機器視覺基礎顏色模型和拍照中的術語詳細資料概述

2021-01-10 電子發燒友
打開APP
機器視覺基礎顏色模型和拍照中的術語詳細資料概述

易水寒 發表於 2018-07-06 10:45:57

一、顏色

1. 顏色模型

(1)RGB

RGB色彩模式是工業界的一種顏色標準,是通過對紅(R)、綠(G)、藍(B)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的,RGB即是代表紅、綠、藍三個通道的顏色。

(2)HSV

HSV(Hue, Saturation, Value)是根據顏色的直觀特性由A. R. Smith在1978年創建的一種顏色空間, 也稱六角錐體模型(Hexcone Model)。

這個模型中顏色的參數分別是:色調(H),飽和度(S),明度(V):

色調H

用角度度量,取值範圍為0°~360°,從紅色開始按逆時針方向計算,紅色為0°,綠色為120°,藍色為240°。它們的補色是:黃色為60°,青色為180°,品紅為300°;

飽和度S

飽和度S表示顏色接近光譜色的程度。一種顏色,可以看成是某種光譜色與白色混合的結果。其中光譜色所佔的比例愈大,顏色接近光譜色的程度就愈高,顏色的飽和度也就愈高。飽和度高,顏色則深而豔。光譜色的白光成分為0,飽和度達到最高。通常取值範圍為0%~100%,值越大,顏色越飽和。

明度V

明度表示顏色明亮的程度,對於光源色,明度值與發光體的光亮度有關;對於物體色,此值和物體的透射比或反射比有關。通常取值範圍為0%(黑)到100%(白)。

(3)HSL

HSL色彩模式是工業界的一種顏色標準,是通過對色相(H)、飽和度(S)、明度(L)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的,HSL即是代表色相,飽和度,明度三個通道的顏色。

HSL的H(hue)分量,代表的是人眼所能感知的顏色範圍,這些顏色分布在一個平面的色相環上,取值範圍是0°到360°的圓心角,每個角度可以代表一種顏色。色相值的意義在於,我們可以在不改變光感的情況下,通過旋轉色相環來改變顏色。在實際應用中,我們需要記住色相環上的六大主色,用作基本參照:360°/0°紅、60°黃、120°綠、180°青、240°藍、300°洋紅,它們在色相環上按照60°圓心角的間隔排列。

色相(Hue)

飽和度(Saturation)

明度(Lightness )

(4)HSI

HSI〔Hue-Saturation-Intensity(Lightness),HSI或HSL〕顏色模型用H、S、I三參數描述顏色特性,其中H定義顏色的波長,稱為色調;S表示顏色的深淺程度,稱為飽和度;I表示強度或亮度。

二、拍照中的術語

1.WDR 與 HDR

相信很多朋友在購買手機或相機時,都有聽過HDR和WDR這兩個專業術語,那這兩個僅有一字之差的詞到底有什麼聯繫和卻別,今天就在這裡和大家做一討論和分享。

從作用和目的來講:HDR和WDR都是為了解決在環境明亮高反差的情況下把暗部細節和亮部細節都變現清楚。

從實現原理上來講:HDR是通過軟體技術實現,WDR更多的是通過硬體實現。

什麼是WDR(寬動態範圍技術):寬動態範圍簡單地說就是場景中特別亮的部位和特別暗的部位同時都能看得清楚。寬動態範圍是圖像能分辨最亮的亮度信號值與能分辨的最暗的亮光信號值的比值。在圖像拍攝中,若拍攝對象較亮,則會降低拍攝主體的亮度,使拍攝對象曝光不至於過度。如果拍攝對象較暗,則增強拍攝主題亮度,降低周圍環境亮度,使拍攝對象不至於曝光不足。

什麼是HDR(高動態範圍圖像):所謂HDR就是高動態光照渲染,我們在明暗對比的環境下拍攝,攝像頭就會受到動態範圍的限制,整個畫面就會為了表現某個物體明亮而讓周圍變暗,反之,如果在特別暗的地方,那麼就會讓畫面提亮,這樣照片拍攝出來的就不會曝光過度或者欠曝,所以經過HDR處理過的照片,無論是高光或者在陰暗的環境下畫面不會過亮或者一團黑。通過至少拍攝不同曝光下的3張圖像,通過對這三張圖象中的相應位置信號做平均,使最終成像不會太暗也不會太亮。

打開APP閱讀更多精彩內容

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容圖片侵權或者其他問題,請聯繫本站作侵刪。 侵權投訴

相關焦點

  • 機器視覺產業聯盟發布工業數字相機和工業鏡頭術語標準
    8月22日,機器視覺產業聯盟
  • 無人機智能化的開端:機器視覺下的手勢自拍
    無人機手勢自拍的原理並不深奧,它是基於機器視覺的動作捕捉技術。機器視覺是指通過機器視覺產品將被攝取目標轉換成圖像信號,傳送給專用的圖像處理系統,得到被攝目標的形態信息,根據像素分布和亮度、顏色等信息,轉變成數位化信號;圖像系統對這些信號進行各種運算來抽取目標的特徵,進而根據判別的結果來控制設備動作。
  • 計算機視覺八大任務全概述:PaddlePaddle工程師詳解熱門視覺模型
    上篇計算機視覺(Computer Vision)是研究如何使機器「看」的科學,更進一步的說,是使用攝像機機和電腦代替人眼對目標進行識別、跟蹤和測量等的機器視覺,並通過電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。形象地說,就是給計算機安裝上眼睛(攝像機)和大腦(算法),讓計算機像人一樣去看、去感知環境。
  • 資料| 《 機器學習數學基礎 》
    本書旨在作為構建現代機器學習基礎的大量數學文獻的指南。我們通過直接指出數學概念在基礎機器學習問題中的有用性來促進對數學概念學習的需求。為使書籍儘量簡短,我們省略了很多細節和高級概念。本書主要介紹基礎數學概念及其在機器學習語境中的意義,讀者可在章節最後找到進一步學習的大量資源。對於具備數學背景的讀者,本書提供簡潔但表述準確的機器學習概覽。
  • 上海交大盧憲凱系列公開課:計算機視覺概述和深度學習簡介 | 分享...
    雷鋒網AI研習社按:計算機視覺是一門研究如何使機器「看」的科學,掌握解決具體計算機視覺任務的方法則會幫助我們解決大規模系統的複雜問題,其應用相當廣泛,最常見的如人臉識別,文字識別等等。這篇文章就來為大家從頭普及一下計算機視覺相關知識,包括計算機視覺的定義、研究方法和應用舉例,還會重點介紹深度學習歷史發展歷史,常見深度學習網絡介紹和開發平臺,幫助計算機視覺入門者和從業者進行有效的基礎夯實和系統梳理。近日,在雷鋒網AI研習社舉辦的線上直播課上,來自上海交通大學的盧憲凱博士為大家分享了計算機視覺領域的入門知識。
  • 鳥瞰計算機視覺
    計算機視覺總覽1 視覺概述2 計算機視覺相關的學科2.1 圖像工程2.2 機器視覺2.3
  • 機器視覺十佳圖書列表
    計算機視覺賦予機器或者計算機人類感官的計算機的科學。計算機視覺包括獲取,處理、分析和理解數字圖像以及提取高維數據的方法。本文蟲蟲給你推薦業界選出的計算機視覺最佳的圖書。"計算機視覺算法和應用"是對計算機視覺基礎技術和當前研究文獻的獨特參考。2.計算機視覺:模型、學習和推理作者:Simon J. D.
  • 物聯網系列之機器視覺
    圖1 | 機器視覺和分類視覺的比較資料來源:華泰證券研究所機器視覺產業鏈的上遊包括光源、鏡頭、視覺傳感器、圖像處理軟體等軟硬體供應商。中遊環節主要是系統集成商,基於對垂直行業的深度理解將上述軟硬體和其他配套設施進行集成,形成一套切實有用的解決方案或整機設備。
  • 從淺層模型到深度模型:概覽機器學習優化算法
    而好的優化算法可以大大提高學習速度,加快算法的收斂速度和效果。該論文從淺層模型到深度模型縱覽監督學習中常用的優化算法,並指出了每一種優化算法的優點及局限性,同時其還包括了一階和二階等各種算法的形式化表達。機器之心主要對本論文選擇性地編譯了優化算法的部分,更詳細的推導及介紹請查看原論文。
  • 機器視覺成像中的光偏振技術
    視頻和機器視覺系統依賴於電子成像儀,這些成像儀通常顯示從8位到12位的信噪比。
  • 機器學習(Machine Learning)&深度學習(Deep Learning)資料(之一)
    如果需要完全理解,需要一定的機器學習基礎。不過有些地方會讓人眼前一亮,毛塞頓開。33.Understanding Convolutions 介紹:這是一篇介紹圖像卷積運算的文章,講的已經算比較詳細的了34.
  • [供應鏈·術語篇]供應鏈管理與SCOR模型
    SCOR模型按流程定義的詳細可分為三個層次,每一層都可用於分析企業供應鏈的運作。在第三層以下還可以有第四、五、六等更詳細的屬於各企業所特有的流程描述層次,這些層次中的流程定義不包括在SCOR模型中。企業可以從這些核心過程中選擇適合自己需要的,構造實際的或理想的供應鏈。第三層:為企業提供提高供應鏈績效所需要的計劃和設置目標的信息。計劃部分包括流程要素定義、問題診斷、行業目標選擇、系統軟體能力等。SCOR模型(Supply-Chain Operations Reference-Model)是由國際供應鏈協會開發的一套適合於不同領域的供應鏈運作參考模型。
  • 想入門機器學習?機器之心為你準備了一份中文資源合集
    機器之心也介紹過許多數學基礎與概念:基礎入門:深度學習矩陣運算的概念和代碼實現想了解概率圖模型?你要先理解圖論的基本定義與形式深度神經網絡中的數學,對你來說會不會太難?Reddit 熱門話題:如何閱讀並理解論文中的數學內容?
  • 從語言學到深度學習NLP,一文概述自然語言處理
    本文從兩篇論文出發先簡要介紹了自然語言處理的基本分類和基本概念,再向讀者展示了深度學習中的 NLP。這兩篇論文都是很好的綜述性入門論文,希望詳細了解自然語言處理的讀者可以進一步閱讀這兩篇論文。隨後,本論文介紹了各種應用於 NLP 的模型,包括卷積神經網絡、循環神經網絡、長短期記憶和門控循環神經網絡等,這一些模型加上其它如注意力機制那樣的技巧就能實現十分強大的能力,如機器翻譯、問答系統和情感分析等。
  • 只需十四步:從零開始掌握Python機器學習(附資源)
    深度學習建立在幾十年前的神經網絡的基礎上,但是最近的進步始於幾年前,並極大地提高了深度神經網絡的認知能力,引起了人們的廣泛興趣。如果你對神經網絡還不熟悉,KDnuggets 有很多文章詳細介紹了最近深度學習大量的創新、成就和讚許。最後一步並不打算把所有類型的深度學習評論一遍,而是在 2 個先進的當代 Python 深度學習庫中探究幾個簡單的網絡實現。
  • 拍照角度各不相同?百度如何做到細粒度模型訓練,識別萬千植物
    遊客使用百度 APP 拍照便能識別植物信息,通過百度圖像視覺搜索與植物園實地場景結合,打造出基於 AI 的智慧植物園,為遊客提供植物識別、植物園遊覽資訊、植物地圖精準推薦等應用場景,讓遊客輕鬆領略到一拍即識身邊花草樹木的高科技遊園體驗。
  • 圖像識別與人工智慧圖像識別和機器視覺有什麼區別
    當人工智慧,特別是與人工智慧與圖像識別、計算機視覺等「熱門領域」結合在一起的時候,能不能迸發出革命性的能量?下面小編就來為大家解答一下。圖像識別與人工智慧圖像識別和機器視覺有什麼區別?這個問題很多人看到這個問題一定會發蒙,不都是相同的基礎麼?上面的圖片如果上傳到網上,很多人就會問,這是不是把圖片中的東西翻譯成英文了?其實圖像識別不單單是把原文字翻譯成英文這麼簡單。
  • UC伯克利大學胡戎航博士論文公布:視覺與語言推理的結構化模型
    機器之心報導機器之心編輯部UC 伯克利大學計算機科學博士胡戎航(Ronghang Hu)的博士論文新鮮出爐,內容涉及視覺與語言推理的結構化模型。視覺 - 語言任務(如基於圖像回答問題或按照自然語言指令在視覺環境中導航)需要對圖像和文本兩種模態的數據進行聯合建模和推理。視覺和語言聯合推理方面已經取得了很大進步,但通常使用的是在更大的數據集和更多計算資源幫助下訓練的神經方法。視覺 - 語言任務的解決是否只是堆參數堆數據那麼簡單?如果不是,如何構建更好的推理模型,既能提高數據效率又具備不錯的泛化性能呢?
  • 工業檢測中的機器視覺應用情況
    機器視覺在工業檢測中的應用歷史與發展機器視覺在工業上應用領域廣闊,核心功能包括:測量、檢測、識別、定位等。產業鏈可以分為上遊部件級市場、中遊系統集成/整機裝備市場和下遊應用市場。機器視覺中,缺陷檢測功能,是機器視覺應用得最多的功能之一,主要檢測產品表面的各種信息。
  • 資源| 斯坦福CS231n Spring 2017詳細課程大綱(附完整版課件下載)
    機器之心編譯參與:Smith、蔣思源CS231n 近幾年一直是計算機視覺領域和深度學習領域最為經典的課程之一。而最近才剛剛結課的 CS231n Spring 2017 仍由李飛飛帶頭主講,並邀請了 Goodfellow 等人對其中部分章節詳細介紹。