|我是誰|我的最愛|一些照片|好文章|生活知訊|討論留言板|寫信給我|首頁|

攝影及光學-色彩科學 (本區共瀏覽次)


資料來源:http://www.magic4lin.dn2go.com/WEB/whoI/professional-CE/Camera&Photo/profession_2(CE)-camera&photo-c

  

色彩科學

 

基礎彩色學

  • Young-Helmholtz 三原色學說

此學說為彩色印刷術的最基本起源,1802 年英國 Tomas Young,利用三台投影機,分別經由R (紅)、G (綠)、 B (藍) 三色濾色鏡, 將色光投映在白色螢幕上,發現在兩兩相疊處產生了C (青)、 M (洋紅)、 Y (黃) 三色,而中間三色重疊的地方則變為白色,進一步地再將 R.G.B 三色的亮度加以調整,則產生了千變萬化各種不同的色感覺出來, 故他推論人眼內應含有三種感光細胞,但當時並無實驗基礎證明此法。到了 19 世紀末德國的 Helmholtz 由醫學的觀點上,加以闡揚此理論人之所以會用 R.G.B 三種錐狀感光細胞。最後 1861 年,英國的 Maxwell 利用上兩人的理論基礎,製作出了第一張彩色照片,因此一般人也都接受三視覺神經論。

  • Hering 對立色學說

1878 年,German'S Ewald,find color is always red (R)、green (G)、(Y)、藍 (B)、黑 (K)、白 (W) 成對立關係發生。所以 Hering 學說主張,色彩空間具有三個雙極座標軸,即分別為白-黑、紅-綠、及黃-藍。由於三對立色彩的代謝反應過程組合,才產生各種的色彩感覺和各種色彩混合的現象。至於視覺屬性的一些變異包含有:Hue (色彩外貌)、Brightness Lightness (明暗度、灰度)、Chromaticness (彩色量)、Saturation (飽和度)、Chroma(彩度)、Luminance(亮度)。

  • 背景對色覺的影響

不同的背景色,會造成人對色彩的錯覺,它不只造成顏色(色相)的錯誤感覺,也造成錯誤的灰度感覺。這點在色彩工程上,造成相當大的困擾,非常不好處理。由此也發展了很多的色彩色貌模式(Color Appearence Model)來處理此問題。你發現了什麼嗎?(4個圖塊中的正方形黃色的色度均相同)

   

   

 

 

 

 

 

同色異譜色(metamerism)

在特定照明和觀測條件下,兩個物體所反射的輻通量的光譜成分不同,而顏色卻互相匹配,並擁有相同的三刺激值。

一對同色異譜顏色的條件:

X=∫λφ(1)(λ) (λ)dλ =∫λφ(2)(λ) (λ)dλ
Y=∫λφ(1) (λ) (λ)dλ=∫λφ(2)(λ) (λ)dλ
Z =∫λφ(1) (λ) (λ)dλ =∫λφ(2)(λ) (λ)dλ

  • 色失配:對於同色異譜色,當使成為同色的條件改變時,則原來色匹配的現象被破壞,而變為不同色。把產生色失配的程度稱之為同色異譜(degree of metamerism);表把示這種失配的指數稱為同色異譜指數(metamerism index)。
  • 成為一對同色異譜的條件:物體色、照明光、觀測者
  • 同色異譜的色失配的評價方法

名稱
評價對象 評價方法 應用例
物體色同色異譜

(object-color metamerism)
物體色
(光譜反射率)
照明光 照明光同色異譜程度
觀測者 觀測者同色異譜程度
照明光同色異譜

(illuminant metamerism)
照明光
(光譜分佈)
物體色 常用光源的評價
觀測者 觀測者同色異譜程度
觀測者同色異譜

(observer metamerism)
觀測者
(色匹配函數)
照明光 測色儀器、各種分色系統的評價
物體色

  • 視覺適應(Visual adaptation)

當照明光的光強改變時,人眼的視覺機能並不受多大的影響,仍能正常獲取信息,這是人眼有較強的適應性。

適應性可分為兩種:

  1. 亮度適應(brightness adaptation):對視場的亮度適應,暗背景會使影像的亮度對比降低。
  2. 色適應(chromatic adaptation):對視場中顏色適應

色適應的過程
三階段:照明光色偏移、適應色偏移、綜合色偏移

照明光色偏移(SD→SA):從室外(daylight)進入室內(白熾燈照明A下)時,剛開始看到室內的所有景象,皆會帶有黃色的感覺。

適應色偏移(SA→SD’):當眼睛習慣了白熾燈照明A時,眼睛內三種紅色、綠色、藍色錐狀細胞的靈敏度會達到平衡,所看到的黃色感覺物體,則回到正常白色感覺物體。

綜合色偏移(SD→SD’):最後,當人眼充分適應白熾燈照明A時,則感受綜合以上兩種照明光色偏移、適應色偏移的色的變化。

  • 色適應預測公式
    von Kries 色適應預測公式
    原始照明光(試驗光)的三刺激值:X,Y,Z
    其它照明光(參照光)的三刺激值:X’,Y’,Z’
    矩陣元素aij為試驗光和參照光所求出的常數

  

 

缺點:不能說明所有的色適應現象

  • CIE 色適應預測公式

    

  • 光源演色性(Color rendering of Light source)

意義:因顏色恆常性並不完全成立,所以物體在不同光譜分布的照明光下,色外觀會有些許變化。所以,以某照明光為參照光,並以此為標準,則其它的照明光對物體色外觀產生的影響稱之為演色(Color rendering);光源固有的演色特性則稱為光源演色性。
演色性的評價方法
色外觀的一致性越高演色性就越好。

方法:待測光源下物體色外觀和在參照光下物體色外觀的一致程度進行數值化(演色指數,Color rendering index)

  1. 參照光:原則上,參照光的相關色溫應和待測光的相關色溫相等。
    當待測光的相關色溫在 5000K 以下:黑體輻射
    當待測光的相關色溫在 5000K 以上:CIE 晝光
  2. 測驗色:Munsell 標號,選用序號 1~15 號色式樣,作為計算演色指數得測驗色。
        No.1~ No.8:求一般演色指數,為有中等明度、中等彩度的色彩
        No.9~ No.12:求特殊演色指數,因其有代表性的高彩度色彩
        No.13~ No.15:為白種人和黃種人女性膚色
  3. 色空間和色適應修正:
    在色差計算中採用 CIE1964 均勻空間的色度值 U*,V*,W*,un,vn 為光源得色度座標。
    W* =25Y1/3-17  V* =13W*(u-un)  U* =13W*(v-vn)
  4. 色適應修正:
  5. 演色指數計算:
    特殊演色指數:Ri = 100 - 4.6ΔEi

一般演色指數:Ra=( ?)/8

  • 色彩一致性與白平衡(Color Constancy & Auto White Balance)

人類眼睛所接收到物體的顏色取決於物體表面的反射率、當時的照明以及人類眼睛對色彩的敏感度,因此在真實世界中物體的色彩表現會隨著外在環境的照明而改變,但在樣型識別的應用上,卻需要物體顏色是穩定的特性不會隨著環境而改變:即將偏色照明下的影像還原成在標準照明下所見的顏色,以便可作為辨識的依據。而此種在不同照明下仍有穩定色彩表現的現象稱之為色彩恆常性(Color Constancy) ,此觀念應用於數位取像系統則為自動白平衡(Auto White Balance)。

  • 色盲(Color Blind)

色盲佔總人口的8.438%(約1/12,男性佔8.005%,女性佔0.433%)。色盲為為先天基因缺陷造成生理上色彩感測或色差處理機制發生病變而導致色覺異於常人的現象,故色盲者好比生活在一個“變了色的世界”之中(對色正常人而言)。色盲者之色覺缺陷對色盲表之觀測、交通號誌之辨識、及(手術時)動靜脈血管之分辨尤為顯著。臨床上至今對色盲僅能進行檢測,尚無有效的治療方法。色盲種類依人口多寡可細分為:

Deuteranomalous:中波感測細胞異常,佔總人口 5.28%(男性佔4.9%,女性佔0.38%)。
Deuteranope:中波感測細胞缺乏,佔總人口 1.11%(男性佔1.1%,女性佔0.01%)。
Protanomalous:長波感測細胞異常,佔總人口 1.02%(男性佔1.0%,女性佔0.02%)。
Protanope:長波感測細胞缺乏,佔總人口 1.02%(男性佔1.0%,女性佔%0.02)。
Rod-Monochromat:錐狀細胞缺乏,佔總人口 0.005%(男性佔0.003%,女性佔%0.002)。
Tritanope:短波感測細胞缺乏,佔總人口 0.003% (男性佔0.002%,女性佔%0.001)。
Tritanomalous:短波感測細胞異常,人數極少 。
Cone-Monochromat:桿狀細胞缺乏,人數極少。
以上八類色盲又可依其生理病變之程度粗分為三大類:

  1. 色弱(Anomalous Trichromatism):三種色彩感測細胞皆異常,涵蓋??? Deuteranomalous、Protanomalous與Tritanomalous,佔總人口6.282%。
  2. 單色色盲(Dichromatism):一種色彩感測細胞或色差處理機制缺乏,而剩餘之二種色彩感 測細胞異常,涵蓋Deuteranope 、Protanope 與 Tritanope,佔總人口2.133%。
  3. 其他:主要為 Rod-Monochromat,錐狀細胞缺乏,佔總人口 0.005%。
  • 偏好色(Preference Color)

色彩美感的產生除了是生理上接收外界彩色訊息外,人類對色彩的主觀認知亦扮演重要角色。雖然目前已有研究由心理學觀點討論色彩美感的成因,但由計算機觀點探討其訊息處理模式仍付之闕如。

目前用以評估色彩美感的特徵可分為兩類:抽象型特徵(如:絕對/相對美感、色彩氣氛、美感吸引力、類似性、流行趨勢、色彩意象)與操作型特徵(如:面積、秩序、色相、頻譜、亂度)。雖然抽象型特徵與人類心理狀態有直接關係,但缺乏可具體實現的方法。反之,操作型特徵則較可能於電腦上實現,傳統上最常用的操作型特徵是 “Moon-Spencer理論”的色相特徵與“ 面積反比理論”(Law of Inverse Ratios of Areas)的顏色面積特徵。

 

彩色技術

  • 色彩分割(Color segmentation)

是將彩色影像訊號予以有效分類分割的處理技術,一般而言,首先將RGB色彩空間轉換至另一彩度、亮度色彩空間(Yuv、Lab……)。在彩度空間上依色度Chrominance將其區分。其步驟略分為

Stage1: Mapping(RGB Color Space->Luminance、Chrominance Color Space)Stage2: Histogram Analysis -> Find Peaks and Valleys
Stage3:Threshold Adaptation -> ta
Stage4:Pixel Classification
Stage5:Edge Pixel Detection
Stage6:Linking -> Boundary of Regions

應用:彩色影相資料庫、指紋形狀的比對、或是用在做商品選擇的過濾、DNA 鑑定、辨識臉型、彩色機器視覺,瞳孔的顏色來確認某一個人的身份,或是利用像素和亮度來鑑定一幅畫的作者或是畫風等等運用。

  • ICC 特性檔

ICC Profile 是由國際色彩協會(International Color Consortium , ICC)所制訂的一種裝置色彩描述檔,檔案中記錄的是裝置在色彩表現上的特性及一些相關的資料,其目的是為了要提供一種統一的格式,以解決在不同裝置及作業系統上色彩表現的問題。
目前 ICC Profile已成為一種跨媒體彩色影像表現的標準,各大軟硬體廠商所生產開發的產品都支援且應用這個標準,在軟體方面如 Microsoft Windows、Adobe Photoshop、Corel Draw 等,在硬體方面,製造廠商會隨著產品的販售而提供其 Profile 給消費者使用。

ICC Profile 的檔案格式包括三個部分:描述檔頭(Profile Header)、標籤表(Tag Table)及標籤資料(Tagged Element Data),其檔案格式結構如下圖:

 

描述檔頭(Profile Header)包含了一些必要的資訊如描述檔的檔案大小、CMM(Color Management Module)型態及檔案格式的版本等,總共有 128 bytes。

標籤表(Tag Table)的作用是在標籤與標籤元件資料(Tag Element Data)間提供查表的功能,每個 Tag 各佔 12 bytes,其中第 0 到第 3 個 bytes 記錄的是標籤標記(Tag Signature),第 4 到第 7 個 bytes 記錄的是所對應的標籤資料起始位置,第 8 到第 11 個 bytes 記錄的是標籤資料元件的大小。

標籤資料(Tag Data)中依據不同的裝置型態,分成 Input Profile、Display Profile 及 Output Profile,每個標籤資料各紀錄著裝置在進行色彩空間轉換時所需的資料以及一些相關的資訊,這些就代表裝置在色彩表現上的特性,根據這些特性數值,應用程式就可以針對不同裝置來表現影像真實的色彩。

彩色機器視覺(Color Machine Vision)

彩色機器視覺是以彩色 CCD Camera 取代人眼,來擷取物體之彩色影像,並模擬人眼視覺做辨識、分析與判斷。同於傳統灰階視覺機器的架構,加入色彩處理分析能力後便成為彩色機器視覺,可取代人工進行計算、分析、識別、判斷等工作,以控制自動化生產流程、自動化管理或品質管制。其功能較傳統黑白機器視覺更加穩健與廣泛。

基本上,彩色機器視覺系統應包括:(1)彩色攝影機;(2)光源;(3)彩色影像擷取卡;(4)電腦平台;(5)機器視覺軟體;(6)數位輸出/輸入訊號介面卡與連接網路,至於控制端等周邊設備可依不同功能需求而另外加裝。

在實際應用上,特別是細微色差的量測比較,彩色機器視覺的正確率、重複率甚至速度都超乎人工作業。此外,彩色機器視覺也會大量應用機器人的 3D 辨識、3D 虛擬實境。

資料來源:

連結: http://www.oes.itri.org.tw/coretech/imaging/img_col_inf_001.html



開始留言:(注意!!!留言請勿超過300字)

言者: 性別: 年齡: 星座: 地區: 心情:

 

連結: 密碼: