Как найти палитру изображения формула

Плохо понимаете, как решать задания на кодирование графической информации?

Всем привет! Меня зовут Александр и я профессиональный репетитор по информатике, программированию, математике и базам данных.

Скоро экзамен ЕГЭ по информатике и ИКТ, а у вас не получается правильно решать задания, ориентированные на кодирование графической информации? Не понимаете, как найти максимальное количество цветов в палитре? Если, да, то записывайтесь ко мне на частные занятия, ну, или внимательно читайте данный материал.

Мои индивидуальные занятия проходят в различных территориальных форматах, а именно:

Настоятельно рекомендую остановить свой выбор на дистанционной форме обучения. Это удобно, недорого и крайне эффективно.

Условие задачи

Автоматическая камера производит растровые изображения размером $200 × 256$ пикселей. Для кодирования цвета каждого пикселя используется одинаковое количество бит, коды пикселей записываются в файл один за другим без промежутков. Объём файла с изображением не может превышать $65$ Кбайт без учёта размера заголовка файла.

Какое максимальное количество цветов можно использовать в палитре?

Решение задачи

В первую очередь нужно выяснить, о каком типе графики идет речь! Напомню, что школьная программа подготовки к ЕГЭ по информатике предполагает знакомство учащихся с $3$-мя видами компьютерной графики:

В условии прямо говорится о растровой графике: «производит растровые изображения«. И это замечательно! Потому что этот вид компьютерной графики самый простой в анализе и расчетах.

Напомню, чем больше количество бит отводится на кодирование $1$-го пиксела, то есть, чем больше глубина цвета, тем большим количеством различных цветов этот пиксель можно раскрасить.

Значит, наша первостепенная задача — определить глубину цвета данного растрового изображения, а затем воспользоваться формулой Хартли для получения окончательного ответа.

Из постановки задачи нам известны:

• габариты растрового изображения, выраженные в пикселях ($200 • 256$);

• общий информационный вес изображения, выраженный в Кбайт ($65$ Кбайт).

Внимательный читатель обратит внимание на следующий фрагмент текста: «не может превышать $65$ Кбайт«. Т е в условии не говорится о том, что размер файла строго равен $65$ Кбайт, а лишь о том, что он не превышает этой величины.

Но, как было замечено ранее, нужно стремиться к тому, чтобы каждый пиксель кодировался как можно большим целым числом бит, следовательно, размер исходного графического файла в последующих расчетах будем принимать наибольшим, т е равным $65$ Кбайт.

$<Память на $1$ пиксель> = frac{<Общий размер памяти>}{<Общее количество пикселей>}$, [бит]

Для упрощения последующих математических выкладок сделаем следующее:

1. Разложим все заданные натуральные числа на простые множители (факторизация числа).

2. Переведем единицы измерения информации из [Кбайт] в [бит].

$200 = 2 · 2 · 2 · 5 · 5 = 2^3 · 5^2$

$256 = 2 · 2 · 2 · 2 · 2 · 2 · 2 · 2 = 2^8$

$65 [Кбайт] = 5 · 13 [Кбайт] = 5 * 13 * 2^{13} [бит]$

Не забывайте, что в $1$-ом Кбайте $8 192$ или $2^{13}$ бит. Подставляем разложенные величины в формулу:

$I = frac{5 · 13 · 2^{13} [бит]}{2^3 · 5^2 · 2^8} = frac{5 · 13 · 2^{13} [бит]}{2^{11} · 5^2} = frac{4 · 13}{5} = frac{52}{5} = 10.4$, [бит]

Но, глубина цвета должна выражаться целым числом бит, поэтому округляем «вниз» до ближайшего целого: $10.4 approx 10$ [бит].

Вывод: на кодирование каждого пикселя заданного растрового изображения отводится ровно $10$ бит информации.

Двигаемся дальше! В условии задачи нам сообщили, что «Для кодирования цвета каждого пикселя используется одинаковое количество бит«, т е в данном случае для кодирования графической информации применяют равномерный код.

А сейчас пришла пора обратиться к формуле Хартли, т к именно благодаря ей мы сможешь получить различное количество цветов.

В общем виде эта формула имеет вид: $I = K · log_2 N$, где:

Сразу обратимся к вопросу в постановке задачи: «Какое максимальное количество цветов можно использовать в палитре?». Этот вопрос можно переформулировать так: «Какое максимальное количество цветов можно использовать в изображении?«..

А лучше переформулируем еще точнее и понятнее: «Какое максимальное количество цветов может принимать каждый пиксель заданного изображения?«. Т к все пиксели растровой картинки структурно идентичны друг другу, т е имеют одинаковую глубину цвета, то нам достаточно разобрать $1$ конкретный пиксель.

Поэтому в формуле Хартли величина $K$ будет равна $1$ и формула примет сокращенную форму: $I = log_2 N$.

$I$ — глубина цвета, и мы уже ее посчитали ранее: $I$ = 10 [бит].

$N$ — мощность алфавита, но при кодировании графической информации мощностью выступает именно все разнообразие цветов, в которые можно закрасить пиксель, т е по факту, $N$ — та величина, которую нам нужно отыскать.

Выражаем из сокращенной формулы Хартли величину $N$, используя свойства логарифма: $N = 2^I = 2^{10} = 1 024$, различных цвета.

Именно это значение нам следует выписать в бланк ответов официального экзамена ЕГЭ по информатике. Выписывается только число без указаний каких-либо единиц измерения информации.

Ответ: $1 024$.

Выводы

Во-первых, внимательно несколько раз прочитайте условие задачи. Во-вторых, определите вид компьютерной графики, т е кодирования какого типа изображения происходит. В $99.99%$ случаев речь идет о растровых картинках.

В-третьих, в обязательном порядке научитесь пользоваться формулой Хартли. Да, эта формула достаточно скользкая и с $1$-го раза мало, кто понимает, о чем она в принципе. Для этого придется вникать в тему «Измерение количества информации«.

В-четвертых, знайте наизусть большинство степеней двоек. Желательно на интервале от $2^0$ до $2^{20}$. В-пятых, умейте варьировать единицы измерения информации, т е заменять [Кбайты] на [байты] или [Мбайты], а [байты] переводить в [биты] и т.п.

Примеры условий реальных задач, встречающихся на ЕГЭ по информатике

чуть позже!

Хотите разбираться в задачах графического содержания? Тогда жду вас на уроке

Если после прочтения данного материала у вас остались какие-либо вопросы, недопонимание, то смело задавайте их в комментариях или пишите мне на электронный адрес.

Также можете кидать условия задач графической тематики в мою группу в вк. Обязательно я их рассмотрю, напишу соответствующее решение, а также отсниму видео на свой Youtube-канал. Кстати, можете подписаться на мой канал прямо сейчас!

Ну, и напоследок, познакомьтесь с отзывами клиентов, прошедших подготовку под моим началом. Все они добились поставленных целей и значительно окрепли в информационных технологиях.

На мой экспертный взгляд, задание из ЕГЭ по информатике, ориентированное на кодирование графической информации в общем и на нахождение максимального количества цветов в частности, является проходным. Оценивается оно всего в $1$ первичный балл, и этот балл вы должны в обязательном порядке получить!

Графическая информация — презентация онлайн

1. Графическая информация

Графическая информация может быть представлена в
виде аналоговой и дискретной формах. Примером
аналогового (непрерывного) изображения может
служить живописное полотно, в котором цвет
меняется непрерывно; в качестве дискретного
можно рассматривать картинку, распечатанную на
принтере и состоящее из отдельных точек.
живописное полотно
картинка
Преобразование изображения из аналоговой (непрерывной) в
цифровую (дискретную) форму, называется
пространственной дискретизацией. Пространственную
дискретизацию изображения можно сравнить с
построением мозаики. Изображение разбивается на
отдельные фрагменты, точки (пиксели).
Пиксель — это минимальный участок изображения, для которого
независимым образом можно задать цвет.
В результате пространственной дискретизации графическая
информация представляется в виде растрового изображения.
Качество изображения зависит от разрешающей способности.
Разрешающая способность растрового изображения
определяется количеством точек по горизонтали и
количеством точек по вертикали на единицу длины
изображения.
Чем меньше размер точки, тем больше разрешающая
способность, а значит, выше качество изображения.
Величина разрешающей способности выражается в dpi (dot per
inch – точек на дюйм), т.е. количество точек в полоске
изображения длиной один дюйм (1 дюйм=2,54 см.)
Количество информации, которое используется
для кодирования цвета точки изображения,
называется глубиной цвета.
В процессе дискретизации используются
различные палитры цветов (наборы цветов,
которые могут принять точки изображения).
Количество цветов N в палитре и количество
информации I, необходимое для кодирования
цвета каждой точки, могут быть вычислены по
формуле: N=2I.
Пример 1. Для кодирования изображения используется
простейшая палитра из двух цветов: чёрного и белого.
Для кодирования изображения, согласно формуле 2=2I ,
достаточно 1 бита информации для кодирования 1 точки
изображения.

6. Глубина цвета и количество цветов в палитре

Глубина цвета
Количество цветов в палитре
8
28 = 256
16
216 = 65 536
24
224 = 16 777 216
Задачи
1. Черно-белое изображение размером 10х10 пикселей.
Каков информационный объем?
Решение:
2 = 21 ; 10*10*1 = 100 бит
2. 256-цветный рисунок содержит 100 байт
информации. Из скольких точек он состоит?
Решение:
108 байт = 100*8 бит; 256 = 28 (8 бит – 1 точка).
100*8/8 = 100 точек
Пространственное разрешение монитора
Изображение на экране монитора формируется из отдельных
точек — пикселей, образующих строки; всё изображение состоит
из определённого количества таких строк.
Пространственное разрешение монитора — это количество
пикселей, из которых складывается изображение на его экране.
Оно определяется как произведение количества строк
изображения на количество точек в строке.
Разрешение монитора 1280 1024 означает, что изображение
на его экране будет состоять из 1024 строк, каждая из которых
содержит 1280 пикселей.
Палитра цветов в системе цветопередачи RGB
В системе цветопередачи RGB палитра цветов формируется
путём сложения красного,
зеленого и синего цветов.
Цвет палитры Color можно определить с
помощью формулы:
Color = R + G + В
При этом надо учитывать глубину цвета —
количество битов, отводимое в компьютере
для кодирования цвета.
Для глубины цвета 24 бита (8 бит на каждый
цвет):
0 ≤ R ≤ 255, 0 ≤ G ≤ 255, 0 ≤ B ≤ 255
Формирование цветов в системе цветопередачи RGB
Цвет
Черный
Белый
Формирование цвета
Black = 0 + 0 + 0
While = Rmax+ Gmax+ Bmax
Красный
Зеленый
Синий
Red = Rmax+ 0 +0
Green = 0 + Gmax+ 0
Blue = 0 + 0 + Bmax
Голубой
Пурпурный
Желтый
Cyan = 0+ Gmax+ Bmax
Magenta = Rmax+ 0 + Bmax
Yellow = Rmax+ Gmax+ 0
Цвета в палитре RGB формируются путём сложения базовых цветов,
каждый из которых может иметь различную интенсивность.
Видеосистема персонального компьютера
Качество изображения на экране компьютера зависит как от
пространственного разрешения монитора, так и от
характеристик видеокарты (видеоадаптера), состоящей из
видеопамяти и видеопроцессора.
Видеосистема
Монитор
Видеоадаптер
Видеопамять
Видеопроцессор
Размер 256, 512 Мб
и более
Частота обновления
экрана не менее 75 Гц
Видеосистема персонального компьютера
Пространственное разрешение монитора, глубина цвета
и частота обновления экрана – основные параметры,
определяющие качество компьютерного изображения. В
операционных системах предусмотрена возможность
выбора необходимого пользователю и технически
возможного графического режима
Задача.
Рассчитайте объем видеопамяти, необходимой
для хранения 2 страниц изображения, с
разрешением монитора 640 х 480 и палитрой из
256 цветов.
Решение
N = 2i, I = K x i
256 = 2i , i = 8,
I =2 х 640 x 480 x 8 (битов) = 4915200 : 8 (байт) =
= 614400:1024(Кбайт) = 600 (Кбайт).
Глубина цвета

— Graphics Mill

В то время как цветовое пространство определяет, как создать цвет из его компонентов, глубина цвета указывает, как эти компоненты хранятся в памяти компьютера. Обычно глубина цвета измеряется в количестве битов, используемых для представления одного значения цвета (пикселя) — бит на пиксель (бит / пиксель). Чем больше бит занимает пиксель, тем больше разных цветов может быть представлен этим пикселем. Например, 1-битные пиксели могут представлять только 2 цвета, 8-битные пиксели — 256 цветов, 24-битные пиксели — 16 777 216 цветов (так называемый true color ; исследования доказали, что человеческий глаз не может распознать больше цвета).С другой стороны, большая глубина цвета означает, что изображение требует больше памяти. Иногда истинный цвет не требуется (например, для хранения документов или изображений, содержащих всего несколько цветов), поэтому мы можем значительно сэкономить память, уменьшив глубину цвета.

Graphics Mill поддерживает изображения со следующей глубиной цвета:

• 1-битные индексированные (палитры) изображения.
• 4-битные и 8-битные индексированные (палитры) изображения.
• 8 бит на канал изображений (8, 16, 24, 32 или 40 бит на пиксель, в зависимости от количества каналов в пикселе).
• 16 бит на канал изображения (16, 48, 64 или 80 бит на пиксель, в зависимости от количества каналов в пикселе). Растровые изображения с такой большой глубиной цвета также называются расширенным .

Как вы видите, цвета различаются не только количеством бит на пиксель, но и методом хранения: индексом в палитре (т. Е. индексированных растровых изображений ) или прямым значением цвета.

Проиндексированные изображения всегда содержат палитру — специальную таблицу цветов.Каждый пиксель является индексом в этой таблице. Обычно палитра содержит 256 или меньше записей. Вот почему максимальная глубина индексированного пикселя составляет 8 бит на пиксель. Использование палитр — обычная практика при работе с небольшой глубиной цвета.

В отличие от индексированных изображений, пиксели из неиндексированных непрерывных изображений хранят фактические значения цвета вместо индекса палитры. Каждый пиксель состоит из компонентов (также известных как каналов ). Каналы можно интерпретировать по-разному, в зависимости от цветового пространства пикселя.Например, изображения в градациях серого имеют только один канал яркости. Изображения RGB имеют три канала — красный, зеленый и синий. Изображения CMYK имеют четыре канала — голубой, пурпурный, желтый и черный. Кроме того, пиксели могут содержать дополнительный компонент, называемый альфа-каналом. Альфа-канал не содержит информации о цвете или яркости, а указывает степень непрозрачности пикселя при наложении на другое изображение. Чем меньше значение альфа, тем прозрачнее пиксель.

Давайте рассмотрим все возможные глубины цвета, поддерживаемые Graphics Mill, более подробно.

1-битные индексированные изображения (палитра)

1-битных изображений (также известных как bitonal ) могут состоять только из двух цветов. Обычно это черный и белый цвета (однако, поскольку есть палитра, вы можете указать любые другие два цвета). Основное преимущество битональных изображений — чрезвычайно компактный размер, однако обычно двух цветов недостаточно. Но, тем не менее, есть такие изображения, где широко используется 1-битная глубина цвета: документы, документы, факсы и другие подобные изображения.

В Graphics Mill такие изображения имеют формат пикселей Format1bppIndexed. Графическая мельница
позволяет выполнять некоторые базовые преобразования таких изображений (изменение размера, отражение, поворот, обрезка). При масштабировании битонального изображения вы можете использовать специальную технику изменения размера, которая сохраняет детали и дает высококачественные (известные как масштабирование до серого) изображения.

4-битные и 8-битные индексированные изображения (палитра)

Максимальное количество 4-битных цветов — 16, а максимальное количество 8-битных цветов — 256.Эта глубина цвета используется, когда необходимо сохранить изображение с небольшим количеством цветов. Типичный пример — веб-изображения — кнопки, баннеры, логотипы и т. Д. Их относительно небольшой размер делает такие изображения идеальными для Интернета.

В Graphics Mill такие изображения имеют форматы пикселей Format4bppIndexed и Format8bppIndexed соответственно. Для этих форматов Graphics Mill поддерживает только базовые преобразования и эффекты (поворот, изменение размера, кадрирование и некоторые другие).

8 бит на канал изображений

Эти изображения являются наиболее популярными в магазинах фотографий и аналогичных изображений.Этот уровень глубины цвета позволяет отображать столько цветовых оттенков, сколько может распознать человеческий глаз. В Graphics Mill поддерживаются следующие виды форматов пикселей с 8 битами на канал:

16 бит на канал изображений

Это может показаться странным. Зачем нам нужно больше 8 бит на канал, если наш глаз не заметит разницы? Проблема в том, что когда мы применяем некоторые операции к изображению с 8 битами на канал (например, регулировка тона или улучшение цвета), некоторая информация о цвете может быть потеряна или искажена из-за ошибок округления.Особенно это заметно, когда мы применяем эти операции несколько раз. Чтобы избежать этой проблемы, мы должны увеличить глубину цвета. Вот почему большинство сканеров выдают изображения со скоростью 48 бит на пиксель вместо 24 бит на пиксель. В Graphics Mill поддерживаются следующие форматы пикселей с 16 битами на канал:

Учебное пособие по цифровой визуализации — базовая терминология

Что такое битовая глубина цвета?

Многие крупнобюджетные шоу и фильмы, такие как «Субботняя ночь в прямом эфире», «Дом» и «Капитан Америка», уже много лет используют 8-битные кадры из серии Canon 5D и находят ее сильные стороны более убедительными, чем ее недостатки. Если у вас есть разумные ожидания относительно оценки отснятого материала при постобработке, 8-битное видео может быть вполне жизнеспособным вариантом.

Битовая глубина — это технический жаргон, пришедший к нам в эпоху цифрового кино. Это часть того облака технических характеристик, которые на бумаге кажутся очень важными и которые обсуждаются в каждом пресс-релизе — «Теперь с 10-битной внутренней записью!» Весь этот маркетинг действительно исказил и затуманил наше понимание этого слова. Что жаль, потому что по своей сути битовая глубина не должна быть ужасно сложной или пугающей.

Итак, всем вам, кинорежиссерам, видеооператорам и любопытным посторонним, ломающим головы над всем этим, знайте, что вы не одиноки.8 уникальных цветов на канал, что в сумме составляет 256. 256 оттенков зеленого, 256 оттенков синего и 256 оттенков красного смешались вместе, чтобы сформировать изображение.

Важно отметить, что каждый пиксель выбирает все три цвета. Датчик по-прежнему получает полный видимый спектр, но процессор пытается эффективно сжать этот избыток информации в пригодный для использования формат изображения, который по-прежнему сохраняет детали изображения — задача не из легких. 10-битное изображение дает 1024 уникальных цвета на канал, а 12-битное — 4096.Вы можете иметь гораздо больше тонкости и нюансов при работе в 10 или 12 битах, но сложность кодирования растет в геометрической прогрессии. Есть причина, по которой меньшие по размеру камеры, ориентированные на потребителя, снимают только 8-битные изображения.

Это не совсем верно, но вы можете представить себе набор цветных карандашей. 8-битный цвет был бы подобен здоровому 64-битному пакету: у вас более чем достаточно вариантов на первый взгляд, но время от времени вы обнаруживаете потребность, которую просто не можете удовлетворить. Может быть, просто нет правильного оттенка синего, или вы обнаружите, что по какой-то причине есть только два пурпурных.10-битный цвет — это как 120 пакет. На данный момент вы достаточно хорошо подготовлены ко всем своим повседневным потребностям. Редкая ситуация, когда вам понадобится больше цветов, чем у вас есть. 12, 14 или даже 16-битный цвет — это как машина для плавления мелков, которая позволяет создавать бесконечное количество цветовых смесей.

‍

AVS Forum

8-битное видео — это наименьшая битовая глубина, от которой можно разумно ожидать, что она будет выглядеть «реалистично» и не будет заметно искажать цвета странным образом. Он не выдержит строгого процесса цветокоррекции, оставляет меньше возможностей для коррекции и не отражает богатство полного цветового спектра, а также 10- или 12-битного.Из-за этого это далеко не идеальный кандидат для съемки журнала, и он лучше всего работает, когда окончательный вид может быть запечатлен в камере. Это настолько урезано, насколько может быть видеосигнал, при этом оставаясь жизнеспособным.

Хотя сегодня мы думаем об этом как о низкокачественном формате, стоит помнить, что ранние художественные фильмы, захваченные цифровым способом, были 8-битными. Джордж Лукас сделал цифровое кино популярным благодаря своей трилогии-приквелу «Звездных войн», снятой на HDCAM с 8-битным сигналом 1080p.Во многих крупнобюджетных шоу и фильмах, таких как «Субботняя ночь в прямом эфире», «Дом» и «Капитан Америка», уже много лет используются 8-битные кадры из серии Canon 5D, и их сильные стороны убедительнее, чем недостатки. Если у вас есть разумные ожидания относительно оценки отснятого материала при постобработке, 8-битное видео может быть вполне жизнеспособным вариантом.

• Камеры MiniDV / HDV

• Все зеркальные фотокамеры Canon

• Canon C100 MK II

• Sony A7s, A7r, A6500

.264

• AVCHD

В последние несколько лет 10-битное видео находит свое применение в более дешевых и дешевых камерах, совсем недавно — в Panasonic Lumix GH5. Это, несомненно, «более сильное» изображение, которое более точно передает цвета и гораздо более восприимчиво к изменениям в публикации. Это стандартная битовая глубина в профессиональных камерах начального уровня, таких как Sony FS7, Canon C300 Mark II и Panasonic EVA-1. Но это не означает, что высококачественные кинокамеры, такие как ARRI или RED, не поддерживают 10-битную запись, только они способны на гораздо большее.

10-битная запись является стандартом вещания во многих экосистемах и является обязательным минимумом для многих продюсерских компаний, таких как Netflix. Это необходимо как для удовлетворения требований HDR-дисплеев, так и для перспективных снимков.

Sony FS7 от Spekulor

• Panasonic GH5

• Canon C300 Mark II

• Sony FS7

• ProRes 422 HQ

• 12202 • DN -бит или выше Используется?

Камера, способная снимать 12-, 14- или 16-битное видео, действительно редкость.Эти цветовые пространства делают упор на гибкость постпроизводства и насыщенные и точные цвета. Они гарантируют заметно более качественное движущееся изображение, которое будет гораздо более гибким в вашем рабочем процессе постпроизводства. Чтобы максимизировать преимущества этих высоких битовых глубин, они часто записываются в форматах RAW, которые в значительной степени сохраняют информацию, передаваемую датчиком, практически без сжатия или потери. Огромные требования к хранению этих форматов делают их намного более доступными для больших студийных фильмов, но камеры, такие как Canon C200 с кодеком RAW-Light, начинают предлагать даже 12-битный RAW в ценовом диапазоне, доступном для независимых владельцев-операторов. и режиссеры.

Непрерывная или даже последовательная съемка в этих больших форматах требует определенной инфраструктуры, места для хранения и вычислительной мощности, что, естественно, ограничивает доступность для «среднего» пользователя. Подобные рабочие процессы в основном предназначены для студийных фильмов и, в последнее время, для очень крупных создателей YouTube.

Стоит отметить, что даже эти чрезвычайно высококачественные форматы постепенно доходят до потребительского уровня. Blackmagic произвела фурор, представив 12-битный RAW до смехотворно доступного ценового диапазона со своей Pocket Cinema Camera, а теперь Canon представила более сжатый 12-битный RAW вариант с C200.Возможно, пройдет не так уж много времени, прежде чем 12-битный станет новым стандартом вещания, а 10-битный станет просто приемлемым.

• Sony F55 / Venice

• ARRI Alexa Mini / Amira

• Canon C200 / C700

• КРАСНОЕ Оружие Helium 8K

‍

Alexa Mini от Citiz2en

• RED Raw

• Cinema DNG

Битовая глубина, с которой вы записываете, не определяет вашу производственную ценность.Хорошо освещенная, хорошо снятая сцена будет выглядеть великолепно независимо от формата записи. Но мы живем в мире, где оценка становится все более доступной и популярной, поэтому ваша камера будет лучше. 8-битные камеры справятся со своей задачей, но все, что снимается в 10-битном режиме, будет работать намного лучше, если вы возьмете это в студию пост-продакшн. И если вам повезло, не говоря уже об объеме памяти, чтобы снимать с большей битовой глубиной, тогда ваши горизонты откроются намного больше.

Глубина цвета — Videocide

Глубина цвета относится либо к количеству битов, используемых для обозначения цвета одного пикселя, либо к количеству битов, используемых для каждого цветового компонента одного пикселя.

Для стандартов потребительского видео, таких как высокоэффективное кодирование видео (H.265), битовая глубина определяет количество бит, используемых для каждого цветового компонента. При ссылке на пиксель понятие может быть определено как бит на пиксель (bpp), который определяет количество используемых битов. При ссылке на компонент цвета понятие может быть определено как биты на компонент, биты на канал, биты на цвет (все три сокращенно BPC), а также биты на компонент пикселя, биты на канал цвета или биты на выборку (бит / с).Глубина цвета — это только один аспект представления цвета, выражающий точность, с которой могут быть выражены цвета; другой аспект — насколько широкий диапазон цветов может быть выражен (гамма). Определение как точности цвета, так и гаммы достигается с помощью спецификации кодирования цвета, которая присваивает значение цифрового кода местоположению в цветовом пространстве.

При относительно низкой глубине цвета сохраненное значение обычно представляет собой число, представляющее индекс цветовой карты или палитры (форма векторного квантования).Цвета, доступные в самой палитре, могут быть зафиксированы аппаратно или изменены программным обеспечением. Изменяемые палитры иногда называют палитрами псевдоцветов.

• 1-битный цвет (21 = 2 цвета): монохромный, часто черно-белый, компактные Macintosh, Atari ST.
• 2-битный цвет (22 = 4 цвета): CGA, ранняя NeXTstation в оттенках серого, цветные Macintosh, Atari ST.
• 3-битный цвет (23 = 8 цветов): многие ранние домашние компьютеры с телевизионными дисплеями, включая ZX Spectrum и BBC Micro
• 4-битный цвет (24 = 16 цветов): используется EGA и стандартом VGA с наименьшим общим знаменателем при более высоком разрешении, цветные Macintosh, Atari ST, Commodore 64, Amstrad CPC.
• 5-битный цвет (25 = 32 цвета): оригинальный чипсет Amiga
• 6-битный цвет (26 = 64 цвета): оригинальный чипсет Amiga
• 8-битный цвет (28 = 256 цветов): самые ранние цветные рабочие станции Unix, VGA с низким разрешением, Super VGA, цветные Macintosh, Atari TT, набор микросхем Amiga AGA, Falcon030, Acorn Archimedes.
• 12-битный цвет (212 = 4096 цветов): некоторые кремниевые графические системы, системы Color NeXTstation и системы Amiga в режиме HAM.

Старые графические чипы, особенно те, которые используются в домашних компьютерах и игровых консолях, часто имеют возможность использовать другую палитру для спрайтов и плиток, чтобы увеличить максимальное количество одновременно отображаемых цветов, сводя к минимуму использование дорогостоящих в то время память (и пропускная способность).Например, в ZX Spectrum изображение хранится в двухцветном формате, но эти два цвета могут быть определены отдельно для каждого прямоугольного блока размером 8×8 пикселей.

Сама палитра имеет глубину цвета (количество бит на запись). В то время как лучшие системы VGA предлагали только 18-битную (262 144 цвета) палитру, из которой можно было выбирать цвета, все цветное видеооборудование Macintosh предлагало 24-битную (16 миллионов цветов) палитру. 24-битные палитры в значительной степени универсальны для любого современного оборудования или файлового формата, использующего их.

Распутывание | Понимание битовой глубины

ПОНИМАНИЕ ГЛУБИНЫ БИТА / ЦВЕТА

Битовая глубина или глубина цвета является важным показателем качества видео. Читайте дальше, чтобы узнать, что такое битовая глубина и почему это важно при работе с фильмами и видео.

Бит / глубина цвета:

Если цветовое пространство определяет диапазон доступных значений интенсивности цвета (гаммы), то битовая глубина определяет, насколько точными мы можем быть с этими характеристиками.Другими словами, битовая глубина определяет, насколько точно можно указать разницу между одним цветом и другим. К счастью, это одна из тех тем, которые имеют гораздо больше смысла в сочетании с изображениями, так что давайте сразу погрузимся в нее и посмотрим, не сможем ли мы найти какой-то смысл в этой теме.

В чем разница между низкой и высокой битовой глубиной?

Как видно выше, низкая битовая глубина ограничивает возможные значения, которые можно использовать при представлении изображения. В случае 3-битного изображения в оттенках серого существует только 8 возможных значений.Это потому, что 3-битный — это еще один способ сказать 2x2x2 = 8. С другой стороны, если нам разрешено использовать 8-бит, у нас есть до 256 значений, которые мы можем использовать для воспроизведения одного и того же изображения (2 = 256). Это приводит к более гладкому изображению, потому что мы можем более точно определять тонкие различия между оттенками.

Изображение RGB

Теперь, когда у нас есть идея с изображениями в оттенках серого, давайте применим эти знания к цветным изображениям. Цветные изображения создаются путем смешивания трех каналов цвета, а именно красного, зеленого и синего — RGB.

Поскольку у нас 3 канала, это означает, что теперь у нас в 3 раза больше данных.

При рассмотрении 8-битного сигнала RGB на канал у нас есть 256 возможных значений для каждого из каналов / цветов. В сочетании это означает, что возможны 16,7 миллиона цветовых комбинаций (256 x 256 x 256). Это может показаться огромным, но на самом деле это то, что почти каждый экран, который мы смотрим ежедневно, способен воспроизводить, и есть много вариантов использования, которые требуют еще более высокой битовой глубины, чтобы избежать заметных проблем с качеством изображения.

RGB + Alpha

Помимо трех цветовых каналов, изображения иногда могут иметь четвертый канал, называемый альфа-каналом. Альфа-канал содержит информацию о прозрачности и обычно имеет ту же битовую глубину, что и другие цветовые каналы.

Это означает, что для цветного изображения в компьютерной системе будет назначено 8 бит для каждого цветового канала, а иногда еще 8 бит для альфа-канала, что дает нам в общей сложности 32 бита на пиксель (4×8 бит).

Битовая глубина на пиксель по сравнению с битовой глубиной на канал

Одной из проблемных областей для меня в течение долгого времени на раннем этапе были, казалось бы, непоследовательные способы определения битовой глубины. Например, если вы когда-либо использовали Adobe After Effects, вы можете знать, что можете переключить приложение на работу в 8-битном, 16-битном или 32-битном цвете. По умолчанию используется 8 бит, но, как мы только что видели в предыдущем примере, разве стандартное изображение не использует 32 бита на пиксель? Почему 8-битный вариант вообще может быть вариантом?

Путаница заключается в том, что After Effects ссылается на то, как биты назначаются для каждого цветового канала, а 32-битное измерение указывает, сколько битов требуется, когда все каналы объединены вместе.Технически это различие подтверждается аббревиатурой «bpc» (бит на канал), но чаще при случайном преобразовании люди предполагают, что вы знаете, на что они ссылаются, исходя из контекста.

Например, если кто-то сказал, что рендеринг был выполнен в 12-битном цвете, весьма вероятно, они имели в виду, что он был экспортирован с 12-битным цветом на канал. Это потому, что альтернатива означала бы, что у них было только 4 бита на канал (12 бит разделены на красно-зеленый и синий каналы), что намного ниже профессиональных стандартов.

Для справки приведена разбивка битов на канал при вычислении битов на пиксель.

В приведенных выше таблицах вычисляется битовая глубина на канал на выходе из количества битов, требуемых на пиксель.

Зачем нужна высокая битовая глубина?

Существует несколько причин и вариантов использования, которые требуют перехода на более высокую битовую глубину. Среди них — отказ от цветных полос + постеризация, изображения с широким динамическим диапазоном, а также сохранение качества при манипулировании ими во время постобработки.

Полосы

Полосы появляются, когда битовая глубина слишком мала, и глаз может видеть, где происходят изменения цвета, а не видеть плавное постепенное изменение между оттенками. Часто эти различия выглядят как полосы, проходящие через изображение — отсюда и название. Вот пример фотографии, которая воспроизводится с битовой глубиной, слишком низкой для точной передачи градиента оттенков синего на небе:

На изображении выше видны полосы на небе из-за недостаточной битовой глубины, используемой для рендеринга.

Полоса пропускания — это проблема, которая может регулярно появляться для изображений с 8 битами на канал или меньше, и по этой причине высококачественные камеры захватывают с более высокой битовой глубиной, а мастер-файлы также создаются с более высокой битовой глубиной. Например, в цифровом кино используется проецирование 12 бит на канал (бит на канал), что позволяет отображать до 68,3 миллиарда различных цветовых комбинаций и точно отображать даже самые незначительные различия в цветах и ​​оттенках.

Постеризация

Постеризация — это, по сути, та же проблема, что и полосатость, но у нее другое название, потому что некоторые изображения не имеют больших градиентов, которые в конечном итоге разбиваются на аккуратные «полосы».Вместо этого некоторые образы распадутся на более абстрактные узоры. Проблема все та же — вместо приятных смешанных оттенков цвета глаз может заметить, где заканчивается один цвет и начинается следующий.

Пример постеризации, когда на фоне листвы видна разбивка цветов.

На изображении выше хорошо видна постеризация в области фона, где фокус падает. Одно интересное явление в постеризации заключается в том, что области с высокой детализацией и контрастом (высокая пространственная частота) воспринимаются не так сильно.Возьмем, к примеру, дерево в правой трети, которое находится в фокусе — без фона было бы трудно сказать, что низкая битовая глубина отрицательно влияет на это изображение. Это связано с тем, что в областях с высокой пространственной частотой используемые ограниченные цвета чередуются и распадаются намного быстрее, что означает, что наш глаз не может определить области, которые выглядят так, как будто они должны иметь более плавные градиенты.

С другой стороны, области с низкой пространственной частотой (например, области вне фокуса или сцены с низким контрастом) с гораздо большей вероятностью будут демонстрировать артефакты постеризации.Это потому, что гораздо более вероятно, что большие пятна будут уменьшены до одного цвета, что, в свою очередь, значительно облегчит их распознавание нашим глазом.

HDR (расширенный динамический диапазон) + широкие цветовые гаммы

Еще одна область, которая потребовала перехода на высокую битовую глубину, — это появление расширенного динамического диапазона и более широких цветовых гамм, которые теперь появляются на потребительском рынке. И HDR, и широкая цветовая гамма потенциально могут усугубить проблемы с полосами и постеризацией, поскольку они требуют битовой глубины, чтобы отображать как больше цветов, так и гораздо более яркий диапазон цветов и оттенков.По сути, это означает, что битовая глубина должна быть растянута дальше, чем это было бы в противном случае, и начнется создание полос в областях, где она, возможно, не была видна в стандартном динамическом диапазоне.

Соответственно, телевизоры сверхвысокой четкости, которые перешли на поддержку HDR, должны иметь возможность воспроизводить не менее 10 бит на канал, чтобы избежать появления полос в содержимом. Dolby Vision (стандарт Dolby HDR) идет еще дальше и требует, чтобы контент Dolby Vision был кодирован с точностью до 12 бит на канал, чтобы обеспечить соответствие требованиям будущего и уменьшить любые потенциальные проблемы.

Процессы постпродакшена

Так зачем нам вообще может понадобиться более 12 бит на канал, если он способен без проблем обрабатывать контент с расширенным динамическим диапазоном и широкой цветовой гаммой? Хотя это правда, что этот уровень глубины цвета близок к превышению человеческого зрения для наблюдения, более высокая битовая глубина очень часто требуется при пост-обработке. Это связано с тем, что постпродакшн часто включает в себя сильное выталкивание и вытягивание цветов, что эквивалентно увеличению глубины цвета, закодированной в изображении.Когда вы начинаете видеть полосы или постеризацию, значит, вы достигли предела глубины цвета, который, в свою очередь, ограничивает свободу творчества, которую имеют цветоводители, композиторы и специалисты по визуальным эффектам.

Еще одно применение высокой битовой глубины — это кодирование дополнительной информации об экспозиции, которую можно получить позже. Например, работа с визуальными эффектами (VFX) часто визуализируется с 32-битным разрешением на канал с использованием значений линейного освещения. Это позволяет сохранять сверхъяркие белые цвета (значения белого за пределами нормальной точки кодирования) и затем манипулировать ими в дальнейшем.Например, композитор, объединяющий взрывы, визуализированные в 32-битном формате, может начать регулировать экспозицию, чтобы она соответствовала их кадру, и начать восстанавливать детали из белых, которые ранее казались обрезанными и утерянными.

Заключение:

В этой статье мы исследуем, что такое битовая / цветовая глубина, а именно это мера точности, с которой можно указать различия в оттенках цвета. Чем выше битовая глубина, тем больше возможных цветовых оттенков. Мы рассмотрели, как рассчитывается битовая глубина и разница между количеством бит, требуемым на пиксель, и количеством бит, требуемым на канал в изображении.Наконец, мы рассмотрели, что такое полосатость и постеризация, почему они возникают и почему чрезвычайно высокая битовая глубина может использоваться в некоторых областях постпродакшна.

Нужна дополнительная помощь?

Unravel создает и обрабатывает контент, который просматривается на различных устройствах. Нам нравится мастеринг контента для кино, телевидения и Интернета. Мы имеем дело с разной битовой глубиной ежедневно, поэтому, если вам понадобится помощь или совет по поводу вашего следующего проекта, не стесняйтесь обращаться к нам.

Что такое глубина цвета для моей видеокарты или монитора?

Этот контент был заархивирован и больше не поддерживается Университетом Индианы. Информация здесь может быть неточной, а ссылки могут быть недоступны или надежны.

Для видеокарты или монитора глубина цвета — это количество оттенков, которые
может быть сгенерирован или отображен на пиксель. Для более низких уровней цвета
глубины, цифра обычно приводится в максимально возможном количестве
цвета (например, 16 цветов или 256 цветов), тогда как более высокий цвет
глубина обычно указывается как количество бит в пикселе
цвет принимает (напр.г., 16 бит, 24 бит, 32 бит). Таким образом, 32-битный цвет — это
настройка видеокарты, где описывается цвет каждого отдельного пикселя
используя 32 бита информации. Это один из возможных цветов
установка глубины на многих видеокартах.

16-, 24- и 32-битная глубина цвета преобразуется в это количество цветов:

Эти цифры рассчитываются возведением числа 2 в число
биты, описывающие цвет, следующим образом:

• 1 бит равен 2 ¹ (2 в первой степени) равен 2 цветам
• 2 бит равен 2 ² (2 в квадрате) равен 4
  цвета
• 8 бит равно 2 ⁸ (от 2 до восьмого)
  равно 256 цветов
• 16 бит равно 2 ¹⁶ (от 2 до шестнадцатого) равно 65 536 цветов
• 24 бит равно 2 ²⁴ (от 2 до двадцати четвертого) равно 16 777 216 цветов

Почему не 32-битный цвет равен 4294967296 цветов?

32-битный цвет — это небольшое отклонение от обычной схемы.Там
действительно 32 бита, которые описывают цвет каждого пикселя: 8 для красного, 8 для
зеленый и 8 для синего, но есть еще 8 дополнительных бит, которые могут быть
используется для описания «альфа-канала», который простыми словами может быть
мыслится как прозрачность пикселей. Вы видите такое же количество цветов в
32-битный, как вы видите в 24-битных режимах, но с 32-битным
потенциально дополнительная информация, которую некоторые программы могут использовать для различных
функций. Итак, в конце концов, вы больше не видите цветов
с 32-битным цветом, но ваша программа получает больше информации о цвете, чем
его можно использовать для таких вещей, как непрозрачность / прозрачность или, с движущимся видео
или 3D-анимация, более точное смешивание и более плавные преобразования
от цвета к цвету.

ЖК-дисплеи

и битовая глубина цвета

Цветовой диапазон компьютера определяется термином «глубина цвета», который представляет собой количество цветов, которые может отображать оборудование с учетом его аппаратного обеспечения. Чаще всего вы увидите 8-битную (256 цветов), 16-битную (65 536 цветов) и 24-битную (16,7 миллиона цветов) режимы. Истинный цвет (или 24-битный цвет) является наиболее часто используемым режимом, поскольку компьютеры достигли достаточного уровня для эффективной работы с такой глубиной цвета.

Некоторые профессиональные дизайнеры и фотографы используют 32-битную глубину цвета, но в основном для увеличения цвета, чтобы получить более четкие тона при рендеринге проекта до 24-битного уровня.

mikroman6 / Getty Images

Скорость и цвет

ЖК-мониторы борются с цветом и скоростью. Цвет на ЖК-дисплее состоит из трех слоев цветных точек, составляющих последний пиксель. Чтобы отобразить цвет, к каждому цветному слою применяется ток, чтобы создать желаемую интенсивность, которая приводит к окончательному цвету. Проблема в том, что для получения цветов ток должен перемещать кристаллы и выключать их до желаемых уровней интенсивности. Этот переход из включенного состояния в выключенное называется временем отклика.Для большинства экранов он составляет от 8 до 12 миллисекунд.

Проблема со временем отклика становится очевидной, когда ЖК-мониторы отображают движение или видео. Благодаря высокому времени отклика для переходов из выключенного состояния во включенное, пиксели, которые должны были перейти на новые уровни цвета, следуют за сигналом и приводят к эффекту, называемому размытием движения. Это явление не является проблемой, если на мониторе отображаются такие приложения, как программное обеспечение для повышения производительности. Однако с высокоскоростным видео и некоторыми видеоиграми это может раздражать.

Поскольку потребители требовали более быстрых экранов, многие производители уменьшили количество уровней, отображаемых каждым цветным пикселем. Такое снижение уровней интенсивности позволяет снизить время отклика и имеет недостаток, заключающийся в сокращении общего диапазона цветов, поддерживаемых экранами.

6-битный, 8-битный или 10-битный цвет

Глубина цвета ранее называлась общим количеством цветов, которые может отображать экран. При обращении к ЖК-панелям вместо этого используется количество уровней, которые может отображать каждый цвет.6 = 64 х 64 х 64 = 262 144

Это уменьшение заметно человеческому глазу. Чтобы обойти эту проблему, производители устройств используют технику, называемую дизерингом, когда соседние пиксели используют слегка изменяющиеся оттенки цвета, которые обманом заставляют человеческий глаз воспринимать желаемый цвет, даже если это не совсем тот цвет. Цветное газетное фото — хороший способ увидеть этот эффект на практике. В печати эффект называется полутонами. Используя эту технику, производители заявляют, что достигают глубины цвета, близкой к истинной цветности дисплеев.

Зачем умножать группы по три? Для компьютерных дисплеев преобладает цветовое пространство RGB. Это означает, что для 8-битного цвета окончательное изображение, которое вы видите на экране, представляет собой смесь одного из 256 оттенков красного, синего и зеленого.

Есть еще один уровень отображения, который используют профессионалы, называемый 10-битным дисплеем. Теоретически он отображает более миллиарда цветов, больше, чем может различить человеческий глаз.

У этих типов дисплеев есть некоторые недостатки:

• Объем данных, необходимых для такого высокого цвета, требует соединителя данных с очень высокой пропускной способностью.Обычно эти мониторы и видеокарты используют разъем DisplayPort.
• Даже несмотря на то, что графическая карта отображает более миллиарда цветов, цветовая гамма дисплея или диапазон цветов, которые он может отображать, значительно меньше. Даже дисплеи со сверхшироким цветовым охватом, поддерживающие 10-битный цвет, не могут отображать все цвета.
• Эти дисплеи, как правило, медленнее и дороже, поэтому они не подходят для домашних потребителей.

Как узнать, сколько бит использует дисплей

Профессиональные дисплеи часто рекламируют поддержку 10-битного цвета.Еще раз, вы должны посмотреть на реальную цветовую гамму этих дисплеев. Большинство потребительских дисплеев не говорят, сколько они используют. Вместо этого они обычно указывают количество поддерживаемых цветов.

• Если производитель указывает цвет как 16,7 миллиона цветов, предположите, что отображение 8-битного цвета.
• Если в списке указано 16,2 миллиона или 16 миллионов цветов, имейте в виду, что для каждого цвета используется 6-битная глубина.
• Если глубина цвета не указана, предположим, что мониторы с 2 мс или быстрее будут 6-битными, а большинство панелей с 8 мс и более медленными будут 8-битными.

Это действительно важно?

Количество цвета имеет значение для тех, кто профессионально работает с графикой. Для этих людей количество цвета, отображаемого на экране, имеет большое значение. Среднестатистическому потребителю такой уровень цветопередачи на мониторе не понадобится. В результате это, вероятно, не имеет значения.

Цветовые модели — урок. Информатика, 7 класс.

Для описания цветовых оттенков, которые могут быть воспроизведены на экране компьютера и на принтере, разработаны специальные средства — цветовые модели (системы цветов).

Цветовые модели — это способ описания цвета с помощью количественных характеристик.

Цвет может получиться в процессе излучения и в процессе отражения. Поэтому цветовые модели можно классифицировать по их целевой направленности:

• Аддитивные модели (RGB). Служат для получения цвета на мониторе.
• Полиграфические модели (CMYK). Служат для получения цвета при использовании разных систем красок и полиграфического оборудования.
• Математические модели, полезные для каких-либо способов цветокоррекции, но не связанные с оборудованием, например HSВ.

Цветовая модель RGB

С экрана монитора человек воспринимает цвет как сумму излучения трёх базовых цветов: красного (Red), зелёного (Green), синего (Blue).

Такая цветовая модель называется RGB (по первым буквам).

Она служит основой при создании и обработке компьютерной графики, предназначенной для электронного воспроизведения (на мониторе, телевизоре).

Для кодирования одного цвета пикселя определяется длина двоичного кода, которая называется глубиной цвета.

Рассчитать глубину цвета можно по формуле: N=2i, где N —количество цветов в палитре, i — глубина цвета.

Интенсивность каждого из трёх цветов — это один байт (т.е. число в диапазоне от (0) до (255)), т.е. каждая составляющая может принимать (256) значений.

Таким образом, с использованием трёх составляющих можно описать (256⋅256⋅256 = 16777216 )различных цветовых оттенков, а, значит, модель RGB имеет приблизительно (16,7) миллионов различных цветов.

Таким количеством цветов определяется, в основном, палитра современного монитора.

Цветовая модель CMYK

При печати изображений на принтерах используется цветовая модель, основными красками в которой являются голубая (Cyan), пурпурная (Magenta) и жёлтая (Yellow).

 Чтобы получить чёрный цвет, в цветовую модель был включен компонент чистого чёрного цвета (BlacK). Так получается четырёхцветная модель, называемая CMYK.

Область применения цветовой модели CMYK — полноцветная печать. Именно с этой моделью работает большинство устройств печати.

Модель HSB

HSB — это цветовая трёхканальная модель, которая характеризует параметры цвета. Цветовой тон (Hue), насыщенность (Saturation), яркость (Brightness).

Глубина цвета — Кодирование изображений — GCSE Computer Science Revision

Глубина цвета изображения измеряется в битах. Количество битов указывает, сколько цветов доступно для каждого пикселя. В черно-белом изображении нужно всего два цвета. Это означает, что он имеет глубину цвета 1 бит.

2-битная глубина цвета допускает четыре разных значения: 00, 01, 10, 11. Это позволяет использовать диапазон цветов, например:

Чем больше глубина цвета (бит на пиксель), тем больше цветов доступно .

Различные версии изображения с разной глубиной цвета

A черно-белое изображение (глубина цвета 1 бит)

Различные версии изображения с разной глубиной цвета

Изображение в шкале серого (глубина цвета 2 бита)

Различные версии изображения с разной глубиной цвета

An i изображение с несколькими цветами (4 бита + глубина цвета)

Большинство компьютерных систем и цифровых камер используют 24-битные изображения.24 в двоичном формате — это 1111 1111 1111 1111 1111 1111. Это означает, что существует более 16 миллионов возможных цветов на пиксель.

Разрешение — это мера плотности пикселей , обычно измеряется в пикселей на дюйм (ppi) . Изображения на веб-сайтах обычно имеют разрешение 72 ppi. Это означает, что квадрат размером в 1 дюйм содержит сетку пикселей шириной 72 пикселя и высотой 72 пикселя. 72 x 72 = 5184 пикселя на квадратный дюйм.

Учебное пособие по цифровой визуализации — базовая терминология

Формула разницы в цвете | 101 Вычислительная техника

Цветовые коды RGB

Знаете ли вы, что каждый цвет на экране может быть представлен с помощью кода RGB (красный, зеленый, синий).Этот код состоит из трех чисел от 0 до 255, указывающих, сколько красного, зеленого и синего цветов используется для воссоздания цвета. Например, код RGB для:

• Красный (255,0,0)
• Зеленый (0,255,0)
• Синий (0,0,255)
• Желтый (255,255,0)
• Оранжевый (255,165,0)

Графический дизайнер и программист иногда предпочитают использовать другую нотацию, основанную на шестнадцатеричном коде RGB, где каждое из трех десятичных значений преобразуется в двузначный шестнадцатеричный код, в результате чего получается шестизначный (3 × 2) шестнадцатеричный код.Например:

• Красный — это # ​​FF000
• Зеленый # 00FF00
• Синий — это # ​​0000FF
• Желтый — # FFFF00
• Оранжевый — # FFA500

Проверьте следующее средство выбора цвета RGB, чтобы увидеть, как работают коды RGB:

Используя цветовой код RGB, мы можем представить 256 ³ = 16 777 216 цветов.

Цветовой круг

Цветовой круг используется для представления некоторых из наиболее отличительных цветов. Например, на картинке выше представлено цветовое колесо, состоящее из 12 цветов:

Формула разницы в цвете

Формула цветового различия используется для определения «расстояния» между двумя цветами:

Мы можем использовать эту формулу, чтобы узнать, очень ли близки два цвета (небольшая разница).

Python Challenge

Для этой задачи ваша задача — написать скрипт Python, который:

1. попросить пользователя ввести цветовой код RGB,
2. вычислить разницу между этим цветом и каждым из 12 цветов указанного выше цветового круга,
3. выводит имя ближайшего цвета из цветового круга. (Цвет с наименьшей разницей)

План испытаний

Когда ваш код будет готов, выполните следующие тесты, чтобы убедиться, что ваш код работает должным образом:

Как работает цветовая кодировка YUV?

ПЗС- или КМОП-сенсор сам по себе не может определять цвет падающего света.В действительности, каждая полость массива пикселей просто определяет интенсивность падающего света, пока активна экспозиция. Он не может различить, сколько в них света каждого конкретного цвета. Но когда к датчику применяется фильтр цветового рисунка, каждый пиксель становится чувствительным только к одному цвету — красному, зеленому или синему. Поскольку человеческий глаз более чувствителен к зеленому свету, чем к красному и синему свету, он имеет положительные эффекты, матрица имеет в два раза больше зеленых, чем красных или синих датчиков. На следующих изображениях показано цветовое распределение и расположение фильтра «Шаблон Байера» на датчике размером x * y (где x и y кратны 2).

Поскольку расположение цветов в фильтре шаблона Байера известно, приложение может использовать переданную необработанную информацию о пикселях для интерполяции полной информации о цвете RGB для каждого пикселя в датчике камеры. Вместо передачи необработанной информации о пикселях также часто используется группа цветового кодирования, известная как YUV. На приведенной ниже блок-схеме показан процесс преобразования в цветной камере Basler, которая поддерживает эту функцию. Для простоты мы предполагаем, что датчик собирает пиксельные данные с глубиной 8 бит.

В качестве первого шага алгоритм вычисляет полные значения RGB для каждого пикселя. Это означает, например, что даже если пиксель чувствителен только к зеленому свету, камера получает полную информацию RGB для пикселя путем интерполяции информации об интенсивности из соседних красных и синих пикселей. Это, конечно, лишь приближение к реальному миру. Существует множество алгоритмов для интерпретации RGB, и сложность и время вычисления каждого алгоритма будут определять качество приближения.Цветные камеры Basler имеют эффективный встроенный алгоритм преобразования RGB.

Недостатком преобразования RGB является завышение объема данных для каждого пикселя. Если один пиксель обычно имеет глубину 8 бит, после преобразования он будет иметь глубину 8 бит на цвет (красный, зеленый и синий) и, таким образом, будет иметь общую глубину 24 бита.

Кодирование YUV преобразует сигнал RGB в компонент интенсивности (Y), который находится в диапазоне от черного до белого, плюс два других компонента (U и V), которые кодируют цвет.Преобразование из RGB в YUV является линейным, происходит без потери информации и не зависит от конкретного оборудования, такого как камера. Стандартные уравнения для выполнения преобразования из RGB в YUV:

Y = 0,299 R + 0,587 G + 0,114 B

U = 0,493 * (B — Y)

V = 0,877 * (R — Y)

дюймов На практике коэффициенты в уравнениях могут немного отличаться из-за динамики датчика, используемого в конкретной камере. Если вы хотите узнать, как выполняется преобразование RGB в YUV в конкретной цветной камере Basler, обратитесь к руководству пользователя камеры, чтобы узнать правильные коэффициенты.Эта информация особенно полезна, если вы хотите преобразовать выходной сигнал цветной камеры Basler из YUV обратно в RGB.

На схеме ниже показано, как можно кодировать цвет с помощью компонентов U и V и как компонент Y кодирует интенсивность сигнала.

Этот тип преобразования также известен как выборка YUV 4: 4: 4. С YUV 4: 4: 4 каждый пиксель получает информацию о яркости и цвете, а «4: 4: 4» указывает соотношение компонентов Y, U и V в сигнале.

Чтобы уменьшить средний объем данных, передаваемых на пиксель, с 24 бит до 16 бит, чаще всего включают информацию о цвете только для каждого другого пикселя. Этот тип выборки также известен как выборка YUV 4: 2: 2. Поскольку человеческий глаз гораздо более чувствителен к интенсивности, чем к цвету, это уменьшение почти незаметно, даже если преобразование представляет собой реальную потерю информации. Цифровой выходной сигнал YUV 4: 2: 2 с цветной камеры Basler имеет глубину, которая варьируется от 24 бит на пиксель до 8 бит на пиксель (для средней битовой глубины 16 бит на пиксель).

Как показано в таблице ниже, когда камера Basler настроена на вывод YUV 4: 2: 2, каждый квадлет данных изображения, передаваемых камерой, будет содержать данные для двух пикселей. K представляет количество пикселей в кадре, а одна строка в таблице представляет квадлет данных, передаваемых камерой.

Для каждого другого пикселя передаются как информация об интенсивности, так и информация о цвете, что приводит к глубине 24 бита для этих пикселей. Для остальных пикселей сохраняется только информация об интенсивности, что дает для них 8-битную глубину.Как видите, средняя глубина на пиксель составляет 16 бит.

На всех цветных камерах Basler вы можете выбирать между режимом вывода, обеспечивающим необработанный выходной сигнал датчика для каждого пикселя, или высококачественным сигналом YUV 4: 2: 2. Некоторые камеры также предоставляют данные RGB / BGR.

Оценка глубины

: основы и интуиция | Дэрил Тан

Глубина важна для 3D Vision

Измерение расстояния относительно камеры остается трудным, но абсолютно важным для открытия таких захватывающих приложений, как автономное вождение, реконструкция 3D-сцены и дополненная реальность.В робототехнике глубина является ключевым условием для выполнения множества задач, таких как восприятие, навигация и планирование.

Создание 3D-карты было бы еще одним интересным приложением, вычисление глубины позволяет нам переносить изображения, снятые из нескольких видов, в 3D. Тогда регистрация и сопоставление всех точек может идеально реструктурировать сцену.

Источник: реконструированная сцена в 3D

Некоторые из сложных проблем, которые необходимо решить, включают сопоставление соответствий , , которое может быть затруднено из-за таких причин, как текстура, окклюзия, неламбертовские поверхности, разрешение неоднозначного решения, где многие 3D-сцены могут фактически дать одно и то же изображение на плоскости изображения i.е. прогнозируемая глубина не уникальна.

Получение информации о расстоянии с камеры очень заманчиво из-за ее относительно низкой стоимости производства и плотного отображения. Распространить эту технологию в массы так же просто, как приобрести уже имеющуюся камеру. На данный момент лучшей альтернативой для определения глубины было бы использование датчика активного диапазона, такого как лидар. Это, естественно, датчик высокой точности, обеспечивающий очень точную информацию о глубине.

После работы над оценкой глубины и, в частности, с применением автономного транспортного средства, это действительно сложно из-за различных причин, таких как окклюзия, динамический объект в сцене и несовершенное стерео соответствие.Для алгоритмов согласования стереозвука самым большим врагом является отражающая, прозрачная, зеркальная поверхность. Например. Лобовое стекло автомобилей часто ухудшает соответствие и, следовательно, оценку. Поэтому большинство компаний по-прежнему полагаются на лидар для надежного определения расстояния. Однако текущая тенденция в стеке восприятия автономных транспортных средств направлена ​​на объединение датчиков, поскольку каждый датчик имеет свою силу в функциях, которые они извлекают. Тем не менее, с момента появления Deep Learning эта область приобрела большую популярность и достигла замечательных результатов.Решению этих вопросов посвящено множество исследований.

В компьютерном зрении глубина извлекается из двух распространенных методологий. А именно, глубина из монокулярных изображений (статических или последовательных) или глубина из стереоизображений с использованием эпиполярной геометрии. Этот пост будет посвящен ознакомлению читателей с глубокой оценкой и проблемами, связанными с ней. Требуется адекватное понимание проективной геометрии камеры.

Читая эту статью, я хотел бы, чтобы вы получили интуитивное понимание восприятия глубины в целом.Дополнительно представлен обзор тенденций и направлений исследований по оценке глубины. Затем мы обсудим некоторые (многие) связанные с этим проблемы.

В следующих постах будут подробно описаны различные алгоритмы оценки глубины, чтобы не утопить вас в деталях!

Рис. 2. Выступает на сетчатку (слева). Проецирование на плоскость изображения (справа)

Давайте начнем с того, как мы, люди, воспринимаем глубину в целом. Это даст нам некоторые ценные сведения об оценке глубины, поскольку многие из этих методов были заимствованы из нашей системы зрения человека.И машинное, и человеческое зрение имеют общие черты в способах формирования изображения (рис. 2). Теоретически, когда световые лучи от источника попадают на поверхность, они отражаются и направляются к задней части нашей сетчатки, проецируя их, и наш глаз обрабатывает их как 2D [1], точно так же, как изображение формируется на плоскости изображения.

Итак, как на самом деле измерить расстояние и понять нашу среду в 3D, когда проецируемая сцена находится в 2D? Например, предположим, что кто-то собирается нанести вам удар, вы инстинктивно знаете, когда вас собираются ударить, и уклоняйтесь от него, когда его кулак оказывается слишком близко! Или, когда вы ведете машину, вы каким-то образом можете определить, когда нажать на педаль акселератора или нажать на тормоз, чтобы сохранить безопасное расстояние вокруг многих других водителей и пешеходов.

Здесь работает механизм: наш мозг начинает рассуждать о входящих визуальных сигналах, распознавая такие закономерности, как размер, текстура и движение сцены, известные как Depth Cues . Информация о расстоянии об изображении отсутствует, но каким-то образом мы можем легко интерпретировать и восстанавливать информацию о глубине. Мы понимаем, какой аспект сцены находится ближе и дальше от нас. Кроме того, эти подсказки позволяют нам рассматривать объекты и поверхности, которые предположительно находятся на плоских изображениях, как трехмерные [1].

Как уничтожить глубину (не человеческое / компьютерное зрение)

Чтобы выделить интересный факт, интерпретация этих сигналов глубины начинается с того, как сцены проецируются на перспективный вид в человеческом зрении и зрении камеры. С другой стороны, ортогональная проекция на вид спереди или сбоку — это такая проекция, которая уничтожает всю информацию о глубине.

Рассмотрим рисунок 3, наблюдатель может определить, какая часть дома ближе к нему, как показано на левом изображении.Однако отличить относительные расстояния от правого изображения совершенно невозможно. Даже фон может лежать в одной плоскости с домом.

Рис. 3. Перспективная проекция (слева). Ортографическая проекция (справа)

В основном есть 4 категории сигналов глубины: статический монокуляр, глубина от движения, бинокулярные и физиологические сигналы [2]. Мы подсознательно пользуемся этими сигналами, чтобы замечательно воспринимать глубину.

Живописные метки глубины

Наша способность воспринимать глубину одиночного неподвижного изображения зависит от пространственного расположения предметов в сцене.Ниже я суммировал некоторые подсказки, которые позволяют нам судить о расстоянии до различных объектов. Вам уже может казаться естественным ежедневное общение с матерью-землей. Надеюсь, не вдаваясь в размышления о различных подсказках.

Фото Матеуса Кампоса Фелипе на Unsplash

Интересное исследование было проведено в Калифорнийском университете в Беркли, и они экспериментально показали, что когда горизонт виден, у нас есть подавляющая тенденция использовать это свойство для быстрого восприятия глубины.Верно ли это для вас, когда вы просматриваете изображение выше?

Признаки глубины от движения (Параллакс движения)

Рис. 5. Параллакс движения

Это не должно удивлять вас. Когда вы, как наблюдатель, находитесь в движении, вещи вокруг вас проходят быстрее, чем то, что находится дальше. Чем дальше что-то появляется, тем медленнее оно уходит от наблюдателя.

Признаки глубины от стереозрения (бинокулярный параллакс)

Неравномерность сетчатки : Еще один интересный случай, который дает нам возможность распознавать глубину, что можно интуитивно понять из простого эксперимента.

Рис. 6. Источник

Поместите указательный палец перед собой как можно ближе к лицу с одним закрытым глазом. Теперь несколько раз закройте один и откройте другой. Заметил, что твой палец двигается! Разница во взгляде, наблюдаемая вашим левым и правым глазом, известна как несоответствие сетчатки . Теперь протяните палец на расстоянии вытянутой руки и выполните то же действие. Вы должны заметить, что изменение положения ваших пальцев становится менее очевидным. Это должно дать вам некоторое представление о том, как работает стереозрение.

Это явление известно как стереопсис ; способность воспринимать глубину из-за 2-х разных точек зрения на мир.Сравнивая изображения сетчатки двух глаз, мозг вычисляет расстояние. Чем больше разница, тем ближе к вам объекты.

Цель оценки глубины — получить представление пространственной структуры сцены, восстанавливая трехмерную форму и внешний вид объектов на изображениях. Это также известно как обратная задача [3], в которой мы стремимся восстановить некоторые неизвестные, учитывая недостаточную информацию для полного определения решения. Это означает, что сопоставление между 2D-видом и 3D не является уникальным (рис. 12). В этом разделе я расскажу о классических методах стерео и методах глубокого обучения.

Так как же машины на самом деле воспринимают глубину? Можем ли мы как-то перенести некоторые из обсуждаемых выше идей? Самый ранний алгоритм с впечатляющим результатом начинается с оценки глубины с помощью стереозрения еще в 90-х годах. Большой прогресс был достигнут в алгоритмах плотного стереосоответствия [4] [5] [6]. Исследователи смогли использовать геометрию, чтобы ограничить и воспроизвести идею стереопсиса математически и в то же время в режиме реального времени. Все эти идеи были обобщены в данной статье [7].

Что касается оценки глубины с помощью монокуляра, то в последнее время она стала набирать популярность благодаря использованию нейронных сетей для изучения представления, которое напрямую определяет глубину [8]. Глубинные подсказки неявно изучаются с помощью градиентных методов. Помимо этого, был достигнут большой прогресс в самостоятельной оценке глубины [9] [10] [11]. что особенно интересно и новаторски! В этом методе модель обучается предсказывать глубину посредством оптимизации прокси-сигнала. В тренировочном процессе не требуется никаких ярлыков.Большинство исследований используют геометрические подсказки, такие как многовидовая геометрия или эпиполярная геометрия, для изучения глубины. Мы коснемся этого позже.

Оценка глубины со стереозрения

Рис. 7. Эпиполярная геометрия (слева). Исправленные изображения (справа)

Основная идея решения проблемы глубины с помощью стереокамеры включает концепцию триангуляции и совпадения стереофонического . Формальное решение зависит от хорошей калибровки и выпрямления , чтобы ограничить проблему, чтобы ее можно было моделировать на 2D-плоскости, известной как эпиполярная плоскость , , что значительно сокращает последнюю до поиска линии вдоль эпиполярной линии (рис. ) . Более подробная техническая информация об эпиполярной геометрии будет обсуждена в следующей публикации.

 из SimpleCV import Color

# Простой способ получить значения триплета RGB для бирюзового цвета.
myPixel = Color.TEAL 

 из SimpleCV import Color

# Печать (0, 128, 128)
print Color.TEAL 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Получает информацию о пикселе, расположенном в
# координата x = 120 и координата y = 150
пиксель = img [120, 150]

пиксель печати 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Использует getPixel () для получения информации о найденном пикселе
# при координате x = 120 и координате y = 150
пиксель = img.getPixel (120, 150)

print pixel 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

# Распечатать высоту изображения в пикселях
# Напечатает 300
напечатать img.height

# Распечатать ширину изображения в пикселях
# Напечатает 389
print img.width 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

# Получить триплет RGB из (120, 150)
(красный, зеленый, синий) = img.getPixel (120, 150)

# Меняем цвет пикселя +
img [120, 150] = (красный, 0, 0)

img.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Получаем пиксель и меняем цвет
(красный, зеленый, синий) = img.getPixel (120, 150)
img [120, 150] = (красный, 0, 0)

# Измените размер изображения, чтобы оно было в 5 раз больше исходного размера
bigImg = img.resize (img.width * 5, img.height * 5)

bigImg.show () 

 из SimpleCV import Image
img = Изображение ('jacopo.png')

# Получить цветовое расстояние всех пикселей по сравнению с (120, 150)
расстояние = img.colorDistance (img.getPixel (120, 150))

# Показать полученные расстояния
distance.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Масштабировать изображение в 5 раз
bigImg = img.scale (5)

bigImg.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

# Измените размер изображения, сохранив исходную высоту,
# но удвоение ширины
bigImg = img.resize (img.width * 2, img.height)

bigImg.show () 

 из SimpleCV import Image

# Загрузить изображение
img = Изображение ('jacopo.png')

# Измените размер изображения, но используйте функцию + adaptiveScale () + для сохранения
# пропорции исходного изображения
AdaptiveImg = img.adaptiveScale ((img.width * 2, img.height))

AdaptorImg.show () 

 из SimpleCV import ImageSet
из ОС импортировать mkdir

# Создайте локальный каталог с именем миниатюры для хранения изображений
mkdir ("эскизы")

# Загружаем файлы в текущий каталог
set = ImageSet (".")

для img в наборе:
     print "Thumbnailing:" + img.filename

     # Масштабировать изображение до версии +50 x 50+ самого себя,
     # а затем сохраните его в папке эскизов
     img.adaptiveScale ((50, 50)). save ("эскизы /" + img.filename)

print "Готово с эскизами. Показ слайд-шоу."

# Создайте набор изображений из всех миниатюрных изображений
thumbs = ImageSet ("./ эскизы /")

# Показать пользователю набор миниатюрных изображений
thumbs.show (3) 

 из SimpleCV import Image, Color

img = Изображение ('jacopo.png')

# Embiggen изображение, поместите его на зеленый фон, в правом верхнем углу
emb = img.embiggen ((350, 400), Color.GREEN, (0, 0))

emb.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Обрезка, начиная с + (50, 5) + для области шириной 200 пикселей и высотой 200 пикселей
cropImg = img.crop (50, 5, 200, 200)

CropImg.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Обрезать изображение, начиная с центра изображения
cropImg = img.crop (img.width / 2, img.height / 2, 200, 200, по центру = True)

CropImg.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

blobs = img.findBlobs ()

img.crop (blobs [-1]). show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

blobs = img.findBlobs ()

# Функция кадрирования вызывается непосредственно для объекта blob
blobs [-1] .crop (). show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

# Обрезанное изображение шириной 200 пикселей и высотой 200 пикселей, начиная с (50, 5).
cropImg = img [50: 250,5: 205]

CropImg.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Повернуть изображение против часовой стрелки на 45 градусов
rot = img.rotate (45)

rot.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Повернуть изображение вокруг координат + (16, 16) +
rot = img.rotate (45, точка = (16, 16))

rot.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Поверните изображение, а затем измените его размер, чтобы содержимое не обрезалось
rot = img.повернуть (45, фиксированное = Ложь)

rot.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Поверните изображение так, чтобы оно было вдвое меньше
rot = img.rotate (90, масштаб = 0,5)

rot.show () 

 из SimpleCV import Image

img = Изображение ('jacopo.png')

# Переворачиваем изображение по горизонтальной оси и затем отображаем результаты
flip = img.flipHorizontal ()

flip.show () 

 из SimpleCV import Camera, Display

cam = Камера ()

# Захваченное изображение просто используется для согласования размера дисплея с размером камеры
disp = Display ((cam.getProperty ('ширина'), cam.getProperty ('высота')))

пока disp.isNotDone ():
     cam.getImage (). flipHorizontal (). save (disp) 

 из SimpleCV import Image

img = Изображение ('pisa.png')

corners = [(0, 0), (450, 0), (500, 600), (50, 600)]

прямо = img.сдвиг (углы)

Straight.show () 

 из SimpleCV import Camera, Image, Display

tv_original = Изображение ("family.png")

tv_coordinates = [(285, 311), (367, 311), (368, 378), (286, 376)]

tv_mask = Изображение (tv_original.size ()). invert (). warp (tv_coordinates)

tv = tv_original - tv_mask

cam = Камера ()

disp = Показать (tv.size ())

# Пока окно открыто, продолжайте обновлять обновления
# телевизор с изображениями с камеры
пока disp.isNotDone ():

     bwimage = cam.getImage (). grayscale (). resize (tv.width, tv.height)

     on_tv = tv + bwimage.warp (tv_coordinates)

     on_tv.save (disp) 

 из SimpleCV import Image

img = Изображение ('jacopo.png ')

imgBin = img.binarize ()

imgBin.show () 

 из SimpleCV import Image

img = Изображение ('деревья.png')

# Использование метода Оцу
otsu = img.binarize ()

# Укажите низкое значение
низкий = img.binarize (75)

# Укажите высокое значение
высокий = img.binarize (125)

img = img.изменить размер (img.width * .5, img.height * .5)
otsu = otsu.resize (otsu.width * .5, otsu.height * .5)
low = low.resize (low.width * .5, low.height * .5)
high = высокий размер (высокая ширина * 0,5, высокая высота * 0,5)


top = img.sideBySide (otsu)
bottom = low.sideBySide (высокий)
комбинированный = top.sideBySide (bottom, side = "bottom")

Combined.show () 

 из SimpleCV import Image

img = Image ('pegboard.png ')

# Сделайте бинаризованное изображение черно-белым.
imgBin = img.binarize ()

# Показать эффекты dilate () на изображении
imgBin.dilate (). show () 

 из SimpleCV import Image

img = Image ('pegboard.png ')

imgBin = img.binarize ()

# Как в предыдущем примере, но erode ()
imgBin.erode (). show () 

 из SimpleCV import Image

img = Изображение ('pegboard.png')

imgBin = img.binarize ()

# + morphOpen () + размывает, а затем расширяет изображение
imgBin.morphOpen (). show () 

 из SimpleCV import Image

img = Изображение ('pegboard.png')

# Увеличьте изображение в два раза, чтобы заполнить пробелы
noPegs = img.расширять (2)

# Затем дважды стереть изображение, чтобы убрать немного шума
заполненный = noPegs.erode (2)

allThree = img.sideBySide (noPegs.sideBySide (заполнено))
allThree.scale (.5) .show () 

 из камеры импорта SimpleCV

cam = Камера ()
display = Display ()

# Эта переменная сохраняет последнее вращение и используется
# в цикле while для увеличения вращения
повернуть = 0

при отображении.isNotDone ():
     повернуть = повернуть + 5
     cam.getImage (). rotate (поворот) .save (display) 

 из SimpleCV import Image

img = Изображение ('skew.png')

# Деформируйте рисунок, чтобы распрямить бумагу
corners = [(0, 0), (480, 0), (336, 237), (147, 237)]

warped = img.warp (углы)

# Найдите каплю, которая представляет бумагу
bgcolor = warped.getPixel (240, 115)

dist = warped.colorDistance (bgcolor)

blobs = dist.инвертировать (). findBlobs ()

paper = blobs [-1] .crop ()

# Найдите каплю, которая представляет игрушку
toyBlobs = paper.invert (). findBlobs ()

toy = toyBlobs [-1] .crop ()

# Используйте соотношение игрушечных блоков и бумаги, чтобы вычислить размер
paperSize = paper.width
toySize = toy.width

print float (toySize) / float (paperSize) * 8,5