenčnih barv • Najbolje se izkaže CIELab, saj pri konceptu razdalj do referenčnih barv zelo pomembna zaznavna uniformnost • Kasneje sem to preveril tudi z simulacijo z nevronsko mrežo CIELab

25. Izbira barvnega prostora II

26. Glede na mojo testno sliko sem dobil zelo dobre rezultate segmentacije na osnovi barv Rezultati VHOD IZHOD

27. RGB ni pretvorbe dobro dela če so objekti dobro ločeni rgb 2D paziti na barve, ki so enake po svetlosti HSI problem pri skoraj črni in skoraj beli nesingularnost odtenka CIELab povsod, kjer merimo barve in razlike med njimi (tekstilstvo, laki) CIELuv povsod, kjer merimo barvo svetlobnih virov (LCD, LED zasloni,…) Kateri barvni prostor torej izbrati?

28. Kandinski : Composition IV Ko zagledam barve, zaslišim glasbo. Vasilij Kandinsky