Компьютерная графика и визуализация данных Лекция 2 кфмн

Компьютерная графика и визуализация данных Лекция 2 кфмн А. А. Пойда ктн А. Н. Поляков кфмн М. Н. Жижин асп А. И. Годунов

Уровни обработки визуальной информации

Электромагнитный спектр

Сетчатка глаза человека Распределение L, M, S колбочек в сетчатке

Чувствительность фоторецепторов глаза Спектральная чувствительность L, M, S колбочек колбочек V и палочек V* Энергетический ответ Угловое распределение колбочек и палочек в сетчатке

Кодирование колбочковых сигналов в оппонентные цветовые сигналы мозга

Колориметрия = снижение спектральной размерности

Стандарт Commission Internationale de l’Éclairage (CIE) Оси X, Y, и Z отображают основные цвета CIE стандарта. Серым показан цветовой охват (гамут) глаза «стандартного наблюдателя» . Цветом показан гамут RGB монитора.

Гамут-мэппинг в хроматических координатах XYZ -> xy + (Y-яркость) x = X / (X + Y + Z) y = Y / (X + Y + Z) z = Z / (X + Y + Z)

Только 8 цветов определяются «однозначно» Контуры 75% вероятности совпадения названия одного из 210 цветов, представленных испытуемым

Рекомендации для цветого кодирования – 12 цветов

CCD-матрица цифровой фотокамеры Фильтр Байера 1 - Частицы света (фотоны), прошедшие через объектив видеокамеры 2 - Микролинза субпикселя 3 - Красный светофильтр субпикселя (фрагмент фильтра Байера) 4 - Светопропускающий электрод из поликристаллического кремния 5 - Изолятор (состоит из оксида кремния) 6 - Специальный кремниевый канал n-типа 7 - Зона возможного запаса или ямы (карман n-типа). 8 - Кремниевая подложка p-типа

Светодиодные матрицы LCD Зависимость яркости от напряжения – гаммакоррекция L=Vγ

Точность цветоображения периферийными устройствами

Оттенок-насыщенность-яркость

Модель цветового восприятия CIELAB Декартовы координаты L, a, b Цилиндрические координаты L, С, h

Визуализация модели CIELAB

Пример 1

Годовая статистика наблюдения ночных огней из космоса

Состав базы данных ночных огней для спутников DMSP

Алгоритм построения разностных изображений I 1992 – индекс интенсивности за 1992 I 2009 – индекс интенсивности за 2009 V = max(I 1992 , I 2009 ) If(I 1992 > I 2009 ) { H = 240; // Синий S = I 1992 - I 2009; } else { H = 0; // Красный S = I 2009 – I 1992; }

Изображение изменений яркости

Gas Flares Monitoring

Пример 2

Цвет красителя в отраженном свете a) Рассеяние b) Отражение c)Тень

ИК рефлектометрия для восстановления угасших изображений

Совмещение деталей в видимом и инфракрасном спектрах Высокие частоты – из видимого спектра Низкие частоты – ИК диапазон

Основы работы с изображениями на Матлабе Matlab code imfinfo(‘cameraman. tif ’) I 1 = imread(‘cameraman. tif ’); imwrite(I 1, ’cameraman. jpg’, ’jpg’); imfinfo(‘cameraman. jpg’) What is happening? %Query the cameraman image that %is available with Matlab %imfinfo provides information %Color. Type is gray scale, width is 256. . . etc. %Read in the TIF format cameraman image %Write the resulting array I 1 to %disk as a JPEG image %Query the resulting disk image %Note changes in storage size, etc. А = imread(‘cameraman. tif ’); imshow(A); imagesc(A); axis image; axis off; colormap(gray); %Read in intensity image %First display image using imshow %Next display image using imagesc %Correct aspect ratio of displayed image %Turn off the axis labelling %Display intensity image in grey scale D = imread(‘onion. png’); Dred = D(: , 1); Dgreen = D(: , 2); Dblue = D(: , 3); subplot(2, 2, 1); imshow(D); axis image; subplot(2, 2, 2); imshow(Dred); title(‘red’); subplot(2, 2, 3); imshow(Dgreen); title(‘green’); subplot(2, 2, 4); imshow(Dblue); title(‘blue’); %Read in 8 bit RGB colour image. %Extract red channel (first channel) %Extract green channel (second channel) %Extract blue channel (third channel) %Display all in 22 plot %Display and label

Учебная литература