Цветовой баланс - Color balance

Эта статья о процессе, применяемом к неподвижным изображениям. Эквивалентный процесс, применяемый к видео, см. Цветовая градация.

В левой половине показано фото, сделанное цифровым фотоаппаратом. В правой половине показано фото, скорректированное таким образом, чтобы серая поверхность была нейтральной в том же свете.

В фотография и обработка изображений, цветовой баланс это глобальная регулировка интенсивности цветов (обычно красного, зеленого и синего основные цвета ). Важной целью этой настройки является правильная визуализация определенных цветов, особенно нейтральных. Поэтому общий метод иногда называют баланс серого, нейтральный баланс, или же баланс белого. Цветовой баланс изменяет общую смесь цветов в изображении и используется для коррекция цвета. Обобщенные версии цветового баланса используются для исправления цветов, отличных от нейтральных, или для преднамеренного изменения их для достижения эффекта.

Данные изображения, полученные датчиками - либо фильм или электронный датчики изображения - должны быть преобразованы из полученных значений в новые значения, подходящие для воспроизведения цвета или отображения. Некоторые аспекты процесса сбора данных и отображения делают такую ​​цветокоррекцию необходимой, в том числе то, что датчики сбора данных не соответствуют датчикам в человеческом глазу, что необходимо учитывать свойства среды отображения и что окружающие условия просмотра при обнаружении отличаются от условий просмотра дисплея.

Операции цветового баланса в популярных редактирование изображений приложения обычно работают непосредственно с красным, зеленым и синим каналами пиксель значения,^[1][2] безотносительно какой-либо модели восприятия или воспроизведения цвета. В пленочной фотографии цветовой баланс обычно достигается за счет использования фильтры цветокоррекции над фарами или на объективе камеры.^[3]

Обобщенный цветовой баланс

Пример цветовой балансировки

Иногда корректировку нейтрального положения называют баланс белого, а фраза цветовой баланс относится к настройке, которая, кроме того, заставляет другие цвета отображаемого изображения иметь такой же общий вид, как и цвета в исходной сцене.^[4] Особенно важно, чтобы нейтральные (серый, нейтральный, белый) цвета сцены казались нейтральными при воспроизведении. ^[5]

Психологический цветовой баланс

Люди относятся к телесные тона более критично, чем другие цвета. Деревья, трава и небо могут быть отключены без каких-либо проблем, но если оттенки человеческой плоти отключены, то человек может выглядеть больным или мертвым. Чтобы решить эту критическую проблему цветового баланса, сами трехцветные основные цвета сформулированы так, чтобы нет баланс как истинно нейтральный цвет. Целью этого основного цветового дисбаланса является более точное воспроизведение телесных тонов во всем диапазоне яркости.

Оценка освещенности и адаптация

Фотография морского пейзажа на Clifton Beach, Южная рука, Тасмания, Австралия. Баланс белого настроен в сторону тёплых оттенков для творческого эффекта.

Фотография ColorChecker в качестве эталонного снимка для настройки цветового баланса.

Две фотографии высотного здания, сделанные с интервалом в одну минуту на камеру начального уровня. На левой фотографии показан «нормальный», более точный цветовой баланс, а на правой стороне - «яркий» цветовой баланс, встроенные в камеру эффекты и никакой пост-обработки, кроме черного фона.

Сравнение цветовых версий (необработанный, естественный, баланс белого) Гора Шарп (Эолис Монс) на Марс

Изображение горы Шарп (Aeolis Mons) на Марсе с балансировкой белого цвета.

В большинстве цифровых камер есть средства для выбора цветовой коррекции в зависимости от типа освещения сцены с использованием ручного выбора освещения, автоматического баланса белого или пользовательского баланса белого.^[6] Алгоритмы этих процессов выполняют обобщенные хроматическая адаптация.

Существует множество методов балансировки цвета. Установка кнопки на камере - это способ для пользователя указать процессору характер освещения сцены. Другой вариант на некоторых камерах - это кнопка, которую можно нажать, когда камера направлена ​​на серая карта или другой предмет нейтрального цвета. Это захватывает изображение окружающего света, что позволяет цифровой камере установить правильный цветовой баланс для этого света.

Существует обширная литература о том, как можно оценить окружающее освещение по данным камеры, а затем использовать эту информацию для преобразования данных изображения. Было предложено множество алгоритмов, и их качество обсуждалось. Несколько примеров и изучение ссылок в них приведут читателя ко многим другим. Примеры Ретинекс, искусственная нейронная сеть^[7] или Байесовский метод.^[8]

Хроматические цвета

Цветовая балансировка изображения влияет не только на нейтральные, но и на другие цвета. Считается, что изображение, не сбалансированное по цвету, имеет цветовой оттенок, так как все в изображении кажется смещенным в сторону одного цвета.^{[9][страница нужна ]} Цветовой баланс можно рассматривать с точки зрения устранения этого цветового оттенка.

Цветовой баланс также связан с постоянство цвета. Алгоритмы и методы, используемые для достижения постоянства цвета, также часто используются для балансировки цвета. Постоянство цвета, в свою очередь, связано с хроматическая адаптация. Концептуально балансировка цвета состоит из двух этапов: во-первых, определение осветительный прибор под которым был сделан снимок; и во-вторых, масштабирование компонентов (например, R, G и B) изображения или иное преобразование компонентов таким образом, чтобы они соответствовали наблюдаемому источнику света.

Вигджано обнаружил, что баланс белого в исходной камере Цветовая модель RGB имел тенденцию производить меньшее непостоянство цвета (то есть меньшее искажение цветов), чем в мониторе RGB для более чем 4000 гипотетических наборов чувствительности камеры.^[10] Эта разница обычно составляла более двух раз в пользу камеры RGB. Это означает, что лучше получить цветовой баланс прямо во время захвата изображения, чем редактировать позже на мониторе. Если позже потребуется цветовой баланс, балансировка необработанные данные изображения будет иметь тенденцию производить меньше искажений хроматических цветов, чем балансировка в мониторе RGB.

Математика цветового баланса

Цветовая балансировка иногда выполняется на трехкомпонентном изображении (например, RGB ) используя 3x3 матрица. Этот тип преобразования подходит, если изображение было снято с использованием неправильной настройки баланса белого на цифровой камере или с помощью цветового фильтра.

Монитор масштабирования R, G и B

В принципе, нужно масштабировать все относительные яркости изображения так, чтобы объекты, которые считаются нейтральный выглядят так. Если, скажем, поверхность с ${\displaystyle R=240}$ считался белым объектом, и если 255 - это число, соответствующее белому, можно было умножить все красный значения на 255/240. Аналогично поступаем для зеленый и синий приведет, по крайней мере теоретически, к изображению со сбалансированным цветом. В этом типе преобразования матрица 3x3 является диагональная матрица.

${\displaystyle \left[{\begin{array}{c}R\\G\\B\end{array}}\right]=\left[{\begin{array}{ccc}255/R'_{w}&0&0\\0&255/G'_{w}&0\\0&0&255/B'_{w}\end{array}}\right]\left[{\begin{array}{c}R'\\G'\\B'\end{array}}\right]}$

куда ${\displaystyle R}$, ${\displaystyle G}$, и ${\displaystyle B}$ сбалансированные по цвету красный, зеленый и синий компоненты пиксель на изображении; ${\displaystyle R'}$, ${\displaystyle G'}$, и ${\displaystyle B'}$ - красный, зеленый и синий компоненты изображения до цветовой балансировки, и ${\displaystyle R'_{w}}$, ${\displaystyle G'_{w}}$, и ${\displaystyle B'_{w}}$ - это красный, зеленый и синий компоненты пикселя, который считается белой поверхностью изображения до балансировки цвета. Это простое масштабирование красного, зеленого и синего каналов, поэтому инструменты цветового баланса в Фотошоп и GIMP есть инструмент "белая пипетка". Было продемонстрировано, что выполнение балансировки белого в люминофоре, принятом sRGB имеет тенденцию приводить к большим ошибкам в хроматических цветах, даже если он может сделать нейтральные поверхности совершенно нейтральными.^[10]

Масштабирование X, Y, Z

Если изображение можно преобразовать в Значения тристимула CIE XYZ, там можно выполнить цветовую балансировку. Это было названо «неправильной трансформацией фон Криса».^[11][12] Хотя было продемонстрировано, что он дает обычно худшие результаты, чем балансировка в мониторе RGB, здесь он упоминается как мост к другим вещам. Математически вычисляется:

${\displaystyle \left[{\begin{array}{c}X\\Y\\Z\end{array}}\right]=\left[{\begin{array}{ccc}X_{w}/X'_{w}&0&0\\0&Y_{w}/Y'_{w}&0\\0&0&Z_{w}/Z'_{w}\end{array}}\right]\left[{\begin{array}{c}X'\\Y'\\Z'\end{array}}\right]}$

куда ${\displaystyle X}$, ${\displaystyle Y}$, и ${\displaystyle Z}$ - значения цветового баланса трехцветного стимула; ${\displaystyle X_{w}}$, ${\displaystyle Y_{w}}$, и ${\displaystyle Z_{w}}$ - трехцветные значения наблюдаемого источника света (белая точка, к которой изображение преобразуется, чтобы соответствовать); ${\displaystyle X'_{w}}$, ${\displaystyle Y'_{w}}$, и ${\displaystyle Z'_{w}}$ представляют собой трехцветные значения объекта, который считается белым на несбалансированном по цвету изображении, и ${\displaystyle X'}$, ${\displaystyle Y'}$, и ${\displaystyle Z'}$ - это трехцветные значения пикселя в несбалансированном по цвету изображении. Если трехцветные значения основных цветов монитора находятся в матрице ${\displaystyle \mathbf {P} }$ так что:

${\displaystyle \left[{\begin{array}{c}X\\Y\\Z\end{array}}\right]=\mathbf {P} \left[{\begin{array}{c}L_{R}\\L_{G}\\L_{B}\end{array}}\right]}$

куда ${\displaystyle L_{R}}$, ${\displaystyle L_{G}}$, и ${\displaystyle L_{B}}$ не-гамма исправлена монитор RGB, можно использовать:

${\displaystyle \left[{\begin{array}{c}L_{R}\\L_{G}\\L_{B}\end{array}}\right]=\mathbf {P^{-1}} \left[{\begin{array}{ccc}X_{w}/X'_{w}&0&0\\0&Y_{w}/Y'_{w}&0\\0&0&Z_{w}/Z'_{w}\end{array}}\right]\mathbf {P} \left[{\begin{array}{c}L_{R'}\\L_{G'}\\L_{B'}\end{array}}\right]}$

Метод фон Криса

Йоханнес фон Крис, чья теория стержни и три цветочувствительных конус типы в сетчатка сохранилось как доминирующее объяснение ощущения цвета более 100 лет, мотивировало метод преобразования цвета в Цветовое пространство LMS, представляющие эффективные стимулы для длинноволновых, средне- и коротковолновых типов конусов, которые моделируются как адаптирующиеся независимо. Матрица 3x3 преобразует RGB или XYZ в LMS, а затем три основных значения LMS масштабируются, чтобы сбалансировать нейтраль; затем цвет может быть преобразован обратно в желаемый окончательный цветовое пространство:^[13]

${\displaystyle \left[{\begin{array}{c}L\\M\\S\end{array}}\right]=\left[{\begin{array}{ccc}1/L'_{w}&0&0\\0&1/M'_{w}&0\\0&0&1/S'_{w}\end{array}}\right]\left[{\begin{array}{c}L'\\M'\\S'\end{array}}\right]}$

куда ${\displaystyle L}$, ${\displaystyle M}$, и ${\displaystyle S}$ - значения цветового баланса конуса LMS; ${\displaystyle L'_{w}}$, ${\displaystyle M'_{w}}$, и ${\displaystyle S'_{w}}$ представляют собой трехцветные значения объекта, который считается белым на несбалансированном по цвету изображении, и ${\displaystyle L'}$, ${\displaystyle M'}$, и ${\displaystyle S'}$ - это трехцветные значения пикселя в несбалансированном по цвету изображении.

Матрицы для преобразования в пространство LMS не были указаны фон Крисом, но могут быть получены из функций сопоставления цветов CIE и функций сопоставления цветов LMS, если последние указаны; матрицы также можно найти в справочниках.^[13]

Масштабирование камеры RGB

По оценке Виггиано и с использованием его модели спектральной чувствительности камеры по Гауссу, большинство пространств RGB камеры работают лучше, чем мониторы RGB или XYZ.^[10] Если необработанные значения RGB камеры известны, можно использовать диагональную матрицу 3x3:

${\displaystyle \left[{\begin{array}{c}R\\G\\B\end{array}}\right]=\left[{\begin{array}{ccc}255/R'_{w}&0&0\\0&255/G'_{w}&0\\0&0&255/B'_{w}\end{array}}\right]\left[{\begin{array}{c}R'\\G'\\B'\end{array}}\right]}$

а затем преобразовать в рабочее пространство RGB, например sRGB или же Adobe RGB после балансировки.

Предпочтительные пространства хроматической адаптации

Сравнение изображений, сбалансированных диагональными преобразованиями в ряде различных пространств RGB, выявило несколько таких пространств, которые работают лучше, чем другие, и лучше, чем пространства камеры или монитора, для хроматической адаптации, как измерено несколькими цвет внешнего вида моделей; системы, которые показали статистические результаты, а также лучшие на большинстве использованных наборов тестов изображений, были пространствами «Sharp», «Bradford», «CMCCAT» и «ROMM».^[14]

Общая адаптация осветительного прибора

Лучшая цветовая матрица для адаптации к изменению источника света не обязательно является диагональной матрицей в фиксированном цветовом пространстве. Давно известно, что если пространство источников света можно описать как линейную модель с N основные термины, правильное преобразование цвета будет взвешенной суммой N фиксированные линейные преобразования, не обязательно последовательно диагонализуемые.^[15]

Примеры

Нейтральный свет

Теплый свет

Холодный свет

Сравнение полученных цветов, снятых цифровой камерой, для различного качества света (цветовой температуры): нейтрального, теплого и холодного.^[16]

Настройка: Как в кадре

Настройка: Облачно

Окружение: Вольфрам

Пример различных настроек баланса белого на цифровой камере для нейтрального света.^[16]

Смотрите также

• Цветовой оттенок
• Цветовая температура
• Гамма-коррекция
• Белая точка

Рекомендации

1. Филлис Дэвис (2000). GIMP для Linux и Unix. Peachpit Press. п. 134. ISBN  978-0-201-70253-8.
2. Adobe Creative Team (2000). Adobe Photoshop 6.0. Adobe Press. п. 278. ISBN  978-0-201-71016-8.
3. Блейн Браун (2002). Кинематография: теория и практика: имиджмейкинг для кинематографистов, режиссеров и видеооператоров. Focal Press. п. 170. ISBN  978-0-240-80500-9.
4. Сянь-Че Ли (2005). Введение в науку о цветном изображении. Издательство Кембриджского университета. п.450. ISBN  978-0-521-84388-1.
5. Баланс белого. Nikon Digital. Проверено 12 октября 2016 г..
6. Афифи, Махмуд; Прайс, Брайан; Коэн, Скотт; Браун, Майкл С (2019). «Когда нарушается постоянство цвета: исправление изображений с неправильным балансом белого» (PDF). Материалы конференции IEEE по компьютерному зрению и распознаванию образов: 1535–1544. Дои:10.1109 / cvpr.2019.00163. ISBN  978-1-7281-3293-8. S2CID  196195956.
7. Брайан Фант, Влад Кардей и Кобус Барнард "Изучение постоянства цвета," в Труды четвертой конференции IS & T / SID Color Imaging, С. 58–60 (1996).
8. Грэм Финлейсон; Пол М. Хьюбел; Стивен Хордли (ноябрь 2001 г.). «Цвет по корреляции: простая объединяющая основа для постоянства цвета» (PDF). IEEE Transactions по анализу шаблонов и машинному анализу. 23 (11): 1209–21. CiteSeerX  10.1.1.133.2101. Дои:10.1109/34.969113.
9. Джон Эй Си Юл, Принципы цветопередачи. Нью-Йорк: Wiley, 1967.
10. Виджиано, Дж. А. Стивен (2004). «Сравнение точности различных вариантов балансировки белого, количественно определяемой их постоянством цвета». В Blouke, Morley M; Сампат, Нитин; Мотта, Рикардо Дж. (Ред.). Датчики и системы камер для научных, промышленных и цифровых фотографических приложений V. 5301. С. 323–333. Дои:10.1117/12.524922. S2CID  8971750.
11. Хайнц Терстиге (1972). «Хроматическая адаптация: современный отчет». Журнал появления цвета. 1 (4): 19–23 (продолжение 40).
12. Марк Д. Фэирчайлд, Цветовые модели внешнего вида. Ридинг, Массачусетс: Аддисон-Уэсли, 1998.
13. Гаурав Шарма (2003). Справочник по цифровым цветным изображениям. CRC Press. п. 153. ISBN  978-0-8493-0900-7.
14. Сабина Зюсструнк; Джек Холм; Грэм Д. Финлейсон (январь 2001 г.). «Характеристики хроматической адаптации различных датчиков RGB». Электронная визуализация IS & T / SPIE. 4300. Дои:10.1117/12.410788. S2CID  8140548. Архивировано из оригинал на 2006-10-18. Получено 2009-03-20.
15. Лоуренс Т. Мэлони; Брейн А. Ванделл (1987). «Постоянство цвета: метод восстановления спектральной отражательной способности поверхности». У Мартина А. Фишлера; Оскар Фиршейн (ред.). Чтения в компьютерном зрении. Морган-Кауфманн. ISBN  978-0-934613-33-0.
16. "Фотоскоп: Уроки интерактивной фотографии". 25 апреля 2015 года.

внешняя ссылка

• Баланс белого - Введение на nikondigital.org
• фотоскоп: Уроки интерактивной фотографии - Интерактивный баланс белого
• Понимание баланса белого - Руководство
• Аффинный цветовой баланс с насыщенностью, с кодом и онлайн-демонстрацией
• Правильный баланс белого для нейтральных цветов - Учебник фотографии