Цветовая гистограмма

В обработке изображений и фотографии цветовая гистограмма представляет собой представление распределения цветов в изображении . Для цифровых изображений цветовая гистограмма представляет собой количество пикселей изображения , которые имеют цвета в каждом из фиксированного списка цветовых диапазонов, охватывающих цветовое пространство , набор всех возможных цветов.

Цветовую гистограмму можно построить для любого цветового пространства, хотя этот термин чаще используется для трехмерных пространств, таких как RGB или HSV . Для монохроматических изображений термин «гистограмма интенсивности» вместо этого можно использовать . Для мультиспектральных изображений, где каждый пиксель представлен произвольным количеством измерений (например, помимо трех измерений в RGB), цветовая гистограмма является N -мерной, где N — количество выполненных измерений. Каждое измерение имеет свой собственный диапазон длин волн светового спектра, некоторые из которых могут находиться за пределами видимого спектра.

Если набор возможных значений цвета достаточно мал, каждый из этих цветов можно поместить в диапазон отдельно; тогда гистограмма — это просто количество пикселей каждого возможного цвета. Чаще всего пространство делится на соответствующее количество диапазонов, часто расположенных в виде регулярной сетки, каждый из которых содержит множество одинаковых значений цвета. Цветовая гистограмма также может быть представлена и отображена как сглаженная функция, определенная в цветовом пространстве, которая аппроксимирует количество пикселей.

Как и другие виды гистограмм , цветовая гистограмма представляет собой статистику , которую можно рассматривать как приближение основного непрерывного распределения значений цвета.

Обзор

Цветовые гистограммы — это гибкие конструкции, которые можно создавать из изображений в различных цветовых пространствах , будь то RGB , rg цветности или любое другое цветовое пространство любого измерения. Гистограмма изображения сначала создается путем дискретизации цветов изображения на несколько ячеек и подсчета количества пикселей изображения в каждой ячейке. Например, гистограмму цветности красного и синего можно сформировать путем сначала нормализации значений цветовых пикселей путем деления значений RGB на R+G+B, а затем квантования нормализованных координат R и B в N ячеек каждая. Двумерная гистограмма красно-синей цветности, разделенная на четыре интервала ( N = 4), может дать гистограмму, похожую на эту таблицу:

		красный
		0-63	64-127	128-191	192-255
синий	0-63	43	78	18	0
	64-127	45	67	33	2
	128-191	127	58	25	8
	192-255	140	47	47	13

Гистограмма может быть N-мерной. Трехмерную цветовую гистограмму для приведенного выше примера труднее отобразить, но ее можно рассматривать как четыре отдельные красно-синие гистограммы, где каждая из четырех гистограмм содержит значения красного и синего для ячейки зеленого цвета (0–63, 64). -127, 128-191 и 192-255).

Гистограмма дает компактное представление распределения данных на изображении. Цветовая гистограмма изображения относительно инвариантна при перемещении и вращении вокруг оси просмотра и лишь медленно меняется в зависимости от угла обзора. ^[1] Сравнивая подписи гистограмм двух изображений и сопоставляя цветовое содержимое одного изображения с другим, цветовая гистограмма особенно хорошо подходит для решения проблемы распознавания объекта неизвестного положения и вращения внутри сцены. Важно отметить, что перевод изображения RGB в пространство rg-цветности, инвариантное к освещению, позволяет гистограмме хорошо работать при различных уровнях освещенности.

1. Что такое гистограмма?

Гистограмма — это графическое представление количества пикселей в изображении. Проще говоря, гистограмма представляет собой гистограмму, ось X которой представляет тоновую шкалу (черный слева и белый справа), а ось Y представляет количество пикселей в изображении в определенном область тональной шкалы. Например, график гистограммы яркости показывает количество пикселей для каждого уровня яркости (от черного до белого), и когда пикселей больше, пик на определенном уровне яркости выше.

2. Что такое цветовая гистограмма?

Цветовая гистограмма изображения представляет собой распределение композиции цветов на изображении. Он показывает различные типы цветов и количество пикселей в каждом типе цветов. Связь между цветовой гистограммой и гистограммой яркости заключается в том, что цветовую гистограмму можно также выразить как «Три гистограммы яркости», каждая из которых показывает распределение яркости каждого отдельного цветового канала красного/зеленого/синего.

Характеристики цветовой гистограммы

Цветовая гистограмма ориентируется только на долю количества разных типов цветов, независимо от пространственного расположения цветов. Значения цветовой гистограммы взяты из статистики. Они показывают статистическое распределение цветов и основной тон изображения.

В общем, поскольку цветовое распределение переднего и заднего плана изображения различно, гистограмма может иметь бимодальное распределение.

Только для гистограммы яркости не существует идеальной гистограммы, и в целом гистограмма может определить, переэкспонировано оно или нет, но бывают случаи, когда при просмотре гистограммы можно подумать, что изображение переэкспонировано; однако на самом деле это не так.

Принципы формирования цветовой гистограммы

Формирование цветовой гистограммы достаточно простое. Из приведенного выше определения мы можем просто подсчитать количество пикселей для каждых 256 шкал в каждом из трех каналов RGB и отобразить их на трех отдельных гистограммах.

Как правило, цветовая гистограмма основана на определенном цветовом пространстве, например RGB или HSV. Когда мы вычисляем пиксели разных цветов в изображении, если цветовое пространство велико, мы можем сначала разделить цветовое пространство на определенное количество небольших интервалов. Каждый из интервалов называется бином. Этот процесс называется квантованием цвета. Затем, подсчитав количество пикселей в каждом из интервалов, мы получаем цветовую гистограмму изображения.

Конкретные этапы реализации принципов можно увидеть в примере 1.

Примеры

Пример 1

Учитывая следующее изображение кошки (исходная версия и версия, которая была уменьшена до 256 цветов для удобства построения гистограмм), следующие данные представляют собой цветовую гистограмму в цветовом пространстве RGB с использованием четырех ячеек.

Ячейка 0 соответствует интенсивности 0–63.

Ячейка 1 – 64–127.

Ячейка 2 — 128–191, а ячейка 3 — 192–255.

Красный	Зеленый	Синий	Количество пикселей
Ячейка 0	Ячейка 0	Ячейка 0	7414
Ячейка 0	Ячейка 0	Ящик 1	230
Ячейка 0	Ячейка 0	Бункер 2	0
Ячейка 0	Ячейка 0	Ящик 3	0
Ячейка 0	Ящик 1	Ячейка 0	8
Ячейка 0	Ящик 1	Ящик 1	372
Ячейка 0	Ящик 1	Бункер 2	88
Ячейка 0	Ящик 1	Ящик 3	0
Ячейка 0	Бункер 2	Ячейка 0	0
Ячейка 0	Бункер 2	Ящик 1	0
Ячейка 0	Бункер 2	Бункер 2	10
Ячейка 0	Бункер 2	Ящик 3	1
Ячейка 0	Ящик 3	Ячейка 0	0
Ячейка 0	Ящик 3	Ящик 1	0
Ячейка 0	Ящик 3	Бункер 2	0
Ячейка 0	Ящик 3	Ящик 3	0
Ящик 1	Ячейка 0	Ячейка 0	891
Ящик 1	Ячейка 0	Ящик 1	13
Ящик 1	Ячейка 0	Бункер 2	0
Ящик 1	Ячейка 0	Ящик 3	0
Ящик 1	Ящик 1	Ячейка 0	592
Ящик 1	Ящик 1	Ящик 1	3462
Ящик 1	Ящик 1	Бункер 2	355
Ящик 1	Ящик 1	Ящик 3	0
Ящик 1	Бункер 2	Ячейка 0	0
Ящик 1	Бункер 2	Ящик 1	101
Ящик 1	Бункер 2	Бункер 2	882
Ящик 1	Бункер 2	Ящик 3	16
Ящик 1	Ящик 3	Ячейка 0	0
Ящик 1	Ящик 3	Ящик 1	0
Ящик 1	Ящик 3	Бункер 2	0
Ящик 1	Ящик 3	Ящик 3	0
Бункер 2	Ячейка 0	Ячейка 0	1146
Бункер 2	Ячейка 0	Ящик 1	0
Бункер 2	Ячейка 0	Бункер 2	0
Бункер 2	Ячейка 0	Ящик 3	0
Бункер 2	Ящик 1	Ячейка 0	2552
Бункер 2	Ящик 1	Ящик 1	9040
Бункер 2	Ящик 1	Бункер 2	47
Бункер 2	Ящик 1	Ящик 3	0
Бункер 2	Бункер 2	Ячейка 0	0
Бункер 2	Бункер 2	Ящик 1	8808
Бункер 2	Бункер 2	Бункер 2	53110
Бункер 2	Бункер 2	Ящик 3	11053
Бункер 2	Ящик 3	Ячейка 0	0
Бункер 2	Ящик 3	Ящик 1	0
Бункер 2	Ящик 3	Бункер 2	170
Бункер 2	Ящик 3	Ящик 3	17533
Ящик 3	Ячейка 0	Ячейка 0	11
Ящик 3	Ячейка 0	Ящик 1	0
Ящик 3	Ячейка 0	Бункер 2	0
Ящик 3	Ячейка 0	Ящик 3	0
Ящик 3	Ящик 1	Ячейка 0	856
Ящик 3	Ящик 1	Ящик 1	1376
Ящик 3	Ящик 1	Бункер 2	0
Ящик 3	Ящик 1	Ящик 3	0
Ящик 3	Бункер 2	Ячейка 0	0
Ящик 3	Бункер 2	Ящик 1	3650
Ящик 3	Бункер 2	Бункер 2	6260
Ящик 3	Бункер 2	Ящик 3	109
Ящик 3	Ящик 3	Ячейка 0	0
Ящик 3	Ящик 3	Ящик 1	0
Ящик 3	Ящик 3	Бункер 2	3415
Ящик 3	Ящик 3	Ящик 3	53929

Пример 2

Применение в камере:

В настоящее время некоторые камеры имеют возможность показывать 3-цветные гистограммы, когда мы делаем фотографии.

Мы можем исследовать клипы (выбросы на черной или белой стороне шкалы) на каждой из трех цветовых гистограмм RGB. Если мы обнаружим одно или несколько отсечений на канале из трех каналов RGB, это приведет к потере детализации этого цвета.

Чтобы проиллюстрировать это, рассмотрим следующий пример:

1. Мы знаем, что каждый из трех каналов R, G, B имеет диапазон значений от 0 до 255 (8 бит). Итак, рассмотрим фотографию с диапазоном яркости 0–255.

2. Предположим, что сделанная нами фотография состоит из 4 блоков, примыкающих друг к другу, и мы установили шкалу яркости для каждого из 4 блоков исходной фотографии равным 10, 100, 205, 245. Таким образом, изображение выглядит как самая верхняя фигура справа.

3. Затем немного переэкспонируем фотографию, скажем, шкалу яркости каждого блока увеличиваем на 10. Таким образом, шкала яркости для каждого из 4 блоков новой фотографии равна 20, 110, 215, 255. Тогда изображение выглядит как второй рисунок справа.

Особой разницы между обоими рисунками нет, все, что мы видим, это то, что все изображение становится ярче (контрастность каждого из блоков остается прежней).

4. Теперь снова переэкспонируем исходную фотографию, на этот раз шкала яркости каждого блока увеличена на 50. Таким образом, шкала яркости для каждого из 4 блоков новой фотографии равна 60, 150, 255, 255. Новая фотография изображение теперь выглядит как третий рисунок справа.

Обратите внимание, что масштаб последнего блока равен 255, а не 295, поскольку 255 — это верхний масштаб, и, следовательно, последний блок обрезан! Когда это происходит, мы теряем контраст последних 2-х блоков и, таким образом, не можем восстановить изображение, как бы мы его ни корректировали.

В заключение, при съемке фотографий камерой, отображающей гистограммы, всегда сохраняйте самые яркие тона изображения ниже максимального масштаба 255 на гистограмме, чтобы избежать потери деталей.

Недостатки и другие подходы

Основным недостатком гистограмм для классификации является то, что представление зависит от цвета изучаемого объекта, игнорируя его форму и текстуру. Цветовые гистограммы потенциально могут быть идентичными для двух изображений с различным объектным содержимым, которые имеют общую информацию о цвете. И наоборот, без информации о пространстве или форме похожие объекты разного цвета могут быть неотличимы исключительно на основе сравнения цветовых гистограмм. Невозможно отличить красно-белую чашку от красно-белой тарелки. Другими словами: алгоритмы, основанные на гистограммах, не имеют понятия об общей «чашке», а модель красно-белой чашки бесполезна, если ей дана идентичная в остальном сине-белая чашка. Другая проблема заключается в том, что цветовые гистограммы имеют высокую чувствительность к шумовым помехам, таким как изменения интенсивности освещения и ошибки квантования. Цветовые гистограммы высокой размерности (бины) также являются еще одной проблемой. Некоторые пространства признаков цветовой гистограммы часто занимают более ста измерений. ^[2]

Некоторыми из предложенных решений были пересечение цветовых гистограмм, индексирование цветовой константы, кумулятивная цветовая гистограмма, квадратичное расстояние и цветовые коррелограммы . Хотя использование гистограмм для индексации и классификации имеет свои недостатки, использование цвета в системе реального времени имеет ряд преимуществ. Во-первых, информация о цвете вычисляется быстрее по сравнению с другими инвариантами. В некоторых случаях было показано, что цвет может быть эффективным методом идентификации объектов известного местоположения и внешнего вида.

Дальнейшие исследования связи между данными цветовой гистограммы и физическими свойствами объектов на изображении показали, что они могут отражать не только цвет объекта и освещенность, но и относиться к шероховатости поверхности и геометрии изображения, а также обеспечивать улучшенную оценку освещенности и цвета объекта. ^[3]

Обычно для расчета рейтингов сходства изображений используются евклидово расстояние, пересечение гистограммы, косинусное или квадратичное расстояние. ^[4] Ни одно из этих значений само по себе не отражает степень сходства двух изображений; оно полезно только при сравнении с другими аналогичными значениями. Это причина того, что все практические реализации поиска изображений на основе контента должны полностью вычислить все изображения из базы данных, и это является основным недостатком этих реализаций.

Другой подход к репрезентативному содержанию цветного изображения — двумерная цветовая гистограмма. Двумерная цветовая гистограмма учитывает соотношение между цветами пары пикселей (а не только компонент освещения). ^[5] Двумерная цветовая гистограмма представляет собой двумерный массив. Размер каждого измерения — это количество цветов, которые использовались на этапе квантования цвета. Эти массивы рассматриваются как матрицы, каждый элемент которых хранит нормализованное количество пар пикселей, причем каждый цвет соответствует индексу элемента в каждом окружении пикселей. Для сравнения двумерных цветовых гистограмм предлагается рассчитывать их корреляцию, поскольку построенный, как описано выше, представляет собой случайный вектор (иными словами, многомерную случайную величину). При создании набора итоговых изображений изображения следует располагать в порядке убывания коэффициента корреляции.

Коэффициент корреляции также можно использовать для сравнения цветовых гистограмм. Результаты поиска с коэффициентом корреляции лучше, чем с другими метриками. ^[6]

Гистограмма интенсивности непрерывных данных

Идею гистограммы интенсивности можно обобщить на непрерывные данные.скажем, аудиосигналы, представленные реальными функциями, или изображения, представленные функциями с двумерной областью .

Позволять $f\in L^{1}(\mathbb {R} ^{n})$ (см. пространство Лебега ), то оператор кумулятивной гистограммы $H$ может быть определено:

H(f)(y)=\mu \{x:f(x)\leq y\}

.

$\mu$ — мера Лебега множеств. $H(f)$ в свою очередь, является реальной функцией .(Некумулятивная) гистограмма определяется как ее производная .

h(f)=H(f)'

.

Ссылки

^ Шапиро, Линда Г. и Стокман, Джордж К. «Компьютерное зрение», Прентис Холл, 2003 г. ISBN 0-13-030796-3
^ Сян-Ян Ван, Цзюнь-Фэн Ву и Хун-Ин Ян «Надежный поиск изображений на основе цветовой гистограммы локальных особенностей регионов» Springer Нидерланды, 2009 ISSN 1573-7721
^ Анатомия цветовой гистограммы; Новак, CL; Шафер, ЮАР; Компьютерное зрение и распознавание образов, 1992. Труды CVPR '92., 1992. Конференция IEEE Computer Society, 15–18 июня 1992 г. Страницы: 599 - 605 дои : 10.1109/CVPR.1992.223129
^ Интегрированные системы пространственных и объектных изображений: поиск, анализ и сжатие; Смит, младший; Высшая школа искусств и наук, Колумбийский университет, 1 997 г.
^ Оценка эффективности поиска изображений по двумерной цветовой гистограмме; Башков Е.А.; Костюкова Н.С.; Журнал автоматизации и информатики, 2006 (6) Страницы: 84-89
^ Поиск изображений на основе контента с использованием корреляции цветовой гистограммы; Башков Е.А.; Шозда, Н.С.; Протоколы Graphicon, 2002 г. Страницы: [1] Архивировано 7 июля 2012 г. в Wayback Machine.

Внешние ссылки

3D-инспектор цвета/цветовая гистограмма , автор Кай Уве Бартель. (Бесплатный Java-апплет .)
Стэнфордский студенческий проект по поиску на основе изображений - более глубокий взгляд на уравнения/применение
Код MATLAB/Octave для построения цветовых гистограмм и цветовых облаков . Исходный код можно портировать на другие языки.

[1] Шапиро, Линда Г. и Стокман, Джордж К. «Компьютерное зрение», Прентис Холл, 2003 г. ISBN 0-13-030796-3

[2] Сян-Ян Ван, Цзюнь-Фэн Ву и Хун-Ин Ян «Надежный поиск изображений на основе цветовой гистограммы локальных особенностей регионов» Springer Нидерланды, 2009 ISSN 1573-7721

[3] Анатомия цветовой гистограммы; Новак, CL; Шафер, ЮАР; Компьютерное зрение и распознавание образов, 1992. Труды CVPR '92., 1992. Конференция IEEE Computer Society, 15–18 июня 1992 г. Страницы: 599 - 605 дои : 10.1109/CVPR.1992.223129

[4] Интегрированные системы пространственных и объектных изображений: поиск, анализ и сжатие; Смит, младший; Высшая школа искусств и наук, Колумбийский университет, 1 997 г.

[5] Оценка эффективности поиска изображений по двумерной цветовой гистограмме; Башков Е.А.; Костюкова Н.С.; Журнал автоматизации и информатики, 2006 (6) Страницы: 84-89

[6] Поиск изображений на основе контента с использованием корреляции цветовой гистограммы; Башков Е.А.; Шозда, Н.С.; Протоколы Graphicon, 2002 г. Страницы: [1] Архивировано 7 июля 2012 г. в Wayback Machine.

[1]

[2]

[3]

[4]

[5]

[6]