Как преобразовать изображение в rgb: Преобразование между цветовыми режимами в Photoshop

Содержание

Как преобразовать изображение RGB в оттенки серого в Python? Ru Python

Я пытаюсь использовать matplotlib для чтения в RGB-изображении и конвертировать его в оттенки серого.

В учебнике matplotlib они не охватывают его. Они просто читали на картинке

а затем они нарезают массив, но это не то же самое, что конвертировать RGB в оттенки серого из того, что я понимаю.

Мне трудно поверить, что numpy или matplotlib не имеют встроенной функции для преобразования из rgb в серый. Разве это не обычная операция в обработке изображений?

Я написал очень простую функцию, которая работает с изображением, импортированным с помощью imread за 5 минут. Это ужасно неэффективно, но именно поэтому я надеялся на встроенную профессиональную реализацию.

Себастьян улучшил мою функцию, но я все еще надеюсь найти встроенный.

Как это сделать с PIL :

 from PIL import Image img = Image.open('image. png').convert('LA') img.save('greyscale.png')

Используя matplotlib и формулу

 Y' = 0.299 R + 0.587 G + 0.114 B 

вы можете сделать:

 import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg def rgb2gray(rgb): return np.dot(rgb[...,:3], [0.299, 0.587, 0.114]) img = mpimg.imread('image.png') gray = rgb2gray(img) plt.imshow(gray, cmap = plt.get_cmap('gray')) plt.show() 

Вы также можете использовать scikit-изображение , которое предоставляет некоторые функции для преобразования изображения в ndarray , например rgb2gray .

 from skimage import color from skimage import io img = color.rgb2gray(io.imread('image.png')) 

Примечания . Весы, используемые в этом преобразовании, калибруются для современных люминофоров CRT: Y = 0,2125 R + 0,7154 G + 0,0721 B

Кроме того, вы можете читать изображение в оттенках серого:

 from skimage import io img = io. imread('image.png', as_grey=True) 

Вы всегда можете прочитать файл изображения как оттенки серого с самого начала, используя imread из OpenCV:

 img = cv2.imread('messi5.jpg', 0) 

Кроме того, если вы хотите прочитать изображение как RGB, выполните некоторую обработку, а затем конвертируйте в Gray Scale, вы можете использовать cvtcolor из OpenCV:

 gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 

Самый быстрый и текущий способ – использовать подушку , установленную через pip install Pillow .

Код:

 from PIL import Image img = Image.open('input_file.jpg').convert('L') img.save('output_file.jpg') 

Учебник обманывает, потому что он начинается с изображения в оттенках серого, закодированного в RGB, поэтому они просто нарезают один цветной канал и рассматривают его как оттенки серого. Основные шаги, которые вам нужно сделать, – это преобразовать из цветового пространства RGB в цветовое пространство, которое кодирует что-то, приближающееся к модели яркости / цвета, например, YUV / YIQ или HSL / HSV, а затем разрезать люминесцентный канал и использовать это как ваше изображение в оттенках серого.

matplotlib , не предоставляет механизм для преобразования в YUV / YIQ, но позволяет конвертировать в HSV.

Попробуйте использовать matplotlib.colors.rgb_to_hsv(img) затем нарезать последнее значение (V) из массива для оттенков серого. Это не совсем то же самое, что и значение яркости, но это означает, что вы можете сделать все это в matplotlib .

Задний план:

Кроме того, вы можете использовать PIL или встроенный colorsys.rgb_to_yiq() для преобразования в цветовое пространство с истинным значением яркости. Вы также можете зайти и перевернуть свой собственный конвертер только для яркости, хотя это, вероятно, слишком велико.

Если вы используете NumPy / SciPy, вы также можете использовать :

scipy.ndimage.imread(file_name, mode='L')

Hth, dtk

Я пришел к этому вопросу через Google, ища способ конвертировать уже загруженное изображение в оттенки серого.

Вот способ сделать это с помощью SciPy:

 import scipy.misc import scipy.ndimage # Load an example image # Use scipy.ndimage.imread(file_name, mode='L') if you have your own img = scipy.misc.face() # Convert the image R = img[:, :, 0] G = img[:, :, 1] B = img[:, :, 2] img_gray = R * 299. / 1000 + G * 587. / 1000 + B * 114. / 1000 # Show the image scipy.misc.imshow(img_gray)

Три из предложенных методов были протестированы на скорость с 1000 изображениями RGBA PNG (224 x 256 пикселей), работающими с Python 3.5 на Ubuntu 16.04 LTS (Xeon E5 2670 с SSD).

Среднее время выполнения

pil : 1.037 секунд

scipy: секунд

sk : 2,202 секунды

PIL и SciPy предоставили идентичные массивы numpy (от 0 до 255). SkImage дает массивы от 0 до 1. Кроме того, цвета преобразуются немного иначе, см. Пример из набора данных CUB-200.

SkImage:

PIL :

SciPy :

Original:

Diff :

Код

  1. Представление

     run_times = dict(sk=list(), pil=list(), scipy=list()) for t in range(100): start_time = time.
    time() for i in range(1000): z = random.choice(filenames_png) img = skimage.color.rgb2gray(skimage.io.imread(z)) run_times['sk'].append(time.time() - start_time)

    run_times = dict(sk=list(), pil=list(), scipy=list()) for t in range(100): start_time = time.time() for i in range(1000): z = random.choice(filenames_png) img = skimage.color.rgb2gray(skimage.io.imread(z)) run_times['sk'].append(time.time() - start_time)

     start_time = time.time() for i in range(1000): z = random.choice(filenames_png) img = np.array(Image.open(z).convert('L')) run_times['pil'].append(time.time() - start_time) start_time = time.time() for i in range(1000): z = random.choice(filenames_png) img = scipy.ndimage.imread(z, mode='L') run_times['scipy'].append(time.time() - start_time) 

    для k, v в run_times.items ():
    print (‘{: 5}: {: 0.3f} seconds’.format (k, sum (v) / len (v)))

  2. Вывод
     z = 'Cardinal_0007_3025810472.jpg' img1 = skimage. color.rgb2gray(skimage.io.imread(z)) * 255 IPython.display.display(PIL.Image.fromarray(img1).convert('RGB')) img2 = np.array(Image.open(z).convert('L')) IPython.display.display(PIL.Image.fromarray(img2)) img3 = scipy.ndimage.imread(z, mode='L') IPython.display.display(PIL.Image.fromarray(img3)) 
  3. сравнение
     img_diff = np.ndarray(shape=img1.shape, dtype='float32') img_diff.fill(128) img_diff += (img1 - img3) img_diff -= img_diff.min() img_diff *= (255/img_diff.max()) IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB')) 
  4. импорт
     import skimage.color import skimage.io import random import time from PIL import Image import numpy as np import scipy.ndimage import IPython.display 
  5. Версии
     skimage. 
    version
    0.13.0 scipy. version 0.19.1 np. version 1.13.1
 image=myCamera.getImage(). crop(xx,xx,xx,xx).scale(xx,xx).greyscale() 

Вы можете использовать greyscale() непосредственно для преобразования.

4.7. Изменить режим

4.7. Изменить режим

Разные типы изображений служат разным целям. Для интернета, например, размер играет важную роль, для семейного портрета — глубина цвета. GIMP с этим справляется, в основном, конвертацией между тремя основными режимами, как видно из меню. Чтобы преобразовать изображение в тот или иной режим, выберите соответствующую команду.

Рисунок 3.32. Диалог для изменения режима

RGB — режим по умолчанию — используется для высококачественных цветных изображений и поддерживает миллионы цветов. Это также режим для большинства инструментов, включая масштабирование, кадрирование и даже отражение, поскольку он даёт больше информации для работы. В режиме RGB каждая точка состоит из трёх компонентов: красного, зелёного и синего. Каждый из них может принимать значение от 0 до 255. Что вы видите как точку есть сумма значений этих компонентов.

Индексированный — этот режим используется в тех случаях, когда важен размер файла, или когда у изображения малое количество цветов. В этом режиме обычно используется 256 цветов и меньше. При преобразовании изображения в этот режим GIMP старается найти по умолчанию палитру оптимального набора цветов.

Рисунок 3.33. Диалог «Преобразовать изображение в индексированное»

Как и следует ожидать, поскольку информации для обозначения цвета каждой точки требуется меньше, то и размер файла будет меньше, чем у RGB. Однако, некоторые команды в меню будут недоступны для индексированого изображения. Чтобы их применить, необходимо поставить изображение в режим RGB, как описано выше. Если команды всё равно не доступны, то, вероятно, у активного слоя должен быть альфа-канал — канал прозрачности. Для этого есть команда → → .

Рисунок 3.34. Добавить альфа-канал

Градации серого — серые изображения содержать только оттенки серого. У этого режима есть особые применения, и он занимает меньше места на диске в некоторых форматах, но его не рекомендуется использовать для общего пользования, так как он не поддерживается многими приложениями.

Нет необходимости ставить изображение в какой-либо режим до сохранения в каком-либо формате. GIMP может это сделать автоматически.

Урок 08 Преобразование режима изображения-RGB, HSV

** Дисциплина: ** Искусственный интеллект оценка: Седьмой класс
** Тема: ** Урок 08 Преобразование режима изображения — RGB, HSV Количество учебных часов: 1 академический час

Академический анализ:

Предыдущие студенты полностью освоили принципы чтения, отображения и сохранения изображений и соответствующие вызовы функций, включая использование библиотеки numpy для внесения основных изменений в изображение. На предыдущем уроке студенты также сначала узнали, как преобразовать изображение в оттенки серого и в черно-белое. Метод и шаги изображения, которые заложили хорошую основу для дальнейшего изучения HSV, другого метода преобразования режима изображения.

цели обучения:

1. Разберитесь в методе чтения трехканального изображения в OpenCV, сравните и проанализируйте разницу между преобразованием BGR и RGB.

2. Посредством основного объяснения, позвольте учащимся понять преимущества распознавания цвета изображений HSV и освоить метод преобразования изображений BGR в изображения HSV.

** Фокус обучения: ** Метод преобразования режима изображения в OpenCV

** Трудности обучения: ** Сравнительный анализ преимуществ и недостатков изображения HSV и обычных изображений RGB.

** Подготовка к преподаванию: ** Программное обеспечение для программирования на Python, графические материалы


Учебный процесс


1. Откройте «Импорт».

Все студенты знают, что цветное изображение состоит из трех каналов. Можно ли отделить эти три канала от одного изображения для просмотра? Вы хотите видеть цвет изображения каждого канала?

Откройте и запустите файл «split and merge image channels.py» в папке материала, проверьте эффект отображения, подумайте и поймите, как разделить три канала изображения, а затем как их объединить.

2. Продвигайте основной процесс

1**, порядок чтения каналов изображений в OpenCV (от BGR до RGB) **

Как просмотреть цвет каждого канала цветного изображения в OpenCV?

Мы можем использовать библиотеку numpy для просмотра цветного изображения третьего канала, установив значение двух каналов равным 0.

import cv2
import numpy as np
img = cv2.imread('xiaogou.bmp')
img[:,:,0] = 0 
img[:,:,1] = 0 
cv2.imshow('img',img) 
cv2.imwrite('img1.bmp',img)
cv2.waitKey(0)

В процессе работы вы обнаружите, что отображаемый цвет третьего канала является красным, а третий канал в нормальном изображении RGB должен быть синим. Почему?

Таким же образом мы можем просматривать цвет первого канала, изменяя значения цвета второго и третьего каналов.

[Резюме] Порядок каналов чтения изображений в Opencv:BGR

Мышление:

Можем ли мы преобразовать изображения BGR в OpenCV в RGB?

Вы по-прежнему можете использовать функцию преобразования цветового пространства изображения, которую мы использовали на прошлом уроке: cv2.cvtColor (img,cv2.COLOR_BGR2RGB)。

Упражнение:

Измените код и запустите его, чтобы увидеть, отличается ли цвет канала после преобразования в изображение RGB от эффекта до преобразования, укажите причину?

** [Примечание] ** Цвет изображения после преобразования BGR и RGB в OpenCV также изменится. Если вы обрабатываете изображение только в OpenCV, вам не нужно использовать эту функцию преобразования, иначе исходный цвет изображения будет изменен. Но когда используются другие библиотечные функции, такие как matplotlib, порядок чтения изображений — RGB. В настоящее время вам необходимо использовать эту функцию преобразования для преобразования BGR в RGB, чтобы цвета изображения могли читаться нормально.

2**, BGR в изображение HSV **

H (цвет / насыщенность), S (насыщенность), V (яркость)

** Размышляя: ** В чем разница между сравнением изображений RGB и цветных изображений HSV?

Канал RGB плохо отражает конкретную цветовую информацию объекта.

Пространство HSV может очень интуитивно выражать яркость, тон и живость цветов, что облегчает контраст между цветами.

В формате HSV OpenCV мы можем понять диапазон значений HSV через приведенную выше таблицу диапазона цветов пространства HSV:

Диапазон значений H составляет [0, 180],

Диапазон значений S составляет [0, 255],

Диапазон значений V составляет [0, 255].

Чтение таблицы показывает, что диапазон измерения H зеленого цвета в пространстве HSV составляет 35 ~ 77, а диапазон измерения S составляет 43.255, диапазон размеров V составляет 46255. Мы можем использовать трехмерный массив для представления зеленого диапазона HSV, самый низкий — [35,43,46], а самый высокий — [77,255,255]. Это очень поможет нам в дальнейшем изучении выделения и распознавания цвета изображения.

Примечание. В разных программах могут использоваться разные значения. Поэтому, когда вам нужно сравнить значение HSV OpenCV со значением HSV другого программного обеспечения, вы должны не забыть нормализовать.

Мышление:

То же, что и BGR в изображение RGB или Gray, можем ли мы также преобразовать изображение BGR в OpenCV в изображение HSV?

Ответ — да, мы можем использовать следующую функцию для достижения:

cv2.cvtColor(img,cv2.COLOR_BGR2HSV)。

Упражнение:

Измените, отлаживайте и запустите файл Python «BGR to HSV» и наблюдайте за эффектом преобразования изображения в HSV.

import cv2
img = cv2.imread('1.jpg')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2. imshow('img',img)  
cv2.imshow('hsv',hsv)  
cv2.imwrite('hsv.bmp',hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()


Три, открытое расширение

import cv2
img = cv2.imread('1.jpg')
rgb = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
hsv = cv2.cvtColor(rgb,cv2.COLOR_BGR2HSV)
cv2.imshow('hsv2',hsv)  
cv2.imwrite('hsv2.bmp',hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()

То же самое преобразуется в режим hsv. Используя приведенный выше код, изображение будет несовместимо с преобразованным выше изображением HSV после того, как изображение будет окончательно преобразовано в HSV. В чем причина этой разницы? объясните.

Разблокируем «индексный» слой в Photoshop

Когда вы начинаете изучать Photoshop, то можете столкнуться с некоторыми проблемами, которые просто сводят с ума. Особенно, когда вы открываете изображение, но обнаруживаете в палитре слоев, что это «индексный» слой, а не просто «слой» или «фон». Вы ничего не можете сделать, даже не можете открыть этот индексный слой, кликнув по иконке блокировки.

Вы можете прийти в замешательство и недоумевать: «Может я что-то делаю не так?» Прочитайте эту статью, и вы узнаете, что такое «индексное» изображение и как разблокировать индексированный слой.

Индексированный цветовой режим (индексированные цвета)

Слой является «индексным» потому, что это изображение находится в индексированном цветовом режиме. Этот режим создает изображение, используя CLUT (таблицу поиска цветов). Отвечая на вопрос о том, сколько цветов используется и режиме индексированных цветов нужно сказать, что CLUT хранит и индексирует до 256 цветов.

Если вы выберете режим индексированного цвета, Photoshop изменит изображение в 8-битном цветном файле, уменьшив его качество и применив более высокую степень сжатия.

Как разблокировать слой (как отключить индексированные цвета в фотошопе?)

Существуют ограничения для слоев в индексированном цветовом режиме. Вы не можете разблокировать «индексный» слой в Photoshop, и режимы смешивания для этого слоя также не работают. Для расширенного редактирования необходимо сначала преобразовать изображения (индексированные цвета) в режим RGB.

Существуют два способа, которые помогут завершить процесс преобразования.

Первый способ: используйте селектор режима изображения Photoshop

Выберите Изображение — Режим — Цвет RGB. «Индексный» слой будет преобразован в «Фон».

Второй способ: используйте Paint, чтобы заново сохранить изображение

Откройте изображение в программе Paint, перейдите в меню Файл — Сохранить как — PNG-изображение. Новый PNG-файл будет иметь режим RGB, и его можно будет использовать и редактировать напрямую.

Пожалуйста, опубликуйте свои отзывы по текущей теме статьи. Мы очень благодарим вас за ваши комментарии, дизлайки, подписки, отклики, лайки!

Пожалуйста, оставляйте ваши отзывы по текущей теме материала. Мы крайне благодарны вам за ваши комментарии, дизлайки, подписки, лайки, отклики!

Вадим Дворниковавтор-переводчик статьи «How to unlock “index” layer in Photoshop»

Как перевести RGB в CMYK

В этой статье я раскрою вопрос перевода графики из цветовых моделей RGB в цветовую модель CMYK. Впрочем, наш урок невозможен без небольшого вступления.

Писать о цветовых моделях можно много, начиная с начала начал, призм, преломления света и радуги. Наша статья однако не способна рассказать про все на свете, поэтому я предполагаю, что с основами теорий CMYK и RGB вы уже знакомы. А теперь вас интересует исключительно практическая часть. Как же взять и конвертировать графику? Собственно, перевод из RGB в CMYK занимает ровно 1 секунду. После такого перевода вы можете обнаружить, что ваша графика потеряла былую яркость. Картинка стала серой и блеклой. Ну а после печати она совсем перестала смотреться.

Что же делать и как быть в такой ситуации? Как такую испорченную картинку поправить, и почему графика вообще становится блеклой? Подобным нюансам конвертирования и посвящена эта статья. В ней я постараюсь объяснить почему так происходит, а так же предложить конкретные способы решения проблемы без лишней терминологии и теории.

Разница между этими двумя цветовыми моделями очень простая.

  • RGB — цветовая модель для большей части мониторов, современных телевизоров да и экранов вообще.
  • CMYK — это цветовая модель имитирующая краски печати, которыми типография способна напечатать изображение.

Фактически CMYK на мониторе не более чем имитация того, что получится на бумаге. Как таковая CMYK показывается на экране средствами RGB, потому что сам экран монитора только через RGB и работает.


Что же происходит при конвертировании из RGB в CMYK? Прежде всего каждому пикселю графики присваиваются другие цифровые значения. В RGB это были условные R255G255B0, а после конвертации пиксель приобрел значения С4M0Y93K0.

Как раз в этот момент картинка и может потерять в яркости. Причины, по которым это происходит заключаются в том, что цветовой обхват модели RGB значительно больше чем цветовой охват CMYK. Что наглядно видно на картинке ниже. Грубо говоря, RGB картинка пестрит яркостями, а переводишь в CMYK и в этой модели подобной яркости не обеспечить. Соответственно Фотошоп срочно подыскивает более тусклые цвета.

В чем же причина такой скромности CMYK? Я постараюсь ответить на этот вопрос без лишней терминологии. Основная причина заключается в том, что модель RGB основывается на излучении света. СMYK основан на поглощении света. Грубо говоря экраны мониторов светятся, а бумага в типографии демонстрирует нам красочность за счет поглощения света. Вы наверняка смотрели на солнце и точно знаете, что на бумаге такой яркости цвета не увидишь.

Именно поэтому в цветовой модели CMYK диапазон красок значительно уже. Несмотря на то что обе модели живут в рамках графического редактора, CMYK лишь имитирует то, что получится на бумаге.

Для примера конвертации я выберу цветовую радугу RGB, каждая точка из которой является максимально ярким цветом, который RGB может передать. Теперь мы возьмем эту полоску и конвертируем её в CMYK. Я буду исходить из того, у всех стоит Фотошоп и все мы работаем в нем. Чтобы перевести RGB в CMYK зайдите в Image > Mode > CMYK Color. После чего появятся окна, предлагающие слить слои, и так далее. От любого слития слоев отказывайтесь.

На примере выше вы видите 2 полоски. Радугу в RGB и результат её конвертации в CMYK. Цвета серые и блеклые. Почему же это происходит?

В нашей радужной полоске все цвета RGB не попадают в спектр цветов, которые CMYK способен отразить. Таких цветов в CMYK просто нет, и напечатать такие краски в нем невозможно. Соответственно Фотошоп пытается хоть как то имитировать цвета RGB в цветовом пространстве CMYK и лучшее что ему приходит в голову, это подыскать максимально похожие цвета из тех, что ему доступны. Но максимально похожие с точки зрения Фотошопа, не значит максимально яркие в цветовой модели CMYK.

Почему же краски становятся серее? Ведь результат данного перевода вовсе не максимум яркости, которую через CMYK можно обеспечить. И вы легко в этом убедитесь, просто применив цветокоррекцию Brightnes. Чтобы понять что происходит я предлагаю рассмотреть конвертацию на примере одного цвета.

Возьмем к примеру конкретный синий цвет R0G0B255 и конвертируем его в CMYK. В палитре CMYK такой цвет напечатать невозможно и Фотошоп старается подыскать наиболее близкое значение. В итоге мы получаем C88M77Y0K0.

Такая же история происходит с зеленым цветом R0G255M0. В CMYKФотошоп подбирает нам С61M0Y100K0.

И здесь нам впору задать себе вопрос. Являются ли эти комбинации идеальными вариантами? Если рассматривать каждый цвет отдельно, то да. Эти цвета действительно наиболее близки к значениям RGB. Однако если исходить из логики смешивания красок в CMYK и стараться повысить яркость нашей радуги, смешивать цвета нужно иначе.

Радуга потеряла яркость, потому что в каждом участке её краски слишком много примесей чужеродных красок. А ведь в CMYК есть своя шкала яркости, где наиболее чистыми и яркими цветами являются цвета, представленные ниже на картинке.


Данные оттенки являются максимум цвето-насыщенности, которые может дать CMYK и если мы составим нашу радугу из этих смесей мы получим куда более яркий результат. И если мы выстраиваем нашу радугу в ручную, пользуясь логикой сцветосмешения CMYК то получаем совершенно иной результат.

Причина потери яркости заключается в том, что в чистые оттенки Фотошоп подмешивает слишком много посторонних красок. Даже в достаточно яркие цвета он нет да нет, но 5% Пурпурной и 5% черной подмешает. А для краски такие смеси губительные, так как на практике они изображение мгновенно «осеряют». Чаще всего Фотошоп создает черновые смеси красок. Например цвет Темно красный. То есть в идеале должен быть C0M100Y100K20. А при конвертации Фотошоп этот цвет превратит в C10M85Y95K25 и вместо ярко выраженной краски получится то, что происходит когда вы в детстве все цвета гуаша брали, и на бумажке смешивали.

После конвертации из RGB в CMYK изображение надо обязательно цветокорректировать. На изображениях ярких, теплых надо избавляться от излишка Синей краски и черной. Черной пелены по всему изображению быть не должно. Это при печати изображение делает тусклым, черная краска должна находиться строго в контрастных местах.

Ниже я подобрал достаточно яркое кричащее изображение чая. А теперь давайте переведем его в CMYK методом, который я описал выше, и посмотрим как Фотошоп справится с этой задачей.

Изображение логичным образом потеряла всю яркую насыщенность по причинам которые я описывал выше. При печати изображение выглядит ещё темнее. Чтобы имитировать вид этой картинки на бумаге, прибавьте 10-20% затемнения в вашем цветовом профиле.

Получается следующая картинка. В рамках конвертации Фотошоп подобрал максимально схожие цвета. Но мы отталкиваемся от другой логики. Ведь в модели RGB чай был ярок и насыщен, а в CMYK он серый и блеклый. И это вовсе не максимум яркости в CMYK.

Все правильно. Работая в CMYK надо придерживаться другой логики и мыслить красками. Поэтому давайте просто немного подкорректируем цвета этого изображения.

Стоило мне снизить синий канал в особо серых местах, как я сразу же дал желтому каналу создать максимальный контраст между желтой и зеленой краской. Я почистил изображение от серой пелены, подправив кривые по краям, усилил желтую краску, но оставил белые блики. Насыщенность цветка с помощью пурпурной краски я тоже поднял. Итого, у нас получилось более насыщенное контрастное и яркое изображение. Максимум того, что может выдать CMYK.

Не так важно, как именно вы будете осуществлять цветокоррекцию. Можете работать с каналами на прямую, через кривые Curves. Можете пользоваться другими цветокоррекцими Фотошопа. Более того сама конвертация из RGB в CMYK далеко не всегда искажает цвета фотографии.


Ссылка на источник

Как перевести rgb в cmyk, Переводим rgb в cmyk, Перевести rgb в cmyk, Как перевести rgb в cmyk в фотошопе, Перевести цвет из rgb в cmyk, Как в кореле перевести rgb в cmyk, Перевести изображение из rgb в cmyk, Как перевести rgb в cmyk в coreldraw, Как в иллюстраторе rgb перевести в cmyk, Как перевести rgb в cmyk в illustrator, Фотошоп cmyk, rgb перевести.


Преобразование градаций серого в RGB

Мы уже определили цветовую модель RGB и формат серой шкалы в нашем уроке типов изображений. Теперь мы преобразуем цветное изображение в изображение в градациях серого. Есть два метода, чтобы преобразовать это. У обоих есть свои достоинства и недостатки. Методы:

  • Средний метод
  • Взвешенный метод или метод светимости

Средний метод

Средний метод является наиболее простым. Вам просто нужно взять в среднем три цвета. Так как это RGB-изображение, это означает, что вы добавили r с g к b, а затем разделили его на 3, чтобы получить желаемое изображение в градациях серого.

Это сделано таким образом.

Оттенки серого = (R + G + B / 3)

Например:

Если у вас есть цветное изображение, подобное изображенному выше, и вы хотите преобразовать его в оттенки серого, используя метод усреднения. Следующий результат появится.

объяснение

Есть одна вещь, чтобы быть уверенным, что что-то происходит с оригинальными работами. Это означает, что наш средний метод работает. Но результаты оказались не такими, как ожидалось. Мы хотели преобразовать изображение в градации серого, но это оказалось довольно черное изображение.

проблема

Эта проблема возникает из-за того, что мы берем среднее из трех цветов. Поскольку три разных цвета имеют три разные длины волны и имеют свой собственный вклад в формирование изображения, поэтому мы должны брать среднее значение в соответствии с их вкладом, а не делать это в среднем, используя метод усреднения. Прямо сейчас то, что мы делаем, это,

33% красного, 33% зеленого, 33% синего

Мы берем 33% каждого, это означает, что каждая часть имеет одинаковый вклад в изображение. Но на самом деле это не так. Решение этой проблемы было дано методом светимости.

Взвешенный метод или метод светимости

Вы видели проблему, которая возникает в среднем методе. Взвешенный метод имеет решение этой проблемы. Поскольку красный цвет имеет большую длину волны из всех трех цветов, а зеленый — это цвет, который имеет не только меньшую длину волны, чем красный, но и зеленый — это цвет, который дает более успокаивающий эффект для глаз.

Это означает, что мы должны уменьшить вклад красного цвета, увеличить вклад зеленого цвета и поместить вклад синего цвета между этими двумя.

Итак, новое уравнение этой формы:

Новое изображение в градациях серого = ((0,3 * R) + (0,59 * G) + (0,11 * B)).

Согласно этому уравнению, красный дает 30%, зеленый — 59%, что больше во всех трех цветах, а синий — 11%.

Применяя это уравнение к изображению, получим

Исходное изображение:

Изображение в градациях серого:

объяснение

Как вы можете видеть здесь, изображение теперь правильно преобразовано в оттенки серого с использованием метода взвешивания. По сравнению с результатом среднего метода, это изображение является более ярким.

Преобразование в полноцветные цветовые режимы. Adobe Photoshop CS3

Читайте также

§ 40. Цветовые теории

§ 40. Цветовые теории 21 июля 1999Первобытные общества выделяли три основных цвета — красный (кровь, огонь), белый (молоко, день), черный (земля, ночь). Чем сложнее и утонченнее общество, тем более широкая цветовая гамма существует в его культуре.Лирическое отступление Сколько

Цветовые модели

Цветовые модели В цифровой графике и полиграфии существует несколько различных цветовых моделей. Что это такое? Возможно, вы знаете, каким образом получается изображение на экране вашего монитора. Но мы все же вам вкратце

Режимы наложения

Режимы наложения По умолчанию слой, наложенный на другой, непрозрачными участками полностью перекрывает изображение нижележащего слоя. Данный режим наложения называется Нормальный. Однако программа Adobe Photoshop предлагает несколько различных режимов наложения, при

Режимы

Режимы Программа RoughDraft очень удобна, в первую очередь, для людей творческих профессий: журналистов, писателей, сценаристов и т. д. Ко всем вышеописанным удобствам программа предлагает применение так называемых режимов, которые доступны в меню Mode (Режим).Что такое режим?

Цветовые модели

Цветовые модели Итак, уважаемый читатель, мы рассмотрели два основных вида и способа хранения, отображения и редактирования компьютерной графики. Теперь рассмотрим именно растровую графику более подробно. Выше было отмечено, что при растровом методе изображение

Преобразование в неполноцветные цветовые режимы

Преобразование в неполноцветные цветовые режимы В режим Grayscale (Оттенки серого) мы можем преобразовать изображение, когда требуется сэкономить объем памяти, занимаемый файлом, и при этом не нужна информация о цвете – например, если мы работаем с черно-белой фотографией.

Режимы

Режимы Очень часто в преобразованиях требуется обрабатывать одни и те же узлы, но разными способами. Типичным примером такого рода задачи является генерация оглавления документа вместе с преобразованием его содержимого. Очевидно, что просто шаблонами здесь не обойтись,

Цветовые константы

Цветовые

3.

6. Цветовые модели

3.6. Цветовые модели На пути от картинки, пойманной фотографом в видоискатель, до печатного снимка свет, зафиксированный камерой, претерпевает множество изменений. Рассматривая готовый снимок, часто приходится сожалеть, что оптика и техника записи изображения не в

Цветовые режимы

Цветовые режимы Битовая картаВ режиме битовой карты (Bitmap) глубина цвета равна единице, следовательно, каждый пиксел может быть черного или белого цвета. Таким образом, изображение в режиме битовой карты будет монохромным. Файлы изображений, выполненных в режиме битовой

Сюжетные режимы

Сюжетные режимы Чтобы облегчить жизнь владельцев цифровых камер, производители фототехники догадались объединить параметры для типичных сюжетов, объектов и ситуаций съемки в так называемые сюжетные режимы настройки экспозиции. Они позволяют получать отличные снимки,

Режимы протяжки

Режимы протяжки Цифровым камерам (правда, не всем) доступно несколько режимов съемки, аналогичных тем, которые в традиционной фотографии называются режимами протяжки фотопленки. Правда, пленки в вашей цифровой камере нет, и в дальнейшем режимом протяжки мы будем

Режимы фокусировки

Режимы фокусировки Для упрощения работы фотографа расстояния, измеряемые системами автоматической фокусировки, объединены в ступени, или шаги (Stops). К примеру, в недорогих камерах с несложным объективом имеется, как правило, трехступенчатый автофокус, три настройки

Преобразование форматов изображения — Изучите ImageJ

RGB в 8-битную шкалу серого

Напомним, что изображения RGB на самом деле представляют собой композицию трех отдельных изображений, имеющих интенсивность от самого темного до самого светлого из красного, зеленого и синего цветов. Преобразование изображения из RGB в 8-битную шкалу серого — это форма понижающей дискретизации, при которой 24-битная информация должна быть сжата в 8-битный диапазон. Самый простой способ добиться этого — прямое преобразование, которое усредняет значения красного, зеленого и синего для каждого пикселя.
Прямое преобразование:
Однако спектральная чувствительность человеческого глаза в видимом спектре неодинакова. В восприятии яркости или яркости цветного изображения преобладает зеленый свет, затем красный и синий. Чтобы приблизиться к нашему восприятию яркости, уместно преобразование с весовыми коэффициентами, зависящими от цвета.
Взвешенное преобразование:

Прямое преобразование

Чтобы напрямую преобразовать RGB в 8-битную шкалу серого, выберите 8-битную команду в системе меню ImageJ.

Взвешенное преобразование

Сначала необходимо включить взвешенное преобразование. вариант преобразования в меню параметров ImageJ.Затем приступайте к преобразованию. Все последующие преобразования RGB в 8-битные будут использовать взвешенную опцию, пока она не будет отключена.

    1. Правка> Параметры> Преобразования
    2. Изображение> Тип> 8-битный
Разделение каналов
  1. Изображение -> Цвет -> Разделение каналов
Стек RGB
  1. Изображение -> Тип -> Стек RGB
Преобразование RGB в оттенки серого

Псевдо-раскраска изображения в оттенках серого

Можно применить псевдо-раскраску, чтобы упростить выявление тонких вариаций.

  1. Изображение> Таблицы поиска> выберите один
  2. Изображение> Тип> RGB
Псевдо-раскраска с настраиваемой LUT