Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Fundamentos da cor
Embora os processo de percepção de cor utilizado pelo ser humano
seja um fenômeno psicológico que ainda não totalmente entendido, a
natureza física da cor pode ser expressa sobre uma base formal
suportada por resultados teóricos e experimentais.
Em 1666, Isaac Newton descobriu que quando um feixe de luz do
sol passa através de um prisma, a luz que sai não é branca mas sim
formada pela faixa do espectro que vai do violeta ao vermelho.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
A cor que os seres humanos percebem no objeto são determinados
pela natureza da luz refletida a partir do objeto.
Um corpo que reflete luz relativamente balanceada em todo o
espectro visível aparece como branca ao observador. Corpos que
refletem luz num intervalo limitado do espectro visível exibe
alguma cor. Ex: objetos verdes refletem luz com comprimentos de
onda entre 500 nm e 570 mn e absorve a maioria da energia nos
outros comprimentos de onda.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Caracterização da luz:
a) Luz acromática (sem cor) – possui apenas o atributo de intensidade
(exemplo aparelho de TV monocromático). O termo níveis de cinza
refere-se a uma medida escalar que varia de preto para o branco
passando por tons intermediários de cinza.
b) Luz cromática – se estende pelo espectro de energia
eletromagnética no intervalo aproximado de 400 a 700 nm ( 1 nm =
10 –9 m).
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
A qualidade de uma fonte de luz cromática é medida por:
a) Radiância – soma total de energia que é emitida da fonte
luminosa ( watts);
b) Luminância – dá uma medida da soma de energia percebida por
um observador a partir de uma fonte de luz (lumen). Ex: luz
emitida por uma fonte operando na região do infravervelho
possui alta radiância e baixa luminância
c) Brilho – descritor subjetivo praticamente impossível de medir.
Incorpora a noção monocromática de intensidade e é um fator
importante na descrição da sensação de cor
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
De acordo com a estrutura do olho humano todas as cores são
vistas como combinações das três cores chamadas básicas:
vermelho, verde e azul.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Para efeito de padronização a CIE – Comission Internacionale de
l’Eclairage – Comissão Internacional de Iluminação definiu em
1931 comprimentos para as cores primárias:
B = 435,8nm; G= 546,1nm e R= 700nm.
É importante notar que a partir das três componentes RGB fixadas
não é possível gerar todo o espectro de cores.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Formação das cores
a) Processo aditivo – as cores primárias podem ser somadas para
produzir as cores secundárias de luz: magenta (azul +
vermelho), cyan ( verde + azul) e amarelo ( vermelho + verde).
Misturando as três cores primárias ou as três cores secundarias
temos o branco. Ex. monitor RGB
b) Processo de pigmentação ou coloração – neste processo
partículas chamadas pigmentos absorvem ou subtraem uma cor
primária da luz e reflete ou transmite as outras duas.
Ex: magenta – absorveu verde e refletiu azul e vermelho. As
cores primárias de pigmentos são magenta, cyan e amarelo.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Características para Distinguir entre Diferentes Cores
a) Brilho – intensidade da luz
b) Tonalidade ou matiz (Hue) – é o comprimento da onda dominante
c) Saturação ou pureza – corresponde à pureza ou a quantidade de luz
branca misturada à matiz. O espectro de cores puras são
completamente saturados. Cores como o rosa (vermelho e branco
são menos saturados. O grau de saturação é inversamente
proporcional à quantidade de luz branca misturada à matiz..
Saturação e matiz juntos são chamados de cromaticidade. Portanto
uma cor pode ser caracterizada por seu brilho e pela sua
cromaticidade.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Considerando R, G, e B vermelho, verde e azul (valores triestímulos) respectivamente uma cor é especificada por seus
coeficientes trichromatic:
r= R/(R+G+B)
onde r+g+b=1
g=G/(R+G+B) e
b=B/(R+G+B),
Dada uma cor, uma maneira para especificar os valores tristimulus é
o diagrama de cromaticidade que mostra a composição da cor como
uma função de x(vermelho) e y (verde). Para obter o valor de z
(azul) para qualquer valor x e y bastar fazer z = 1 – (x+y). Ex: o
ponto GREEN marcado no diagrama tem aproximadamente 62% de
verde, 25% de vermelho e 13%de azul
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
O diagrama de cromaticidade é útil para
mistura de cores porque traçando uma
linha reta entre duas cores do diagrama é
possível definir todas as variações de
cores que podem ser obtidas pela
combinação aditivas destas duas cores.
A extensão para três cores é direta. Para
obter o intervalo de cores que pode ser
obtido a partir de três cores dadas no DC,
basta desenhar um triangulo. As cores
dentro do triangulo podem ser obtidas
pela combinação dos seus vértices.
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Aplicações do diagrama de cromaticidade:
a) Medir o comprimento de onda domiante e a pureza de qualquer cor
obtida pela mistura das cores primárias x, y e z (através de
fotómetros)
b) Definir gamutes de cores ( ou intervalos de cores) para diferentes
dispositivos.
c) Comparar gamutes de cor entre vários dispositivos de exibição
(monitor, filme, impressora)
d) O gamute da impressora é menor que do gamute do video, se
quisermos uma reprodução exata da imagem de vídeo na impressora
então o gamute de cores do video deve ser reduzido.
Nota: os fabricantes de monitor informam as coordenadas de
cromaticidade do monitor. Ex: red -> x = 0.62 y = 0.33
green -> x = 0.21 y = 0.685
blue -> x = 0.15 y = 0.063
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Modelos de Cor
O objetivo do modelo de cor é facilitar a especificação de cores em
algum padrão. É uma especificação de um sistema de
coordenadas 3D no qual cada cor é representada por um único
ponto.
a) Modelo de cor RGB
No modelo RGB, cada cor aparece em suas componentes
espectrais primárias verde, azul e vermelho. Este modelo é
baseado no sistema de coordenadas Cartesianas
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
O sub-espaço de interesse é o cubo mostrado abaixo. Neste
modelo os níveis de cinza se estendem do preto para o
branco na linha pontilhada que liga estes dois pontos. As
cores são pontos dentro do cubo definidos por vetores que
partem da origem. O cubo é normalizado tal que os valores
R,G e B variam no intervalo entre [0,1].
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
Imagens no modelo
RGB constituem 3
planos diferentes um
para
cada
cor
primária.
Em
monitores RGB este
três
planos
são
combinados na tela
de
fósforo
para
produzir a imagem
colorida.
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Em processamento digital de imagens o melhoramento (ou realce)
de imagens coloridas no modelo RGB pode não apresentar
resultados satisfatórios quando os 3 planos são processados
independentemente uma vez que as intensidades em cada plano são
alteradas diferentemente resultando numa alteração das intensidades
relativas entre eles. (ex: equalização). Outros modelos de cor são
mais adequados para o propósito de processamento.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Modelo de cor HSI – Hue, Saturation, Intensity
•
•
•
reflete a maneira como os seres humanos vêem a cor;
Separa a cor em cromaticidade e intensidade
oferece vantagens para métodos de processamento de imagens
coloridas
Como transformar modelo RGB em HSI???
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Para determinar a componente de intensidade de qualquer cor basta
passar um plano perpendicular ao eixo de intensidade contendo o
ponto da cor de interesse. A intensidade varia no intervalo de 0 a 1 e
a saturação da cor aumenta à medida que aumenta a distancia do
eixo de intensidade (saturação no eixo de intensidade é zero uma
vez que todos os pontos neste eixo é cinza).
Todos os pontos contidos no
segmento de plano definidos
pelo eixo de intensidade e pelos
limites do cubo têm a mesma
matiz (cyan).
Rotacionando o plano sobre o
eixo de intensidade podemos
obter diferentes matizes
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
O espaço HSI consiste de um
eixo de intensidade vertical e
um plano perpendicular com
este eixo.
À medida que o plano move
para cima e para baixo em
relação ao eixo de intensidade,
a intersecção do plano com as
faces do cubo tem a forma de
triângulo ou hexágono.
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
Neste plano as cores primária
são separadas entre si por um
ângulo de 120o e das cores
secundária por 60o.
Componentes HSI de um
ponto de cor:
- H é determinado pelo
ângulo a partir um ponto de
referencia ( em geral eixo
vermelho).
- S é determinado pelo
tamanho do vetor.
- I pela posição do plano em
relação
ao
eixo
de
intensidade.
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
Modelo HSI baseado em planos
triangulares e circulares.
Note
que
dependendo
do
deslocamento do plano com relação
ao eixo de intensidade, altera
apenas o brilho, mantendo a
cromaticidade.
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Conversão de cores do modelo RGB para HSI
Dada uma imagem em RGB com valores normalizados em [0,1] e que H
seja medido com relação ao eixo Red do espaço HSI, as componentes H, S
e I de cada pixel RGB são obtidos pelas equações:
( R  G  B)
I
3

H=
360o
3
S  1
[min(R, G, B)]
( R  G  B)
se B  G
–
se B > G




1 







  cos
1
[(R  G)  ( R  B)]
2
1
2
[ R  G)  ( R  B)(G  B)]
2













Para normalizar H basta dividir o resultado por 360o. Se S = 0 então H não
está definido ( não há matiz no eixo de intensidade)
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Conversão de HSI para RGB
Dados os valores de HSI no intervalo [0,1]. A conversão leva em conta
três setores de interesse. A conversão começa multiplicando H por 360o
para retornar ao intervalo original [0o,360o].
Setor RG ( 0o <= H < 120o):
1
H
r  [1  cos(S cos
60  H ) ]
3
1
b  (1  S )
3
g  1  (r  b)
Setor GB (120o <= H < 240o): H = H – 120o
1
H
g  [1  cos(S cos
60  H ) ]
3
1
r  (1  S )
3
b  1  (r  g )
Setor BR (240o <= H < 360o): H = H – 240o
1
H
b  [1  cos(S cos
60  H ) ]
3
© 2002 R. C. Gonzalez & R. E. Woods
g 
1
(1  S )
3
r  1  ( g  b)
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Os valores r, g e b são normalizados de acordo com o plano de
normalização.
Para obter R a partir de r, temos que:
r = R/(R+G+B), então
3
R  r ( R  G  B) *
3
R  3r[
O mesmo vale para G e B:
G  3gI
B  3bI
© 2002 R. C. Gonzalez & R. E. Woods
( R  G  B)
( R  G  B)
]
] , mas I  [
3
3
R  3rI
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Técnicas de processamento de imagens coloridas:
a) Transformação de cores – trabalha com o processamento dos
pixels de cada plano de cor baseando-se apenas em seus valores
b) Filtragem espacial usando planos de cores individuiais –
trabalha com filtragem espacial (basendo-se numa vizinhança)
de planos de cores individuais
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
a) Tranformações de Cores
- Transformação de imagem colorida em imagem colorida
(transformação full-color):
si  Ti(ri),i  1,2,3....n
Onde ri e si são componentes de cor das imagens de entrada e
saida, n é a dimensão (nro de componentes) do espaço de cor ri
e Ti é a função de transformação.
- Transformação de imagem monocromática em imagem colorida
( transformação pseudo coloração)
si  Ti (r ), i  1,2,3....n
Onde r denota os níveis de cinza da imagem de entrada, n é o nro de
componentes de si
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Processamento de imagens pseudo-color - quando uma imagem é
representada no espaço de cor RGB e as suas componentes são
mapeadas independentemente a transformação resulta em uma
imagem pseudo-colorida na qual os níveis de cinza foram
substituídos por cores arbitrárias.
Este tipo de transformação é útil porque o olho humano pode
distinguir entre entre milhões de cores mas relativamente poucos
níveis de cinza.
Mapeamentos para pseudo-coloração são úteis para tornar pequenas
mudanças em níveis de cinza visíveis para o olho humano ou para
realçar importantes regiões representadas em níveis de cinza.
O principal uso da pseudo-coloração é a visualização humana
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
•
Intensity slicing
- é uma das técnicas mais simples;
- se a imagem é vista como uma função de intensidade 2D, o
método pode ser interpretado como a colocação de planos
paralelos (slices) ao plano de coordenadas da imagem.
- diferentes cores são associadas aos pixels que estão acima e
abaixo do plano de corte.
- a idéia de planos é útil para uma interpretação geométrica, mas
podemos pensar em uma função que mapeia os níveis de cinza
para uma dada cor.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
• Transformação de níveis de cinza para cor – a idéia por trás
desta técnica é executar 3 transformações independentes sobre
níveis de cinza dos pixels de uma imagem de entrada.
Cada cor é transformada independentemente e dedois alimentam
um sistema que as combina formando uma cor (ex: monitor de tv
colorido).
As funções de transformação neste caso são não lineares, o que
torna o método mais flexível que o anterior.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
• Transformação de imagem
colorida em imagem colorida
O uso de uma função de
transformação pode ser aplicada
a todos os componentes RGB,
CMYK ou a componentes
individuais
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
•Transformação de cor - Modificando todas as componentes de
uma imagem usando uma mesma função de transformação nos
três modelos (RGB, HSI, CMYK)
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
• Mapeamento inverso ou negativo – útil para realçar detalhes que estão
contidos em regiões escuras da imagem, em particular quando estas
regiões dominam a imagem em tamanho.
A imagem abaixo mostra os complementos das matizes
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
Exemplos do uso de funções de
transformação
em
imagens
coloridas. Note que cada
componente da imagem é
mapeada
pela
função
de
transformação.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
• Balanceamento de cor ou correção de cor – permite mapear
componentes de cor da imagem independentemente.
É um processamento importante no realce de fotos.
O desbalanceamento de cor ocorre quando uma imagem é adquirida e
sensibilidades diferentes nos três canais de cor produzem uma
transformação linear diferente nas três componentes da imagem
durante a digitalização. O resultado é uma imagem com suas cores
primárias sem balanceamento.
Embora o desbalanceamento de cor possa ser medido objetivamente, a
percepção visual pode ser utilizada em cores conhecidas (em regiões
brancas onde as componentes RGB ou CMYK deveriam ser iguais)
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
• Equalização de hlistogramas – é um processamento que mapeia
imagem em níveis de cinza produzindo um imagem cujo histograma
apresenta intensidades uniformes (em teoria).
Como as imagens coloridas têm vários componentes, , a técnica em
níveis de cinza deve ser modificada para trabalhar com cada
componente e seu histograma associado. O processamento
independente de cada cor resultará numa imagem com as cores
modificadas.
A técnica mais lógica é modificar a intensidade da cor sem alterar a
sua matiz. Para tanto a imagem é representada no espaço de cor HSI, a
equalização realizada sobre a intensidade I, e o resultado convertido
para RGB.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
b) Filtragem espacial de imagens
•
Suavização de imagens coloridas – o processo é formulado da mesma
maneira que para imagens em níveis de cinza, exceto que agora nós
trabalhamos com vetores de valores e não mais com níveis de cinza.
Cada componente do vetor é processada individualmente:
_
1
c( x, y) 
c(s, t )

k ( s ,t )S xy
onde K é o número de
pixels definido pela
vizinhança
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com
Digital Image Processing, 2nd ed.
www.imageprocessingbook.com
7. Color Image Processing
• Realce de imagens coloridas – o processamento é o mesmo que para
imagens monocromáticas. Usando o Laplaciano temos:
  2 R ( x, y ) 


 2 [c( x, y )]   2G ( x, y )
  2 B ( x, y ) 


O Laplaciano de uma imagem colorida é aplicado a cada componente
separadamente
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
7. Color Image Processing
© 2002 R. C. Gonzalez & R. E. Woods
www.imageprocessingbook.com