Découvrez les concepts de traitement du signal numérique qui nous aident à stocker et à manipuler les informations sur les couleurs.
Découvrez les concepts de traitement du signal numérique qui nous aident à stocker et à manipuler les informations sur les couleurs.
Qu’est-ce que la couleur? La question est beaucoup moins simple qu’il n’y paraît. Pour les gens, la couleur est une caractéristique visuelle profondément liée aux aspects émotionnels, esthétiques et culturels de l’expérience humaine. Dans le contexte de la physique, la couleur n’est qu’un moyen commode de se référer à différentes longueurs d’onde de rayonnement électromagnétique. Dans le domaine purement physique, la couleur n’existe donc pas vraiment. Les ondes lumineuses existent et la longueur d’onde de cette lumière peut en effet varier, mais la couleur – verte, bleue, rouge et tout le reste – est une délicieuse fiction créée par le cerveau humain, qui pour une raison quelconque a regardé l’horizon et a décidé que le le méli-mélo de rayonnement électromagnétique de 600 nm devrait ressembler à ceci:
Cette discussion met en évidence la difficulté de traduire la couleur dans le domaine numérique. La couleur est un phénomène intrinsèquement subjectif: les longueurs d’onde sont des choses objectives, mais l’apparence visuelle liée à une longueur d’onde particulière est établie par le système biologique qui reçoit et interprète le rayonnement électromagnétique. Et comme les ordinateurs, les robots et les systèmes de capteurs sont généralement utilisés par les gens, le traitement numérique des couleurs a pour objectif de créer des informations et des images cohérentes avec la vision humaine.
Qu’est-ce qu’un modèle de couleur?
La manière partiellement psychologique dont la cognition humaine formule des images colorées en fonction de la longueur d’onde n’est pas quelque chose qui peut être reproduit dans une machine. Au lieu de cela, les machines utilisent un modèle de couleur, que je décrirais comme une approximation mathématique de la nature intrinsèquement non quantifiable de la perception visuelle humaine.
[Note de l’auteur: Les informations ci-dessus se sont révélées beaucoup plus controversées que je ne le pensais! Veuillez consulter les commentaires à la fin de cet article et n’hésitez pas à contribuer à la discussion et à vous faire votre propre opinion sur l’interaction fascinante entre les caractéristiques physiques du rayonnement électromagnétique et l’expérience humaine de la couleur.]
De nombreux modèles de couleurs existent, et ils ont probablement tous des avantages et des inconvénients qui les rendent plus ou moins adaptés à une application donnée. Dans cet article, nous allons discuter des deux plus couramment utilisés dans le contexte du traitement d’image numérique: RVB et HSI.
Le modèle de couleur RVB
Comme vous le savez probablement, RVB signifie rouge, vert, bleu. Le modèle de couleur RVB est additif: la lumière rouge, verte et bleue sont ajoutées ensemble dans des proportions variables pour produire une vaste gamme de couleurs.
Il est important de garder à l’esprit que les couleurs réelles ne sont pas en réalité un mélange de rouge, vert et bleu. Le violet, par exemple, est le violet, pas un vecteur qui s’étend sur 33 unités dans le sens rouge, 39 unités dans le sens vert et 127 unités dans le sens bleu. Néanmoins, le modèle RVB a connu un succès retentissant et est fréquemment utilisé dans les applications de capteurs et de traitement d’images.
À mon avis, le modèle RVB est, dans l’ensemble, assez intuitif. La clé pour comprendre le traitement d’image RVB est de reconnaître qu’une image RVB est simplement un composite de trois images indépendantes en niveaux de gris qui correspondent à l’intensité de la lumière rouge, verte et bleue.
Ces trois images peuvent être traitées séparément puis recombinées en une seule image que les êtres humains percevront comme ayant des couleurs.
La collecte de données RVB est également simple, encore une fois, car les images RVB se résument à l’intensité. Un photocapteur qui mesure l’intensité lumineuse devient un capteur R, G ou B si vous le combinez avec un filtre optique, ce qui signifie que vous pouvez générer des données RVB à l’aide d’une unité composée de trois photocapteurs et de trois filtres optiques. En fait, j’ai utilisé un capteur comme celui-ci pour une série de projets que j’ai écrite il y a quelques années.
Il serait raisonnable de supposer que les photographies couleur ou les images vidéo nécessiteraient trois capteurs d’image CCD ou CMOS complets, mais il s’avère qu’un système peut générer des images couleur de haute qualité à partir d’un capteur d’image en utilisant un filtre Bayer puis en appliquant un traitement spécialisé. algorithmes aux données résultantes.
L’arrangement des couleurs dans un filtre Bayer. Image créée par Cburnett et prise à partir de Wikimedia Commons.
Le modèle de couleur HSI
HSI signifie teinte, saturation, intensité. Ce modèle est intéressant car il peut initialement sembler moins intuitif que le modèle RVB, malgré le fait qu’il décrit la couleur d’une manière beaucoup plus cohérente avec la perception visuelle humaine.
Il est vrai que le modèle RVB s’appuie sur notre familiarité avec le mélange des couleurs primaires pour créer d’autres couleurs, mais en termes de perception réelle, le RVB n’est pas très naturel. Les gens ne regardent pas un pamplemousse et pensent aux proportions de rouge, de vert et de bleu qui sont cachées à l’intérieur de la couleur un peu terne, jaunâtre-orangée de l’écorce ou de la chair rougeâtre plus brillante. Bien que vous ne l’ayez probablement jamais réalisé, vous pensez davantage à la couleur en termes de teinte, de saturation et d’intensité.
La teinte est la couleur elle-même. Lorsque vous regardez quelque chose et essayez d’attribuer un mot à la couleur que vous voyez, vous identifiez la teinte. Le concept de teinte est cohérent avec la façon dont une longueur d’onde de lumière particulière correspond à une couleur perçue particulière.
La saturation fait référence à la «densité» de la teinte dans la lumière qui atteint votre œil. Si vous regardez un mur plus ou moins blanc mais avec un vague soupçon de pêche, la teinte est toujours pêche, mais la saturation est très faible. En d’autres termes, la lumière de couleur pêche atteignant votre œil est soigneusement diluée par la lumière blanche. La couleur d’une pêche réelle, en revanche, aurait une valeur de saturation élevée.
L’intensité est essentiellement la luminosité. Dans une photographie en niveaux de gris, les zones plus claires apparaissent moins grises (c’est-à-dire plus proches du blanc) et les zones plus sombres apparaissent plus grises. Un système d’imagerie en niveaux de gris enregistre fidèlement l’intensité de la lumière, malgré le fait qu’il ignore les couleurs. Le modèle de couleur HSI fait quelque chose de similaire en ce qu’il sépare l’intensité de la couleur (la teinte et la saturation contribuent à ce que nous appelons la couleur).
HSI est étroitement lié à deux autres modèles de couleurs: HSL (teinte, saturation, luminosité) et HSV (teinte, saturation, valeur). Les différences entre ces modèles sont assez subtiles; l’important à ce stade est de savoir que les trois modèles sont utilisés et qu’ils adoptent tous la même approche générale pour quantifier la couleur.
Les trois images suivantes sont des captures d’écran d’un programme graphique appelé Inkscape; ils indiquent les composants H, S et L des trois couleurs ci-dessus (dans la section RVB).
Cliquez pour agrandir.
Conclusion
Nous avons couvert certaines informations de base relatives aux systèmes de représentation des couleurs qui sont utiles dans les applications de vision industrielle. Si vous avez effectué un travail de traitement d’image qui n’était pas basé sur le modèle de couleurs RVB ou HSI / HSL / HSV, n’hésitez pas à laisser un commentaire et à nous faire part de vos expériences.
Cliquez ici pour plus d’édification sur le digitale
