Jakten på de riktige fargene

Et bildeverktøy som hermer etter synssystemets egenskaper gjør at vi får bedre og mer realistiske bilder.

Denne artikkelen er over ti år gammel og kan inneholde utdatert informasjon.

Eksempel på farge til svart-hvitt bilde. Bildet i midten har blitt til ved utregning av gjennomsnittet til RGB-fargekanalene. Nederste bilde er prosessert via STRESS-algoritmen. (Illustrasjon: Høgskolen i Gjøvik)

Forskere ved Høgskolen i Gjøvik har utviklet en algoritme for korrigering av fargebilder, kalt STRESS.

Algoritmen etteraper mange av egenskapene til det menneskelige synssystem.

– Hvilke farger og kontraster øyet ser og hva vi klarer å fange med et kamera er ofte vidt forskjellig. Der kameraet bare objektivt registrerer lyset som faller inn på CCD-brikken eller filmen, er synssystemets oppførsel også vært sensitiv for omgivelsene.

– Vårt mål er å lage et bildeverktøy som hermer etter synssystemets egenskaper og dermed gir bedre og mer realistiske bilder, sier førsteamanuensis Ivar Farup.

Kjernen i algoritmen består i at den lokale konteksten i bildet beregnes. Hvert eneste punkt i bildet (pixel) har sin egen unike kontekst, og hvordan vi opplever fargen i akkurat dette punktet er veldig avhengig av denne.

En middels grå pixel vil oppleves som lys i mørke omgivelser, og som mørk i lyse omgivelser. Tilsvarende kan en blekgul pixel oppleves som gråhvit i knallgule omgivelser og som knallgul i blå.  

Kontrast- og fargekorrigering

Et vanlig verktøy i bildebehandlingsprogrammer er kontrastforsterkning. Vanligvis forsterkes kontrasten på hele bildet (globalt), men STRESS-algoritmen forsterker både lokale og globale kontraster.

– Dette gjøres ved hjelp av matematiske beregninger og gir en større detaljrikdom i bilder, sier Farup.

Denne metoden er allerede blitt tatt i bruk i forskning innen biometri der vener i fingrene skal fungere som autentisering. For å skille ulike vener fra hverandre er bilder tatt av fingrene og deretter kjørt gjennom programmet.

Her benyttes altså STRESS som en forbehandling før mønstergjenkjenning. En annen anvendelse er oppfrisking av bleke og tamme bilder, eller bilder på film eller papir som er falmet over tid.

Dynamisk omfang og fargeomfang

De siste årene har det kommet mye ny teknologi og metoder som gjør det mulig å ta bilder med stort dynamisk omfang, såkalte HDR-bilder (High Dynamic Range).

Selv om denne teknikken blir stadig vanligere, omgir vi oss fremdeles med printere, skjermer og projektorer som ikke har det nødvendige dynamiske omfang til å vise HDR-bilder.

– For å vise frem HDR-bilder i slike sammenhenger, må det dynamiske omfanget reduseres. Det finnes mange metoder for dette, og STRESS-algoritmen kan brukes til å redusere det dynamiske omfanget i bildet, understreker Farup.

Fra farge til svart-hvitt bilde

Ivar Farup.

Å konvertere et bilde fra fargebilde til svart-hvitt er en utfordring da mye informasjon går tapt i konverteringen.

– Ofte er ulike farger like lyse, når det er fargebilder så ser vi jo forskjellen, men ulikheten kommer ikke frem i bildene når vi gjør om til svart-hvitt bilder. Også dette kan STRESS gjøre noe med.

– Ved hjelp av informasjon om lokal kontekst i bildet regner algoritmen ut et gråtonebilde der både lyshetskontraster og fargekontraster forblir synlige, sier Farup.

Bakgrunn:

Farup har i samarbeid med Alessandro Rizzi (Universitetet i Milano, Italia) og Øyvind Kolås (Intel, London) utviklet dette rammeverket av algoritmer.

Rammeverket er implementert i bildebehandlingsprogrammet GIMP, og dette har allerede blitt en populær effekt for såkalt overprosessering av bilder (se, f.eks. http://flickrhivemind.net/Tags/c2g og http://www.flickr.com/groups/gimpusers/discuss/72157619079536887/ ).

En fullstendig beskrivelse av algoritmen vil snart bli å finne på trykk i Journal of Imaging Science and Technology.

Saken er produsert og finansiert av Høgskolen i Gjøvik - Les mer

Powered by Labrador CMS