【计算机视觉】图像形成与颜色

图像形成与颜色

光照及阴影

辐射度学

【计算机视觉】图像形成与颜色_第1张图片

颜色

颜色信息反映了入射光的能量分布与波长,可见光的波长在400nm760nm之间。

RGB

RGB分别代表三个基色(R-红色、G-绿色、B-蓝色),如(0,0,0)表示黑色、(255, 255, 255)表示白色。其中255表示色彩空间被量化成255个数,最高亮度值为255(255 = 2^8 - 1,即每个色彩通道用8位表示)。

CMYK

CMY是色料三原色,分别是青(Cyan)、品红(Magenta)、黄(Yellow),再增加一个独立的黑色(K)

RGB 转换至CMYK

【计算机视觉】图像形成与颜色_第2张图片

CMYK 转换至 RGB

【计算机视觉】图像形成与颜色_第3张图片

Lab

Lab是基于人对颜色的感觉来设计的,更具体地说,它是感知均匀(perceptual uniform)的,如果数字(L、a、b这三个数)变化的幅度一样,那么它给人带来视觉上的变化幅度也差不多。

HSI

色调H(Hue):与光波的频率有关,它表示人的感官对不同颜色的感受,如红色、绿色、蓝色等。

饱和度S(Saturation):表示颜色的纯度,纯光谱色是完全饱和的,加入白光会稀释饱和度。饱和度越大,颜色看起来就会越鲜艳,反之亦然。

亮度I(Intensity):对应成像亮度和图像灰度,是颜色的明亮程度。

RGB转HSI:

【计算机视觉】图像形成与颜色_第4张图片

HSI转RGB:

【计算机视觉】图像形成与颜色_第5张图片

HSV

H (Hue)色相:取值范围 [0, 360]

S (Saturation)饱和度,即色彩纯净度,0饱和度为白色;取值范围:[0, 1]

V (Value):明度,0明度为纯黑色;取值范围:[0, 1]

HSV转换至RGB:

【计算机视觉】图像形成与颜色_第6张图片

RGB转换至HSV

image-20221204184905318

色彩还原

全世界目前主流使用8位每通道SRGB色彩描述体系来记录我们的颜色信息,8位的灰阶256非常有限。人眼的特点是对暗部更为敏感。如果用256灰阶直

接记录物理渐变的话,那么暗部只有56个灰阶,暗部就会出现巨大的色阶断层。如果我们做一次非线性映射,也就是Gamma矫正。把0.218的光信号提到中间。那么亮部和暗部各会分配到128个色阶。

光度处理

直方图处理

【计算机视觉】图像形成与颜色_第7张图片

手工实现直方图均衡化
了解直方图均衡化的原理之后,我们以一个简单的例子来手工计算均衡化后的图像。这里我们假设存在以下这张图像(假定图像的灰度级范围是 [0, 9]):

img
计算过程如下:

【计算机视觉】图像形成与颜色_第8张图片

【计算机视觉】图像形成与颜色_第9张图片

原文链接:https://blog.csdn.net/qq_15971883/article/details/88699218

图像融合

直接剪切粘贴技术(cut-and-paste)

ps抠图

Alpha融合

实现平滑过渡的更好方法是在图像中央选择一个宽度w,并使alpha掩模在这w个像素上从0平滑过渡到1,这个过程被称为羽化,能够实现更平滑的混合。线性减小或增大的混合函数会导致梯度不连续,从平滑区域过渡到线性区域时产生被称为马赫带的可见噪声。

拉普拉斯金字塔

综合考虑混合函数对特征大小和平滑度的约束,混合图像的理想方法是

分辨率混合。可以用拉普拉斯金字塔进行这种多分辨率分解,其中金字塔的每一层提供不同的分辨率,而组合所有层能恢复原图像

全景图像生成

两个相邻图像的区域进行混合

光度立体视觉

光度立体法的用途是可以重建出物体表面的法向量,以及物体不同表面点的反射率,最关键的是它不像传统的几何重建(例如立体匹配)方法那样需要去考虑图像的匹配问题,因为所需要做的只是采集三张以上,由不同方向的光照射物体的图像。这个过程中,物体和相机都不动,因此图像天然就是对齐的,这使得整个过程非常的简洁。

你可能感兴趣的:(计算机视觉,计算机视觉,人工智能,opencv)