Перейти к содержимому
Compvision.ru

Recommended Posts

Интересует практический опыт (что, для чего, в каких случаях) о применение различных цветовых моделей (RGB, HSV, YCbCr , LAB)  в задачах компьютерного зрения.

Ну и линки на толковые мануалы покидайте. Хочется  разобраться в вопросе.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Тут вроде хорошо написано: О цветовых пространствах

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Ну про сами цветовые модели я на википедии достаточно подробно прочитал. Вот пишут что HSV более популярна в машинном зрении. Почему?

кто чем обычно пользуется для своих задач? 

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Ну так потому же что и для художников и дизайнеров, можно манипулировать цветами в более человеческом восприятии.

Цвет люди воспринимают отдельно от его насыщенности и светлоты, а в RGB все перемешано.

В основном, HSV применяют когда хотят выбирать что то определенного цвета (имею ввиду длину волны). "Красное" и "Красно-зеленое" стоят рядом, то же с "Красное" и "Красно-синее", причем на одной оси, и абстрагировано от насыщенности и светлоты, которые часто могут быть эффектами освещения.

CIELaB более сложное пространство, и требует больше вычислений, но зато более точно отображает восприятие расстояния между цветов по отношению к человеческому восприятию.

RGB - удобное машинное представление, наиболее быстрое, годится для большинства задач, кроме случаев описанных выше и аналогичных где надо работать с человекопонятными цветовыми осями.

В любом случае, переход в другую систему координат не добавляет количество информации в изображении, однако может перевести цвет в форму, более линейно разделимую что ли, где необходимый вам цвет с его вариациями, представлен более компактным объемом, легко отделимым от всего остального.

 

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Вот например сравнение RGB и HSV для задачи классификации пикселей.

https://github.com/mrgloom/Simple-skin-detection

По сути можно посмотреть с той стороны, что RGB -> HSV нелинейное преобразование которое помогает лучше разделить пиксели на 2 класса.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Ну тут все еще зависит от того что мы хотим.

И классов может быть больше, и задача может быть не классификация, а обработка изображения, например, но в простейшем случае да, бинарная классификация, близкая к той что провел бы человек, работает лучше в HSV или CIELaB чем с RGB или BGR.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах
On 12/23/2016 at 3:29 AM, Фрукт said:

Ну про сами цветовые модели я на википедии достаточно подробно прочитал. Вот пишут что HSV более популярна в машинном зрении. Почему?

Потому что удобней, это же в Википедии написано. Можно сегментировать по цвету. Например, отслеживать луч лазерой указки, в пространстве HSV он будет более компактным.

 

On 12/23/2016 at 3:29 AM, Фрукт said:

кто чем обычно пользуется для своих задач? 

Зависит от задачи, конечно. Когда важна скорость работы, то часто работают с пространством YUV. Почему?

Во-первых, это нативное цветовое пространство для многих видео кодеков и для того же jpeg. Декодировали и сразу работаем без преобразований в другие пространства.

Во-вторых, многие алгоритмы не требуют работать с цветами, а только с яркостью, т.к. она несёт в себе большую часть информации. Можно искать линии, вычислять градиенты и т.д., и т.п. А что такое YUV? Это пространство, в котором первый канал содержит практически яркость и она хранится непрерывным куском в памяти. Очень удобно.

  • Like 1

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Создайте учётную запись или войдите для комментирования

Вы должны быть пользователем, чтобы оставить комментарий

Создать учётную запись

Зарегистрируйтесь для создания учётной записи. Это просто!

Зарегистрировать учётную запись

Войти

Уже зарегистрированы? Войдите здесь.

Войти сейчас


  • Сейчас на странице   0 пользователей

    Нет пользователей, просматривающих эту страницу

×