A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Fundamentos da Computação Gráfica Trabalho 1 – Cor Eduardo Telles Carlos Paulo Ivson Netto Santos.

Apresentações semelhantes


Apresentação em tema: "Fundamentos da Computação Gráfica Trabalho 1 – Cor Eduardo Telles Carlos Paulo Ivson Netto Santos."— Transcrição da apresentação:

1 Fundamentos da Computação Gráfica Trabalho 1 – Cor Eduardo Telles Carlos Paulo Ivson Netto Santos

2 Conteúdo Metodologia Utilizada Conversão Adobe RGB Lab Obtenção das Amostras Funcionamento do Programa Resultados

3 Metodologia Utilizada Transformações de espaços de cor Adobe RGB 1998 CIE Lab Aproximação de uma função de correção Rede Neural

4 Redes Neurais Interpolador de funções Lineares Não-lineares Treinamento Entrada: amostras incorretas Saída: valores esperados para cada amostra Rede utilizada só trabalha com valores [0,1] Todas as entradas e saídas foram escaladas Mínimo: 0.1 Máximo: 0.9

5 Rede Neural - Funcionamento

6 Conversão Adobe RGB Lab Referências: Adobe RGB (1998) Color Image EncodingAdobe RGB (1998) Color Image Encoding Adobe RGBXYZLAB Adobe RGB (D65) white point , ,

7 Conversão Lab Adobe RGB Referências: Adobe RGB (1998) Color Image EncodingAdobe RGB (1998) Color Image Encoding Adobe RGB XYZ LAB Adobe RGB (D65) white point , ,

8 Obtenção de Amostras 1. Entradas incorretas para treinamento Cores e cinzas da imagem de referência Isolar amostras de cada cor Em Adobe RGB 1998 Convertidas para Lab durante carregamento 2. Saídas corretas para treinamento Cores e cinzas dos espectros medidos Converter para Lab e Adobe RGB 1998 Adaptação Cromática

9 Obtenção de Amostras 1. Separação das cores de referência Photoshop Recorte manual de cada cor / cinza Salvos em imagens separadas Adobe RGB 1998 Formato TIFF CoresTons de Cinza

10 Obtenção de Amostras Observações Referência em JPEG Quantidades diferentes de amostras de cada cor Color-bleeding entre uma amostra e outra Pouca variação nos tons de cinza mais escuros

11 Obtenção de Amostras 2. Conversão dos espectros de referência Cores Lab Adobe RGB Tons de cinza Lab Adobe RGB

12 Obtenção de Amostras Criação de 4 arquivos em formato texto Exemplo Gray_AdobeRGBExemplo Color_Lab

13 Obtenção de Amostras Observações Conversão através de planilha Espectro limitado a 380nm – 730nm Lab D65 (6500K) Cores não totalmente puras Tons de cinza com RGB diferentes e a*b* diferentes de zero

14 Funcionamento do Programa Treinamento Abre imagens de amostras de cores / cinzas Converte pixels para Lab se necessário Abre arquivos.txt com valores de referência Em RGB ou Lab Treina redes neurais com estes dados Entrada: amostras de cores / cinzas Avaliação de erro (média da distância euclidiana entre entrada e saída) Saída: valores de referência Várias amostras correspondem a uma mesma saída!

15 Funcionamento do Programa Conversão da imagem Abre imagem a ser convertida Para cada pixel Converte para Lab se necessário Insere entradas na rede neural já treinada Obtém saída da rede Converte de volta para Adobe RGB se necessário Atualiza valores do pixel

16 Redes Utilizadas 8 métodos de conversão diferentes Combinações de entradas e saídas Espaço de cor utilizado 2 técnicas de treinamento Todas as redes possuem Três camadas Entrada Hidden sempre 9 neurônios Saída

17 REDE L*L REDE LabLab a b LabLab L* - tons de cinzaErro L: 4,999%Erro a: 2,679%Erro b: 3,114%

18 REDE L*L L* - tons de cinzaErro L: 4.988% REDE abab a b abab Erro a: 2.679%Erro b: 3.114%

19 REDE L*L REDE aa bb L* - tons de cinza Erro L: 4.909%Erro a: 2.748%Erro b: 2.291%

20 REDE LabLab LabLab Erro Lab: 3.274%

21 REDE RGBRGB R G B RGBRGB RGBRGB Erro R: 1.617%Erro G: 3.904%Erro B: 3.341%

22 REDE RG B RGB Erro R: 1.978%Erro G: 4.153%Erro B: 3.331%

23 REDE RGBRGB RGBRGB Erro RGB: 4.505%

24 REDE LabLab RGBRGB Erro RGB: 4.013%

25 Conclusão Muitas variáveis a serem testadas Função de ativação Topologia da rede Número de neurônios Estimativa de erro Número de treinamentos Número de amostras de entrada Amostras em TIFF Cores de referência Conversão de Adobe RGB para Lab introduz erro

26 Bibliografia Introduction to Backpropagation Neural Networks Usui S., Arai Y., Nakauchi S. Neural networks for device- independent digital color imaging(2000) Information sciences, 123 (1), pp Vrhel, M. J. and Trussell, H. J. Color Scanner Calibration via a Neural Network. IEEE ICASSP99, Vol.6, pp , 1999.


Carregar ppt "Fundamentos da Computação Gráfica Trabalho 1 – Cor Eduardo Telles Carlos Paulo Ivson Netto Santos."

Apresentações semelhantes


Anúncios Google