Metody przetwarzania i analizy obrazów

2-1

Rozdział 2 Reprezentacja i prezentacja obrazów
Poprzez obraz cyfrowy rozumie się najczęściej metodę reprezentacji obrazu,
którą należy jasno rozdzielić względem prezentacji obrazu, czyli właściwie utworzenia
obrazu na podstawie danych. Dane, składowane najczęściej w macierzy, stanowią
bezpośrednią podstawę generacji obrazu poprzez przypisanie każdej liczbie koloru.
Przypisanie to odbywa się według ściśle określonych reguł, specjalnie dla których
dane podlegają odpowiedniemu przygotowaniu czy formatowaniu. Formatowanie to
określane jest jako metoda reprezentacji obrazów. Na podstawie przygotowanych
danych system (np. komputerowy) dokonuje ich odwzorowania na kolory we
właściwym sobie układzie prezentacji (np. monitora). Oczywiście przejście dane kolory realizuje często szereg operacji związanych przykładowo z kalibracją zakresu
jasności prezentowanych kolorów. Należy zatem zapamiętać, że te same dane mogą
być różnie prezentowane w zależności od stosowanego systemu i doboru parametrów
prezentacji.
2.1 Reprezentacja obrazów
Zbiorem danych wykorzystywanym do kompozycji obrazu jest jedna lub wiele
macierzy. Elementami macierzy są liczby, którym później przyporządkowuje się
odpowiednie kolory według wybranej tablicy kolorowania. W ten sposób uzyskuje się
mozaikę kolorowych punktów co w odpowiednim pomniejszeniu daje obraz.

Rys. 1. Obraz cyfrowy w bardzo dużym powiększeniu.

© Jacek Rumiński, 2004

. 2004 .65535 (65536 kolorów lub odcieni szarości).1 bitowe . GIF.. .Metody przetwarzania i analizy obrazów 2-2 Na Rys.24 bitowe . Komputerowo przechowywany obraz cyfrowy składa się zazwyczaj z nagłówka oraz z właściwej części obrazu.brązowy .0 .0 . .0 .12 bitowe .8 bitowe . JPEG) oraz czasami tablicę kolorowania. Część właściwa zawiera uporządkowaną w zależności od przyjętego formatu danych macierz cyfr. Przy silnym powiększeniu elementy te zlewają się tworząc wrażenie obrazu ciągłego. Widoczne pojedyncze kwadraty stanowią najmniejsze.32 bitowe . . .10 bitowe .4095 (4096 kolorów lub odcieni szarości). 1 pokazano przykład fragmentu obrazu cyfrowego w bardzo dużym powiększeniu. .0 lub 1 (obrazy czarno-białe).0 . Ilość pikseli na jednostkę długości lub powierzchni jest miarą rozdzielczości geometrycznej obrazu cyfrowego stanowiąc zarazem bardzo ważny element określający jakość obrazu.4 bitowe . Nagłówek zawiera podstawowe informacje o formacie przechowywanych danych (np. Każda cyfra zawiera się w zakresie przyjętym dla reprezentowania danego obrazu i tak zazwyczaj są to następujące zakresy: ..16777215 (16777216 kolorów). picture element).1023 (1024 kolorów lub odcieni szarości).0 .czarny 1 . .0 . © Jacek Rumiński. Przykładowo można ukazać proces powstawania obrazu kolorowego o 16 możliwych kolorach (liczby 4 bitowe) i tak mając macierz cyfr 4 bitowych: 0 12 13 2 8 5 9 8 3 15 12 3 4 7 6 0 oraz odpowiadającą im tablicę kolorowania: 0 .16 bitowe .255 (256 kolorów lub odcieni szarości). ang.0 . rozróżnialne elementy obrazu zwane pikselami (element obrazu..15 (16 kolorów lub odcieni szarości). .

nie rozróżnia pikseli). Można oczywiście powiększać taki obraz co w rezultacie doprowadzi nas do obrazu jak na Rys. Jeżeli liczba pikseli na danym elemencie (monitorze. negatoskopów (osłabienie natężenia światła) bądź drukarek (odbicie promieniowania). 2004 . Należy jednak wprowadzić rozróżnienie pomiędzy obrazem. będącym graficzną prezentacją kompozycji kolorów (lub odcieni szarości) a macierzą wartości wykorzystywaną w procesie konstrukcji obrazu. różnych tablic kolorowania (zwanych jako CLUT – colour lookup table). rentgenowskie. Łatwo zauważyć. kliszy) jest odpowiednio duża (duża rozdzielczość) człowiek interpretuje taki obraz jako ciągły (tzn. można tworzyć dowolnie kolorowe obrazy poprzez zmianę tablicy kolorowania. Oznacza to. Wartości pomierzonego promieniowania zamienia się za pomocą przetworników analogowocyfrowych w macierze cyfr. że mając do dyspozycji macierz cyfr o pewnej potencjalnej rozdzielczości (związanej z ilością możliwych do przypisania kolorów np. 14 . Obraz jest więc obiektem postrzeganym i interpretowanym przez człowieka powstałym jako kompozycja fal elektromagnetycznych o różnych długościach (kolory) i natężeniu (odcienie szarości). co umożliwia później wielokrotne ich użycie dla różnych zbiorów danych. które następnie poprzez zdefiniowanie tablicy kolorowania zamienia się na obraz. podczerwone.Metody przetwarzania i analizy obrazów 2-3 . 1. 256x256 czy 512x512.żółty 15 . gdyż nie istnieje (nie postrzegany przez człowieka) realny system kolorów związany z daną wielkością. Większość oprogramowania obróbki obrazów umożliwia tworzenie własnych. Rozmiar matrycy pikseli jest uwarunkowany rozmiarem macierzy wartości obrazu. Przykładowe rozmiary matryc pikseli to 204x128. Często prezentowane obrazy mają rozmiary większe niż to wynika z rozmiaru oryginalnej macierzy obrazu. Kolorowanie takie nazywa się zazwyczaj pseudokolorowaniem. liczby 8 bitowe). Wywołanie takiej kompozycji może odbywać się przykładowo poprzez zastosowanie monitorów (emisja promieniowania). że można stworzyć obrazy będące rejestracją promieniowania innego niż widzialne np.biały uzyskujemy obraz kolorowy o rozmiarach będących wielokrotnością (w tym przypadku 4x) rozmiarów piksela. Jest to © Jacek Rumiński.

g. 2004 . r. Interpretację geometryczną modelu RGB pokazano na rysunku 21. Współczesne systemy prezentacji grafiki komputerowej bazują na reprezentacji kolorów poprzez zastosowanie systemu kolorów o nazwie RGB (często jest to standard sRGB). Zasadniczym elementem obrazu cyfrowego jest jego macierz (macierze) wartości. Wagi te przyjmują wartości od 0 do 1. Geometryczne reprezentacja modelu RGB Ponieważ w systemach komputerowych łatwiej przechować wartości całkowite dlatego dla reprezentacji jednej wagi przyjmuje się 1 bajt. zielonej i niebieskiej. a ich suma również musi mieścić się w tym przedziale. co umożliwia © Jacek Rumiński. System kolorów RGB (Red – czerwony. Green – zielony. b.niebieski) oznacza opis koloru punktu jako mieszaninę trzech barw podstawowych: czerwonej.B – oznaczają kolory podstawowe (konkretne długości fal). Przechowywane wartości stanowią odpowiednie liczby. g.b – oznaczają wagi kolorów podstawowych (tworzenie odcieni) R. których interpretacja w danym systemie grafiki komputera umożliwi stworzenie kolorowych punktów na ekranie monitora. Blue . gdzie: K – oznacza kolor uzyskiwany. Rysunek 21.Metody przetwarzania i analizy obrazów 2-4 osiągane poprzez procesy interpolacji generujące pośrednie macierze obrazu o większych rozmiarach. W celu opisu obrazu (zgodnie z tym systemem) potrzebne są trzy macierze wartości przechowujące wagi r. czyli 8 bitów.G. Kolor jest więc uzyskiwany jako: K = r*R+g*G+b*B. o określonych odcieniach.

Macierze danych w diagnostyce obrazowej oraz obrazowaniu satelitarnym. czyli w skali o równomiernym wkładzie każdego koloru. Dwa podstawowe parametry opisujące okno wyboru wartości to (Rysunek 22): . że odcienie szarości to również system indeksowy – każdemu indeksowi odpowiada bowiem inny odcień. WW. Powstawanie więc obrazu na podstawie macierzy wartości odbywa się poprzez definicję „okna” (zakresu wartości promieniowania bądź temperatury .wartość min i max ). W systemach technicznych stosuje się często wspomniane już tablice kolorów. że dla jednej macierzy wartości można zaprezentować kilkaset różnych obrazów podkreślających inny aspekt diagnostyczny. Należy jednak pamiętać.Metody przetwarzania i analizy obrazów opisanie 256 odcieni danego koloru. L) . Oznacza to. 2004 . które mieszczą się w zakresie okna są skalowane do zakresu 256 kolorów lub odcieni szarości i wyświetlane na ekranie monitora jako obraz. w tym również i w termografii. przechowują zwykle wartości w zakresie większym niż 256 (liczba dostępnym odcieni szarości na tradycyjnych monitorach). Można powiedzieć. Dla uproszczenia odpowiednie definicje kolorów (jako kompozycje RGB) umieszcza się kolejno w tablicy jednowymiarowej (wektorze) dzięki czemu w macierzy obrazów wystarczy przechowywać indeks do tablicy. . W) . window level. Ogólnie możliwych 2-5 jest więc 256*256*256=16777216 kolorów. Tablica taka jest tworzona poprzez określenie koloru dla wartości. Wartości. WL. że we współczesnych systemach prezentacji obrazów możliwe jest wyświetlenie tylko 256 odcieni szarości (8 bitów). © Jacek Rumiński. Dobór okien odbywa się poprzez odpowiedni dobór wartości w zależności od potrzeb. Dla opisania obrazu w skali szarości wystarczy zatem jedna macierz wartości. czyli r=g=b. Oznacza to. że w większości aplikacji medycznych obrazy są prezentowane w skali szarości. że nie można wyświetlić wszystkich odcieni szarości naraz (nawet gdyby można to zrobić człowiek nie jest w stanie ich odróżnić). Oznacza to.określająca liczbę poziomów (wartości) w wybieranym zakresie. System taki nazywany jest czasem systemem indeksowym.środek okna (window center.określający wartość liczbową leżącą pośrodku wybieranego zakresu.szerokość okna (window width.

2004 . prezentacji. © Jacek Rumiński. Przykład doboru okien dla obrazów tomografii RTK pokazano na rysunku 23.Metody przetwarzania i analizy obrazów 2-6 Rysunek 22 Skalowanie zakresu pomierzonych wartości celem prezentacji z wykorzystaniem danej tablicy kolorów (dobór okna wartości) na przykładzie Rentgenowskiej Tomografii Komputerowej – RTK. Dla ułatwienia pracy w programach prezentacji obrazów znajdują się często predefiniowane zakresy okien odpowiednio do typu obiektów jakie mają podlegać.

W=400). Rysunek 24 przedstawia przykład kompozycji obrazów rentgenowskich z wykorzystaniem różnych okien wartości pomierzonego natężenia promieniowania obiektu badanego. W=1000) (L=350.Metody przetwarzania i analizy obrazów 2-7 Rysunek 21 Różne prezentacje tego samego zbioru danych odpowiednio dla okien (L=-700. © Jacek Rumiński. Rysunek 24 Przykład kompozycji obrazów rentgenowskich z wykorzystaniem różnych okien wartości pomierzonego natężenia promieniowania obiektu badanego. 2004 . Na kolejnym rysunku 25 pokazano oryginalny histogram macierzy wykorzystywanej do kompozycji obrazów. W=2000) (L=40.

bądź te z zaburzeniem postrzegania kolorów bądź ich odcieni. Dobór tablic kolorowania musi uwzględniać fakt. np. Uzyskana w wyniku pomiaru krzywa powinna być porównywana ze wzorcem a następnie korygowana (karta graficzna).Metody przetwarzania i analizy obrazów 2-8 Rysunek 25 Histogram (rozkład częstości występowania poszczególnych wartości macierzy) macierzy danych. © Jacek Rumiński.). W tym przypadku jednak konieczne jest często rozpatrzenie transmitancji układu przenoszącej poziomy sterujące na konkretne wartości luminancji. Charakterystyka wyświetlacza (monitora) wyznaczana jest na podstawie pomiaru (luminancja w funkcji poziomów sterowania – Display Driving Levels DDL ). czyli właściwe obrazy z zakodowaną intensywnością (luminancją). Z tych względów bardzo popularne są obrazy powstałe poprzez zastosowanie tablicy skali szarości. kolor czerwony – ostrzeżenie. Konieczna jest zatem kontrola charakterystyki wyświetlacza. Obraz jest tworzony dopiero wtedy gdy przyporządkuje się poszczególnym wartościom kolory. 2. Ponadto te same kolory mogą być odbierane inaczej przez osoby wychowane w innych kulturach. Przykładowe wyniki pokazano na Rys. itd. Zastosowanie okna stanowi więc wstępne przetwarzanie danych pomiarowych przed stworzeniem obrazu. zbadano szereg monitorów parametrach wysterowania. Wykorzystując miernik luminancji Hagner EC1. Przypisanie kolorów wykonywane za pomocą tablic kolorowania jest szczególnie istotne w przypadku obrazów sztucznych (np. medycznych. 2004 przy różnych . iż w procesie poznawczym człowieka niektóre kolory niosą ze sobą dodatkowe znaczenie. termograficznych.

g – zielona.czerwona. oraz wektory r[].). SPECTRUM. 2 Przykładowe wyniki pomiaru luminancji w funkcji poziomów sterujących dla 2 różnych monitorów (b – procentowe ustawienie jasności monitora). lub złożonych systemów prezentacji obrazów (np. w telekonsultacjach stosowanie kamer Video. to oczywistym jest. BLACKBODY. MONOCHROME 2. może spowodować bardzo istotną różnicę w ich odbiorze i ocenie. z reguły ściśle określone. wówczas można przedstawić definicje poszczególnych tablic kolorowania za pomocą pseudokodu: MONOCHROME1 – skala szarości (wartość. bb++){ r[bb]=g[bb]=b[bb]= 255-bb. b[] definiujące wagi udziału poszczególnych barw podstawowych (r . IRON. Przykładowo jeśli dany monitor prezentuje ten sam poziom luminancji dla 20 kolejnych poziomów sterowania. indeks najmniejszy jest przypisany do koloru białego). inny monitor natomiast dla tego samego przedziału poziomów daje różne widzialne poziomy luminancji. Może to doprowadzić do różnych błędów w interpretacji obrazów. zgodnie z wcześniejszym opisem). itd. projektorów. 2004 .luminancja [cd/m2] Metody przetwarzania i analizy obrazów 2-9 1000 M1 (17cali): b=50% M2 (15cali): b=50% M1 (17cali): b=100% M2 (15cali): b=100% 100 10 90 10 0 11 0 12 0 13 0 14 0 15 0 16 0 17 0 18 0 19 0 20 0 21 0 22 0 23 0 24 0 25 0 80 70 60 50 40 30 0 10 20 1 poziomy sterujące (0-255) Rys. W termografii obok skali szarości stosuje się inne tablice kolorowania. bb < size. Do najbardziej popularnych tablic kolorowania stosowanych w termografii należy zaliczyć tablice: MONOCHROME 1. Stosowanie niekontrolowanych monitorów. © Jacek Rumiński. Zakładając wartość bb jako indeks do tablicy kolorów (możliwe wartości od 0 do 255). b – niebieska. for (int bb = 0. RAINBOW. g[]. iż obserwowane będą zupełnie inne obrazy.

} t=0. bb < size. g[bb]= 255-r[bb]. indeks najmniejszy jest przypisany do koloru czarnego) – najczęściej wykorzystywany system kolorów. bb++){ r[bb]= 0. } t=0. bb++){ r[bb]= bb. bb < 256. for (int bb = 204. bb < 153. t=t+5. g[bb]= 255. © Jacek Rumiński. } SPECTRUM – RAINBOW – BLACKBODY – int t=0. bb++){ r[bb]= t. b[bb]= 255. for (int bb = 102. bb < 102. b[bb]= g[bb]. b[bb]= 255. } int t=0. t=t+5. g[bb]= 255. g[bb]= 0. t=t+3.Metody przetwarzania i analizy obrazów 2-10 } MONOCHROME2 – skala szarości (wartość. b[bb]= 0. for (int bb = 0. b[bb]= bb. for (int bb = 51. } t=0. g[bb]= 0. bb++){ r[bb]= 255-t. g[bb]= 255-t. bb < 51. b[bb]= 0. b[bb]= 255-t. for (int bb = 153. g[bb]= t. bb < size. for (int bb = 0. bb++){ r[bb]= 255. 2004 . bb < 86. bb < 204. t=t+5. bb++){ r[bb]= t. t=t+5. } t=0. bb++){ r[bb]=g[bb]=b[bb]= bb. for (int bb = 0. } t=0. bb++){ r[bb]=0. } for (int bb = 0. t=t+5.

bb++){ r[bb]= 255. bb++){ r[bb]= 255. bb < 256. t=t+2. } t=0. } t=0. g[bb]= t. for (int bb = 191. bb < 256. bb++){ b[bb]= t. © Jacek Rumiński. g[bb]= 255. Rozmiar macierzy testowej wynosi 256 na 256 pozycji. bb < 128. t=t+2. Na rysunku 26 pokazano przykłady zastosowania omawianych tablic kolorowania dla prezentacji tej samej macierzy wartości. b[bb]= 0. bb < 255. 2004 . b[bb]= g[bb]. bb++){ r[bb]= 255. for (int bb = 171. bb++){ r[bb]= t. b[bb]= 0. t=t+3. g[bb]= 0. t=t+3.Metody przetwarzania i analizy obrazów IRON - 2-11 for (int bb = 86. for (int bb = 128. } t=0. b[bb]= t. Jako macierz testową wykorzystano zbiór kolejno narastających w wierszach i kolumnach wartości od 0 do 255 aż do przekroczenia liczby 255. for (int bb = 0. } int t=0. t=t+4. g[bb]= t. Po przekroczeniu tej liczby kolejne wartości pomniejszano (wyraźnie widoczna część obrazu poniżej przekątnej kwadratu obrazu) aż do ostatnich pozycji w wierszach i kolumnach. bb < 171. } b[255]=255.

MONOCHROME 2. RAINBOW.Metody przetwarzania i analizy obrazów 2-12 Rysunek 26. Kompozycja obrazu z zastosowaniem różnych tablic kolorowania. 2004 . SPECTRUM. BLACKBODY. kolejno od góry MONOCHROME 1. IRON Na rysunku 27 pokazano przykłady zastosowania różnych tablic kolorów dla tej samej macierzy danych. © Jacek Rumiński.

zależność od urządzenia. rejestracja promieniowania w kilku zakresach np. Każdej macierzy przyporządkowuje się tablicę kolorowania poszczególnych odcieni kolorów czerwonego. kolejno od góry MONOCHROME 2. W przypadku. Ze względu na ograniczenia systemów RGB (brak reprezentacji wszystkich kolorów. RGB CIE. RAINBOW. Jak wspomniano wcześnie tablice kolorów są odpowiednie dla pojedynczych macierzy danych.Metody przetwarzania i analizy obrazów 2-13 Rysunek 27. kiedy dysponujemy zbiorami danych uzyskanymi dla tego samego obiektu dla różnych jego cech (np. brak © Jacek Rumiński. MONOCHROME 1. sRGB i inne. Znane są realizacje systemu RGB jak RGB PAL. 2004 . Następnie poprzez dodanie tak powstałych trzech obrazów uzyskuje się obraz wypadkowy. BLACKBODY. zielonego i niebieskiego. RGB NTSC. Treścią termogramu są blizny po oparzeniowe występujące na plecach pacjenta. możemy bezpośrednio utworzyć obraz kolorowy traktując wartości poszczególnych macierzy jako współrzędne w przestrzeni systemu kolorów. Najbardziej popularny system kolorów RGB bazuje na trzech macierzach. będący właściwym obrazem kolorowym. R G B). Kompozycja termogramu z zastosowaniem różnych tablic kolorowania. System RGB w rzeczywistości może być zdefiniowany różnie poprzez podanie zestawu barw podstawowych wykorzystywanych w mieszaniu kolorów. Zatem system RGB jest zależny od urządzenia.

Funkcje dopasowania koloru definiowane w standardach CIE służą do odwzorowania mierzonych wartości radiometrycznych na współrzędne chromatyczności układu XYZ (co prezentuje Rys.Metody przetwarzania i analizy obrazów 2-14 bezpośredniego rozróżnienia luminancji i składowych kolorów) zdefiniowano szereg innych systemów kolorowania jak HSI (HUE . 4. © Jacek Rumiński. Luv. itp. Lab. MAGENTA. pojedynczy parametr Y określa luminancję. jest tak obrany. 3) .intensywność). umożliwia reprezentację dowolnego koloru.barwa. . W 1931 roku Międzynarodowa komisja Commison Internationale de l’Eclairage (CIE) zdefiniowała system barw podstawowych XYZ. jest bezpośrednio związany z czułością oka ludzkiego poprzez zdefiniowane funkcje dopasowania koloru (dla średniego obserwatora). YELLOW. umożliwia uzyskanie tylko nieujemnych wartości wag (tristimulus values). 3. SATURATION . 5. CMYK (CYAN. Y. Z dają kolor biały. jako referencyjny dla wszystkich innych systemów kolorów rozróżnialnych dla „standardowego” obserwatora. BLACK). YUV. 2. INTENSITY . 2004 . że równe wartości X. System XYZ jest często wykorzystywany jako podstawa definicji innych systemów lub jako referencja przy ocenie reprezentacji barw i cechuje się następującymi właściwościami: 1.nasycenie.

© Jacek Rumiński. Przykładowo system kolorów HSI oddaje specyfikę postrzegania kolorów przez człowieka może być wyznaczony na podstawie modelu RGB jako 3 /3 ⎡ I ⎤ ⎡ 3 /3 ⎢V ⎥ = ⎢ 0 1 / 2 ⎢ 1⎥ ⎢ ⎢ ⎢⎣V 2 ⎥⎦ 2 / 6 − 1 / 6 ⎣ 3 / 3 ⎤ ⎡R⎤ ⎥ − 1 / 2 ⎥ ⋅ ⎢⎢G ⎥⎥ .40E+00 x Efektywność spektralna [j.80E+00 1. oddających różne specyfiki.20E+00 z 1.60E+00 1. Oprócz systemów zależnych od urządzeń RGB i referencyjnego XYZ zdefiniowano szereg innych.00E-01 6. ⎠ S = V12 + V 22 .u y 1.Metody przetwarzania i analizy obrazów 2-15 1. 3 Funkcje dopasowania koloru według CIE.00E-01 2.00E-01 4.00E+00 300 400 500 600 700 800 Długość fali [nm] Rys. − 1 / 6 ⎥ ⎢⎣ B ⎥⎦ ⎦ ⎛V H = tan −1 ⎜⎜ 2 ⎝ V1 ⎞ ⎟⎟ .00E-01 0. Reprezentację geometryczną tego modelu przedstawiono na rysunku 28. 2004 .00E+00 8.

2004 . Rysunek 29. że system HSI jest pośrednio używany przez wiele osób do regulacji jakości obrazu w telewizji kolorowej. Reprezentacja geometryczna modelu HSI. Zo. Innym. © Jacek Rumiński. Reprezentacja geometryczna systemu podana jest na rysunku 29. Zdefiniowano go jako gdzie: Xo.Metody przetwarzania i analizy obrazów 2-16 Rysunek 28.b – składowe chrominancji. Reprezentacja geometryczna modelu CIE Lab. definiują wzorcową dla tego modelu biel. Warto zauważyć. a. ważnym systemem kolorów jest system CIE Lab. Yo. L – jasność (nieliniowa modyfikacja luminancji).

YUV wykorzystywane są często w celu przetwarzania danych. że wielość systemów kolorów ma swoje znacznie praktyczne. Wykres barw z uwzględnieniem różnych form realizacji systemów kolorów (Monitor = RGB). Systemy Lab. Rysunek 30. 2004 . Mówiąc o kompresji należy © Jacek Rumiński. Luv. realizowalnych systemach kolorów jest wykres chromatyczności.Metody przetwarzania i analizy obrazów 2-17 W oparciu o model CIE Lab stworzono zestawy palet kolorów wykorzystywanych o testowania i kalibracji sprzętu. Warto wskazać. Bardzo ważnym wykresem wskazującym jakie barwy możliwe są do uzyskania w danych. kalibracji czy kompresji. Przykładowo system RGB jest świetnie wykorzystywany w systemach rejestracji obrazów czy prezentacji. Poszczególne osie tego wykresu są zdefiniowane jako: Wówczas wykres można skonstruować w przestrzeni dwuwymiarowej co pokazano na rysunku 30. np. Przykładem może być zestaw IT8.7/2.

Norman .H. Warszawa. 1997 [3] Van der Heijden F.Metody przetwarzania i analizy obrazów 2-18 podkreślić. PWN. Warszawa. Practical Handbook on Image Processing for Scientfic Applications. Jeszcze inne systemy kolorów. że przykładowo w algorytmach JPEG/MPEG stosowane jest przejście na system kolorów YUV w celu silniejszej kompresji składowych koloru niż luminancji. które jest bardzie wrażliwe na zmiany komponentu luminancji niż koloru.. jak np.. John Wiley & Sons. Jest to związane z właściwościami oka ludzkiego. Magenta. Yellow. Literatura do rozdziału [1] Linsay P.. Procesy przetwarzania informacji u człowieka – wprowadzenie o psychologii. 1991 [2] Crick F.. Image Base Measurement Systems – Object Recognition and Parameter Estimation. Black) są wykorzystywane w urządzeniach drukujących przy mieszaniu atramentów/farb. Prószyński i S-ka. Florida. CRC Press.A. 1995 [4] Jahne B. Zdumiewająca hipoteza czyli nauka w poszukiwaniu duszy. Chichester. CMYK (Cyan.. 1997 © Jacek Rumiński. 2004 .