Вычислительно эффективная адаптивная цветовая коррекция

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Для получения цифровой фотографии, максимально точно воспроизводящей оригинальную сцену, необходимо решить задачу цветовой коррекции, т.е. найти отображение, переводящее координаты цветового пространства камеры (RGB) в координаты цветового пространства человека (CIE XYZ). В данной статье мы рассматриваем цветовую коррекцию с помощью таблиц поиска (англ. lookup table), заранее построенных для различных условий освещения. Такой подход позволяет достичь высоких скорости и точности при применении цветовой коррекции на устройстве, однако требует больших объемов оперативной памяти, которыми располагают не все устройства, например, мобильные телефоны. Нами предлагается метод автоматического прореживания множества таблиц поиска с минимальными потерями в точности цветовой коррекции. Метод основан на кластеризации отображений, задающих цветовую коррекцию. Для сравнения отображений нами предлагается критерий их схожести, основанный на максимальном различии порождаемых цветов в целевом пространстве стандартного наблюдателя CIE XYZ. Для предложенного критерия в статье приводится эффективный метод вычисления вместе с теоремой, обосновывающей корректность метода.

Об авторах

М. В. Харкевич

Институт проблем передачи информации им. А.А. Харкевича РАН; Московский физико-технический институт

Автор, ответственный за переписку.
Email: kharkevich@iitp.ru
Россия, 127051, Москва, пер. Большой Каретный, 19 стр. 1; 141707, Долгопрудный, Институтский пер, д. 9

О. А. Басова

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: kharkevich@iitp.ru
Россия, 127051, Москва, пер. Большой Каретный, 19 стр. 1

И. А. Коноваленко

Федеральный исследовательский центр “Информатика и управление” РАН

Email: kharkevich@iitp.ru
Россия, 119333, Москва, ул. Вавилова, д. 44, к. 2

Список литературы

  1. Коноваленко И. А. Критерии и алгоритмы вычисления точности проективной нормализации изображений. Дисс. канд. физ-мат. наук. М., 2021. 136 с.
  2. Николаев Д.П., Николаев П.П., Гладилин С.А., Божкова В.П. Основы цветовой теории в техническом зрении. I. Введение в цветовую теорию. М.: Мир науки, 2021. 40 с.
  3. Николаев П.П., Николаев Д.П., Гладилин С.А., Басова О.А., Ярыкина М.С. Сборник задач по обработке изображений и техническому зрению. М.: 2023. 78 с.
  4. Шашлов А.Б. Основы светотехники. М.: Логос, 2016. 256 с.
  5. Fernando R., Matt P. GPU Gems 2: Programming Techniques for High-Performance Graphics and General-Purpose Computation. Addison-Wesley Professional, 2005. 814 p.
  6. Finlayson G.D., Michal M., Anya H. Root-polynomial colour correction. Color and Imaging Conference. Society of Imaging Science and Technology, 2011. V. 19. P. 115–119.
  7. Gasparini F., Schettini R. Color correction for digital photographs. 12th International Conference on Image Analysis and Processing, 2003. Proceedings. IEEE, 2003. P. 646–651. doi: 10.1109/ICIAP.2003.1234123
  8. Han D. Real-time color gamut mapping method for digital TV display quality enhancement. IEEE Transactions on consumer Electronics. IEEE, 2004. V. 50. P. 691–698. doi: 10.1109/TCE.2004.1309450
  9. Ives H.E. The transformation of color-mixture equations from one system to another. Journal of the Franklin Institute. 1915. V. 180. P. 673–701.
  10. Kim Y.T., Cho Y.H., Lee C.H., Ka Y.H. Color look-up table design for gamut mapping and color space conversion. International Conference on Digital Production Printing and Industrial Applications. 2003. P. 28–29.
  11. Luther R. Aus dem gebiet der farbreizmetrik, Zeitschrift fur Technishe Physik. 1927. V. 12. P. 540–558.
  12. Mantiuk R., Mantiuk R., Tomaszewska A., Heidrich W. Color correction for tone mapping. Computer graphics forum. Oxford. Blackwell Publishing Ltd, 2009. V. 50. P. 193–202.
  13. Moroney N. Local color correction using non-linear masking. Color and Imaging conference. California. Society of Imaging Science and Technology, 2000. V. 8. P. 108–111.
  14. Morovic J., Luo M.R. The fundamentals of gamut mapping: A survey. Journal of Imaging Science and Technology. Derby. The Society for Imaging Science and Technology, 2001. V. 45. P. 283–290.
  15. Sari Y.A., Ginardi R.V. H., Suciati N. Color correction using improved linear regression algorithm. 2015 International Conference on Information & Communication Technology and Systems (ICTS). IEEE, 2015. P. 73–78. doi: 10.1109/ICTS.2015.7379874.
  16. Solomatov G., Akkaynak D. Spectral Sensitivity Estimation Without a Camera. 2023 IEEE International Conference on Computational Photography (ICCP). IEEE, 2023. P. 1–12. doi: 10.1109/ICCP56744.2023.10233713
  17. Soshin K.V., Nikolaev D.P., Ershov E.I., Tchobanou M.K. A scalable rational color correction for an image. Patent RF. № WO2023121500A1. 2023.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».