R+G+B+Infrarot auf R+G+B abbilden?

Ein Foto, das Farben jenseits des üblichen sichtbaren Spektrums enthält, kann konstruiert werden, indem das Bild einer herkömmlichen Kamera mit dem einer Infrarot- (oder Ultraviolett- oder Röntgen-) Kamera "überlagert" wird.

Gibt es effektive Möglichkeiten, die mehr als drei Kanäle eines solchen Fotos auf die drei von R, G, B abzubilden? Ich habe mit Zuordnungen herumgespielt, wie z

  • Infrarot -> R
  • Durchschnitt(R,G) --> G
  • Durchschnitt(G,B) --> B

aber ich hoffe auf etwas wahrnehmungsstärkeres.

Haben Sie versucht, den IR-Kanal mit einer Helligkeitsmischung hinzuzufügen?
Nun, da es immerhin Infrarot ist, wie wäre es, wenn Sie in HSV (oder HSL) arbeiten und den sichtbaren Spektrumsteil ein wenig "komprimieren" - zum Beispiel [rot-rot] zu [gelb-rot] und dann das Infrarot wieder "einfügen". Anfang des Farbtonspektrums. Siehe hier en.wikipedia.org/wiki/HSL_and_HSV für (hoffentlich) klärende Bilder :-) Ich erwarte, dass die Ergebnisse je nach Originalbild und IR-Kanal seltsam oder künstlerisch sein werden.
@FredP, konvertieren Sie also RGB in HSV und schieben Sie H von Rot weg. Konvertieren Sie auch das Infrarot in ein anderes HSV mit rein rotem H; Kombinieren Sie dann diese beiden HSVs mit einer Art Mischvorgang (wie beispielsweise Andys Helligkeitsmischung)?
Nur ein Vorschlag, aber ja ... warum versuchen Sie es nicht, wenn Sie Zeit haben. Mischen ist eine gute Idee, da sonst der Übergang von Rot (ex-IR) zu Gelb (ex-rot) abrupt sein könnte (abhängig von der Empfindlichkeit Ihres IR-Sensors gegenüber anderen Wellenlängen ...), daher wahrscheinlich hässlich. Probieren Sie eine lineare (oder vielleicht eher S-Kurve für eine feinere Steuerung?) Helligkeitsmischung in den ("am gelblichsten") Orangen aus. Wenn Sie es versuchen, wäre ich gespannt auf die Ergebnisse (wenn möglich natürlich). Vielleicht einfacher/schneller: Sie könnten die Sättigung des ursprünglichen RGB verringern (Versuch und Irrtum für %, sagen wir auf 70%) und IR im roten Kanal hinzufügen (mit 30% maximaler Sättigung).
Bevor wir fortfahren, was meinen Sie mit „wahrnehmungsgerecht“? Ich glaube nicht, dass ich diesen Satz schon einmal gehört habe. "Wahrscheinlich gleichförmig", OTOH, ist mir vertraut.
Basierend auf gemessenen Eigenschaften des menschlichen Sehens, anstatt auf einer Gleichung, die ich aus meinem Hut gezogen habe. Oder, wenn Sie möchten, basierend auf der Informationstheorie: Vier Zahlen in drei quetschen, aber das wegwerfen, was am wenigsten kommuniziert (vergleichen Sie zum Beispiel die relative Bandbreite von Y, I und Q in NTSC).

Antworten (4)

Einige der Antworten hier behandelten eine komplexere Frage: Was ist die optimale Zuordnung von mehr als 4 Farben zu einem 3-Komponenten-Bild? Das ist eine sehr subjektive Frage. Aus künstlerischer Sicht gibt es darauf keine gute Antwort.

Aber aus technischer Sicht kann man Kompressionsalgorithmen verwenden. Ein sehr einfacher Algorithmus für die Mehrfachbandkomprimierung heißt PCA (Hauptkomponentenanalyse).

Es findet "im Grunde" eine lineare Transformation Ihrer X-Spektralkomponenten in Y neue Spektralkomponenten auf eine Weise, dass:

  1. jede Komponente ist orthogonal zur anderen (sie haben eine minimale Korrelation).
  2. die Komponenten werden nach dem Variabilitätsgrad im Bild sortiert. Die ersten Komponenten enthalten also die meisten Daten und die letzten Komponenten sind hauptsächlich Rauschen.

Wenn Sie also im Grunde einen Algorithmus wie PCA oder einen gleichwertigen Algorithmus verwenden und die ersten 3 Komponenten als RGB anzeigen, erhalten Sie ein Bild mit maximaler Information und maximalem Kontrast, das in eine 3-Band-Komposition eingefügt werden kann. Wird es ein schönes Bild? nicht unbedingt. natürlich aussehend? höchstwahrscheinlich nein. Aber es ist wahrscheinlich nützlicher, wenn Sie ein Wissenschaftler / Ingenieur sind und den Kontrast verbessern möchten.

Betrachten Sie das 4-Kanal-Bild also nur als eine Reihe von Pixeln, dh Punkte mit 4 Koordinaten. Führen Sie PCA aus. Davon behalten Sie nur die ersten 3 Koordinaten. Ordnen Sie diese dann RGB oder besser etwas zu, das auf Luma und Chroma basiert. Ist das richtig?
ja genau. Aber ich würde vorschlagen, sich etwas Besseres als PCA anzusehen, es ist ein guter Anfang, aber es gibt bessere Algorithmen. Der Kernel-PCA-Algorithmus ist ein moderneres Beispiel und ermöglicht das Auffinden einer nichtlinearen Transformation, die in vielen Fällen benötigt wird.

Ich fürchte, es gibt keine allgemeingültige Antwort auf diese Frage, da die Zuordnung von eingehenden Lichtwerten zu ausgegebenen Pixelwerten niemals 1-zu-1 ist, nicht einmal für einfache Fotos mit sichtbarem Licht. Sie können damit beginnen, etwas über Gammakorrektur und Tonemapping zu lesen . Typischerweise variiert die genaue Zuordnung je nach Inhalt des Fotos.

Ich vermute, Sie werden mehr Glück haben, an solchen zusammengesetzten Bildern mit einem Grafikeditor zu arbeiten, als mit einer mathematikgesteuerten Anwendung, die einfach über alle Pixel iteriert. Um optimale Ergebnisse zu erzielen, müssen Sie möglicherweise Masken verwenden, um leicht unterschiedliche Kurven auf verschiedene Bereiche desselben Bildes anzuwenden.

Diese Zuordnungen befassen sich nur mit (Anpassung des dynamischen Bereichs von) 3-Komponenten-Farben. Bei dieser Frage geht es jedoch darum, mehr als 3 Komponenten auf nur 3 zu reduzieren. AFAIK PhotoShop kann beispielsweise ein 7-Kanal-Bild nicht manipulieren (es sei denn, Sie gießen die zusätzlichen Kanäle einzeln durch eine Mischung ein). Vielleicht kann spezialisierte Astronomie-Software das?

Spezialisierte Astronomie-Software konvertiert typischerweise drei Kanäle, die in verschiedenen Filtern aufgenommen wurden (z. B. drei der „Breitband“-Filter von Johnson UBVRIJHK…., die Ultraviolett bis 2,5 Mikrometer und darüber hinaus umfassen) in RGB-Kanäle, die Menschen sehen können. Fotografische Bildgebungssoftware denkt an Bilder in drei Farben (glaube ich), da handelsübliche Kameras drei Farbbilder aufnehmen ... Sie müssten herausfinden, wie Sie die drei Kanäle abbilden, die Ihr Detektor mit Ihrer Filterung in RGB erhält. Wenn Sie in die Programmierung Ihrer eigenen Mischungen einsteigen, ist dies nicht so schwierig, indem Sie beispielsweise eine freie, moderne Sprache wie Python verwenden, die über eine Bildbibliothek (PIL) verfügt.

Wie bei der „CIR“-Antwort hier ist es also üblich, nur drei Kanäle auszuwählen und den Rest zu verwerfen. Die "PCA"-Antwort ist mehr Arbeit, aber vielversprechender.
Satellitenbilder wie LANDSAT wählen ebenfalls nur drei Kanäle aus und verwerfen den Rest.

Wie bereits gesagt, gibt es dafür keine Norm. In diesem Sinne gebe ich Ihnen eine der beliebtesten IR-Farbkompositionen.

Die Zusammensetzung heißt CIR (Color Infra-Red) und verwendet IR->R G->G B->B

Es gibt ein bekanntes Phänomen in der Vegetation, das als „roter Rand“ bezeichnet wird und dazu führt, dass die Vegetation aufgrund ihres Chlorophyllgehalts mehr Licht in einem schmalen Spektrum im IR reflektiert. Abgesehen von wissenschaftlichen Erklärungen ist dies wirklich nützlich: Viele Satelliten nutzen dies für landwirtschaftliche Anwendungen und Fotografen nutzen dies für coole Fotografie. Hier ist ein Link zu einer schönen Fotomontage, die in Korea mit der CIR-Komposition erstellt wurde.

Ah, das verwirft also nur R. Noch einfacher als meine erfundene Formel, die jeweils ein bisschen von R, G, B verwirft.
Ja, aber es hängt davon ab, welche Phänomene Sie betrachten. Bildanalysesoftware ermöglicht es normalerweise, beide Bilder anzuzeigen und zwischen ihnen zu flimmern und den Unterschied zu sehen.
R+G+B+Infrarot auf R+G+B abbilden?
AntwortenHierDatenschutz-Bestimmungen1y, 0v