Цвет кожи человека rgb: Pantone / PMS Skin Tone 1 / #ffdfc4 Схемы Шестнадцатеричных Кодов Цветов, Графики, Палитры и Краски

Содержание

что такое RGB для цвета кожи?

В системе RGB (красный, зеленый, синий) процент цвета кожи состоит из кожи в системе RGB (250,231,218 XNUMX XNUMX).

Какого цвета кожа у европеоидов?

Рене Урок в 1847 году представил деление на шесть групп на основе простых цветных прилагательных: белые (европеоиды), темные (индейцы), оранжевые (малайцы), желтые (монголоиды), красные (карибы и американцы), черные (негроиды).

Что такое RGB для бледной кожи?

Цвета в палитре

Hex RGB
#ffe0bd (255,224,189)
#ffcd94 (255,205,148)
#eac086 (234,192,134)
#ffad60 (255,173,96)

Какой RGB является европеоидным?

Значения RGB для телесных тонов Рекомендации Белый: R = B*1.5 G = B*1.15 | Палитра цветов кожи, Цвет кожи, Палитра кожи.

Какие цвета определяют цвет кожи?

Хотя все тона кожи разные, смесь красного, желтого, коричневого и белого цветов даст подходящий цвет основы. Для некоторых оттенков кожи потребуется больше красного, для других — больше белого и так далее. Но для большинства предметов хорошо подходит сочетание этих четырех цветов.

Что такое светлый оттенок кожи?

Удовлетворительный — самый светлый диапазон оттенков кожи. Вы, вероятно, легко горите и у вас светлые или рыжие волосы. Светлый. Обычно те, у кого кожа считается «светлой», имеют более теплый оттенок (мы вернемся к этому через секунду), чем те, у кого светлая кожа. Скорее всего, летом вы сможете загорать.

У какой расы самая чувствительная кожа?

Некоторые типы кожи раздражаются легче, чем другие. В этом спектре азиатская кожа является самой чувствительной, а темная кожа — самой жесткой. Экзема чаще возникает у темнокожих людей и людей азиатского происхождения. Однако это состояние также является генетическим.

Какой у меня настоящий цвет кожи?

При естественном освещении проверьте, как выглядят вены под кожей. Если ваши вены выглядят синими или фиолетовыми, у вас холодный оттенок кожи. Если ваши вены выглядят зелеными или зеленовато-синими, у вас теплый оттенок кожи. Если вы не можете сказать, зеленые или синие у вас вены, вероятно, у вас нейтральный оттенок кожи.

Цвет какой цифры соответствует цвету кожи?

Палитра Цветовая палитра оттенков кожи человека имеет 6 цветов HEX, RGB: HEX: #c58c85 RGB: (197, 140, 133), HEX: #ecbcb4 RGB: (236, 188, 180), HEX: #d1a3a4 RGB: (209 , 163, 164), HEX: #a1665e RGB: (161, 102, 94), HEX: #503335 RGB: (80, 51, 53), HEX: #592f2a RGB: (89, 47, 42).

Какой код цвета у темно-коричневого?

Темно-коричневый цвет по шестнадцатеричному коду цвета #654321 представляет собой средний темный оттенок коричневого. В цветовой модели RGB #654321 состоит из 39.61% красного, 26.27% зеленого и 12.94% синего. В цветовом пространстве HSL #654321 имеет оттенок 30° (градусов), насыщенность 51% и яркость 26%.

Что такое код цвета белой кожи?

Цветовой код светлой или бледно-белой кожи человека: шестнадцатеричный код

К счастью, шестнадцатеричное значение для скина простое; код, который вам нужно ввести, — #FAE7DA.

Как преобразовать RGB в белый?

Обычно цвета состоят из трех частей: красного, зеленого и синего (или RGB), как вы уже знаете. Обычно каждая из трех частей имеет значение от 0 до 255. Чтобы получить белый цвет, вы должны установить для всех трех частей значение 255. Чтобы получить черный цвет, вы должны установить для всех трех частей значение 0.

Что такое белый код?

Таблица кодов белого цвета

Имя цвета HTML / CSS Шестнадцатеричный код #RRGGBB Десятичный код (R, G, B)
белый #FFFFFF RGB (255,255,255)
снег #ФФФАФА RGB (255,250,250)
нектар # F0FFF0 RGB (240,255,240)
мятный крем # F5FFFA RGB (245,255,250)

Карандаши какого цвета делают цвет кожи?

Красный, желтый, коричневый и белый — вот как сделать правильный тон кожи. Короче говоря, использование комбинации белого, красного, желтого и коричневого приведет к множеству оттенков кожи, которые будут смешиваться, чтобы получить большинство оттенков. Для теней в смеси используется синий цвет. Для более светлых тонов используется больше белого и желтого.

Как сделать цвет кожи акварелью?

Создайте палитру с порцией желтой краски, меньшей порцией красной краски и крошечной точкой синей краски. Это будет ваш основной начальный тон для светлых тонов кожи. Если смешиваете средний оттенок кожи, добавьте 1 часть коричневой краски. При смешивании темного тона кожи добавьте 2 части коричневой краски.

Цвет кожи номер

На данной странице представлены специальные ключевые слова, которые можно применять для обозначения того или иного цвета на интернет сайтах, и при разработке на языках программирования для Web, таких как HTML, CSS, JavaScript, Flash, и др.

В ранних спецификациях W3C было определено всего 16 ключевых цветов. В более поздних спецификациях дополнительно было определено ещё 130 различных названий цветов. Следующая таблица содержит имена, и образцы цветов, которые ассоциируются с этими именами.

Таблица HTML цветов

Имена цветов в HTML не чувствительны к регистру, и могут записываться в любой форме

Также стоит отметить, что имея 147 различных ключевых слов (17 старых и 130 новых), не все цвета в этом списке уникальны. Некоторые имена обозначают один и тот же цвет. Так, например, и Grey, и Gray обозначают 50-процентный серый цвет #808080, а Magenta — это лишь синоним HTML цвета Fuchsia, и ссылается на шестнадцатеричный код цвета #FF00FF.

Хоть и нет никакого волшебного набора плагинов для коррекции тона кожи в пространстве CMYK для людей разной расовой принадлежности и под всеми ситуациями с освещением, но есть руководящие принципы, полагаясь на которые можно без проблем произвести эту коррекцию.

Во-первых, проверьте параметры инструмента глазной Пипетка (eye dropper tool). Удостоверьтесь, что Размер образца (Point Sample) установлен на значение 5х5.

Удерживая клавишу Shift, щелкните на нужную область кожи. Обратите внимания, что надо избегать сильно засвеченной области, а также области с недостаточным освещением.

Теперь приступим к коррекции. Пройдите в меню Слой> Новый корректирующий слой > Кривые (Layer > New Adjustment Layer > Curves) или щелкните по иконке Новый корректирующий слой или слой-заливка (new fill or adjustment layer).

Из раскрывшегося списка выберите Кривые (Curves).

В то время как диалоговое окно кривых все еще открыто, посмотрите на панель Инфо (Info): Вы будете видеть два набора параметров цвета RGB. Это параметры цвета целевой области, которую мы выбрали пипеткой.

Первый набор чисел – текущие параметры цвета кожи, а 2-ой набор будет показывать вам изменения, которые будут происходить при изменении корректирующего слоя кривых.

Нажмите на небольшую пипетку в нижней части панели Инфо, и из раскрывшегося списка выберите строку Цвета CMYK (CMYK color).

Исправляем значения цвета кожи.

Чтобы начать управлять тоном кожи, осмотрим различные каналы в корректирующим слое кривых. Наше изображение сейчас находится в режиме RGB, поэтому у нас есть 4 возможных канала. В канале RGB изменения будут происходить глобально, то есть изменения будут происходить во всех цветовых каналах одновременно. Мы можем также выбрать отдельные каналы, чтобы произвести более точную цветовую коррекцию.

Помните, что числа справа — наши «новые» значения, которые будут меняться при работе со слоем кривых.

Оценка цвета кожи в режиме CMYK.

В средней белой коже пурпурный (magenta) (M) и желтый (yellow) (Y) цвета должны быть примерно на одном уровне, но желтого чуть больше.Голубого (Cyan) (C) должно быть от 1/5 до 1/3 желтого (Y) и пурпурного цветов. Просто умножьте Голубой (С) сначала на 3, потом на 5, чтобы удостовериться, что вы в пределах нужного диапазона. Черного цвета вообще не должно присутствовать.

Изменяйте форму кривой в различных каналах, чтобы получить значения цветов в нужном диапазоне. Так как наш образец цвета имеет светлый оттенок, внесем изменения формы кривой в правой верхней ее части, отвечающей за светлые оттенки.

В данном примере Голубой (C) цвет имеет слишком высокое значение – 16. Посчитаем: 16 X 3 = 48, что намного выше, чем пурпурный (34) и желтый (36).

В этом примере чтобы получить числа в пределах нормального диапазона. Кривая красного канала была приподнята немного вверх, и синего — немного вниз. После того, как были внесены корректировки, цвет стал немного перенасыщен, поэтому сдвинем центр кривой канала RGB немного вверх, снизив тем самым насыщенность.

Внося Ваши корректировки в диалоговом окне кривых, обратите внимание на то, что при уменьшении красного цвета в канале Red вы увеличиваете голубой. При уменьшении зеленого в канале Green – увеличиваете пурпурный, а при уменьшении синего в канале Blue – увеличиваете желтый. С увеличением аналогично.

Светлокожий розоватый ребенок имеет оттенок кожи с параметрами цвета: 15%-ый пурпурный, 16%-ый желтый цвет. Кожа большинства светлокожих людей имеет желтого цвета (Y) на 5-20 % больше, чем пурпурного. Таким образом кожа светлокожего человека имеет в среднем 20% пурпурного цвета, 25% желтого цвета. Загорелая кожа светлокожего человека имеет в среднем 45% пурпурного, 62% желтого. У азиатской и латиноамериканской кожи, как правило, желтого цвета будет на 10-20 % больше чем пурпурного. Также там присутствует черный цвет. В особенности у латиноамериканской кожи его может быть до 50%.

Цвет лица в полиграфии

Ниже представлены примеры оттенков кожи людей, различных по типу внешности. Они помогут вам в вашей дальнейшей коррекции тонов кожи.

Теперь вы знаете, как корректировать цвет и тон кожи в фотошопе.

Естественный, смугловато-загорелый цвет кожи для меня загадка. В попытках понять его природу я проанализировал 10 попавшихся под руку портретов, которые мне нравятся по цвету.

Фотографии сделаны авторами: 1 — maklakov , 2 — maklakov , 3 — Сергей Новожилов, 4 — buzya_kalapkina , 5 — sol_katerina , 6 — [подскажите?], 7 — vera_klokova , 8 — vera_klokova , 9 — multi_words , 10 — sam_bacon .

Первые 9 портретов — девушки с европейским типом лица. Последний — с индийским типом, добавлен в качестве характерного для жителей южных стран. Лично я не против видеть в европейских лицах чуть больше загара, поэтому для статистики этот портрет пригодится.

Что думает Ден Маргулис

Для начала вспомним, что говорит о цвете человеческой кожи великий практик всех времён и народов — Дядя Ден. В своей книге «Photoshop LAB Color» он пишет:

Нам хочется видеть людей здоровыми. Здоровье мы ассоциируем с активной жизнью на открытом воздухе. По тем же или иным причинам нам не особенно нравится, когда у человека слишком бледная или слишком розовая кожа — даже у фотомодели. Начиная с 1951 года с подачи Дэвида Мак-Адама, известного специалиста из компании Kodak, печатные иллюстрированные издания стали отдавать явное предпочтение фотографиям загорелых людей. Мой опыт не только подтверждает эту тенденцию, но и обнаруживает нечто большее: загорелую кожу мы считаем более естественной, чем бледную. Наша тяга к загару проявляется особенно явственно, когда дело касается изображений светлокожих светловолосых людей европейского типа.

Придаем крутизну кривым A и B, но вторую делаем гораздо круче, усиливая жёлтый компонент кожи и волос и заодно придавая лицу золотистый оттенок.

Цвет лица — а это красный — должен иметь положительные значения в каналах A и B. Иногда эти значения могут быть одинаковыми.

По возможности старался мерить цвет в тех местах, где нет или заведомо меньше косметики (плечи, руки). Думаю, это не принципиально, т.к. в итоге речь идёт о впечатлении, а косметика — лишь один из способов/этапов его достижения. Пробу цвета на каждой картинке брал в трёх местах — тени, полутени (средние тона) и света. Тональный диапазон определял на глаз, выделяя визуально в каждом лице 3 характерные области. Режим пипетки — усреднение цвета 3х3 px. Все картинки взяты из web’а и имеют размер порядка 1000 пикселей по длинной стороне. Итак, замеры показали следующие значения:

Разброс составляющих в каналах L/a/b составляет:

L
a
b
тени 22-63 12-35 17-34
полутени 50-80 11-32 16-38
света 76-93 7-21 10-28

Если усреднить значения, то получится следующий цвет кожи:

L a b
тени
47
21 27
полутени 66 23 29
света 76 14 17

Усреднение по трём тональным диапазонам даёт следующий цвет:

Соотношения цветовых каналов b/a составляют:

1 2 3 4 5 6
7
8 9 10 среднее
тени 1.52 1.50 1.33 1.53 1.00 1.21 1.50 1.67 0.97 1.20 1.34
полутени 1.35 1.19 1.42
1.45
0.79 1.45 1.56 1.38 1.13 1.19 1.29
света 1.43 1.40 1.36 1.45 0.76 1.18 1.58 1.36 3.00 1.20 1.47

Некоторые выводы

Итак, какие выводы напрашиваются:

  1. Значение каналов a и b всегда положительно (>0), что означает полное отсутствие холодных оттенков в цвете кожи. Кожа передаётся исключительно тёплыми составляющими цвета, а именно — красной (не зелёной) и жёлтой (не синей).
  2. Цвет кожи имеет преимущественно более жёлтый (чем красный) оттенок. Составляющее жёлтого цвета в среднем примерно на 1/3 больше, чем красного.
  3. Больше всего жёлтой составляющей в светах — в среднем примерно на 1/2 больше красной. Наименьшее соотношение желтого/красного оттенка характерно для полутеней и теней (в среднем на 1/3-1/4 больше желтого).
  4. Иногда тени бывают более жёлтые (до 2/3 разницы), чем полутени и света (

1/3 разницы).
В некоторых случаях полутени и света могут иметь красноватый оттенок (

1/4 разницы).

  • Очень редко тени могут иметь красноватый оттенок. Обычно они более жёлтые. С учётом низких значений яркости для теней, можно сказать, что тени всегда более жёлто-коричневые, нежели красно-коричневые. В редких случаях тени могут быть нейтральными (одинаковое количество красной и жёлтой составляющей) или красноватыми.
  • Допущения

    Важно понимать, что приведённые замеры и анализ основаны на ряде существенных допущений, поэтому не претендуют на объективность взгляда. В первую очередь к допущениям следует отнести мои вкусовые предпочтения, которые определили выбор фотографий. Кроме этого, на анализ повлияли — выбранные женский тип портрета и европейская раса, визуальное разделение тональных диапазонов и усреднение цвета размером пипетки и малый геометрический размер проанализированных снимков.

    Все приведённые замеры я делал для себя, чтобы иметь на будущее шпаргалку по цвету кожи. В зависимости от типа изображения и желаемого цвета всегда можно обратиться к этой странице и свериться с теми или иными цифрами. И, скорее даже не столько с конкретными значениями, сколько с общими тенденциями. Возможно, со временем я приду к другим или более расширенным выводам. Глубоко уверен, что реальную практическую пользу можно получить лишь с приобретением достаточного опыта съёмки и обработки портретов. Вместе с тем надеюсь, эта статья может оказаться полезной не только для моих размышлений в этом направлении. Буду крайне благодарен за встречные мнения и любые практические советы.

    Все самое интересное у нас!

    «Среда» – творческая лаборатория и фотошкола в Москве

    «Фреймвей» – выездные мастер-классы по фотографии (фототуры)

    Классификация цвета кожи человека на цветных изображениях Текст научной статьи по специальности «Компьютерные и информационные науки»

    КЛАССИФИКАЦИЯ ЦВЕТА КОЖИ ЧЕЛОВЕКА НА ЦВЕТНЫХ ИЗОБРАЖЕНИЯХ

    Хомяков M. Ю.

    Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»

    им. В.И. Ульянова (Ленина)

    Аннотация

    Разработаны количественные меры оценки влияния цветового пространства на качество детекции цвета кожи человека. Проведено сравнение основных цветовых пространств с использованием порогового классификатора: RGB, YCbCr, HSV, CIE Lab. Уточнены возможности использования сокращённых цветовых пространств.

    Ключевые слова: цвет кожи человека, детекция лиц, сравнение цветовых пространств.

    Детектирование на основе цвета кожи человека широко используется для распознавания лиц и человеко-машинного взаимодействия, являясь одним из наиболее эффективных подходов для поиска и выделения лица человека на изображениях [1 — 6]. Известно, что для лиц различных рас составляющие цветового тона кожи меняются незначительно. Изменение состояния человека (эмоционального, физического) также слабо влияет на цвет его кожи [7]. Результаты детектирования лиц на основе цвета кожи не зависят от расположения и ракурса [8]. Эти факторы обусловили перспективность использования методов выделения цвета кожи человека для биометрической идентификации.

    Активное развитие компьютерной графики, колориметрии и дисциплин, связанных с обработкой изображений, обусловило появление большого количества цветовых пространств, линейно или нелинейно связанных между собой. Наибольшее распространение, ввиду своей простоты, получило цветовое пространство RGB, ставшее «де факто» стандартом для обработки и хранения цифровых изображений.

    Для выделения цвета кожи человека используются различные цветовые пространства. Наиболее полный обзор дан в работах [2, 4, 5].

    В зависимости от цветового пространства цвет кожи человека представляется ограниченной областью оттенков [9], имеющей различную размытость и размер.

    Некоторые цветовые оттенки могут представлять одновременно цвет кожи человека и элементы фона [10]. Влияние этих факторов на качество детектирования цвета кожи, к сожалению, остаётся недооцененным многими исследователями.

    Целью данной работы является представление методов оценки кластеризующих свойств цветовых пространств и сравнение их эффективности при решении задачи детекции цвета кожи человека. Работа состоит из 3 частей.

    В первой части рассмотрены особенности выделения областей цвета кожи человека на изображениях. Вторая часть описывает принципы оценки цветовых пространств и качества детекции лиц в этих пространствах. Третья часть содержит результаты экспериментов на известных цветовых пространствах.

    Выделение цвета кожи человека на изображениях

    Первым шагом при решении задачи выделения цвета кожи человека на изображениях является выбор цветового пространства. Используются практически все известные типы цветовых пространств [4] : простые, перцепционные, ортогональные, перцепци-онно унифицированные, а также комбинированные цветовые пространства, составленные из известных (например, RGB-H-CbCr [11]). В работе рассматриваются характеристики известных цветовых пространств разных типов: RGB, HSV, YCbCr и CIE Lab.

    Вторым шагом является выбор модели цвета кожи человека (классифицирующей функции). В простейшем случае цветовая модель является бинарной классифицирующей функцией. Результатом классификации может быть как вещественное число, отражающее вероятность принадлежности элемента цвету кожи человека, так и бинарное значение. Из литературы известны следующие бинарные классификаторы, используемые для решения задачи выделения цвета кожи человека [4]: таблица подстановки (Look up table — LUT), пороговый классификатор (Thresholding), гистограммная модель на основе наивного байесовского классификатора (Histogram model with naive bayes classifiers), модель эллиптических границ (Elliptical boundary model), многослойный персцептрон (Multilayer perceptron — MLP), самоорганизующиеся карты (Self organizing map -SOM), байесовская сеть доверия (Bayesian network -BN). Так как цвет кожи человека при контролируемом освещении занимает ограниченное подмножество цветового пространства [9], наиболее простым и часто применяемым является пороговый классификатор. Составленная в этом случае система неравенств для цветовых компонент классифицирует элементы изображения по их соответствию цвету кожи человека. Заметим, что количество операций при таком подходе соизмеримо с количеством элементов на изображении. В литературе рассмотрены методы, где применяются как линейные неравенства, так и более сложные условия и нестандартные цветовые пространства [4, p. 1109]. Для унификации процесса классификации для разных цветовых пространств в работе рассматриваются только порого-

    вые классификаторы, составленные независимо для каждой цветовой компоненты.

    Эффективный классификатор кожи человека должен быть робастным по отношению к освещённости, расовому оттенку кожи, индивидуальным характеристикам объекта съёмки и сложности фона. Большинство классификаторов удовлетворяют этим требованиям лишь частично [4]. Ниже рассмотрен метод поэлементной (попиксельной) оценки детектированных областей изображения, количественно характеризующий точность детекции областей кожи человека.

    Качество выделения областей кожи человека на изображении зависит от компактности локализации цвета кожи человека в цветовом пространстве. Для оценки степени локализации в разных цветовых пространствах предложены меры оценки кластеризующих свойств цветового пространства и качества детекции. С их использованием проведено количественное сравнение выбранных цветовых пространств.

    Оценка цветового пространства

    Как правило, качество детекции кожи человека измеряется величиной ошибок I и II рода. Для сравнения эффективности известных детекторов использован метод, основанный на поэлементной (попиксельной) оценке детектируемых областей изображения.

    Err =~-:-:—, (3)

    |N|

    где F — множество элементов изображения, априори

    1-г*

    относящихся к коже человека; F — множество элементов изображения, детектированных как кожа человека; N — множество всех элементов на изображении.

    Такая оценка качества детекции является более точной по сравнению с известными методами, но требует использования специальных изображений с предварительно выделенными областями, относящимися к цвету кожи человека. Формирование таких изображений производится экспертами, что может также вносить погрешности в результат.

    Для оценки цветовых пространств и их влияния на качество выделения цвета кожи человека элементы изображения, представляющие цвет кожи, рассматриваются без учёта их расположения на изображении. В зависимости от цветового пространства некоторые цветовые оттенки могут представлять одновременно цвет кожи человека и элементы фона [10].

    Для сравнения цветовых пространств введём меру кластеризуемости цветовых компонент, относящихся к цвету кожи человека. Кластеризующие

    свойства цветового пространства тем ниже, чем больше подмножество, элементы которого одновременно могут представлять области с цветом кожи человека и фона:

    I = F ñ (N — F),

    где N — множество всех элементов на изображении; F — множество элементов изображения, относящихся к цвету кожи человека, причём F с N; I -множество элементов, представляющих одновременно области кожи и фона; ñ — операция пересечения множеств с учётом всех повторяющихся элементов, т.е.:

    AñB = {x | ($y e A : H (x)= H (y))л

    a(3ze B: H(x) = H(z))},

    \F ñ (N — F )|< |I| < min (I F| ,| N — F|),

    где H — функция подсчёта хэш-кода элемента множества.fae = |I ñ (N — F)\/\N -F|, (5)

    RI = |i|/|n| . (6)

    Кластеризующие свойства цветового пространства выше, когда количество общих оттенков областей с цветом кожи человека и фона минимально.

    Для дополнительной оценки кластеризующих свойств цветового пространства введём меру «удельной» дисперсии цветового оттенка, представляющего кожу человека:

    RV = D [I c|| ]/| F|, (7)

    где D[Iс||] — дисперсия евклидовой нормы на произвольном n -мерном цветовом пространстве с центром координат в точке M [c ], рассчитанная для

    всех точек области цветового пространства, представляющих цвет кожи человека; c — дискретная случайная величина, представляющая цвет кожи человека в n -мерном цветовом пространстве.

    Таким образом, отношение концентрации цвета кожи человека в произвольном цветовом пространстве к количеству элементов, составляющих эту область, представляет собой «удельный» разброс цветового оттенка кожи человека на конкретном изображении. Эта мера позволяет численно оценить компактность представления кожи человека в цветовом пространстве.

    Эксперименты и результаты

    Сравнение кластеризующих свойств и оценка качества детекции выполнялись для четырёх стандартных цветовых пространств: RGB, HSV, YCbCr, CIE LAB. Оценка проводилась на известных наборах изображений [3, 12, 13, 14], содержащих обучающие изображения с предварительно выделенными областями, относящимися к цвету кожи человека. Исходные изображения заданы в цветовом пространстве RGB. Перевод изображений в другие исследуемые цветовые пространства осуществлялся в соответствии с принятыми стандартами [15 — 17]. Примеры изображений, использованных в работе, приведены на рис. 1.

    Для классификации цвета кожи человека на изображениях строится система пороговых классификаторов, каждый из которых ограничивает одну цветовую компоненту.

    Поиск граничных значений для каждого цветового пространства производился перебором всех допустимых значений для пороговых классификаторов каждой цветовой компоненты по критерию минимальной ошибки (3) при условии Errface = Errnon-face. Введение дополнительного условия гарантирует получение единственного результата минимальной ошибки (3), т.к. позволяет выделить единственную точку на ROC-кривой классификатора (Receiver Operator Characteristic).

    Метод покоординатного спуска по критерию (3) позволяет получить эквивалентное минимальное значение общей ошибки (3) на данном наборе изображений. В качестве координат в данном случае подразумеваются искомые граничные значения для цветовых компонент. Их перебор осуществлялся в последовательности, дающей минимальную ошибку (3), при условии Errface = Errnon-face. Такой подход аналогичен методу наискорейшего спуска, но вместо движения по направлению, обратному максимальному градиенту, предполагает движение по фиксированным направлениям. Это позволяет сделать вывод, что данная функция не является много-

    экстремальной на данном наборе изображений, и для всех исследуемых цветовых пространств были найдены граничные значения, гарантированно дающие минимальную общую ошибку (3). Очевидно, что в случае покоординатного спуска вычислительные затраты существенно меньше.

    • •

    , ••• »ViV •

    б) I

    Рис. 1. Пример исходного (а) и контрольного (б) изображений [13]

    Для всех цветовых пространств и их компонентов были вычислены значения (4 — 7). Оценка «компактности» представления цвета кожи человека в цветовом пространстве была выполнена для пространства целиком и цветовых компонент по отдельности. Результаты экспериментов, усреднённые по всей базе изображений, сведены в табл. 1. Стоит отметить, что полученные результаты могут интерпретироваться только для относительного сравнения цветовых пространств между собой. Значения предложенных оценок сильно зависят от базы изображений, выбранной для проведения экспериментов, и, в том числе, контрольных изображений с выделенной областью кожи человека, полученных экспертами.

    Найденные граничные значения позволили достичь наименьшей общей ошибки детекции кожи человека, равной 7,4% для цветового пространства УСЬСг. Данное цветовое пространство является ортогональным. Для всех цветовых пространств наблюдается равенство общей ошибки детекции кожи человека (3) и ошибок I и II рода (1, 2), что обусловлено до-

    полнительно

    Errface = Errnon- face .

    установленным

    Многие авторы [18, 19] проводят исследование сокращённых модификаций ортогональных цвето-

    Таблица 1. Результаты экспериментов

    условием вых пространств, исключая слабо связанную с компонентами цветового тона яркостную составляющую. Это позволяет существенно сократить объём вычислений.

    Граничные значения Err Errface Err non- face RI RIface RInon-face RV , xiO-6

    RGB 15б < R < 25б 91 < G < 25б б9 < B < 25б 0,2S3 0,2S3 0,2S3 0,i43 0,S74 0,114 0,410 (0,2S0/0,iS2/0,i4i)

    HSV V < 41;V > 357 0 < S < 90 1б < V < 100 0,iSi 0,iSi 0,iSi 0,i43 0,S79 0,114 0,2S6 (0,3i9/0,0S4/0,23S)

    YCbCr 2б < Y < 222 104 < Cb < 130 139 < Cr < iSS 0,074 0,074 0,074 0,i9i 0,6S9 0,iS9 0,i04 (0,i2S/0,009/0,007)

    CIE Lab S<L < 100 -35 < A < SS 3 < B < 3S 0,1S6 0,1S6 0,1S6 0,299 0,SS6 0,263 0,i20 (0,i30/0,00S/0,0ii)

    CbCr 104 < Cb < 130 139 < Cr < iSS 0,074 0,074 0,074 0,702 0,9i3 0,6SS 0,0i3 (0,009/0,007)

    CIE ab -3 < A < 72 3 < B < б7 0,i4S 0,i4S 0,i4S 0,67 S 0,9i6 0,662 0,011 (0,00S/0,0ii)

    Дополнительно были исследованы сокращённые модификации ортогональных цветовых пространств YCbCr и CIE Lab. Результаты вычисления мер (4 — 7) и ошибок детекции (i — 3) представлены в вышеприведённой таблице. Величина ошибок и граничных значений, полученных для модифицированного пространства YCbCr, полностью совпадает с оригинальным пространством, что подтверждает отсутствие зависимости между компонентами цветового тона и яркостной компонентой, а также независимость цвета кожи человека от яркостной составляющей для пространства YCbCr. Пространство CIE Lab описанными особенностями не обладает.

    Пространства YCbCr, RGB и HSV обладают сопоставимой кластеризацией цвета кожи человека. Ввиду особенностей строения и полной независимости между компонентами цветового тона a и b, сокращённая модификация CIE Lab обладает наилучшей кластеризацией цвета кожи в цветовом пространстве.

    На рис. 2 представлены гистограммы распределения цвета кожи человека и фона для цветовых компонент пространства YCbCr, полученные на тех же наборах данных. Они позволяют оценить кластеризацию цвета кожи человека для отдельных компонент цветового пространства.

    Одним из основных преимуществ сокращённых модификаций цветовых пространств является лучшая «компактность» представления цвета кожи человека (7). Из несокращённых цветовых пространств наилучшей «компактностью» обладают

    цветовые пространства YCbCr и CIE Lab и их компоненты по отдельности (табл. 1).

    Таким образом, цветовое пространство YCbCr и его сокращённая модификация представляют цвет кожи человека наилучшим образом. Сокращённая модификация дополнительно обладает лучшей «компактностью» представления цвета кожи человека и требует меньшего количества вычислений при детектировании.

    На рис. 3 представлен результат сегментации тестового изображения (рис. 1) на основе цветового пространства CbCr (YCbCr).

    Заключение

    В работе рассмотрен один из наиболее перспективных подходов к детектированию изображений лиц людей, основанный на выделении областей изображения по цвету кожи человека. Данный подход обладает высоким быстродействием, простотой реализации и приемлемым качеством детектирования.

    Введены новые меры оценки качества детекции цвета кожи человека и кластеризующих свойств цветовых пространств, позволяющие проводить обоснованную сравнительную оценку цветовых пространств.

    На основе предложенных методов проведено сравнительное исследование выбранных цветовых пространств на известных тестовых наборах данных [13, 14]. Показано, что сокращённые цветовые пространства CbCr (YCbCr) и AB (CIE LAB) обладают улучшенными кластеризующими цвет кожи характеристиками, и алгоритм детекции цвета кожи чело-

    века на их основе даёт минимальную ошибку детекции (3).

    Дополнительного улучшения выделения лиц можно добиться переходом от поэлементных методов оценки цвета к методам региональной оценки цвета (например, [20, 21]), а также обнаружением и оценкой границ объектов [22].

    10бШ

    Phung, S.L. Skin segmentation using color pixel classification: analysis and comparison / S.L. Phung, A. Bou-zerdoum, D. Chai // IEEE Trans. Pattern Analysis and Machine Intelligence. — 2005. — Vol. 27(1). — P. 148-154.

    0 50 100 150 200 Cr

    Рис. 2. Гистограммы распределения цвета кожи человека (1) и фона (2) для цветовых компонент пространства YCbCr

    Литература

    1. Hsu, R.-L. Face Detection in Color Images / R.-L. Hsu, M. Abdel-Mottaleb, A. Jain // IEEE Trans. Pattern Analysis and Machine Intelligence. — 2002. — Vol. 29(5). -P. 696-706.

    2. Vezhnevets, V. A survey on pixel-based skin color detection techniques / V. Vezhnevets, V. Sazonov, A. Andreeva // Proc. of International Conference on the Computer Graphics and Vision (GraphiCon’2003), September 5-10. Moscow, Russia: «Moscow State University» Publisher, 2003. — P. 85-92.

    10.

    11

    12.

    Рис. 3. Пример сегментации изображения на основе цветового пространства CbCr

    Kakumanu, P. A survey of skin-color modeling and detection methods / P. Kakumanu, S. Makrogiannis, N. Bour-bakis // Pattern Recognition. — 2007. — Vol. 40(3). -P. 1106-1122.

    Tre’meau, A. Color in image and video processing: most recent trends and future research directions / A. Tre’meau, S. Tominaga, K.N. Plataniotis // Journal on Image and Video Processing. — 2008. — Vol. 2008, Jan. — P. 1-26. Martinkauppi, J. Facial Skin Color Modeling // Handbook of face recognition / S.Z. Li (ed.), Anil K. Jain (ed.) — New York: Springer, 2005. — Ch. 6. — P. 113-135. Shi, L. Skin Colour Imaging That Is Insensitive to Lighting Conditions / L. Shi, B. Funt // Proc. of AIC (Association Internationale de la Couleur) Conference on Colour Effects & Affects, June 15-18. — Stockholm, Sweden: Swedish Colour Centre Foundation / Scandinavian Colour Institute AB, 2008. — Paper N 102.

    Martinkauppi, B. Detection of Skin Color under Changing Illumination: A Comparative Study / B. Martinkauppi, M. Soriano, M. Pietikainen // Proc. of the 12th International Conference on Image Analysis and Processing (ICIAP’03), September 17-19. — Mantova, Italy: IEEE Computer Society, 2003. — P. 652-657. Fleck, M. Finding Naked People / M. Fleck, D. Forsyth, C. Bregler // Proc. of Fourth European Conference on Computer Vision (ECCV96), Volume II, April 14-18. — Cambridge, UK: University of Cambridge, 1996. — P. 592-602. Shin, M.C. Does Colorspace Transformation Make Any Difference on Skin Detection? / M.C. Shin, K.I. Chang, L.V. Tsap // Proc. of 6th IEEE Workshop on Applications of Computer Vision (WACV 2002), December 3-4. — Orlando, FL, US: IEEE Computer Society, 2002. — P. 275-279. Rahman, N.A RGB-H-CbCr Skin Colour Model for Human Face Detection / N.A. Rahman, K.C. Wei, J. See // Proc. of The MMU International Symposium on Information & Communications Technologies (M2USIC 2006), November 16-17. — Petaling Jaya, Malaysia: Multimedia University, 2006.

    Abdallah, S.A A new color image database for benchmarking of automatic face detection and human skin segmentation techniques / A.S. Abdallah, M.A. El-nasr, A.L. Abbott // World academy of science, engineering and technology. -2007. — Vol. 36. — P. 38-42.

    3

    4

    5

    6

    7

    8

    9

    13. Girod, B. Face Detection Project [Электронный ресурс]. URL: http://www.stanford.edu/class/ee368/Proiect 03/pro ject 03.html (дата обращения: 10.04.2011).

    14. Sharma, P. A color face image database for benchmarking of automatic face detection algorithms [Электронный ресурс] / P. Sharma. — URL: http://dsp.ucd.ie/~prag/DatabaseFinal.pdf (дата обращения: 10.04.2011).

    15. Recommendation ITU-R BT.601-5, Studio Encoding Parameters of Digital Television for Standard 4:3 and Wide-screen 16:9 Aspect Ratios. — International Telecommunication Union, 1995.

    16. Smith, A.R. Color Gamut Transform Pairs / A.R. Smith. -Proc. of the 5th annual conference on Computer graphics and interactive techniques (SIGGRAPH ’78), August 2325. — Atlanta, USA: Association for Computing Machinery, 1978. — P. 12-19.

    17. CIE Publ. N 15.2. Recommendations on Uniform Color Spaces, Color Difference Equations, Psychometric Color Terms. Central Bureau of the CIE, 1986.

    18. Chai, D. Face segmentation using skin-color map in videophone applications / D. Chai; K.N. Ngan // IEEE Trans. Circuits and Systems for Video Technology. — 1999. -Vol. 9(4). — P. 551-564.

    19. Kovac, J. Human skin color clustering for face detection / J. Kovac, P. Peer, F. Solina // Proc. of International Conference on Computer as a Tool (EUROCON 2003), September 22-24. — Ljubljana, Slovenia: Ljubljana University, 2003. — P. 144-148.

    20. Kruppa, H. Skin Patch Detection in Real-World Images / H. Kruppa, M. Bauer, S. Schiele // In Annual Symposium for Pattern Recognition of the DAGM 2002. — 2002. -Springer LNCS 2449. — P. 109-117.

    21. Jedynak, B. Maximum Entropy Models for Skin Detection / B. Jedynak, H. Zheng, M. Daoudi, D. Barret // Proc. of Third Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP 2002), December 16-18. -Ahmadabad, India: Allied Publishers Private Limited, 2003. — P. 276-281.

    22. Сирота, А.А. Двухэтапный алгоритм обнаружения и оценивания границы объектов на изображениях в условиях аддитивных помех и деформирующих искажений / А.А. Сирота, А.И. Соломатин, Е.В. Воронова // Компьютерная оптика. — 2010. — Vol. 34(1). — С. 109-117.

    References

    1. Hsu, R.-L. Face Detection in Color Images / R.-L. Hsu, M. Abdel-Mottaleb, A. Jain // IEEE Trans. Pattern Analysis and Machine Intelligence. — 2002. — Vol. 29(5). -P. 696-706.

    2. Vezhnevets, V. A survey on pixel-based skin color detection techniques / V. Vezhnevets, V. Sazonov, A. Andreeva // Proc. of International Conference on the Computer Graphics and Vision (GraphiCon’2003), September 5-10. Moscow, Russia: «Moscow State University» Publisher, 2003. — P. 85-92.

    3. Phung, S.L. Skin segmentation using color pixel classification: analysis and comparison / S.L. Phung, A. Bou-zerdoum, D. Chai // IEEE Trans. Pattern Analysis and Machine Intelligence. — 2005. — Vol. 27(1). — P. 148-154.

    4. Kakumanu, P. A survey of skin-color modeling and detection methods / P. Kakumanu, S. Makrogiannis, N. Bour-bakis // Pattern Recognition. — 2007. — Vol. 40(3). -P. 1106-1122.

    5. Tre’meau, A. Color in image and video processing: most recent trends and future research directions / A. Tre’meau,

    S. Tominaga, K.N. Plataniotis // Journal on Image and Video Processing. — 2008. — Vol. 2008, Jan. — P. 1-26.

    6. Martinkauppi, J. Facial Skin Color Modeling // Handbook of face recognition / S.Z. Li (ed.), Anil K. Jain (ed.) — New York: Springer, 2005. — Ch. 6. — P. 113-135.

    7. Shi, L. Skin Colour Imaging That Is Insensitive to Lighting Conditions / L. Shi, B. Funt // Proc. of AIC (Association Internationale de la Couleur) Conference on Colour Effects & Affects, June 15-18. — Stockholm, Sweden: Swedish Colour Centre Foundation / Scandinavian Colour Institute AB, 2008. — Paper N 102.

    8. Martinkauppi, B. Detection of Skin Color under Changing Illumination: A Comparative Study / B. Martinkauppi, M. Soriano, M. Pietikainen // Proc. of the 12th International Conference on Image Analysis and Processing (ICIAP’03), September 17-19. — Mantova, Italy: IEEE Computer Society, 2003. — P. 652-657.

    9. Fleck, M. Finding Naked People / M. Fleck, D. Forsyth, C. Bregler // Proc. of Fourth European Conference on Computer Vision (ECCV96), Volume II, April 14-18. — Cambridge, UK: University of Cambridge, 1996. — P. 592-602.

    10. Shin, M.C. Does Colorspace Transformation Make Any Difference on Skin Detection? / M.C. Shin, K.I. Chang, L.V. Tsap //- Proc. of 6th IEEE Workshop on Applications of Computer Vision (WACV 2002), December 3-4. — Orlando, FL, US: IEEE Computer Society, 2002. — P. 275-279.

    11. Rahman, N.A RGB-H-CbCr Skin Colour Model for Human Face Detection / N.A. Rahman, K.C. Wei, J. See. -Proc. of The MMU International Symposium on Information & Communications Technologies (M2USIC 2006), November 16-17. — Petaling Jaya, Malaysia: Multimedia University, 2006.

    12. Abdallah, S.A A new color image database for benchmarking of automatic face detection and human skin segmentation techniques / A.S. Abdallah, M.A. El-nasr, A.L. Abbott // World academy of science, engineering and technology. -2007. — Vol. 36. — P. 38-42.

    13. Girod, B. Face Detection Project . URL: http ://www. stanf ord.edu/class/ee368/Project 03/project 03.html (viewving date: 10.04.2011).

    14. Sharma, P. A color face image database for benchmarking of automatic face detection algorithms / P. Sharma — URL: http://dsp.ucd.ie/~prag/DatabaseFinal.pdf (viewving date: 10.04.2011).

    15. Recommendation ITU-R BT.601-5, Studio Encoding Parameters of Digital Television for Standard 4:3 and Wide-screen 16:9 Aspect Ratios. — International Telecommunication Union, 1995.

    16. Smith, A.R. Color Gamut Transform Pairs / A.R. Smith. -Proc. of the 5th annual conference on Computer graphics and interactive techniques (SIGGRAPH ’78), August 2325. — Atlanta, USA: Association for Computing Machinery, 1978. — P. 12-19.

    17. CIE Publ. N 15.2. Recommendations on Uniform Color Spaces, Color Difference Equations, Psychometric Color Terms. Central Bureau of the CIE, 1986.

    18. Chai, D. Face segmentation using skin-color map in videophone applications / D. Chai; K.N. Ngan // IEEE Trans. Circuits and Systems for Video Technology. — 1999. -Vol. 9(4). — P. 551-564.

    19. Kovac, J. Human skin color clustering for face detection / J. Kovac, P. Peer, F. Solina // Proc. of International Conference on Computer as a Tool (EUROCON 2003), September 22-24. — Ljubljana, Slovenia: Ljubljana University, 2003. — P. 144-148.

    20. Kruppa, H. Skin Patch Detection in Real-World Images / H. Kruppa, M. Bauer, S. Schiele // In Annual Symposium for Pattern Recognition of the DAGM 2002. — 2002. -Springer LNCS 2449. — P. 109-117.

    21. Jedynak, B. Maximum Entropy Models for Skin Detection / B. Jedynak, H. Zheng, M. Daoudi, D. Barret // Proc. of Third Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP 2002), December 16-18. —

    Ahmadabad, India: Allied Publishers Private Limited, 2003. — P. 276-281.

    22. Sirota, A.A Two-staged algorithm for detecting and rating the object cutouts on the images in case of additive noise and deformed distortions / A.A. Sirota, A.I. Solomatin, E.V. Voronova // Computer optics. — 2010. -Vol. 34(1). — P. 109-117. — (in Russian).

    SKIN DETECTION ON COLOR IMAGES

    M. U. Khomyakov Saint Petersburg Electrotechnical University «LETI»

    Abstract

    Skin detection performance metrics were developed. Popular color spaces comparison was performed with the use of threshold chose as skin color model: RGB, YCbCr, HSV, CIE Lab. 2D color spaces influence on skin detection performance was estimated. Key words: skin color, face detection, color space comparison.

    Сведения об авторе

    Хомяков Марат Юрьевич, 1985 года рождения.Г * аспирантом кафедры Телевидения и Видеотехники СПбГЭТУ. Научные интересы лежат в областях биометрии и обработки изображений, в том числе: обнаружение и распознавание лиц, методы следящего контурного разложения. Является автором 4 научных работ. E-mail: [email protected] .

    Marat Urievich Khomyakov (b. 1985) graduated with honours (2008) from Saint Petersburg Electrotechnical University «LETI» (ETU). At the present time he is postgradate at the Department of Radio Engineering and Telecommunications ETU. His current interests are in the areas of biometrics and image processing, including: face detection and face recognition, edge detection and tracking. He is the author of 4 scientific papers.

    Поступила в редакцию 12 апреля 2011 г.

    Натуральный цвет кожи на снимках

    Если вы занимаетесь портретной фотографией, то для вас наверняка очень существенное значение имеет правильная передача оттенков кожи вашей модели. Как добиться получения на фотографии естественного цвета кожи портретируемого? Это не так сложно, как может показаться на первый взгляд. Всего-навсего нужно придерживаться некоторых простых правил, о которых мы сегодня и расскажем вам в нашей статье.

    Снимайте в формате RAW

    Именно этот формат новичкам в фотографии советуют использовать большинство профессиональных фотографов. Он как нельзя лучше передает все естественные цвета и оттенки. И оттенки кожи человека в том числе.

    Фотографирование в формате RAW – это полная гарантия того, что информация, полученная  на матрице, сохранится с максимально возможным количеством исходных данных, с которыми потом можно будет работать в любом графическом редакторе. И для работы с цветом кожи модели вы, естественно, получите намного больше возможностей. Ну, например, оттенки различных цветов и экспозицию вашей фотографии вы легко сможете настроить, глядя на изображение на большом экране компьютерного монитора, что намного удобнее. Да и любые другие свои и не только ошибки вы без особых проблем сможете исправить, если снимок сделан в формате RAW.

    Работайте с экспозицией

    Как известно, такие понятия в фотографии, как «передержка» и «недодержка» считаются довольно относительными. А это значит, что с некоторой долей уверенности можно сказать, что именно два этих фактора фотограф может использовать в виде одного из способов компенсации экспозиции. Если модель, которую вы фотографируете, имеет достаточно бледную кожу, то слегка недоэкспонируйте кадр. В этом случае кожа человека станет немного темнее, она как бы приобретет некий загар. А такая «загорелая» кожа на фотографии обычно выглядит более гладкой.

    Так же можно воспользоваться методом сдвигания гистограммы вправо. Этот метод весьма полезен. Дело в том, что он позволяет матице вашей фотокамеры собрать как можно больше данных о цвете объекта съемки. Этим методом хорошо пользоваться, когда кожа модели несколько бледновата, не загоревшая. По необходимости, уже после съемки, при постобработке картинки в графическом редакторе вы сможете легко затемнить цвет кожи фотографируемого.

    Свое название этот метод получил из-за того, что при его использовании экспозиция устанавливается таким образом, что большая часть пикселей в том или ином конкретном изображении расположена ближе к правой стороне «рисунка» гистограммы. Но, несмотря на это, пик гистограммы не должен быть явно сдвинут вправо.

    Не забывайте про баланс белого

    Несмотря на все наши уговоры и уговоры профессионалов, вы всё еще продолжаете фотографировать в формате jpg? Тогда это не станет для вас трагедией. Вам в этом случае  будет нужно только лишь следить за балансом белого. То есть совершенствовать свои снимки, а в рассматриваемом сегодня случае – работу с оттенком кожи модели – уже на этапе фотографирования.

    Профессионалы считают, что работа над правильной передачей оттенка кожи модели и вообще над всей тональностью изображения должна начинаться еще до того, как будет нажата спусковая кнопка затвора фотоаппарата.

    Специально для контроля баланса белого специалистами в этой сфере был разработан аксессуар, который получил название «серая карта». Штука это весьма ценная, полезная и в хозяйстве любого фотографа порой просто необходимая. Тем более что она легкая и стоит совсем недорого. Особенно часто она пригождается при съемке на улице и последующей обработке фотографического изображения в графическом редакторе. При работе с «серой картой» на обработку картинки на компьютере тратится намного меньше времени, да и само изображение получается более естественным. А чего, как не этого, и нужно добиться в работе над фотографическим портретом?

    Учитывайте свет

    Фотография в переводе обозначает «светопись». Не было бы света, не было бы и фотографии. Художник рисует красками, фотограф рисует светом. В фотографии от света зависит абсолютно всё. В том числе и в портретной фотографии. Что должен знать и уметь фотограф, в том числе и фотограф-портретист для того, чтобы его работы были качественными с точки зрения техники, интересными для зрителя, с грамотной, правильной и естественной передачей всех нюансов оттенков цветов? Что нужно для того, чтобы кожа модели на вашей фотографии была естественного, природного тона?

    Первое, что вы можете сделать для правильной передачи цвета кожи – это избегать при съемке прямого солнечного света. Про то, что на улице лучше всего фотографировать в тени – написано уже очень и очень много. Повторяться мы сегодня не будем, это совершенно ни к чему.   Мы только лишь немного подправим эту аксиому: фотографировать лучше все-таки не совсем в тени, а при мягком и рассеянном свете. Проще говоря, нет совсем никакой необходимости загонять модель для съемки в глубокую тень. Попробуйте поработать на самой границе света и тени, на границе яркого солнечного света и места, где это свет отсутствует. Такое освещение – один из самых выигрышных вариантов при съемке портрета. Дело тут в том, что вы можете снимать на достаточно коротких выдержках. А свет, в свою очередь, на лице модели создаст красивый свето-теневой рисунок, выгодно подчеркнет его объем и красоту.

    Помочь создать мягкий и рассеянный свет может и естественный отражатель. В роли такого отражателя может поработать любая светлая поверхность. Ну например, стена здания. А если вы снимаете крупный портрет человека сидящего на лавочке – положите ему на колени лист белой бумаги. В кадр этот лист не попадет, а вот яркий солнечный свет этот нехитрый спонтанный аксессуар выровняет, сделает заметно мягче и рассеяннее. Если у вас с собой не окажется белого листа – подойдет даже и газета из ближайшего газетного киоска.

    Используйте технические параметры своей фотокамеры

    Если ваш фотоаппарат работает только лишь формате   jpg, то все изображения, созданные им, автоматически записываются в цветовом пространстве  Adobe RGB. А если фотокамера позволяет вам сделать выбор между форматами  RAW и jpg, то цветовое пространство вам нужно будет выбрать заранее, прежде, чем вы начнете фотографировать.

    В некоторых случаях в фотоаппаратах по умолчанию установлено альтернативное Adobe RGB цветовое пространство. Это пространство получило название SRGB.  К сожалению, его цветовой охват заметно ограниченнее, чем у Adobe RGB. А это может привести к искажению общей палитры цветов изображения, что скажется и на правильности передачи цвета кожи человека в кадре.

    Профессиональные фотографы, специализирующиеся на съемке портретов, для правильной передачи тона кожи модели рекомендуют снимать, подключив опцию, которая называется «Neutral», то есть «Нейтральная». Если же снимать в формате jpg в режиме «Портрет», то есть риск увеличения в изображении лица модели красных оттенков.  Что это значит? Это значит то, что все пятна на коже, все прыщики и веснушки на фотографии выявятся очень отчетливо. Они могут стать даже ярче, чем на самом деле. А вот съемка в режиме «Neutral» как раз и поможет сгладить все эти недостатки, сделает кожу лица портретируемого естественной, а все ее косметические дефекты – незаметными.

    И последний на сегодня совет. Не забывайте про практику. Любое знание теории без практики бессильно. Как говорили старые мастера фотографии, хорошо фотографирует тот, кто фотографирует много.

    Что такое скинтон в фотографии

    На чтение 25 мин Просмотров 311 Опубликовано

    После многих лет съемки портретов на камеры Canon, фотограф Sean Tucker недавно перешел на Sony. Несмотря на то, что многие люди предупреждали его о том, что портреты будут страдать от плохой цветопередачи тона кожи, Tucker решил взять камеру на тест.

    Tucker и его друг Bayek делали одинаковые портретные снимки на камеры Sony a7 III и Canon 5D Mark III, используя один и тот же объектив Canon 50mm F/1.4 и одинаковые настройки ISO 100, 1/250s, F/2.8.

    Сразу же видна разница между снимками, сделанными на разные камеры. Canon делает фотографии с более тёплым тоном и желтым цветовым оттенком, а Sony намного холоднее с пурпурным оттенком.

    Tucker считает, что снимки, сделанные на Canon позволяют упростить ретушь для некоторых фотографов, но снимки, полученные на Sony содержат больше деталей кожи, которые могут быть использованы теми, кто готов посвятить больше времени обработке.

    «Любое из этих изображений является отличной отправной точкой для редактирования», говорит Tucker, «и, возможно, наша одержимость о том, что камера должна изначально делать красивые фотографии не так важна, как мы думаем».

    Tucker предлагает слегка запутанный, но действенный способ коррекции тона кожи на фотографиях. Он высчитал формулу, по которой можно отредактировать цвета при помощи кривой, опираясь на показания информационной панели цвета в разделе CMYK.

    Для получения более усреднённых данных о цвете кожи, нужно сделать копию слоя и размыть её фильтром Gausian Blur. После окончания редактирования этот слой можно будет удалить.

    Аббревиатура CMYK означает Cyan, Magenta, Yellow, Key color (Black). По формуле мы должны взять точку на коже модели и посмотреть процентное соотношение цветов. Цвет Cyan будет базовым. При расчёте Magenta нам нужно взять показатель Cyan и умножить его на 2. Для вычисления идеального значения Yellow нужно взять показатель Magenta и умножить его на 1,25.

    Для редактирования используется корректирующий слой Кривые. В нём придётся работать с отдельными каналами. При выборе красного канала, если мы потянем кривую вверх, мы усилим его, но если опустить кривую, то будет усилен противоположный цвет – Cyan. В зелёном канале при опускании кривой будет усилен Magenta. В синем канале опускание кривой усилит Yellow.

    Итак, установив точку образца цвета на коже, мы получим числовое значение. Опираясь на формулу, мы высчитаем значения, которые нужно получить. Редактируя кривую, мы легко добьёмся нужного результата.

    Этот способ получения более натурального цвета кожи будет работать со снимками, полученными с любых камер. Основная суть в том, чтобы цвета Magenta было в два раза больше, чем Cyan, а Yellow – в 1,25 раза больше, чем Magenta. По мнению Sean Tucker – это идеальный баланс.

    Следите за новостями: Facebook, Вконтакте и Telegram

    Поскольку цветокоррекция в Adobe Photoshop — тема невероятно обширная и многогранная, хочу сразу же пояснить, о чём, собственно, эта статья, и кому она адресована. Так вот, статья эта адресована прежде всего начинающим ретушёрам, которые, как я надеюсь, смогут почерпнуть из неё полезную информацию о простых методах решения вполне конкретных цветокорректорских задач. Проще говоря, эта статья написана для тех, кто хочет быстро освоить нехитрые, но эффективные методы, чтобы сразу опробовать их на практике. Тем же, кого интересует глубокое понимание процесса, я рекомендую обратиться к более академичным по стилю работам. Например, к отличным статьям Андрея Журавлёва, публикуемым в его ЖЖ и на этом сайте.

    Простая коррекция цвета кожи

    Начать, как мне кажется, следует именно с цвета кожи, поскольку именно эта задача, как правило, представляет наибольшую проблему для всех, кто осваивает Photoshop.

    Приступая к делу, прежде всего, хочу посоветовать не забывать о субъективности восприятия цвета, и не зацикливаться на «обработке по числам». Корректируя цвет кожи на конкретной фотографии не следует также забывать и о контексте, условиях съёмки и прочих её особенностях. Так, например, стоит иметь в виду, что яркое окружение (скажем, густая зелёная листва) неизбежно даёт на коже рефлексы, полное удаление которых сделает фотографию неестественной.

    Тем не менее, существуют определенные закономерности, на которые мы и будем ориентироваться.

    Знаменитый Дэн Маргулис, гуру цветокорреции, посвятивший уйму времени исследованиям этой темы, в своё время вывел «правильное» соотношение цветов, на которое по сей день опираются многие ретушёры. Соотношение это (в значениях цветовой модели CMYK) выглядит следующим образом: в случае с нормальной кожей человека европеоидной расы значение Y (yellow) должно быть чуть (совсем чуть-чуть) больше значения M (magenta), а значение C (cyan) должно быть в 3—5 раз меньше значения M (мagenta). Как правило, если кожа на снимке не находится в глубокой тени, значение K равно нулю, поскольку добавлять чёрный для создания нормального тона не нужно — более тёмная (загорелая) кожа получается благодаря увеличению компонентов C, M, Y, сохраняя пропорции. Стоит также отметить, что с возрастом количество жёлтого несколько увеличивается. Поэтому у младенцев значения компонентов жёлтого (Yellow) и пурпурного (Magenta) практически равны, а вот старики заметно желтее.

    Теперь, чтобы применить знание этого соотношения на практике, воспользуемся инструментом Color Sampler Tool. Он позволяет отметить на фотографии точки, для которых мы будем видеть текущее значение цвета в палитре Info.

    Чтобы видеть средний цвет кожи для выбранного участка, а не цвет в одном пикселе (который по многим причинам может существенно отличаться, что наверняка введёт нас в заблуждение), увеличим значение параметра Sample Size с «Pint Sample» до, скажем, «11 by 11 Average». Теперь мы будем видеть усреднённое значение для квадрата 11 на 11 точек.

    Чтобы еще больше снизить риск случайного измерения в неподходящем месте, поставим две или три точки в разных частях лица. Размещать их следует на средне освещённых участках кожи, избегая бликов и теней. Лучше всего подходят нос с переносицей и подбородок. Конечно же, щёки подходят ещё лучше, но нам важно не попасть на румяна. Обратите внимание на то, что уже установленную точку можно свободно перемещать по фотографии.

    Расставив точки, в окне Info меняем для них цветовое пространство на «CMYK Color». Для этого нужно кликнуть на маленький треугольник рядом с каждой пипеткой. Естественно, наше изображение при этом остаётся в том же цветовом пространстве, в котором оно и было, просто теперь для выбранных нами точек цвет будут отображаться соответствующие текущим цвета CMYK.

    Теперь нам остается только скорректировать цвет, приблизив значения CMYK к описанным выше. Для этого создадим корректирующий слой с кривыми (curves).

    Поскольку мы работаем с RGB-изображением, в кривых нам доступны каналы Red, Green и Blue. При поднятии кривой красного канала, мы будем снижать значение C (cyan), а при опускании — повышать, поскольку эти цвета являются противоположными. Противоположным для M (magenta) является зеленый (green), а для Y (yellow) — синий (blue). Не забывайте, что изменения в любом из каналов влияют на два остальных.

    Как только вы приступите к корректировке, в окне Info появится вторая колонка со значениями цветов. Теперь в левой колонке вы сможете видеть значения до изменений, а в правой — после.

    Если вы по какой-то причине не хотите работать с кривыми, вы можете воспользоваться (также через корректирующий слой) инструментом Selective Color. Этот вариант может быть удобен в случаях, когда необходимо лишь слегка подправить оттенок лица, и нежелательно затрагивать остальное изображение. Установив параметр Colors в значение Red или Yellow, вы можете подкорректировать тон, не затрагивая остальные цвета.

    В заключение отмечу, что описанный способ хорошо помогает в тех случаях, когда вы чувствуете, что с цветом кожи на вашем снимке что-то не так, но не можете самостоятельно определить, что же именно. Кроме того, он часто помогает (особенно начинающим ретушёрам) найти своего рода отправную точку для дальнейших манипуляций. Опираться же на него, как на непреложную истину, я никому не советую. В реальной жизни мы придаём цвету кожи немалое значение, например, замечая по его изменению настроение покрасневшего от смущения или, наоборот, побледневшего от испуга собеседника. И восприятие этого цвета всегда субъективно. Помните, что зритель будет оценивать результат вашей работы глазами, а не пипеткой из фотошопа. Так что и вам следует в первую очередь положиться на них.

    Боремся с цветными пятнами

    Нередко при обработке портрета мы сталкиваемся с участками кожи, отличающимися своим оттенком. Это могут быть пигментные пятна, не затонированные как следует халтурщиком-визажистом, или же специфические рефлексы, появившиеся уже при съёмке. Часто эти пятна усиливаются «креативной» обработкой на стадии raw-конвертирования, особенно если она включает существенные подвижки баланса белого и активную работу с тоном.

    Пожалуй, в статье для начинающих следовало бы просто посоветовать создать чистый слой, наложить его в режиме Color, да и раскрасить мешающее пятно кисточкой, взяв образец цвета пипеткой, и подобрав оптимальную прозрачность. Между прочим, многие так и поступают. Но я не хочу, чтобы опытные ретачеры, если им выпадет несчастье читать это текст, сразу же забросали меня гнилыми помидорами. А потому лучше уж я расскажу о чуть более приятном способе, позволяющем не уничтожить одним движением всё разнообразие оттенков и переходов, свойственное естественной структуре живой кожи. Тем не менее, предлагаемый метод весьма прост, и позволяет сэкономить время на ручном создании масок (даже если вы уже умеете создавать их с помощью select color range).

    Для наглядности возьмем фотографию, на которой мы видим лицо весьма привлекательной девушки, однако рядом с уголком её рта красуется совершенно неэстетичное размазанное пятно, о тайне возникновения которого история старательно умалчивает. С ним-то мы и будем бороться.

    Создадим корректирующий слой Hue/Saturation:

    Выбираем интересующий нас цветовой диапазон и вооружаемся пипеткой Subtract from sample:

    Не забывая удерживать Ctrl, кликаем ей на нашем злосчастном пятне. В окошке Properties при этом выделяется интересующий нас диапазон:

    Только к нему и будут применяться все дальнейшие манипуляции. Чтобы увидеть этот диапазон на своей фотографии, сдвигаем ползунок Hue в крайнее левое положение. Скорее всего, вы увидите, как оттенок приобрело не только интересующее нас пятно, но и большие участки прилегающей к нему кожи:

    Чтобы решить эту проблему, уточним диапазон, сдвигая его края до тех пор, пока влияние корректирующего слоя не ограничится только интересующей нас зоной:

    После уточнения диапазона, возвращаем ползунок Hue в исходное (нулевое) положение. Теперь мы можем аккуратно смещать его уже в нужную сторону, компенсируя оттенок пятна, пока он не совпадёт с нормальным цветом кожи. Думаю, можно не объяснять, что для борьбы с красными пятнами следует смещать Hue вправо, а для борьбы с жёлтыми — влево. Можно также воспользоваться ползунком Saturation, чтобы слегка обесцветить пятно, и Lightness, чтобы компенсировать изменение яркости, если таковое имело место:

    «Разгоняем» цвета в LAB

    Думаю, коже мы уделили достаточное внимание, так что пора перейти к более интересным манипуляциям с изображением в целом. Начну с популярнейшего трюка, позволяющего буквально в два клика сделать картинку гораздо «сочнее». В качестве исходника возьмем вот такой уличный снимок:

    Делать его «сочным» мы будем в цветовом пространстве LAB, перевести изображение в которое можно с помощью меню Image => Mode:

    Теперь всё, что нам нужно, это создать корректирующий слой Curves, а затем в каналах a и b сместить крайние точки кривых, как показано на скриншоте:



     

    Чем более вертикальное положение мы придадим нашим кривым (на самом деле, как видите, они остаются очень даже прямыми), тем красочнее станет наша фотография.

    Если вы хотите только добавить красок, избежав эффекта тонирования, следите за тем, чтобы кривая, как и до вашего вмешательства, проходила строго через центр сетки (то есть верхняя и нижняя точки должны смещаться на равное расстояние). С другой стороны, никто не запрещает поэкспериментировать с оттенками, что я и сделал, придав пасмурной фотографии немного солнечного тепла:

    Вот такой просто трюк. Надеюсь, вы с понимаем отнесетесь к тому, что в рамках одной статьи невозможно внятно объяснить, как это работает. Тем, кто хочет разобраться в вопросе, рекомендую ознакомиться с книгой уже упомянутого выше Дэна Маргулиса, которая называется «Photoshop LAB Color. Загадка каньона и другие приключения в самом мощном цветовом пространстве». Издание популярнейшее, так что найти его не составит труда.

    Раскрашиваем фотографию с помощью кривых

    Не менее интересные манипуляции можно произвести и в более привычном цветовом пространстве RGB, также воспользовавшись всего одним инструментом — кривой.

    Как и в прошлом методе, мы создаем корректирующий слой Curves, и приступаем к работе с отдельными каналами. Только на сей раз кривые будут действительно искривляться. В сущности, мы будем просто раскрашивать изображение в нужный нам тон, манипулируя кривыми, отвечающими за красный, синий и зеленый канал. Фокус же состоит в том, что областям фотографии, имеющим различную яркость, мы придадим различные оттенки.

    К примеру, мы можем поднять синюю кривую, но не на всём её протяжении, а только лишь на участке, соответствующем темным тонам. Темные части изображения приобретут соответствующий оттенок, став холоднее. Вместе с тем кривую, отвечающую за красный канал, мы поднимем на светлом участке. Теперь наиболее светлые части — солнечные блики на земле и освещенная прямыми лучами кожа модели — окрасятся в красноватый оттенок, создавая иллюзию, что снимок был сделан на рассвете.

     

    Естественно, ваша творческая фантазия ни в коем случае не должна ограничиваться лишь имитацией естественных условий освещения. Задействовав синий и зелёный каналы, я легко получил вот такой интересный эффект:

     



    Не забывайте, что кривые можно не только поднимать, но и опускать. При этом опуская кривую, отвечающую за тот или иной цветовой канал, мы усиливаем противоположный ему цвет (для красного этого циановый, для зелёного — пурпурный, а для синего — жёлтый).

    Таким образом, мы можем раскрасить наш снимок в противоположные цвета, используя всего одну кривую. Например, придав синей кривой форму, обратную форме латинской S, мы «охладим» тёмные участки и сделаем более «тёплыми» светлые, получив таким образом классическое контрастное раздельное тонирование:

    Обратите внимание на то, как сильно я поднял «тёмную» часть кривой — холодные тени выглядят на фотографии вполне естественно, так что почему бы и нет. А вот «светлую» часть я опустил куда менее существенно, чтобы не пережелтить кожу модели.

    Однако к теме тонирования мы ещё вернемся в другой статье. А здесь я остановлюсь лишь ещё на одном небольшом нюансе: если вы не хотите затрагивать яркость и контрастность исходного изображения и стремитесь работать лишь с цветом, не забудьте изменить режим наложения корректирующего слоя на Color.

    Selective Color

    Если вам лень связываться с кривыми, но вы хотите накрутить сумасшедшие (или не очень) оттенки, для вас есть совсем уж элементарный, но зато очень наглядный способ раскрашивания фотографий.

    Основан он на использовании инструмента Selective Color, так что с создания соответствующего корректирующего слоя мы и начнём:


    Как вы, надеюсь, уже догадались, простейший путь к созданию красивой и контрастной (в колористическом смысле) картинки лежит через придание светлым и тёмным участкам фотографии различных оттенков. Поэтому все манипуляции мы будем производить, выбирая в параметре Color значения Whites и Blacks.

    Я не буду останавливаться на этом методе более подробно — слишком уж он очевиден. Все преобразования настолько наглядны, что вам остаётся лишь подключить своё воображение. Приведу лишь один вариант, сделанный на скорую руку, в качестве примера:

    Как видите, наличие четырёх ползунков cyan magenta yellow и black предоставляет весьма богатый простор для полёта фантазии. Главное — не бояться экспериментировать.

    Яблоки красные, небо голубое, трава зеленая, а какого цвета кожа?

    Кожа дает нам, возможно, один из самых сложных спектров красок в мире фотографии, начиная от самых светлых тонов и заканчивая самыми темными. В этом многообразии мы можем найти самые разные цвета: красный, желтый, оранжевый, розовый, коричневый и даже черный. Очень светлая кожа даже содержит в себе немного цианового цвета.

    Вы можете попробовать воспроизвести правильный тон кожи на глаз, но тогда многое вы будете вынуждены оставить на волю случая. Даже при превосходной цветопередаче, наш глаз может быть легко обманут. Мы воспринимаем кожу на фоне других цветов, которые содержит в себе фон, окружающие предметы и одежда, также на кожу воздействует источник света, придавая ей тот или иной оттенок. Чтобы воспроизвести красивые и точные тона кожи, необходимо изучить метод, который позволяет управлять цветами с большей точностью.

    Более того, кожа у каждого человека имеет свой цвет, это зависит не только от расовой принадлежности, но и от индивидуальных особенностей. Чтобы понять насколько различается цвет кожи от человека к человеку, ознакомьтесь с проектом Angélica Dass под названием Humanæ. Её проект не является техническим руководством, он подчеркивает сложность, с которой фотографы сталкиваются при работе с цветом и оттенками кожи, которые так различаются у всех людей.

    Этот урок, состоящий из двух этапов работы в Adobe Photoshop, будет вам полезен. Сначала мы расскажем, как последовательно и точно сбалансировать цвет кожи на фотографиях. Затем вы узнаете, как создавать и использовать данные фотографий с уже сбалансированной кожей.

    Теория цвета и оттенки кожи

    Обзор некоторых основ теории цвета поможет во время технического процесса обработки цвета кожи.

    Две цветовые системы

    Возможно вы помните, что в фотографии мы используем две цветовые системы. Первая, система RGB, используется нами при работе с камерами и компьютерами. В данной системе все цвета создаются путем слияния в разных пропорциях красного, зеленого и синего цветов. Вторая система, CMYK, используется в печати. Цвета в данной системе образуется различными комбинациями следующих цветов: циан, маджента и желтый. Поскольку при слиянии эти цвета дают тёмно-коричневый, а не черный, в систему был добавлен чистый черный цвет (буква K в CMYK) в качестве четвертого.

    Оценка цвета кожи обычно дается при помощи системы CMYK, даже если мы работаем с цифровым изображением на компьютере. Некоторые полагают, что регулировать тон кожи в CMYK проще, чем в RGB, но причина использования именно CMYK скорее историческая. Информация о цвете, которую мы теперь используем при работе с кожей, изначально была собрана и разработана операторами типографии, которые работали в системе CMYK. Данные оттачивались на протяжении многих лет, но по-прежнему в CMYK. На сегодняшний день имеется невероятное количество информации о цвете кожи, которая представляется именно в этой цветовой системе, поэтому проще просто работать в ней, а не переводить информацию в RGB.

    Важно понимать, что две эти системы не являются полностью независимыми и не имеют сходств между собой. Напротив, они дополняют друг друга. И понимание того, как именно эти системы дополняют друг друга, будет немаловажным по мере того, как мы перейдем к работе с цветом кожи.

    Чтобы понаблюдать, как взаимодействуют две системы, откройте в Photoshop диалоговое окно Colour Balance (Image > Adjustments > Colour Balance) или создайте корректирующий слой Colour Balance (Layer > New Adjustment Layer > Colour Balance). Поиграйте со слайдерами и посмотрите, как две системы работают вместе.

    • Циановому цвету противопоставляется красный. Чтобы получить больше циана, необходимо уменьшить количество красного и наоборот.
    • Противоположным мадженты является зеленый цвет. Чтобы получить больше мадженты, следует сократить зеленый, а чтобы увеличить зеленый, нужно, уменьшить количество мадженты.
    • У желтого цвета противоположным является синий. Для того чтобы получить на фотографии больше желтого, следует уменьшить количество синего и наоборот.

    Цветовые системы в Photoshop

    Также важно знать, что программа Photoshop позволяет нам получать информации сразу из обеих систем без необходимости переключаться между ними. И хотя для измерения баланса кожи мы и будем использовать систему CMYK, но работать с изображением мы, тем не менее, будем в цветовом пространстве RGB. Мы не станем преобразовывать наши цифровые файлы в CMYK.

    Цвет кожи в значениях CMYK

    Вы можете найти множество предложенных формул для точного воспроизведения оттенков кожи. У всех графических редакторов имеются свои фавориты. Такие формулы, как правило, выражаются в виде соответствующих пропорций цианового, мадженты, желтого и черного цветов. Например:

    • Найдите значение цианового (cyan). Значение мадженты (magenta) должно быть вдвое больше значения циана, а значение желтого цвета (yellow) должно быть приблизительно на одну треть больше, чем у мадженты (20c 40m 50y).

    Но как мы уже сказали ранее, оттенки кожи очень разнятся среди людей. Поэтому любая формула для вас должна являться лишь отправной точкой. Ниже я привел грубую схему значений в системе CMYK для различных оттенков кожи.

    Балансировка тона кожи

    Работу с цветом кожи мы разобьем на две части. В первой части мы будем пытаться сбалансировать тон кожи, используя панель информации и корректирующий слой с Кривыми (Curves). В следующей части мы создадим шаблон цвета кожи, с которой мы работали.

    1. Подготовьте изображение

    Выберите правильно проэкспонированный портрет (желательно головной). Идеально подойдет фотография без большого количества деталей на заднем плане. По возможности, прежде чем приступить к работе над цветом кожи, отрегулируйте баланс белого. Техника, которой мы будем пользоваться для балансировки цвета кожи, в целом исправит цветовой баланс всего изображения, но работа над тоном кожи будем гораздо легче, если вам не придется параллельно заниматься исправлением баланса белого, который мог быть искажен из-за освещения.

    Также вы можете произвести ретушь портрета, прежде чем приступить к работе с цветом кожи. В некоторых случаях проще избавляться от изъянов уже после того, как был выправлен цветовой баланс кожи. А порой необходимость в последующей ретуши и вовсе исчезает. Поэкспериментируйте и решите, какой вариант для вас подходит в различных ситуациях.

    2. Выберите образец

    Для начала откройте панель информации Info (Window > Info или F8) и выберите инструмент Eyedropper Tool (Пипетка). В панели настроек инструмента выберите размер для образца (Sample Size) равный 11 на 11 пикселей (“11 by 11 Average”). Если ваше изображение низкого разрешения, то есть смысл выбрать меньший размер образца.

    Выберите участок кожи средней освещенности. Избегайте ярких бликов, так как цветовая насыщенность будет слишком низкой, и этот участок не сможет послужить хорошим образцом. Не лучшим местом для образца являются щеки: у девушек щеки, как правило, накрашены, а у многих мужчин они имеют красноватый оттенок. Хорошими точками для взятия образца у женщин являются подбородок, лоб и шея. Если вы работаете с мужским лицом, то берите образцы со лба и зоны чуть ниже глаз в том месте, где берут начало скулы. Как только вы выбрали нужную область для взятия образца, кликните по этой точке инструментом Eyedropper Tool, удерживая клавишу Shift.

    В панели Info кликните по иконке с пипеткой, расположенной рядом с информацией о выбранном вами образце кожи, и выберите в ниспадающем меню CMYK. Таким образом, вы получите цветовые значения системы CMYK, но в то же время все изображение останется в системе RGB.

    3. Оцените цветовую информацию

    Проанализируйте значения CMYK для вашего образца. К примеру, у моей фотографии, значения для выбранной точки следующие:

    Согласно данным моей таблицы CMYK, средняя кожа кавказца должна содержать на 25% больше желтого, чем мадженты. На моей фотографии значения у мадженты и желтого равны, поэтому мне следует добавить немного желтого.

    Также согласно моей таблице циана должно быть меньше, чем мадженты, в идеале циан должен составлять 25% от мадженты. На моей фотографии циановый составляет примерно одну треть мадженты, потому его следует уменьшить.

    Кавказская кожа, как правило, не содержит черный цвет вообще, поэтому мне нужно будет убедиться в его полном отсутствии по мере обработки изображения. Черный появляется путем соединения цианового, мадженты и желтого, манипуляции с этими цветами помогут изменить уровень черного цвета.

    4. Используйте Кривые

    Чтобы начать работу с цветами создайте новый корректирующий слой с кривыми (Layer > New Adjustment Layer > Curves). В панели корректирующего слоя выберите инструмент для коррекции на изображении (рука с указывающим пальцем).

    Вам предстоит работать с отдельными каналами: Красным, Зеленым и Синим. Поэтому следует помнить:

    • Чтобы добавить желтого, необходимо уменьшить количество синего, и чтобы добавить синего, необходимо уменьшить количество желтого.
    • Чтобы добавить мадженты, необходимо уменьшить количество зеленого, и чтобы добавить зеленого, необходимо уменьшить количество мадженты.
    • Чтобы добавить цианового, необходимо уменьшить количество красного, и чтобы добавить красного, необходимо уменьшить количество цианового.

    Работая с каждым слоем по отдельности, кликайте инструментом по поставленной ранее точке и перемещайте курсор вверх или вниз, тем самым видоизменяя кривую и воздействуя на цвет кожи. Значения в левой колонке в панели информации будут вашей отправной точкой. Значения, полученные после манипуляций, будут отображаться в правой колонке.

    Обработку этой фотографии я начал с работы в синем канале, чтобы добавить немного желтого, а затем я перешел в красный канал и уменьшил количество цианового цвета. Внося корректировки в одном канале, вы воздействуете и на остальные каналы, поэтому следует очень аккуратно изменять значения, внося маленькие изменения.

    5. Отрегулируйте насыщенность

    Изменение цветового баланса скажется на цветовой насыщенности изображения. Поэтому после завершения работы с корректирующим слоем Кривые, отрегулируйте насыщенность фотографии. Для этого добавьте новый корректирующий слой Hue/Saturation (Layer > New Adjustment Layer > Hue/Saturation). Уменьшите насыщенность, если в том есть необходимость.

    Не удивляйтесь, если вам придется вернуться в слой с Кривыми и подправить какие-либо параметры после уменьшения насыщенности. Вполне возможно, вам захочется также исправить соотношение теневых и световых зон, для этого выберите канал RGB в корректирующем слое Curves (Кривые) и поэкспериментируйте с положением кривой.

    Как только вы добьетесь желаемого результата, не забудьте сохранить копию изображения, прежде чем приступать к следующему этапу обработки.

    Справочный список: Измерения цветов кожи

    После завершений работы с цветом кожи, сохраняйте образцы кожи для создания собственного справочного списка.

    Удалите все точки, выставленные на первом этапе. Для этого в ниспадающем меню в панели Info выберите De-select “Colour Samplers.” Объедините изображение, над которым вы работали (Layer > Flatten Image).

    1. Подготовьте образцы

    Выберите инструмент Elliptical Marquee Tool (M) и выделите маленькую область светлой кожи (примерно 250 – 400 пикселей в диаметре). Скопируйте выделение на новый слой (Command/Control-J). Выделите область такого же размера с кожей средней освещенности, переходящей в теневую зону, и также скопируйте на отдельный слой.

    Отключите видимость фонового слоя Background. Теперь у вас есть два новых слоя, каждый из которых содержит образец кожи. Выделите два слоя и объедините в один (Command/Control-E).

    Затем к получившемуся слою примените фильтр Gaussian Blur (Filter > Blur > Gaussian Blur). Подберите значение размытия, при котором исчезнут все признаки зернистости и текстуры кожи.

    2.Создайте градиент

    В панели инструментов выберите Gradient Tool (G), в панели с параметрами инструмента отметьте Foreground to Background (от Основного цвета к Фоновому), Dither (Растушевка) и уберите галочку с Transparency (Прозрачность).

    Кликните по табличке с градиентом в панели с параметрами инструмента, чтобы открыть диалоговое окно. Кликните по левому нижнему ползунку, отвечающему за цвет, и затем чуть ниже в ниспадающем меню опций Color выберите User Colour. Ваш курсор изменится на пипетку. На слое выберите один из образцов цвета кожи. Повторите все эти действия на другом конце градиента, выбрав другой образец цвета кожи. Дайте градиенту название и нажмите Ok.

    Закончив с опциями градиента, прорисуйте сам градиент слева направо по всему слою. Теперь у вас есть слой с градиентным цветом кожи модели с вашей фотографии.

    3.Сохраните файл

    Удалите фоновый слой (сначала дважды кликните по слою, чтобы разблокировать его и затем удалите). Измените размер изображения (Image > Image Size). Размера 1000 на 1500 пикселей будет более, чем достаточно. Для параметра Resample (Ресамплинг) в диалоговом окне Image Size (Размер изображения) выберите Bicubic (Бикубическое) в ниспадающем меню.

    Возможно вы захотите прямо на изображении привести информацию о цвете, для этого воспользуйтесь инструментом Text Tool (T). Я добавил на образец значения каналов CMYK. Сохраните файл в формате (.psd) в специальной папке для справочного списка. Не забудьте правильно назвать образец. Свой, к примеру, я назвал “Мужская – Кавказская – Средняя”.

    Использование справочного списка цветов кожи

    Создав базу, вы сможете обращаться к ней во время портретной ретуши и балансировки тона кожи.

    Откройте файл из списка с образцом кожи, цвет которой максимально приближен цвету кожи на вашей фотографии. Используйте панель Info и инструмент Пипетка, как вы делали в первой части урока, чтобы поставить точки на образце кожи.

    Используйте значения CMYK вашего образца в качестве отправной точки балансировки кожи, как мы делали это с нашим изображением.

    Некоторые компании и мастера, создающие собственные библиотеки данных о цвете кожи, делятся этими материалами в интернете. Подобные файлы с цветом кожи и значениями каналов CMYK могут быть очень полезны. Но не сохраняйте такие файлы в формате .jpg, поскольку картинка, сжатая для публикации, теряет много информации.

    Заключение

    Балансировка цвета кожи представляет собой тяжелую задачу, но совершенно необходимую для создания качественного портрета. Вы можете балансировать цвет кожи при помощи простой настройки баланса белого, а остальные корректировки вносить на глаз, но приведенный в этой статье метод проще и дает более качественные результаты. Создание собственной библиотеки образцов с цветом кожи будет облегчать вам последующую работу с другими фотографиями.

    Почему мы так часто используем цветовое пространство HSV при обработке изображений и изображений?

    Лучший ответ, который я могу представить: RGB имеет отношение к «деталям реализации», касающимся того, как RGB отображает цвет, а HSV — к компонентам «фактического цвета». Другой способ сказать, что RGB — это то, как компьютеры воспринимают цвет, а HSV пытается уловить компоненты того, как мы, люди, воспринимаем цвет.

    Я уточню:

    Цвет — это восприятие, основанное на электромагнитных волнах. Естественными свойствами этих волн являются, например, интенсивность и частота. Если мы изменяем частоту световых волн от инфракрасного до ультрафиолетового, мы визуально воспринимаем изменение цвета вдоль цветов радуги. Цвета радуги можно считать «чистыми цветами», потому что они представлены одночастотными волнами.

    Теперь человеческий глаз может реагировать или «резонировать» только на три основные частоты света, что неудивительно: красный, зеленый и синий. Дело в том, что этот отклик нелинейный, поэтому сетчатка может различать данный чистый цвет (и неявно его «частоту») по объединенному отклику трех цветовых компонентов .

    Цветовое пространство RGB существует как таковое только для имитации внутренней работы нашей сетчатки, так что подавляющее большинство цветов может быть представлено на компьютерных дисплеях с помощью удобного (с компьютерной точки зрения) цвета 24 бит на пиксель кодирование. Цветовое пространство RGB не имеет внутренней связи ни с естественными цветовыми свойствами, ни с человеческой интерпретацией цвета.

    Например, любая арифметическая операция, выполняемая по каналам в пространстве RGB (например, генерация цветовых градиентов), дает очень грубые или даже явно «неправильные» результаты. Вот почему рекомендуется создавать цветовые карты путем преобразования цветовых остановок из RGB в другие цветовые пространства (HLS, Lab и т. Д.), Выполняя интерполяцию, а затем преобразовывая интерполированные значения обратно в RGB.

    Надеюсь это поможет!

    Совместное использование CMYK и RGB — Работа с цветом — Статьи и уроки

    Сканеры и цифровые фотоаппараты работают в режиме RGB; поэтому подавляющее число цифровых изображений, с которыми вам приходится иметь дело, находятся именно в этом режиме. Как уже отмечалось раньше, наиболее хорошо известны значения различных цветовых компонентов, соответствующих оттенкам кожи, которые указываются для режима CMYK.

    Коррекция цвета в режиме CMYK предоставляет вам дополнительный контроль над изменениями параметров пластины цвета, а при работе с оттенками кожи еще и над параметрами пластины голубого цвета, благодаря чему коже человека можно придать просто восхитительный естественный оттенок. Мы настоятельно не рекомендуем вам преобразовывать изображение RGB в режим CMYK, а затем, после выполнения коррекции цветов, проводить обратное преобразование. Лишних преобразований между цветовыми режимами следует избегать, чтобы уменьшить вероятность возникновения тех или иных ошибок. Однако существует метод, позволяющий выполнять коррекцию цветов в режиме CMYK, а в итоге получить изображение RGB, причем без каких-либо потерь в качестве.

    На рисунке ниже представлен исходный портрет, полученный с помощью фотоаппарата Nikon D1x и сохраненный в виде файла RGB.

    А на следующем изображении представлен результат коррекции цветов в режиме CMYK, выполненной без преобразования цветового режима исходного файла.

    В настоящем примере оттенок кожи слишком желтый, на что и указывают значения в палитре Info. Значение желтого на 50% превышает значение пурпурного.

    1. Выберите команду Image > Duplicate, а затем команду Image > Mode > CMYK. Работая с копией исходного файла, мы отобразили кривую для желтого цвета и добавили к ней точку, щелкнув на щеке женщины, удерживая нажатой клавишу «Ctrl». Затем мы перетащили полученную точку вниз, чтобы уменьшить желтый оттенок.

    2. Затем мы вернулись к кривой для композитного канала CMYK, чтобы немного увеличить экспозицию изображения. Поскольку перетаскивание корректирующих слоев между файлами в разных цветовых режимах невозможно, вам необходимо выделить все, после чего выбрать команду Edit > Copy

    3. Перейдите к исходному файлу RGB и выберите команду Edit > Paste, чтобы вставить изображение с откорректированными цветами в файл RGB. В результате вы получите два очень похожих файла — один в режиме RGB (рисунок слева, слева), а второй — откорректированный файл CMYK (рисунок справа).

    4. Чтобы сохранить исходные значения яркости в файле RGB, для вставленного слоя задайте режим наложения Color (последнее изображение).

    В результате вы получите файл в режиме RGB с откорректированными цветами, с которым вполне можно продолжать работу.

    Для всех типов цвета кожи

    Цвет кожи и точный цветовой код кожи являются чрезвычайно важными аспектами, которые следует учитывать в фотографии, кинопроизводстве, цветокоррекции и, в некоторой степени, в графическом дизайне.

    Неправильный цвет кожи может решить вашу творческую задачу. Решением этой проблемы является использование стандартного цветового кода кожи, основанного на типе кожи вашего объекта. Он также известен как цветовая палитра кожи. Вы можете использовать шестнадцатеричный код цвета кожи или код цвета кожи RGB или CMYK.

    Мы настоятельно рекомендуем использовать эти коды цветов кожи только в творческих целях, а не для оценки и дискриминации по цвету кожи.

    Почему важны цветовые коды кожи?

    Некоторые цвета запечатлены в нашем сознании. Чаще всего мы видим цвета неба, травы и цвета кожи. Эти цвета имеют окончательную ссылку в сознании всех людей.

    Особенно важно точно передать эти цвета в своем творчестве, чтобы обеспечить погружение аудитории, если только повествование не требует искажения этих оттенков.

    Искусственные объекты, как правило, имеют меньше связанной с ними цветовой памяти, поэтому у вас больше свободы в настройке оттенка автомобиля или насыщенности одежды персонажа. Но никогда нельзя возиться с чьим-то цветом кожи.

    Цвет тона кожи должен быть точным, и именно здесь вступает в действие цветовой код кожи человека. Прежде чем углубляться в детали цветового кода кожи, давайте разберемся, что такое цветовые коды? и какие типы используются?

    Что такое цветовые коды?

    Обычно используются три различных системы цветового кодирования.RGB, CMYK и шестнадцатеричный. Эти коды в основном представляют цвет с помощью ряда цифр и/или букв.

    Цветовая система RGB является наиболее часто используемой цветовой моделью в компьютерах, телевизорах, светодиодах, смартфонах и т. д. Эта цветовая система использует комбинации этих трех цветов для создания всех остальных цветов спектра.

    Шестнадцатеричный означает, что вы вводите шестизначные числа с буквами от A до F, представляющими шесть различных битов для каждой цифры. Шестнадцатеричные цифры доступны как в строчных, так и в прописных буквах без пробелов между ними.

    CMYK означает голубой, пурпурный, желтый и черный цвета. Это больше применимо к печатным проектам, где у вас больше контроля над тем, как конечный продукт будет выглядеть на бумаге. Цвета CMYK также известны как триадные цвета. Цветовая модель с четырьмя каналами.

    Что такое код цвета кожи?

    Код цвета кожи представляет собой RGB, CMYK или шестнадцатеричный код точного цвета кожи. В основном он представляет собой комбинацию оттенков, которая в точности соответствует цвету кожи человека.

    Цвет тона кожи находится где-то между желтым и красным, а насыщенность варьируется в зависимости от типа кожи.

    Код цвета кожи RGB

    Типичный естественный цвет кожи кодирует значения RGB: (232, 190, 172) .

    Представляет естественный оттенок кожи и используется для общих целей. Для получения информации о более темных или светлых оттенках кожи см. разделы ниже.

    Тон кожи Цветовой код CMYK

    Цветовые коды тона кожи

    CMYK, представляющие тот же цвет, что и выше: (0%, 18%, 26%, 9%) . Первые три значения представляют цвета Cyan, Magenta, Yellow, а последние значения представляют количество черного.

    Шестнадцатеричный код цвета кожи

    Шестнадцатеричный код цвета кожи или шестнадцатеричный код цвета кожи для того же естественного цвета кожи: #E8BEAC .

    Цвет кожи Шестнадцатеричный код #E8BEAC

    В следующей таблице приведены кодовые значения цвета кожи в различных формах. Шестнадцатеричный код цвета кожи очень прост в использовании, и большинство профессиональных инструментов для окрашивания принимают шестнадцатеричные коды.

    Цвет кожи Hex Code # E8BEAC
    RGB Значения (232, 190, 172)
    CMYK Значения (0%, 18%, 26%, 9%)
    Значения HSV/HSB (18°, 26%, 91%)
    Ближайший веб-безопасный #FFCC99
    Цвет кожи Код тона

    ?

    Цвет вашей кожи определяется количеством меланина (кожного пигмента) в самом внешнем слое кожи, тогда как подтон вашей кожи является основным оттенком.Количество меланина (пигмента кожи) в верхнем слое кожи определяет тон кожи.

    4 основных типа оттенков кожи:

    1. Белый Код цвета кожи: #fde7d6
    2. Светлый / светлый
    3. Средний
    4. Глубокий (темный)

    Давайте посмотрим на некоторые цветовые предпочтения, основанные на различных типах цветотипа кожи.

    Обратите внимание, что эти коды цветов кожи даны только для творческих целей, а не для какой-либо дискриминации или оценки на основе цвета кожи.

    Ниже приведены некоторые примеры фотошопа палитры цвета кожи.

    Вы также можете прочитать наш пост о коде персикового цвета, где вы также получите код красивого персикового цвета кожи. Коралловые цвета также прекрасны и имеют оттенки розового, оранжевого и красного. Вы можете прочитать все о них здесь.

    Палитра цветов для светлой кожи

    Светлая кожа немного легче обрабатывается с точки зрения редактирования фотографий и/или цветокоррекции пленки. Ниже приведен пример цветовых кодов светлой кожи.Их можно использовать в качестве цветового кода тона кожи в фотошопе или полной цветовой палитры кожи в фотошопе.

    Или даже любое другое приложение для редактирования фотографий.

    Код цвета светлой кожи

    Цвета светлой кожи требуют гораздо больше корректировок и ретуширования по сравнению с цветом темной кожи. Они также могут обрабатывать гораздо большую насыщенность по сравнению с темными цветами кожи.

    Они также известны как код цвета светлой кожи, или первый цвет в палитре также известен как код цвета белой кожи.

    Цветовая палитра темной кожи

    С темной кожей очень сложно работать при редактировании фотографий и цветокоррекции. Вам следует избегать повторного касания и цветокоррекции для изображений с темной кожей, так как это может быстро испортить изображение.

    Ниже приведен пример темного оттенка кожи.

    Код цвета темной кожи

    Палитра цветов кожи европеоида

    Код цвета кожи

    европеоидов очень типичен и имеет больше оттенков оранжевого, желтого. Вот пример цветовых кодов или цветовой палитры кавказской кожи.

    Код цвета кожи европеоида

    Код цвета кожи индийца (палитра цветов коричневой кожи)

    Индийский код цвета кожи снова очень типичен с оттенками коричневого на месте. Ниже приведен пример цветовых кодов индийской кожи.

    Вы можете получить коричневый, смешав синий и оранжевый.

    Они также известны как код цвета коричневой кожи.

    Индийский код цвета кожи

    Цветовая схема реального тона кожи или цветовая палитра кожи

    Реальная цветовая схема тона кожи состоит из следующих 5 цветов, она также известна как цветовая палитра кожи.

    2 2
    Цвет Информация Russet Название: Russet
    Hex: # 8D5524
    RGB: (141, 85, 36)
    CMYK: 0, 0.397, 0.744, 0.397
    PERU Название: PERU
    RGB: (198, 134, 66)
    CMYK: 0, 0,323, 0 .666, 0.223
    Fawn Название: Fawn
    Hex: # E0AC69
    RGB: (224, 172, 105)
    CMYK: 0, 0.232, 0.531, 0.121
    Mellow Apracot Имя: Mellow ApricoT
    Hex: # F1C27D
    RGB: (241, 194, 125)
    CMYK: 0, 0.195, 0,481, 0,054
    Navajo White Название: Navajo White
    Hex: #ffdbac
    RGB: (255, 219, 172)
    CMYK: 0, 0.141, 0,325, 0
    Цветовая схема оттенка кожи Схема цветового оттенка кожи

    Цветовые оттенки кожи в цветовой градации

    Коррекция и цветокоррекция кожи — один из наиболее важных аспектов цветокоррекции. Красивые тона кожи могут иметь огромное значение для проекта. Корректировка цвета кожи является частью вторичной цветокоррекции.

    Если вы новичок в градации цвета, вы можете прочитать наш пост здесь.

    Обычной задачей вторичной коррекции является придание более естественного оттенкам кожи.Независимо от того, работаете ли вы над документальным фильмом, музыкальным клипом или художественным фильмом, зрители будут уделять самое пристальное внимание действиям (и, следовательно, лицам) людей на экране.

    Оттенки кожи глубоко запечатлелись в памяти людей, и зрители всегда на них ссылаются. Вы хотите, чтобы тона кожи были максимально точными, чтобы минимально отвлекать внимание от повествования.

    Вектороскоп обычно используется с индикатором цвета кожи. Линия цвета кожи лежит где-то между желтым и красным.

    Векторный масштаб – решимость да Винчи Индикатор цвета кожи

    Вы можете попробовать кожу в своей сцене, чтобы увидеть, находится ли она близко к этой линии, а затем использовать кривые оттенок против оттенка и оттенок против насыщенности, чтобы настроить тон кожи, чтобы он выглядел естественно.

    При цветокоррекции светлые тона кожи могут обрабатывать гораздо большую насыщенность, прежде чем они исказятся, в то время как темные тона кожи очень легко искажаются.

    Вот два хороших видео о том, как добиться идеального тона кожи с помощью решения Да Винчи.

    Цвета кожи также можно использовать для настройки баланса белого в видео. Это требуется, когда у вас в кадре нет ни белого, ни нейтрального цвета, и вы не уверены в балансе белого.

    Вот видео о том, как вы можете сделать это в разрешении.

    Цвет кожи для баланса белого

    Белая или светлая кожа человека Цветовые коды

    Белая или светлая кожа человека Цветовые коды PMS, Hex, RGB и CMYK

    Если вы ищете конкретные значения цвета кожи, вы найдете их на этой странице.Эти значения могут помочь вам подобрать конкретный оттенок, который вы ищете, и даже помочь вам найти дополнительные цвета.

    Белая или светлая кожа человека
    PMS: 712 C
    Шестнадцатеричный цвет: #FFCC99;
    RGB: (255,204,153)
    CMYK: (0,20,40,0)

    оттенки и вариации белого или честной человеческой кожи

    # BF9973
    # 403326

    5 # E6B88A

    дополнительные цвета Белая или светлая человеческая кожа

    #B38659
    #FFD9B3
    #4799B3
    #99E7FF
    Белая или светлая человеческая кожа правильный цвет необходим для создания графического изображения.Хотя в большинстве случаев можно легко выбрать желаемый цвет, нередко вы сталкиваетесь с ситуацией, когда вам нужны более сложные и конкретные образцы для вашей задачи.

    Прекрасным примером этого является цвет кожи. Этот красивый цвет является популярным выбором как для многих клиентов, так и для художников, но даже в этом случае его сложно создать в любой графической системе, и вы можете в конечном итоге создать один из многих других типов кожи, если вы не не знаю, что ты делаешь.

    К счастью для вас, вам не придется действовать в одиночку. Вы можете легко создать цвет кожи, используя код цвета кожи, специфичный для типа программы, которую вы используете, и в этой статье рассказывается о конкретном коде, который вам нужен, а также о цветах, из которых состоит этот яркий цвет. Продолжайте читать эту статью, чтобы узнать больше!

    Код цвета белой или светлой кожи человека: HEX код

    Цветовая система HEX популярна во многих центрах графического дизайна, поэтому, если вы работаете в отрасли, есть большая вероятность, что вы завершаете свои проекты на основе этого спектра.К счастью, шестнадцатеричное значение для скина простое; код, который вам нужно ввести, — #FFCC99.

    Значения RGB и процентное соотношение для белой или светлой кожи человека

    Каждая система имеет различное значение или процентное соотношение цветов, которые составляют каждый цвет в спектре графического дизайна, и то же самое можно сказать о коже.

    В системе RGB (красный, зеленый, синий) процент цвета кожи состоит из кожи в системе RGB (255 204 153).

    Значения и проценты CMYK для белой или светлой кожи человека

    В то время как значения RGB ориентированы на 3-цветную комбинацию, значения CMYK ориентированы на 4-цветную комбинацию.Кроме того, значения CMYK для кожи (0,20,40,0) почти параллельны фактическим процентам.

    Эксперты по цвету, на которых можно положиться

    Теперь, когда вы знаете, какие значения составляют код цвета кожи, вы можете быть уверены, что каждый раз будете получать правильный образец. Однако, если вам когда-нибудь понадобится помощь с любой другой цветовой палитрой, вы можете быть уверены, что мы сможем помочь вам получить то, что вам нужно.

    В colorcodes.io мы являемся экспертами в поиске точных кодовых номеров для любого цвета, который вы ищете, и мы действительно имеем в виду любой цвет.Сюда входят спектры основного цвета (образцы синего, красного и желтого) и вторичного цвета (образцы оранжевого, фиолетового и зеленого) для цветовых кодов HEX, RGB, CMYK и PMS.

    Готовы начать? Просто посетите наш сайт, чтобы узнать больше. Мы уверены, что у нас есть каждый цветовой код для всех ваших потребностей!

    ol {стиль-списка: нет; заполнение: 0; дисплей: flex; выравнивание-элементов: растяжение; поля: 0 0 0 -1em}.searchwp-related> ol> li {flex: 1; заполнение: 0 0 0 1em ;display:flex;align-items:stretch}.searchwp-related>ol>li>a{display:block;width:100%;text-decoration:none;background-color:#f7f7f7;border:1px solid #e7e7e7 ;граница-радиус:2px}.searchwp-related>ol>li>a>span{display:block;padding:1em}.searchwp-related>ol>li>a>img{display:block;max-width:100%;height:auto!important} .searchwp-related>ol>li>a:hover{border:1px solid #e7e7e7}]]>

    Что такое RGB для цвета кожи?

    В системе RGB (красный, зеленый, синий) процент цвета кожи состоит из кожи в системе RGB (250 231 218).

    Какого цвета кожа европеоида?

    Рене Урок в 1847 году представил деление на шесть групп на основе простых цветных прилагательных: белый (европеоид), темный (индейец), оранжево-красный (малайский), желтый (монголоидный), красный (карибский и американский), черный (негроидный). ).

    Что такое RGB для бледной кожи?

    Цвета в палитре

    Hex RGB
    # ffe0bd (255224189)
    # ffcd94 (255205148)
    # eac086 (234192134)
    #ffad60 (255,173,96)

    Что такое RGB?

    Значения RGB для телесных тонов Руководящие указания Белый: R = B*1.5 г = В*1,15 | Палитра цветов кожи, Цвет кожи, Палитра кожи.

    Какие цвета определяют цвет кожи?

    Несмотря на то, что все оттенки кожи разные, сочетание красного, желтого, коричневого и белого цветов позволит получить подходящий цвет основы. Для некоторых оттенков кожи потребуется больше красного, для других — больше белого и так далее. Но для большинства предметов хорошо подходит сочетание этих четырех цветов.

    Что такое светлый оттенок кожи?

    Fair – Самый светлый оттенок кожи.Скорее всего, вы легко сгораете и у вас светлые или рыжие волосы. Светлая. Обычно люди со светлой кожей имеют более теплый оттенок (мы вернемся к этому через секунду), чем люди со светлой кожей. Вы, вероятно, в состоянии загорать летом.

    У представителей какой расы самая чувствительная кожа?

    Некоторые типы кожи более легко раздражаются, чем другие. В этом спектре азиатская кожа является самой чувствительной, а более темная кожа — самой жесткой. Экзема чаще возникает у темнокожих и азиатских людей.Тем не менее, это состояние также является генетическим.

    Какой у меня настоящий цвет кожи?

    При естественном освещении проверьте внешний вид вен под кожей. Если ваши вены кажутся синими или фиолетовыми, у вас холодный оттенок кожи. Если ваши вены выглядят зелеными или зеленовато-голубыми, у вас теплый оттенок кожи. Если вы не можете сказать, зеленые у вас вены или синие, скорее всего, у вас нейтральный оттенок кожи.

    Какой номер цвета соответствует цвету кожи?

    Палитра Цветовая палитра оттенков кожи человека содержит 6 цветов HEX, RGB: HEX: #c58c85 RGB: (197, 140, 133), HEX: #ecbcb4 RGB: (236, 188, 180), HEX: #d1a3a4 RGB: (209, 163, 164), HEX: #a1665e RGB: (161, 102, 94), HEX: #503335 RGB: (80, 51, 53), HEX: #592f2a RGB: (89, 47, 42).

    Какой код цвета у темно-коричневого?

    Цвет темно-коричневый с шестнадцатеричным кодом цвета #654321 является средним темным оттенком коричневого. В цветовой модели RGB #654321 состоит из 39,61% красного, 26,27% зеленого и 12,94% синего. В цветовом пространстве HSL #654321 имеет оттенок 30° (градусов), насыщенность 51% и яркость 26%.

    Что такое код цвета белой кожи?

    Светлая или бледно-белая человеческая кожа Цветовой код: HEX-код

    К счастью, шестнадцатеричное значение для кожи простое; код, который вам нужно ввести, — #FAE7DA.

    Как преобразовать RGB в белый?

    Обычно цвета состоят из трех частей: красного, зеленого и синего (или RGB), как вы уже знаете. Обычно каждая из трех частей имеет значение от 0 до 255. Чтобы получить белый цвет, вы должны установить для всех трех частей значение 255. Чтобы получить черный цвет, вы должны установить для всех трех частей значение 0.

    Что такое белый код?

    белые цветные коды CODES CHART

    0 HTML / CSS цветное имя
    шестигранный код #rrggbb 1 десятичный код (R, G, B)
    белый #ffffffff RGB (255,255,255)
    снег #FFFAFA RGB (255250250)
    падевый # F0FFF0 RGB (240255240)
    mintcream # F5FFFA RGB (245255250)

    Какого цвета карандаши делают цвет кожи?

    Красный, желтый, коричневый и белый — вот как сделать правильный тон кожи.Короче говоря, использование комбинации белого, красного, желтого и коричневого приведет к множеству оттенков кожи, которые будут смешиваться, чтобы получить большинство оттенков. Для теней в смеси используется синий цвет. Для более светлых тонов используется больше белого и желтого.

    Как сделать цвет кожи акварелью?

    Создайте палитру с порцией желтой краски, меньшей порцией красной краски и крошечной точкой синей краски. Это будет ваш основной начальный тон для светлых тонов кожи. Если смешиваете средний оттенок кожи, добавьте 1 часть коричневой краски.При смешивании темного тона кожи добавьте 2 части коричневой краски.

    PPT – Окраска кожи человека с использованием модели цветового пространства RGB Презентация PowerPoint | бесплатно для просмотра

    PowerShow.com — ведущий веб-сайт для обмена презентациями/слайд-шоу. Независимо от того, является ли ваше приложение бизнесом, практическими рекомендациями, образованием, медициной, школой, церковью, продажами, маркетингом, онлайн-обучением или просто для развлечения, PowerShow.com — отличный ресурс. И, что самое приятное, большинство его интересных функций бесплатны и просты в использовании.

    Вы можете использовать PowerShow.com, чтобы найти и загрузить примеры онлайн-презентаций PowerPoint практически на любую тему, которую вы можете себе представить, чтобы узнать, как улучшить свои собственные слайды и презентации бесплатно. Или используйте его, чтобы найти и загрузить высококачественные презентации PowerPoint с практическими рекомендациями с иллюстрированными или анимированными слайдами, которые научат вас делать что-то новое, в том числе бесплатно. Или используйте его для загрузки собственных слайдов PowerPoint, чтобы вы могли поделиться ими со своими учителями, классом, учениками, начальниками, сотрудниками, клиентами, потенциальными инвесторами или со всем миром.Или используйте его для создания действительно крутых слайд-шоу из фотографий — с 2D- и 3D-переходами, анимацией и музыкой на ваш выбор — которыми вы можете поделиться со своими друзьями на Facebook или в кругах Google+. Это все также бесплатно!

    За небольшую плату вы можете получить лучшую в отрасли конфиденциальность в Интернете или публично продвигать свои презентации и слайд-шоу с самыми высокими рейтингами. Но помимо этого это бесплатно. Мы даже конвертируем ваши презентации и слайд-шоу в универсальный формат Flash со всей их оригинальной мультимедийной славой, включая анимацию, 2D- и 3D-эффекты перехода, встроенную музыку или другое аудио или даже видео, встроенное в слайды.Все бесплатно. Большинство презентаций и слайд-шоу на PowerShow.com доступны для просмотра бесплатно, многие из них даже можно загрузить бесплатно. (Вы можете выбрать, разрешить ли людям загружать ваши оригинальные презентации PowerPoint и слайд-шоу фотографий за плату, бесплатно или вообще не загружать.) Посетите PowerShow.com сегодня — БЕСПЛАТНО. Здесь действительно что-то для всех!

    презентации бесплатно. Или используйте его, чтобы найти и загрузить высококачественные презентации PowerPoint с практическими рекомендациями с иллюстрированными или анимированными слайдами, которые научат вас делать что-то новое, в том числе бесплатно.Или используйте его для загрузки собственных слайдов PowerPoint, чтобы вы могли поделиться ими со своими учителями, классом, учениками, начальниками, сотрудниками, клиентами, потенциальными инвесторами или со всем миром. Или используйте его для создания действительно крутых слайд-шоу из фотографий — с 2D- и 3D-переходами, анимацией и музыкой на ваш выбор — которыми вы можете поделиться со своими друзьями на Facebook или в кругах Google+. Это все также бесплатно!

    За небольшую плату вы можете получить лучшую в отрасли конфиденциальность в Интернете или публично продвигать свои презентации и слайд-шоу с самыми высокими рейтингами.Но помимо этого это бесплатно. Мы даже конвертируем ваши презентации и слайд-шоу в универсальный формат Flash со всей их оригинальной мультимедийной славой, включая анимацию, 2D- и 3D-эффекты перехода, встроенную музыку или другое аудио или даже видео, встроенное в слайды. Все бесплатно. Большинство презентаций и слайд-шоу на PowerShow.com доступны для просмотра бесплатно, многие из них даже можно загрузить бесплатно. (Вы можете выбрать, разрешить ли людям загружать ваши оригинальные презентации PowerPoint и слайд-шоу фотографий за плату, бесплатно или вообще не загружать.) Проверьте PowerShow.com сегодня — БЕСПЛАТНО. Здесь действительно что-то для всех!

    Тон кожи: Понимание тона и подтона кожи

    Этот пост также доступен на: Italiano

    Введение

    Вы замечали, что иногда вы смотрите в зеркало, и ваше лицо выглядит немного «болезненным»? Цвет вашего лица выглядит немного не так. Наиболее заметны темные круги. По какой причине? Наоборот, в некоторые дни лицо выглядит сияющим, а глаза более живыми.При одинаковом состоянии здоровья есть простые, но веские причины. Цвета одежды, которую вы носите, связаны с цветом вашей кожи и волос. Это ваши цвета на практике. Проведя обширное исследование, я хотел помочь вам найти свой истинный оттенок кожи. Чтобы вы могли понять, какие цвета будут лучше всего смотреться на вас, когда вы одеваетесь. Я углублюсь в это в будущей статье. Вы когда-нибудь замечали, как этот парень с голубыми глазами действительно выглядит так красиво, когда носит эту синюю рубашку.Или девушка с зелеными глазами, одетая в темно-синее платье, вдруг ее глаза засияли еще больше? Вот советы о том, как узнать, какой у вас оттенок кожи, чтобы мы могли помочь вам в будущем с раскрашиванием вашего гардероба.

    Тон кожи человека, независимо от расы, делится на: холодный, нейтральный и теплый. Я искал действительный метод в Интернете, чтобы иметь возможность легко идентифицировать его. Хотя я нашел много интересных статей, я хотел углубиться и изучить метод анализа цвета вашей кожи.Это очень легко и может сделать каждый.

    Знание оттенка кожи важно, потому что оно определяет, какие цвета (одежда) сделают вашу внешность лучше. Таким образом, определение вашей цветовой палитры является хорошим началом для сознательного и аргументированного взгляда.

    Ключевая информация

    К сожалению, в интернете указан номер под цветом кожи это неверная информация. Кожа состоит из нескольких слоев, первый — эпидермис (обеспечивающий пигментацию), второй слой — дерма.Дерма красная, поэтому единственный цвет «подтона» кожи неизменно красный.

    Узнайте больше здесь: https://en.wikipedia.org/wiki/Epidermis

     

     

    Процедура определения оттенка кожи фотограф. Результат лучше, если делать на открытом воздухе. Найдите белую стену (она должна быть белой, иначе это может сбить камеру) и используйте ее в качестве фона. Важно подчеркнуть, что свет рассеянный, а не прямой.В тени в солнечный день или дома очень близко к окну.

    Сфотографируйте себя со штатива (всегда можно попросить помощи у друга). Не используйте вспышку, так как это может ухудшить цвета.

    Тогда воспользуйтесь этим сайтом: https://color.adobe.com/it/create/color-wheel/.

    Этот сайт позволяет извлекать цвета из фотографий, предоставляет значения красного, синего, зеленого и яркости для каждой точки выборки.

    В левом верхнем углу вы можете загрузить сделанное изображение.Как только система загрузится, она попытается найти в изображении 5 тонов. Но их можно изменить, щелкнув и отпустив курсоры.

     

    Это подборка тонов, которые я сделала для своего лица. Я выбрал различные части, включая шею

    . Когда вы убедитесь, что создали градацию от темного к светлому, нажмите «цветовой круг». Затем вы создадите цветовую палитру, которая позволит вам понять цвет вашей кожи.


    У вас есть цветовая палитра.Вы можете сохранить его, чтобы у вас была ссылка. Вы можете повторить этот метод столько раз, сколько захотите, так как летом или зимой все меняется.

    Категории могут быть: Теплые оливковые, нейтральные и холодные тона. Чтобы понять, являетесь ли вы оливковым (и, следовательно, склонны к желто-зеленому), вы должны ощущать более низкое присутствие синего по сравнению с холодным оттенком кожи.

    Анализ тона

    Этот сайт разделяет все цвета, идентифицированные как основные цвета: красный, зеленый и синий. На самом деле под каждым цветом есть аббревиатура RGB, что в переводе с английского означает Red Green Blue.Перемещение ползунков изменит оттенок. В каждой коже ярко выражен красный цвет, так как она находится под кожей (дерма красная). Итак пигментация зеленая и синяя (их сочетание в процентах).

    Глядя на значения для каждого отдельного цвета моей кожи, я могу заметить, что в среднем между синим и зеленым находится около 20 точек (синий отличается от зеленого). шкала этих цветов идет от 0 до 255: R 0 B 0 и G 0 эквивалентны черному (отсутствие цвета).

    Что я наблюдал:

    Существует разница более чем в 20 единиц между значением G (зеленый) и значением B (синий).Это означает, что зеленого цвета гораздо больше, чем синего. Напротив, на коже с холодным оттенком голубизны будет гораздо больше, отдаляясь от зелени.

     

    G (зеленый) равен 194, а B (синий) равен 160

     

    Результат этого анализа подтверждает, что тон моей кожи теплый оливковый.

    Метод вен запястья

    Для подтверждения своего тезиса я использовал другой метод, метод цвета вен запястья.

    В целом, если вены имеют тенденцию к голубовато-зеленому цвету, у вас нейтральный тон.Если вены имеют тенденцию к зеленому цвету, у вас, вероятно, теплый тон, а если вены имеют тенденцию к фиолетовому / синему тону, тон вашей кожи холодный. В моем случае они слегка зеленоваты, подтверждая тезис об оливковом тоне.

     

    Пример холодных тонов

    В данном случае я использовал лицо с кожей более холодных тонов. Вот результат: преобладающий центральный цвет показывает разницу между B (синим) и G (зеленым) и составляет около 12 баллов, что свидетельствует о большем пропорциональном увеличении синего цвета кожи.

     

    Заключение

    Вот краткое изложение того, что было сделано: Я сфотографировал себя и подверг анализу анализу с помощью этого невероятного сайта ://color.adobe.com/it/create/color-wheel /. Потом собрал информацию по разным оттенкам: в коже теплого оттенка разница между синим и зеленым будет большая. В более холодных оттенках значение синего будет намного ближе к зеленому.

     

    Надеюсь, вам понравилась эта статья, если у вас есть вопросы, пишите мне.

    Нравится:

    Нравится Загрузка…

    Сегментация изображения для распознавания кожи

    ПОВАР, В., ДЖААГИРДАР, А., и СИРСИКАР, С. (2012) Обнаружение кожи в цветовом пространстве YCbCr. Международный журнал компьютерных приложений, 5, стр. 1-4.

    ВАРМА, С.Л. и БЕХЕРА, В. (2017) Обнаружение кожи человека с использованием обработки гистограммы и модели гауссовой смеси на основе цветовых пространств. В: Материалы Международной конференции по интеллектуальным устойчивым системам, Палладам, декабрь 2017 г.Пискатауэй, Нью-Джерси: Институт инженеров по электротехнике и электронике, стр. 116–120.

    ЮСУФ, А.А., МОХАМАД, Ф.С., и СУФЬЯНУ, З. (2017) Обнаружение человеческого лица с использованием сегментации цвета кожи и алгоритма водораздела. Американский журнал искусственного интеллекта, 1 (1), стр. 29-35.

    РАГУВАНШИ, Д. С. и АГРАВАЛ, Д. (2012) Обнаружение человеческого лица с использованием сегментации цвета кожи, свойств лица и областей. Международный журнал компьютерных приложений, 38 (9), стр.14-17.

    ХАН, Р., ХЭНБЕРИ, А., СТЕТТИНГЕР, Дж., и БЕЙС, А. (2012) Классификация кожи по цвету. Письма о распознавании образов, 33, стр. 157-163.

    ЭЛЬГАММАЛ, А., МУАНГ, К., и ХУ, Д. (2009) Обнаружение кожи — Краткое руководство. Берлин, Гейдельберг: Springer.

    NGUYEN-TRANG, T. (2018) Новый эффективный подход к обнаружению кожи на цветном изображении с использованием байесовского классификатора и алгоритма связанных компонентов. Математические проблемы в технике, 2018, 5754604.

    LI, E. и XU, Y. (2018) Обнаружение лиц на основе улучшенного цветового пространства YCbCr. Серия конференций IOP: Материаловедение и инженерия, 439, 032075.

    ЧАНДРАППА Д.Н., РАВИШАНКАР М. и РАМЕШБАБУ Д.Р. (2011) Обнаружение лиц на цветных изображениях с использованием алгоритма модели цвета кожи на основе информации о цвете кожи. В: Труды 3-й Международной конференции по компьютерным технологиям электроники, Каньякумари, апрель 2011 г. Пискатауэй, Нью-Джерси: Институт инженеров по электротехнике и электронике, стр.254-258.

    ГОНСАЛЕС, Р.К. (2002) Цифровая обработка изображений. Река Аппер-Сэдл, Нью-Джерси: Прентис-Холл.

    ХО, П.-Г.П. (2011) Сегментация изображения. Риека: InTech.

    СТОРРИНГ, М. (2004) Компьютерное зрение и цвет кожи человека. Кандидат наук. диссертация, Ольборгский университет.

    YI, Y., QU, D. и XU, F. (2009) Метод обнаружения лиц, основанный на сегментации цвета кожи и проверке глаз. В: Труды Международной конференции по искусственному интеллекту и вычислительному интеллекту, Шанхай, ноябрь 2009 г.Пискатауэй, Нью-Джерси: Институт инженеров по электротехнике и электронике, стр. 495-501.

    КОЛКУР С., КАЛБАНДЕ Д., ШИМПИ П., БАПАТ К. и ДЖАТАКИА Дж. (2016) Обнаружение кожи человека с использованием цветовых моделей RGB, HSV и YCbCr. В: АЙЕР, Б., НАЛБАЛВАР, С., и ПАВАД, Р. (ред.) ICCASP/ICMMD-2016. Достижения в области исследований интеллектуальных систем, Vol. 137. Атлантис Пресс, стр. 324-332.

    КОВАК Дж., ПЕР П. и СОЛИНА Ф. (2003) Кластеризация цвета кожи человека для распознавания лиц.В: Труды IEEE региона 8 EUROCON 2003. Компьютер как инструмент, Любляна, сентябрь 2003 г. Пискатауэй, Нью-Джерси: Институт инженеров по электротехнике и электронике, стр. 144-148.

    ЧАНГ, Л. (2017) Исследование метода обнаружения лиц на основе алгоритма Adaboost и сегментации цвета кожи. В: Материалы Международной конференции IEEE по системам и методам обработки изображений, Пекин, октябрь 2017 г. Пискатауэй, Нью-Джерси: Институт инженеров по электротехнике и электронике.

    БОДРЫШЕВ В.В., АБАШЕВ В.М., КОРЖОВ Н.П., ТАРАСЕНКО О.С. (2018) Исследование взаимодействия струи со сверхзвуковым потоком на параметр интенсивности изображения видеокадра. Periódico Tchê Química, специальный выпуск 1, стр. 348-358.

    АБДУЛЛАТИФ, А.А., АБДУЛЛАТИФ, Ф.А., и А.Л. САФАР, А. (2019) Многофокусное слияние изображений на основе стационарного вейвлет-преобразования и PCA в цветовом пространстве YCBCR. Журнал Юго-Западного университета Цзяотун, 54 (5). Доступно на http://jsju.org/index.php/journal/article/view/388.

    Точность доступной системы теледермоскопии на базе смартфона для измерения цвета кожи собак Датчики

    (Базель). 2020 ноябрь; 20(21): 6234.

    Блаж Цугмас

    1 Лаборатория биофотоники Института атомной физики и спектроскопии Латвийского университета, бульвар Райниса 19, LV-1586 Рига, Латвия

    Ева

    9006

    3 6

    6 Vetamplify SIA, Ветеринарные услуги, ул. Кришьяня Валдемара, 57/59–32., LV-1010 Рига, Латвия; [email protected]

    1 Лаборатория биофотоники Института атомной физики и спектроскопии Латвийского университета, бульвар Райниса 19, LV-1586 Рига, Латвия

    2 Vetamplify SIA, Ветеринарные услуги, 57/59–32 ул. Кришьяна Валдемара, LV-1010 Рига, Латвия; [email protected]

    Поступила в редакцию 21 октября 2020 г .; Принято 30 октября 2020 г.

    Лицензиат MDPI, Базель, Швейцария. Эта статья находится в открытом доступе и распространяется на условиях лицензии Creative Commons Attribution (CC BY) (http://creativecommons.org/licenses/by/4.0/).Эта статья была процитирована другими статьями в PMC.

    Abstract

    Благодаря качественным камерам для смартфонов и доступным дерматоскопам теледерматоскопия стала популярным медицинским и ветеринарным инструментом для анализа кожных поражений, таких как меланома и эритема. Однако смартфоны получают изображения в неизвестном цветовом пространстве RGB, что препятствует стандартизированному колориметрическому анализу кожи. В этой работе мы дополнили типичную ветеринарную систему теледермоскопии обычной процедурой калибровки цвета и изучили два смартфона средней ценовой категории при оценке естественного и покрасневшего цвета кожи собак.В лабораторных условиях с помощью ColorChecker система теледермоскопии достигла цветовых различий Δ E на основе CIELAB 1,8–6,6 (CIE76) и 1,1–4,5 (CIE94). Изменчивость внутри и между смартфонами привела к цветовым различиям (CIE76) 0,1 и 2,0–3,9, в зависимости от выбранного цветового диапазона. Предварительные клинические измерения показали, что кожа собаки менее красная и желтая (ниже a* и b* для Δ E из 10,7), чем стандартная кожа человека европеоидной расы. Оценка тяжести кожной эритемы с помощью индекса эритемы приводила к ошибкам между 0.5–3%. После построения модели калибровки цвета для каждого смартфона мы ускорили клинические измерения без потери колориметрической точности, введя простую нормализацию изображения по стандарту белого. В заключение следует отметить, что откалиброванная система теледерматоскопии является достаточно быстрой и точной для различных колориметрических приложений в ветеринарной дерматологии.

    Ключевые слова: калибровка цвета , постоянство цвета, теледерматоскопия смартфона, средство проверки цвета, индекс эритемы, кожа собак, ветеринарная дерматология, цветовое пространство CIELAB, коррекция цвета, мишень калибровки цвета

    1.Введение

    Смартфоны стали популярным инструментом для наблюдения за здоровьем и самочувствием человека [1]. Недавние достижения в области дисплеев, датчиков, аккумуляторов и возможностей подключения позволили автономно определять сердечно-сосудистые параметры (частоту сердечных сокращений или дыхания), режимы сна, уровни активности, когнитивные функции и изменения состояния здоровья кожи и глаз [1]. В ветеринарии смартфоны аналогичным образом применялись для мониторинга активности, электрокардиографии и эндоскопии у различных домашних и сельскохозяйственных животных [2,3,4].Прикрепляя адаптеры, держатели и дополнительные механические, электрические или оптические модули, смартфоны также могут быть пригодны для различных лабораторных приложений [5]. Колориметрический анализ полосок мочи или крови [6] и иммунохроматографический анализ [7] являются одними из самых популярных. Кроме того, смартфоны использовались в качестве анализаторов микропланшетов для иммуноферментного анализа (ELISA), модулей микрофлюидных систем и микроскопов [8].

    Смартфоны также внесли свой вклад в развитие новой области дерматологии – теледермоскопии на базе смартфонов [9,10].Оптические системы, объединяющие мощные камеры смартфонов и мобильные дерматоскопы, позволяют пользователям делать качественные изображения поражений кожи и делиться ими, что может служить профилактическим скринингом на рак [9], особенно там, где профессиональная помощь недоступна лично. По сравнению с дерматологическими услугами при личном контакте теледерматоскопия на основе смартфона обеспечивает такую ​​же чувствительность, но более низкую специфичность для выявления меланомы [11]. Кроме того, теледерматоскопия может быть дополнена алгоритмами обработки изображений для автоматической классификации кожных образований [12].Ризви и другие даже предположили, что многие регулярные консультации специалиста по кожным поражениям можно заменить использованием приложений для смартфонов [13].

    В дерматологии человека диагностика поражений кожи обычно основывается на дерматоскопе, позволяющем детально наблюдать за поражением в соответствии с правилами ABCD или контрольным списком из 7 пунктов [14]. Однако, поскольку меланомы у животных встречаются реже и являются злокачественными, ветеринары обычно используют дерматоскопы для изучения других кожных заболеваний, таких как алопеция (например, алопеция).г., выпадение волос) [15]. Наша исследовательская группа недавно использовала недорогой (300 долларов США) дерматоскоп DermLite DL1 basic (3Gen, Inc., Сан-Хуан-Капистрано, Калифорния, США) для объективной оценки тяжести кожной эритемы у собак с атопией [16]. Отмечалась высокая корреляция ( r = 0,82–0,85) и способность к прогнозированию ( r 2 = 0,72–0,73) между визуальными оценками эритемы дерматолога и индексом эритемы (EI), рассчитанным непосредственно из значений RGB изображения. .

    Однако каждый смартфон получает изображения в цветовом пространстве RGB, зависящем от камеры, благодаря уникальному спектральному отклику сенсора, что не позволяет проводить стандартизированные колориметрические оценки кожи.Одним из вариантов преодоления этого ограничения является преобразование в независимое от устройства цветовое пространство (например, CIELAB [17]) с помощью эталонов калибровки цвета (CCT). Оптические системы и преобразование между цветовыми пространствами, естественно, не могут гарантировать идеальную точность цветопередачи. Поэтому появляется ошибка между измеренным и эталонным цветом, называемая цветовой разницей (Δ E ). Первоначальная, CIE76, основанная на Евклидовом расстоянии формула для оценки Δ E была обновлена ​​дважды (т.e., CIE94, CIEDE2000), но расширенные версии реже упоминаются в литературе.

    Цветовая разница Δ E , основанная на цветовом пространстве CIELAB, может быть преобразована в способность человеческого глаза различать два цвета. Едва заметная разность (JND) обычно имеет Δ E , оцениваемую в 2,3, но порог обнаружения может достигать 5,0 [17]. На основе популярных CCT, таких как ColorChecker, различные оптические системы достигли одинаковой колориметрической точности.Автономное использование популярных камер (например, SX200 IS, Canon, Токио, Япония; D3100, Nikon, Токио, Япония; или ST60, Samsung Electronics Co. Ltd., Сувон, Корея) приводило к цветовым различиям (CIE76) в диапазон 3,7–5,9 [18,19]. Подключенный дерматоскоп (Dermlite Pro) снизил CIE76 Δ E до 2,5–4,0 [20]. Кроме того, камера (IDS UI-2240-C, IDS Imaging Development Systems GmbH, Obersulm, Germany), прикрепленная к микроскопу, показала цветовое расстояние CIE 94, равное 2,2 [21].

    Постоянство цвета у смартфонов (Samsung Galaxy S4 и S7, iPhone 5S) было несколько хуже: Δ Es соответственно колебался в пределах 3,5–8,4 [22], 7,4–10,2 (CIE76) [23] и 3,0–4,4. (CIEDE2000) [24]. Наконец, оптическая система со смартфоном и миниатюрным микроскопом обеспечила цветовую разницу CIE 94 между 2,0 и 2,4 [8].

    Главной целью этой работы является настройка калибровки цвета на типичной ветеринарной системе теледермоскопии на основе смартфона и изучение колориметрической точности двух камер смартфонов средней ценовой категории на собачьей коже.Сначала мы преобразовали полученные данные из аппаратно-зависимого (RGB) в аппаратно-независимое (CIELAB, sRGB) цветовое пространство. Мы продолжили оценку колориметрической точности в лабораторных условиях на стандартном эталоне калибровки цвета (CCT) ColorChecker. Мы также провели предварительные измерения кожи собак с точки зрения индексов цвета CIELAB и эритемы (sRGB). Кроме того, мы оценили изменчивость цвета для каждого (внутри) и между обоими смартфонами (точность между смартфонами). Наконец, мы подтвердили, что простая нормализация изображения по стандарту белого может ускорить клинические измерения без снижения колориметрической точности.

    2. Материалы и методы

    2.1. Оптическая система

    Мы использовали два смартфона средней ценовой категории. Первым (SP1) стал смартфон Nokia 6 (v.2017, HMD Global, Эспоо, Финляндия), оснащенный 16-мегапиксельной камерой (f/2.0). Изображения в формате JPEG (качество 90%, 4608 × 3456 пикселей) были получены в программе Open Camera (v1.47.3, Mark Harman, Cambridge, UK) со следующими настройками: фоторежим (STD), баланс белого (ручной, флуоресцентный), сюжетный режим (неподвижное фото), цветовой эффект (нет), ISO (50) и фокусировка (авто).Вторым смартфоном (SP2) был Samsung Galaxy A51 (Samsung Electronics Co. Ltd., Сувон, Корея) с 48-мегапиксельной камерой (f/2.0). Снимки (качество 90%, 4000 × 3000 пикселей) сделаны в программе Open Camera со следующими настройками: фоторежим (STD), баланс белого (ручной, облачно), цветовой эффект (нет), ISO (100) и фокусировка (авто). К обоим смартфонам мы прикрепили базовый дерматоскоп DermLite DL1, устройство для эпилюминесцентной микроскопии с объективом 15 мм (). Освещение состояло из четырех белых светодиодов с ожидаемыми колебаниями освещенности до 0.9% [23]. Кроме того, поляризатор уменьшал отражения от поверхности кожи. Камеру удерживали на расстоянии 3,1 см от кожи, в результате чего была получена круглая область отбора проб размером 3,0 см 2 .

    В этом исследовании мы применили систему теледерматоскопии на базе смартфона со смартфоном (один из двух смартфонов, SP1, Nokia 6 v.2017) и базовый дерматоскоп DL1 для колориметрических измерений кожи собак.

    2.2. Лабораторные измерения

    Два ColorCheckers (X-rite, Гранд-Рапидс, Мичиган, США) служили эталонными калибровочными эталонами цвета (CCT).Для тестирования моделей цветовой калибровки на всем цветовом диапазоне мы использовали все патчи на Classic ColorChecker (полный диапазон CCT). Для анализа цвета кожи использовались только белые пятна и пятна кожи (E5, D-J 7 и 8) на цифровом SG ColorChecker (CCT диапазона кожи).

    ColorChecker Classic (слева, полнодиапазонная цветовая температура) и Digital SG (справа, телесная цветовая температура). Кожные лоскуты, использованные в нашем исследовании, помещены внутрь красного квадрата.

    отображает блок-схемы различных процедур калибровки цвета, описанных ниже.Во-первых, мы получили шесть повторных изображений каждого CCT ( I полный/кожа 1–6 ), таким образом, получив 12 отдельных наборов изображений. Для каждого набора в отдельности наиболее яркое белое пятно (19 для полнодиапазонной и Е5 для телесного КЦТ) служило для нормализации данных и установки фиксированного времени экспозиции камеры, которое не менялось в пределах набора изображений. Среднее значение центральных 750 пикселей в обоих измерениях служило для расчета значений RGB изображения: R (красный), G (зеленый) и B (синий).

    Блок-схемы различных процедур калибровки цвета. ( a ) Наборы изображений ( I полное/кожное 1–6 ) выбранных цветовых пятен CCT были получены и нормализованы по отношению к участкам 19 (полнодиапазонное CCT) или E5 (кожное CCT). Для каждого набора независимо мы построили модель преобразования между неизвестным RGB и стандартным цветовым пространством CIELAB ( LAB = f ( RGB )). ( b ) Полная нормализация. Значения RGB I 2–6 сначала были преобразованы в цветовое пространство RGB I 1 , а затем в CIELAB на основе известного f 1 .( c ) Одноточечная нормализация. Нормализованные изображения ( I 2–6 ) с самым ярким пятном (№ 19) были напрямую преобразованы в цветовое пространство CIELAB на основе известного f 1 . ( d ) Индекс эритемы (EI) рассчитывали после преобразования колориметрических данных в стандартное цветовое пространство RGB (sRGB).

    Для каждого набора изображений (a) мы затем построили модель линейной регрессии между неизвестным зависящим от устройства RGB и независимым от устройства цветовым пространством CIELAB: ( RGB ).Математическая модель была основана на наиболее эффективном полиноме из нашего предыдущего исследования [23]:

    LAB=a0+a1R+a2G+a3B,     {L*,a*,b*}∈ LAB,

    (1)

    где L* (яркость), a* (зелено-красный) и b* (сине-желтый) — координаты цветового пространства CIELAB, а a 0–3 — коэффициенты регрессии, оценивается с помощью функции fitlm (Matlab, R2016a, MathWorks, Natick, MA, USA). Разность цветов (Δ E , CIE76) рассчитывали по аппроксимирующим остаткам как евклидово расстояние между предполагаемым и истинным цветом [17]:

    ΔE=(ΔL*)2+(Δa*)2+(Δb*)2 .

    (2)

    CIE94’s Δ E оценивали с помощью общедоступного кода Matlab [25].

    На основе CCT полного диапазона мы дополнительно протестировали несколько модифицированных процедур калибровки цвета, которые могли улучшить, ухудшить, упростить или ускорить клинические измерения:

    • (1)

      Более длительное время экспозиции . Если время экспозиции не зафиксировано на самом ярком участке CCT (например, на участке 19), может быть достигнут предел емкости сенсора камеры, что приведет к насыщению.Мы получили дополнительные шесть наборов полнодиапазонных изображений CCT ( S full 1–6 ) с фиксированным временем экспозиции на слегка сером пятне (полный CCT: участок 20, нейтральный 8 (0,23 *), L * = 81,3), и модель преобразования (регрессии) была построена таким же образом, как описано ранее (а). Наконец, полученные цветовые различия были рассчитаны и сопоставлены с калибровкой на наборах изображений I полный/кожа 1–6 .

    • (2)

      Полная нормализация (b) была выполнена по всему диапазону яркости на основе участков оттенков серого (№19–24). Поскольку гарантировать постоянство цвета путем получения всех 24 участков для каждого клинического измерения может быть обременительно и занимать много времени, мы ускорили процедуру калибровки цвета, введя начальное преобразование из последующего ( I полный 2–6 ) к первому набору изображений ( I полный 1 ) Цветовое пространство RGB: RGB 1 = g(RGB 2–6 ) , где g — квадратичный многочлен.Шесть изображений участков в градациях серого служили для определения коэффициентов функции с подгонкой регрессионной модели. Наконец, значений RGB были преобразованы в цветовое пространство CIELAB на основе известного f 1 (a).

    • (3)

      Нормализация по одной точке (c) ускорила процедуру калибровки цвета, поскольку нормализация была реализована только с самыми яркими (№ 19) вместо шести участков в градациях серого. Как и прежде, преобразование в цветовое пространство CIELAB было основано на известной модели f 1 из набора изображений I full 1 .

    2.3. Клинические измерения

    Клинические измерения были одобрены с этической точки зрения Управлением безопасности пищевых продуктов, ветеринарии и защиты растений Республики Словения под номером U3440-187/2020/7.

    В дополнение к наборам изображений I полный 1–6 , мы получили изображения кожи шести собак в паховой области. Для каждого места измерения мы повторили получение изображения в одном и том же месте. Типичные значения RGB кожи рассчитывались как среднее значение пикселей из двух выбранных вручную маленьких квадратов [26].Мы преобразовали значения RGB в цветовое пространство CIELAB на основе известных моделей f 1–6 (a). Мы дополнительно сравнили оценки цвета кожи между повторениями (изменчивость внутри смартфона) и обоими смартфонами (изменчивость между смартфонами) в соответствии с приведенным выше уравнением (2). Наконец, значения кожи LAB были определены с одноточечной нормализацией (с) и сравнены с исходными подборами.

    Мы рассчитали индекс эритемы (EI) для измерений кожи собак и для выбранных цветовых пятен полного диапазона CCT (1–3, 5, 8, 9 и 19–24), которые имеют физиологические значения EI.Сначала данные о цвете RGB, зависящие от устройства, были преобразованы в стандартное цветовое пространство RGB (sRGB, d) на основе эталонных значений участков оттенков серого (№ 19–24). Затем мы рассчитали индекс эритемы EI BRG :

    . Мы выбрали EI BRG , поскольку он больше всего коррелировал с тяжестью эритемы у собак [26]. Мы дополнительно рассчитали EI с помощью двух дополнительных (и более быстрых) процедур калибровки цвета (т. е. полной и одноточечной нормализации, b, c).Наконец, мы изучили соглашения об оценке EI между обоими смартфонами и относительно эталонных значений CCT полного диапазона.

    3. Результаты

    Лабораторные измерения полнодиапазонной CCT показали, что смартфон Nokia (SP1) достиг немного лучшей точности цветопередачи, чем смартфон Samsung (SP2), поскольку их средние цветовые различия CIE76 составляли 6,45 и 6,60 соответственно (, ). Средняя вариабельность цветовых различий для каждого смартфона (т. е. вариабельность внутри смартфона) составляла CIE76 Δ E из 0.12 (CIE94 Δ E = 0,08). Когда мы изучили различия в оценках цвета между обоими смартфонами (т. е. изменчивость между смартфонами), CIE76 Δ E увеличилось до 3,91 (CIE94 Δ E = 2,60). Когда в калибровке цвета участвовали только пятна цвета кожи, цветовые различия были значительно меньше (, ).

    Средние цветовые различия CIE76 (Δ E ) со стандартными отклонениями в качестве планок погрешностей для полнодиапазонной или кожно-диапазонной CCT, полученные из шести наборов изображений, полученных первым (SP1, Nokia) или вторым (SP2) , Samsung) смартфон соответственно.SP1–SP2 отмечает разницу в цвете между оценками обоих смартфонов.

    Таблица 1

    Цветовая разница (Δ E ) означает и целые диапазоны для отдельных патчей (в скобках) на КЦТ полного и скин-диапазона для первого (SP1) и второго (SP2) смартфона и между оба смартфона (SP1-SP2, т.е. межсмартфонная изменчивость).

    50065 CCT (CIE76)
      5 1,76 (0,47-3,65)
        5 2.01 (0.34-7.18)
    Range CCT (CIE94)
    Калибровка цвета SP1 SP2 SP1–SP2
    Полнодиапазонная цветовая температура (CIE62) 9,095 9,09545 (2.52-13.19) 6.60 (1.66-12.80) 3.91 (0,36-9.30)
    CCT (CIE94) 3.96 (1.51-9.25) 4,46 (1.02-9.75) 2.60 (0.36-7.28)
    3.19 (0,93-9.04)
    1,74 (0,40–3,64) 1,16 (0,25–3,10) 1,05 (0,13–3,08)

    изменено влияние всех трех процедур калибровки цвета (i.е., более длительное время экспонирования, либо полная, либо одноточечная нормализация) на колориметрическую точность была ограничена (). В среднем CIE76 Δ E упал на 0,48, когда SP1 работал ближе к пределу возможностей своего датчика. С другой стороны, цветовая разница CIE76 P2 увеличилась на 0,07. Процедура нормализации участков в градациях серого (т. е. полная нормализация) или одиночного белого участка (нормализация по одной точке) существенно не улучшала и не ухудшала колориметрическую точность; изменение цветовой разницы CIE76 (Δ E ) было между -0.16 и 0,11.

    Изменения цветового контраста CIE76 (Δ E ) из-за измененных процедур калибровки цвета: увеличенное время экспозиции, достигающее предела возможностей сенсора (Exp. Time), полная (Full Norm.) и одноточечная нормализация (Single -П Норм.). Отрицательное изменение отмечает улучшение колориметрической точности. Блочные диаграммы: центральная отметка представляет собой медиану; нижний и верхний края прямоугольника обозначают 25-й и 75-й процентили соответственно. Усы простираются до самой крайней точки данных.

    Мы провели предварительные клинические измерения на коже шести собак, чтобы определить и сравнить значения LAB со значениями для кожи человека на основе спецификаций CCT полного и кожного диапазонов (a). И человеческая, и собачья кожа демонстрировали одинаковый диапазон светлоты, но последняя оказалась менее красной и желтой (т. е. более низкие значения a* и b* ). Кроме того, оценка цвета кожи между обоими смартфонами привела к средней цветовой разнице CIE76, равной 2.97 (т. е. межсмартфонная изменчивость, б). Среднее значение Δ E между исходной и повторной оценкой цвета одного смартфона SP1 (т. е. внутрисмартфонная изменчивость) составило 2,18. Наконец, когда мы изучили простейшую цветовую калибровку одноточечной нормализации на самом ярком цветовом пятне (с), дополнительное изменение цветового различия составило около 0,47.

    Клиническое измерение цвета кожи собак. ( a ) Цвет кожи собаки и человека (CCT полного диапазона: полужирный шрифт x-es, CCT диапазона кожи: boxplots) в цветовом пространстве CIELAB.( b ) Цветовые различия (Δ E ) в цвете кожи между оценками обоих смартфонов (SP1–SP2), между исходным и повторным измерением (Repeated) и при применении одноточечной нормализации (Single-P Норма.). Блочные диаграммы: центральная отметка представляет собой медиану; нижний и верхний края прямоугольника обозначают 25-й и 75-й процентили соответственно. Усы простираются до самой крайней точки данных. Выброс отмечен как плюс (+). († получено из спецификаций CCT).

    Кроме того, мы обнаружили значительные абсолютные различия между полученными и эталонными значениями RGB , изучая участки оттенков серого на полнодиапазонном CCT ().

    Абсолютные разности (Δ RGB ) между полученными и нормализованными эталонными значениями RGB ( sRGB ) сравнения ( a ) обоих смартфонов (SP1, SP2), ( b ) короче (полный диапазон CCT) патч 19) и более длительное (патч 20) время экспозиции, а также ( c ) отдельные каналы RGB SP1.Единицы а.е. извлекаются из нормализации по стандарту белого (т. е. патчи 19 или 20).

    Первый смартфон (SP1) обычно производил меньшие различия RGB на ярком участке (т. е. нормализованные эталонные значения RGB составляли около 0,8), но система на основе SP2 лучше работала с более темными изображениями (а). Тем не менее, ответы датчиков обоих смартфонов были полностью подавлены при получении черного пятна с нормализованным эталонным значением RGB ( sRGB ) около 0.2 а.е. Кроме того, увеличение времени экспозиции за счет нормализации изображения на сером пятне 20 (вместо белого пятна 19) значительно повлияло на отклик датчика с увеличением значений RGB до 0,05 в эталонном диапазоне RGB между 0,50 и 0,66 а.е. (б). Хотя различия со стандартными градациями серого CCT были меньше, абсолютные различия оставались значительными, то есть до 0,20. Наконец, мы обнаружили, что даже отдельные сенсорные элементы RGB имеют разные спектральные отклики с разницей до 0 для конкретных каналов RGB .04 а.е. (с).

    Наконец, мы изучили различия в оценках эритемы ( EI BRG ) с различными процедурами цветовой калибровки (). Преобразование в стандартное цветовое пространство RGB (sRGB) значительно улучшило соответствие EI BRG , поскольку абсолютная разница в оценках эритемы снизилась примерно до 0,04 по сравнению с расчетами в зависящем от устройства цветовом пространстве RGB (0,29–0,60). Мы также обнаружили, что полная нормализация на шести участках CCT не превосходит более короткую и простую нормализацию с одним белым участком.Повторные измерения CCT привели к различиям EI BRG (т. е. внутрисмартфонной изменчивости) в 0,005 и 0,003 для SP1 и SP2 соответственно. Клинические измерения кожи показали повышенную вариабельность внутри смартфона 0,008 ± 0,007 и 0,011 ± 0,011 для SP1 и SP2 соответственно. Единичные различия в EI BRG выбранных пластырей CCT и собачьей кожи между обоими смартфонами показаны на рис.

    Графики Бланда-Альтмана на совпадение индекса эритемы между обоими смартфонами. EI BRG основан на ( a ) полнофункциональных пластырях CCT (№: 1–3, 5, 8, 9 и 19–24) или ( b ) собачьей коже. Средняя разница и 95% пределы согласия (±1,96 стандартного отклонения) отмечены сплошными и пунктирными линиями соответственно.

    Таблица 2

    Абсолютные различия в EI BRG между справочными данными CCT и оценками обоих смартфонов (SP1, SP2) с различными процедурами калибровки цвета EI. 1: EI был рассчитан непосредственно из цветовых пространств RGB SP1 и SP2, зависящих от устройства, 2: колориметрические данные были преобразованы в стандартное цветовое пространство RGB (sRGB) путем полной нормализации шести участков оттенков серого, 3 и 4: Колориметрические данные были преобразованы в стандартное цветовое пространство RGB (sRGB) путем одноточечной нормализации на самом ярком белом пятне CCT (№ 1).19).

    3
    CALIBRARA CCT-SP1 CCT-SP2 SP1-SP2
    1. Без (RGB) L 0,40 ± 0.93 0,60 ± 1,16 0.29 ± 0,40
    2. Полная норма. (sRGB) L 0,04 ± 0,06 0,04 ± 0,09 0,03 ± 0,04
    (sRGB) L 0,04 ± 0,06 0.04 ± 0,10 0,03 ± 0,04
    4. Однополюсный Норма. (sRGB) C / / 0,02 ± 0,01

    Мы изучили его колориметрическую точность как в лаборатории (цветовое пространство CIELAB с мишенью калибровки цвета ColorChecker), так и в клинических условиях (индекс эритемы кожи собаки на основе RGB).Мы обнаружили, что откалиброванная система теледермоскопии достаточно точна, так как цветовые различия на основе CIELAB (Δ

    E ) составляли до 6,6. Кроме того, оценка тяжести кожной эритемы с помощью индекса эритемы приводила к ошибкам менее 3%. Наконец, мы показали, что можем добиться сравнительно точных колориметрических измерений с помощью простой нормализации изображения на белой поверхности без необходимости трудоемкой полноцветной калибровки.

    В лабораторных условиях с полнодиапазонным CCT предложенная теледерматоскопическая установка со смартфоном и дерматоскопом показала приличную постоянство цвета со средней цветовой разницей CIE76 между 6 из 7 ().На основе полинома первой степени только с четырьмя оцененными параметрами робастная модель преобразования привела к цветовым различиям в диапазоне существующих исследований (Δ E между 2,5 и 10,2 [8,18,19,20,21,22, 23]). Однако в некоторых исследованиях (например, Zhang et al. [8]) использовался квадратичный полином с включением десяти параметров. Когда тот же полином был применен к нашим измерениям, CIE76 Δ E уменьшился до 3,8 и 0,9 для полного и кожного CCT соответственно.Тем не менее, мы не рекомендуем использовать комплексный полином при небольшом количестве измерений (в нашем случае: 14–24), так как это легко может привести к переобучению. Кроме того, мы в основном указывали цветовую разницу CIE76, которая, по-видимому, имела повышенное значение в используемом цветовом диапазоне по сравнению со стандартами CIE94 и CIEDE2000. Например, Δ E уменьшилось до 3,9 (CIE94) или 3,8 (CIEDE2000), когда были применены обновленные уравнения для цветового различия. Кроме того, добавление комплексного полинома к модели преобразования привело к цветовой разнице (CIE94) равной 2.3, что соответствует нижнему пределу сообщаемого диапазона Δ E [8].

    Wang и Zhang [18] показали, что использование CCT с более узким цветовым диапазоном уменьшило цветовую разницу вдвое (например, с 10,4 до 5,4). Мы наблюдали подобное явление, так как модели преобразования на ССТ кожного диапазона имели значительно более низкое Δ E (, Δ E из 2–3). Мы также обнаружили сравнительно небольшие цветовые различия между оценками цветов обоих смартфонов. Поскольку найденный Δ E попал в диапазон способности человеческого глаза обнаружить разницу в цвете (т.э., просто заметная разница, JND), наши результаты указывают на пригодность смартфонов для дерматологического использования.

    Выбор более длительного времени экспозиции () на основе серого пятна (№ 20) увеличил значения RGB изображения. С одной стороны, это улучшило контрастность темных изображений, которые в противном случае имели бы аналогичные пониженные значения RGB . Например, более длительное время экспозиции уменьшило процент цветовых пятен низкой интенсивности (нормализованный RGB <0,01) с 8.от 9% до 8,3% и от 15,0% до 13,1% для SP1 и SP2 соответственно. С другой стороны, длительные выдержки могут привести к тому, что датчик камеры будет близок к уровню заряда насыщения. Пиксели изображения самого яркого участка (№ 19) имели почти максимальные значения RGB , т. е. 0,92 и 0,96 для SP1 и SP2 соответственно. Кроме того, как показано в нашем предыдущем исследовании [23], более яркие изображения с более высоким контрастом иногда могут способствовать лучшей стабильности цвета (например, с первым смартфоном SP1).Однако эффект более длительного времени экспозиции также может иметь незначительное или даже неблагоприятное влияние, вероятно, из-за насыщенности изображения. В то же время полнодиапазонная или одноточечная нормализация (b, c) были более простыми процедурами калибровки цвета. Оба подхода ускорили клинические измерения, не влияя на постоянство цвета обоих смартфонов (). Таким образом, нормализация по одной точке является наиболее клинически подходящей, поскольку она является самой быстрой и такой же точной, как и полная нормализация.

    Мы показали сходство между светлотой кожи человека и собаки в a. Однако кажется, что собачья кожа менее красная и желтая. Его средние значения a* и b* по шкале CIELAB составили 10,0 и 6,9 по сравнению с 15,8 и 15,9 (цветовая температура полного диапазона), 20,2 и 25,3 (цветовая температура кожи) кожи человека, что привело к различиям в цвете (CIE76 Δ ). E ) из 10,7 (собака по сравнению с кожей человека с полным диапазоном CCT) и 10,3 (человеческий полный диапазон CCT по сравнению с кожей человека). Можно было бы возразить, что разница в цвете между нашими оценками и спецификациями кожи полного диапазона CCT появилась из-за средней ошибки смартфона (Δ E = 6.5, ). Однако наши модели ( f полные 1–6 ) завысил оба участка кожи (№ 1, 2) полнодиапазонной КЦТ для Δ E на 6,0 (средние расчетные и референтные значения a* и b* составили 18,8 и 21,1, и 15,8 и 15,9 соответственно). Таким образом, неверные оценки из-за ошибок смартфона и модели будут компенсированы в наихудшем сценарии, сохраняя разницу в цвете между собачьей и человеческой кожей на уровне около 10. поскольку полуглянцевая отделка телесного диапазона CCT вызывает завышение оценок a* и b* для Δ E примерно на 7 [27].Следует отметить, что эти выводы основаны на стандартных цветах кожи человека ColorChecker. Если бы был оценен нормальный цветовой диапазон собачьей кожи, измерения кожи человека in vivo способствовали бы более реальному сравнению цветов. Однако эти данные не улучшат исследование точности предлагаемой оптической системы, поскольку фактические цвета (то есть золотой стандарт) останутся неизвестными.

    Сравнение оценок цвета кожи между смартфонами (b) дало Δ E 3,0, аналогично результатам полнодиапазонной CCT ().Однако мы можем приписать значительную часть этого цветового несоответствия вариабельности клинических измерений (Δ E = 2,2). Поскольку образцы репрезентативной кожи собак производились вручную, было сложно гарантировать полностью воспроизводимый выбор участка кожи. Кроме того, одноточечной нормализации снова оказалось достаточно для калибровки цвета после создания базовой модели преобразования цвета для каждого смартфона.

    Эта работа и многие другие исследования основывались на колориметрических параметрах, полученных после преобразования между цветовыми пространствами RGB и CIELAB, что гарантировало определенный уровень колориметрической стандартизации.Однако, когда менее опытный читатель сталкивается с параметрами, характеризуемыми непосредственно в зависящем от устройства цветовом пространстве RGB, он может предположить, что эти результаты также стандартизированы и сопоставимы между смартфонами. Как мы показали в и , выполнение только нормализации изображения с одной опорной точкой привело к значительному расхождению (до 60%) между обоими смартфонами и эталоном. Мы можем объяснить эти неверные оценки в EI двумя основными причинами. Во-первых, камеры смартфонов (и их отдельные каналы RGB) имеют индивидуальные спектральные характеристики с разной чувствительностью для определения определенного уровня освещенности (а, в).Например, изображения первого смартфона имели значительно более низкие абсолютные значения RGB по сравнению со вторым смартфоном. Во-вторых, отклик камеры смартфона нелинейный; поэтому установка определенного времени экспозиции повлияла на полученные данные в диапазоне светлоты кожи (б). Следовательно, нам нужно было построить преобразование в аппаратно-независимое стандартное цветовое пространство RGB (sRGB) перед любым вычислением параметров на основе RGB (d).

    В нашем предыдущем исследовании [16] мы оценили диапазон EI RGB собачьей кожи между 1.0 (здоровая кожа) и 2,0 (сильно покрасневшая кожа). После преобразования в sRGB наша теледерматоскопическая установка достигла внутрисмартфонной вариабельности ЭИ до 0,01, что соответствует погрешности 0,5–1,0%. Кроме того, расхождения в индексе эритемы между обоими смартфонами в среднем составляли около 0,03, что соответствует погрешности в пределах 1,5–3%. Эти результаты превосходят некоторые другие оптические системы на базе смартфонов, которые оценивают хромофоры кожи, такие как гемоглобин [28], которые сообщают о расхождениях между смартфонами, превышающими 25%.

    Наконец, отметим, что в это исследование были включены только шесть собак. Однако представляется, что 17 клинических (б) в дополнение к многочисленным лабораторным измерениям достаточно для подтверждения колориметрической надежности предлагаемой оптической системы. Кроме того, результаты показали, что (повторный) выбор места измерения и выборка изображения являются важными факторами несоответствия цвета (b). Таким образом, процедуры измерения и отбора проб должны быть лучше определены до любого всестороннего клинического исследования.

    5. Выводы

    Хотя камеры смартфонов получают изображения в неизвестном цветовом пространстве RGB, простое преобразование цветового пространства обеспечило точные колориметрические измерения с цветовыми различиями Δ E (CIE76) 1,8–6,6 (CIE94 Δ E = 1,1 –4.5). Поскольку результаты находятся в пределах диапазона JND (т. е. способности человеческого глаза обнаруживать разницу в цвете), предлагаемая оптическая теледерматоскопическая установка со смартфоном и дерматоскопом может заменить визуальную оценку цвета кожи.Мы предполагаем, что мы могли бы добиться еще большей постоянства цвета с помощью цветовых пятен, адаптированных к коже собак. Однако в первую очередь следует определить естественный цвет собачьей кожи. Помимо индекса эритемы, мы могли бы изучить дополнительные колориметрические параметры для оценки эритемы (например, a* цветового пространства CIELAB). Таким образом, предлагаемая доступная система теледерматоскопии может быть использована в колориметрических исследованиях в ветеринарной дерматологии.

    Благодарности

    Выражаем благодарность Инге Сакните (Медицинский центр Университета Вандербильта, Нэшвилл, Теннесси, США), Тьерри Оливри (Университет штата Северная Каролина, Роли, Северная Каролина, США), Янису Спигулису и Улдису Рубинсу (Университет Латвия, Рига, Латвия) за помощь в подготовке статьи.Мы также благодарим Катю Лужар и Уршку Ковче из ветеринарной клиники Zamba (Целе, Словения) за помощь в измерении цвета кожи собак.

    Вклад авторов

    Концептуализация и обработка данных, Британская Колумбия; методика, Б.К. и Э.Ш.; измерения, Э.Ш.; написание — подготовка первоначального проекта, до н.э. и Э.Ш.; написание — обзор и редактирование, B.C. Все авторы прочитали и согласились с опубликованной версией рукописи.

    Финансирование

    Это исследование финансировалось Фондом Марии Склодовской-Кюри Европейского Союза (IF, DogSPEC, 745396) и Латвийским государственным агентством развития образования в соответствии с соглашением о гранте 1.1.1.2/VIAA/3/19/455 (ГоБВМ).

    Конфликт интересов

    Авторы заявляют об отсутствии конфликта интересов.

    Сноски

    Примечание издателя: MDPI остается нейтральным в отношении юрисдикционных претензий в опубликованных картах и ​​институциональной принадлежности.

    Ссылки

    2. Huynh M. Устройство на базе смартфона в медицине экзотических животных. Вет. клин. Экзот Аним. 2019;22:349–366. doi: 10.1016/j.cvex.2019.05.001. [PubMed] [CrossRef] [Google Scholar]3. Дебош О., Махмуди С., Андриамандросо А.Л.Х., Маннебак П., Бинделл Дж., Лебо Ф. Интеграция облачных сервисов для изучения поведения сельскохозяйственных животных на основе смартфонов в качестве датчиков активности. Дж. Окружающий интеллект. Гум. Комп. 2019;10:4651–4662. doi: 10.1007/s12652-018-0845-9. [Перекрестная ссылка] [Академия Google]4. Фрайтаг Ф.А.В., Мюльбауэр Э., Мартини Р., Фроэс Т.Р., Дуке Дж.К.М. Отоскоп со смартфона: альтернативный метод интубации кроликов. Вет. Анаст. аналг. 2020; 47: 281–284. doi: 10.1016/j.vaa.2019.11.002. [PubMed] [CrossRef] [Google Scholar]5.Кесада-Гонсалес Д., Меркочи А. Биосенсор на основе мобильного телефона: новая технология «диагностики и связи». Биосенс. Биоэлектрон. 2017; 92: 549–562. doi: 10.1016/j.bios.2016.10.062. [PubMed] [CrossRef] [Google Scholar]6. Ким С.Д., Ку Ю., Юн Ю. Метод автоматического измерения на основе смартфона для колориметрического определения рН с использованием алгоритма цветовой адаптации. Датчики. 2017;17:1604. doi: 10.3390/s17071604. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]7. Хоу Ю., Ван К., Сяо К., Цинь В., Лу В., Тао В., Цуй Д. Двухмодальная система визуализации на базе смартфона для количественного определения цвета или флуоресцентных иммунохроматографических полосок с латеральным потоком. Наномасштаб Res. лат. 2017;12:291. doi: 10.1186/s11671-017-2078-9. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]8. Zhang Y., Wu Y., Zhang Y., Ozcan A. Калибровка цвета и слияние изображений без объектива и микроскопии с мобильного телефона для точного воспроизведения цвета с высоким разрешением. науч. Респ.-Великобритания. 2016;6:27811. doi: 10.1038/srep27811.[Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]9. Брюс А.Ф., Маллоу Дж.А., Тике Л.А. Использование теледерматоскопии для точной идентификации раковых поражений кожи у взрослого населения: систематический обзор. Дж. Телемед. Телеуход. 2018;24:75–83. doi: 10.1177/1357633X16686770. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]11. Vestergaard T., Prasad S.C., Schuster A., ​​Laurinaviciene R., Andersen M.K., Bygum A. Диагностическая точность и согласованность между наблюдателями: теледерматоскопия 600 подозрительных поражений кожи в Южной Дании.Дж. Евр. акад. Дерматол. 2020; 34: 1601–1608. doi: 10.1111/jdv.16275. [PubMed] [CrossRef] [Google Scholar] 12. Яворек-Коряковска Дж., Клечек П. eSkin: Исследование приложения для смартфонов для раннего выявления злокачественной меланомы. Провод. коммун. Моб. вычисл. 2018;2018:5767360. doi: 10.1155/2018/5767360. [Перекрестная ссылка] [Академия Google] 13. Ризви С.М.Х., Шопф Т., Сангха А., Ульвин К., Гьерсвик П. Теледерматология в Норвегии с помощью приложения для мобильного телефона. ПЛОС ОДИН. 2020;15:e0232131. doi: 10.1371/journal.pone.0232131.[Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]14. Аббаси Н.Р., Шоу Х.М., Ригель Д.С., Фридман Р.Дж., Маккарти У.Х., Осман И., Копф А.В., Польски Д. Ранняя диагностика меланомы кожи: пересмотр критериев ABCD. ДЖАМА. 2004; 292:2771–2776. doi: 10.1001/jama.292.22.2771. [PubMed] [CrossRef] [Google Scholar] 15. Занна Г., Роккабьянка П., Зини Э., Леньяни С., Скарампелла Ф., Арриги С., Тости А. Полезность дерматоскопии при алопеции у собак: описательное исследование. Вет. Дерматол. 2017;28:161-e34.doi: 10.1111/vde.12359. [PubMed] [CrossRef] [Google Scholar] 16. Кугмас Б., Оливри Т. Оценка тяжести эритемы кожи с помощью дерматоскопии у собак с атопическим дерматитом. Вет. Дерматол. 2020 принято. [Google Академия] 17. Mokrzycki W., Tatol M. Цветовая разница Delta E — Обзор. Мах. График Вис. 2011;20:383–411. [Google Академия] 18. Ван С., Чжан Д. Новый дизайн средства проверки цвета языка с помощью пространственного представления для точной коррекции. IEEE J. Биомед. Здоровье. 2013; 17: 381–391. doi: 10.1109/TITB.2012.2226736.[PubMed] [CrossRef] [Google Scholar] 19. Гони С.М., Сальвадори В.О. Измерение цвета: сравнение колориметра и системы компьютерного зрения. J. Измерения продуктов питания. Характер. 2017; 11: 538–547. doi: 10.1007/s11694-016-9421-1. [Перекрестная ссылка] [Академия Google] 20. Кинтана Дж., Гарсия Р., Нойманн Л. Новый метод коррекции цвета в эпилюминесцентной микроскопии. Комп. Мед. График изображения. 2011; 35: 646–652. doi: 10.1016/j.compmmedimag.2011.03.006. [PubMed] [CrossRef] [Google Scholar] 21. Шарьер Р., Эбер М., Тремо А., Destouches N. Калибровка цвета RGB-камеры, установленной перед микроскопом, с сильным искажением цвета. заявл. Опц. 2013;52:5262–5271. doi: 10.1364/AO.52.005262. [PubMed] [CrossRef] [Google Scholar] 22. Амани М., Фальк Х., Дженсен О.Д., Вартдал Г., Ауне А., Линдсет Ф. Калибровка цвета на изображениях кожи человека. В: Цоварас Д., Джакумис Д., Винче М., Аргирос А., редакторы. Труды систем компьютерного зрения. Международное издательство Спрингер; Чам, Швейцария: 2019. стр. 211–223. [Google Академия] 23.Цугмас Б., Пернуш Ф., Ликар Б. Постоянство цвета при дерматоскопии с помощью смартфона. проц. ШПАЙ. 2017;10592:105920Г. [Google Академия] 24. Малкэр Д.К., Кауард Т.Дж. Пригодность приложения колориметра для мобильного телефона для использования в качестве объективного средства при подборе цвета кожи при изготовлении челюстно-лицевого протеза. Дж. Протез. 2019;28:934–943. doi: 10.1111/jopr.12955. [PubMed] [CrossRef] [Google Scholar] 26. Cugmas B., Olivry T., Olivrī A., Spīgulis J. Skimager за объективную оценку эритемы у собак с атопией.проц. ШПАЙ. 2020;11211:1121110. [Google Академия] 28. Кузьмина И., Лацис М., Спигулис Ю., Берзина А., Валейн Л. Исследование пригодности смартфона для картирования хромофоров кожи. Дж. Биомед. Опц. 2015;20:0

    .
    Цвет кожи человека rgb: Pantone / PMS Skin Tone 1 / #ffdfc4 Схемы Шестнадцатеричных Кодов Цветов, Графики, Палитры и Краски

    Добавить комментарий

    Ваш адрес email не будет опубликован.

    Пролистать наверх