了解YCbCr颜色空间中的Cb和Cr成分


11

我熟悉加性(RGB),次主色(CMYK)和类似HSV的色彩空间,但是我目前试图理解的一篇文章在YCbCr色彩空间上进行图像分割/对象定义。

我整个上午都在寻找可以自然解释YCbCr的东西,但我却一无所获。我有一个不错的直观解释该色彩空间背后的总体思路 这里,和它是如何用于图像编码的/压缩的解释,这些 (全部在photo.SE)。

从RGB计算YCbCr的公式很容易在维基百科上找到

我得到了这种表示的动力,我得到了Y分量包含有关图像的最重要的(对于人眼而言)灰度信息。

我知道Cb和Cr带有关于颜色的信息,并且(由于人眼的敏感性)可以压缩它们,而看不到质量的损失。但是,每个色度分量实际上代表什么?

正如文章作者提到的那样,“色度信息在对象定义中至关重要”,而我目前的“ Y是强度,Cb和Cr某种程度上承载了颜色信息”水平,我无法完全理解我正在阅读的内容。了解YCbCr。

我正在寻找“ Cb是...,而Cr是...”或“如果您想通过XY查看/实际上是在查看Cb成分...”的答案,或者另一种可以帮助我理解每个组件分别承载的信息的方法,而不仅仅是它们一起承载了颜色信息。

编辑

让我举例说明我正在寻找的其他颜色空间的直观解释:

RGB:就像在黑色的墙壁上照耀着彩色的手电筒一样:如果您用蓝色的手电筒照亮,则会看到蓝色的反射。如果添加红色手电筒,它将显示品红色反射,是蓝色和红色的混合物。

CMYK:就像混合水彩画一样,您“添加表面反射的颜色”(即从背景中减去颜色),因此,如果将黄色和青色混合在一起,则将反射绿色,从而得到绿色。

HSV:小孩被高度饱和的物体所吸引,而不是明亮的(有价值的)物体。色相成分是“赋予颜色”的成分,而低饱和度意味着颜色被白色“稀释”。价值的变化使整个事物变得更亮或更暗。

有了这些定义,我就可以直观地了解每个颜色空间中的颜色表示的含义,而无需记住每个图表的颜色。

Answers:


7

YUV(或YCbCr)类似于HSV,但坐标不同。(YUV和YCbCr之间的差异很小-主要与精确的公式有关)。

V小号HüVH小号

ü=小号cosH

V=小号H

您可以查看链接以获取更多信息。

要添加到您的直觉列表中的另一件事:

从光谱的角度来看,饱和度是指颜色的纯度。例如,激光具有非常窄的光谱,这意味着高饱和度。


为了完整起见,您可以添加YUV和YCbCr之间差异的解释吗?
penelope 2012年

@Andrey Rubshtein,如果激光具有很高的饱和度,反过来是真的吗?换句话说,如果我测量RGB并转换为HSV,那么高饱和度是否暗示它必须源自相干激光源?谢谢。
弗兰克,

@弗兰克,不一定是激光。但是很难有一个宽光谱的饱和色,因为它越宽,就越难在一种成分中产生高响应。
Andrey Rubshtein

@Andrey Rubshtein,谢谢您的回答。饱和强度的mks单位是每单位时间每单位面积的能量。。饱和能量通量的mks单位是每单位面积的能量。固态激光脉冲较长的地方,为10到50 ns(纳秒)。光谱很窄的高饱和度是否暗示它必须来自相干激光源?
Frank

@安德烈·鲁宾(Andrey Rubshein)。您是完全正确的。我刚刚发现LED发出的光几乎都是单色的,低压钠灯也是如此。是否存在相干激光指示器的独特特征,可用来区分激光指示器光束与通过波音737航空公司驾驶舱窗口观察到的整体图像不同?
弗兰克

2

不确定“实际”是什么意思,因为RGB和YUV都不代表光子频率或典型的人眼杆/锥响应。但是您可以通过合成一些YCrCb色块来查看它们的外观,例如(1,1,0),(1,-1,0),(1,0,1),(1,0,- 1)等

这是一个包含图表的Wikipedia页面:

http://en.wikipedia.org/wiki/File:YCbCr-CbCr_Scaled_Y50.png

添加:RGB等几乎是为了与人类可能对感知的直觉理解相匹配而设计(或演变的)(而颜色名称被证明是文化习得的)。YUV是相反的,其设计使得UV区域中的噪声(添加到嘈杂的NTSC子带中)很难看到,因此很难描述。YCrCb是相同颜色映射的变体。因此,不要寻找可能不存在的现有“直觉”见解。也许可以通过“学习”图表并建立一些全新的神经连接来创建自己的神经连接,而这些连接目前尚不存在于大脑中(或类似的东西)。


我添加了我想为YCbCr获得的其他颜色空间类型的示例。希望这使我正在寻求的解释类型更加清晰。
penelope 2012年

0

当您了解HSV / HSB时,不难理解YCbCr。HSB中的B通道与色度相对应(色度=饱和度http://vident.com/products/shade-management/color-theory/understanding-color-overview/hue-value-and-chroma/)。您可以拍摄rgb图像并将其转换为灰度,也可以将RGB的每个通道转换为灰度并将它们合并为一个通道。为简单起见,我们将像素设置为100%红色,100%绿色和70%蓝色。您将计算平均值...(100 + 100 + 70)/ 3,您将获得90%的值,这意味着90%的亮度。因此,在灰度级中,它是非常浅的灰色。现在,如果要向灰度通道表达原始颜色,则每种颜色(红色,绿色,蓝色)需要3个公式。您将计算出值R与灰度,G与灰度以及B与灰度之差。这将需要4个通道(RGB +色度)。但是我们可以用3个通道来做同样的事情。我们可以对绿色通道进行小的校正。让我们计算与绿色通道的差异。原始绿色为100%,绿色转换为灰色的新值是90%。差异为-10%。因此,让我们通过此差异来更改此像素的R和B通道。我们只是进行了伽玛校正或所有通道。绿色通道值将与灰度图像相同。因此,我们不再使用绿色通道进行计算。Y ...色度通道中的绿色已“编码”。其余的颜色(R,B)也被调整。R` =原始值的90%或Y的100%,因为在此示例中R和B相等。B化合物相对于原始化合物具有+ 20%的差异,但是在通过伽马校正对其进行更改后,其相对于Y具有+ 30%的差异。为简化起见,它类似于公式,您需要为所有三种化合物进行加法运算。红色和蓝色的区别是Cb和Cr。这些字符只是说您比较了蓝色通道和色度通道,红色通道和色度通道。因此,Cb和Cr。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.