Цветовое пространство TSL

Цветовое пространство TSL ( оттенок , насыщенность и яркость ) — это перцепционное цветовое пространство , которое определяет цвет как оттенок (степень, в которой стимул можно описать как похожий или отличающийся от других стимулов, которые описываются как красный , зеленый , синий , желтый , и белый можно рассматривать как оттенок с добавлением белого), насыщенность ( цветность стимула относительно его собственной яркости ) и яркость (яркость стимула относительно стимула, который выглядит белым в аналогичных условиях просмотра). Предложено Жаном-Кристофом Террильоном и Сигэру Акамацу . ^[1] Цветовое пространство TSL было разработано в первую очередь с целью распознавания лиц .

Преобразование между RGB и TSL

Преобразование значений RGB с гамма-коррекцией (0–1) в TSL является простым: ^[1]

${\textstyle T={\begin{cases}0.5-{\frac {\operatorname {atan2} (g',r')}{2\pi }},&{\mbox{if}}~g'\neq 0\\0,&{\mbox{if}}~g'=0\\\end{cases}}}$ – нулевой особый случай – сохранение исходного поведения
${\textstyle S={\sqrt {{\frac {9}{5}}\left(r'^{2}+g'^{2}\right)}}}$
${\textstyle L=0.299R+0.587G+0.114B}$ - Лума

где:

${\textstyle r={\tfrac {R}{R+G+B}},g={\tfrac {G}{R+G+B}}}$ – цветность rg
${\textstyle r'=r-{\tfrac {1}{3}},g'=g-{\tfrac {1}{3}}}$ – центрируемся на белом

Аналогично, обратное преобразование выглядит следующим образом: ^[2]

${\textstyle R=k\cdot r}$
${\textstyle G=k\cdot g}$
${\textstyle B=k\cdot (1-r-g)}$

где:

${\textstyle r=r'+{\frac {1}{3}}}$
${\textstyle g=g'+{\frac {1}{3}}}$
$r'={\sqrt {\frac {5S^{2}}{9(x^{-1}+1)}}}$
$g'={\sqrt {\frac {5S^{2}}{9(x+1)}}}$
${\textstyle k={\frac {L}{0.185r+0.473g+0.114}}}$ - Яркость преобразована в среднюю интенсивность
${\textstyle x=\tan ^{2}({2\pi \cdot (T-{\frac {1}{4}})})}$

Для $T$ = 0 преобразование из TSL в RGB не является уникальным, поскольку знак $r'$ теряется при прямом преобразовании из-за $особого случая g'$ = 0. Удаление особого случая дает систему, которая отклоняется от исходной статьи, но сохраняет знак.

Преимущества ТСЛ

Преимущества цветового пространства TSL заключаются в нормализации преобразования RGB-TSL. Использование нормализованных r и g позволяет пространствам цветности TSL быть более эффективными для сегментации цвета кожи. Кроме того, благодаря этой нормализации чувствительность распределений цветности к изменчивости цвета кожи значительно снижается, что позволяет легче обнаруживать различные оттенки кожи. ^[3]

Сравнение TSL с другими цветовыми пространствами

Террильон исследовал эффективность распознавания лиц в нескольких различных цветовых пространствах. Тестирование заключалось в использовании одного и того же алгоритма с 10 различными цветовыми пространствами для обнаружения лиц на 90 изображениях со 133 лицами и 59 субъектами (27 азиатов, 31 европеоидом и 1 африканцем). TSL показал превосходящую производительность по сравнению с другими помещениями: правильное обнаружение на 90,8% и правильное отклонение на 84,9%. Полное сравнение можно увидеть в таблице ниже. ^[3]

Цветовое пространство	Количество элементов	компакт-диск (%)	CR (%)
ТСЛ	258	90.8	84.9
рг	328	74.6	80.3
CIE-xy	388	56.6	83.5
CIE-DSH	318	60.9	75.0
ВПГ	408	55.7	84.7
ПАДАТЬ	471	47.3	79.8
ДА	494	41.6	80.3
СИЕЛУВ	418	24.1	79.0
СИЭЛАБ	399	38.4	83.6

Недостатки ТСЛ

Пространство TSL можно сделать более эффективным и надежным. В настоящее время не существует алгоритмов цветокоррекции для различных систем камер. Кроме того, несмотря на более высокую точность определения тона кожи, определение темного цвета кожи по-прежнему остается сложной задачей. ^[1]

Приложения

Будучи относительно новым цветовым пространством и имеющим весьма специфическое применение, TSL не получил широкого распространения. Опять же, это очень полезно только в алгоритмах обнаружения кожи. Обнаружение кожи само по себе может использоваться для различных приложений: распознавание лиц, отслеживание людей (для наблюдения и кинематографических целей ) и фильтрация порнографии — вот лишь несколько примеров. Самоорганизующаяся карта (SOM) была реализована при обнаружении кожи с использованием TSL и дала результаты, сопоставимые со старыми методами гистограмм гауссовой и моделями смеси . ^[4]

См. также

Ссылки

^ Jump up to: ^а ^б ^с Террильон, Жан-Кристоф; Акамацу, Сигэру (1998). Автоматическое обнаружение человеческих лиц на изображениях естественных сцен с использованием модели цвета кожи и инвариантных моментов . Учеб. О Третьей международной конференции по автоматическому распознаванию лиц и жестов. Нара, Япония. стр. 130–135.
^ Дмитрий Иванов (21 июня 2023 г.). «Цветовое пространство: tsl.js» . Гитхаб .
^ Jump up to: ^а ^б Террильон, Жан-Кристоф; Акамацу, Сигэру (1999). «Сравнительная производительность различных моделей цветности кожи и цветовых пространств для автоматического обнаружения человеческих лиц на цветных изображениях». Материалы четвертой международной конференции IEEE по автоматическому распознаванию лиц и жестов (кат. № PR00580) . Том. 99. стр. 54–61. дои : 10.1109/AFGR.2000.840612 . ISBN 0-7695-0580-5 . S2CID 39824480 .
^ Браун, Д.; Кроу, И.; Льютуэйт, Дж. (2001). Подход к обнаружению кожи на основе SOM с применением в системах реального времени . Британская конференция по машинному зрению. Манчестер, Великобритания.

[terrillon1-1] Jump up to: ^а ^б ^с Террильон, Жан-Кристоф; Акамацу, Сигэру (1998). Автоматическое обнаружение человеческих лиц на изображениях естественных сцен с использованием модели цвета кожи и инвариантных моментов . Учеб. О Третьей международной конференции по автоматическому распознаванию лиц и жестов. Нара, Япония. стр. 130–135.

[2] Дмитрий Иванов (21 июня 2023 г.). «Цветовое пространство: tsl.js» . Гитхаб .

[terrillon2-3] Jump up to: ^а ^б Террильон, Жан-Кристоф; Акамацу, Сигэру (1999). «Сравнительная производительность различных моделей цветности кожи и цветовых пространств для автоматического обнаружения человеческих лиц на цветных изображениях». Материалы четвертой международной конференции IEEE по автоматическому распознаванию лиц и жестов (кат. № PR00580) . Том. 99. стр. 54–61. дои : 10.1109/AFGR.2000.840612 . ISBN 0-7695-0580-5 . S2CID 39824480 .

[brown-4] Браун, Д.; Кроу, И.; Льютуэйт, Дж. (2001). Подход к обнаружению кожи на основе SOM с применением в системах реального времени . Британская конференция по машинному зрению. Манчестер, Великобритания.

[1]

[2]

[3]

[4]

v т и Цветовое пространство
Список цветовых пространств Цветные модели
САМ	CIECAM02 iCAM САМ16 CIECAM16
CIE	XYZ (1931) РГБ (1931) ЮВ (1960) УВВ (1964) СИЭЛАБ (1976) ЦИЕЛУВ (1976) CIECAM02 CIECAM16
RGB	Цветовые пространства RGB sRGB RGB цветность Adobe Широкая гамма ПроФото scRGB DCI-P3 Рек. 601 СМПТЭ 240М/"С" Рек. 709 Рек. 2020 год Рек. 2100
Ю'УВ	ЮВ PAL YDbDr СЕКАМ ПАДАТЬ NTSC YCbCr Рек. 601 Рек. 709 Рек. 2020 год Рек. 2100 ICtCp Рек. 2100 ЮПбПр MAC xvYCC YCoCg
Другой	ccMmYK CMYK ЦветДОБАВИТЬ Колороид система управления обучением Гексахром ХСЛ, ВПГ ХКЛ Воображаемый цвет Хорошо ОСА-UCS ПККС РГ РЫБА СПОСОБСТВОВАТЬ РОСТУ ЮЖК ТСЛ
Цветовые системы и стандарты	ТУЗЫ АНПА Индекс цвета Международный Список красителей CI ДВС Федеральный стандарт 595 Гонконг Профиль ICC ISCC–НБС Манселл НКС Оствальд Пантон РАЛ список JIS Z8102 [ да ]
О зрительных способностях организмов или машин см. Цветовое зрение .