Как найти глубину цвета в информатике формула: По какой формуле нужно решать по информатике. Основные понятия информатики

Содержание

2. Кодирование графической информации — Единый Государственный Экзамен

Компьютерная графика – раздел информатики, предметом которого является работа на компьютере с графическими изображениями.

Создание и хранение графических изображений возможно в нескольких видах – в виде растрового, векторного или фрактального изображения.

Для каждого вида используется свой способ кодирования графической информации.

Растровое изображение, состоит из мельчайших точек, составляющих определенный узор.

Пиксель – наименьший элемент изображения на экране (точка на экране).

Растр – прямоугольная сетка пикселей на экране.

Качество изображения определяется разрешающей способностью монитора.

Разрешающая способность экрана – размер сетки растра, задаваемого в виде произведения M x N, где M – число точек по горизонтали, N – число точек по вертикали.

Чем разрешающая способность выше, тем выше качество изображения.

Число цветов, воспроизводимых на экране и число бит, отводимых в видеопамяти под каждый пиксель (глубина цвета) связаны формулой:

2a = K                         где a – глубина цвета

K – количество цветов

Видеопамять – оперативная память, хранящая видеоинформацию во время ее воспроизведения на экране.

Объем занимаемой видеопамяти вычисляется по формуле:

V = M × N × a                   где V – объем видеопамяти

M – число точек по горизонтали

N – число точек по вертикали

a – глубина цвета

Все многообразие красок на экране получается путем смешивания базовых цветов: красного, синего и зеленого

Векторное изображение – графический объект, состоящий из элементарных объектов (отрезков, дуг, кругов и т.д.)

Векторная графика кодируется как обычная текстовая графика и обрабатывается специальными программами.

Фрактальная графика основывается на математических вычислениях, как векторная, но в отличие от векторной ее базовым элементом является сама математическая формула.

Пример1:

Для хранения растрового изображения размером 128×128 пикселей отвели 4 Кбайта памяти. Каково максимально возможное число цветов в палитре изображения?

1) 4

2) 2

3) 8

4) 5

Решение:

1) Для начала переведем 4 Кбайта в биты.

4Кбайта = 4×1024 байта = 4096×8 бит = 32768бит

2) Из формулы V = M × N × a найдем а

32768 = 128

×128×а  =>  а = 2

3) Мы нашли глубину цвета, теперь по формуле 2a = K найдем K

22 = K  => K = 4

4) Следовательно, правильный ответ 1)

Урок 10. формирование изображения на экране компьютера — Информатика — 7 класс

Информатика

7 класс

Урок № 10

Формирование изображения на экране компьютера

Перечень вопросов, рассматриваемых в теме:

  • Понятия: пространственного разрешения монитора, глубины цвета, пикселя.
  • Знакомство с цветовой моделью RGB.
  • Формулы для нахождения объёма памяти и количества цветов в палитре.
  • Решение типовых задач.

Тезаурус:

Пиксель – наименьший элемент дисплея, формирующий изображение.

Пространственное разрешение монитора – это количество пикселей, из которых складывается изображение на экране.

Глубина цвета – длина двоичного кода, который используется для кодирования цвета пикселя.

Цветовая модель RGB: Red – красный, Green – зелёный, Blue – синий.

Формулы, которые используются при решении типовых задач:

N = 2i

I = K · i

где N – количество цветов в палитре, i – глубина цвета, K – количество пикселей в изображении, I – информационный объём файла.

Основная литература:

  1. Босова Л. Л. Информатика: 7 класс. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2017. – 226 с.

Дополнительная литература:

  1. Босова Л. Л. Информатика: 7–9 классы. Методическое пособие. // Босова Л. Л., Босова А. Ю., Анатольев А. В., Аквилянов Н.А. – М.: БИНОМ, 2019. – 512 с.
  2. Босова Л. Л. Информатика. Рабочая тетрадь для 7 класса. Ч 1. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2019. – 160 с.
  3. Босова Л. Л. Информатика. Рабочая тетрадь для 7 класса. Ч 2. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2019. – 160 с.
  4. Гейн А. Г. Информатика: 7 класс. // Гейн А. Г., Юнерман Н. А., Гейн А.А. – М.: Просвещение, 2012. – 198 с.

Теоретический материал для самостоятельного изучения

Когда мы включаем компьютер, перед нами открывается рабочий стол – картинка на экране монитора. А задумывались ли мы когда-нибудь, как формируется изображение на экране монитора, сколько цветов оно может в себя включать? Скорее всего, нет. Вот сегодня на уроке мы узнаем, как формируются такие изображения, познакомимся с понятием пространственное разрешение монитора, выясним, из каких базовых цветов строятся изображения и введём новое понятие – глубина цвета.

Так вот, изображение на экране монитора образуется из отдельных точек, которые называются пикселем, что в переводе с английского означает элемент изображения. Эти точки на экране монитора образуют строки, а всё изображение строится из определённого количества таких строк.

Общее количество пикселей, из которых складывается изображение на экране монитора, называется пространственным разрешением монитора. Чтобы его определить, нужно количество строк изображения умножить на количество точек в строке.

Пространственное разрешение монитора может быть различным: 800 на 600, 1280 на 1024. Это означает, что изображение на экране монитора состоит из 800 строк, каждая из которых содержит 600 пикселей.

Чем больше маленьких точек в изображении, тем чётче оно будет выглядеть – это изображение высокого разрешения. А изображение низкого разрешения состоит из меньшего количества крупных точек, и поэтому оно получается нечётким.

На самом деле пиксель – это три очень маленьких точки красного, зелёного и синего цвета, но они расположены настолько близко друг к другу, что наши глаза воспринимают их как единое целое. Пиксель принимает именно тот цвет, который является наиболее ярким. Именно из этих трёх цветов образуется цветовая модель RGB. Название такое она получила неспроста, это первые буквы английских названий цветов:

Red – красный, Green – зелёный, Blue – синий.

В этой цветовой модели каждый базовый цвет имеет один из 256 уровней интенсивности. Если менять яркость базовых цветов, то можно увидеть, как меняется окраска картинки.

Первые цветные мониторы могли использовать лишь восемь цветов: чёрный, синий, зелёный, голубой, красный, пурпурный, жёлтый и белый. Каждый цвет кодировался цепочкой из трёх нулей и единиц, то есть, трёхразрядным двоичным кодом.

Современные же компьютеры имеют достаточно большую палитру, где количество цветов зависит от того, сколько двоичных разрядов отводится для кодирования цвета одного пикселя.

Длина такого двоичного кода, который можно использовать для кодирования цвета пикселя, называется глубиной цвета.

Количество цветов в палитре связано с глубиной кодирования формулой N = 2i.

Изображения в памяти компьютера хранятся в виде файлов, их информационный объём вычисляется как произведение количества пикселей, имеющихся в изображении, и глубины кодирования:

I = K · i.

Решим такую задачу.

Рассчитайте объём файла графического изображения, который занимает весь экран монитора с разрешением 800 на 600 и палитрой 256 цветов.

Так как палитра состоит из 256 цветов, то можно рассчитать глубину цвета по формуле N = 2i. Получаем глубину цвета равную восьми.

Теперь, по формуле I = K · i, найдем объём файла.

Объём получился 3840000 бит, переведём его в килобайты, для этого

3840000 разделим на 8 и разделим на 1024. Получилось примерно 469 Кб.

Решение:

Дано:

N = 256

K = 800 · 600

I = ?

Решение:

N = 2i

256 = 2i, i = 8 бит

I = K · i

I = 800 · 600 · 8 = 3840000 бит = 3840000 : 8 : 1024 = 469 Кб

Ответ: 469 Кб.

Итак, сегодня мы узнали, как формируются изображения на экранах мониторов, познакомились с понятием пространственное разрешение монитора. Выяснили, что каждый пиксель имеет определённый цвет, отсюда формируется цветовая модель RGB. Познакомились с новой величиной, такой как глубина цвета. Записали формулы для решения задач по новой теме.

Цветовая модель HSB

При работе в RGB работа режимов наложения цветового тона, насыщенности и яркости базируется на модели HSB. Заглавные буквы здесь не соответствуют никаким цветам.

Hue переводится как Цветовой тон, Saturation – Насыщенность, Brightness – Яркость.

Все цвета располагаются по кругу, и каждому соответствует свой градус.

Работая с насыщенностью, мы как бы добавляем в спектр белой краски, поэтому она становится хуже, картинка делается более блёклой.

Работая с яркостью, в спектр добавляется больше чёрного цвета. И чем его больше, тем рисунок становится более тёмным, яркость уменьшается.

Цветовой тон при этом остаётся прежним.

Перемещая ползунок, мы регулируем яркость, если двигаем его по горизонтали, то изменяется насыщенность, а сам цвет не меняется

Основной задачей данной модели является правка оттенков выбранных цветов.

Модель HSB – это пользовательская цветовая модель, которая позволяет выбирать цвет традиционным способом. Она намного беднее рассмотренной ранее RGB, так как позволяет работать всего лишь с 3 миллионами цветов.

Разбор решения заданий тренировочного модуля

№1.

Сколько цветов будет содержать палитра, если на один пиксель отводится 3 бита памяти?

Дано:

i = 3 бита

N = ?

Решение:

N = 2i

N = 23 = 8.

Ответ: 8 цветов в палитре.

№2.

Найдите объём видеопамяти растрового изображения, занимающего весь экран монитора с разрешением 1024×768, и глубиной цвета данного изображения 32 бита. Ответ должен быть выражен в Мб.

Дано:

К=1024×768

i = 32 бита

I=?

Решение:

I = K · i

I = 1024 · 768 · 32 = 25165824 бит = 3145728 байт

3072 Кб = 3 Мб.

Ответ: 3 Мб.

№3.

Сравните размеры памяти, необходимые для хранения изображений: первое изображение 8-цветное, его размер 32×64 пикселей, второе изображение 32-цветное, его размер 64×64 пикселей.

Решение:

Первое изображение 8-цветное, т. е. 8 = 2i , следовательно, i = 3 бита на один пиксель.

Найдём I1 по формуле: I = K · i, т. е. 32 · 64 · 3 = 6144 бита.

Второе изображение 32-цветное, т. е. 32 = 2i, следовательно, i = 5 бит на один пиксель.

Найдём I2 по формуле: I = K · i, т. е. 64 · 64 · 5 = 20480 бит.

Второе изображение больше первого на 14336 бит, или 1792 байта, или на 1,75 Кб.

Ответ: второе изображение больше первого на 1,75 Кб.

Тема №8126 Решение задач на кодирование графической информации

Тема №8126

Решение задач на кодирование графической информации.

Растровая графика.

Векторная графика.

Введение

Данное электронное пособие содержит группу задач по теме «Кодирование графической информации». Сборник задач разбит на типы задач исходя из указанной темы. Каждый тип задач рассматривается с учетом дифференцированного подхода, т. е. рассматриваются задачи минимального уровня (оценка «3»), общего уровня (оценка «4»), продвинутого уровня (оценка «5»). Приведенные задачи взяты из различных учебников (список прилагается). Подробно рассмотрены решения всех задач, даны методические рекомендации для каждого типа задач, приведен краткий теоретический материал. Для удобства пользования пособие содержит ссылки на закладки.

Растровая графика.

Типы задач:

  1. Нахождение объема видеопамяти.
  2. Определение разрешающей способности экрана и установка графического режима.
  3. Кодировка цвета и изображения.
  4. Нахождение объема видеопамяти

 

Методические рекомендации:

В задачах такого типа  используются понятия:

  • объем видеопамяти,
  • графический режим,
  • глубина цвета,
  • разрешающая способность экрана,
  • палитра.

Во всех подобных задачах требуется найти ту или иную величину.

Видеопамять — это специальная оперативная память, в которой формируется графическое изображение. Иными словами для получения на экране монитора картинки её надо где-то  хранить. Для этого и существует видеопамять. Чаще всего ее величина от 512 Кб до 4 Мб для самых лучших ПК при реализации 16,7 млн. цветов.

Объем видеопамяти рассчитывается по формуле: V=I*X*Y, где I – глубина цвета отдельной точки, X, Y –размеры экрана по горизонтали и по вертикали (произведение х на у – разрешающая способность экрана).

Экран дисплея может работать в двух основных режимах: текстовом и графическом.

В графическом режиме экран разделяется на отдельные светящиеся точки, количество которых зависит от типа дисплея, например 640 по горизонтали и 480 по вертикали.  Светящиеся точки на экране обычно называют пикселями, их цвет и яркость может меняться. Именно в графическом режиме появляются на экране компьютера все сложные графические изображения, создаваемыми специальными программами, которые управляют параметрами каждого пикселя экрана. Графические режимы характеризуются такими показателями как:

— разрешающая способность (количество точек, с помощью которых на экране воспроизводится изображение)  — типичные в настоящее время уровни разрешения 800*600 точек или 1024*768 точек. Однако для мониторов с большой диагональю может использоваться разрешение 1152*864 точки.

— глубина цвета (количество бит, используемых для кодирования цвета точки), например, 8, 16, 24, 32 бита. Каждый цвет можно рассматривать как возможное состояние точки, Тогда количество цветов, отображаемых на экране монитора  может быть вычислено по формулеK=2I , где – количество цветов, – глубина цвета или битовая глубина.

Кроме перечисленных выше знаний учащийся должен иметь представление о палитре:

— палитра (количество цветов, которые используются для воспроизведения изображения), например 4 цвета, 16 цветов, 256 цветов, 256 оттенков серого цвета, 216 цветов в режиме называемом High color или 224  , 232 цветов в режиме True color.

Учащийся должен знать также связи между единицами измерения информации, уметь  переводить из мелких единиц в более крупные, Кбайты и Мбайты, пользоваться обычным калькулятором и Wise Calculator.

 

Уровень «3»

1. Определить требуемый объем видеопамяти для различных графических режимов экрана монитора, если известна глубина цвета на одну точку.(2.76 [3])

Режим экрана

Глубина цвета (бит на точку)

4

8

16

24

32

640 на 480

         

800 на 600

         

1024 на 768

         

1280 на 1024

         

 

Решение:

  1.   Всего точек на экране (разрешающая способность): 640 * 480 = 307200
    2. Необходимый объем видеопамяти V= 4 бит * 307200 = 1228800 бит = 153600 байт = 150 Кбайт.
    3. Аналогично рассчитывается необходимый объем видеопамяти для других графических режимов. При расчетах учащийся пользуется калькулятором для экономии времени.

Ответ:

Режим экрана

Глубина цвета (бит на точку)

4

8

16

24

32

640 на 480

150 Кб

300 Кб

600 Кб

900 Кб

1,2 Мб

800 на 600

234 Кб

469 Кб

938 Кб

1,4 Мб

1,8 Мб

1024 на 768

384 Кб

768 Кб

1,5 Мб

2,25 Мб

3 Мб

1280 на 1024

640 Кб

1,25 Мб

2,5 Мб

3,75 Мб

5 Мб

 

2. Черно-белое (без градаций серого) растровое графическое изображение имеет размер 10 ´10 точек. Какой объем памяти займет это изображение?( 2.68 [3])

Решение:

  1. Количество точек -100
  2. Так как всего 2 цвета черный и белый. то глубина цвета равна 1 ( 2=2)
  3. Объем видеопамяти равен 100*1=100 бит

Аналогично решается задаа 2.69[3]

3. Для хранения растрового изображения размером 128 x 128 пикселей отвели 4 КБ памяти. Каково максимально возможное число цветов в палитре изображения. (_2005, демо, уровень А). (См. также задачу 2.73 [3])

 

Решение:

  1. Определим количество точек изображения. 128*128=16384 точек или пикселей.
  2. Объем памяти на изображение 4 Кб выразим в битах, так как V=I*X*Y вычисляется в битах. 4 Кб=4*1024=4 096 байт = 4096*8 бит =32768 бит
  3. Найдем глубину цвета I =V/(X*Y)=32768:16384=2
  4. N=2, где  N – число цветов в палитре. N=4

Ответ: 4

4. Сколько бит видеопамяти занимает информация об одном пикселе на ч/б экране (без полутонов)?([6],C. 143, пример 1)

Решение:

Если изображение Ч/Б без полутонов, то используется всего два цвета –черный и белый, т.е. К=2, 2=2, I= 1 бит на пиксель.

Ответ: 1 пиксель

5. Какой объем видеопамяти необходим для хранения четырех страниц изображения, если битовая глубина равна 24, а разрешающая способность дисплея- 800 х 600 пикселей? ([6], №63)

Решение:

  1. Найдем объем видеопамяти для одной страницы: 800*600*24=11520000 бит =1440000 байт =1406,25 Кб ≈1, 37 Мб
  2. 1,37*4 =5,48 Мб ≈5.5 Мб для хранения 4 страниц.

Ответ: 5.5 Мб

Уровень «4»

6.Определить объем видеопамяти компьютера, который необходим для реализации графического режима монитора High Color с разрешающей способностью 1024 х 768 точек и палитрой цветов из 65536 цветов. (2.48 [3])

Методические рекомендации:

Если ученик помнит, что режим High Color – это 16 бит на точку, то объем памяти можно найти, определив число точек на экране и умножив на глубину цвета, т.е. 16. Иначе ученик может рассуждать так:

Решение:

1. По формуле K=2, где K – количество цветов, I – глубина цвета определим глубину цвета.  2=65536

Глубина цвета составляет: I = log265 536 = 16 бит (вычисляем с помощью программы Wise Calculator)

2.. Количество точек изображения равно: 1024´768 = 786 432

3. Требуемый объем видеопамяти равен: 16 бит ´ 786 432 =  12 582 912 бит = 1572864 байт = 1536 Кб =1,5 Мб (»1,2 Мбайта. Ответ дан в практикуме Угринович). Приучаем учеников, переводя в другие единицы,  делить на 1024,  а не на 1000.

Ответ: 1,5 Мб

7. В процессе преобразования растрового графического изображения количество цветов уменьшилось с 65536 до 16. Во сколько раз уменьшится объем занимаемой им памяти? (2.70, [3])

Решение:

Чтобы закодировать 65536 различных цветов для каждой точки, необходимо 16 бит. Чтобы закодировать 16 цветов, необходимо всего 4 бита. Следовательно, объем занимаемой памяти уменьшился в 16:4=4 раза.

Ответ: в 4 раза

8.  Достаточно ли видеопамяти объемом 256 Кбайт для работы монитора в режиме 640 ´ 480 и палитрой из 16 цветов? (2.77 [3])

Решение:

  1.                Узнаем объем видеопамяти, которая потребуется для работы монитора в режиме 640х480 и палитрой в 16 цветов. V=I*X*Y=640*480*4 (2=16, глубина цвета равна 4),

V= 1228800 бит = 153600 байт =150 Кб.

  1.                150 < 256, значит памяти достаточно.

Ответ: достаточно

9. Укажите минимальный объем памяти (в килобайтах), достаточный для хранения любого растрового изображения размером 256 х 256 пикселей, если известно, что в изображении используется палитра из 216 цветов. Саму палитру хранить не нужно.

1)      128

2)      512

3)      1024

4)      2048

(_2005, уровень А)

Решение:

Найдем минимальный объем памяти, необходимый для хранения одного пикселя. В изображении используется палитра из 216 цветов, следовательно,  одному пикселю может быть сопоставлен любой из 216 возможных номеров цвета в палитре. Поэтому, минимальный объем памяти, для одного пикселя будет равен log216 =16 битам. Минимальный объем памяти, достаточный для хранения всего изображения будет равен 16*256*256 =2* 2* 2=220 бит=220 : 2=217 байт = 217 : 210 =2Кбайт =128 Кбайт, что соответствует пункту под номером 1.

Ответ: 1

10.  Используются графические режимы с глубинами цвета 8, 16. 24, 32 бита. Вычислить объем видеопамяти, необходимые для реализации данных глубин цвета при различных разрешающих способностях экрана.

Примечание: задача сводится в конечном итоге к решению задачи №1 (уровень «3», но ученику самому необходимо вспомнить стандартные режимы экрана.

11. Сколько секунд потребуется модему, передающему сообщения со скоростью 28800 бит/с, чтобы передать цветное растровое изображение размером 640 х 480 пикселей, при условии, что цвет каждого пикселя кодируется тремя байтами? (_2005, уровень В)

Решение:

  1.    Определим объем изображения  в битах:

3 байт = 3*8 = 24 бит, 

V=I*X*Y=640*480*24 бит =7372800 бит

  1.    Найдем число секунд на передачу изображения: 7372800 : 28800=256 секунд

Ответ: 256.

12. Сколько секунд потребуется модему, передающему сообщения со скоростью 14400 бит/сек, чтобы передать цветное растровое изображение размером 800 х 600 пикселей, при условии, что в палитре 16 миллионов цветов? (_2005, уровень В)

Решение:

Для кодирования 16 млн. цветов требуется 3 байта или 24 бита (Графический режим True Color). Общее количество пикселей в изображении 800 х 600 =480000. Так как на 1 пиксель приходится 3 байта, то на 480000 пикселей приходится 480000*3=1 440 000 байт или11520000 бит. 11520000 : 14400 = 800 секунд.

Ответ: 800 секунд.

12. Современный монитор позволяет получать на экране 16777216 различных цветов. Сколько бит памяти занимает 1 пиксель? ([6], с.143, пример 2)

Решение:

Один пиксель кодируется комбинацией двух знаков «0» и «1». Надо узнать длину кода пикселя.

2х =16777216, log16777216 =24 бит

Ответ: 24.

13. Каков минимальный объем памяти ( в байтах), достаточный для хранения черно-белого растрового изображения размером 32 х 32 пикселя, если известно, что в изображении используется не более 16 градаций серого цвета.(_2005, уровень А)

Решение:

  1. Глубина цвета равна 4, т.к. 16 градаций цвета используется.
  2. 32*32*4=4096 бит памяти для хранения черно-белого изображения
  3. 4096 : 8 = 512 байт.

Ответ: 512 байт

Уровень «5»

13. Монитор работает с 16 цветной палитрой в режиме 640*400 пикселей. Для кодирования изображения требуется 1250 Кбайт. Сколько страниц видеопамяти оно занимает? (Задание 2,Тест I-6)

Решение:

1. Т.к. страница –раздел видеопамяти, вмещающий информацию об одном образе экрана одной «картинки» на экране, т.е. в видеопамяти могут размещаться одновременно несколько страниц, то, чтобы узнать число страниц надо поделить объем видеопамяти для всего изображения на объем памяти на 1 страницу.  К-число страниц, К=Vизобр/V1 стр

Vизобр =1250 Кб  по условию

  1.                Для этого вычислим объем видеопамяти для одной страницы изображения с 16 цветовой палитрой и разрешающей способностью 640*400.

V1 стр = 640*400*4 , где 4- глубина цвета (2=16)

V1 стр = 1024000 бит = 128000 байт =125 Кб

3. К=1250 : 125 =10 страниц

Ответ: 10 страниц

14. Страница видеопамяти составляет 16000 байтов. Дисплей работает в режиме 320*400 пикселей. Сколько цветов в палитре? (Задание 3,Тест I-6)

Решение:

1. V=I*X*Y – объем одной страницы, V=16000 байт = 128000  бит по условию. Найдем глубину цвета I.

I=V/(X*Y).

I= 128000 / (320*400)=1.

2. Определим теперь, сколько цветов в палитре. K=2где K – количество цветов, I – глубина цвета. K=2

Ответ: 2 цвета.

15. Сканируется цветное изображение размером 10´10 см. Разрешающая способность сканера 600 dpi и глубина цвета 32 бита. Какой информационный объем будет иметь полученный графический файл. (2.44, [3], аналогично решается задача 2.81 [3])

Решение:

1. Разрешающая способность сканера 600 dpi (dot per inch — точек на дюйм) означает, что на отрезке длиной 1 дюйм сканер способен различить 600 точек. Переведем разрешающую способность сканера из точек на дюйм в точки на сантиметр:

600 dpi : 2,54 » 236 точек/см (1 дюйм = 2.54 см.)

2. Следовательно, размер изображения в точках составит 2360´2360 точек. (умножили на 10 см.)

3. Общее количество точек изображения равно:

2360´2360 = 5 569 600

4. Информационный объем файла равен:

32 бит ´ 5569600 = 178 227 200 бит » 21 Мбайт

Ответ: 21 Мбайт

16. Объем видеопамяти равен 256 Кб. Количество используемых цветов -16. Вычислите варианты разрешающей способности дисплея. При условии, что число страниц  изображения может быть равно 1, 2 или 4. ([1], №64, стр. 146)

Решение:

  1.                Если число страниц равно 1, то формулу V=I*X*Y  можно выразить как

256 *1024*8 бит = X*Y*4 бит, (так как используется 16 цветов, то глубина цвета равна 4 бит.)

т.е. 512*1024 = X*Y; 524288 = X*Y.

Соотношение между высотой и шириной экрана для стандартных режимов не различаются между собой и равны 0,75. Значит, чтобы найти  X и Y, надо решить систему уравнений:

Выразим Х=524288/ Y, подставим во второе уравнение, получим Y=524288*3/4=393216. Найдем Y≈630; X=524288/630≈830

Вариантом разрешающей способности может быть 630 х 830.

2. Если число страниц равно 2, то одна страница объемом 256:2=128 Кбайт, т.е

128*1024*8 бит = X*Y*4 бит, т.е. 256*1024 = X*Y; 262144 = X*Y.

Решаем систему уравнений:

Х=262144/ Y; Y=262144*3/4=196608; Y=440, Х=600

Вариантом разрешающей способности может быть 600 х 440.

4. Если число страниц равно 4, то 256:4 =64; 64*1024*2=X*Y; 131072=X*Y; решаем систему

X=131072/Y; Y=131072*3/4=98304; Y≈310, X≈420

Ответ: одна страница — 630 х 830

              две страницы — 600 х 440

              три страницы – 420 х 310

17. Часть страниц многотомной энциклопедии  является цветными изображениями в шестнадцати цветовой палитре и в формате 320 ´ 640 точек. Страницы, содержащие текст, имеют формат — 32 строки по 64 символа в строке. Сколько страниц книги можно сохранить на жестком магнитном диске объемом 20 Мб, если каждая девятая страница энциклопедии — цветное изображение? (2.89, [3])

 

Решение:

  1. Так как палитра 16 цветная, то глубина цвета равна 4 (2 =16)
  2. ´ 320 ´ 640 = 819200 бит = 102400 байт =100 Кбайт – информации содержит каждая графическая страница.
  3. 32 ´ 64 = 2048 символов = 2048 байт = 2 Кбайт – содержит каждая текстовая страница.
  4. Пусть Х — число страниц с графикой, тогда так как каждая 9 страница – графическая, следует, что страниц с текстом в 8 раз больше, т.е.  8Х — число страниц с текстом. Тогда все страницы с графикой будут иметь объем 110Х, а все страницы с текстом – объем  2* 8Х=16Х.
  5. Известно, что диск составляет 20 Мб = 20480 Кб. Составим уравнение:

100Х + 16Х = 20480. Решив уравнение, получим Х ≈ 176, 5. Учитывая, что Х –целое число, берем число 176 –страниц с графикой.

  1. 176*8 =1408 страниц с текстом. 1408+176 = 1584 страниц энциклопедии.

 

Ответ: таким образом, на жестком магнитном диске объемом 20 Мб можно разместить 1584 страницы энциклопедии (176 графических и 1408 текстовых).

2        Определение разрешающей способности экрана и установка графического режима экрана.

 

Уровень «3»

18. Установить графический режим экрана монитора, исходя из объема  установленной видеопамяти и параметров монитора. (2.50 [3])

Решение:

Установка графического режима экрана монитора

  1. Ввести команду [Настройка-Панель управления — Экран] или щелкнуть по индикатору монитора на панели задач.
  2. На появившейся диалоговой панели Свойства: экран выбрать вкладку Настройка.
  3. С помощью раскрывающегося списка Цветовая палитра выбрать глубину цвета. С помощью ползунка Область экрана выбрать разрешение экрана

19.  Определить марку монитора, разрешение экрана, глубину цвета собственного компьютера, объем видеопамяти. (Аналогично, см. задачу 1, а так же используя кнопку Дополнительно, выбрать вкладку Адаптер для определения объема видеопамяти.)

Уровень «4»

Методические рекомендации

 

Для решения задач этого уровня учащиеся также должны  знать о ещё одной характеристике экрана, такой как  Частота обновления экрана. Эта величина обозначает,  сколько раз меняется за секунду изображение на экране. Чем чаще меняется изображение, тем меньше заметно мерцание и тем меньше устают глаза. При длительной работе за компьютером рекомендуется обеспечить частоту не менее 85 Гц. Кроме этого учащиеся должны уметь подбирать оптимальную разрешающую способность экрана, определять для конкретного объема видеопамяти оптимальный графический режим.

20. Установить различные графические режимы экрана монитора вашего компьютера:

а) режим с максимально возможной глубиной цвета;

б) режим с максимально возможной разрешающей способностью;

в) оптимальный режим. (2.79 [3])

Решение:

а) Выбрать контекстное меню Рабочего стола, Свойства, (можно вызвать меню и двойным щелчком на панели управления по значку экрана). В появившемся диалоговом окне Свойства: Экран выбрать вкладку Настойка или Параметры. Максимально возможную глубину цвета можно выбрать из  списка Цветовая палитра (или Качество цветопередачи), где выбрать пункт Самое высокое 32 бита (True color24, или 32 бита) Эта операция может требовать перезагрузки компьютера.

б) Чтобы установить режим с максимально возможной разрешающей способностью надо на этой же вкладке Свойства:Экран переместить движок на панели Область экрана (Разрешение экрана) слева направо и выбрать например 1280 х 1024. В зависимости от видеокарты при изменении разрешения экрана может потребоваться перезагрузка компьютера. Но чаще всего выдается диалоговое окно, предупреждающее о том, что сейчас произойдет пробное изменение разрешения экрана. Для подтверждения щелкнуть на кнопке Ок.

При попытке изменить разрешение экрана выдается диалоговое окно с запросом о подтверждении изменений. Если не предпринимать никаких действий, то через 15 секунд восстанавливается прежнее разрешение. Это предусмотрено на случай сбоя изображения. Если экран выглядит нормально, следует щелкнуть на кнопке ДА и сохранить новое разрешение.

в) Для установки оптимального графического режима экрана надо исходить из объема видеопамяти, частоты обновления экрана и учитывать здоровье сберегающие факторы.

Для настройки частоты обновления экрана надо всё в той же  вкладке Свойства:Экран щелкнуть по вкладке Дополнительно. В диалоговом окне свойств видеоадаптера выбрать вкладку Адаптер. Выбрать в списке Частота обновления и выбрать пункт Оптимальный –максимально возможная частота обновления экрана, доступная при текущем разрешении экрана для данной видеокарты и монитора.

Так чем меньше разрешение экрана, тем больше размеры значков на рабочем столе. Так оптимальным разрешением экрана может быть размеры экрана 800 х 600 точек при глубине цвета 32 бит и частотой обновления  85 Гц.

 

21. Объем страницы видеопамяти -125 Кбайт. Монитор работает с 16 цветной палитрой. Какова разрешающая способность экрана. (Задание 8,Тест I-6)

 

Решение:

  1.                Так как глубина цвета равна 4 (2=16), то имеем V=4*X*Y
  2.                В формуле объема видеопамяти объем выражен в битах, а в условии задачи дан в Кбайтах, поэтому обе  части равенства надо представить в байтах:

125*1024=(X*Y*4)/8 (делим справа на 8 — переводим в байты, умножаем слева на 1024 –переводим в байты)

3. Далее решаем уравнение: 4*X*Y = 125*1024 * 8

X*Y = 125*1024*2=250*1024=256000

4.  Наиболее часто в паре разрешающей способности экрана встречается число 640, например 640*200, 640*400, 640*800. Попробуем разделить полученное число на 640

256000:640=400

Ответ: Разрешающая способность экрана равна 640*400

22. Какие графические режимы работы монитора может обеспечить видеопамять объемом в 1 МБ? (2.78 [3])

Решение:

Задача опирается на решение задачи №2.76 [3] (решение см. задачу №1 данного электронного пособия), а затем проводится анализ и делаем вывод. Видеопамять объемом 1 МБ может обеспечить следующие графические режимы:

  • 640 х 480 (при глубине цвета 4, 8, 16, 24 бит)
  • 800 х 600 (при глубине цвета 4, 8, 16 бит)
  • 1024 х 768 (при глубине цвета 4, 8 бит)
  • 1280 х 1024 (при глубине цвета 4 бита)

Ответ: 640 х 480 (4, 8, 16, 24 бит), 800 х 600 (4, 8, 16 бит), 1024 х 768 (4, 8 бит), 1280 х 1024 (4 бита)

Уровень «5»

 

23. Определить максимально возможную разрешающую способность экрана для монитора с диагональю 15″ и размером точки экрана 0,28 мм. (2.49 [3])

Решение:

1. Задача сводится к нахождению числа точек по ширине экрана. Выразим размер диагонали в сантиметрах. Учитывая ,что 1 дюйм=2,54 см., имеем: 2,54 см • 15 = 38,1 см.
2. Определим соотношение между высотой и шириной экрана для часто встречающегося режима экрана 1024х768 точек: 768 : 1024 = 0,75.
3. Определим ширину экрана. Пусть ширина экрана равна L, а высота h,

h:L =0,75, тогда h= 0,75L.

По теореме Пифагора имеем:
L2 + (0,75L)2 = 38,12 
1,5625 L2 = 1451,61
L2 ≈ 929
L ≈ 30,5 см.
4. Количество точек по ширине экрана равно:
305 мм : 0,28 мм = 1089.
Следовательно, максимально возможным разрешением экрана монитора является 1024х768.

Ответ: 1024х768.

24. Определить соотношение между высотой и шириной экрана монитора для различных графических режимов. Различается ли это соотношение для различных режимов? а)640х480; б)800х600; в)1024х768; а)1152х864; а)1280х1024. Определить максимально возможную разрешающую способность экрана для монитора с диагональю 17″ и размером точки экрана 0,25 мм. (2.74 [3])

Решение:

1. Определим соотношение между высотой и шириной экрана для перечисленных режимов, они почти не различаются между собой:

640×480

800×600

1024×768

1152×864

1280×1024

0,75

0,75

0,75

0,75

0,8

 

2. Выразим размер диагонали в сантиметрах:
2,54 см • 17 = 43,18 см.
3. Определим ширину экрана. Пусть ширина экрана равна L, тогда высота равна 0,75L (для первых четырех случаев) и 0,8L для последнего случая.

По теореме Пифагора имеем:

L2 + (0,75L)2 = 43,182 
1,5625 L2 = 1864,5124
L2 ≈ 1193,2879
L ≈ 34,5 см

L2 + (0,8L)2 = 43,182 
1,64 L2 = 1864,5124
L2 ≈ 1136,8978
L ≈ 33,7 см.

4. Количество точек по ширине экрана равно:

345 мм : 0,25 мм = 1380

337 мм: 0,25 мм = 1348

Следовательно, максимально возможным разрешением экрана монитора является. 1280х1024

Ответ: 1280х1024

  1. Кодировка цвета и изображения.

Методические рекомендации:

Учащиеся пользуются знаниями, полученными ранее Системы счисления, перевод чисел из одной системы в другую.

Используется и теоретический материал темы:

Цветное растровое изображение формируется в соответствие с цветовой моделью RGB, в которой тремя базовыми цветами являются Red (красный), Green (зеленый) и Blue (синий). Интенсивность каждого цвета задается 8-битным двоичным кодом, который часто для удобства выражают в шестнадцатеричной системе счисления. В этом случае используется следующий формат записи RRGGBB.

 

Уровень «3»

25. Запишите код красного цвета в двоичном, шестнадцатеричном и десятичном представлении. (2.51 [3])

Решение:

Красный цвет соответствует максимальному значению интенсивности красного цвета и минимальным значениям интенсивностей зеленого и синего базовых цветовчто соответствует следующим данным:

Коды/Цвета

Красный

Зеленый

Синий

двоичный

11111111

00000000

00000000

шестнадцатеричный

FF

00

00

десятичный

256

0

0

 

 

26. Сколько цветов будет использоваться, если для каждого цвета пикселя взято 2 уровня градации яркости? 64 уровня яркости каждого цвета?

 

Решение:

1. Всего для каждого пикселя используется набор из трех цветов (красный, зеленый, синий) со своими уровнями яркости (0-горит, 1-не горит). Значит, K=2=8 цветов.

2.64=262144

Ответ: 8; 262 144 цвета.

Уровень «4»

27. Заполните таблицу цветов при 24- битной глубине цвета в 16- ричном представлении.

Решение:

При глубине цвета в 24 бита на каждый из цветов выделяется по 8 бит, т.е для каждого из цветов возможны 256 уровней интенсивности (2=256). Эти уровни заданы двоичными кодами (минимальная интенсивность -00000000, максимальная интенсивность -11111111). В двоичном представлении получается следующее формирование цветов:

Название цвета

Интенсивность

Красный

Зеленый

Синий

Черный

00000000

00000000

00000000

Красный

11111111

00000000

00000000

Зеленый

00000000

11111111

00000000

Синий

00000000

00000000

11111111

Белый

11111111

11111111

11111111

Переведя в 16-ричную систему счисления имеем:

Название цвета

Интенсивность

Красный

Зеленый

Синий

Черный

00

00

00

Красный

FF

00

00

Зеленый

00

FF

00

Синий

00

00

FF

Белый

FF

FF

FF

Решение:

Для кодирования изображения на таком экране требуется 100 бит (1 бит на пиксель) видеопамяти. Пусть «1» означает закрашенный пиксель, а «0» — не закрашенный. Матрица будет выглядеть следующим образом:

0000000000

0001000100

0001001000

0001010000

0001100000

0001010000

0001001000

0001000100

0000000000

0000000000

Эксперименты:

1. Поиск пикселей на мониторе.

Вооружиться увеличительным стеклом и попытаться увидеть триады красных, зеленых и синих (RGB –от англ. «Red – Green –Blue» точек на экране монитора. ([4], [5].)

Как предупреждает нас первоисточник, результаты экспериментов будут успешными далеко не всегда. Причина в том. Что существуют разные технологии изготовления электронно-лучевых трубок. Если трубка выполнена по технологии «теневая маска», тогда можно увидеть настоящую мозаику из точек. В других случаях, когда вместо маски с отверстиями используется система нитей из люминофора трех основных цветов (апертурная решетка), картина будет совсем иной. Газета приводит очень наглядные фотографии трех типичных картин, которые могут увидеть «любопытные ученики».

Ребятам полезно было бы сообщить, что желательно различать понятия «точки экрана» и пиксели. Понятие «точки экрана» — физически реально существующие объекты. Пиксели- логические элементы изображения. Как это можно пояснить? Вспомним. Что существует несколько типичных конфигураций картинки на экране монитора: 640 х 480, 600 х 800 пикселей и другие. Но на одном и том же мониторе можно установить любую из них.. Это значит, что пиксели это не точки монитора. И каждый их них может быть образован несколькими соседними светящимися точками ( в пределе одной). По команде окрасить в синий цвет тот или иной пиксель,  компьютер, учитывая установленный режим дисплея, закрасит одну или несколько соседних точек монитора. Плотность пикселей измеряется как количество пикселей на единицу длины. Наиболее распространены единицы, называемые кратко как (dots per inch- количество точек на дюйм, 1 дюйм = 2, 54 см). Единица dpi общепринята в области компьютерной графики и издательского дела. Обычно плотность пикселей для экранного изображения составляет 72 dpi  или 96dpi.

2. Проведите эксперимент в графическом редакторе в  случае,  если для каждого цвета пикселя взято 2 уровня градации яркости? Какие цвета вы получите? Оформите в виде таблицы.

Решение:

Красный

Зеленый

Синий

Цвет

0

0

0

Черный

0

1

0

Зеленый

0

0

1

Синий

1

1

1

Белый

1

0

0

Красный

0

1

1

Бирюзовый

1

1

0

Желтый

1

0

1

Малиновый

Векторная графика:

 

  1. Задачи на кодирование векторного изображения.
  2. Получение векторного изображения с помощью векторных команд

 

Методические рекомендации:

При векторном подходе изображение рассматривается как описание графических примитивов, прямых, дуг, эллипсов, прямоугольников, окружностей, закрасок и пр. Описываются положение и форма этих примитивов в системе графических координат.

Таким образом векторное изображение кодируется векторными командами, т.е описывается с помощью алгоритма. Отрезок прямой линии определяется координатами его концов, окружность – координатами центра и радиусом, многоугольник – координатами его углов, закрашенная область — линией границы и цветом закраски. Целесообразно, чтобы учащиеся имели таблицу системы команд векторной графики ([6], стр.150):

Команда

Действие

Линия к X1, Y1

Нарисовать линию от текущей позиции в позицию (X1,Y1).

Линия  X1, Y1, X2,Y2

Нарисовать линию с координатами начала X1, Y1 и координатами конца X2, Y2. Текущая позиция не устанавливается.

Окружность X,Y,R

Нарисовать окружность; X,Y – координаты центра,  а R– длина радиуса.

Эллипс X1, Y1, X2,Y2

Нарисовать эллипс, ограниченный прямоугольником; (X1, Y1) –координаты левого верхнего, а  (X2,Y2) – правого нижнего угла прямоугольника.

Прямоугольник X1, Y1, X2,Y2

Нарисовать прямоугольник; (X1, Y1)-  координаты левого верхнего угла, (X2,Y2) — координаты правого  нижнего угла прямоугольника.

Цвет рисования Цвет

Установить текущий цвет рисования.

Цвет закраски Цвет

Установить текущий цвет закраски

Закрасить X,Y, ЦВЕТ ГРАНИЦЫ

Закрасить произвольную замкнутую фигуру; X, Y – координаты любой точки внутри замкнутой фигуры, ЦВЕТ ГРАНИЦЫ –цвет граничной линии.

 

Урок по информатике «Кодирование графической информации»

Технологическая карта урока (с конспектом),
реализующего системно-деятельностный подход и формирование УУД

Предмет — информатика и ИКТ
Класс – 7
класс
Автор УМК –
Семакин И.Г., Хеннер Е.К., ШеинаТ.Ю.
Тема урока –
Кодирование графической информации (урок №1)
Тип урока —
урок открытия нового знания (ОНЗ)

Цель урока: формирование знаний о принципах кодирования графического изображения и ее хранения в памяти ЭВМ через индивидуальную и групповую работу учащихся.

Задачи урока:

Предметные:

      • сформировать знания о цветовой модели RGB;

      • сформировать представления о цветовой модели CMYK;

      • задавать цвет с использованием цветовой модели RGB;

      • сформировать знания о принципах построения изображения на экране монітора.

Метапредметные:

      • вносить необходимые коррективы в действие после его завершения на основе его оценки и учета характера сделанных ошибок;

      • выполнять учебные действия в материализованной, громкоречевой и умственной форме;

      • уметь формулировать собственное мнение и позицию;

      • уметь задавать вопросы;

      • использование знаково-символических средств, в том числе моделей и схем для решения задач;

      • структурирование знания;

      • адекватно использовать речевые средства для решения различных коммуникативных задач; строить монологическое высказывание, владеть диалогической формой речи.

Личностные:

      • Формирование ценностных ориентиров и смыслов учебной деятельности на основе развития познавательных интересов, учебных мотивов;

      • формирование умения наблюдать, анализировать, сравнивать, делать выводы;

      • осуществление контроля и самоконтроля;

      • развитие находчивости, умения преодолевать трудности для достижения намеченной цели.

Оборудование/ресурсное обеспечение урока: компьютер учителя, мультимедийный проектор, интерактивная доска, компьютеры для учащихся, презентация «Кодирование графической информации», рабочий лист учащегося (приложение 1), справочные материалы (приложение 2), цветные карандаши, набор цветных лепестков для рефлексии.

Ход урока

Деятельность учителя

Деятельность учащихся

Познавательная

Коммуникативная

Регулятивная

Осуществляемые действия

Формируемые способы деятельности

Осуществляемые действия

Формируемые способы деятельности

Осуществляемые действия

Формируемые способы деятельности

Этап 1. Организационный момент (1 мин.)

— Ребята, начинаем урок. На вашем рабочем столе должны быть расположены карандаш, ручка, рабочая тетрадь. Еще у вас на столах лежат рабочие листы, с которыми вы будете работать в течение урока.

— Будьте старательными, активными, внимательными и у вас все получится.

После перемены вы немного взволнованы, нужно сосредоточиться.

Приветствие, фиксация отсутствующих;

— проверка подготовленности уч-ся к учебному занятию;

— проверка подготовленности классного помещения к занятию;

— организация внимания школьников

Ответ на приветствие учителя.

Выделение существенной информации из слов учителя.

Взаимодействие с учителем

Слушание учителя

Целеполагание

Умение настраиваться на занятие

.

Этап 2. Постановка темы и цели урока (2 мин)

— Ребята, посмотрите в окно, что вы видите?

— Осень. Красиво. Разноцветная листва…

Посмотрите на плазму (фото осенней природы)

— Каким образом компьютер может хранить такую красоту? (разные ответы, информация должна быть закодирована 0 и 1).

— Какого вида эта информация?

— Какие существуют правила кодирования?

— Какой будет тема нашего сегодняшнего урока? (Кодирование графической информации)

Итак, запишите в тетради дату и тему урока «Кодирование графической информации».

— Какая цель сегодняшнего урока?

— Узнать как кодируется графическая информация

— Чтобы достичь поставленной цели, мы должны выяснить:

— Какие цветовые модели существуют, принципы их организации

— От чего зависит количество цветов в цветовой палитре

— От чего зависит информационный объем изображения

— Научиться рассчитывать информационный объем изображения

  1. Направляет детей для формулирования темы урока.

  2. Вовлекает учащихся в процесс определения цели урока.

  3. Помогает детям построить план действий для решения проблемы.

Ответы на вопросы. Участвуют в беседе, выдвигают предположения относительно темы и цели урока. Совместно с учителем формулируют тему и цель урока, выстраивают план действий.

Компетенция обучающихся в повседневной жизни

Взаимодействуют с учителем

Слушание учителя

Развитие регуляции учебной деятельности.

Регуляция учебной деятельности.

Этап 3. Актуализация опорных знаний (2 мин.)

-Предлагаю поиграть в игру «Согласен – не согласен». Я буду произносить утверждения, а вы в своих рабочих листах ставите «+», если согласны со мной и «-», если не согласны.

1. Компьютерный алфавит – это алфавит двоичной системы счисления. (+)

2. Мощность алфавита – количество символов, используемых в алфавите. (+)

3. Мощность компьютерного алфавита равна 10. (-)

4. Минимальна единица измерения информации – байт.(-)

5. Чтобы возвести число в n-степень, надо это число умножить само на себя n-раз.(+)

— А теперь я назову правильный вариант ответа, а вы сравните со своими, и сделайте выводы для себя.

Произносит утверждения

Ответы на вопросы.

Актуализации знаний учащихся и активизации мыслительной деятельности

Взаимодействуют с учителем

Слушание учителя

Развитие регуляции учебной деятельности.

Регуляция учебной деятельности.

Этап 4. Изучение нового материала (15 мин.)

— Мы с вами наметили план действий для достижения нашей цели. А где можно найти необходимую информацию? (в учебнике, в интернете, в справочниках, спросить у учителя)

— Мы разбились на группы (три группы по четыре человека). Каждая группа будет работать со своим источником информации. Первая группа будет искать определения ключевых слов в учебнике:

  • пиксель

  • пространственное разрешение монитора

  • цветовая модель RGB

  • глубина цвета

  • видеокарта

  • видеопамять

  • видеопроцессор

  • частота обновления экрана

Вторая группа – в интернете найдет ответ на вопрос «Компьютерное представление цвета. Цветовая модель RGB. Как кодируются цвета в данной модели». А третья – в дополнительных справочных материалах по вопросу «Видеосистема персонального компьютера»

(Изображение на экране монитора формируется из отдельных точек — пикселей.

Пространственное разрешение монитора — это количество пикселей, из которых складывается изображение.

Каждый пиксель имеет определённый цвет, который получается комбинацией трёх базовых цветов — красного, зелёного и синего (цветовая модель RGB).

Глубина цвета — длина двоичного кода, который используется для кодирования цвета пикселя. Количество цветов N в палитре и глубина i цвета связаны между собой соотношением: N = 2i.

Монитор и видеокарта (видеопамять + видеопроцессор) образуют видеосистему персонального компьютера.)

-А теперь по одному представителю из каждой группы для сообщения результатов работы другим.

— Сейчас подумайте и оцените работу своей группы согласно критериям, которые вы видите перед собой, и занесите результаты в таблицу в ваших рабочих листах.

— Итак, сделаем общий вывод: изображение на экране монитора строиться с помощью … (пикселей) и зависит от …..(разрешающей способности экрана)

Напоминает о правилах техники безопасности при работе с ПК

Координирует процесс самостоятельного изучения учениками нового материала

Самостоятельно изучают теоретический материал за компьютером, в учебнике и дополнительной литературе.

Формирование умения наблюдать, делать выводы.

Выделение существенной информации.

Умение строить речевое высказывание.

Анализ содержания.

Поиск и выделение информации.

Умение структурировать знания.

Обсуждают выводы.

Слушание.

Говорение.

Умение слушать и вступать в диалог.

Контроль правильности ответов обучающихся.

Умение слушать в соответствие с целевой установкой.

.

Этап 5. Физкультминутка (2 мин)

Организует процесс выполнения упражнений

Выполняют упражнения

Этап 6. Первичное закрепление изученного (7 мин)

По двум одинаковым рисункам с разным разрешением сделать вывод о качестве изображения и от чего оно зависит.

— Давайте сравним два графических изображения:

    

— Что вы можете сказать о качестве этих изображений? Как можно объяснить разницу?

(качество разное, размер разный,)

— Сделайте вывод и запишите его в рабочем листе.

Сделать выводы от чего зависит объем видеопамяти.

— Мы рассмотрели цветовую модель RGB, основанную на использовании трёхбазовых цветов  — Red (красный), Green (зелёный), Blue (синий). Для получения других оттенков используются сочетания базовых цветов.

Используя рисунок,  заполните пустые клетки.

Название цвета

Красный

Зеленый

Синий

Черный

0

0

0

Красный

255

0

0

Зелёный

Синий

Голубой

0

255

255

Желтый

Пурпурный

 

 

 

Белый

 

 

 

— Если кто-то испытывает затруднения с заполнением таблицы, может воспользоваться интерактивной моделью. (данная модель представлена на доске)

— Поменяйтесь листами с соседом по парте и сопоставьте результаты с эталоном. Внесите корректировку, если необходимо. Оцените работу вашего соседа и внесите данные в рабочий лист.

Название цвета

Красный

Зеленый

Синий

Черный

0

0

0

Красный

255

0

0

Зелёный

0

255

0

Синий

0

0

255

Голубой

0

255

255

Желтый

255

255

0

Пурпурный

255

0

255

Белый

255

255

255

— Поработаем со своими рабочими листами. Составьте опорную схему тех знаний, которые вы получили.

— Сравните свои результаты с эталоном. Внесите корректировку, если необходимо. Оцените свою работу и внесите данные в рабочий лист.

Обсуждает с учащимися степень достижения цели

Установление правильности и осознанности изучения темы. Выявление пробелов первичного осмысления изученного материала, коррекция выявленных пробелов, обеспечение закрепления в памяти детей знаний и способов действий, которые им необходимы для самостоятельной работы по новому материалу. Организует обобщение изученного материала через составление опорного конспекта (схемы)

Ответы на вопросы

Выполнение задания в рабочих листах.

Поиск и выделение информации.

Умение структурировать знания.

Умение строить речевое высказывание.

Выбор наиболее эффективных способов решения задач.

Контроль и оценка процесса и результатов действия.

Классификация объектов.

Установление причинно-следственных связей.

Построение логической цепи рассуждений.

Участие в обсуждении во фронтальном режиме.

Понимание на слух вопросов и ответов обучающихся, умение использовать речь для регулирования своего действия

Инициативное сотрудничество в поиске и сборе информации.

Умение выражать свои мысли в соответствии с условиями коммуникации.

Контроль правильности ответов обучающихся.

Самоконтроль понимания вопросов.

Умение слушать. Уточнение и дополнение высказываний обучающихся.

Осуществление самоконтроля и взаимоконтроля.

Прогнозирование.

Коррекция.

Оценка.

Саморегуляция.

Постановка вопросов.

Этап 7. Практическая работа (5 мин)

— Ответьте на вопрос: как количество используемых цветов влияет на качество изображения? (разные ответы)

— Для подтверждения или опровержения выдвинутых гипотез проведём компьютерный эксперимент.

Давайте вместе сформулируем общий вывод по уроку.

Качество растрового графического изображения зависит от разрешающей способности экрана монитора (чем больше количество строк растра и точек в строке, тем выше качество изображения), а также от глубины цвета (т.е. количества битов, используемых для кодирования цвета точки).

Напоминает о правилах техники безопасности при работе с ПК

Координирует процесс самостоятельного выполнения практической работы

Выполнение задания на компьютере

Поиск и выделение информации.

Умение структурировать знания.

Выбор наиболее эффективных способов решения задач.

Контроль и оценка процесса и результатов действия.

Установление причинно-следственных связей.

Построение логической цепи рассуждений.

Индивидуальная работа

Формирование умения наблюдать, анализировать, сравнивать, делать выводы;

осуществление контроля и самоконтроля;

развитие находчивости, умения преодолевать трудности для достижения намеченной цели;

закрепление умений поиска и систематизации информации.

Самоконтроль понимания поставленной задачи.

Осуществление самоконтроля.

Прогнозирование.

Коррекция.

Оценка.

Саморегуляция.

Этап 8. Постановка домашнего задания (2 мин)

ДОМАШНЕЕ ЗАДАНИЕ (на карточках)

1. Ответить письменно в тетради с объяснением на вопросы:

1) Сколько разных цветов можно кодировать? (256·256·256 = 16 777 216 (True Color))

2) Сколько памяти нужно для хранения цвета 1 пикселя?

(R: 256=28 вариантов, нужно 8 бит = 1 байт
R G B: всего 3 байта)

2. Учебник п.2.2.

3. Творческое задание. Используя Интернет, графический редактор Paint и инженерный калькулятор определить цвета геометрических фигур на рисунке (файл прикреплен в электронном дневнике в разделе Домашнее задание) в системе цветопередачи RGB. Оформить электронный документ, в котором должны содержаться обозначения цветов всех фигур в десятичной системе счисления. Сдать задание на электронном носителе.

Обеспечивает понимание учащимися цели, содержания и способов выполнения домашнего задания. Отвечает на возникающие вопросы.

Слушание учителя и обсуждение домашнего задания (на карточках).

Выделение существенной информации из слов учителя.

Взаимодействие с учителем

Слушание учителя, формирование навыков самоорганизации;

формирование навыков письма.

Развитие регуляции учебной деятельности.

Регуляция учебной деятельности.

Этап 9. Рефлексия и самооценка деятельности на уроке (4 мин)

— Ребята, а теперь вы можете раскрасить наш цветик-семицветик, чтобы он стал ярким и красивым?

Ученики раскрашивают цветочек в цвета согласно кодировкам.

-Какая тема урока у нас сегодня была? Какие цели мы ставили перед собой? Достигли мы этих целей?

— А давайте сделаем наш цветик многоцветиком! Перед вами семь лепестков различных цветов. Каждый цвет несет в себе определенное значение.

Красный Я доволен своей работой на уроке

Зеленый Я хорошо работал, но умею еще лучше

Синий Работа не получилась, не доволен собой

Голубой Материал урока мне был понятен и интересен

Желтый Материал урока мне был не понятен и не интересен

Белый Мое настроение ухудшилось

Пурпурный Мое настроение улучшилось

— Ребята, вы можете выбрать три лепестка и прикрепить их к нашему цветочку.

-Всем спасибо за урок!

Организует процесс рефлексии

Рефлексируют и осуществляют самооценку работы на уроке.

Умение делать выводы.

Рефлексия способов и условий действий.

Взаимодействие с учителем.

Умение формулировать собственное мнение.

Саморегуляция эмоциональных и функциональных состояний.

Саморегуляция. Самооценка.

Рефлексия.

Литература

  1. Информатика. УМК для основной школы: 7 – 9 классы (ФГОС). Методическое пособие для учителя. Авторы: Хлобыстова И. Ю., Цветкова М. С. .

  2. Информатика : учебник для 8 класса. Авторы: Угринович Н. Д.

  3. Информатика. Программа для основной школы : 7–9 классы. Авторы: Угринович Н. Д., Цветкова М. С., Самылкина Н. Н. Год издания: 2014

  4. Информатика в схемах. Авторы: Астафьева Н. Е., Гаврилова С. А., Ракитина Е. А., Вязовова О. В. Год издания: 2010

Материал к уроку

Презентация «Кодирование графической информации»

Мотивационный ролик «Цветик-семицветик»

Ссылки на ресурсы ЕК ЦОР

Приложение1

РАБОЧИЙ ЛИСТ ОБУЧАЮЩЕГОСЯ

Фамилия, имя _______________________________________________________

  1. Начало урока:

Число ___________ Тема урока: _______________________________________________________________________________________

Цель урока: ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Задачи (план действий):

________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Игра «Согласен – не согласен»

___ ___ ___ ___ ___ Общий итог правильных суждений: _____

Вывод: __________________________________________________________________________________________________________________________

2.Работа в группе.

Показатели

Всегда

Обычно

Иногда

Никогда

1. Мы проверяли, все ли участники группы понимают, что нужно сделать

2. Мы отвечали на вопросы, давая объяснения, когда это было необходимо

3. Мы выясняли то, что было нам непонятно

4. Мы помогали друг другу, с тем чтобы все могли понять и применить на практике ту информацию, которую мы получили

Участники моей группы: ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

  1. Самостоятельная работа.

Задание 1.

рис.1 рис.2

Вывод: ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Задание 2.

Используя рисунок,  заполните пустые клетки.

Название цвета

Красный

Зеленый

Синий

Черный

0

0

0

Красный

255

0

0

Зелёный

Синий

Голубой

0

255

255

Желтый

Пурпурный

 

 

 

Белый

 

 

 

Вывод:

Задание 3.

Самооценивание

  1. Практическая работа.

Предполагаемая гипотеза: ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Вывод: ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

ОБЩИЙ ВЫВОД ПО УРОКУ: __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

  1. КРИТЕРИИ ДЛЯ РЕФЛЕКСИИ

Красный Я доволен своей работой на уроке

Зеленый Я хорошо работал, но умею еще лучше

Синий Работа не получилась, не доволен собой

Голубой Материал урока мне был понятен и интересен

Желтый Материал урока мне был не понятен и не интересен

Белый Мое настроение ухудшилось

Пурпурный Мое настроение улучшилось

Приложение 2

СПРАВОЧНЫЙ МАТЕРИАЛ

При работе с цветом используются понятия цветовое разрешение (его еще называют глубиной цвета) и цветовая модель. Цветовое разрешение определяет метод кодирования цветовой информации, и от него зависит то, сколько цветов на экране может отображаться одновременно. Для кодирования двухцветного (черно-белого) изображения достаточно выделить по одному биту на представление цвета каждого пикселя. Выделение одного байта позволяет закодировать 256 различных цветовых оттенков. Два байта (16 битов) позволяют определить 65 536 различных цветом. Этот режим называется High Color. Если для кодирования цвета используются три байта (24 бита), возможно одновременное отображение 16,5 млн цветов. Этот режим называется True Color.

Цвета в природе редко являются простыми. Большинство цветовых оттенков образуется смешением основных цветов. Способ разделения цветового оттенка на составляющие компоненты называется цветовой моделью. Существует много различных типов цветовых моделей, но в компьютерной графике, как правило, применяется не более трех. Эти модели известны под названиями: RGBCMYK и HSB.

Цветовая модель RGB наиболее проста для понимания и очевидна. В этой модели работают мониторы и бытовые телевизоры. Любой цвет считается состоящим из трех основных компонентов: красного (Red), зеленого (Green) и синего (Blue). Эти цвета называются основными. Считается также, что при наложении одного компонента на другой яркость суммарного цвета увеличивается. Совмещение трех компонентов дает нейтральный цвет (серый), который при большой яркости стремится к белому цвету.

Это соответствует тому, что мы наблюдаем на экране монитора, поэтому данную модель применяют всегда, когда готовится изображение, предназначенное для воспроизведения на экране. Если изображение проходит компьютерную обработку в графическом редакторе, то его тоже следует представить в этой модели. В графических редакторах имеются средства для преобразования изображений из одной цветовой модели в другую.

Метод получения нового оттенка суммированием яркостей составляющих компонентов называют аддитивным методом. Он применяется всюду, где цветное изображение рассматривается в проходящем свете («на просвет»): в мониторах, слайд-проекторах и т. п.

Нетрудно догадаться, что чем меньше яркость, тем темнее оттенок. Поэтому в аддитивной модели центральная точка, имеющая нулевые значения компонентов (0, 0, 0), имеет черный цвет (отсутствие свечения экрана монитора). Белому цвету соответствуют максимальные значения составляющих (255, 255, 255). Модель RGB является аддитивной, а ее компоненты — красный, зеленый и синий — называют основными цветами.

Таким образом белый цвет нашей точки в цветовой модели RGB можно записать в следующем виде:

R (от слова «red«, красный) — 255

G (от слова «green«, зеленый) — 255

B (от слова «blue«, синий) — 255

«Насыщенный» красный будет выглядеть так:

R — 255

G — 0

B — 0

Чёрный:

R — 0

G — 0

B — 0

Желтый цвет будет иметь следующий вид:

R — 255

G — 255

B – 0

Ограничения
У модели цвета RGB есть три принципиальных недостатка: Первый — недостаточность цветового охвата. Независимо от размера цветового пространства модели цвета RGB, в ней невозможно воспроизвести много воспринимаемых глазом цветов (например, спектрально чистые голубой и оранжевый). У таких цветов в формуле цвета RGB имеются отрицательные значения интенсивностей базового цвета, а реализовать не сложение, а вычитание базовых цветов при технической реализации аддитивной модели очень сложно. Этот недостаток устранен в перцептивной аддитивной модели. 
Второй недостаток модели цвета RGB состоит в невозможности единообразного воспроизведения цвета на различных устройствах (аппаратная зависимость) из-за того, что базовые цвета этой модели зависят от технических параметров устройств вывода изображений. Поэтому, строго говоря, единого цветового пространства RGB не существует, области воспроизводимых цветов различны для каждого устройства вывода. Более того, даже сравнивать эти пространства численно можно только с помощью других моделей цвета. Третий недостаток коррелированность цветовых каналов (при увеличении яркости одного канала другие уменьшают ее).

Достоинства
Множество компьютерного оборудования работает с использованием модели RGB, кроме того, эта модель очень проста, ее «генетическое» родство с аппаратурой (сканером и монитором), широкий цветовой охват (возможность отображать многообразие цветов, близкое к возможностям человеческого зрения) этим объясняется ее широкое распространение.
Главные достоинства модели цвета RGB состоят в ее простоте, наглядности и в том, что любой точке ее цветового пространства соответствует визуально воспринимаемый цвет.
Благодаря простоте этой модели она легко реализуется аппаратно. В частности, в мониторах управляемыми источниками света с различным спектральным распределением служат микроскопические частицы люминофора трех видов. Они хорошо заметны через увеличительное стекло, но при рассматривании монитора невооруженным глазом из-за явления визуального смыкания видно непрерывное изображение.
Интенсивность светового излучения в мониторах на основе электроннолучевых трубок регулируется с помощью трех электронных пушек, возбуждающих свечение люминофоров. Доступность многих процедур обработки изображения (фильтров) в программах растровой графики, небольшой (по сравнению с моделью CMYK) объем, занимаемый изображением в оперативной памяти компьютера и на диске.

Теория (А9) — ЕГЭ по информатике

КОДИРОВАНИЕ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ

Понятия и формулы, необходимые для решения ЕГЭ по информатике.

  • Пиксель – это наименьший элемент растрового изображения, который имеет определенный цвет.
  • Разрешение – это количество пикселей на дюйм размера изображения.
  • Глубина цвета — это количество битов, необходимое для кодирования цвета пикселя.
  • Если глубина кодирования составляет i битов на пиксель, код каждого пикселя выбирается из 2i возможных вариантов, поэтому можно использовать не более 2i различных цветов.
  • В цветовой модели RGB (красный (R), зеленый (G), синий (B)): R (0..255) G (0..255) B (0..255) -> 28 вариантов на каждый из трех цветов.
  • R G B: 24 бита = 3 байта — режим True Color (истинный цвет)
  • Получим формулу объема памяти для хранения растрового изображения:
  •             

    Формула объема памяти для хранения изображения

    Или можно формулу записать так:

    I = N * i битов

  • где N – количество пикселей и i – глубина цвета (разрядность кодирования)
  • * для указания объема выделенной памяти встречаются разные обозначения (V или I).

  • Следует также помнить формулы преобразования:
  • 1 Мбайт = 220 байт = 223 бит,
    1 Кбайт = 210 байт = 213 бит

КОДИРОВАНИЕ ЗВУКОВОЙ ИНФОРМАЦИИ

Познакомимся с понятиями и формулами, необходимыми для решения заданий 9 ЕГЭ по информатике.

  • Оцифровка или дискретизация – это преобразование аналогового сигнала в цифровой код.
  • Дискретизация, объяснение задания 9 ЕГЭ

  • T – интервал дискретизации (измеряется в с)
  • ƒ — частота дискретизации (измеряется в Гц, кГц)
  • Частота дискретизации определяет количество отсчетов, т.е. отдельных значений сигнала, запоминаемых за 1 секунду. Измеряется в герцах, 1 Гц (один герц) – это один отсчет в секунду, а, например, 7 кГц – это 7000 отсчетов в секунду.
  • Разрядность кодирования (глубина, разрешение) — это число битов, используемое для хранения одного отсчёта.
  • Разрядность кодирования
  • Получим формулу объема звукового файла:
  • Для хранения информации о звуке длительностью t секунд, закодированном с частотой дискретизации ƒ Гц и глубиной кодирования B бит требуется бит памяти:

    I = B * ƒ * t * S

  • I — объем
  • — глубина кодирования
  • ƒ — частота дискретизации
  • t — время
  • S — количество каналов
  • S для моно = 1, для стерео = 2, для квадро = 4

Пример: при ƒ=8 кГц, глубине кодирования 16 бит на отсчёт и длительности звука 128 с. потребуется


Решение:

I = 8000*16*128 = 16384000 бит
I = 8000*16*128/8 = 2048000 байт

ОПРЕДЕЛЕНИЕ СКОРОСТИ ПЕРЕДАЧИ ИНФОРМАЦИИ

  • Канал связи всегда имеет ограниченную пропускную способность (скорость передачи информации), которая зависит от свойств аппаратуры и самой линии (кабеля)
  • Объем переданной информации Q вычисляется по формуле:
  • Q = q * t

  • Q — объем информации
  • q — пропускная способность канала (в битах в секунду или подобных единицах)
  • t — время передачи

Скорость передачи данных определяется по формуле:

Кодирование графической информации — МикроТехСервис

  • Тест по информатике Обработка графической информации
  • Урок «Кодирование графической информации»
  • Кодирование графической и мультимедийной информации | Презентация к уроку по информатике и икт (9 класс) на тему:
  • Какой буквой обозначается глубина цвета — MOREREMONTA
  • Кодирование графической информации. Пространственная дискретизация.
  • ФОРМИРОВАНИЕ ИЗОБРАЖЕНИЯ НА ЭКРАНЕ МОНИТОРА ОБРАБОТКА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ
      • Кодирование графической информации.
      • ИНФОРМАЦИЯ. ИЗМЕРЕНИЕ ИНФОРМАЦИИ
      • ГЛАВА 2 РАСТРОВАЯ ГРАФИКА
      • Информатика 9 класс. Модуль 1
      • Индивидуальная работа класс
      • Работа по информатике для 7 класса.
      • А15 (повышенный уровень, время 2 мин)
      • А15 (повышенный уровень, время 2 мин)
      • N=2 i i Информационный вес символа, бит
      • Теоретические сведения
      • Алфавитный подход к измерению информации:
      • Количество информации
      • Введение в информатику
      • ФОНД ОЦЕНОЧНЫХ СРЕДСТВ
      • ИНФОРМАТИКА. 9 класс МОСКВА «ВАКО»
      • Теоретические основы информатики
      • ДВОИЧНОЕ КОДИРОВАНИЕ ИНФОРМАЦИИ
      • Подготовка к ЕГЭ. Занятие октября 2016 г.
      • Виды памяти компьютера 10 класс
      • «Информатика и ИКТ» Методическое пособие
      • ВАРИАНТ 1. ВАРИАНТ 2.
      • Преподаватель: Ульянова Елена Викторовна
      • Приложение 1 Практикум к главе 2
      • СВЕТ, ИЗЛУЧАЕМЫЙ И ОТРАЖАЕМЫЙ
      • Повторение изученного в 7 8 классах
      • КОДИРОВАНИЕ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ
      • Кодирование информации
      • ЗАДАНИЯ — 1. Нумерация разделов по ЕГЭ-2013 ИНФОРМАЦИЯ. А8, А11, В1, В10 СИСТЕМЫ СЧИСЛЕНИЯ. А1, А9, В4, В8 АЛГЕБРА ЛОГИКИ.
      • Представление информации в компьютере
  • Графическая информация — презентация онлайн
  • — Graphics Mill
  • Учебное пособие по цифровой визуализации — базовая терминология
  • Что такое битовая глубина цвета?
  • Глубина цвета — Videocide
  • Распутывание | Понимание битовой глубины
  • Что такое глубина цвета для моей видеокарты или монитора?
  • и битовая глубина цвета

Тест по информатике Обработка графической информации

Тест по информатике Обработка графической информации для учащихся 7 класса ФГОС. Тест содержит 16 заданий и предназначен для проверки знаний по соответствующей теме.

1. К устройствам ввода графической информации относится:

а) принтер
б) монитор
в) мышь
г) видеокарта

2. К устройствам вывода графической информации относится:

а) сканер
б) монитор
в) джойстик
г) графический редактор

3. Наименьшим элементом изображения на графическом экране является:

а) курсор
б) символ
в) пиксель
г) линия

4. Пространственное разрешение монитора определяется как:

а) количество строк на экране
б) количество пикселей в строке
в) размер видеопамяти
г) произведение количества строк изображения на количество точек в строке

5. Цвет пикселя на экране монитора формируется из следующих базовых цветов:

а) красного, синего, зелёного
б) красного, жёлтого, синего
в) жёлтого, голубого, пурпурного
г) красного, оранжевого, жёлтого, зелёного, голубого, синего, фиолетового

6. Глубина цвета — это количество:

а) цветов в палитре
б) битов, которые используются для кодирования цвета одного пикселя
в) базовых цветов
г) пикселей изображения

7. Видеопамять предназначена для:

а) хранения информации о цвете каждого пикселя экрана монитора
б) хранения информации о количестве пикселей на экране монитора
в) постоянного хранения графической информации
г) вывода графической информации на экран монитора

8. Графическим объектом не является:

а) рисунок
б) текст письма
в) схема
г) чертёж

9. Графический редактор — это:

а) устройство для создания и редактирования рисунков
б) программа для создания и редактирования текстовых изображений
в) устройство для печати рисунков на бумаге
г) программа для создания и редактирования рисунков

10. Достоинство растрового изображения:

а) чёткие и ясные контуры
б) небольшой размер файлов
в) точность цветопередачи
г) возможность масштабирования без потери качества

11. Векторные изображения строятся из:

а) отдельных пикселей
б) графических примитивов
в) фрагментов готовых изображений
г) отрезков и прямоугольников

12. Растровым графическим редактором НЕ является:

а) Gimp
б) Paint
в) Adobe Photoshop
г) CorelDraw

13. Несжатое растровое изображение размером 64 х 512 пикселей занимает 32 Кб памяти. Каково максимально возможное число цветов в палитре изображения?

а) 8
б) 16
в) 24
г) 256

14. Некое растровое изображение было сохранено в файле p1.bmp как 24-разрядный рисунок. Во сколько раз будет меньше информационный объём файла p2.bmp, если в нём это же изображение сохранить как 16-цветный рисунок?

а) 1,5
б) 6
в) 8
г) размер файла не изменится

15. Сканируется цветное изображение размером 25 х 30 см. Разрешающая способность сканера 300 х 300 dpi, глубина цвета — 3 байта. Какой информационный объём будет иметь полученный графический файл?

а) примерно 30 Мб
б) примерно 30 Кб
в) около 200 Мб
г) примерно 10 Мб

16. Рассчитайте объём видеопамяти, необходимой для хранения графического изображения, занимающего весь экран монитора с разрешением 1280 х 1024 и палитрой из 65 536 цветов.

а) 2560 битов
б) 2,5 Кб
в) 2,5 Мб
г) 256 Мб

Ответы на тест по информатике Обработка графической информации:
1-в, 2-б, 3-в, 4-г, 5-а, 6-б, 7-а, 8-б, 9-г, 10-в, 11-б, 12-г, 13-г, 14-б, 15-а, 16-в.

Урок «Кодирование графической информации»

«Растровое кодирование графической информации»

10 класс

В ходе изучения темы происходит активное развитие мышления:

системного мышления, т. е. способности к рассмотрению объектов и явлений в виде набора более простых элементов, составляющих определённое целое;

алгоритмического мышления, т.е. умения планировать последовательность действий для достижения какой-либо цели, а также умения решать задачи, ответом для которых является описание последовательности действий;

объектно-ориентированного мышления, т.е. умения работать с объектами, умения объединять отдельные предметы в группу с общим названием; умения выделять общие признаки предметов в этой группе или общие действия, выполняемые над этими предметами.

 

Тема урока: Растровое кодирование графической информации.

Цель:

Создать условия для получения знаний о кодировании графической информации, о растровой графике и принципах построения изображения в растровом графическом редакторе.

Задачи:

Рассмотреть кодирование графической информации в растровом графическом редакторе.

Выполнить задания на построение растрового изображения в рабочей тетради.

Выполнить практические задания в растровом графическом редакторе.

    Тип урока: урок изучения нового материала.

    Межпредметные связи: изобразительное искусство, математика, английский язык.

    Оборудование: компьютерный класс, медиапроектор, экран.

    Программное обеспечение: Windows XP 2003, Графический редактор.

    План урока:

    Организационно-мотивационный момент.(1-2 мин).

    Актуализация знаний. (3 мин)

    1. Что представляет собой операция кодирования?

      Как кодируется числовая информация?

      Как кодируется текстовая информация?

      1. Изучение нового материала:

      Графическая информация представляет собой изображение, сформированное из определенного числа точек – пикселей.

      Добавим к этой информации новые сведения. Процесс разбиения изображения на отдельные маленькие фрагменты (точки) называется пространственной дискретизацией. Её можно сравнить с построением рисунка из мозаики. При этом каждой точке присваивается код цвета.

      От количества точек зависит качество изображения. Оно тем выше, чем меньше размер точки и соответственно большее их количество составляет изображение. Такое количество точек называется разрешающей способностью

      и обычно существуют четыре значений этого параметра: 640х480, 800х600, 1024х768, 1280х1024.

      Качество изображения зависит также от количества цветов, т.е. от количества возможных состояний точек изображения, т.к. при этом каждая точка несет большее количество информации. Используемый набор цветов образует палитру цветов.

      Для кодирования цвета применяется принцип разложения цвета на основные состовляющие. Их три: красный цвет (Red,R), синий цвет (Blue,B) и зелёный (Green,G).Это так называемая цветовая модель RGB

      Смешивая эти составляющие можно получить различные оттенки и цвета – от белого до черного.

      Количество бит, необходимых для кодирования цвета точки называется глубиной цвета.

      Наиболее распространенными значениями глубины цвета являются 4, 8, 16, и 24 бита на точку.

      Количество цветов можно вычислить по формуле: , где I- глубина цвета.

      Упражнение №1.

      Заполните таблицу:

      Глубина цвета, к (бит)

      Количество отображаемых цветов, N

      1 (монохромная)

       

      3

       

      4

       

      8

       

      16 (High Color)

       

      24 (True Color)

       

      Ответ: 2, 8, 16, 256, 65536, 16777216

      Восемь цветовых комбинаций ( глубина цвета равна 3)

      Шестнадцать цветовых комбинаций (глубина цвета равна 4)

      Любой растровое изображение в компьютере имеет битовую карту.Битовая карта является двоичным кодом изображения, хранится в видеопамяти компьютера, считывается видеопроцессором ( не реже 60 раз в секунду – частота обновления экрана) и отображается на экран.

      Упражнение №2.

      Закодировать изображение:

      Ответ: Битовая карта при трехбитном кодировании изображения будет выглядеть так:

      011 011 011 011 011 011 011 011
      011 011 001 011 011 001 011 011
      011 011 001 011 001 011 011 011
      011 011 001 001 011 011 011 011
      011 011 001 001 011 011 011 011
      011 011 001 011 001 011 011 011
      011 011 001 011 011 001 011 011
      011 011 001 011 011 011 001 011

      Упражнение №3.

      Решение задач.

      1)Какой объем видеопамяти необходим для хранения четырех страниц изображения, при условии, что разрешающая способность дисплея равна 640Х480 точек, а используемых цветов 32?

      Решение.

      1) , 32=, i=5 бит – глубина цвета

      2) I=640*480*5*4=6144000 бит = 750 Кбайт

      2) 265-цветный рисунок содержит 1 Кбайт информации. Из скольких точек он состоит?

      Решение.

      1) , 256=, i=8 бит – информационный объем одной точки;

      2) 1 Кбайт =1024*8 бит =8192 бит — объем изображения;

      3) 8192:8=1024 точек – на изображении

       

      3) Видеопамять имеет объем, в котором может храниться 8-цветное изображение размером 640Х350 точек. Какого размера изображение можно хранить в том же объеме видеопамяти, если использовать 512-цветную палитру?

      Решение.

      N1=, 8=, i1=3 бита – глубина цвета 1-го изображения;

      640*350*3=672000 бит – объем видеопамяти

        3) N2=, 512=, i2=9 бит — информационный объем одной точки 2-го изображения;

        4) 672000/9=74667 точек – размер 2-го изображения.

        4. Домашнее задание.

        Отсканировать цветное изображение стандартного размера формата А4. Разрешающая способность сканера 600 dpi (количество точек на дюйм) и глубина цвета 24 бита. Какой информационный объем будет иметь полученный графический файл.

        5. Подведение итогов.

        Кодирование графической и мультимедийной информации | Презентация к уроку по информатике и икт (9 класс) на тему:

        Слайд 1

        Кодирование графической информации Орлова Елена Альбертовна учитель информатики и ИКТ ГОУ СОШ №451 Санкт-Петербург

        Слайд 2

        Графическая информация может быть представлена в аналоговой и дискретной форме живописное полотно цифровая фотография

        Слайд 3

        Примером аналогового представления информации может служить живописное полотно, цвет которого изменяется непрерывно

        Слайд 4

        Дискретное изображение состоит из отдельных точек лазерный принтер струйный принтер

        Слайд 5

        Преобразование изображения из аналоговой (непрерывной) в цифровую (дискретную) форму называется пространственной дискретизацией Аналоговая форма Дискретная форма сканирование

        Слайд 6

        В процессе пространственной дискретизации изображение разбивается на отдельные маленькие фрагменты, точки — пиксели пиксель

        Слайд 7

        Пиксель – минимальный участок изображения, для которого независимым образом можно задать цвет. В результате пространственной дискретизации графическая информация представляется в виде растрового изображения.

        Слайд 8

        Разрешающая способность растрового изображения определяется количеством точек по горизонтали и вертикали на единицу длины изображения.

        Слайд 9

        Чем меньше размер точки, тем больше разрешающая способность, а значит, выше качество изображения. Величина разрешающей способности выражается в dpi ( dot per inch – точек на дюйм), т.е. количество точек в полоске изображения длиной один дюйм (1 дюйм=2,54 см.)

        Слайд 10

        В процессе дискретизации используются различные палитры цветов (наборы цветов, которые могут принять точки изображения). Количество информации, которое используется для кодирования цвета точки изображения, называется глубиной цвета . Количество цветов N в палитре и количество информации I , необходимое для кодирования цвета каждой точки, могут быть вычислены по формуле: N = 2 I

        Слайд 11

        Пример: Для кодирования черно-белого изображения (без градации серого) используются всего два цвета – черный и белый. По формуле N=2 можно вычислить, какое количество информации необходимо, чтобы закодировать цвет каждой точки: I 2=2 I 2=2 1 I = 1 бит Для кодирования одной точки черно-белого изображения достаточно 1 бита.

        Слайд 12

        Зная глубину цвета, можно вычислить количество цветов в палитре. Глубина цвета, I (битов) Количество цветов в палитре, N 8 2 = 256 16 2 = 65 536 24 2 = 16 777 216 8 16 24 Глубина цвета и количество цветов в палитре

        Слайд 13

        1. Растровый графический файл содержит черно-белое изображение с 16 градациями серого цвета размером 10х10 пикселей. Каков информационный объем этого файла? Задачи: Решение: 16 = 2 ; 10*10*4 = 400 бит 2. 256-цветный рисунок содержит 120 байт информации. Из скольких точек он состоит? Решение : 120 байт = 120*8 бит; 265 = 2 (8 бит – 1 точка). 120*8/8 = 120 8 4

        Слайд 14

        Качество растровых изображений, полученных в результате сканирования, зависит от разрешающей способности сканера. Оптическое разрешение – количество светочувствительных элементов на одном дюйме полоски Аппаратное разрешение – количество « микрошагов » светочувствительной полоски на 1 дюйм изображения например, 1200 dpi например, 2400 dpi

        Слайд 15

        Растровые изображения на экране монитора Качество изображения на экране монитора зависит от величины пространственного разрешения и глубины цвета. определяется как произведение количества строк изображения на количество точек в строке характеризует количество цветов, которое могут принимать точки изображения (измеряется в битах)

        Слайд 16

        Формирование растрового изображения на экране монитора 1 2 3 4 ………………………………….. 800 2 3 600 ….………. Всего 480 000 точек Видеопамять Номер точки Двоичный код цвета точки 1 01010101 2 10101010 …. . 800 11110000 ….. 480 000 11111111

        Слайд 17

        Белый свет может быть разложен при помощи природных явлений или оптических приборов на различные цвета спектра: — красный — оранжевый — желтый — зеленый — голубой — синий — фиолетовый

        Слайд 18

        Человек воспринимает цвет с помощью цветовых рецепторов (колбочек), находящихся на сетчатке глаза. Колбочки наиболее чувствительны к красному , зеленому и синему цветам.

        Слайд 19

        Палитра цветов в системе цветопередачи RGB В системе цветопередачи RGB палитра цветов формируется путём сложения красного , зеленого и синего цветов.

        Слайд 20

        Цвет палитры Color можно определить с помощью формулы: Color = R + G + В При этом надо учитывать глубину цвета — количество битов, отводимое в компьютере для кодирования цвета. Для глубины цвета 24 бита (8 бит на каждый цвет ): 0 ≤ R ≤ 255, 0 ≤ G ≤ 255, 0 ≤ B ≤ 255

        Слайд 21

        Формирование цветов в системе цветопередачи RGB Цвета в палитре RGB формируются путём сложения базовых цветов, каждый из которых может иметь различную интенсивность. Цвет Формирование цвета Черный Black = 0 + 0 + 0 Белый While = R max + G max + B max Красный Red = R max + 0 +0 Зеленый Green = 0 + G max + 0 Синий Blue = 0 + 0 + B max Голубой Cyan = 0+ G max + B max Пурпурный Magenta = R max + 0 + B max Желтый Yellow = R max + G max + 0

        Слайд 22

        Система цветопередачи RGB применяется в мониторах компьютеров, в телевизорах и других излучающих свет технических устройствах.

        Слайд 23

        Палитра цветов в системе цветопередачи CMYK В системе цветопередачи CMYK палитра цветов формируется путём наложения голубой , пурпурной , жёлтой и черной красок .

        Слайд 24

        Формирование цветов в системе цветопередачи С MYK Цвет Формирование цвета Черный Black = C + M + Y = W – G – B – R = K Белый While = (C = 0, M = 0, Y = 0) Красный Red = Y + M = W – G – B = R Зеленый Green = Y + C = W – R – B = G Синий Blue = M + C = W – R – G = B Голубой Cyan = C = W – R = G + B Пурпурный Magenta = M = W – G = R + B Желтый Yellow = Y = W – B = R + G Цвета в палитре CMYK формируются путем вычитания из белого цвета определенных цветов.

        Слайд 25

        Цвет палитры Color можно определить с помощью формулы: Color = С + M + Y Интенсивность каждой краски задается в процентах: 0% ≤ С ≤ 100%, 0% ≤ М ≤ 100%, 0% ≤ Y ≤ 100% Смешение трех красок – голубой, желтой и пурпурной – должно приводить к полному поглощению света, и мы должны увидеть черный цвет. Однако на практике вместо черного цвета получается грязно-бурый цвет. Поэтому в цветовую модель добавляют еще один, истинно черный цвет – bla К. Расширенная палитра получила название CMYK .

        Слайд 26

        Система цветопередачи CMYK применяется в полиграфии.

        Слайд 27

        Задачи: Рассчитайте объём памяти, необходимый для кодирования рисунка, построенного при графическом разрешении монитора 800х600 с палитрой 32 цвета. 2. Какой объем видеопамяти необходим для хранения четырех страниц изображения при условии, что разрешающая способность дисплея 640х480 точек, а глубина цвета 32? Решение : 800*600*5 бит = 2400000 бит : 8 : 1024 = 293 Кбайт Решение: 640*480*5*4 = 6144000 бит : 8 : 1024 = 750 Кбайт

        Слайд 28

        Домашнее задание: Учебник Н.Д.Угринович , 9 класс § 1.1.1, § 1.1.2 , § 1.1.3 задания 1.1 – 1.7

        Какой буквой обозначается глубина цвета — MOREREMONTA

        Урок » Вычисление объема графического файла»

        Качество кодирования изображения зависит от :

        — размера точки — чем меньше её размер, тем больше количество точек в изображении

        — количества цветов (палитры) — чем большее количество возможных состояний точки, тем качественнее изображение

        Вычисление объема графического файла

        Информации о состоянии каждого пикселя хранится в закодированном виде в памяти ПК. Из основной формулы информатики можно подсчитать объем памяти, необходимый для хранения одного пикселя:

        где i — глубина кодирования (количество бит, занимаемых 1 пикселем), N — количество цветов (палитра)

        Для получения черно-белого изображения пиксель может находится в одном из состояний: светится – белый (1) , не светится – черный (0) .

        Следовательно, для его хранения требуется 1 бит.

        2 4 = 16

        2 8 = 256

        16 (hige color)

        2 16 = 65 536

        24 (true color)

        2 24 = 16 777 216

        Вычисление объема растрового изображения

        где V — объем файла , k — количество пикселей , i — глубина цвета

        Задача 1. Вычислить объем растрового черно-белого изображения размером 128 х 128.

        Решение: 1) N = 2 = 2 i , i = 1

        2) V = K * i = ( 1 28 x 1 28 x 1 бит) / (8 * 1024) = 2 Кбайт.

        Задача 2. Вычислить объем растрового изображения размером 128 х 128 и палитрой 256 цветов.

        Решение: 1) N = 256 = 2 i , i = 8

        2) V = K * i = ( 1 28 x 1 28 x 8 бит) / (8 х 1024) = 16 Кбайт.

        Задача 3. Рассчитайте объём видеопамяти, необходимой для хранения графического изображения, занимающего весь экран монитора с разрешением 640 х 480 и палитрой из 65 536 цветов.

        Решение: 1) N = 65536 = 2 i , i = 16

        2) V = K * i = ( 640 x 4 8 0 x 16 бит) / (8 х 1024) = 6 00 Кбайт.

        Ответ: 6 00 Кбайт

        Вычисление объема векторного изображения

        Задача 3. Вычислить объем векторного изображения.

        Решение: Векторное изображение формируется из примитивов и хранится в памяти в виде формулы:

        RECTANGLE 1, 1, 100, 100, Red, Green

        Подсчитаем количество символов в этой формуле: 36 символов (букв, цифр, знаков препинания и пробелов)

        36 символов х 2 байта = 72 байт ( Unicode 1 символ — 1 байт)

        Количество информации в изображении можно измерить. Для этого изображение разбивают на отдельные маленькие фрагменты (пиксели). Каждому пикселю, формирующему изображение, назначается определенный цвет. Система растровых изображений использует RGB матрицу, т.е. три цвета, красный, зеленый и синий. Цвет каждого пикселя зависит от яркости этих цветов. Этот процесс называют пространственной дискретизацией изображения. Изображение, сформированное таким способом, называют растровым.

        Качество такого изображения зависит от двух параметров- количество пикселей и количество цветов в палитре.

        Кодирование цвета точки .

        С количеством цветов в палитре связана глубина цвета.

        Возможные варианты представления цветовых палитр:

        • 1-битный цвет (2 1 = 2 цвета) бинарный цвет, чаще всего представляется чёрным и белым цветами (или черный и зелёный)
        • 2-битный цвет (2² = 4 цвета) CGA, градации серого цвета NeXTstation
        • 3-битный цвет (2³ = 8 цветов) Множество устаревших персональных компьютеров с TV-выходом
        • 4-битный цвет (2 4 = 16 цветов) известен как EGA и в меньшей степени как VGA-стандарт с высоким разрешением
        • 5-битный цвет (2 5 = 32 цвета) Original Amiga chipset
        • 6-битный цвет (2 6 = 64 цвета) Original Amiga chipset
        • 8-битный цвет (2 8 = 256 цветов) Устаревшие Unix-рабочие станции, VGA низкого разрешения, Super VGA, AGA
        • 12-битный цвет (2 12 = 4,096 цветов) некоторые Silicon Graphics-системы, цвет NeXTstation-систем, и Amiga-систем HAM-режима.

        «Реальные» цвета

        С увеличением количества бит в представлении цвета, количество отображаемых цветов стало становиться непрактично-большим для цветовых палитр (20-битная глубина цвета требует больше памяти для сохранения цветовой палитры, чем памяти для сохранения самих пикселей изображения). При большой глубине цвета на практике обычно кодируют яркости красной, зелёной и синей составляющих — такое кодирование обычно называют RGB-моделью.

        8-битный «реальный» цвет

        Сильно ограниченная, однако «реальная» цветовая схема, в которой 3 бита (8 возможных значений) для красной (R) и зелёной (G) составляющих, и два оставшихся бита на пиксель для кодирования синей (B) составляющей (4 возможных значения), позволяют представить 256 (8 × 8 × 4) различных цвета. Нормальный человеческий глаз менее чувствителен к синей составляющей, чем к красной и зелёной, поэтому синяя составляющая представляется одним битом меньше. Такая схема использовалась в MSX2-серии компьютеров в 1990-х.

        Не следует путать такую схему с 8bpp индексным цветом, который может быть представлен выбором различных цветовых палитр.

        12-битный «реальный» цвет

        12-битный «реальный» цвет кодируется 4 битами (16 возможных значений) для каждой R, G и B-составляющих, что позволяет представить 4096 (16×16×16) различных цветов. Такая глубина цвета иногда используется в простых устройствах с цветными дисплеями (например, в мобильных телефонах).

        HighColor

        Highcolor или HiColor разработан для представления оттенков «реальной жизни», то есть наиболее удобно воспринимаемый человеческим глазом. Такой цвет кодируется 15 или 16 битами:

        • 15-битный цвет использует 5 бит для представления красной составляющей, 5 для зелёной и 5 для синей, то есть 2 5 = 32 возможных значения каждого цвета, которые дают 32768 (32×32×32) объединённых цвета.
        • 16-битный цвет использует 5 бит для представления красной составляющей, 5 для синей, но (так как человеческий глаз более чувствителен при восприятии зелёной составляющей) 6 бит для представления зелёной, соответственно 64 возможных значения. Таким образом получаются 65536 (32×64×32) цвета. 16-bit цвет упоминается как «тысячи цветов» («thousands of colors») в системах Macintosh.
        LCD Displays

        Большинство современных LCD-дисплеев отображают 18-битный цвет (64×64×64 = 262 144 комбинаций), но благодаря технологии dithering разница с truecolor-дисплеями на глаз незначительна.

        Truecolor

        TrueColor приближен к цветам «реального мира», предоставляя 16,7 миллионов различных цветов. Такой цвет наиболее приятен для восприятия человеческим глазом различных фотографий, для обработки изображений.

        • 24-битный Truecolor-цвет использует по 8 бит для представления красной, синей и зелёной составляющих, 2 8 = 256 различных варианта представления цвета для каждого канала, или всего 16 777 216 цветов (256×256×256). 24-bit цвет упоминается как «миллионы цветов» («millions of colors») в системах Macintosh.
        32-битный «реальный» цвет

        «32-битный цвет» — это пример неправильного употребления термина при описании глубины цвета. Заблуждением является то, что 32-битный цвет позволяет представить 2³² = 4 294 967 296 различных оттенка.

        В реальности 32-битный цвет является 24-битным (Truecolor) с дополнительным 8-битным каналом, который либо заполнен нулями (не влияет на цвет), либо представляет собой Альфа-канал, который задаёт прозрачность изображения для каждого пикселя.

        Причиной, по которой используют «пустой» канал, является стремление оптимизировать работу с видеопамятью, которая у большинства современных компьютеров имеет 32-битную адресацию и 32-битную шину данных.

        Сверх-Truecolor

        В конце 1990-х некоторые high-end графические системы, например SGI начали использовать более 8 бит на канал, например 12- или 16-бит. Программы профессионального редактирования изображений стали сохранять по 16 бит на канал, предоставляя «защиту» от накапливания ошибок округления, погрешностей при вычислении в условиях ограниченной разрядной сетки чисел.

        Для дальнейшего расширения динамического диапазона изображений, включая High Dynamic Range Imaging (HDRI), числа с плавающей запятой позволяют описывать в изображениях наиболее аккуратно интенсивный свет и глубокие тени в одном и том же цветовом пространстве. Различные модели описывают такие диапазоны, применяя более 32 бит на канал. Можно отметить новый Industrial Light & Magic (ILM) формат, использующий 16-битные числа с плавающей запятой, которые позволяют представить цветовые оттенки лучше, чем 16-битные целые числа. Предполагается, что такие схемы представления цвета заменят стандартные схемы, как только аппаратное обеспечение сможет с достаточной скоростью и эффективностью поддерживать новые форматы.

        Телевизионный цвет

        Множество современных телевизоров и компьютерных дисплеев отображают изображения варьируя интенсивностью трёх основных цветов: синий, зелёный и красный. Яркий жёлтый, например, является композицией одинаковых по интенсивности красной и зелёной составляющих без добавления синей компоненты. Однако это только приближение, которое не даёт в действительности яркий жёлтый цвет. Именно поэтому последние технологии, как например Texas Instruments BrilliantColor расширяют типовые красные, зелёные и синие каналы новыми: голубым (сине-зелёным), пурпурным и желтым цветами [1] . Mitsubishi и Samsung используют упомянутую технологию в некоторых телевизионных системах.

        Подразумевая использование 8-битных каналов 6-цветные изображения кодируются 48-битными цветами.

        ATI FireGL V7350 видеоадаптеры поддерживают 40- и 64-битные цвета [2] .

        Источники

        1. Hutchison, David C. (2006-04-05). «Wider color gamuts on DLP display systems through BrilliantColor technology». Digital TV DesignLine. Проверено 2007-08-16.
        2. [Tony]ATI unwraps first 1GB graphics card. Hardware.co.uk (2006-03-20). (недоступная ссылка — история) Проверено 3 октября 2006.

        См. также

        • Цвет
        • RGB
        • CMYK
        • Графические форматы
        • X Pixmap
        • X Image

        Wikimedia Foundation . 2010 .

        Смотреть что такое «Глубина цвета» в других словарях:

        глубина цвета — Число двоичных разрядов, используемых для одновременного представления определенного количества цветов на экране или печатающем устройстве. При этом количество отображаемых цветов определяется как 2N, где N — глубина цвета. Количество бит,… … Справочник технического переводчика

        Глубина цвета — количество бит, приходящихся на один пиксель (bpp). Наиболее популярными разрешениями являются: 8bpp (256 цветов), 16bpp (65536 цветов), 24bpp. По английски: Color depth См. также: Растровая графика Финансовый словарь Финам … Финансовый словарь

        Глубина цвета — максимальное число оттенков цвета или градаций серого, которое может считывать сканирующее устройство для каждого вводимого пиксела. С ростом Г. ц. увеличивается количество деталей цветного изображения, которые может вводить сканер. Для… … Реклама и полиграфия

        Глубина цвета — (Color depth) количество бит, приходящихся на один пиксель (bpp). Наиболее популярными разрешениями являются: 8bpp (256 цветов), 16bpp (65536 цветов), 24bpp … Краткий толковый словарь по полиграфии

        Цвета HTML — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая модель RGB Цветовая модель CMYK Цветовая палитра Видимое излучение Цвета в Web (Цвета HTML) … Википедия

        Цвета в веб — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая палитра Видимое излучение Цвета в Web Существуют несколько основных способов представления… … Википедия

        Цвета Web — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая палитра Видимое излучение Цвета в Web Существуют несколько основных способов представления… … Википедия

        Цвета web — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая палитра Видимое излучение Цвета в Web Существуют несколько основных способов представления… … Википедия

        Цвета Веб — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая палитра Видимое излучение Цвета в Web Существуют несколько основных способов представления… … Википедия

        Цвета в web — Глубина цвета битовое изображение 8 битная шкала серого 8 битный цвет 15/16 bit: Highcolor 24 bit: Truecolor 30/36/48 bit: Deep Color См. также Цветовая палитра Видимое излучение Цвета в Web Существуют несколько основных способов представления… … Википедия

        Глубина цвета I

        Количество отображаемых цветов N

        32 (true color) 2 32 = 4 294 967 296

        Кодирование графической информации. Пространственная дискретизация.

        Кодирование графической информации. Пространственная дискретизация.

        Учитель информатики

        МБОУ СОШ №2 с.Кизляр

        Хасанова М.И.

        Графическая информация

        Дискретная форма

        Аналоговая форма

        Примером аналоговой формы может служить живописное полотно, цвет которого изменяется непрерывно.

        Дискретное изображение состоит из отдельных точек. Примером может служить изображение, распечатанное на принтере.

        Аналоговая форма

        Дискретная форма

        Пространственная дискретизация

        Пространственную дискретизацию изображения можно сравнить с построением мозайки. Изображение разбивается на отдельные маленькие фрагменты (точки, или пиксели), причем каждый элемент имеет свой цвет (красный, зеленый, синий и т. д.).

        Фрагмент увеличенного изображения

        Исходное изображение

        Пиксель — минимальный участок изображения, для которого независимым образом можно задать цвет.

        В результате пространственной дискретизации графическая информация представляется в виде растрового изображения, которое формируется из определенного количества строк, которые, в свою очередь, содержат определенное количество точек (рис. 1.1).

        Одна и та же фотография может быть разного качества на сотовом телефоне и цифровом фотоаппарате. От чего это зависит? Это зависит от количества точек на экране и называется разрешающей способностью.

        Разрешающая способность.

        Важнейшей характеристикой качества растрового изображения является разрешающая способность.

        Разрешающая способность растрового изображения определяется количеством точек по горизонтали и вертикали на единицу длины изображения.

        Каждая точка изображения закодирована. А количество информации, необходимое для кодирования каждой точки изображения, называется глубиной цвета. Количество цветов N в палитре и количество информации I , необходимое для кодирования одной точки изображения, можно вычислить по формуле N=2 I

        В простейшем случае (черно-белое изображение без градаций серого цвета) палитра цветоа состоит всего из двух цветов(чрного и белого). Каждая точка экрана может принимать одно из двух состояний (черная или белая). По формуле N= 2i можно вычислить, какое количество информации необходимо, чтобы закодировать цвет каждой точки:

        2 = 2 i 2=2 I = 1 бит

        Зная глубина цвета, можно рассчитать количество цветов в палитре

        Глубина цвета I (битов)

        Количество цветов в палитре N

        8

        256

        16

        65536

        24

        16777216

        1. Графическая информация может быть представлена в виде:

        А. аналоговой формы

        Б. дискретной формы

        В. Аналоговой и дискретной формы

        2. При аналоговом представлении графической информации:

        А. цвет изображения изменяется непрерывно

        Б. изображение состоит из отдельных точек разного цвета

        3. Графическое изображение преобразуется путем пространственной дискретизации:

        А. из аналоговой формы в цифровую

        Б. из цифровой формы в аналоговую

        4. С помощью каких параметров задается графический режим экрана монитора?

        А. пространственного разрешения

        Б. глубины цвета

        В. Пространственного разрешения и глубины цвета

        5. Разрешающая способность растрового изображения определяется:

        А. расстоянием этого изображения по вертикали

        Б. расстоянием этого изображения по горизонтали

        В. Отношением расстояния по вертикали к расстоянию по горизонтали

        Г. Количеством точек как по горизонтали так и по вертикали на единицу длины изображения

        6. Глубина цвета –

        А. количество информации, которое используется при кодировании цвета точки изображения

        Б. количество цветов, которое может принимать точка

        В. Количество точек одного цвета

        7. В системе цветопередачи RGB цвет

        А. формируется путем сложения базовых цветов (красный, зеленый, синий)

        Б. формируется путем сложения базовых цветов (красный, желтый, зеленый)

        В. формируется путем сложения базовых цветов (красный, белый, голубой)

        8. Пиксель –

        А. графические примитивы, которые используются при составлении изображения

        Б. устройство для считывания информации

        В. Минимальный участок изображения, для которого независимым образом можно задать цвет

        ФОРМИРОВАНИЕ ИЗОБРАЖЕНИЯ НА ЭКРАНЕ МОНИТОРА ОБРАБОТКА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ

        Кодирование графической информации.

        Кодирование графической информации. Пространственная дискретизация. Аналоговая форма представления графической информации Дискретная форма представления графической информации Изображение разбивается на

        Подробнее

        ИНФОРМАЦИЯ. ИЗМЕРЕНИЕ ИНФОРМАЦИИ

        ИНФОРМАЦИЯ. ИЗМЕРЕНИЕ ИНФОРМАЦИИ 7 класс, 2017-2018 учебный год Повторение Информация это сведения об объектах и явлениях окружающей среды. Информатика наука о способах хранения, обработки и передачи информации

        Подробнее

        ГЛАВА 2 РАСТРОВАЯ ГРАФИКА

        ГЛАВА 2 РАСТРОВАЯ ГРАФИКА 2. 1. Основные положения 2.2. Разрешение растровой графики 2.3. Виды разрешения 2.4. Кодирование изображения 2.5. Глубина цвета 2.6. Цветовые палитры 2.7. Сжатие растровой графики

        Подробнее

        Информатика 9 класс. Модуль 1

        Информатика 9 класс. Модуль 1 Задание 1 К свойствам информации не относится 1) полнота 2) ценность 3) доступность 4) универсальность Задание 2 Выберете типы информации, обрабатываемые компьютером Выберите

        Подробнее

        Индивидуальная работа класс

        Использованная литература МАОУ Лицей 15 1. Информатика. Задачник-практикум в 2 т. / Под ред. И.Г.Семакина, Е.К.Хеннера: Том 1. М.: Бином. Лаборатория знаний, 2004. 304с.: ил. 2. Практикум по информатике

        Подробнее

        Работа по информатике для 7 класса.

        Работа по информатике для 7 класса. 1.Вид работы: итоговая работа по информатике в 7 классе Цель работы: оценка уровня достижения учащимися 7 класса планируемых результатов обучения информатике 2.Перечень

        Подробнее

        А15 (повышенный уровень, время 2 мин)

        А15 (повышенный уровень, время мин) Тема: Кодирование и обработка графической информации. Что нужно знать: графическая информация может храниться в растровом и векторном форматах К. Поляков, 009 векторное

        Подробнее

        А15 (повышенный уровень, время 2 мин)

        А15 (повышенный уровень, время мин) Тема: Кодирование и обработка графической информации. Что нужно знать: графическая информация может храниться в растровом и векторном форматах векторное изображение

        Подробнее

        N=2 i i Информационный вес символа, бит

        Примеры решения задач по Информатике по темам раздела ИНФОРМАЦИЯ И ИНФОРМАЦИОННЫЕ ПРОЦЕССЫ специальность 20. 02.01 1 курс Основы теории В вычислительной технике битом называют наименьшую «порцию» памяти

        Подробнее

        Теоретические сведения

        Практическая работа 1 ОБЩАЯ ХАРАКТЕРИСТИКА И КЛАССИФИКАЦИЯ ТЕХНИЧЕСКИХ СРЕДСТВ ИНФОРМАТИЗАЦИИ Цель: классификация технических средств информатизации, отработка практического навыка решения задач Оборудование:

        Подробнее

        Алфавитный подход к измерению информации:

        Алфавитный подход к измерению информации: Каждый символ некоторого сообщения имеет определённый информационный вес несёт фиксированное количество информации. Все символы одного алфавита имеют один и тот

        Подробнее

        Количество информации

        Количество информации 1.1. Алфавит племени Мульти состоит из 8 букв. Какое количество информации несет одна буква этого алфавита? 1.2. Сообщение, записанное буквами из 64-символьного алфавита, содержит

        Подробнее

        Введение в информатику

        Введение в информатику Данные в компьютере 2 Как хранятся данные? 3? Как можно знания, находящиеся у вас «в голове», передать другим людям или сохранить для потомков? Кодирование это представление информации

        Подробнее

        ФОНД ОЦЕНОЧНЫХ СРЕДСТВ

        Муниципальное бюджетное общеобразовательное учреждение «Средняя общеобразовательная школа 1» ФОНД ОЦЕНОЧНЫХ СРЕДСТВ по текущей аттестации предмет: Информатика. 7 класс Составители: Выдрина Юлия Анатольевна

        Подробнее

        ИНФОРМАТИКА. 9 класс МОСКВА «ВАКО»

        ИНФОРМАТИКА 9 класс МОСКВА «ВАКО» УДК 372.862 ББК 74.263.2 К64 Издание допущено к использованию в образовательном процессе на основании приказа Министерства образования и науки РФ от 14. 12.2009 729 (в

        Подробнее

        Теоретические основы информатики

        Теоретические основы информатики Понятийный аппарат 1. Информация и информатика Информатика это техническая наука, определяющая сферу деятельности, связанную с процессами хранения, преобразования и передачи

        Подробнее

        ДВОИЧНОЕ КОДИРОВАНИЕ ИНФОРМАЦИИ

        ДВОИЧНОЕ КОДИРОВАНИЕ ИНФОРМАЦИИ В компьютере для представления информации используется двоичное кодирование, так как удалось создать надежно работающие технические устройства, которые могут со стопроцентной

        Подробнее

        Подготовка к ЕГЭ. Занятие октября 2016 г.

        Подготовка к ЕГЭ. Занятие 2. 30 октября 2016 г. 9: Объём памяти, необходимый для хранения звуковой и графической информации. Скорость передачи информации при заданной пропускной способности канала. 12:

        Подробнее

        Виды памяти компьютера 10 класс

        Виды памяти компьютера 10 класс Учитель МБОУ «Школа 91» Сафонова Л.Ф Виды памяти Внутренняя память быстродействующая электронная память, расположенная на системной плате компьютера Внешняя (долговременная)

        Подробнее

        «Информатика и ИКТ» Методическое пособие

        «Информатика и ИКТ» Методическое пособие Практическая работа, направленная на изучение основ кодирования текстовой, графической и звуковой информации, получение навыков работы с единицами измерения информации,

        Подробнее

        ВАРИАНТ 1. ВАРИАНТ 2.

        ВАРИАНТ 1. 1. Текстовое сообщение, закодированное в формате ASCII перекодировали в Unicode. На сколько изменился информационный объем сообщения, если до этого оно занимало в памяти компьютера 512 бит?

        Подробнее

        Преподаватель: Ульянова Елена Викторовна

        ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ ГОРОДА МОСКВЫ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ «ПОЛИТЕХНИЧЕСКИЙ КОЛЛЕДЖ ИМЕНИ П. А. ОВЧИННИКОВА» МЕТОДИЧЕСКАЯ РАЗРАБОТКА УЧЕБНОГО

        Подробнее

        Приложение 1 Практикум к главе 2

        Приложение 1 Практикум к главе 2 «Представление информации в компьютере» Практическая работа к п. 2.1 Пример 2.1. Представьте в виде разложения по степеням основания числа 2466,675 10, 1011,11 2. Для десятичного

        Подробнее

        СВЕТ, ИЗЛУЧАЕМЫЙ И ОТРАЖАЕМЫЙ

        СВЕТ, ИЗЛУЧАЕМЫЙ И ОТРАЖАЕМЫЙ Одна из наиболее важных мыслей, которую необходимо помнить, говоря о цвете, заключается в том, что некоторые предметы мы видим потому, что они излучают свет, а другие потому,

        Подробнее

        Повторение изученного в 7 8 классах

        Повторение изученного в 7 8 классах Условные обозначения: выбор одного или нескольких верных ответов; короткий ответ; задание на установление соответствия; задача на вычисление; работа на компьютере; решение

        Подробнее

        КОДИРОВАНИЕ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ

        Российский государственный технологический университет — «МАТИ» имени К.Э. Циолковского Кафедра «Радиоэлектроника, телекоммуникации и нанотехнологии» Информатика Лекция 12 КОДИРОВАНИЕ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ

        Подробнее

        Кодирование информации

        Кодирование информации Текст Алфавит => кодировочная таблица Мощность алфавита = количество символов Объем памяти на один символ = количество бит, обеспечивающее необходимое количество вариантов (2 b )

        Подробнее

        ЗАДАНИЯ — 1. Нумерация разделов по ЕГЭ-2013 ИНФОРМАЦИЯ. А8, А11, В1, В10 СИСТЕМЫ СЧИСЛЕНИЯ. А1, А9, В4, В8 АЛГЕБРА ЛОГИКИ.

        ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБЩЕОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГИМНАЗИЯ 116 ПРИМОРСКОГО РАЙОНА САНКТ-ПЕТЕРБУРГА ЗАДАНИЯ — 1 ИНФОРМАЦИЯ. А8, А11, В1, В10 СИСТЕМЫ СЧИСЛЕНИЯ. А1, А9, В4, В8 АЛГЕБРА ЛОГИКИ. А3,

        Подробнее

        Представление информации в компьютере

        Представление информации в компьютере Любой компьютер предназначен для обработки, хранения, преобразования данных. Для выполнения этих функций компьютер должен обладать некоторыми свойствами представления

        Подробнее

        Графическая информация — презентация онлайн

        1. Графическая информация

        Графическая информация может быть представлена в
        виде аналоговой и дискретной формах. Примером
        аналогового (непрерывного) изображения может
        служить живописное полотно, в котором цвет
        меняется непрерывно; в качестве дискретного
        можно рассматривать картинку, распечатанную на
        принтере и состоящее из отдельных точек.
        живописное полотно
        картинка
        Преобразование изображения из аналоговой (непрерывной) в
        цифровую (дискретную) форму, называется
        пространственной дискретизацией. Пространственную
        дискретизацию изображения можно сравнить с
        построением мозаики. Изображение разбивается на
        отдельные фрагменты, точки (пиксели).
        Пиксель — это минимальный участок изображения, для которого
        независимым образом можно задать цвет.
        В результате пространственной дискретизации графическая
        информация представляется в виде растрового изображения.
        Качество изображения зависит от разрешающей способности.
        Разрешающая способность растрового изображения
        определяется количеством точек по горизонтали и
        количеством точек по вертикали на единицу длины
        изображения.
        Чем меньше размер точки, тем больше разрешающая
        способность, а значит, выше качество изображения.
        Величина разрешающей способности выражается в dpi (dot per
        inch – точек на дюйм), т.е. количество точек в полоске
        изображения длиной один дюйм (1 дюйм=2,54 см.)
        Количество информации, которое используется
        для кодирования цвета точки изображения,
        называется глубиной цвета.
        В процессе дискретизации используются
        различные палитры цветов (наборы цветов,
        которые могут принять точки изображения).
        Количество цветов N в палитре и количество
        информации I, необходимое для кодирования
        цвета каждой точки, могут быть вычислены по
        формуле: N=2I.
        Пример 1. Для кодирования изображения используется
        простейшая палитра из двух цветов: чёрного и белого.
        Для кодирования изображения, согласно формуле 2=2I ,
        достаточно 1 бита информации для кодирования 1 точки
        изображения.

        6. Глубина цвета и количество цветов в палитре

        Глубина цвета
        Количество цветов в палитре
        8
        28 = 256
        16
        216 = 65 536
        24
        224 = 16 777 216
        Задачи
        1. Черно-белое изображение размером 10х10 пикселей.
        Каков информационный объем?
        Решение:
        2 = 21 ; 10*10*1 = 100 бит
        2. 256-цветный рисунок содержит 100 байт
        информации. Из скольких точек он состоит?
        Решение:
        108 байт = 100*8 бит; 256 = 28 (8 бит – 1 точка).
        100*8/8 = 100 точек
        Пространственное разрешение монитора
        Изображение на экране монитора формируется из отдельных
        точек — пикселей, образующих строки; всё изображение состоит
        из определённого количества таких строк.
        Пространственное разрешение монитора — это количество
        пикселей, из которых складывается изображение на его экране.
        Оно определяется как произведение количества строк
        изображения на количество точек в строке.
        Разрешение монитора 1280 1024 означает, что изображение
        на его экране будет состоять из 1024 строк, каждая из которых
        содержит 1280 пикселей.
        Палитра цветов в системе цветопередачи RGB
        В системе цветопередачи RGB палитра цветов формируется
        путём сложения красного,
        зеленого и синего цветов.
        Цвет палитры Color можно определить с
        помощью формулы:
        Color = R + G + В
        При этом надо учитывать глубину цвета —
        количество битов, отводимое в компьютере
        для кодирования цвета.
        Для глубины цвета 24 бита (8 бит на каждый
        цвет):
        0 ≤ R ≤ 255, 0 ≤ G ≤ 255, 0 ≤ B ≤ 255
        Формирование цветов в системе цветопередачи RGB
        Цвет
        Черный
        Белый
        Формирование цвета
        Black = 0 + 0 + 0
        While = Rmax+ Gmax+ Bmax
        Красный
        Зеленый
        Синий
        Red = Rmax+ 0 +0
        Green = 0 + Gmax+ 0
        Blue = 0 + 0 + Bmax
        Голубой
        Пурпурный
        Желтый
        Cyan = 0+ Gmax+ Bmax
        Magenta = Rmax+ 0 + Bmax
        Yellow = Rmax+ Gmax+ 0
        Цвета в палитре RGB формируются путём сложения базовых цветов,
        каждый из которых может иметь различную интенсивность.
        Видеосистема персонального компьютера
        Качество изображения на экране компьютера зависит как от
        пространственного разрешения монитора, так и от
        характеристик видеокарты (видеоадаптера), состоящей из
        видеопамяти и видеопроцессора.
        Видеосистема
        Монитор
        Видеоадаптер
        Видеопамять
        Видеопроцессор
        Размер 256, 512 Мб
        и более
        Частота обновления
        экрана не менее 75 Гц
        Видеосистема персонального компьютера
        Пространственное разрешение монитора, глубина цвета
        и частота обновления экрана – основные параметры,
        определяющие качество компьютерного изображения. В
        операционных системах предусмотрена возможность
        выбора необходимого пользователю и технически
        возможного графического режима
        Задача.
        Рассчитайте объем видеопамяти, необходимой
        для хранения 2 страниц изображения, с
        разрешением монитора 640 х 480 и палитрой из
        256 цветов.
        Решение
        N = 2i, I = K x i
        256 = 2i , i = 8,
        I =2 х 640 x 480 x 8 (битов) = 4915200 : 8 (байт) =
        = 614400:1024(Кбайт) = 600 (Кбайт).
        Глубина цвета

        — Graphics Mill

        В то время как цветовое пространство определяет, как создать цвет из его компонентов, глубина цвета указывает, как эти компоненты хранятся в памяти компьютера. Обычно глубина цвета измеряется в количестве битов, используемых для представления одного значения цвета (пикселя) — бит на пиксель (бит / пиксель). Чем больше бит занимает пиксель, тем больше разных цветов может быть представлен этим пикселем. Например, 1-битные пиксели могут представлять только 2 цвета, 8-битные пиксели — 256 цветов, 24-битные пиксели — 16 777 216 цветов (так называемый true color ; исследования доказали, что человеческий глаз не может распознать больше цвета).С другой стороны, большая глубина цвета означает, что изображение требует больше памяти. Иногда истинный цвет не требуется (например, для хранения документов или изображений, содержащих всего несколько цветов), поэтому мы можем значительно сэкономить память, уменьшив глубину цвета.

        Graphics Mill поддерживает изображения со следующей глубиной цвета:

        • 1-битные индексированные (палитры) изображения.
        • 4-битные и 8-битные индексированные (палитры) изображения.
        • 8 бит на канал изображений (8, 16, 24, 32 или 40 бит на пиксель, в зависимости от количества каналов в пикселе).
        • 16 бит на канал изображения (16, 48, 64 или 80 бит на пиксель, в зависимости от количества каналов в пикселе). Растровые изображения с такой большой глубиной цвета также называются расширенным .

        Как вы видите, цвета различаются не только количеством бит на пиксель, но и методом хранения: индексом в палитре (т. Е. индексированных растровых изображений ) или прямым значением цвета.

        Проиндексированные изображения всегда содержат палитру — специальную таблицу цветов.Каждый пиксель является индексом в этой таблице. Обычно палитра содержит 256 или меньше записей. Вот почему максимальная глубина индексированного пикселя составляет 8 бит на пиксель. Использование палитр — обычная практика при работе с небольшой глубиной цвета.

        В отличие от индексированных изображений, пиксели из неиндексированных непрерывных изображений хранят фактические значения цвета вместо индекса палитры. Каждый пиксель состоит из компонентов (также известных как каналов ). Каналы можно интерпретировать по-разному, в зависимости от цветового пространства пикселя.Например, изображения в градациях серого имеют только один канал яркости. Изображения RGB имеют три канала — красный, зеленый и синий. Изображения CMYK имеют четыре канала — голубой, пурпурный, желтый и черный. Кроме того, пиксели могут содержать дополнительный компонент, называемый альфа-каналом. Альфа-канал не содержит информации о цвете или яркости, а указывает степень непрозрачности пикселя при наложении на другое изображение. Чем меньше значение альфа, тем прозрачнее пиксель.

        Давайте рассмотрим все возможные глубины цвета, поддерживаемые Graphics Mill, более подробно.

        1-битные индексированные изображения (палитра)

        1-битных изображений (также известных как bitonal ) могут состоять только из двух цветов. Обычно это черный и белый цвета (однако, поскольку есть палитра, вы можете указать любые другие два цвета). Основное преимущество битональных изображений — чрезвычайно компактный размер, однако обычно двух цветов недостаточно. Но, тем не менее, есть такие изображения, где широко используется 1-битная глубина цвета: документы, документы, факсы и другие подобные изображения.

        В Graphics Mill такие изображения имеют формат пикселей Format1bppIndexed. Графическая мельница
        позволяет выполнять некоторые базовые преобразования таких изображений (изменение размера, отражение, поворот, обрезка). При масштабировании битонального изображения вы можете использовать специальную технику изменения размера, которая сохраняет детали и дает высококачественные (известные как масштабирование до серого) изображения.

        4-битные и 8-битные индексированные изображения (палитра)

        Максимальное количество 4-битных цветов — 16, а максимальное количество 8-битных цветов — 256.Эта глубина цвета используется, когда необходимо сохранить изображение с небольшим количеством цветов. Типичный пример — веб-изображения — кнопки, баннеры, логотипы и т. Д. Их относительно небольшой размер делает такие изображения идеальными для Интернета.

        В Graphics Mill такие изображения имеют форматы пикселей Format4bppIndexed и Format8bppIndexed соответственно. Для этих форматов Graphics Mill поддерживает только базовые преобразования и эффекты (поворот, изменение размера, кадрирование и некоторые другие).

        8 бит на канал изображений

        Эти изображения являются наиболее популярными в магазинах фотографий и аналогичных изображений.Этот уровень глубины цвета позволяет отображать столько цветовых оттенков, сколько может распознать человеческий глаз. В Graphics Mill поддерживаются следующие виды форматов пикселей с 8 битами на канал:

        16 бит на канал изображений

        Это может показаться странным. Зачем нам нужно больше 8 бит на канал, если наш глаз не заметит разницы? Проблема в том, что когда мы применяем некоторые операции к изображению с 8 битами на канал (например, регулировка тона или улучшение цвета), некоторая информация о цвете может быть потеряна или искажена из-за ошибок округления.Особенно это заметно, когда мы применяем эти операции несколько раз. Чтобы избежать этой проблемы, мы должны увеличить глубину цвета. Вот почему большинство сканеров выдают изображения со скоростью 48 бит на пиксель вместо 24 бит на пиксель. В Graphics Mill поддерживаются следующие форматы пикселей с 16 битами на канал:

        Учебное пособие по цифровой визуализации — базовая терминология

        1.

        Базовая терминология

        Ключ

        Концепты

        цифровой

        изображения
        разрешение
        размеры пикселей
        битовая глубина
        динамический диапазон
        размер файла
        сжатие
        форматов файлов

        дополнительный
        чтение

        ГЛУБИНА БИТА
        определяется количеством битов, используемых для определения каждого пикселя.Чем больше
        чем больше битовая глубина, тем большее количество оттенков (оттенков серого или цветных)
        могут быть представлены. Цифровые изображения могут быть черно-белыми.
        (битональный), оттенки серого или цветной.

        А
        битональное изображение представлено пикселями, состоящими из 1 бита каждый,
        который может представлять два тона (обычно черный и белый), используя значения 0 для черного и 1 для
        белый или наоборот.

        А
        Изображение в градациях серого состоит из пикселей, представленных несколькими битами
        информации, обычно от 2 до 8 бит или более.

        Пример:
        В 2-битном изображении возможны четыре комбинации: 00, 01, 10,
        и 11. Если «00» представляет черный цвет, а «11» представляет белый цвет, тогда
        «01» соответствует темно-серому, а «10» — светло-серому. Разрядность составляет
        два, но количество тонов, которые могут быть представлены, равно 2

        2

        или 4. При 8 битах 256 (2

        8
        ) разные тона
        можно назначить каждому пикселю.

        А
        цветное изображение обычно представлено битовой глубиной от
        От 8 до 24 или выше. В 24-битном изображении биты часто делятся на
        три группы: 8 для красного, 8 для зеленого и 8 для синего. Комбинации
        из этих битов используются для представления других цветов. 24-битное изображение предлагает
        16,7 миллиона (2

        24
        ) значения цвета. Все чаще
        сканеры захватывают 10 или более бит на цветовой канал и часто выводят
        8 бит для компенсации «шума» в сканере и представления
        изображение, которое более точно имитирует человеческое восприятие.

        Бит
        Глубина:

        Слева направо — 1-битный битональный, 8-битный оттенки серого,
        и 24-битные цветные изображения.

        двоичный
        расчеты

        для количества тонов, представленных общей битовой глубиной:

        1
        бит (2 1) = 2 тона
        2
        бит (2 2 ) = 4 тона
        3
        биты (2 3) = 8 тонов
        4
        биты (2 4) = 16 тонов
        8
        бит (2 8 ) = 256 тонов
        16
        бит (2 16) = 65 536 тонов
        24
        биты (2 24) = 16.7 миллионов тонов

        ©
        2000-2003 Библиотека / Исследовательский отдел Корнельского университета

        Что такое битовая глубина цвета?

        Многие крупнобюджетные шоу и фильмы, такие как «Субботняя ночь в прямом эфире», «Дом» и «Капитан Америка», уже много лет используют 8-битные кадры из серии Canon 5D и находят ее сильные стороны более убедительными, чем ее недостатки. Если у вас есть разумные ожидания относительно оценки отснятого материала при постобработке, 8-битное видео может быть вполне жизнеспособным вариантом.

        Битовая глубина — это технический жаргон, пришедший к нам в эпоху цифрового кино. Это часть того облака технических характеристик, которые на бумаге кажутся очень важными и которые обсуждаются в каждом пресс-релизе — «Теперь с 10-битной внутренней записью!» Весь этот маркетинг действительно исказил и затуманил наше понимание этого слова. Что жаль, потому что по своей сути битовая глубина не должна быть ужасно сложной или пугающей.

        Итак, всем вам, кинорежиссерам, видеооператорам и любопытным посторонним, ломающим головы над всем этим, знайте, что вы не одиноки.8 уникальных цветов на канал, что в сумме составляет 256. 256 оттенков зеленого, 256 оттенков синего и 256 оттенков красного смешались вместе, чтобы сформировать изображение.

        Важно отметить, что каждый пиксель выбирает все три цвета. Датчик по-прежнему получает полный видимый спектр, но процессор пытается эффективно сжать этот избыток информации в пригодный для использования формат изображения, который по-прежнему сохраняет детали изображения — задача не из легких. 10-битное изображение дает 1024 уникальных цвета на канал, а 12-битное — 4096.Вы можете иметь гораздо больше тонкости и нюансов при работе в 10 или 12 битах, но сложность кодирования растет в геометрической прогрессии. Есть причина, по которой меньшие по размеру камеры, ориентированные на потребителя, снимают только 8-битные изображения.

        Это не совсем верно, но вы можете представить себе набор цветных карандашей. 8-битный цвет был бы подобен здоровому 64-битному пакету: у вас более чем достаточно вариантов на первый взгляд, но время от времени вы обнаруживаете потребность, которую просто не можете удовлетворить. Может быть, просто нет правильного оттенка синего, или вы обнаружите, что по какой-то причине есть только два пурпурных.10-битный цвет — это как 120 пакет. На данный момент вы достаточно хорошо подготовлены ко всем своим повседневным потребностям. Редкая ситуация, когда вам понадобится больше цветов, чем у вас есть. 12, 14 или даже 16-битный цвет — это как машина для плавления мелков, которая позволяет создавать бесконечное количество цветовых смесей.

        AVS Forum

        8-битное видео — это наименьшая битовая глубина, от которой можно разумно ожидать, что она будет выглядеть «реалистично» и не будет заметно искажать цвета странным образом. Он не выдержит строгого процесса цветокоррекции, оставляет меньше возможностей для коррекции и не отражает богатство полного цветового спектра, а также 10- или 12-битного.Из-за этого это далеко не идеальный кандидат для съемки журнала, и он лучше всего работает, когда окончательный вид может быть запечатлен в камере. Это настолько урезано, насколько может быть видеосигнал, при этом оставаясь жизнеспособным.

        Хотя сегодня мы думаем об этом как о низкокачественном формате, стоит помнить, что ранние художественные фильмы, захваченные цифровым способом, были 8-битными. Джордж Лукас сделал цифровое кино популярным благодаря своей трилогии-приквелу «Звездных войн», снятой на HDCAM с 8-битным сигналом 1080p.Во многих крупнобюджетных шоу и фильмах, таких как «Субботняя ночь в прямом эфире», «Дом» и «Капитан Америка», уже много лет используются 8-битные кадры из серии Canon 5D, и их сильные стороны убедительнее, чем недостатки. Если у вас есть разумные ожидания относительно оценки отснятого материала при постобработке, 8-битное видео может быть вполне жизнеспособным вариантом.

        • Камеры MiniDV / HDV

        • Все зеркальные фотокамеры Canon

        Canon C100 MK II

        • Sony A7s, A7r, A6500

        .264

        • AVCHD

        В последние несколько лет 10-битное видео находит свое применение в более дешевых и дешевых камерах, совсем недавно — в Panasonic Lumix GH5. Это, несомненно, «более сильное» изображение, которое более точно передает цвета и гораздо более восприимчиво к изменениям в публикации. Это стандартная битовая глубина в профессиональных камерах начального уровня, таких как Sony FS7, Canon C300 Mark II и Panasonic EVA-1. Но это не означает, что высококачественные кинокамеры, такие как ARRI или RED, не поддерживают 10-битную запись, только они способны на гораздо большее.

        10-битная запись является стандартом вещания во многих экосистемах и является обязательным минимумом для многих продюсерских компаний, таких как Netflix. Это необходимо как для удовлетворения требований HDR-дисплеев, так и для перспективных снимков.

        Sony FS7 от Spekulor

        • Panasonic GH5

        • Canon C300 Mark II

        Sony FS7

        • ProRes 422 HQ

        • 12202 • DN -бит или выше Используется?

        Камера, способная снимать 12-, 14- или 16-битное видео, действительно редкость.Эти цветовые пространства делают упор на гибкость постпроизводства и насыщенные и точные цвета. Они гарантируют заметно более качественное движущееся изображение, которое будет гораздо более гибким в вашем рабочем процессе постпроизводства. Чтобы максимизировать преимущества этих высоких битовых глубин, они часто записываются в форматах RAW, которые в значительной степени сохраняют информацию, передаваемую датчиком, практически без сжатия или потери. Огромные требования к хранению этих форматов делают их намного более доступными для больших студийных фильмов, но камеры, такие как Canon C200 с кодеком RAW-Light, начинают предлагать даже 12-битный RAW в ценовом диапазоне, доступном для независимых владельцев-операторов. и режиссеры.

        Непрерывная или даже последовательная съемка в этих больших форматах требует определенной инфраструктуры, места для хранения и вычислительной мощности, что, естественно, ограничивает доступность для «среднего» пользователя. Подобные рабочие процессы в основном предназначены для студийных фильмов и, в последнее время, для очень крупных создателей YouTube.

        Стоит отметить, что даже эти чрезвычайно высококачественные форматы постепенно доходят до потребительского уровня. Blackmagic произвела фурор, представив 12-битный RAW до смехотворно доступного ценового диапазона со своей Pocket Cinema Camera, а теперь Canon представила более сжатый 12-битный RAW вариант с C200.Возможно, пройдет не так уж много времени, прежде чем 12-битный станет новым стандартом вещания, а 10-битный станет просто приемлемым.

        • Sony F55 / Venice

        • ARRI Alexa Mini / Amira

        • Canon C200 / C700

        • КРАСНОЕ Оружие Helium 8K

        Alexa Mini от Citiz2en

        • RED Raw

        • Cinema DNG

        Битовая глубина, с которой вы записываете, не определяет вашу производственную ценность.Хорошо освещенная, хорошо снятая сцена будет выглядеть великолепно независимо от формата записи. Но мы живем в мире, где оценка становится все более доступной и популярной, поэтому ваша камера будет лучше. 8-битные камеры справятся со своей задачей, но все, что снимается в 10-битном режиме, будет работать намного лучше, если вы возьмете это в студию пост-продакшн. И если вам повезло, не говоря уже об объеме памяти, чтобы снимать с большей битовой глубиной, тогда ваши горизонты откроются намного больше.

        Глубина цвета — Videocide

        Глубина цвета относится либо к количеству битов, используемых для обозначения цвета одного пикселя, либо к количеству битов, используемых для каждого цветового компонента одного пикселя.

        Для стандартов потребительского видео, таких как высокоэффективное кодирование видео (H.265), битовая глубина определяет количество бит, используемых для каждого цветового компонента. При ссылке на пиксель понятие может быть определено как бит на пиксель (bpp), который определяет количество используемых битов. При ссылке на компонент цвета понятие может быть определено как биты на компонент, биты на канал, биты на цвет (все три сокращенно BPC), а также биты на компонент пикселя, биты на канал цвета или биты на выборку (бит / с).Глубина цвета — это только один аспект представления цвета, выражающий точность, с которой могут быть выражены цвета; другой аспект — насколько широкий диапазон цветов может быть выражен (гамма). Определение как точности цвета, так и гаммы достигается с помощью спецификации кодирования цвета, которая присваивает значение цифрового кода местоположению в цветовом пространстве.

        При относительно низкой глубине цвета сохраненное значение обычно представляет собой число, представляющее индекс цветовой карты или палитры (форма векторного квантования).Цвета, доступные в самой палитре, могут быть зафиксированы аппаратно или изменены программным обеспечением. Изменяемые палитры иногда называют палитрами псевдоцветов.

        • 1-битный цвет (21 = 2 цвета): монохромный, часто черно-белый, компактные Macintosh, Atari ST.
        • 2-битный цвет (22 = 4 цвета): CGA, ранняя NeXTstation в оттенках серого, цветные Macintosh, Atari ST.
        • 3-битный цвет (23 = 8 цветов): многие ранние домашние компьютеры с телевизионными дисплеями, включая ZX Spectrum и BBC Micro
        • 4-битный цвет (24 = 16 цветов): используется EGA и стандартом VGA с наименьшим общим знаменателем при более высоком разрешении, цветные Macintosh, Atari ST, Commodore 64, Amstrad CPC.
        • 5-битный цвет (25 = 32 цвета): оригинальный чипсет Amiga
        • 6-битный цвет (26 = 64 цвета): оригинальный чипсет Amiga
        • 8-битный цвет (28 = 256 цветов): самые ранние цветные рабочие станции Unix, VGA с низким разрешением, Super VGA, цветные Macintosh, Atari TT, набор микросхем Amiga AGA, Falcon030, Acorn Archimedes.
        • 12-битный цвет (212 = 4096 цветов): некоторые кремниевые графические системы, системы Color NeXTstation и системы Amiga в режиме HAM.

        Старые графические чипы, особенно те, которые используются в домашних компьютерах и игровых консолях, часто имеют возможность использовать другую палитру для спрайтов и плиток, чтобы увеличить максимальное количество одновременно отображаемых цветов, сводя к минимуму использование дорогостоящих в то время память (и пропускная способность).Например, в ZX Spectrum изображение хранится в двухцветном формате, но эти два цвета могут быть определены отдельно для каждого прямоугольного блока размером 8×8 пикселей.

        Сама палитра имеет глубину цвета (количество бит на запись). В то время как лучшие системы VGA предлагали только 18-битную (262 144 цвета) палитру, из которой можно было выбирать цвета, все цветное видеооборудование Macintosh предлагало 24-битную (16 миллионов цветов) палитру. 24-битные палитры в значительной степени универсальны для любого современного оборудования или файлового формата, использующего их.

        Распутывание | Понимание битовой глубины

        ПОНИМАНИЕ ГЛУБИНЫ БИТА / ЦВЕТА

        Битовая глубина или глубина цвета является важным показателем качества видео. Читайте дальше, чтобы узнать, что такое битовая глубина и почему это важно при работе с фильмами и видео.
        Бит / глубина цвета:

        Если цветовое пространство определяет диапазон доступных значений интенсивности цвета (гаммы), то битовая глубина определяет, насколько точными мы можем быть с этими характеристиками.Другими словами, битовая глубина определяет, насколько точно можно указать разницу между одним цветом и другим. К счастью, это одна из тех тем, которые имеют гораздо больше смысла в сочетании с изображениями, так что давайте сразу погрузимся в нее и посмотрим, не сможем ли мы найти какой-то смысл в этой теме.

        В чем разница между низкой и высокой битовой глубиной?

        Как видно выше, низкая битовая глубина ограничивает возможные значения, которые можно использовать при представлении изображения. В случае 3-битного изображения в оттенках серого существует только 8 возможных значений.Это потому, что 3-битный — это еще один способ сказать 2x2x2 = 8. С другой стороны, если нам разрешено использовать 8-бит, у нас есть до 256 значений, которые мы можем использовать для воспроизведения одного и того же изображения (2 = 256). Это приводит к более гладкому изображению, потому что мы можем более точно определять тонкие различия между оттенками.

        Изображение RGB

        Теперь, когда у нас есть идея с изображениями в оттенках серого, давайте применим эти знания к цветным изображениям. Цветные изображения создаются путем смешивания трех каналов цвета, а именно красного, зеленого и синего — RGB.

        Поскольку у нас 3 канала, это означает, что теперь у нас в 3 раза больше данных.

        При рассмотрении 8-битного сигнала RGB на канал у нас есть 256 возможных значений для каждого из каналов / цветов. В сочетании это означает, что возможны 16,7 миллиона цветовых комбинаций (256 x 256 x 256). Это может показаться огромным, но на самом деле это то, что почти каждый экран, который мы смотрим ежедневно, способен воспроизводить, и есть много вариантов использования, которые требуют еще более высокой битовой глубины, чтобы избежать заметных проблем с качеством изображения.

        RGB + Alpha

        Помимо трех цветовых каналов, изображения иногда могут иметь четвертый канал, называемый альфа-каналом. Альфа-канал содержит информацию о прозрачности и обычно имеет ту же битовую глубину, что и другие цветовые каналы.

        Это означает, что для цветного изображения в компьютерной системе будет назначено 8 бит для каждого цветового канала, а иногда еще 8 бит для альфа-канала, что дает нам в общей сложности 32 бита на пиксель (4×8 бит).

        Битовая глубина на пиксель по сравнению с битовой глубиной на канал

        Одной из проблемных областей для меня в течение долгого времени на раннем этапе были, казалось бы, непоследовательные способы определения битовой глубины. Например, если вы когда-либо использовали Adobe After Effects, вы можете знать, что можете переключить приложение на работу в 8-битном, 16-битном или 32-битном цвете. По умолчанию используется 8 бит, но, как мы только что видели в предыдущем примере, разве стандартное изображение не использует 32 бита на пиксель? Почему 8-битный вариант вообще может быть вариантом?

        Путаница заключается в том, что After Effects ссылается на то, как биты назначаются для каждого цветового канала, а 32-битное измерение указывает, сколько битов требуется, когда все каналы объединены вместе.Технически это различие подтверждается аббревиатурой «bpc» (бит на канал), но чаще при случайном преобразовании люди предполагают, что вы знаете, на что они ссылаются, исходя из контекста.

        Например, если кто-то сказал, что рендеринг был выполнен в 12-битном цвете, весьма вероятно, они имели в виду, что он был экспортирован с 12-битным цветом на канал. Это потому, что альтернатива означала бы, что у них было только 4 бита на канал (12 бит разделены на красно-зеленый и синий каналы), что намного ниже профессиональных стандартов.

        Для справки приведена разбивка битов на канал при вычислении битов на пиксель.

        В приведенных выше таблицах вычисляется битовая глубина на канал на выходе из количества битов, требуемых на пиксель.

        Зачем нужна высокая битовая глубина?

        Существует несколько причин и вариантов использования, которые требуют перехода на более высокую битовую глубину. Среди них — отказ от цветных полос + постеризация, изображения с широким динамическим диапазоном, а также сохранение качества при манипулировании ими во время постобработки.

        Полосы

        Полосы появляются, когда битовая глубина слишком мала, и глаз может видеть, где происходят изменения цвета, а не видеть плавное постепенное изменение между оттенками. Часто эти различия выглядят как полосы, проходящие через изображение — отсюда и название. Вот пример фотографии, которая воспроизводится с битовой глубиной, слишком низкой для точной передачи градиента оттенков синего на небе:

        На изображении выше видны полосы на небе из-за недостаточной битовой глубины, используемой для рендеринга.

        Полоса пропускания — это проблема, которая может регулярно появляться для изображений с 8 битами на канал или меньше, и по этой причине высококачественные камеры захватывают с более высокой битовой глубиной, а мастер-файлы также создаются с более высокой битовой глубиной. Например, в цифровом кино используется проецирование 12 бит на канал (бит на канал), что позволяет отображать до 68,3 миллиарда различных цветовых комбинаций и точно отображать даже самые незначительные различия в цветах и ​​оттенках.

        Постеризация

        Постеризация — это, по сути, та же проблема, что и полосатость, но у нее другое название, потому что некоторые изображения не имеют больших градиентов, которые в конечном итоге разбиваются на аккуратные «полосы».Вместо этого некоторые образы распадутся на более абстрактные узоры. Проблема все та же — вместо приятных смешанных оттенков цвета глаз может заметить, где заканчивается один цвет и начинается следующий.

        Пример постеризации, когда на фоне листвы видна разбивка цветов.

        На изображении выше хорошо видна постеризация в области фона, где фокус падает. Одно интересное явление в постеризации заключается в том, что области с высокой детализацией и контрастом (высокая пространственная частота) воспринимаются не так сильно.Возьмем, к примеру, дерево в правой трети, которое находится в фокусе — без фона было бы трудно сказать, что низкая битовая глубина отрицательно влияет на это изображение. Это связано с тем, что в областях с высокой пространственной частотой используемые ограниченные цвета чередуются и распадаются намного быстрее, что означает, что наш глаз не может определить области, которые выглядят так, как будто они должны иметь более плавные градиенты.

        С другой стороны, области с низкой пространственной частотой (например, области вне фокуса или сцены с низким контрастом) с гораздо большей вероятностью будут демонстрировать артефакты постеризации.Это потому, что гораздо более вероятно, что большие пятна будут уменьшены до одного цвета, что, в свою очередь, значительно облегчит их распознавание нашим глазом.

        HDR (расширенный динамический диапазон) + широкие цветовые гаммы

        Еще одна область, которая потребовала перехода на высокую битовую глубину, — это появление расширенного динамического диапазона и более широких цветовых гамм, которые теперь появляются на потребительском рынке. И HDR, и широкая цветовая гамма потенциально могут усугубить проблемы с полосами и постеризацией, поскольку они требуют битовой глубины, чтобы отображать как больше цветов, так и гораздо более яркий диапазон цветов и оттенков.По сути, это означает, что битовая глубина должна быть растянута дальше, чем это было бы в противном случае, и начнется создание полос в областях, где она, возможно, не была видна в стандартном динамическом диапазоне.

        Соответственно, телевизоры сверхвысокой четкости, которые перешли на поддержку HDR, должны иметь возможность воспроизводить не менее 10 бит на канал, чтобы избежать появления полос в содержимом. Dolby Vision (стандарт Dolby HDR) идет еще дальше и требует, чтобы контент Dolby Vision был кодирован с точностью до 12 бит на канал, чтобы обеспечить соответствие требованиям будущего и уменьшить любые потенциальные проблемы.

        Процессы постпродакшена

        Так зачем нам вообще может понадобиться более 12 бит на канал, если он способен без проблем обрабатывать контент с расширенным динамическим диапазоном и широкой цветовой гаммой? Хотя это правда, что этот уровень глубины цвета близок к превышению человеческого зрения для наблюдения, более высокая битовая глубина очень часто требуется при пост-обработке. Это связано с тем, что постпродакшн часто включает в себя сильное выталкивание и вытягивание цветов, что эквивалентно увеличению глубины цвета, закодированной в изображении.Когда вы начинаете видеть полосы или постеризацию, значит, вы достигли предела глубины цвета, который, в свою очередь, ограничивает свободу творчества, которую имеют цветоводители, композиторы и специалисты по визуальным эффектам.

        Еще одно применение высокой битовой глубины — это кодирование дополнительной информации об экспозиции, которую можно получить позже. Например, работа с визуальными эффектами (VFX) часто визуализируется с 32-битным разрешением на канал с использованием значений линейного освещения. Это позволяет сохранять сверхъяркие белые цвета (значения белого за пределами нормальной точки кодирования) и затем манипулировать ими в дальнейшем.Например, композитор, объединяющий взрывы, визуализированные в 32-битном формате, может начать регулировать экспозицию, чтобы она соответствовала их кадру, и начать восстанавливать детали из белых, которые ранее казались обрезанными и утерянными.

        Заключение:

        В этой статье мы исследуем, что такое битовая / цветовая глубина, а именно это мера точности, с которой можно указать различия в оттенках цвета. Чем выше битовая глубина, тем больше возможных цветовых оттенков. Мы рассмотрели, как рассчитывается битовая глубина и разница между количеством бит, требуемым на пиксель, и количеством бит, требуемым на канал в изображении.Наконец, мы рассмотрели, что такое полосатость и постеризация, почему они возникают и почему чрезвычайно высокая битовая глубина может использоваться в некоторых областях постпродакшна.

        Нужна дополнительная помощь?
        Unravel создает и обрабатывает контент, который просматривается на различных устройствах. Нам нравится мастеринг контента для кино, телевидения и Интернета. Мы имеем дело с разной битовой глубиной ежедневно, поэтому, если вам понадобится помощь или совет по поводу вашего следующего проекта, не стесняйтесь обращаться к нам.

        Что такое глубина цвета для моей видеокарты или монитора?

        Этот контент был заархивирован и больше не поддерживается Университетом Индианы. Информация здесь может быть неточной, а ссылки могут быть недоступны или надежны.

        Для видеокарты или монитора глубина цвета — это количество оттенков, которые
        может быть сгенерирован или отображен на пиксель. Для более низких уровней цвета
        глубины, цифра обычно приводится в максимально возможном количестве
        цвета (например, 16 цветов или 256 цветов), тогда как более высокий цвет
        глубина обычно указывается как количество бит в пикселе
        цвет принимает (напр.г., 16 бит, 24 бит, 32 бит). Таким образом, 32-битный цвет — это
        настройка видеокарты, где описывается цвет каждого отдельного пикселя
        используя 32 бита информации. Это один из возможных цветов
        установка глубины на многих видеокартах.

        16-, 24- и 32-битная глубина цвета преобразуется в это количество цветов:

        Глубина цвета Количество возможных цветов
        16 бит 65 536
        24-бит 16.7 миллионов
        32-бит 16,7 млн.

        Эти цифры рассчитываются возведением числа 2 в число
        биты, описывающие цвет, следующим образом:

        • 1 бит равен 2 1 (2 в первой степени) равен 2 цветам
        • 2 бит равен 2 2 (2 в квадрате) равен 4
          цвета
        • 8 бит равно 2 8 (от 2 до восьмого)
          равно 256 цветов
        • 16 бит равно 2 16 (от 2 до шестнадцатого) равно 65 536 цветов
        • 24 бит равно 2 24 (от 2 до двадцати четвертого) равно 16 777 216 цветов
        Почему не 32-битный цвет равен 4294967296 цветов?

        32-битный цвет — это небольшое отклонение от обычной схемы.Там
        действительно 32 бита, которые описывают цвет каждого пикселя: 8 для красного, 8 для
        зеленый и 8 для синего, но есть еще 8 дополнительных бит, которые могут быть
        используется для описания «альфа-канала», который простыми словами может быть
        мыслится как прозрачность пикселей. Вы видите такое же количество цветов в
        32-битный, как вы видите в 24-битных режимах, но с 32-битным
        потенциально дополнительная информация, которую некоторые программы могут использовать для различных
        функций. Итак, в конце концов, вы больше не видите цветов
        с 32-битным цветом, но ваша программа получает больше информации о цвете, чем
        его можно использовать для таких вещей, как непрозрачность / прозрачность или, с движущимся видео
        или 3D-анимация, более точное смешивание и более плавные преобразования
        от цвета к цвету.

        ЖК-дисплеи

        и битовая глубина цвета

        Цветовой диапазон компьютера определяется термином «глубина цвета», который представляет собой количество цветов, которые может отображать оборудование с учетом его аппаратного обеспечения. Чаще всего вы увидите 8-битную (256 цветов), 16-битную (65 536 цветов) и 24-битную (16,7 миллиона цветов) режимы. Истинный цвет (или 24-битный цвет) является наиболее часто используемым режимом, поскольку компьютеры достигли достаточного уровня для эффективной работы с такой глубиной цвета.

        Некоторые профессиональные дизайнеры и фотографы используют 32-битную глубину цвета, но в основном для увеличения цвета, чтобы получить более четкие тона при рендеринге проекта до 24-битного уровня.

        mikroman6 / Getty Images

        Скорость и цвет

        ЖК-мониторы борются с цветом и скоростью. Цвет на ЖК-дисплее состоит из трех слоев цветных точек, составляющих последний пиксель. Чтобы отобразить цвет, к каждому цветному слою применяется ток, чтобы создать желаемую интенсивность, которая приводит к окончательному цвету. Проблема в том, что для получения цветов ток должен перемещать кристаллы и выключать их до желаемых уровней интенсивности. Этот переход из включенного состояния в выключенное называется временем отклика.Для большинства экранов он составляет от 8 до 12 миллисекунд.

        Проблема со временем отклика становится очевидной, когда ЖК-мониторы отображают движение или видео. Благодаря высокому времени отклика для переходов из выключенного состояния во включенное, пиксели, которые должны были перейти на новые уровни цвета, следуют за сигналом и приводят к эффекту, называемому размытием движения. Это явление не является проблемой, если на мониторе отображаются такие приложения, как программное обеспечение для повышения производительности. Однако с высокоскоростным видео и некоторыми видеоиграми это может раздражать.

        Поскольку потребители требовали более быстрых экранов, многие производители уменьшили количество уровней, отображаемых каждым цветным пикселем. Такое снижение уровней интенсивности позволяет снизить время отклика и имеет недостаток, заключающийся в сокращении общего диапазона цветов, поддерживаемых экранами.

        6-битный, 8-битный или 10-битный цвет

        Глубина цвета ранее называлась общим количеством цветов, которые может отображать экран. При обращении к ЖК-панелям вместо этого используется количество уровней, которые может отображать каждый цвет.6 = 64 х 64 х 64 = 262 144

        Это уменьшение заметно человеческому глазу. Чтобы обойти эту проблему, производители устройств используют технику, называемую дизерингом, когда соседние пиксели используют слегка изменяющиеся оттенки цвета, которые обманом заставляют человеческий глаз воспринимать желаемый цвет, даже если это не совсем тот цвет. Цветное газетное фото — хороший способ увидеть этот эффект на практике. В печати эффект называется полутонами. Используя эту технику, производители заявляют, что достигают глубины цвета, близкой к истинной цветности дисплеев.

        Зачем умножать группы по три? Для компьютерных дисплеев преобладает цветовое пространство RGB. Это означает, что для 8-битного цвета окончательное изображение, которое вы видите на экране, представляет собой смесь одного из 256 оттенков красного, синего и зеленого.

        Есть еще один уровень отображения, который используют профессионалы, называемый 10-битным дисплеем. Теоретически он отображает более миллиарда цветов, больше, чем может различить человеческий глаз.

        У этих типов дисплеев есть некоторые недостатки:

        • Объем данных, необходимых для такого высокого цвета, требует соединителя данных с очень высокой пропускной способностью.Обычно эти мониторы и видеокарты используют разъем DisplayPort.
        • Даже несмотря на то, что графическая карта отображает более миллиарда цветов, цветовая гамма дисплея или диапазон цветов, которые он может отображать, значительно меньше. Даже дисплеи со сверхшироким цветовым охватом, поддерживающие 10-битный цвет, не могут отображать все цвета.
        • Эти дисплеи, как правило, медленнее и дороже, поэтому они не подходят для домашних потребителей.

        Как узнать, сколько бит использует дисплей

        Профессиональные дисплеи часто рекламируют поддержку 10-битного цвета.Еще раз, вы должны посмотреть на реальную цветовую гамму этих дисплеев. Большинство потребительских дисплеев не говорят, сколько они используют. Вместо этого они обычно указывают количество поддерживаемых цветов.

        • Если производитель указывает цвет как 16,7 миллиона цветов, предположите, что отображение 8-битного цвета.
        • Если в списке указано 16,2 миллиона или 16 миллионов цветов, имейте в виду, что для каждого цвета используется 6-битная глубина.
        • Если глубина цвета не указана, предположим, что мониторы с 2 мс или быстрее будут 6-битными, а большинство панелей с 8 мс и более медленными будут 8-битными.

        Это действительно важно?

        Количество цвета имеет значение для тех, кто профессионально работает с графикой. Для этих людей количество цвета, отображаемого на экране, имеет большое значение. Среднестатистическому потребителю такой уровень цветопередачи на мониторе не понадобится. В результате это, вероятно, не имеет значения.

        Цветовые модели — урок. Информатика, 7 класс.

        Для описания цветовых оттенков, которые могут быть воспроизведены на экране компьютера и на принтере, разработаны специальные средства — цветовые модели (системы цветов).

        Цветовые модели — это способ описания цвета с помощью количественных характеристик.

        Цвет может получиться в процессе излучения и в процессе отражения. Поэтому цветовые модели можно классифицировать по их целевой направленности:

        • Аддитивные модели (RGB). Служат для получения цвета на мониторе.
        • Полиграфические модели (CMYK). Служат для получения цвета при использовании разных систем красок и полиграфического оборудования.
        • Математические модели, полезные для каких-либо способов цветокоррекции, но не связанные с оборудованием, например HSВ.

        Цветовая модель RGB

        С экрана монитора человек воспринимает цвет как сумму излучения трёх базовых цветов: красного (Red), зелёного (Green), синего (Blue).


        Такая цветовая модель называется RGB (по первым буквам).


        Она служит основой при создании и обработке компьютерной графики, предназначенной для электронного воспроизведения (на мониторе, телевизоре).

         

        Цвет на экране получается при суммировании лучей трёх основных цветов — красного, зелёного и синего. Если интенсивность каждого из них достигает \(100\), то получается белый цвет. Минимальная интенсивность трёх базовых цветов даёт чёрный цвет.
         
        Для описания каждого составляющего цвета требуется \(1\) байт (\(8\) бит) памяти, а чтобы описать один цвет, требуется \(3\) байта, т.е. \(24\) бита, памяти.

        Для кодирования одного цвета пикселя определяется длина двоичного кода, которая называется глубиной цвета.

        Рассчитать глубину цвета можно по формуле: N=2i, где N —количество цветов в палитре, i — глубина цвета.

        Интенсивность каждого из трёх цветов — это один байт (т.е. число в диапазоне от \(0\) до \(255\)), т.е. каждая составляющая может принимать \(256\) значений.

         

        Таким образом, с использованием трёх составляющих можно описать \(256⋅256⋅256 = 16777216 \)различных цветовых оттенков, а, значит, модель RGB имеет приблизительно \(16,7\) миллионов различных цветов.


        Таким количеством цветов определяется, в основном, палитра современного монитора.

         

        Цветовая модель CMYK

        При печати изображений на принтерах используется цветовая модель, основными красками в которой являются голубая (Cyan), пурпурная (Magenta) и жёлтая (Yellow).
         
        Чтобы получить чёрный цвет, в цветовую модель был включен компонент чистого чёрного цвета (BlacK). Так получается четырёхцветная модель, называемая CMYK.

         

         

        Область применения цветовой модели CMYK — полноцветная печать. Именно с этой моделью работает большинство устройств печати.


        Из-за несоответствия цветовых моделей часто возникает ситуация, когда цвет, который нужно напечатать, не может быть воспроизведен с помощью модели CMYK (например, золотой или серебряный). В этом случае применяются краски Pantone.
         
        Все файлы, предназначенные для вывода в типографии, должны быть конвертированы в CMYK. Этот процесс называется цветоделением.
         
        При просмотре CMYK-изображения на экране монитора одни и те же цвета могут восприниматься немного иначе, чем при просмотре RGB-изображения.


        В модели CMYK невозможно отобразить очень яркие цвета модели RGB, модель RGB, в свою очередь, не способна передать тёмные густые оттенки модели CMYK, поскольку природа цвета разная.
         
        Отображение цвета на экране монитора часто меняется и зависит от особенностей освещения, температуры монитора и цвета окружающих предметов. Кроме того, многие цвета, видимые в реальной жизни, не могут быть выведены при печати, не все цвета, отображаемые на экране, могут быть напечатаны, а некоторые цвета печати не видны на экране монитора.

        Модель HSB

        HSB — это цветовая трёхканальная модель, которая характеризует параметры цвета. Цветовой тон (Hue), насыщенность (Saturation), яркость (Brightness).

        Глубина цвета — Кодирование изображений — GCSE Computer Science Revision

        Глубина цвета изображения измеряется в битах. Количество битов указывает, сколько цветов доступно для каждого пикселя. В черно-белом изображении нужно всего два цвета. Это означает, что он имеет глубину цвета 1 бит.

        2-битная глубина цвета допускает четыре разных значения: 00, 01, 10, 11. Это позволяет использовать диапазон цветов, например:

        Двоичный код Цвет
        00 Белый
        01 Светло-серый
        10 Темно-серый
        11 Черный

        Чем больше глубина цвета (бит на пиксель), тем больше цветов доступно .

        Глубина цвета Доступные цвета
        1-битный 2 1 = 2
        2-битный 2 2 = 4
        3-битный 2 3 = 8
        4-битный 2 4 = 16
        5-битный 2 5 = 32
        6-битный 2 6 = 64
        7-битный 2 7 = 128
        8-битный 2 8 = 256

        Различные версии изображения с разной глубиной цвета

        A черно-белое изображение (глубина цвета 1 бит)

        Различные версии изображения с разной глубиной цвета

        Изображение в шкале серого (глубина цвета 2 бита)

        Различные версии изображения с разной глубиной цвета

        An i изображение с несколькими цветами (4 бита + глубина цвета)

        Большинство компьютерных систем и цифровых камер используют 24-битные изображения.24 в двоичном формате — это 1111 1111 1111 1111 1111 1111. Это означает, что существует более 16 миллионов возможных цветов на пиксель.

        Разрешение — это мера плотности пикселей , обычно измеряется в пикселей на дюйм (ppi) . Изображения на веб-сайтах обычно имеют разрешение 72 ppi. Это означает, что квадрат размером в 1 дюйм содержит сетку пикселей шириной 72 пикселя и высотой 72 пикселя. 72 x 72 = 5184 пикселя на квадратный дюйм.

        Учебное пособие по цифровой визуализации — базовая терминология


        1.Базовая терминология

        Ключ Концепты

        цифровой изображения
        разрешение
        размеры в пикселях
        битовая глубина
        динамический диапазон
        размер файла
        сжатие
        форматов файлов

        дополнительный чтение

        ФАЙЛ РАЗМЕР рассчитан путем умножения площади сканируемого документа (высота x ширина) по разрядности и dpi 2 .Поскольку размер файла изображения представлен в байтах, которые состоят из 8 бит, разделите это число на 8.

        Формула 1 для размера файла
        файла Размер = (высота x ширина x битовая глубина x dpi 2 ) / 8

        Если даны размеры в пикселях, умножьте их друг на друга и на бит глубина, чтобы определить количество бит в файле изображения. Например, если 24-битное изображение снято цифровой камерой с размерами пикселей 2048 x 3072, то размер файла будет равен (2048 x 3072 x 24) / 8, или 18 874 368 байтов.

        Формула 2 для размера файла
        файла Размер = (пиксель размеры x битовая глубина) / 8

        Файл соглашение об именах размеров : Поскольку цифровые изображения часто приводят к очень большие файлы, количество байтов обычно указывается с шагом из 2 10 (1,024) или более:

        1 килобайт (КБ) = 1024 байта
        1 мегабайт (МБ) = 1024 КБ
        1 гигабайт (ГБ) = 1024 МБ
        1 терабайт (ТБ) = 1024 ГБ

        © 2000-2003 Библиотека / Исследовательский отдел Корнельского университета

        Формула разницы в цвете | 101 Вычислительная техника

        Цветовые коды RGB
        Знаете ли вы, что каждый цвет на экране может быть представлен с помощью кода RGB (красный, зеленый, синий).Этот код состоит из трех чисел от 0 до 255, указывающих, сколько красного, зеленого и синего цветов используется для воссоздания цвета. Например, код RGB для:
        • Красный (255,0,0)
        • Зеленый (0,255,0)
        • Синий (0,0,255)
        • Желтый (255,255,0)
        • Оранжевый (255,165,0)

        Графический дизайнер и программист иногда предпочитают использовать другую нотацию, основанную на шестнадцатеричном коде RGB, где каждое из трех десятичных значений преобразуется в двузначный шестнадцатеричный код, в результате чего получается шестизначный (3 × 2) шестнадцатеричный код.Например:

        • Красный — это # ​​FF000
        • Зеленый # 00FF00
        • Синий — это # ​​0000FF
        • Желтый — # FFFF00
        • Оранжевый — # FFA500

        Проверьте следующее средство выбора цвета RGB, чтобы увидеть, как работают коды RGB:

        Используя цветовой код RGB, мы можем представить 256 3 = 16 777 216 цветов.

        Цветовой круг

        Цветовой круг используется для представления некоторых из наиболее отличительных цветов. Например, на картинке выше представлено цветовое колесо, состоящее из 12 цветов:
        КРАСНЫЙ (Hex: # FF0000 — RGB: 255, 0, 0)
        ОРАНЖЕВЫЙ (шестнадцатеричный: # FF7F00 — RGB: 255, 127, 0)
        ЖЕЛТЫЙ (Hex: # FFFF00 — RGB: 255, 255, 0)
        CHARTREUSE GREEN (Hex: # 7FFF00 — RGB: 127, 255, 0)
        ЗЕЛЕНЫЙ (шестнадцатеричный: # 00FF00 — RGB: 0, 255, 0)
        ПРУЖИНА ЗЕЛЕНАЯ (Hex: # 00FF7F — RGB: 0, 255, 127)
        CYAN (шестнадцатеричный: # 00FFFF — RGB: 0, 255, 255)
        AZURE (шестнадцатеричный: # 007FFF — RGB: 0, 127, 255)
        СИНИЙ (шестнадцатеричный: # 0000FF — RGB: 0, 0, 255)
        ФИОЛЕТОВЫЙ (Hex: # 7F00FF — RGB: 127, 0, 255)
        ПУРПУРНЫЙ (шестнадцатеричный: # FF00FF — RGB: 255, 0, 255)
        РОЗА (шестнадцатеричный: # FF007F — RGB: 255, 0, 127)
        Формула разницы в цвете

        Формула цветового различия используется для определения «расстояния» между двумя цветами:

        Мы можем использовать эту формулу, чтобы узнать, очень ли близки два цвета (небольшая разница).

        Python Challenge

        Для этой задачи ваша задача — написать скрипт Python, который:
        1. попросить пользователя ввести цветовой код RGB,
        2. вычислить разницу между этим цветом и каждым из 12 цветов указанного выше цветового круга,
        3. выводит имя ближайшего цвета из цветового круга. (Цвет с наименьшей разницей)
        План испытаний

        Когда ваш код будет готов, выполните следующие тесты, чтобы убедиться, что ваш код работает должным образом:
        Тест № Входные значения / Цветовой код Ожидаемый результат Фактический выпуск
        № 1 (222, 215, 21) желтый
        № 2 (201, 45, 139) Роза
        № 3 (124, 180, 48) Шартёз Зеленый
        # 4 (36, 180, 225) Лазурный
        № 5 (100, 50, 150) фиолетовый
        № 6 (200, 100, 50) оранжевый

        Как работает цветовая кодировка YUV?

        ПЗС- или КМОП-сенсор сам по себе не может определять цвет падающего света.В действительности, каждая полость массива пикселей просто определяет интенсивность падающего света, пока активна экспозиция. Он не может различить, сколько в них света каждого конкретного цвета. Но когда к датчику применяется фильтр цветового рисунка, каждый пиксель становится чувствительным только к одному цвету — красному, зеленому или синему. Поскольку человеческий глаз более чувствителен к зеленому свету, чем к красному и синему свету, он имеет положительные эффекты, матрица имеет в два раза больше зеленых, чем красных или синих датчиков. На следующих изображениях показано цветовое распределение и расположение фильтра «Шаблон Байера» на датчике размером x * y (где x и y кратны 2).

        Поскольку расположение цветов в фильтре шаблона Байера известно, приложение может использовать переданную необработанную информацию о пикселях для интерполяции полной информации о цвете RGB для каждого пикселя в датчике камеры. Вместо передачи необработанной информации о пикселях также часто используется группа цветового кодирования, известная как YUV. На приведенной ниже блок-схеме показан процесс преобразования в цветной камере Basler, которая поддерживает эту функцию. Для простоты мы предполагаем, что датчик собирает пиксельные данные с глубиной 8 бит.

        В качестве первого шага алгоритм вычисляет полные значения RGB для каждого пикселя. Это означает, например, что даже если пиксель чувствителен только к зеленому свету, камера получает полную информацию RGB для пикселя путем интерполяции информации об интенсивности из соседних красных и синих пикселей. Это, конечно, лишь приближение к реальному миру. Существует множество алгоритмов для интерпретации RGB, и сложность и время вычисления каждого алгоритма будут определять качество приближения.Цветные камеры Basler имеют эффективный встроенный алгоритм преобразования RGB.

        Недостатком преобразования RGB является завышение объема данных для каждого пикселя. Если один пиксель обычно имеет глубину 8 бит, после преобразования он будет иметь глубину 8 бит на цвет (красный, зеленый и синий) и, таким образом, будет иметь общую глубину 24 бита.

        Кодирование YUV преобразует сигнал RGB в компонент интенсивности (Y), который находится в диапазоне от черного до белого, плюс два других компонента (U и V), которые кодируют цвет.Преобразование из RGB в YUV является линейным, происходит без потери информации и не зависит от конкретного оборудования, такого как камера. Стандартные уравнения для выполнения преобразования из RGB в YUV:

        Y = 0,299 R + 0,587 G + 0,114 B

        U = 0,493 * (B — Y)

        V = 0,877 * (R — Y)

        дюймов На практике коэффициенты в уравнениях могут немного отличаться из-за динамики датчика, используемого в конкретной камере. Если вы хотите узнать, как выполняется преобразование RGB в YUV в конкретной цветной камере Basler, обратитесь к руководству пользователя камеры, чтобы узнать правильные коэффициенты.Эта информация особенно полезна, если вы хотите преобразовать выходной сигнал цветной камеры Basler из YUV обратно в RGB.

        На схеме ниже показано, как можно кодировать цвет с помощью компонентов U и V и как компонент Y кодирует интенсивность сигнала.

        Этот тип преобразования также известен как выборка YUV 4: 4: 4. С YUV 4: 4: 4 каждый пиксель получает информацию о яркости и цвете, а «4: 4: 4» указывает соотношение компонентов Y, U и V в сигнале.

        Чтобы уменьшить средний объем данных, передаваемых на пиксель, с 24 бит до 16 бит, чаще всего включают информацию о цвете только для каждого другого пикселя. Этот тип выборки также известен как выборка YUV 4: 2: 2. Поскольку человеческий глаз гораздо более чувствителен к интенсивности, чем к цвету, это уменьшение почти незаметно, даже если преобразование представляет собой реальную потерю информации. Цифровой выходной сигнал YUV 4: 2: 2 с цветной камеры Basler имеет глубину, которая варьируется от 24 бит на пиксель до 8 бит на пиксель (для средней битовой глубины 16 бит на пиксель).

        Как показано в таблице ниже, когда камера Basler настроена на вывод YUV 4: 2: 2, каждый квадлет данных изображения, передаваемых камерой, будет содержать данные для двух пикселей. K представляет количество пикселей в кадре, а одна строка в таблице представляет квадлет данных, передаваемых камерой.

        Для каждого другого пикселя передаются как информация об интенсивности, так и информация о цвете, что приводит к глубине 24 бита для этих пикселей. Для остальных пикселей сохраняется только информация об интенсивности, что дает для них 8-битную глубину.Как видите, средняя глубина на пиксель составляет 16 бит.

        На всех цветных камерах Basler вы можете выбирать между режимом вывода, обеспечивающим необработанный выходной сигнал датчика для каждого пикселя, или высококачественным сигналом YUV 4: 2: 2. Некоторые камеры также предоставляют данные RGB / BGR.

        Оценка глубины

        : основы и интуиция | Дэрил Тан

        Глубина важна для 3D Vision

        Измерение расстояния относительно камеры остается трудным, но абсолютно важным для открытия таких захватывающих приложений, как автономное вождение, реконструкция 3D-сцены и дополненная реальность.В робототехнике глубина является ключевым условием для выполнения множества задач, таких как восприятие, навигация и планирование.

        Создание 3D-карты было бы еще одним интересным приложением, вычисление глубины позволяет нам переносить изображения, снятые из нескольких видов, в 3D. Тогда регистрация и сопоставление всех точек может идеально реструктурировать сцену.

        Источник: реконструированная сцена в 3D

        Некоторые из сложных проблем, которые необходимо решить, включают сопоставление соответствий , , которое может быть затруднено из-за таких причин, как текстура, окклюзия, неламбертовские поверхности, разрешение неоднозначного решения, где многие 3D-сцены могут фактически дать одно и то же изображение на плоскости изображения i.е. прогнозируемая глубина не уникальна.

        Получение информации о расстоянии с камеры очень заманчиво из-за ее относительно низкой стоимости производства и плотного отображения. Распространить эту технологию в массы так же просто, как приобрести уже имеющуюся камеру. На данный момент лучшей альтернативой для определения глубины было бы использование датчика активного диапазона, такого как лидар. Это, естественно, датчик высокой точности, обеспечивающий очень точную информацию о глубине.

        После работы над оценкой глубины и, в частности, с применением автономного транспортного средства, это действительно сложно из-за различных причин, таких как окклюзия, динамический объект в сцене и несовершенное стерео соответствие.Для алгоритмов согласования стереозвука самым большим врагом является отражающая, прозрачная, зеркальная поверхность. Например. Лобовое стекло автомобилей часто ухудшает соответствие и, следовательно, оценку. Поэтому большинство компаний по-прежнему полагаются на лидар для надежного определения расстояния. Однако текущая тенденция в стеке восприятия автономных транспортных средств направлена ​​на объединение датчиков, поскольку каждый датчик имеет свою силу в функциях, которые они извлекают. Тем не менее, с момента появления Deep Learning эта область приобрела большую популярность и достигла замечательных результатов.Решению этих вопросов посвящено множество исследований.

        В компьютерном зрении глубина извлекается из двух распространенных методологий. А именно, глубина из монокулярных изображений (статических или последовательных) или глубина из стереоизображений с использованием эпиполярной геометрии. Этот пост будет посвящен ознакомлению читателей с глубокой оценкой и проблемами, связанными с ней. Требуется адекватное понимание проективной геометрии камеры.

        Читая эту статью, я хотел бы, чтобы вы получили интуитивное понимание восприятия глубины в целом.Дополнительно представлен обзор тенденций и направлений исследований по оценке глубины. Затем мы обсудим некоторые (многие) связанные с этим проблемы.

        В следующих постах будут подробно описаны различные алгоритмы оценки глубины, чтобы не утопить вас в деталях!

        Рис. 2. Выступает на сетчатку (слева). Проецирование на плоскость изображения (справа)

        Давайте начнем с того, как мы, люди, воспринимаем глубину в целом. Это даст нам некоторые ценные сведения об оценке глубины, поскольку многие из этих методов были заимствованы из нашей системы зрения человека.И машинное, и человеческое зрение имеют общие черты в способах формирования изображения (рис. 2). Теоретически, когда световые лучи от источника попадают на поверхность, они отражаются и направляются к задней части нашей сетчатки, проецируя их, и наш глаз обрабатывает их как 2D [1], точно так же, как изображение формируется на плоскости изображения.

        Итак, как на самом деле измерить расстояние и понять нашу среду в 3D, когда проецируемая сцена находится в 2D? Например, предположим, что кто-то собирается нанести вам удар, вы инстинктивно знаете, когда вас собираются ударить, и уклоняйтесь от него, когда его кулак оказывается слишком близко! Или, когда вы ведете машину, вы каким-то образом можете определить, когда нажать на педаль акселератора или нажать на тормоз, чтобы сохранить безопасное расстояние вокруг многих других водителей и пешеходов.

        Здесь работает механизм: наш мозг начинает рассуждать о входящих визуальных сигналах, распознавая такие закономерности, как размер, текстура и движение сцены, известные как Depth Cues . Информация о расстоянии об изображении отсутствует, но каким-то образом мы можем легко интерпретировать и восстанавливать информацию о глубине. Мы понимаем, какой аспект сцены находится ближе и дальше от нас. Кроме того, эти подсказки позволяют нам рассматривать объекты и поверхности, которые предположительно находятся на плоских изображениях, как трехмерные [1].

        Как уничтожить глубину (не человеческое / компьютерное зрение)

        Чтобы выделить интересный факт, интерпретация этих сигналов глубины начинается с того, как сцены проецируются на перспективный вид в человеческом зрении и зрении камеры. С другой стороны, ортогональная проекция на вид спереди или сбоку — это такая проекция, которая уничтожает всю информацию о глубине.

        Рассмотрим рисунок 3, наблюдатель может определить, какая часть дома ближе к нему, как показано на левом изображении.Однако отличить относительные расстояния от правого изображения совершенно невозможно. Даже фон может лежать в одной плоскости с домом.

        Рис. 3. Перспективная проекция (слева). Ортографическая проекция (справа)

        В основном есть 4 категории сигналов глубины: статический монокуляр, глубина от движения, бинокулярные и физиологические сигналы [2]. Мы подсознательно пользуемся этими сигналами, чтобы замечательно воспринимать глубину.

        Живописные метки глубины

        Наша способность воспринимать глубину одиночного неподвижного изображения зависит от пространственного расположения предметов в сцене.Ниже я суммировал некоторые подсказки, которые позволяют нам судить о расстоянии до различных объектов. Вам уже может казаться естественным ежедневное общение с матерью-землей. Надеюсь, не вдаваясь в размышления о различных подсказках.

        Фото Матеуса Кампоса Фелипе на Unsplash

        Интересное исследование было проведено в Калифорнийском университете в Беркли, и они экспериментально показали, что когда горизонт виден, у нас есть подавляющая тенденция использовать это свойство для быстрого восприятия глубины.Верно ли это для вас, когда вы просматриваете изображение выше?

        Признаки глубины от движения (Параллакс движения)

        Рис. 5. Параллакс движения

        Это не должно удивлять вас. Когда вы, как наблюдатель, находитесь в движении, вещи вокруг вас проходят быстрее, чем то, что находится дальше. Чем дальше что-то появляется, тем медленнее оно уходит от наблюдателя.

        Признаки глубины от стереозрения (бинокулярный параллакс)

        Неравномерность сетчатки : Еще один интересный случай, который дает нам возможность распознавать глубину, что можно интуитивно понять из простого эксперимента.

        Рис. 6. Источник

        Поместите указательный палец перед собой как можно ближе к лицу с одним закрытым глазом. Теперь несколько раз закройте один и откройте другой. Заметил, что твой палец двигается! Разница во взгляде, наблюдаемая вашим левым и правым глазом, известна как несоответствие сетчатки . Теперь протяните палец на расстоянии вытянутой руки и выполните то же действие. Вы должны заметить, что изменение положения ваших пальцев становится менее очевидным. Это должно дать вам некоторое представление о том, как работает стереозрение.

        Это явление известно как стереопсис ; способность воспринимать глубину из-за 2-х разных точек зрения на мир.Сравнивая изображения сетчатки двух глаз, мозг вычисляет расстояние. Чем больше разница, тем ближе к вам объекты.

        Цель оценки глубины — получить представление пространственной структуры сцены, восстанавливая трехмерную форму и внешний вид объектов на изображениях. Это также известно как обратная задача [3], в которой мы стремимся восстановить некоторые неизвестные, учитывая недостаточную информацию для полного определения решения. Это означает, что сопоставление между 2D-видом и 3D не является уникальным (рис. 12). В этом разделе я расскажу о классических методах стерео и методах глубокого обучения.

        Так как же машины на самом деле воспринимают глубину? Можем ли мы как-то перенести некоторые из обсуждаемых выше идей? Самый ранний алгоритм с впечатляющим результатом начинается с оценки глубины с помощью стереозрения еще в 90-х годах. Большой прогресс был достигнут в алгоритмах плотного стереосоответствия [4] [5] [6]. Исследователи смогли использовать геометрию, чтобы ограничить и воспроизвести идею стереопсиса математически и в то же время в режиме реального времени. Все эти идеи были обобщены в данной статье [7].

        Что касается оценки глубины с помощью монокуляра, то в последнее время она стала набирать популярность благодаря использованию нейронных сетей для изучения представления, которое напрямую определяет глубину [8]. Глубинные подсказки неявно изучаются с помощью градиентных методов. Помимо этого, был достигнут большой прогресс в самостоятельной оценке глубины [9] [10] [11]. что особенно интересно и новаторски! В этом методе модель обучается предсказывать глубину посредством оптимизации прокси-сигнала. В тренировочном процессе не требуется никаких ярлыков.Большинство исследований используют геометрические подсказки, такие как многовидовая геометрия или эпиполярная геометрия, для изучения глубины. Мы коснемся этого позже.

        Оценка глубины со стереозрения

        Рис. 7. Эпиполярная геометрия (слева). Исправленные изображения (справа)

        Основная идея решения проблемы глубины с помощью стереокамеры включает концепцию триангуляции и совпадения стереофонического . Формальное решение зависит от хорошей калибровки и выпрямления , чтобы ограничить проблему, чтобы ее можно было моделировать на 2D-плоскости, известной как эпиполярная плоскость , , что значительно сокращает последнюю до поиска линии вдоль эпиполярной линии (рис. ) . Более подробная техническая информация об эпиполярной геометрии будет обсуждена в следующей публикации.

        Аналогично бинокулярному параллаксу, как только мы сможем сопоставить пиксельные соответствия между двумя видами, следующая задача — получить представление, которое кодирует различия. Это представление известно как несоответствие , d. Чтобы получить глубину из несоответствия, формулу можно составить из похожих треугольников (рис. 8).

        Рис. 8. Стереогеометрия.

        Этапы следующие:

        • Определите похожие точки из дескрипторов признаков.
        • Сопоставление соответствия признаков с помощью функции сопоставления стоимости.
        • Используя эпиполярную геометрию, найдите и сопоставьте соответствие в одном кадре изображения другому. Функция стоимости согласования [6] используется для измерения несходства пикселей
        • Вычислить несоответствие на основе известного соответствия d = x1 - x2 , как показано на рисунке 8.
        • Вычислить глубину на основе известного несоответствия z = (f * b) / d
        Рис. 9. Представление диспаратности от Китти

        Возраст глубокого обучения

        Глубокое обучение отлично справляется с задачами восприятия и познания высокого уровня, такими как распознавание, обнаружение и понимание сцены.Восприятие глубины попадает в эту категорию и также должно быть естественным путем вперед. В настоящее время существует 3 широких подхода к изучению глубины:

        Обучение с учителем : основополагающая работа по оценке глубины непосредственно из монокулярного изображения началась с Саксены [8]. Они научились регрессировать глубину непосредственно из монокулярных сигналов в 2D-изображениях посредством обучения с учителем, минимизируя потери регрессии. С тех пор было предложено много разновидностей подходов для улучшения обучения представлению, предлагая новые архитектуры или функции потерь.

        Самоконтрольная оценка глубины с использованием структуры SFM: Этот метод формулирует проблему как обучение для создания нового представления из видео. последовательность.Задача нейронной сети состоит в том, чтобы сгенерировать целевой ракурс I_t из исходного ракурса, сделав изображение на другом временном шаге I_t-1, I_t + 1 и применив изученное преобразование из сети поз для выполнения деформации изображения. Обучение стало возможным благодаря тому, что синтез деформированного изображения стал рассматриваться как контроль дифференцированным образом с использованием пространственной трансформаторной сети [14]. Во время вывода CNN глубины предсказывает глубину на основе одного изображения RGB (рис. 10). Я бы порекомендовал вам прочитать эту статью, чтобы узнать больше.Обратите внимание, что у этого метода есть некоторые недостатки, такие как невозможность определения масштаба и моделирования движущихся объектов, описанных в следующем разделе.

        рис. 10. Неконтролируемая оценка глубины монокуляра

        Самоконтрольная оценка глубины монокуляра с использованием Stereo : Еще один интересный подход. Здесь (рис. 11), вместо того, чтобы использовать последовательность изображений в качестве входных данных, модель будет предсказывать диспропорции d_l, d_r только от левого RGB, I_l . Подобно описанному выше методу, сеть пространственного преобразователя искажает пару изображений RGB I_l, I_r , используя диспаратность.Напомним, что x2 = x1 - d . Таким образом, парное представление может быть синтезом, и потеря восстановления между восстановленными видами I_pred_l, I_pred_r и целевыми видами I_l, I_r используется для наблюдения за обучением.

        Для того, чтобы этот метод работал, предполагается, что базовая линия должна быть горизонтальной и известной. Пара изображений должна быть исправлена, чтобы преобразование через несоответствие было точным. Таким образом, расчет d = x1 - x2 выполняется, как на рис. 8.

        Рис. 11.Самоконтролируемая оценка глубины монокуляра с использованием стерео сигналов глубины

        CNN и предвзятого изучения

        Понимание и расшифровка черного ящика является постоянным исследованием в области интерпретируемого машинного обучения. В контексте оценки глубины в нескольких работах началось исследование, на какие сигналы глубины опирается нейронная сеть или на какие индуктивные смещения извлекаются из определенного набора данных.

        В новаторской работе Тома и др., ICCV 2019, они проводят несколько простых тестов, чтобы экспериментально найти связь между предполагаемой глубиной и структурой сцены.Обратите внимание, что это сделано для набора данных Kitti, который представляет собой уличную дорожную сцену с фиксированным положением камеры и имеет несколько видимую точку схода и линию горизонта.

        Источник

        Положение объектов относительно точки контакта с землей предоставляет точную контекстную информацию. : Для объектов на дороге, увеличивая положение автомобиля в вертикальном направлении. Мы видим, что модель не может хорошо оценить глубину, когда она находится дальше от земли.

        Источник: тень под объектом как важная особенность для оценки глубины

        Форма не имеет значения, но тень имеет значение : В другом эксперименте, поместив произвольный объект с искусственно отбрасываемой тенью, модель могла бы разумно оценить глубину, даже если это не так. доступно во время обучения.

        Интересная работа была проделана Рене и др., TPAMI 2020, где они обучили глубинную модель на относительно крупномасштабном наборе данных, состоящем из внутренних и наружных сцен. При наблюдении возникает естественная предвзятость, когда нижняя часть изображения всегда закрыта для камеры. Это можно увидеть как режим отказа в верхнем правом примере на изображении ниже. Вдобавок глубинная модель имеет тенденцию предсказывать контент, а не распознавать его как отражение в зеркале в нижнем левом корпусе. В статье можно найти много других интересных находок.

        Источник

        Проведенные исследования пока весьма ограничены. Чтобы получить более убедительные результаты, потребуется много работы.

        Наконец, давайте попробуем разобраться в некоторых фундаментальных проблемах оценки глубины. Основная проблема заключается в проецировании трехмерных видов на двухмерные изображения, при которых теряется информация о глубине. Другая проблема зарождается, когда есть движущиеся и движущиеся объекты. Мы рассмотрим их в этом разделе.

        Некорректная оценка глубины

        Часто при проведении исследований по оценке глубины с помощью монокуляра многие авторы упоминают, что проблема оценки глубины по одному изображению RGB является некорректной обратной задачей.Это означает, что многие наблюдаемые в мире 3D-сцены действительно могут соответствовать одной и той же 2D-плоскости (рис. 11 и 12).

        Рис. 12. Источник

        Некорректно: неоднозначность масштаба для оценки глубины монокуляра

        Напомним, что регулировка фокусного расстояния пропорционально масштабирует точки на плоскости изображения. Теперь предположим, что мы масштабируем всю сцену X с некоторым коэффициентом k и в то же время масштабируем матрицы камеры P с коэффициентом 1 / k , проекции точек сцены на изображении остаются точно тот же

        x = PX = (1 / k) P * (kX) = x

        То есть, мы никогда не сможем восстановить точный масштаб реальной сцены только по изображению!

        Обратите внимание, что эта проблема существует для методов монокулярной базы, поскольку масштаб может быть восстановлен для стереосистемы с известной базовой линией.

        Неправильная поза: неоднозначность проекции

        Предположим, мы выполняем геометрическое преобразование сцены, возможно, что после преобразования эти точки будут отображаться в одно и то же место на плоскости. В очередной раз оставляя нас с такими же трудностями. См. Рисунок ниже

        Как заменяемое компьютерное оборудование ускоряет науку

        Майкл Райзер, как он выразился, «фанатичен в отношении выбора времени». Нейробиолог из исследовательского кампуса Джанелия при Медицинском институте Говарда Хьюза в Эшберне, Вирджиния, Рейзер изучает зрение мух.Некоторые из его экспериментов включают размещение мух на иммерсивной арене виртуальной реальности и плавное перерисовку сцены, отслеживая реакцию насекомых. Современные ПК с их сложными операционными системами и многозадачными центральными процессорами (ЦП) не могут гарантировать требуемую временную точность. Итак, Райзер вместе с инженерами Sciotex, технологической фирмы в Ньютаун-Сквер, штат Пенсильвания, нашел часть вычислительного оборудования, которая могла бы: ПЛИС.

        ПЛИС, или программируемая вентильная матрица, по сути является «электронной грязью», — говорит Бруно Леви, ученый-компьютерщик и директор исследовательского центра Inria Nancy Grand-Est в Виллер-ле-Нанси, Франция.Это набор сотен или даже миллионов ненастроенных логических элементов на кремниевом чипе, который, как и глина, можно «формовать» — и даже повторно формовать — для ускорения приложений, начиная от геномного выравнивания и заканчивая обработкой изображений и глубоким обучением.

        Предположим, что исследователь должен быстро обработать данные, передаваемые с камеры, фрагментами по 1000 бит. Большинство современных процессоров имеют 64-битные процессоры, и поэтому проблема должна быть разбита на более мелкие части. Но можно настроить FPGA для выполнения этих вычислений за один шаг, — говорит специалист по информатике Inria Nancy Сильвен Лефевр.Даже если каждый шаг FPGA медленнее, чем его аналог ЦП, «это на самом деле победа, вы работаете быстрее», — говорит он, потому что проблема не решена. Он добавляет, что FPGA превосходно подходят для приложений, требующих точного времени, алгоритмов, критичных к скорости или низкого энергопотребления.

        Хавьер Серрано, менеджер по разработке электроники и низкоуровневого программного обеспечения в CERN, европейской лаборатории физики элементарных частиц недалеко от Женевы, Швейцария, и его коллеги использовали FPGA, а также White Rabbit — индивидуальное расширение сетевого протокола Ethernet — для создания системы который может улавливать нестабильности в пучке частиц Большого адронного коллайдера с точностью до наносекунды.

        В университете Квинс в Белфасте, Великобритания, специалист по компьютерному оборудованию Роджер Вудс создает систему оптоволоконной камеры, которая использует FPGA для обработки мультиспектральных изображений коронарных артерий, достаточно быстрой для использования во время операции. А в Janelia старший научный сотрудник Чунтао Дан создал систему визуализации с обратной связью, которая может интерпретировать и реагировать на расположение крыльев мух, когда они бьют каждые 5 миллисекунд. По словам Дэн, в операционной системе Microsoft Windows временное дрожание составляет до 30 миллисекунд.Но с использованием ПЛИС «мы выполнили весь анализ за 145 микросекунд», что означает, что временное разрешение никогда не является проблемой, несмотря на ограничения обычного компьютера.

        ПЛИС конфигурируются с использованием языка описания оборудования (HDL), такого как VHDL или Verilog, с помощью которого исследователи могут реализовать что угодно, от мигающих светодиодов до полноценного ЦП. Другой вариант — Silice, язык с синтаксисом типа Си, который Лефевр, который разработал, привязал к Verilog. Какой бы HDL ни использовался, инструмент синтеза преобразует его в список логических элементов, а инструмент размещения и маршрутизации сопоставляет их с физическим чипом.Результирующий поток битов затем записывается на FPGA.

        Код конфигурации, или шлюз, как его называет Серрано, не обязательно сложно написать. Но это требует иного мышления, чем традиционное программирование, — говорит Улоф Киндгрен, директор и соучредитель британского фонда Free and Open Source Silicon Foundation. В то время как программный код носит процедурный характер, шлюз носит описательный характер. «Вы описываете, как данные перемещаются между регистрами в вашем проекте за каждый тактовый цикл, что не так, как думает большинство разработчиков программного обеспечения», — говорит Киндгрен.В результате даже опытные в вычислениях исследователи могут захотеть проконсультироваться со специалистом, чтобы выжать из своих проектов максимальную скорость.

        Технология FPGA появилась в середине 1980-х годов, но улучшения в программном обеспечении для проектирования сделали ее все более доступной. Xilinx (принадлежит производителю микросхем AMD) и Altera (принадлежит производителю микросхем Intel) доминируют на рынке, и обе предлагают инструменты разработки и микросхемы различной сложности и стоимости. Также существует несколько инструментов с открытым исходным кодом, в том числе Yosys (инструмент синтеза) и nextpnr (место и маршрут), разработанные компьютерным ученым Клэр Вольф, главным техническим директором венской компании-разработчика программного обеспечения YosysHQ.Лефевр советует начать с готовой к использованию платы FPGA, которая включает в себя память и периферийные устройства, такие как порты USB и HDMI. Xilinx PYNQ, который можно программировать с использованием Python, а также открытое оборудование iCEBreaker и ULX3S — хорошие варианты.

        Сотрудники Райзера из Sciotex использовали FPGA от National Instruments, базирующейся в Остине, Техас, которую они запрограммировали, используя графическую среду кодирования LabVIEW компании. По словам Райзера, оборудование, включая компоненты для сбора данных, стоит около 5 000 долларов США.Но с его помощью он получил свой ответ: мухи могут реагировать на движущиеся объекты в их поле зрения примерно в два раза быстрее, чем люди, как он обнаружил. Для доказательства этого предела требовалось отображение, на котором его команда могла обновляться в десять раз быстрее, чем реакции, которые они исследовали. «Нам нравится точность во времени», — говорит Райзер. «Это делает нашу жизнь намного проще».

        4. Пиксели и изображения — практическое компьютерное зрение с помощью SimpleCV [Книга]

        В предыдущих главах был представлен широкий обзор работы с фреймворк SimpleCV, включая способы захвата изображений и их отображения.Пришло время погрузиться в полную картину рамок, начиная с более глубокого изучения изображений, цвета, рисунка и введения к функции обнаружения. В этой главе мы подробно расскажем об уровне работы. с отдельными пикселями, а затем перейти на более высокий уровень базового изображения манипуляции. Неудивительно, что изображения являются центральным объектом любого видения. система. Они содержат все сырье, которое затем сегментируется, извлечены, обработаны и проанализированы. Чтобы понять, как извлечь информация из изображений, в первую очередь важно понять компоненты компьютеризированного изображения.В частности, в этой главе подчеркивается:

        Пиксели — это основные строительные блоки цифрового изображения. Пиксель — это то, что мы называем цветом или значения освещенности, которые занимают определенное место на изображении. Думайте об изображении как о большой сетке, с каждым квадратом в сетке, содержащим один цвет или пиксель. Эту сетку иногда называют битовая карта. Изображение с разрешением 1024 × 768 представляет собой сетку с 1024 столбцами и 768 строками, что, следовательно, содержит 1024 × 768 = 786 432 пикселя. Зная, сколько пикселей в изображении не указывает физические размеры изображения.То есть один пиксель не приравнивается к одному миллиметру, одному микрометру или одному нанометру. Вместо этого, насколько «большой» пиксель будет зависеть от настройки пикселей на дюйм (PPI) для этого изображения.

        Каждый пиксель представлен числом или набором чисел, а диапазон этих чисел называется глубиной цвета или битовой глубиной. Другими словами, глубина цвета указывает на максимальную количество потенциальных цветов, которые можно использовать в изображении. 8-битная глубина цвета использует числа 0–255 (или 8-битный байт) для каждого цветового канала в пикселе.Это означает изображение 1024 × 768 с одноканальный (черный и белый) 8-битная глубина цвета создаст изображение размером 768 КБ. Большинство изображений сегодня используют 24-битный цвет или выше, позволяя использовать три числа от 0 до 255 на канал. Это увеличило объем данных о цвете каждого пикселя означает, что изображение 1024 × 768 займет 2,25 МБ. Как в результате этих существенных требований к памяти большинство форматов файлов изображений не хранят попиксельная информация о цвете. Файлы изображений, такие как GIF, PNG и JPEG, используют разные формы. сжатия для более эффективного представления изображений.

        Большинство пикселей бывает двух видов: оттенки серого и цветные. В оттенках серого изображение, каждый пиксель имеет только одно значение, представляющее значение света, где ноль — черный, а 255 — белый. Большинство цветных пикселей имеют три значения, представляющие красный, зеленый и синий (RGB). Другое без RGB схемы представления существуют, но наиболее популярным форматом является RGB. В каждый из трех цветов представлен одним байтом или значением от 0 до 255, который указывает количество данного цвета.Обычно они сочетаются в триплет RGB в формате (красный, зеленый, синий) . Например, (125, 0, 125) означает, что в пикселе есть красный, зеленый и синий, представляющий оттенок пурпурного. Вот некоторые другие распространенные примеры:

        • Красный: (255, 0, 0)

        • Зеленый: (0, 255, 0)

        • Синий: (0, 0, 255)

        • Желтый : (255, 255, 0)

        • Коричневый: (165, 42, 42)

        • Оранжевый: (255, 165, 0)

        • Черный: (0, 0, 0)

        • Белый: (255, 255, 255)

        Запоминание этих кодов может быть трудным.Чтобы упростить это, класс Color включает в себя множество предопределенные цвета. Например, чтобы использовать бирюзовый цвет вместо того, чтобы чтобы знать, что это RGB (0, 128, 128), просто используйте:

         из SimpleCV import Color
        
        # Простой способ получить значения триплета RGB для бирюзового цвета.
        myPixel = Color.TEAL 

        Аналогичным образом, чтобы найти значения RGB для известного цвета:

         из SimpleCV import Color
        
        # Печать (0, 128, 128)
        print Color.TEAL 

        Обратите внимание на соглашение, согласно которому все названия цветов записываются во всех КОЛПАЧКИ.Чтобы получить зеленый цвет, используйте Color.GREEN . К получить красный цвет, используйте цвет . КРАСНЫЙ . Большинство из доступны стандартные цвета. Для тех читателей, кто иначе не стал бы угадайте, что Color.PUCE — встроенный цвет — это оттенок красного — просто введите help Цвет в приглашении оболочки SimpleCV, и он перечислит все доступные цвета. Многие функции включают параметр цвета, а цвет важный инструмент для сегментации изображений. Было бы целесообразно взять момент и просмотрите предопределенные цветовые коды, предоставляемые SimpleCV рамки.

        После того, как эти предварительные этапы пройдены, пришло время погрузиться в работа с самими изображениями. В этом разделе рассказывается, как выглядят цветные пиксели. собраны в изображения и как работать с этими изображениями внутри Фреймворк SimpleCV.

        Под капотом изображение представляет собой двумерный массив пикселей. Двумерный массив похож на лист миллиметровой бумаги: там — заданное количество единиц по вертикали и заданное количество единиц по горизонтали. единицы. Каждый квадрат проиндексирован набором из двух чисел: первое число представляет горизонтальную строку для этого квадрата, а второе число — вертикальный столбец.Возможно, неудивительно, что строка и столбцы проиндексированы по их координатам x и y .

        Этот подход, называемый декартовой системой координат, должен быть интуитивно понятный, основанный на предыдущем опыте работы с графиками по математике в средней школе курсы. Однако компьютерная графика сильно отличается от традиций. важный путь. В обычных графических приложениях исходная точка (0, 0) находится в нижнем левом углу. В приложениях компьютерной графики (0, 0) баллов находится в верхней части левый угол.

        Поскольку пиксели изображения также находятся в сетке, это очень просто для отображения пикселей в двумерный массив. Изображение с низким разрешением в Рисунок 4-1 цветка демонстрирует индексацию пикселей. Обратите внимание, что пиксели с нулевым индексом, что означает, что верхний левый угол находится на (0, 0) , а не на (1, 1) .

        Информация для отдельного пикселя может быть извлечена из изображение точно так же, как и отдельный элемент массива указывается в Python.В следующих примерах показано, как извлечь пиксель (120, 150) из изображения Портрет алебардера картина, как показано на Рисунке 4-2.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Получает информацию о пикселе, расположенном в
        # координата x = 120 и координата y = 150
        пиксель = img [120, 150]
        
        пиксель печати 

        Рисунок 4-1. Пиксели и координаты. Обратите внимание, что (0, 0) находится в верхнем левом углу угол

        Рисунок 4-2.Портрет алебардщика — Якопо Понтормо

        Значение пикселя станет . триплет RGB для пикселя (120, 150) . В итоге отпечатков пиксель возвращает (242.0, 222.0, 204,0) .

        Следующий пример кода делает то же самое, но использует функция getPixel () вместо индекс массива. Это более объектно-ориентированное программирование подход по сравнению с извлечением пикселя непосредственно из множество.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Использует getPixel () для получения информации о найденном пикселе
        # при координате x = 120 и координате y = 150
        пиксель = img.getPixel (120, 150)
        
        print pixel 

        Tip

        Хотите, чтобы значение пикселя в оттенках серого было в цветном изображении? Скорее чем преобразовать все изображение в оттенки серого, а затем вернуть пиксель, используйте getGrayPixel (x, у) .

        Доступ к пикселям по их индексу иногда может создавать проблемы.В приведенном выше примере попытка использовать img [1000, 1000] выдаст ошибку, и img.getPixel (1000, 1000) выдаст предупреждение, потому что изображение всего 300 × 389. Поскольку индексы пикселей начинаются с нуля, а не с единицы, размеры должен находиться в диапазоне от 0 до 299 по оси x и от 0 до 388 по оси y. Чтобы избежать таких проблем, как для этого используйте свойства width и height изображения, чтобы найти его размеры. Например:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        # Распечатать высоту изображения в пикселях
        # Напечатает 300
        напечатать img.height
        
        # Распечатать ширину изображения в пикселях
        # Напечатает 389
        print img.width 

        Помимо извлечения триплетов RGB из изображения, он также возможно изменить изображение с помощью триплета RGB. Следующий пример будет извлекать пиксель из изображения, обнуляя зеленый и синий компоненты, сохраняя только красное значение, а затем верните его в изображение.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        # Получить триплет RGB из (120, 150)
        (красный, зеленый, синий) = img.getPixel (120, 150)
        
        # Меняем цвет пикселя +
        img [120, 150] = (красный, 0, 0)
        
        img.show () 

        По умолчанию каждый пиксель возвращается как кортеж красного, зеленый и синий компоненты. (Глава 5 охватывает об этом подробнее.) Здесь удобно хранить каждое отдельное значение в собственной переменной с соответствующим названием красный , зеленый и синий .

        Теперь вместо использования исходного значения зеленого и синего, они установлены на ноль. Сохраняется только исходное значение красного. Этот эффект продемонстрирован на Рисунке 4-3:

        Рисунок 4-3. Слева — изображение с новым красным пикселем; справа — а увеличенный вид измененного пикселя

        Поскольку был изменен только один пиксель, трудно увидеть разница, но теперь пиксель на уровне (120, 150) — темно-красный цвет.Чтобы было удобнее видеть, измените размер изображение до пятикратного его предыдущего размера с помощью функции resize () .

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Получаем пиксель и меняем цвет
        (красный, зеленый, синий) = img.getPixel (120, 150)
        img [120, 150] = (красный, 0, 0)
        
        # Измените размер изображения, чтобы оно было в 5 раз больше исходного размера
        bigImg = img.resize (img.width * 5, img.height * 5)
        
        bigImg.show () 

        Чем больше изображение, тем лучше видно только красное. пиксель, который изменился.Обратите внимание, однако, что в процессе изменения размера изображения, единственный красный пиксель интерполируется, что приводит к дополнительному красному цвету в соседние пиксели, как показано на рисунке 4-4.

        Рисунок 4-4. Исходный красный пиксель после изменения размера

        Прямо сейчас это выглядит как случайное развлечение с пикселями без фактического цель. Однако извлечение пикселей — важный инструмент при попытке находить и извлекать предметы похожего цвета. Большинство этих уловок рассматривается позже в книге, но для быстрого ознакомления с тем, как это В следующем примере рассматривается цветовое расстояние других пикселей. по сравнению с заданным пикселем, как показано на рисунке 4-5.

         из SimpleCV import Image
        img = Изображение ('jacopo.png')
        
        # Получить цветовое расстояние всех пикселей по сравнению с (120, 150)
        расстояние = img.colorDistance (img.getPixel (120, 150))
        
        # Показать полученные расстояния
        distance.show () 

        Рисунок 4-5. Цветовое расстояние по сравнению с пикселем в (100, 50)

        Блок кода выше показывает следующую важную концепцию с изображениями: масштабирование. В приведенном выше примере ширина и высота были поменял взяв img.height и изм.ширина параметров и умножение их на 5. В следующем случае вместо ввода новых размеров функция scale () изменит размер изображение с одним параметром: коэффициентом масштабирования. Например, следующий код изменяет размер изображения в пять раз от его исходного размера.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Масштабировать изображение в 5 раз
        bigImg = img.scale (5)
        
        bigImg.show () 

        Осторожно

        Обратите внимание, что в предыдущем Примеры.Функция resize () принимает два аргумента, представляющих новые измерения. Функция scale () принимает только один аргумент. с коэффициентом масштабирования (во сколько раз больше или меньше, чтобы изображение). При использовании параметра resize () функция и соотношение сторон (отношение ширины к высоте) изменения, это может привести к забавным растягиваниям на картинке, так как продемонстрировано в следующем примере.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        # Измените размер изображения, сохранив исходную высоту,
        # но удвоение ширины
        bigImg = img.resize (img.width * 2, img.height)
        
        bigImg.show () 

        В этом примере изображение растягивается по ширине, но высота не изменяется, как показано на Рисунке 4-6. Чтобы решить эту проблему, используйте адаптивный масштабирование с помощью адаптивной шкалы adaptiveScale () функция. Будет создано новое изображение с запрошенными размерами. Однако вместо того, чтобы нарушить пропорции исходного изображения, он добавит отступ.Например:

         из SimpleCV import Image
        
        # Загрузить изображение
        img = Изображение ('jacopo.png')
        
        # Измените размер изображения, но используйте функцию + adaptiveScale () + для сохранения
        # пропорции исходного изображения
        AdaptiveImg = img.adaptiveScale ((img.width * 2, img.height))
        
        AdaptorImg.show () 

        Рисунок 4-6. Бедный алебардир прибавил в весе

        Как вы можете видеть на Рисунке 4-7 в получившемся изображении, исходные пропорции сохранены, с содержимым изображения, помещенным в центр изображения, а отступы добавлены вверху и внизу изображения.

        Рисунок 4-7. Размер изменен с помощью адаптивного масштабирования

        Примечание

        Функция adaptiveScale () принимает кортеж размеров изображения, а не отдельные x и y аргументы. Следовательно, двойные круглые скобки.

        Адаптивное масштабирование особенно полезно при попытке установить стандартный размер изображения на коллекция разнородных изображений. В этом примере создаются миниатюрные изображения размером 50 × 50 в Каталог называется эскизов .

         из SimpleCV import ImageSet
        из ОС импортировать mkdir
        
        # Создайте локальный каталог с именем миниатюры для хранения изображений
        mkdir ("эскизы")
        
        # Загружаем файлы в текущий каталог
        set = ImageSet (".")
        
        для img в наборе:
             print "Thumbnailing:" + img.filename
        
             # Масштабировать изображение до версии +50 x 50+ самого себя,
             # а затем сохраните его в папке эскизов
             img.adaptiveScale ((50, 50)). save ("эскизы /" + img.filename)
        
        print "Готово с эскизами. Показ слайд-шоу."
        
        # Создайте набор изображений из всех миниатюрных изображений
        thumbs = ImageSet ("./ эскизы /")
        
        # Показать пользователю набор миниатюрных изображений
        thumbs.show (3) 

        Функция adaptiveScale () имеет дополнительный параметр, соответствует , по умолчанию это правда. Когда подходит, — это true, функция пытается максимально масштабировать изображение, а добавление отступов для обеспечения пропорциональности. Когда соответствует ложно, вместо заполнения вокруг изображение, чтобы соответствовать новым размерам, вместо этого оно масштабирует его таким образом что наименьший размер изображения соответствует желаемому размеру.Затем это обрежет больший размер, чтобы полученное изображение по-прежнему соответствовало пропорциональный размер.

        Последний вариант масштабирования — это функция embiggen () (см. Рис. 4-8). Этот изменяет размер изображения, добавляя отступы по бокам, но делает не изменять исходное изображение. В некоторых других программах для редактирования изображений это эквивалентно изменению размера холста без изменения изображение. Функция embiggen () принимает три аргумента:

        • Кортеж с шириной и высотой изображение.

        • Цвет заполнения вокруг изображения. От по умолчанию это черный цвет.

        • Кортеж положения исходного изображения на большом холст. По умолчанию изображение центрируется.

         из SimpleCV import Image, Color
        
        img = Изображение ('jacopo.png')
        
        # Embiggen изображение, поместите его на зеленый фон, в правом верхнем углу
        emb = img.embiggen ((350, 400), Color.GREEN, (0, 0))
        
        emb.show () 

        Рисунок 4-8.Эмбигментированное изображение с измененным цветом и положением

        Предупреждение

        Функция embiggen () выдаст предупреждение, если пытаясь встроить изображение в меньший набор размеров. Например, изображение 300x389 нельзя встроить в изображение размером 150 × 200 изображение.

        Во многих приложениях для обработки изображений только часть изображения действительно важно. Например, в приложении камеры видеонаблюдения может случиться так, что только дверь — и идет ли кто-нибудь или уходит — из интерес.Обрезка ускоряет программу, ограничивая обработку «Область интереса», а не все изображение. SimpleCV framework имеет два механизма обрезки: функция crop (), и фрагмент Python. обозначение.

        Image.crop () занимает четыре аргументы, представляющие обрезаемую область. Первые два — это координаты x и y для верхнего левого угла области, которая будет обрезаны, а последние два — ширина и высота области, которую нужно обрезано.

        Например, чтобы вырезать только бюст на картинке, вы можете использовать следующий код. Полученное изображение показано на рисунке 4-9:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Обрезка, начиная с + (50, 5) + для области шириной 200 пикселей и высотой 200 пикселей
        cropImg = img.crop (50, 5, 200, 200)
        
        CropImg.show () 

        Рисунок 4-9. Обрезка до уровня груди на изображении

        При выполнении кадрирования иногда удобнее указать в центре интересующей области, а не в верхнем левом углу.Чтобы обрезать изображение от центра, добавьте еще один параметр, по центру = True , и результат будет показан на Рисунок 4-10.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Обрезать изображение, начиная с центра изображения
        cropImg = img.crop (img.width / 2, img.height / 2, 200, 200, по центру = True)
        
        CropImg.show () 

        Рисунок 4-10. Изображение с кадрированием по центру

        Области кадрирования также можно определить по характеристикам изображения. Многие из этих функции будут рассмотрены позже в книге, но вкратце введено в предыдущих главах.Как и другие функции, SimpleCV рамки можно обрезать вокруг капли. Например, обнаружение больших двоичных объектов также может найдите туловище на картинке.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        blobs = img.findBlobs ()
        
        img.crop (blobs [-1]). show () 

        Это позволит найти капли на изображении.

        Функция findBlobs () возвращает капли в порядке возрастания их размера. Это будет рассмотрено более подробно в следующих главах.В этом примере это означает бюст — самая большая капля.

        После кадрирования изображение должно выглядеть, как на Рисунке 4-11.

        Рисунок 4-11. Обрезанное изображение с использованием капель

        Функция кадрирования также реализована для функций Blob , поэтому приведенный выше код также может быть написано следующим образом. Обратите внимание на то, что функция crop () вызывается непосредственно на объект blob вместо объекта изображения.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        blobs = img.findBlobs ()
        
        # Функция кадрирования вызывается непосредственно для объекта blob
        blobs [-1] .crop (). show () 

        Для поклонников Python также можно выполнить кадрирование с помощью непосредственно манипулируя двумерным массивом изображения. Физическое лицо пиксели могут быть извлечены, рассматривая изображение как массив и указав координаты (x, y) . Python также может извлекать диапазоны пикселей. Например, img [start_x: end_x, start_y: end_y] предоставляет обрезанное изображение из (start_x, start_y) на номер (end_x, end_y) .Не включая значение для одной или нескольких координат означает, что граница изображение будет использоваться как начальная или конечная точка. Так что что-то вроде img [:, 300:] работает. Это выберет все значения x и все значения y , превышающие 300. В По сути, любая функция Python для извлечения подмножеств массивов будет также работают для извлечения частей изображения и, таким образом, возврата нового изображения. Из-за этого изображения можно обрезать, используя нотацию фрагментов Python. вместо функции кадрирования:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        # Обрезанное изображение шириной 200 пикселей и высотой 200 пикселей, начиная с (50, 5).
        cropImg = img [50: 250,5: 205]
        
        CropImg.show () 

        Примечание

        При использовании нотации среза укажите начальное и конечное положения. При использовании кадрирования укажите начальную координату, ширину и высота.

        При написании приложения технического зрения принято считать, что камера расположена под прямым углом для просмотра изображения, а верхняя часть изображение «вверх». Однако иногда камеру держат под углом к объект или не ориентирован прямо на изображение.Это может усложнить анализ изображений. К счастью, иногда это можно исправить поворотами, ножницы и перекосы.

        Самая простая операция — повернуть изображение так, чтобы оно правильно ориентирован. Это достигается с помощью функции rotate () , для которой требуется только один аргумент, угол . Это значение является угол в градусах, чтобы повернуть изображение. Отрицательные значения угла повернуть изображение по часовой стрелке, положительные значения повернуть его против часовой стрелки.Чтобы повернуть изображение на 45 градусов против часовой стрелки:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Повернуть изображение против часовой стрелки на 45 градусов
        rot = img.rotate (45)
        
        rot.show () 

        Полученное повернутое изображение показано на Рисунке 4-12.

        Рисунок 4-12. Изображение повернуто на 45 градусов влево

        Обычно поворот означает вращение вокруг центральной точки. Однако можно выбрать другую ось вращения, пропустив аргумент точка параметр.Этот параметр является кортежем (x, y) координата новой точки вращения.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Повернуть изображение вокруг координат + (16, 16) +
        rot = img.rotate (45, точка = (16, 16))
        
        rot.show () 

        Повернутое изображение показано на Рисунке 4-13. Обратите внимание, что изображение было обрезано во время поворота.

        Рисунок 4-13. Поворот вокруг (16, 16)

        Обратите внимание, что при повороте изображения часть изображения падает вне исходных размеров изображения, этот раздел обрезается.В rotate () функция имеет параметр называется , фиксированный , чтобы контролировать это. Когда фиксировано установлено в false, алгоритм вернет изображение с измененным размером, где размер изображения установлен на включить все изображение после поворота.

        Например, чтобы повернуть изображение без обрезки углы:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Поверните изображение, а затем измените его размер, чтобы содержимое не обрезалось
        rot = img.повернуть (45, фиксированное = Ложь)
        
        rot.show () 

        Изображение головокружительной алебарды показано на рис. 4-14.

        Рисунок 4-14. Вращение с изменением размера холста по размеру всего image

        Примечание

        Даже при определении точки поворота, если параметр fixed имеет значение false, изображение будет по-прежнему вращаться вокруг центра. Дополнительная обивка вокруг изображение существенно компенсирует альтернативный поворот точка.

        Наконец, для удобства изображение можно одновременно масштабировать что он повернут.Это делается с помощью параметра масштаба . Значение параметра коэффициент масштабирования, аналогичный функции масштабирования.

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Поверните изображение так, чтобы оно было вдвое меньше
        rot = img.rotate (90, масштаб = 0,5)
        
        rot.show () 

        Подобно вращению, изображение также можно перевернуть горизонтальная или вертикальная ось (рисунок 4-15). Это сделано с помощью функции flipHorizontal () и flipVertical () функций.Чтобы перевернуть изображение по его горизонтальной оси:

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png')
        
        # Переворачиваем изображение по горизонтальной оси и затем отображаем результаты
        flip = img.flipHorizontal ()
        
        flip.show () 

        Рисунок 4-15. Зеркальное отображение картины Якопо Понтормо

        В следующем примере применяется горизонтальный переворот для создания веб-камеры. действовать как зеркало, возможно, чтобы вы могли проверить свои волосы или нанести макияж с помощью ноутбука.

         из SimpleCV import Camera, Display
        
        cam = Камера ()
        
        # Захваченное изображение просто используется для согласования размера дисплея с размером камеры
        disp = Display ((cam.getProperty ('ширина'), cam.getProperty ('высота')))
        
        пока disp.isNotDone ():
             cam.getImage (). flipHorizontal (). save (disp) 

        Обратите внимание, что переворот — это не то же самое, что поворот на 180 градусов. Рисунок 4-16 демонстрирует разницу между переворотами и поворотами.

        Рисунок 4-16. Слева: исходное изображение; В центре: изображение повернуто на 180 градусов; Справа: изображение перевернуто по вертикали

        Изображения или части изображения иногда искажаются, чтобы получилось вписывается в другую форму.Типичный пример этого — наложение изображения поверх квадратного объекта, рассматриваемого под углом. При просмотре квадратный объект под углом, углы квадрата больше не кажутся быть 90 градусов. Вместо этого, чтобы выровнять квадратный объект по размеру этого угловое пространство, его края необходимо подогнать. Под капотом это выполнение аффинного преобразования, хотя это чаще называется ножницы.

        Совет

        Сложная часть при выполнении деформации — это нахождение всех координат (x, y) .Используйте Camera.live () и щелкните изображение, чтобы помочь найти координаты перекоса.

        Для демонстрации стрижки можно использовать следующий блок кода. установить Пизанскую башню (см. рис. 4-17). Конечно, это делает другое здание на картинке кончик слишком левый, но некоторые люди никогда не счастливый.

         из SimpleCV import Image
        
        img = Изображение ('pisa.png')
        
        corners = [(0, 0), (450, 0), (500, 600), (50, 600)]
        
        прямо = img.сдвиг (углы)
        
        Straight.show () 

        Это список угловых точек для срезанного изображения. Исходное изображение 450 х 600 пикселей. Чтобы закрепить башню, правые нижние углы смещены на 50 пикселей в сторону правильно. Обратите внимание, что точки для новой формы передаются по часовой стрелке, начиная с из верхнего левого угла.

        Затем просто вызовите функцию shear () , передав список новых угловые точки для изображения.

        Рисунок 4-17. Слева: оригинальная падающая башня; Справа: отремонтированная версия башня

        Помимо обрезки изображения можно деформировать, используя функция warp () . Искажение также требует массив угловых точек как его параметры. Подобно стрижке, это используется для растягивания изображения и размещения его в непрямоугольном пространстве.

        Примечание

        Сдвиг сохранит пропорции изображения. Как таковой, иногда фактические угловые точки корректируются алгоритмом.Напротив, деформация может растянуть изображение так, чтобы оно вписалось в любой новый форма.

        Все хотят быть на телевидении, но в следующем примере: теперь любой может иметь шанс быть на ТВ и идти назад во времени. Дерзкие могут даже назвать это «искажением времени»…

         из SimpleCV import Camera, Image, Display
        
        tv_original = Изображение ("family.png")
        
        tv_coordinates = [(285, 311), (367, 311), (368, 378), (286, 376)]
        
        tv_mask = Изображение (tv_original.size ()). invert (). warp (tv_coordinates)
        
        tv = tv_original - tv_mask
        
        cam = Камера ()
        
        disp = Показать (tv.size ())
        
        # Пока окно открыто, продолжайте обновлять обновления
        # телевизор с изображениями с камеры
        пока disp.isNotDone ():
        
             bwimage = cam.getImage (). grayscale (). resize (tv.width, tv.height)
        
             on_tv = tv + bwimage.warp (tv_coordinates)
        
             on_tv.save (disp) 

        Это изображение, которое мы будем использовать в качестве фона. Изображение снятое с веб-камеры, будет помещено поверх телевизора.

        Это координаты углов телевидение.

        Изображение (tv_original.size ()) создает новое изображение того же размера, что и исходное телевизионное изображение. По умолчанию это полностью черное изображение. Функция инвертирования делает это белый. Затем функция деформации создает белую искривленную область в в середине, на основе координат, ранее определенных для телевизора.В Результатом является Рисунок 4-18.

        Теперь телевизор удаляется с помощью вычитания изображения. Этот трюк будет более подробно рассмотрен в следующей статье. глава.

        Теперь сделайте снимок с камеры. Чтобы соответствовать черно-белое фоновое изображение, преобразуйте его в оттенки серого. В кроме того, поскольку это изображение будет добавлено к фоновому изображению, оно необходимо изменить размер, чтобы он соответствовал фоновому изображению.

        Наконец, сделайте еще одну деформацию, чтобы изображение с камеры соответствовало в телевизионную область изображения. Затем это добавляется к фоновое изображение (Рисунок 4-19).

        Рисунок 4-18. Маска для телевизионного изображения: белая там, где стоит телевизор, и черная. в противном случае

        Рисунок 4-19. Пример вывода из этого примера с нашим красивым автором книги появляется на экране телевизора

        Всегда предпочтительнее контролировать реальное освещение и окружающая среда, чтобы добиться максимального качества изображения.Однако даже в в лучшем случае изображение будет содержать шум на уровне пикселей. Тот шум может затруднить обнаружение деталей на изображении, поэтому важно очистить его. Это работа морфологии.

        Многие морфологические функции работают с цветными изображениями, но их легче всего увидеть в действии при работе с бинарным (2-х цветным) изображением. Бинарный буквально означает, что изображение черное и белый, без оттенков серого. Чтобы создать двоичное изображение, используйте функцию binarize () :

         из SimpleCV import Image
        
        img = Изображение ('jacopo.png ')
        
        imgBin = img.binarize ()
        
        imgBin.show () 

        Результат показан на рисунке 4-20. Обратите внимание, что он чисто черно-белый (без серого).

        Рисунок 4-20. Картина Якопо, преобразованная в двоичную форму

        Всякий раз, когда изображение преобразовано в двоичную форму, системе необходимо знать, какие пиксели преобразуются в черный, а затем в белый. Это называется «Порог» и любой пиксель, в котором значение оттенков серого попадает под порог изменен на белый. Любой пиксель выше порога изменяется в черный.По умолчанию платформа SimpleCV использует метод, называемый Метод Оцу для динамического определения двоичных значений. Тем не мение, функция binarize также принимает значение параметра от 0 до 255. В В следующем примере кода показано использование бинаризации на нескольких уровни:

         из SimpleCV import Image
        
        img = Изображение ('деревья.png')
        
        # Использование метода Оцу
        otsu = img.binarize ()
        
        # Укажите низкое значение
        низкий = img.binarize (75)
        
        # Укажите высокое значение
        высокий = img.binarize (125)
        
        img = img.изменить размер (img.width * .5, img.height * .5)
        otsu = otsu.resize (otsu.width * .5, otsu.height * .5)
        low = low.resize (low.width * .5, low.height * .5)
        high = высокий размер (высокая ширина * 0,5, высокая высота * 0,5)
        
        
        top = img.sideBySide (otsu)
        bottom = low.sideBySide (высокий)
        комбинированный = top.sideBySide (bottom, side = "bottom")
        
        Combined.show () 

        Рисунок 4-21 демонстрирует выходные данные этих четырех различных пороговых значений.

        Рисунок 4-21. Вверху слева: исходное изображение; e Вверху справа: бинаризовано с помощью Оцу. метод; Внизу слева: нижнее пороговое значение; Внизу справа: высокий порог значение

        После преобразования изображения в двоичный формат четыре общие морфологические операции: дилатация, эрозия, вскрытие и закрытие.Дилатация и эрозия концептуально похожи. С расширением, любые пиксели фона (черный), которые касаются пикселя объекта (белый) превращаются в пиксель белого объекта. Это приводит к тому, что объекты большего размера и объединение соседних объектов вместе. Эрозия делает противоположный. Любые пиксели переднего плана (белые), которые касаются фона пиксель (черный) преобразуется в пиксель черного фона. Это делает объект меньше, потенциально разбивая большие объекты на более мелкие единицы.

        В качестве примеров в этом разделе рассмотрим случай перфорированной доски. с инструментами. Небольшие отверстия в перфорированной доске могут затруднить обнаружение функций алгоритмы. Такие уловки, как морфология, могут помочь очистить изображение. В Первый пример показывает расширение изображения. В частности, обратите внимание, что после бинаризация, некоторые части инструментов пропали там, где был слепящий взгляд. Чтобы попытаться вернуть их, воспользуйтесь дилатацией, чтобы заполнить некоторые из недостающие части.

         из SimpleCV import Image
        
        img = Image ('pegboard.png ')
        
        # Сделайте бинаризованное изображение черно-белым.
        imgBin = img.binarize ()
        
        # Показать эффекты dilate () на изображении
        imgBin.dilate (). show () 

        Обратите внимание на рис. 4-22, что, хотя это заполнило некоторые пробелы в инструментах, дырки в перфорированной доске росли. Это противоположно желаемому эффекту. К Избавьтесь от дырок, используйте эрозию () функция.

        Рисунок 4-22. Слева: исходное изображение В центре: бинаризованное изображение Справа: расширенное изображение

         из SimpleCV import Image
        
        img = Image ('pegboard.png ')
        
        imgBin = img.binarize ()
        
        # Как в предыдущем примере, но erode ()
        imgBin.erode (). show () 

        Как вы можете видеть на рис. 4-23, это, по сути, имеет противоположный эффект. Это сделало некоторые из пробелы в изображении хуже, например, с пильным полотном. С другой стороны, он устранил большинство отверстий на доске для колышков.

        Рисунок 4-23. Слева: исходное изображение; В центре: бинаризованное изображение; Справа: размытые image

        В то время как функция dilate () помогает заполнить пробелы, а также усиливает некоторый шум.В напротив, функция erode () устраняет кучу шума, но за счет некоторых хороших данных. В Решение состоит в том, чтобы объединить эти функции вместе. Фактически, комбинации настолько распространены, что у них есть свои собственные именованные функции: morphOpen () и morphClose () . Функция morphOpen () разрушает, а затем расширяет изображение. Этап эрозии устраняет очень мелкие (шумовые) объекты, затем следует расширение, которое более или менее восстанавливает исходный размер предметы туда, где они были до эрозии.Это имеет эффект удаление пятнышек с изображения. Напротив, morphClose () сначала расширяет, а затем разрушает изображение. Расширение сначала заполняет небольшие промежутки между объектами. Если те промежутки были достаточно малы, дилатация полностью заполняла их, так что последующая эрозия не приводит к повторному открытию отверстия. Это имеет эффект заполнение небольших отверстий. В обоих случаях цель — уменьшить количество шума на изображении.

        Например, рассмотрим использование morphOpen () на доске объявлений.Это устраняет много отверстий в перфорированной доске, пока все еще пытаются восстановить некоторые из повреждение инструментов в результате эрозии, как показано на Рисунке 4-24.

         из SimpleCV import Image
        
        img = Изображение ('pegboard.png')
        
        imgBin = img.binarize ()
        
        # + morphOpen () + размывает, а затем расширяет изображение
        imgBin.morphOpen (). show () 

        Рисунок 4-24. Слева: исходное изображение; В центре: бинаризованное изображение; Справа: изображение после morphOpen ()

        Хотя это очень помогло, оно все еще оставляет много привязок в перфорированная доска.Иногда уловка состоит в том, чтобы просто сделать несколько эрозий. с последующим множественным расширением. Чтобы упростить этот процесс, каждая из функций dilate () и erode () принимает параметр представляет количество раз, чтобы повторить функцию. Например, dilate (5) выполняет пятикратную дилатацию раз, как показано на рисунке 4-25.

         из SimpleCV import Image
        
        img = Изображение ('pegboard.png')
        
        # Увеличьте изображение в два раза, чтобы заполнить пробелы
        noPegs = img.расширять (2)
        
        # Затем дважды стереть изображение, чтобы убрать немного шума
        заполненный = noPegs.erode (2)
        
        allThree = img.sideBySide (noPegs.sideBySide (заполнено))
        allThree.scale (.5) .show () 

        Рисунок 4-25. Слева: исходное изображение; В центре: расширенное изображение; Справа: размытые после расширения

        Примеры в этом разделе демонстрируют как забавное приложение, так и практическое применение. С другой стороны, он показывает, как делать спиннинг. эффект с камерой, используя функцию rotate () .С практической стороны это показывает, как срезать объект, рассматриваемый под углом, а затем использовать исправленное изображение для выполнения основного измерения.

        Это очень простой скрипт, который постоянно меняет вывод камеры. Он непрерывно захватывает изображения с камеры. Это также постепенно увеличивает угол поворота, отображая его как хоть видео-поток крутится.

         из камеры импорта SimpleCV
        
        cam = Камера ()
        display = Display ()
        
        # Эта переменная сохраняет последнее вращение и используется
        # в цикле while для увеличения вращения
        повернуть = 0
        
        при отображении.isNotDone ():
             повернуть = повернуть + 5
             cam.getImage (). rotate (поворот) .save (display) 

        Увеличивает угол поворота на пять градусов. Обратите внимание, что когда вращение превышает 360 градусов, он автоматически возвращается назад вокруг.

        Возьмите новое изображение и поверните его на величину, вычисленную в предыдущий шаг. Затем отобразите изображение.

        Второй пример немного практичнее.Объекты измерения описаны в более подробности позже в этой книге, но этот пример представляет собой общее введение. Основная мысль заключается в сравнении измеряемого объекта с объектом известного размера. Например, если объект находится на листе бумаги размером 8,5 × 11 дюймов, относительный размер объектов можно использовать для вычисления размера. Однако это сложно, если бумага не перпендикулярна камера. В этом примере показано, как исправить это с помощью функции warp () .Изображение на рис. 4-26 используется для измерения размер небольшого строительного блока на листе бумаги.

        Рисунок 4-26. Исходное изображение строительного блока на бумаге

         из SimpleCV import Image
        
        img = Изображение ('skew.png')
        
        # Деформируйте рисунок, чтобы распрямить бумагу
        corners = [(0, 0), (480, 0), (336, 237), (147, 237)]
        
        warped = img.warp (углы)
        
        # Найдите каплю, которая представляет бумагу
        bgcolor = warped.getPixel (240, 115)
        
        dist = warped.colorDistance (bgcolor)
        
        blobs = dist.инвертировать (). findBlobs ()
        
        paper = blobs [-1] .crop ()
        
        # Найдите каплю, которая представляет игрушку
        toyBlobs = paper.invert (). findBlobs ()
        
        toy = toyBlobs [-1] .crop ()
        
        # Используйте соотношение игрушечных блоков и бумаги, чтобы вычислить размер
        paperSize = paper.width
        toySize = toy.width
        
        print float (toySize) / float (paperSize) * 8,5 

        Это координаты четырех углов листа. А хороший способ помочь определить угловые точки — использовать SimpleCV shell для загрузки изображения, а затем используйте изображение .live () для его отображения. потом щелкните левой кнопкой мыши по отображаемому изображению, чтобы найти координаты бумажные уголки.

        Это деформирует изображение, чтобы края части бумагу, как показано на Рисунке 4-27.

        Используйте трюк image.live () , чтобы также найти цвет бумаги. Это упрощает поиск той части изображения, которая является бумагой. по сравнению с другими фоновыми объектами.На изображении ниже показан результат. Обратите внимание, что бумага черный, тогда как остальная часть изображения представлена ​​в различных оттенках серого.

        Сделав бумагу черной, ее легче вытащить из изображение с помощью функции findBlobs () функция.

        Затем обрежьте исходное изображение до самого большого двоичного объекта. (бумага), представленная blobs [-1] . Это создает новый образ, который это просто бумага.

        Теперь, глядя только на область бумаги, снова используйте функцию findBlobs , чтобы найти игрушку. блокировать. Создайте изображение блока, обрезав его с бумага.

        Используя соотношение ширины бумаги и игрушечного блока, в сочетании с тем фактом, что ширина бумаги 8,5 дюймов, вычислить размер блока, который составляет 1.87435897436, что соответствует размер объектов 1.875 дюймов.

        Обратите внимание, что этот пример лучше всего работает при измерении относительно плоской поверхности.

        Как найти глубину цвета в информатике формула: По какой формуле нужно решать по информатике. Основные понятия информатики

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Пролистать наверх