Computação Gráfica: Luz e Cor

Apresentação em tema: "Computação Gráfica: Luz e Cor"— Transcrição da apresentação:

1 Computação Gráfica: Luz e Cor
3/26/2017 Luz e Cor fontes luminosas geram luz que produzem sensações no nosso cérebro que interagem com o meio (supeficies) que nosos olhos captam MGattass DI-PUC/Rio Marcelo Gattass

2 Computação Gráfica: Luz e Cor
3/26/2017 Modelos físico da luz Huygens Newton Max Planck Eistein 1629 1695 1643 1727 1858 1947 1879 1955 onda partículas fótons MGattass DI-PUC/Rio Marcelo Gattass

3 Computação Gráfica: Luz e Cor
3/26/2017 Modelo de fótons c = km/s l1 t c = km/s l2 MGattass DI-PUC/Rio Marcelo Gattass

4 Freqüência e comprimento de onda
Computação Gráfica: Luz e Cor Freqüência e comprimento de onda 3/26/2017 c = velocidade da luz = × km/s c l = c / f c = l f MGattass DI-PUC/Rio Marcelo Gattass

5 Ondas eletromagnéticas
Computação Gráfica: Luz e Cor 3/26/2017 Ondas eletromagnéticas 102 104 106 108 1010 1012 1014 1016 1018 1020 rádioAM FM,TV Micro-Ondas Infra-Vermelho Ultra-Violeta RaiosX f (Hertz) l (m) 106 104 102 10 10-2 10-4 10-6 10-8 10-10 10-12 VISÍVEL vermelho (4.3 1014 Hz), laranja, amarelo,..., verde, azul, violeta (7.51014 Hz) MGattass DI-PUC/Rio Marcelo Gattass

6 Computação Gráfica: Luz e Cor
3/26/2017 Luz branca (Newton) vermelho alaranjado amarelo verde azul violeta luz branca prisma Cor l Violeta nm Azul nm Verde nm Amarelo nm Laranja nm Vermelho nm luz branca (acromática) tem todos os comprimentos de onda 1 nm = 10-9 m MGattass DI-PUC/Rio Marcelo Gattass

7 Computação Gráfica: Luz e Cor
3/26/2017 Energia de um fóton h = constante de Planck (6.62610-34 J.s) f = freqüência (Hz) MGattass DI-PUC/Rio Marcelo Gattass

8 Energia e Fluxo Radiante
Computação Gráfica: Luz e Cor 3/26/2017 Energia e Fluxo Radiante 1 fótom com comprimento de onda  : n fótons com comprimento de onda  : [J/nm] Energia radiante: [J] Fluxo radiante: [J/s=Watts] MGattass DI-PUC/Rio Marcelo Gattass

9 Potência (fluxo) radiante
Computação Gráfica: Luz e Cor 3/26/2017 Potência (fluxo) radiante exemplos: lâmpadas: ~100 W Sol: 1026 W Watts =Joule/seg superfície varia de ponto a ponto e depende da direção. MGattass DI-PUC/Rio Marcelo Gattass

10 Irradiação e Radiosidade
Computação Gráfica: Luz e Cor 3/26/2017 Irradiação e Radiosidade p p irradiação radiosidade MGattass DI-PUC/Rio Marcelo Gattass

11 Emissão não uniforme de um ponto
Computação Gráfica: Luz e Cor 3/26/2017 Emissão não uniforme de um ponto p MGattass DI-PUC/Rio Marcelo Gattass

12 Área aparente (foreshortening)
Computação Gráfica: Luz e Cor 3/26/2017 Área aparente (foreshortening) Uma área A vista de um ângulo  é equivalente a uma área menor, A cos, tanto para emitir quanto para receber radiação luminosa. n n θ θ A MGattass DI-PUC/Rio Marcelo Gattass

13 Computação Gráfica: Luz e Cor
3/26/2017 Ângulo e Ângulo sólido esfera r a r l círculo MGattass DI-PUC/Rio Marcelo Gattass

14 Computação Gráfica: Luz e Cor
Radiância 3/26/2017 Radiance – the amount of flux radiated by a projected area of surface per steradian of solid angle. The radiometric unit is “watts per square meter per steradian”; MGattass DI-PUC/Rio Marcelo Gattass

15 Fluxo radiante em uma superfície em função da direção
Computação Gráfica: Luz e Cor 3/26/2017 Fluxo radiante em uma superfície em função da direção vidro diferença entre uma janela e um pintura. Olhos são sensíveis a radiância de pontos da cena MGattass DI-PUC/Rio Marcelo Gattass

16 Computação Gráfica: Luz e Cor
3/26/2017 Câmera obscura A luz viaja em linha reta Leonardo da Vinci -1545 MGattass DI-PUC/Rio Marcelo Gattass

17 Origens da câmera obscura
Computação Gráfica: Luz e Cor 3/26/2017 Origens da câmera obscura Mo-Ti (V século antes de Cristo) – quarto escuro com pequeno orifício Aristótes ( AC) – eclipse do sol Alhazen de Basra (X DC) Leonardo da Vince (XVI DC) ... MGattass DI-PUC/Rio Marcelo Gattass

18 Câmaras fotográficas primitivas
Computação Gráfica: Luz e Cor 3/26/2017 Câmaras fotográficas primitivas O fato dos quadros renascentistas terem elemenots da geoemetria projetiva não quer dizer que eles conheciam técnicas precisas de desenho geométrico. Muitos trabalhos foram feitos por mera intuição ou com auxilio de câmeras escuras onde o pintor via sobre o canvas uma imagem da cena que ele desejava pintar como ilustra a figura. Podemos encontrar referências a câmeras escuras nos trabalhos de Leonardo da Vinci de A câmera fotográfica, como conhecemos hoje, foi inventada pelo Mandé Daguerre ( ) e seus principios podem ser ilustrados com artefatos bem simples como a câmera tipo “pinhole”. Câmeras de furo (pinhole) Luis-Jacques-Mandé Daguerre (1839) MGattass DI-PUC/Rio Marcelo Gattass

19 Geometria da câmera de furo (pinhole)
Computação Gráfica: Luz e Cor 3/26/2017 Geometria da câmera de furo (pinhole) Projeção cônica MGattass DI-PUC/Rio Marcelo Gattass

20 O que mede a câmera de furo?
Computação Gráfica: Luz e Cor 3/26/2017 O que mede a câmera de furo? dAc dAp o que é projetado na parede é a radiância de dAc na direção do furo Câmeras de furo são sensíveis a radiância de pontos da cena MGattass DI-PUC/Rio Marcelo Gattass

21 Anatomia de uma câmera fotográfica
Computação Gráfica: Luz e Cor 3/26/2017 Anatomia de uma câmera fotográfica MGattass DI-PUC/Rio Marcelo Gattass

22 Computação Gráfica: Luz e Cor
3/26/2017 Câmeras digitais MGattass DI-PUC/Rio Marcelo Gattass

23 O que mede uma câmera fotográfica?
Computação Gráfica: Luz e Cor 3/26/2017 O que mede uma câmera fotográfica? scene image plane lens Image Irradiance: Scene Radiance: Câmeras fotográficas medem a radiância de pontos da cena MGattass DI-PUC/Rio Marcelo Gattass

24 Radiancia ou Luminância
Computação Gráfica: Luz e Cor Radiancia ou Luminância 3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

25 Ângulo sólido em coordenadas polares
Computação Gráfica: Luz e Cor 3/26/2017 Ângulo sólido em coordenadas polares r sin  d r d   r d MGattass DI-PUC/Rio Marcelo Gattass

26 Ângulos de elementos infinitesimais
Computação Gráfica: Luz e Cor 3/26/2017 Ângulos de elementos infinitesimais dl  cos dl n r (esfero radiano) MGattass DI-PUC/Rio Marcelo Gattass

27 Radiancia ou luminosidade numa superfície
Computação Gráfica: Luz e Cor 3/26/2017 Radiancia ou luminosidade numa superfície MGattass DI-PUC/Rio Marcelo Gattass

28 Radiosidade  Radiancia
Computação Gráfica: Luz e Cor 3/26/2017 Radiosidade  Radiancia MGattass DI-PUC/Rio Marcelo Gattass

29 Radiosidade de refletores lambertianos
Computação Gráfica: Luz e Cor 3/26/2017 Radiosidade de refletores lambertianos A reflexão é lambertiana quando espalha a luz incidente uniformemente em todas as direções MGattass DI-PUC/Rio Marcelo Gattass

30 Fluxo Radiante de um Emissor Difuso Uniforme
Computação Gráfica: Luz e Cor 3/26/2017 Fluxo Radiante de um Emissor Difuso Uniforme MGattass DI-PUC/Rio Marcelo Gattass

31 Computação Gráfica: Luz e Cor
3/26/2017 Radiância do sol supondo uniforme MGattass DI-PUC/Rio Marcelo Gattass

32 Irradiação do Sol na Terra e em Marte
Computação Gráfica: Luz e Cor 3/26/2017 Irradiação do Sol na Terra e em Marte Terra 149,600,000 km vácuo Marte 227,940,000 km Sol 12:00 h  Marcelo Gattass

33 Ângulos sólidos do Sol na Terra em Marte
Computação Gráfica: Luz e Cor 3/26/2017 Ângulos sólidos do Sol na Terra em Marte MGattass DI-PUC/Rio Marcelo Gattass

34 Variação da radiância nos sensores
Computação Gráfica: Luz e Cor 3/26/2017 Variação da radiância nos sensores image plane lens scene Image Irradiance: Scene Radiance: MGattass DI-PUC/Rio Marcelo Gattass

35 Computação Gráfica: Luz e Cor
Câmeras com lentes 3/26/2017 dAs  ps α O dAi (área correspondente a dAs) pi MGattass DI-PUC/Rio Marcelo Gattass

36 Radiância emitida por ps na direção de pi
Computação Gráfica: Luz e Cor 3/26/2017 Radiância emitida por ps na direção de pi dAs  ps d Ω α O dAp pi MGattass DI-PUC/Rio Marcelo Gattass

37 Computação Gráfica: Luz e Cor
3/26/2017 Ângulo sólido dAs ps d Ω r α O MGattass DI-PUC/Rio Marcelo Gattass

38 Computação Gráfica: Luz e Cor
3/26/2017 Relação entre as áreas dAs ps  Ωo α dAp O Ωi pi MGattass DI-PUC/Rio Marcelo Gattass

39 Irradiação sobre o sensor
Computação Gráfica: Luz e Cor 3/26/2017 Irradiação sobre o sensor dAs ps  d α quando foco no ∞ O dAi pi MGattass DI-PUC/Rio Marcelo Gattass

40 Irradiação (irradiância) no sensor da câmera é proporcional a:
Computação Gráfica: Luz e Cor 3/26/2017 Irradiação (irradiância) no sensor da câmera é proporcional a: radiância do objeto da cena; área da lente; variação do cos4 MGattass DI-PUC/Rio Marcelo Gattass

41 Computação Gráfica: Luz e Cor
3/26/2017 Equipamento utilizado Creative WebCam Pro 640x480 (VGA) color CMOS Sensor USB 1.1 Interface MGattass DI-PUC/Rio Marcelo Gattass

42 Computação Gráfica: Luz e Cor
3/26/2017 1,8m 2,0m   = arc tg (0,9/2,0)  = 24o cos4 = 0,7 Calculou-se, segundo as proporções de captura sobre as quais foram geradas as imagens da tela, o ângulo . Foi possível verificar que a iluminação nos pontos da tela decresce proporcionalmente a cos4. Marcelo Gattass

43 Computação Gráfica: Luz e Cor
3/26/2017 R=53 G=67 B=115 0,7 P1 • 0,7 P1 (centro da tela) P2 (canto) R=75 G=95 B=165 R=55 G=70 B=110 Marcelo Gattass

44 Computação Gráfica: Luz e Cor
3/26/2017 Sem correção MGattass DI-PUC/Rio Marcelo Gattass

45 Computação Gráfica: Luz e Cor
3/26/2017 Com correção radiométrica MGattass DI-PUC/Rio Marcelo Gattass

46 Computação Gráfica: Luz e Cor
3/26/2017 Sem correção MGattass DI-PUC/Rio Marcelo Gattass

47 Computação Gráfica: Luz e Cor
3/26/2017 Com correção radiométrica MGattass DI-PUC/Rio Marcelo Gattass

48 Computação Gráfica: Luz e Cor
3/26/2017 Sem correção MGattass DI-PUC/Rio Marcelo Gattass

49 Computação Gráfica: Luz e Cor
3/26/2017 Com correção radiométrica MGattass DI-PUC/Rio Marcelo Gattass

50 Computação Gráfica: Luz e Cor
3/26/2017 Sem correção MGattass DI-PUC/Rio Marcelo Gattass

51 Computação Gráfica: Luz e Cor
3/26/2017 Com correção radiométrica MGattass DI-PUC/Rio Marcelo Gattass

52 Computação Gráfica: Luz e Cor
3/26/2017 Espectro da luz Watts/nm 380 480 580 680 780 MGattass DI-PUC/Rio Marcelo Gattass

53 Espectro de luz refletidas
Computação Gráfica: Luz e Cor 3/26/2017 Espectro de luz refletidas flor amarela flor laranja flor azul pétala branca 400 700 Measurements by E.Koivisto. MGattass DI-PUC/Rio Marcelo Gattass

54 Medidas do espectro da luz solar
Computação Gráfica: Luz e Cor 3/26/2017 Medidas do espectro da luz solar 400 700 levemente nublado, sol atrás das nuvens nublado, céu cinza céu sem nuvens levemente nublado céu sem nuvens, por do sol medidas feitas por J. Parkkinen and P. Silfsten. MGattass DI-PUC/Rio Marcelo Gattass

55 Espectros de luz “branca”
Computação Gráfica: Luz e Cor 3/26/2017 Espectros de luz “branca” Idit Haran MGattass DI-PUC/Rio Marcelo Gattass

56 Espectro dos fósforos dos monitores
Computação Gráfica: Luz e Cor 3/26/2017 Espectro dos fósforos dos monitores MGattass DI-PUC/Rio Marcelo Gattass

57 Corpo negro (blackbody)
Computação Gráfica: Luz e Cor 3/26/2017 Corpo negro (blackbody) ou 200 250 300 350 400 450 500 550 600 650 700 750 800 MGattass DI-PUC/Rio Marcelo Gattass

58 Temperatura de uma fonte luminosa
Computação Gráfica: Luz e Cor 3/26/2017 Temperatura de uma fonte luminosa  Corpo negro à 6500 oK Sol  (nm) 380 430 480 530 580 630 680 730 780 Espectro da luz solar e de um corpo negro a 6500º K MGattass DI-PUC/Rio Marcelo Gattass

59 Computação Gráfica: Luz e Cor
3/26/2017 Variação da distribuição espectral da radiação de um corpo negro em função da temperatura n 0.00 0.20 0.40 0.60 0.80 1.00 200 300 400 500 600 700 800 900 1000 1900 2000 2800 2900 3300 3780 5500 6000 6500 7500 T (o K)  (nm) Espectros normalizados de um corpo negro MGattass DI-PUC/Rio Marcelo Gattass

60 Computação Gráfica: Luz e Cor
3/26/2017 Temperatura da cor 2000 5500 6500 7500 2000 3000 4000 5000 6000 7000 8000 9000 10000 1900 1900 2800 3300 6000 MGattass DI-PUC/Rio Marcelo Gattass

61 Caracterização do espectro de fontes luminosas
Computação Gráfica: Luz e Cor 3/26/2017 Caracterização do espectro de fontes luminosas luz branca ideal luz colorida 380 780 potência comprimento de onda MGattass DI-PUC/Rio Marcelo Gattass

62 Espectro CIE D65 e da lâmpada incandecente (illuminant A)
Computação Gráfica: Luz e Cor 3/26/2017 Espectro CIE D65 e da lâmpada incandecente (illuminant A) CIE D65 CIE Iluminante A l ( nm ) 380 480 580 680 780 MGattass DI-PUC/Rio Marcelo Gattass

63 Espectro CIE D65 e da lâmpada incandecente (illuminant A)
Computação Gráfica: Luz e Cor 3/26/2017 Espectro CIE D65 e da lâmpada incandecente (illuminant A) CIE Iluminante A CIE D65 MGattass DI-PUC/Rio Marcelo Gattass

64 Espectro de quatro fontes luminosas artificiais
Computação Gráfica: Luz e Cor 3/26/2017 Espectro de quatro fontes luminosas artificiais made by H.Sugiura. MGattass DI-PUC/Rio Marcelo Gattass

65 Color temperature e back body temperature
Computação Gráfica: Luz e Cor 3/26/2017 Color temperature e back body temperature Color temperature - Any light source that has the same chromaticity coordinates as a black body can be described as having the color temperature of that black body . The terms color temperature and black body temperature are not synonymous. Color temperature is derived from colorimetric calculations. There are limitless different spectra that possess a particular color temperature and have little or no resemblance to the black body curve for that temperature. Black Body – a heated material that emits light as a result of being hot. The spectrum of a black body is determined by the temperature alone. An incandescent lamp and a hot electric stovetop have spectra that are good approximations to black body spectra. Correlated Color Temperature - the color temperature of the the black body that is closest to the chromaticity coordinates of the light source. MGattass DI-PUC/Rio Marcelo Gattass

66 Computação Gráfica: Luz e Cor
3/26/2017 Temperatura da cor Temperature Typical Sources 1000K Candles; oil lamps 2000K Very early sunrise; low effect tungsten lamps 2500K Household light bulbs 3000K Studio lights, photo floods 4000K Clear flashbulbs 5000K Typical daylight; electronic flash 5500K The sun at noon near Kodak's offices :-) 6000K Bright sunshine with clear sky 7000K Slightly overcast sky 8000K Hazy sky 9000K Open shade on clear day 10,000K Heavily overcast sky 11,000K Sunless blue skies 20,000+K Open shade in mountains on a really clear day Monitor ideal MGattass DI-PUC/Rio Marcelo Gattass

67 Características do espectro de fontes luminosas
Computação Gráfica: Luz e Cor 3/26/2017 Características do espectro de fontes luminosas saturação + - + - brilho matix (hue)  MGattass DI-PUC/Rio Marcelo Gattass

68 Características das fontes luminosas
Computação Gráfica: Luz e Cor 3/26/2017 Características das fontes luminosas MGattass DI-PUC/Rio Marcelo Gattass

69 Transformações de espectros
Computação Gráfica: Luz e Cor 3/26/2017 Transformações de espectros Adição e filtro MGattass DI-PUC/Rio Marcelo Gattass

70 Processos aditivos de formação de cores
Computação Gráfica: Luz e Cor 3/26/2017 Processos aditivos de formação de cores l a b a b a+b a+b O olho não vê componentes! MGattass DI-PUC/Rio Marcelo Gattass

71 Processos subtrativos de formação de cores
Computação Gráfica: Luz e Cor 3/26/2017 Processos subtrativos de formação de cores filtros Luz branca Filtro verde l Ei Ef t transparência MGattass DI-PUC/Rio Marcelo Gattass

72 Processos de formação de cores: por pigmentos
Computação Gráfica: Luz e Cor 3/26/2017 Processos de formação de cores: por pigmentos por pigmentação A sucessão de reflexão e refração determinam a natureza da luz refletida índices de refração distinto do material base tinta preta tinta branca tinta colorida (saturada) tons mais escuros (shade) claros (tints) Cinzas (greys) tons PALHETA DO PINTOR MGattass DI-PUC/Rio Marcelo Gattass

73 Interação da fonte com as superfícies
Computação Gráfica: Luz e Cor Interação da fonte com as superfícies Spectral Power Distribution Illuminant D65 Electromagnetic Wave (nm) 3/26/2017 Reflectance Spectrum Spectral Power Distribution Frédo Durand and Barb Cutler MIT- EECS MGattass DI-PUC/Rio Marcelo Gattass

74 Interação da fonte com as superfícies
Computação Gráfica: Luz e Cor 3/26/2017 Interação da fonte com as superfícies Neon Lamp Spectral Power Distribution Illuminant F1 Reflectance Spectrum Spectral Power Distribution Under D65 Spectral Power Distribution Under F1 Frédo Durand and Barb Cutler MIT- EECS MGattass DI-PUC/Rio Marcelo Gattass

75 Computação Gráfica: Luz e Cor “Uma sensação humana”
3/26/2017 Cor “Uma sensação humana” Marcelo Gattass

76 Computação Gráfica: Luz e Cor
What is Color? 3/26/2017 Stimulus Observer Frédo Durand and Barb Cutler MIT- EECS Marcelo Gattass

77 Computação Gráfica: Luz e Cor
What is Color? 3/26/2017 Spectral Sensibility of the L, M and S Cones S M L Rods Distribution of Cones and Rods Light Retina Optic Nerve Amacrine Cells Ganglion Horizontal Bipolar Rod Cone Frédo Durand and Barb Cutler MIT- EECS Marcelo Gattass

78 Anatomia simpificada do olho humano
Computação Gráfica: Luz e Cor 3/26/2017 Anatomia simpificada do olho humano bastonetes retina s m l cones ponto cego Bastonetes Cones 100 M 5M fóvea 10% MGattass DI-PUC/Rio Marcelo Gattass

79 Sensibilidade dos cones do olho humano
Computação Gráfica: Luz e Cor 3/26/2017 Sensibilidade dos cones do olho humano Olho humano: Cones (SML) e Bastonetes (cegos para cor) l(nm) fração de luz absorvida por cada cone 0.0 0.2 0.4 0.6 0.8 1.0 380 480 580 680 780 Curvas se sobrepõe! Não temos como sabermos qual a sensação de um dado cone! MGattass DI-PUC/Rio Marcelo Gattass

80 Sensibilidade do olho em função do comprimento de onda
Computação Gráfica: Luz e Cor 3/26/2017 Sensibilidade do olho em função do comprimento de onda Fração da luz absorvida pelo olho sensibilidade relativa l (nm) 0.0 0.2 0.4 0.6 0.8 1.0 380 480 580 680 780 MGattass DI-PUC/Rio Marcelo Gattass

81 Computação Gráfica: Luz e Cor
3/26/2017 Brilho  Luminosidade l (nm) 0.0 0.2 0.4 0.6 0.8 1.0 l (nm) Brilho: (em Watts) (em lumens) Luminosidade: km = 680 lumes/watt MGattass DI-PUC/Rio Marcelo Gattass

82 Sensibilidade relativa dos cones
Computação Gráfica: Luz e Cor 3/26/2017 Sensibilidade relativa dos cones 0.0 0.2 0.4 0.6 0.8 1.0 380 430 480 530 580 630 680 730 780 l(nm) fração de luz absorvida por cada cone MGattass DI-PUC/Rio Marcelo Gattass

83 Computação Gráfica: Luz e Cor “Medida da sensação de cor”
3/26/2017 Colorimetria “Medida da sensação de cor” Marcelo Gattass

84 Medida da sensação de cor e o princípio da tri-cromaticide
Computação Gráfica: Luz e Cor 3/26/2017 Medida da sensação de cor e o princípio da tri-cromaticide Luz () não é assim! mas… l Tri-cromaticidade: qualquer espectro pode ser representado por três números sem perda de informação para os sistema visual humano MGattass DI-PUC/Rio Marcelo Gattass

85 Princípios do metamerismo
Computação Gráfica: Luz e Cor 3/26/2017 Princípios do metamerismo Metamerismo: todos os espectros que produzem as mesmas respostas tri-cromáticas são indistinguíveis. MGattass DI-PUC/Rio Spectra obtained using a simulation by Hughes, Bell and Doppelt (Brown University) Marcelo Gattass

86 Metamerismo e reprodução de cor em CG
Computação Gráfica: Luz e Cor 3/26/2017 Metamerismo e reprodução de cor em CG Mundo Real objetivo: produzir a mesma sensação de cor Espaço Virtual olho só distingue 400 mil cores (< 219) Þ 19 bits deveriam ser suficientes MGattass DI-PUC/Rio Marcelo Gattass

87 Computação Gráfica: Luz e Cor
3/26/2017 1a Lei de Grassmann A sensação de cor de qualquer espectro pode ser obtida da mistura de três cores primárias (tri-cromaticidade). r R g G b B C imagem projetada soma das cores primárias cor de teste MGattass DI-PUC/Rio Marcelo Gattass

88 Computação Gráfica: Luz e Cor
3/26/2017 2a Lei de Grassmann Se os espectrps das luzes são intensificadas por um mesmo fator o metamerismo permanece  r R soma das cores primárias  g G  b B cor de teste  C MGattass DI-PUC/Rio Marcelo Gattass

89 Computação Gráfica: Luz e Cor
3/26/2017 3a Lei de Grassmann Se: e então MGattass DI-PUC/Rio Marcelo Gattass

90 Computação Gráfica: Luz e Cor
3/26/2017 Sistemas de Cor Marcelo Gattass

91 Colorimetria e Sistemas de Cores
Computação Gráfica: Luz e Cor 3/26/2017 Colorimetria e Sistemas de Cores Sistemas numéricos absolutos CIE RGB CIE XYZ CIE xyY CIE Lu*v* La*b* Sistemas por exumeração Munsell Pantone Sistemas dependentes de dispositivos mRGB CMY CMYK Sistemas para especificação interativa HSV HLS MGattass DI-PUC/Rio Marcelo Gattass

92 Representação perceptual da cor CIE RGB
Computação Gráfica: Luz e Cor 3/26/2017 Representação perceptual da cor CIE RGB R = 700 nm G = 546 nm B = nm r(l) R g(l) G b(l) B C(l) o o 2o ou 10o C(l) luz pura (mono-freqüência) Problema: Não consegue se representar todas as cores visíveis (falta saturação) MGattass DI-PUC/Rio Marcelo Gattass

93 Artifício para “subtrair” uma componente
Computação Gráfica: Luz e Cor 3/26/2017 Artifício para “subtrair” uma componente R = 700 nm G = 546 nm B = nm r(l) R g(l) G b(l) B C(l) o o 2o ou 10o C(l) luz pura (mono-freqüência) MGattass DI-PUC/Rio Marcelo Gattass

94 Componentes das cores monocromáticas - CIE RGB -
Computação Gráfica: Luz e Cor 3/26/2017 Componentes das cores monocromáticas - CIE RGB - C(l ) = r(l) R + g(l) G + b(l) B l (nm) Valores dos tri-esimulos r(l ) g(l ) b(l ) -1 1 2 3 380 430 480 530 580 630 680 730 780 R = 700 nm G = 546 nm B = nm Combinação de três cores (RGB) para reproduzir as cores espectrais MGattass DI-PUC/Rio Marcelo Gattass

95 Computação Gráfica: Luz e Cor
3/26/2017 CIE RGB 2O 1931 l (nm) Valores dos tri-esimulos r(l ) g(l ) b(l ) -1 1 2 3 380 430 480 530 580 630 680 730 780 Marcelo Gattass

96 Componentes das cores monocromáticas - CIE RGB -
Computação Gráfica: Luz e Cor 3/26/2017 Componentes das cores monocromáticas - CIE RGB - b(l ) r(l ) 0.4 g(l ) 0.2 Valores dos tri-esimulos l (nm) 400 500 600 700 - 0.2 MGattass DI-PUC/Rio Marcelo Gattass

97 Mudança de Base do Espaço de Cor
Computação Gráfica: Luz e Cor 3/26/2017 Mudança de Base do Espaço de Cor G B R Y X Z G B R MGattass DI-PUC/Rio Marcelo Gattass

98 Conversão da base CIE RGB para CIE XYZ
Computação Gráfica: Luz e Cor 3/26/2017 Conversão da base CIE RGB para CIE XYZ MGattass DI-PUC/Rio Marcelo Gattass

99 Componentes das cores monocromáticas - CIE XYZ -
Computação Gráfica: Luz e Cor Componentes das cores monocromáticas - CIE XYZ - 3/26/2017 Cores Básicas do CIE 1931 l (nm) 0.5 1.0 1.5 2.0 400 500 600 700 Nota: No CIE Y foi escolhida de forma a y(l) ser semelhante à curva de sensibilidade do olho (luminância) MGattass DI-PUC/Rio Marcelo Gattass

100 Computação Gráfica: Luz e Cor
CIE XYZ (2o e 10o) 3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

101 Computação Gráfica: Luz e Cor
3/26/2017 CIE XYZ 2O 1931 1 2 380 480 580 680 780 Marcelo Gattass

102 CIE XYZ a partir do espectro de uma fonte
Computação Gráfica: Luz e Cor 3/26/2017 CIE XYZ a partir do espectro de uma fonte l (nm) 0.5 1.0 1.5 2.0 400 500 600 700 MGattass DI-PUC/Rio Marcelo Gattass

103 Cor de um objeto no CIE XYZ
Computação Gráfica: Luz e Cor 3/26/2017 Cor de um objeto no CIE XYZ iluminante  reflexão do material l (nm) 0.5 1.0 1.5 2.0 400 500 600 700 MGattass DI-PUC/Rio Marcelo Gattass

104 Cores visíveis representadas no sistema CIE XYZ
Computação Gráfica: Luz e Cor 3/26/2017 Cores visíveis representadas no sistema CIE XYZ Conjunto dos valores possíveis de (X,Y,Z) X Y Z MGattass DI-PUC/Rio Marcelo Gattass

105 Retirando a luminosidade ou brilho da definição da cor em CIE XYZ
Computação Gráfica: Luz e Cor 3/26/2017 Retirando a luminosidade ou brilho da definição da cor em CIE XYZ Um parenteses sobre luminosidade ou brilho Valores típicos de luminosidade de um de uma superfície Modo Valores (lux) Luz do dia (máximo) Luz de dia sombrio Interior próximo a janela Minimo p/ trabalho Lua cheia Luz das estrelas … e o olho se acomoda! MGattass DI-PUC/Rio Marcelo Gattass

106 Computação Gráfica: Luz e Cor
3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

107 Retirando a luminosidade ou brilho da definição da cor em CIE XYZ
Computação Gráfica: Luz e Cor 3/26/2017 Retirando a luminosidade ou brilho da definição da cor em CIE XYZ X Y Z Plano X+Y+Z=1 Retirar o fator luminosidade ou brilho projetando no plano X+Y+Z=1 x = X/(X+Y+Z) y = Y/(X+Y+Z) z = Z/(X+Y+Z) X = (x / y ) Y Y = Y Z = (1-x-y ) Y / y note que x+y+z =1 MGattass DI-PUC/Rio Marcelo Gattass

108 Cores visíveis representadas no sistema CIE xyY
Computação Gráfica: Luz e Cor 3/26/2017 Cores visíveis representadas no sistema CIE xyY X Y Z MGattass DI-PUC/Rio Marcelo Gattass

109 Cores visíveis representadas no sistema CIE xyY
Computação Gráfica: Luz e Cor 3/26/2017 Cores visíveis representadas no sistema CIE xyY 520 480 490 500 510 540 560 Purpura 580 600 = 700 400 Azul Cian Verde Amarelo Vermelho x y 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 Branco MGattass DI-PUC/Rio Marcelo Gattass

110 Computação Gráfica: Luz e Cor
3/26/2017 Nome das cores MGattass DI-PUC/Rio Marcelo Gattass

111 Computação Gráfica: Luz e Cor
3/26/2017 Nome das cores x 650 610 590 550 570 600 580 560 540 505 500 510 520 530 490 495 485 480 470 450 1.0 0.5 0.0 0.9 green yellow- yellow orange red magenta purple blue cyan white pink y MGattass DI-PUC/Rio Marcelo Gattass

112 Computação Gráfica: Luz e Cor
3/26/2017 Planckian locus MGattass DI-PUC/Rio Marcelo Gattass

113 Saturação e cor complementar no diagrama de cromaticidade xy
Computação Gráfica: Luz e Cor 3/26/2017 Saturação e cor complementar no diagrama de cromaticidade xy saturação de C1 C é complementar a C Û a C + b C = Branco y x 0.2 0.4 0.6 0.8 1.0 Branco C2 C1 cores saturadas a b y x 0.2 0.4 0.6 0.8 1.0 Branco C MGattass DI-PUC/Rio Marcelo Gattass

114 Computação Gráfica: Luz e Cor
3/26/2017 Marcelo Gattass

115 Computação Gráfica: Luz e Cor
3/26/2017 Marcelo Gattass

116 Computação Gráfica: Luz e Cor
3/26/2017 Marcelo Gattass

117 Computação Gráfica: Luz e Cor
3/26/2017 Teoria da cor oponente Cores são processadas por diferenças. Existem células na retina que recebem impulsos de dois cones diferentes e processam. MGattass DI-PUC/Rio Marcelo Gattass

118 Gamute de cromaticidade de dispositivos
Computação Gráfica: Luz e Cor 3/26/2017 Gamute de cromaticidade de dispositivos y 0.1 0.2 0.3 0.4 0.6 0.5 0.7 0.8 0.9 1.0 C2 cor não realizável C1 cor não realizável na impressora C2 gamute de um monitor C1 W gamute de uma impressora 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 x MGattass DI-PUC/Rio Marcelo Gattass

119 Gamut de cores de um monitor RGB
Computação Gráfica: Luz e Cor 3/26/2017 Gamut de cores de um monitor RGB MGattass DI-PUC/Rio Marcelo Gattass

120 Cores perceptualmente equidistantes representadas no sistema CIE xyY
Computação Gráfica: Luz e Cor Cores perceptualmente equidistantes representadas no sistema CIE xyY 3/26/2017 Par de cores perceptualmente equidistantes MGattass DI-PUC/Rio Marcelo Gattass

121 Computação Gráfica: Luz e Cor
3/26/2017 Weber's law The change in a stimulus that will be just noticeable (JND) is a constant ratio of the original stimulus. E. H. Weber, in 1834 MGattass DI-PUC/Rio Marcelo Gattass

122 Computação Gráfica: Luz e Cor
3/26/2017 Correção Gama MGattass DI-PUC/Rio Marcelo Gattass

123 Computação Gráfica: Luz e Cor
3/26/2017 Correção Gama Percepção humana "uniforme" Intensidade luminosa MGattass DI-PUC/Rio Marcelo Gattass

124 Correção Gama (a coincidência)
Computação Gráfica: Luz e Cor 3/26/2017 Correção Gama (a coincidência) Sinal de vídeo (voltagem ou código) Intensidade luminosa Percepção humana MGattass DI-PUC/Rio Marcelo Gattass

125 O sistema tem muitos Gamas!
Computação Gráfica: Luz e Cor 3/26/2017 O sistema tem muitos Gamas! input_exponent the exponent of the image sensor. encoding_exponent the exponent of any transfer function performed by the process or device writing the datastream. decoding_exponent the exponent of any transfer function performed by the software reading the image datastream. LUT_exponent the exponent of the transfer function applied between the frame buffer and the display device (typically this is applied by a Look Up Table). output_exponent the exponent of the display device. For a CRT, this is typically a value close to 2.2. MGattass DI-PUC/Rio Marcelo Gattass

126 Gama de uma ponta a outra (end to end)
Computação Gráfica: Luz e Cor 3/26/2017 Gama de uma ponta a outra (end to end) “Good end-to-end exponents are determined from experience. For example, for photographic prints it's about 1.0; for slides intended to be projected in a dark room it's about 1.5; for television it's about 1.14.” MGattass DI-PUC/Rio Marcelo Gattass

127 Computação Gráfica: Luz e Cor
3/26/2017 Que ajuste adotar? 36 73 109 146 182 219 255 96 136 167 193 216 236 255 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 MGattass DI-PUC/Rio Marcelo Gattass

128 CIE L* Correção perceptual
Computação Gráfica: Luz e Cor 3/26/2017 CIE L* Correção perceptual 100 90 80 70 60 L* 50 40 30 20 10 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 veja: MGattass DI-PUC/Rio Marcelo Gattass

129 Sistemas de cor perceptualmente uniformes do CIE Luv e CIE Lab (1976)
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor perceptualmente uniformes do CIE Luv e CIE Lab (1976) Dados: (X,Y,Z) = componentes da cor no espaço CIE XYZ (Xw,Yw,Zw) = componentes do branco de referência Calcula-se: u’=4X/(X+15Y+3Z) v’=9Y/(X+15Y+3Z) uw=4Xw/(Xw+15Yw+3Zw) vw=9Yw/(Xw+15Yw+3Zw) L* = 116 (Y/Yw)1/ se Y/Yw > ou L* = (Y/Yw) se Y/Yw £ u* = 13L*(u’- uw) v* = 13L*(v’- vw) a* = 500[(X/Xw)1/3- (Y/Yw)1/3] b* = 200[ (Y/Yw)1/3) - (Z/Zw)1/3] u*,v* (ou a*,b*) são as componentes de cromaticidade da cor L* é a luminosidade corrigida para uma escala percetualmente linear MGattass DI-PUC/Rio Marcelo Gattass

130 Computação Gráfica: Luz e Cor
3/26/2017 CIE xyY  CIE LUV MGattass DI-PUC/Rio Marcelo Gattass

131 Computação Gráfica: Luz e Cor
3/26/2017 CIE LAB MGattass DI-PUC/Rio Marcelo Gattass

132 CIE 1976 (L*a*b*) colour space, Lightnedd
Computação Gráfica: Luz e Cor 3/26/2017 CIE 1976 (L*a*b*) colour space, Lightnedd L = Lightness (black= 0 and white = 100) MGattass DI-PUC/Rio Marcelo Gattass

133 CIE 1976 (L*a*b*) colour space, Hue and Chroma
Computação Gráfica: Luz e Cor 3/26/2017 CIE 1976 (L*a*b*) colour space, Hue and Chroma Hue (Matiz): Chroma: MGattass DI-PUC/Rio Marcelo Gattass

134 CIE 1976 a,b colour difference and CIELAB components
Computação Gráfica: Luz e Cor 3/26/2017 CIE 1976 a,b colour difference and CIELAB components just noticeble difference small color differences variação de ângulo ou MGattass DI-PUC/Rio Marcelo Gattass

135 Computação Gráfica: Luz e Cor
3/26/2017 CIE 1994 colour difference k parametric factors, industry dependent S weighting functions, depend on location in colour space: MGattass DI-PUC/Rio Marcelo Gattass

136 Computação Gráfica: Luz e Cor
3/26/2017 Branco de referência Observer 2° (CIE 1931) 10° (CIE 1964) Illuminant X2 Y2 Z2 X10 Y10 Z10 A (Incandescent) 109.85 100 35.585 35.2 C 98.074 97.285 D50 96.422 82.521 96.72 81.427 D55 95.682 92.149 95.799 90.926 D65 (Daylight) 95.047 94.811 D75 94.972 94.416 F2 (Fluorescent) 99.187 67.395 103.28 69.026 F7 95.044 95.792 F11 64.37 65.627 MGattass DI-PUC/Rio Marcelo Gattass

137 Computação Gráfica: Luz e Cor
3/26/2017 Conversão Lab - XYZ var_X = X /            //Observer = 2°, Illuminant = D65 var_Y = Y / var_Z = Z / if ( var_X > ) var_X = var_X ^ ( 1/3 ) else                    var_X = ( * var_X ) + ( 16 / 116 ) if ( var_Y > ) var_Y = var_Y ^ ( 1/3 ) else                    var_Y = ( * var_Y ) + ( 16 / 116 ) if ( var_Z > ) var_Z = var_Z ^ ( 1/3 ) else                    var_Z = ( * var_Z ) + ( 16 / 116 ) CIE-L* = ( 116 * var_Y ) - 16 CIE-a* = 500 * ( var_X - var_Y ) CIE-b* = 200 * ( var_Y - var_Z ) var_Y = ( CIE-L* + 16 ) / 116 var_X = CIE-a* / var_Y var_Z = var_Y - CIE-b* / 200 if ( var_Y^3 > ) var_Y = var_Y^3 else                      var_Y = ( var_Y - 16 / 116 ) / if ( var_X^3 > ) var_X = var_X^3 else                      var_X = ( var_X - 16 / 116 ) / if ( var_Z^3 > ) var_Z = var_Z^3 else                      var_Z = ( var_Z - 16 / 116 ) / X = ref_X * var_X     //ref_X =    Observer= 2°, Illuminant= D65 Y = ref_Y * var_Y     //ref_Y = Z = ref_Z * var_Z     //ref_Z = Marcelo Gattass

138 The Artist Point of View
Computação Gráfica: Luz e Cor 3/26/2017 The Artist Point of View Hue - The color we see (red, green, purple) Saturation - How far is the color from gray (pink is less saturated than red, sky blue is less saturated than royal blue) Brightness/Lightness (Luminance) - How bright is the color white MGattass DI-PUC/Rio Marcelo Gattass

139 Computação Gráfica: Luz e Cor
3/26/2017 Munsell Color System Equal perceptual steps in Hue Saturation Value. Hue: R, YR, Y, GY, G, BG, B, PB, P, RP (each subdivided into 10) Value: (dark ... pure white) Chroma: (neutral ... saturated) Example: 5YR 8/4 MGattass DI-PUC/Rio Marcelo Gattass

140 Computação Gráfica: Luz e Cor
3/26/2017 Munsell Book of Colors MGattass DI-PUC/Rio Marcelo Gattass

141 Computação Gráfica: Luz e Cor
3/26/2017 Munsell Book of Colors MGattass DI-PUC/Rio Marcelo Gattass

142 Sistemas de cores por enumeração
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cores por enumeração Munsell Albert H. Munsell - artista plástico (1905) valor ou intensidade mapas de cores base para os sistemas de interface croma ou saturação tonalidade ou matiz Pantone (início dos 60’s) MGattass DI-PUC/Rio Marcelo Gattass

143 Computação Gráfica: Luz e Cor
3/26/2017 Monitores I ) Sistemas dos Monitores - mRGB pixel HiColor processo aditivo MGattass DI-PUC/Rio Marcelo Gattass

144 Sistemas de cor dependentes de dispositivo - mRGB
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor dependentes de dispositivo - mRGB processo aditivo I ) Sistemas dos Monitores - mRGB G verde Y 1.0 amarelo W C ciano branco K vermelho normalmente temos 1 byte para cada componente mapeando [0, 255] em [0,1] preto 1.0 R azul 1.0 M magenta B Componentes somam como vetores MGattass DI-PUC/Rio Marcelo Gattass

145 Sistemas de cor dependentes de dispositivo - mRGB
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor dependentes de dispositivo - mRGB I ) Sistemas dos Monitores - mRGB MGattass DI-PUC/Rio Marcelo Gattass

146 Conversão do mRGB para CIE XYZ e vice-versa
Computação Gráfica: Luz e Cor 3/26/2017 Conversão do mRGB para CIE XYZ e vice-versa Dados (R,G,B) determine (x,y) 1) O fabricante deve informar as coordenadas x,y dos fosforos do monitor ex. R G B white x y ITU-R BT.709 International Telecommunication Union 2) Determine a coordenada z = 1 - x - y ex. R G B white z 3) As coordenadas X,Y,Z são obtidas de: X Y Z XR YR ZR XG YG ZG XB YB ZB R G B = + O problema agora consiste em encontrar as componentes XYZ do R, G e B MGattass DI-PUC/Rio Marcelo Gattass

147 Conversão do mRGB para CIE XYZ (cont.)
Computação Gráfica: Luz e Cor 3/26/2017 Conversão do mRGB para CIE XYZ (cont.) xR = XR/ (XR+YR+ZR), se CR = XR+YR+ZR então XR = xRCR YR = yRCR e ZR = zRCR e XG = xGCG , YG = yGCG e ZG = zGCG XB = xBCB , YB = yBCB e ZB = zBCB da mesma forma substituindo na matriz da equação X Y Z xRCR yRCR zRCR R G B = XR YR ZR XG YG ZG XB YB ZB xGCG yGCG zGCG xBCB yBCB zBCB para determinar as componetes CR , CG e CB usamos o fato de que R=G=B=1 é a cor branca. XW YW ZW xRCR yRCR zRCR xGCG yGCG zGCG xBCB yBCB zBCB 1 xR yR zR xG yG zG xB yB zB CR CG CB = = MGattass DI-PUC/Rio Marcelo Gattass

148 Conversão do mRGB para CIE XYZ (cont.)
Computação Gráfica: Luz e Cor 3/26/2017 Conversão do mRGB para CIE XYZ (cont.) Suponha que o a luminosidade do branco YW = 1.00, temos: YW = yW CW Þ CW = YW / yW = 1.0/ = 3.04 XW = xW CW = 0.31x = ZW = zW CW = x = 1.089 0.95 1.00 1.09 = CR CG CB CR CG CB resolvendo = 0.644 1.192 1.203 Concluindo: = X Y Z R G B R G B = X Y Z MGattass DI-PUC/Rio Marcelo Gattass

149 Computação Gráfica: Luz e Cor
3/26/2017 RGB “normalizado” Cubo RGB MGattass DI-PUC/Rio Marcelo Gattass

150 - sRGB – “A Standard Default Color Space for the Intenet”
Computação Gráfica: Luz e Cor 3/26/2017 - sRGB – “A Standard Default Color Space for the Intenet” Hewlett-Packard and Microsoft propose the addition of support for a standard color space, sRGB, within the Microsoft operating systems, HP products, the Internet, and all other interested vendors. The aim of this color space is to complement the current color management strategies by enabling a third method of handling color in the operating systems, device drivers and the Internet that utilizes a simple and robust device independent color definition. MGattass DI-PUC/Rio Marcelo Gattass

151 Computação Gráfica: Luz e Cor
3/26/2017 ITU-R BT.709 CIE chromaticities for ITU-R BT.709 reference primaries and CIE standard illuminant Red Green Blue D65 x 0.6400 0.3000 0.1500 0.3127 y 0.3300 0.6000 0.0600 0.3290 z 0.0300 0.1000 0.7900 0.3583 MGattass DI-PUC/Rio Marcelo Gattass

152 sRGB viewing environment Parameters
Computação Gráfica: Luz e Cor 3/26/2017 sRGB viewing environment Parameters Condition sRGB Luminance level (typical CRT) 80 cd/m2 Illuminant White x = , y = (D65) Image surround 20% reflectance Encoding Ambient Illuminance Level 64 lux Encoding Ambient White Point x = , y = (D50) Encoding Viewing Flare 1.0% Typical Ambient Illuminance Level 200 lux Typical Ambient White Point Typical Viewing Flare 5.0% MGattass DI-PUC/Rio Marcelo Gattass

153 Computação Gráfica: Luz e Cor
3/26/2017 XYZ  sRGB: Passo 1 Converte utilizando ITU-R BT.709: MGattass DI-PUC/Rio Marcelo Gattass

154 Computação Gráfica: Luz e Cor
3/26/2017 XYZ  sRGB: Passo 2 The sRGB tristimulus values are next transformed to nonlinear sR'G'B' values as follows: If                          else if                         MGattass DI-PUC/Rio Marcelo Gattass

155 XYZ  sRGB: Passo 3 –Digital Color
Computação Gráfica: Luz e Cor 3/26/2017 XYZ  sRGB: Passo 3 –Digital Color MGattass DI-PUC/Rio Marcelo Gattass

156 Computação Gráfica: Luz e Cor
3/26/2017 XYZ  RGB ref_X =          //Observer = 2°, Illuminant = D65 ref_Y = ref_Z = var_X = X / 100        //X = From 0 to ref_X var_Y = Y / 100        //Y = From 0 to ref_Y var_Z = Z / 100        //Z = From 0 to ref_Y var_R = var_X *   var_Y * var_Z * var_G = var_X * var_Y *   var_Z *   var_B = var_X *   var_Y * var_Z *   if ( var_R > ) var_R = * ( var_R ^ ( 1 / 2.4 ) ) else                     var_R = * var_R if ( var_G > ) var_G = * ( var_G ^ ( 1 / 2.4 ) ) else                     var_G = * var_G if ( var_B > ) var_B = * ( var_B ^ ( 1 / 2.4 ) ) else                     var_B = * var_B R = var_R * 255 G = var_G * 255 B = var_B * 255 MGattass DI-PUC/Rio Marcelo Gattass

157 Computação Gráfica: Luz e Cor
3/26/2017 sRGB  XYZ S N MGattass DI-PUC/Rio Marcelo Gattass

158 Computação Gráfica: Luz e Cor
3/26/2017 XYZ  RGB var_R = ( R / 255 )        //R = From 0 to 255 var_G = ( G / 255 )        //G = From 0 to 255 var_B = ( B / 255 )        //B = From 0 to 255 if ( var_R > ) var_R = ( ( var_R ) / ) ^ 2.4 else                   var_R = var_R / if ( var_G > ) var_G = ( ( var_G ) / ) ^ 2.4 else                   var_G = var_G / if ( var_B > ) var_B = ( ( var_B ) / ) ^ 2.4 else                   var_B = var_B / var_R = var_R * 100 var_G = var_G * 100 var_B = var_B * 100 //Observer. = 2°, Illuminant = D65 X = var_R * var_G * var_B * Y = var_R * var_G * var_B * Z = var_R * var_G * var_B * MGattass DI-PUC/Rio Marcelo Gattass

159 Reflexão da luz num papel
Computação Gráfica: Luz e Cor 3/26/2017 Reflexão da luz num papel Reflexão difusa ou lambertiana MGattass DI-PUC/Rio Marcelo Gattass

160 Sistemas de cor dependentes de dispositivo - CMY
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor dependentes de dispositivo - CMY II ) Sistemas das Impressoras -CMY ou CMYK processo predominantemente subtrativo luz branca (1,1,1) normal q luz ciano (0,1,1) tinta ciano (0,1,1) papel branco (1,1,1) componente vermelha é absorvida C Y M R G B K MGattass DI-PUC/Rio Marcelo Gattass

161 Computação Gráfica: Luz e Cor
3/26/2017 R=M+Y magenta B G R yellow B G R + B G R red = Idit Haran MGattass DI-PUC/Rio Marcelo Gattass

162 Sistemas de cor dependentes de dispositivo - CMY
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor dependentes de dispositivo - CMY II ) Sistemas das Impressoras -CMY ou CMYK MGattass DI-PUC/Rio Marcelo Gattass

163 Computação Gráfica: Luz e Cor
3/26/2017 CMYK Color Model CMYK = Cyan, Magenta, Yellow, blacK B G R transmit Cyan – removes Red Magenta – removes Green B G R Yellow – removes Blue B G R Black – removes all MGattass DI-PUC/Rio Marcelo Gattass

164 Conversão RGB para CMY e vice-versa
Computação Gráfica: Luz e Cor 3/26/2017 Conversão RGB para CMY e vice-versa B R G 1.0 Y M C W K vermelho azul preto verde amarelo ciano magenta branco (r,g,b) (c,m,y) MGattass DI-PUC/Rio Marcelo Gattass

165 Sistemas de cor dependentes de dispositivo - CMYK
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor dependentes de dispositivo - CMYK O sistema CMYK usa o preto (blacK) porque o pigmento (carbono) é mais barato; A superposição de ciano, magenta e amarelo para produzir preto gera um tom meio puxado para o marron. Y K K := a min (C, M, Y) a Î [0,1] C := C - K M := M - K Y := Y - K M base linearmente dependente C MGattass DI-PUC/Rio Marcelo Gattass

166 Computação Gráfica: Luz e Cor
3/26/2017 CMY + Black C + M + Y = K (black) Using three inks for black is expensive C+M+Y = dark brown not black Black instead of C+M+Y is crisper with more contrast = 50 + 100 50 70 50 20 C M Y K C M Y MGattass DI-PUC/Rio Marcelo Gattass

167 Computação Gráfica: Luz e Cor
3/26/2017 3D Color Spaces Tri-cromatico sugere espaço 3D Cartesiano Polar Luminância Saturação Matiz(Hue) G B R MGattass DI-PUC/Rio Marcelo Gattass

168 Computação Gráfica: Luz e Cor
3/26/2017 HSV MGattass DI-PUC/Rio Marcelo Gattass

169 Computação Gráfica: Luz e Cor
3/26/2017 HSV/HSB Color Space HSV = Hue Saturation Value HSB = Hue Saturation Brightness Saturation Scale Brightness Scale MGattass DI-PUC/Rio Marcelo Gattass

170 Computação Gráfica: Luz e Cor
3/26/2017 HSV Value Saturation Hue Marcelo Gattass

171 Sistemas de cor mais indicados para interface com usuário - HSV
Computação Gráfica: Luz e Cor 3/26/2017 Sistemas de cor mais indicados para interface com usuário - HSV K S V H R Y G C B M Saturation Hue Value R G B C M Y W R G B V decompor (r,g,b) na base de V e do espaço ortogonal a ele. MGattass DI-PUC/Rio Marcelo Gattass

172 Transformação RGB para HSV e vice-versa
Computação Gráfica: Luz e Cor 3/26/2017 Transformação RGB para HSV e vice-versa R G B Max = max(R,G,B) Min = min(R,G,B) no caso G e B, respectivamente V = Max R G B S = ( Max-Min ) / Max B R S=0 S=1 Min Max MGattass DI-PUC/Rio Marcelo Gattass

173 Conversão RGB para HSV cálculo de H
Computação Gráfica: Luz e Cor 3/26/2017 Conversão RGB para HSV cálculo de H G(120o) V Y (60o) C(180o) R (0o) 120o 60o B(240o) 180o M(300o) 0o 240o 300o H S r R 120o H b g 180o B MGattass DI-PUC/Rio Marcelo Gattass

174 Computação Gráfica: Luz e Cor
3/26/2017 HLS Color Space HLS = Hue Lightness Saturation red 0° green 120° yellow Blue 240° cyan magenta V black 0.0 0.5 H S MGattass DI-PUC/Rio Marcelo Gattass

175 Computação Gráfica: Luz e Cor
3/26/2017 HLS L Pierre Courtellemont MGattass DI-PUC/Rio Marcelo Gattass

176 Computação Gráfica: Luz e Cor
3/26/2017 Opponent Color Spaces + black-white + blue-yellow - + red-green - - MGattass DI-PUC/Rio Marcelo Gattass

177 Computação Gráfica: Luz e Cor
3/26/2017 YIQ Color Model YIQ is the color model used for color TV in America (NTSC= National Television Systems Committee) Y is luminance, I & Q are color (I=red/green,Q=blue/yellow) Note: Y is the same as CIE’s Y Result: backwards compatibility with B/W TV! Convert from RGB to YIQ: The YIQ model exploits properties of our visual system, which allows to assign different bandwidth for each of the primaries (4 MHz to Y, 1.5 to I and 0.6 to Q) MGattass DI-PUC/Rio Marcelo Gattass

178 Computação Gráfica: Luz e Cor
3/26/2017 Codificação de Vídeo Função de Transferência CCIR Rec.709 0,2 0,4 0,6 0,8 1 0,1 0,3 0,5 0,7 0,9 Intensidade da luz Sinal de vídeo (voltagem ou código) R’709 = R G’709 = G B’709 = B MGattass DI-PUC/Rio Marcelo Gattass

179 Sistema (Y’, B’-Y’, R’-Y’)
Computação Gráfica: Luz e Cor 3/26/2017 Sistema (Y’, B’-Y’, R’-Y’) Y’601 = R’ G’ B’ Componente luma de vídeo B’-Y’601 = B’ -( R’ G’ B’) R’-Y’601 = R’ -( R’ G’ B’) Componente de diferença de cor = Y’ B’- Y’ R’- Y’ R’ G’ B’ Motivação: As componentes de diferença de cor podem ser sub-amostradas! MGattass DI-PUC/Rio Marcelo Gattass

180 Cubo RGB no espaço (Y’, B’-Y’, R’-Y’)
Computação Gráfica: Luz e Cor 3/26/2017 Cubo RGB no espaço (Y’, B’-Y’, R’-Y’) MGattass DI-PUC/Rio Marcelo Gattass

181 Computação Gráfica: Luz e Cor
3/26/2017 Conversão para vídeo vídeos analógicos (BetaCam e M-II) vídeos digitais com 8 bits/componente (JPEG, MPEG) MGattass DI-PUC/Rio Marcelo Gattass

182 Uma fórmula para conversão para video
Computação Gráfica: Luz e Cor 3/26/2017 Uma fórmula para conversão para video RGB to YCrCb YCrCb to RGB MGattass DI-PUC/Rio Marcelo Gattass

183 Computação Gráfica: Luz e Cor
3/26/2017 O que não abordamos? MGattass DI-PUC/Rio Marcelo Gattass

184 Computação Gráfica: Luz e Cor
3/26/2017 Sistema visual MGattass DI-PUC/Rio Marcelo Gattass

185 Computação Gráfica: Luz e Cor
3/26/2017 Anatomia do olho neuronios fotoreceptores ~140×106 receptores em cada olho ~1×106 fibras nos nervos ópticos ~650 ×106 neuronios Sistema muito complexo! MGattass DI-PUC/Rio Marcelo Gattass

186 Computação Gráfica: Luz e Cor
3/26/2017 Banda de Mach Branco Intensidade Preto Posição Efeito da Banda de Mach MGattass DI-PUC/Rio Marcelo Gattass

187 Computação Gráfica: Luz e Cor
3/26/2017 Contraste Simultâneo MGattass DI-PUC/Rio Marcelo Gattass

188 Computação Gráfica: Luz e Cor
3/26/2017 Contraste MGattass DI-PUC/Rio Marcelo Gattass

189 Computação Gráfica: Luz e Cor
3/26/2017 Conclusões do cérebro MGattass DI-PUC/Rio Marcelo Gattass

190 Computação Gráfica: Luz e Cor
3/26/2017 Tiângulo de Kanizsa MGattass DI-PUC/Rio Marcelo Gattass

191 Capacidade de reconstrução do cérebro
Computação Gráfica: Luz e Cor 3/26/2017 Capacidade de reconstrução do cérebro This is a demonstration of a spatial phenomenon, caused by the fact that we have relatively few S cones in our retina. In turn, this means that S cones alias signals that have high spatial frequency. The most obvious signs of this are that narrow blue stripes look green (and blue text is notoriously hard to read). Look at the sets of stripes in the next three slides --- do the narrow ones look greener? MGattass DI-PUC/Rio Marcelo Gattass

192 Computação Gráfica: Luz e Cor
3/26/2017 Here’s a chance to see them all together; again, narrower ones should look greener. You can also demonstrate adaptation with this slide. Marcelo Gattass

193 Computação Gráfica: Luz e Cor
3/26/2017 Tente ler as cores da coluna da esquerda, da direita e do centro (nesta ordem) o mais rápido possivel. Qual voce demorou mais? Marcelo Gattass

194 Computação Gráfica: Luz e Cor
3/26/2017 25 6 45 8 29 56 MGattass DI-PUC/Rio Marcelo Gattass

195 Computação Gráfica: Luz e Cor
3/26/2017 Referências MGattass DI-PUC/Rio Marcelo Gattass

196 Computação Gráfica: Luz e Cor
3/26/2017 FIM Marcelo Gattass

197 Que medida física da luz corresponde a “intensidade rgb”?
Computação Gráfica: Luz e Cor 3/26/2017 Que medida física da luz corresponde a “intensidade rgb”? MGattass DI-PUC/Rio Marcelo Gattass

198 Computação Gráfica: Luz e Cor
3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

199 Medidas do espectro da luz solar
Computação Gráfica: Luz e Cor 3/26/2017 Medidas do espectro da luz solar Potência Relativa made by J. Parkkinen and P. Silfsten. MGattass DI-PUC/Rio Marcelo Gattass

200 Espectro de luz refletidas
Computação Gráfica: Luz e Cor 3/26/2017 Espectro de luz refletidas Measurements by E.Koivisto. MGattass DI-PUC/Rio Marcelo Gattass

201 Computação Gráfica: Luz e Cor
3/26/2017 Espectro de luzes 380 480 580 680 780 380 480 580 680 780 MGattass DI-PUC/Rio Marcelo Gattass

202 Espectros do Sol e de um Corpo Negro
Computação Gráfica: Luz e Cor 3/26/2017 Espectros do Sol e de um Corpo Negro Corpo negro Sol adaptado de Robert Siegel, Thermal Radiation Heat Transfer, 1992 MGattass DI-PUC/Rio Marcelo Gattass

203 colour Matching Experiment 1
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 1 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

204 colour Matching Experiment 1
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 1 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

205 colour Matching Experiment 1
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 1 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

206 Mudança de Base do Espaço de Cor
Computação Gráfica: Luz e Cor 3/26/2017 Mudança de Base do Espaço de Cor G B R Y X Z G B R MGattass DI-PUC/Rio Marcelo Gattass

207 colour Matching Experiment 2
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 2 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

208 colour Matching Experiment 2
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 2 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

209 colour Matching Experiment 2
Computação Gráfica: Luz e Cor 3/26/2017 colour Matching Experiment 2 Image courtesy Bill Freeman MGattass DI-PUC/Rio Marcelo Gattass

210 Componentes das cores monocromáticas - CIE RGB -
Computação Gráfica: Luz e Cor 3/26/2017 Componentes das cores monocromáticas - CIE RGB - C(l ) = r(l) R + g(l) G + b(l) B 0.4 b(l ) r(l ) g(l ) 0.2 Valores dos tri-esimulos l (nm) 400 500 600 700 438 nm 546 nm - 0.2 Combinação de três cores (RGB) para reproduzir as cores espectrais MGattass DI-PUC/Rio Marcelo Gattass

211 Características das fontes luminosas
Computação Gráfica: Luz e Cor 3/26/2017 Características das fontes luminosas 400 500 600 700 l (nm) E brilho (brightness) intensidade define o brilho (brightness) E comprimento de onda dominante define a matiz (hue) 400 500 600 700 l (nm) matiz (hue) 400 500 600 700 l (nm) E saturação a concentração no comprimento de onda dominante define a saturação ou pureza cores pastéis são menos saturadas ou menos puras MGattass DI-PUC/Rio Marcelo Gattass

212 Reflectâncias espectrais de flores
Computação Gráfica: Luz e Cor 3/26/2017 Reflectâncias espectrais de flores Measurements by E.Koivisto. MGattass DI-PUC/Rio Marcelo Gattass

213 Sensibilidade relativa dos cones
Computação Gráfica: Luz e Cor 3/26/2017 Sensibilidade relativa dos cones .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 400 440 480 520 560 600 640 680 l fração de luz absorvida por cada cone comprimento de onda (nm) MGattass DI-PUC/Rio Marcelo Gattass

214 Computação Gráfica: Luz e Cor
3/26/2017 Metamerismo Two lights that appear the same visually. They might have different SPDs (spectral power distributions) Idit Haran MGattass DI-PUC/Rio Marcelo Gattass

215 Computação Gráfica: Luz e Cor
3/26/2017 Ordem e Progresso MGattass DI-PUC/Rio Marcelo Gattass

216 Computação Gráfica: Luz e Cor
3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

217 Computação Gráfica: Luz e Cor
3/26/2017 MGattass DI-PUC/Rio Marcelo Gattass

218 Computação Gráfica: Luz e Cor
3/26/2017 After-Image-white MGattass DI-PUC/Rio Marcelo Gattass

219 Computação Gráfica: Luz e Cor
3/26/2017 Opponent Colors Image Afterimage MGattass DI-PUC/Rio Marcelo Gattass

220 Tons de cinza igualmente espaçados
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza igualmente espaçados MGattass DI-PUC/Rio Marcelo Gattass

221 Tons de cinza corrigidos
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza corrigidos MGattass DI-PUC/Rio Marcelo Gattass

222 Tons de cinza igualmente espaçados
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza igualmente espaçados MGattass DI-PUC/Rio Marcelo Gattass

223 Tons de cinza corrigidos
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza corrigidos MGattass DI-PUC/Rio Marcelo Gattass

224 Tons de cinza igualmente espaçados
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza igualmente espaçados MGattass DI-PUC/Rio Marcelo Gattass

225 Tons de cinza corrigidos
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza corrigidos MGattass DI-PUC/Rio Marcelo Gattass

226 Tons de cinza igualmente espaçados
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza igualmente espaçados MGattass DI-PUC/Rio Marcelo Gattass

227 Tons de cinza corrigidos
Computação Gráfica: Luz e Cor 3/26/2017 Tons de cinza corrigidos MGattass DI-PUC/Rio Marcelo Gattass