Metody przetwarzania i analizy obrazw

2-1

Rozdzia 2 Reprezentacja i prezentacja obrazw

Poprzez obraz cyfrowy rozumie si najczciej metod reprezentacji obrazu,
ktr naley jasno rozdzieli wzgldem prezentacji obrazu, czyli waciwie utworzenia
obrazu na podstawie danych. Dane, skadowane najczciej w macierzy, stanowi
bezporedni podstaw generacji obrazu poprzez przypisanie kadej liczbie koloru.
Przypisanie to odbywa si wedug cile okrelonych regu, specjalnie dla ktrych
dane podlegaj odpowiedniemu przygotowaniu czy formatowaniu. Formatowanie to
okrelane jest jako metoda reprezentacji obrazw. Na podstawie przygotowanych
danych system (np. komputerowy) dokonuje ich odwzorowania na kolory we
waciwym sobie ukadzie prezentacji (np. monitora). Oczywicie przejcie dane kolory realizuje czsto szereg operacji zwizanych przykadowo z kalibracj zakresu
jasnoci prezentowanych kolorw. Naley zatem zapamita, e te same dane mog
by rnie prezentowane w zalenoci od stosowanego systemu i doboru parametrw
prezentacji.
2.1 Reprezentacja obrazw
Zbiorem danych wykorzystywanym do kompozycji obrazu jest jedna lub wiele
macierzy. Elementami macierzy s liczby, ktrym pniej przyporzdkowuje si
odpowiednie kolory wedug wybranej tablicy kolorowania. W ten sposb uzyskuje si
mozaik kolorowych punktw co w odpowiednim pomniejszeniu daje obraz.

Rys. 1. Obraz cyfrowy w bardzo duym powikszeniu.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-2

Na Rys. 1 pokazano przykad fragmentu obrazu cyfrowego w bardzo duym

powikszeniu. Widoczne pojedyncze kwadraty stanowi najmniejsze, rozrnialne
elementy obrazu zwane pikselami (element obrazu, ang. picture element). Przy
silnym powikszeniu elementy te zlewaj si tworzc wraenie obrazu cigego. Ilo
pikseli na jednostk dugoci lub powierzchni jest miar rozdzielczoci geometrycznej
obrazu cyfrowego stanowic zarazem bardzo wany element okrelajcy jako
obrazu. Komputerowo przechowywany obraz cyfrowy skada si zazwyczaj z
nagwka oraz z waciwej czci obrazu. Nagwek zawiera podstawowe informacje
o formacie przechowywanych danych (np. GIF, JPEG) oraz czasami tablic
kolorowania. Cz waciwa zawiera uporzdkowan w zalenoci od przyjtego
formatu danych macierz cyfr. Kada cyfra zawiera si w zakresie przyjtym dla
reprezentowania danego obrazu i tak zazwyczaj s to nastpujce zakresy:
- 1 bitowe - 0 lub 1

(obrazy czarno-biae);

- 4 bitowe - 0 - 15

(16 kolorw lub odcieni szaroci);

- 8 bitowe - 0 - 255

(256 kolorw lub odcieni szaroci);

- 10 bitowe - 0 - 1023

(1024 kolorw lub odcieni szaroci);

- 12 bitowe - 0 - 4095

(4096 kolorw lub odcieni szaroci);

- 16 bitowe - 0 - 65535

(65536 kolorw lub odcieni szaroci);

- 24 bitowe - 0 - 16777215 (16777216 kolorw).

- 32 bitowe - 0 - ...
Przykadowo mona ukaza proces powstawania obrazu kolorowego o 16 moliwych
kolorach (liczby 4 bitowe) i tak majc macierz cyfr 4 bitowych:
0

12

13

15

12

oraz odpowiadajc im tablic kolorowania:

0 - czarny
1 - brzowy
.
.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-3

.
14 - ty
15 - biay
uzyskujemy obraz kolorowy o rozmiarach bdcych wielokrotnoci (w tym
przypadku 4x) rozmiarw piksela. Mona oczywicie powiksza taki obraz co w
rezultacie doprowadzi nas do obrazu jak na Rys. 1.
atwo zauway, e majc do dyspozycji macierz cyfr o pewnej potencjalnej
rozdzielczoci (zwizanej z iloci moliwych do przypisania kolorw np. liczby 8
bitowe), mona tworzy dowolnie kolorowe obrazy poprzez zmian tablicy
kolorowania.

Oznacza

to,

mona

stworzy

obrazy

bdce

rejestracj

promieniowania innego ni widzialne np. podczerwone, rentgenowskie. Wartoci

pomierzonego promieniowania zamienia si za pomoc przetwornikw analogowocyfrowych

macierze

cyfr,

ktre

nastpnie

poprzez

zdefiniowanie

tablicy

kolorowania zamienia si na obraz. Kolorowanie takie nazywa si zazwyczaj

pseudokolorowaniem, gdy nie istnieje (nie postrzegany przez czowieka) realny
system kolorw zwizany z dan wielkoci. Wikszo oprogramowania obrbki
obrazw umoliwia tworzenie wasnych, rnych tablic kolorowania (zwanych jako
CLUT colour lookup table), co umoliwia pniej wielokrotne ich uycie dla rnych
zbiorw danych.
Naley jednak wprowadzi rozrnienie pomidzy obrazem, bdcym graficzn
prezentacj kompozycji kolorw (lub odcieni szaroci) a macierz wartoci
wykorzystywan w procesie konstrukcji obrazu. Obraz jest wic obiektem
postrzeganym i interpretowanym przez czowieka powstaym jako kompozycja fal
elektromagnetycznych o rnych dugociach (kolory) i nateniu (odcienie szaroci).
Wywoanie takiej kompozycji moe odbywa si przykadowo poprzez zastosowanie
monitorw (emisja promieniowania), negatoskopw (osabienie natenia wiata)
bd drukarek (odbicie promieniowania). Jeeli liczba pikseli na danym elemencie
(monitorze, kliszy) jest odpowiednio dua (dua rozdzielczo) czowiek interpretuje
taki obraz jako cigy (tzn. nie rozrnia pikseli). Rozmiar matrycy pikseli jest
uwarunkowany rozmiarem macierzy wartoci obrazu. Przykadowe rozmiary matryc
pikseli to 204x128, 256x256 czy 512x512. Czsto prezentowane obrazy maj
rozmiary wiksze ni to wynika z

rozmiaru oryginalnej macierzy obrazu. Jest to

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-4

osigane poprzez procesy interpolacji generujce porednie macierze obrazu o

wikszych rozmiarach. Zasadniczym elementem obrazu cyfrowego jest jego macierz
(macierze) wartoci. Przechowywane wartoci stanowi odpowiednie liczby, ktrych
interpretacja w danym systemie grafiki komputera umoliwi stworzenie kolorowych
punktw

na

ekranie

monitora.

Wspczesne

systemy

prezentacji

grafiki

komputerowej bazuj na reprezentacji kolorw poprzez zastosowanie systemu

kolorw o nazwie RGB (czsto jest to standard sRGB). System kolorw RGB (Red
czerwony, Green zielony, Blue - niebieski) oznacza opis koloru punktu jako
mieszanin trzech barw podstawowych: czerwonej, zielonej i niebieskiej;

okrelonych odcieniach. Kolor jest wic uzyskiwany jako:

K = r*R+g*G+b*B;
gdzie:
K oznacza kolor uzyskiwany,
r,g,b oznaczaj wagi kolorw podstawowych (tworzenie odcieni)
R,G,B oznaczaj kolory podstawowe (konkretne dugoci fal).
W celu opisu obrazu (zgodnie z tym systemem) potrzebne s trzy macierze
wartoci przechowujce wagi r, g, b. Wagi te przyjmuj wartoci od 0 do 1, a ich
suma rwnie musi mieci si w tym przedziale. Interpretacj geometryczn modelu
RGB pokazano na rysunku 21.

Rysunek 21. Geometryczne reprezentacja modelu RGB

Poniewa w systemach komputerowych atwiej przechowa wartoci cakowite

dlatego dla reprezentacji jednej wagi przyjmuje si 1 bajt, czyli 8 bitw, co umoliwia

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

opisanie

256

odcieni

danego

koloru.

Oglnie

moliwych

2-5

jest

wic

256*256*256=16777216 kolorw. Naley jednak pamita, e w wikszoci aplikacji

medycznych obrazy s prezentowane w skali szaroci, czyli w skali o rwnomiernym
wkadzie kadego koloru, czyli r=g=b. Oznacza to, e we wspczesnych systemach
prezentacji obrazw moliwe jest wywietlenie tylko 256 odcieni szaroci (8 bitw).
Dla opisania obrazu w skali szaroci wystarczy zatem jedna macierz wartoci. W
systemach technicznych stosuje si czsto wspomniane ju tablice kolorw. Tablica
taka jest tworzona poprzez okrelenie koloru dla wartoci. Dla uproszczenia
odpowiednie definicje kolorw (jako kompozycje RGB) umieszcza si kolejno w
tablicy jednowymiarowej (wektorze) dziki czemu w macierzy obrazw wystarczy
przechowywa indeks do tablicy. System taki nazywany jest czasem systemem
indeksowym. Mona powiedzie, e odcienie szaroci to rwnie system indeksowy
kademu indeksowi odpowiada bowiem inny odcie.
Macierze danych w diagnostyce obrazowej oraz obrazowaniu satelitarnym, w tym
rwnie i w termografii, przechowuj zwykle wartoci w zakresie wikszym ni 256
(liczba dostpnym odcieni szaroci na tradycyjnych monitorach). Oznacza to, e nie
mona wywietli wszystkich odcieni szaroci naraz (nawet gdyby mona to zrobi
czowiek nie jest w stanie ich odrni). Powstawanie wic obrazu na podstawie
macierzy wartoci

odbywa si poprzez definicj okna (zakresu wartoci

promieniowania bd temperatury - warto min i max ). Wartoci, ktre mieszcz

si w zakresie okna s skalowane do zakresu 256 kolorw lub odcieni szaroci i
wywietlane na ekranie monitora jako obraz. Dobr okien odbywa si poprzez
odpowiedni dobr wartoci w zalenoci od potrzeb. Oznacza to, e dla jednej
macierzy wartoci mona zaprezentowa kilkaset rnych obrazw podkrelajcych
inny aspekt diagnostyczny. Dwa podstawowe parametry opisujce okno wyboru
wartoci to (Rysunek 22):
- rodek okna (window center, window level, WL, L) - okrelajcy warto liczbow
lec porodku wybieranego zakresu,
- szeroko okna (window width, WW, W) - okrelajca liczb poziomw (wartoci) w
wybieranym zakresie.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-6

Rysunek 22 Skalowanie zakresu pomierzonych wartoci celem prezentacji z wykorzystaniem danej

tablicy kolorw (dobr okna wartoci) na przykadzie Rentgenowskiej Tomografii Komputerowej
RTK.

Dla uatwienia pracy w programach prezentacji obrazw znajduj si czsto

predefiniowane zakresy okien odpowiednio do typu obiektw jakie maj podlega,
prezentacji. Przykad doboru okien dla obrazw tomografii RTK pokazano na rysunku
23.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-7

Rysunek 21 Rne prezentacje tego samego zbioru danych odpowiednio dla okien (L=-700, W=1000)
(L=350, W=2000) (L=40, W=400).

Rysunek

24

przedstawia

przykad

kompozycji

obrazw

rentgenowskich

wykorzystaniem rnych okien wartoci pomierzonego natenia promieniowania

obiektu badanego. Na kolejnym rysunku 25 pokazano oryginalny histogram macierzy
wykorzystywanej do kompozycji obrazw.

Rysunek 24 Przykad kompozycji obrazw rentgenowskich z wykorzystaniem rnych okien wartoci

pomierzonego natenia promieniowania obiektu badanego.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-8

Rysunek 25 Histogram (rozkad czstoci wystpowania poszczeglnych wartoci macierzy) macierzy

danych.

Zastosowanie okna stanowi wic wstpne przetwarzanie danych pomiarowych przed

stworzeniem obrazu. Obraz jest tworzony dopiero wtedy gdy przyporzdkuje si
poszczeglnym wartociom kolory. Przypisanie kolorw wykonywane za pomoc
tablic kolorowania jest szczeglnie istotne w przypadku obrazw sztucznych (np.
medycznych, termograficznych, itd.). Dobr tablic kolorowania musi uwzgldnia
fakt, i w procesie poznawczym czowieka niektre kolory nios ze sob dodatkowe
znaczenie, np. kolor czerwony ostrzeenie. Ponadto te same kolory mog by
odbierane inaczej przez osoby wychowane w innych kulturach, bd te z
zaburzeniem postrzegania kolorw bd ich odcieni. Z tych wzgldw bardzo
popularne s obrazy powstae poprzez zastosowanie tablicy skali szaroci, czyli
waciwe obrazy z zakodowan intensywnoci (luminancj). W tym przypadku
jednak konieczne jest czsto rozpatrzenie transmitancji ukadu przenoszcej poziomy
sterujce na konkretne wartoci luminancji. Konieczna jest zatem kontrola
charakterystyki wywietlacza. Charakterystyka wywietlacza (monitora) wyznaczana
jest na podstawie pomiaru (luminancja w funkcji poziomw sterowania Display
Driving Levels DDL ). Uzyskana w wyniku pomiaru krzywa powinna by
porwnywana ze wzorcem a nastpnie korygowana (karta graficzna). Wykorzystujc
miernik

luminancji

Hagner

EC1,

zbadano

szereg

monitorw

parametrach wysterowania. Przykadowe wyniki pokazano na Rys. 2.

Jacek Rumiski, 2004

przy

rnych

luminancja [cd/m2]

Metody przetwarzania i analizy obrazw

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

poziomy sterujce (0-255)

Rys. 2 Przykadowe wyniki pomiaru luminancji w funkcji poziomw sterujcych dla 2 rnych
monitorw (b procentowe ustawienie jasnoci monitora).

Stosowanie niekontrolowanych monitorw, lub zoonych systemw prezentacji

obrazw (np. w telekonsultacjach stosowanie kamer Video, projektorw, itd.), moe
spowodowa bardzo istotn rnic w ich odbiorze i ocenie. Przykadowo jeli dany
monitor prezentuje ten sam poziom luminancji dla 20 kolejnych poziomw
sterowania, inny monitor natomiast dla tego samego przedziau poziomw daje rne
widzialne poziomy luminancji, to oczywistym jest, i obserwowane bd zupenie
inne obrazy. Moe to doprowadzi do rnych bdw w interpretacji obrazw.
W termografii obok skali szaroci stosuje si inne tablice kolorowania, z reguy cile
okrelone. Do najbardziej popularnych tablic kolorowania stosowanych w termografii
naley zaliczy tablice: MONOCHROME 1, MONOCHROME 2, SPECTRUM, RAINBOW,
BLACKBODY, IRON. Zakadajc warto bb jako indeks do tablicy kolorw (moliwe
wartoci od 0 do 255), oraz wektory r[], g[], b[] definiujce wagi udziau
poszczeglnych barw podstawowych (r - czerwona, g zielona, b niebieska;
zgodnie

wczeniejszym

opisem),

wwczas

mona

przedstawi

definicje

poszczeglnych tablic kolorowania za pomoc pseudokodu:

MONOCHROME1 skala szaroci (warto, indeks najmniejszy jest przypisany do koloru biaego),
for (int bb = 0; bb < size; bb++){
r[bb]=g[bb]=b[bb]= 255-bb;
Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-10

}
MONOCHROME2 skala szaroci (warto, indeks najmniejszy jest przypisany do koloru czarnego)
najczciej wykorzystywany system kolorw,
for (int bb = 0; bb < size; bb++){
r[bb]=g[bb]=b[bb]= bb;
}
SPECTRUM

RAINBOW

BLACKBODY

int t=0;
for (int bb = 0; bb < 51; bb++){
r[bb]= 255-t;
g[bb]= 0;
b[bb]= 255;
t=t+5;
}
t=0;
for (int bb = 51; bb < 102; bb++){
r[bb]=0;
g[bb]= t;
b[bb]= 255;
t=t+5;
}
t=0;
for (int bb = 102; bb < 153; bb++){
r[bb]= 0;
g[bb]= 255;
b[bb]= 255-t;
t=t+5;
}
t=0;
for (int bb = 153; bb < 204; bb++){
r[bb]= t;
g[bb]= 255;
b[bb]= 0;
t=t+5;
}
t=0;
for (int bb = 204; bb < 256; bb++){
r[bb]= 255;
g[bb]= 255-t;
b[bb]= 0;
t=t+5;
}
for (int bb = 0; bb < size; bb++){
r[bb]= bb;
g[bb]= 255-r[bb];
b[bb]= bb;
}
int t=0;
for (int bb = 0; bb < 86; bb++){
r[bb]= t;
g[bb]= 0;
b[bb]= g[bb];
t=t+3;
}
t=0;
Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

IRON -

2-11

for (int bb = 86; bb < 171; bb++){

r[bb]= 255;
g[bb]= t;
b[bb]= 0;
t=t+3;
}
t=0;
for (int bb = 171; bb < 256; bb++){
r[bb]= 255;
g[bb]= 255;
b[bb]= t;
t=t+3;
}
int t=0;
for (int bb = 0; bb < 128; bb++){
r[bb]= t;
g[bb]= 0;
b[bb]= g[bb];
t=t+2;
}
t=0;
for (int bb = 128; bb < 256; bb++){
r[bb]= 255;
g[bb]= t;
b[bb]= 0;
t=t+2;
}
t=0;
for (int bb = 191; bb < 255; bb++){
b[bb]= t;
t=t+4;
}
b[255]=255;

Na rysunku 26 pokazano przykady zastosowania omawianych tablic kolorowania dla

prezentacji tej samej macierzy wartoci. Jako macierz testow wykorzystano zbir
kolejno narastajcych w wierszach i kolumnach wartoci od 0 do 255 a do
przekroczenia liczby 255. Po przekroczeniu tej liczby kolejne wartoci pomniejszano
(wyranie widoczna cz obrazu poniej przektnej kwadratu obrazu) a do
ostatnich pozycji w wierszach i kolumnach. Rozmiar macierzy testowej wynosi 256
na 256 pozycji.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-12

Rysunek 26. Kompozycja obrazu z zastosowaniem rnych tablic kolorowania, kolejno od gry
MONOCHROME 1, MONOCHROME 2, SPECTRUM, RAINBOW, BLACKBODY, IRON

Na rysunku 27 pokazano przykady zastosowania rnych tablic kolorw dla tej samej
macierzy danych.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-13

Rysunek 27. Kompozycja termogramu z zastosowaniem rnych tablic kolorowania, kolejno od gry
MONOCHROME 2, MONOCHROME 1, RAINBOW, BLACKBODY. Treci termogramu s blizny po
oparzeniowe wystpujce na plecach pacjenta.

Jak wspomniano wczenie tablice kolorw s odpowiednie dla pojedynczych macierzy

danych. W przypadku, kiedy dysponujemy zbiorami danych uzyskanymi dla tego
samego obiektu dla rnych jego cech (np. rejestracja promieniowania w kilku
zakresach np. R G B), moemy bezporednio utworzy obraz kolorowy traktujc
wartoci poszczeglnych macierzy jako wsprzdne w przestrzeni systemu kolorw.
Najbardziej popularny system kolorw RGB bazuje na trzech macierzach. Kadej
macierzy przyporzdkowuje si tablic kolorowania poszczeglnych odcieni kolorw
czerwonego, zielonego i niebieskiego. Nastpnie poprzez dodanie tak powstaych
trzech obrazw uzyskuje si obraz wypadkowy, bdcy waciwym obrazem
kolorowym. System RGB w rzeczywistoci moe by zdefiniowany rnie poprzez
podanie zestawu barw podstawowych wykorzystywanych w mieszaniu kolorw.
Zatem system RGB jest zaleny od urzdzenia. Znane s realizacje systemu RGB jak
RGB PAL, RGB NTSC, RGB CIE, sRGB i inne. Ze wzgldu na ograniczenia systemw
RGB (brak reprezentacji wszystkich kolorw, zaleno od urzdzenia, brak

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-14

bezporedniego rozrnienia luminancji i skadowych kolorw) zdefiniowano szereg

innych systemw kolorowania jak HSI (HUE - barwa, SATURATION - nasycenie,
INTENSITY - intensywno), CMYK (CYAN, MAGENTA, YELLOW, BLACK), Luv, Lab,
YUV, itp. W 1931 roku Midzynarodowa komisja Commison Internationale de
lEclairage (CIE) zdefiniowaa system barw podstawowych XYZ, jako referencyjny dla
wszystkich

innych

systemw

kolorw

rozrnialnych

dla

standardowego

obserwatora.

.
System XYZ jest czsto wykorzystywany jako podstawa definicji innych systemw lub
jako referencja przy ocenie reprezentacji barw i cechuje si nastpujcymi
waciwociami:
1. umoliwia uzyskanie tylko nieujemnych wartoci wag (tristimulus values),
2. umoliwia reprezentacj dowolnego koloru,
3. jest tak obrany, e rwne wartoci X, Y, Z daj kolor biay,
4. pojedynczy parametr Y okrela luminancj,
5. jest bezporednio zwizany z czuoci oka ludzkiego poprzez zdefiniowane
funkcje dopasowania koloru (dla redniego obserwatora).
Funkcje dopasowania koloru definiowane w standardach CIE su do odwzorowania
mierzonych wartoci radiometrycznych na wsprzdne chromatycznoci ukadu XYZ
(co prezentuje Rys. 3) .

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-15

1,80E+00

1,60E+00

1,40E+00

Efektywno spektralna [j.u

y
1,20E+00

1,00E+00

8,00E-01

6,00E-01

4,00E-01

2,00E-01

0,00E+00
300

400

500

600

700

800

Dugo fali [nm]

Rys. 3 Funkcje dopasowania koloru wedug CIE.

Oprcz systemw zalenych od urzdze RGB i referencyjnego XYZ zdefiniowano

szereg innych, oddajcych rne specyfiki. Przykadowo system kolorw HSI oddaje
specyfik postrzegania kolorw przez czowieka moe by 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 ,
1 / 6 B

V
H = tan 1 2
V1

S = V12 + V 22

Reprezentacj geometryczn tego modelu przedstawiono na rysunku 28.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-16

Rysunek 28. Reprezentacja geometryczna modelu HSI.

Warto zauway, e system HSI jest porednio uywany przez wiele osb do regulacji
jakoci obrazu w telewizji kolorowej.
Innym, wanym systemem kolorw jest system CIE Lab. Zdefiniowano go jako

gdzie:
Xo, Yo, Zo, definiuj wzorcow dla tego modelu biel, L jasno (nieliniowa
modyfikacja luminancji), a,b skadowe chrominancji.
Reprezentacja geometryczna systemu podana jest na rysunku 29.

Rysunek 29. Reprezentacja geometryczna modelu CIE Lab.

Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-17

W oparciu o model CIE Lab stworzono zestawy palet kolorw wykorzystywanych o

testowania i kalibracji sprztu. Przykadem moe by zestaw IT8.7/2.
Bardzo wanym wykresem wskazujcym jakie barwy moliwe s do uzyskania w
danych,

realizowalnych

systemach

kolorw

jest

wykres

chromatycznoci.

Poszczeglne osie tego wykresu s zdefiniowane jako:

Wwczas wykres mona skonstruowa w przestrzeni dwuwymiarowej co pokazano

na rysunku 30.

Rysunek 30. Wykres barw z uwzgldnieniem rnych form realizacji systemw kolorw (Monitor =
RGB).

Warto wskaza, e wielo systemw kolorw ma swoje znacznie praktyczne.

Przykadowo system RGB jest wietnie wykorzystywany w systemach rejestracji
obrazw czy prezentacji. Systemy Lab, Luv, YUV wykorzystywane s czsto w celu
przetwarzania danych, np. kalibracji czy kompresji. Mwic o kompresji naley
Jacek Rumiski, 2004

Metody przetwarzania i analizy obrazw

2-18

podkreli, e przykadowo w algorytmach JPEG/MPEG stosowane jest przejcie na

system kolorw YUV w celu silniejszej kompresji skadowych koloru ni luminancji.
Jest to zwizane z waciwociami oka ludzkiego, ktre jest bardzie wraliwe na
zmiany komponentu luminancji ni koloru.
Jeszcze inne systemy kolorw, jak np. CMYK (Cyan, Magenta, Yellow, Black) s
wykorzystywane w urzdzeniach drukujcych przy mieszaniu atramentw/farb.

Literatura do rozdziau
[1] Linsay P.H., Norman .A., Procesy przetwarzania informacji u czowieka
wprowadzenie o psychologii, PWN, Warszawa, 1991
[2] Crick F., Zdumiewajca hipoteza czyli nauka w poszukiwaniu duszy, Prszyski i
S-ka, Warszawa, 1997
[3] Van der Heijden F., Image Base Measurement Systems Object Recognition and
Parameter Estimation, John Wiley & Sons, Chichester, 1995
[4] Jahne B., Practical Handbook on Image Processing for Scientfic Applications, CRC
Press, Florida, 1997

Jacek Rumiski, 2004