Система rgb служит для кодирования какой информации: Проверочная работа по теме » Кодирование и обработка графической и мультимедийной информации» (9 класс)

Содержание

Проверочная работа по теме » Кодирование и обработка графической и мультимедийной информации» (9 класс)

«Кодирование и обработка графической и мультимедийной информации»

Вариант 1.

1. Аналоговая графическая информация по-другому называется …

  1. Непрерывная

  2. Прерывная

  3. Цифровая

  4. Дискретная

2. В каких единицах измеряется разрешающая способность изображения?

  1. Децибел (дБ)

  2. Бит

  3. Герц (Гц)

  4. Dpi

3. Количество точек растрового изображения по горизонтали и вертикали на единицу длины – …

4. Система RGB служит для кодирования

  1. Текстовой информации

  2. Графической информации

  3. Звуковой информации

  4. Числовой информации

5. Из каких цветов состоит палитра системы цветопередачи CMYK?

  1. Красный, зеленый, синий

  2. Голубой, пурпурный, желтый, черный

  3. Фиолетовый, белый, черный, желтый

  4. Белый, синий, черный, зеленый

6. Какой цвет получится при смешении базовых цветов в максимально возможных пропорциях в системе RGB?

7. В основе векторного графического изображения не может быть элемент

  1. Трапеция

  2. Треугольник

  3. Пиксель

  4. Окружность

8. Какой формат графического файла не является растровым?

  1. .gif

  2. .jpg

  3. .png

  4. .wmf

9. В какой из приведенных ниже программ можно создать эффект движения (анимации)?

  1. Microsoft Office Word

  2. Microsoft Office Picture Manager

  3. Microsoft Office Power Point

  4. Audacity Beta

10. Преобразование отдельных графических примитивов в единый объект в векторном редакторе называется

  1. Заливка

  2. Выравнивание

  3. Группировка

  4. Штриховка

11. Волна, распространяющаяся в воздухе с непрерывно меняющейся амплитудой и частотой – …

12. Какое устройство необходимо для копирования ролика с цифровой видеокамеры на компьютер?

  1. Web-камера

  2. USB-порт

  3. DV-порт

  4. Flash-редактор

13. Задача.

Для раскраски точек используется 128-цветная палитра. Сколько памяти необходимо для хранения изображения, если его размер 256 × 304 пикселей? Ответ выразить в килобайтах.

14. Задача.

Для хранения растрового изображения размером 64 × 128 пикселей отвели 8 Кбайт памяти. Какое максимально возможное число цветов в палитре изображения?

15. Задача.

Оцените информационный объем цифрового звукового стереофайла длительностью 1,5 минуты при глубине кодирования 2 Байта и частоте дискретизации 46 000 измерений в секунду.

16. Задача*.

Квадрозвуковой WAV-файл, записанный с частотой дискретизации 48 кГц, преобразовали в стереозвуковой WAV-файл с частотой дискретизации 8 кГц. Как изменился информационный объем этого файла?

Проверочная работа по теме

«Кодирование и обработка графической и мультимедийной информации»

(9 класс)

Вариант 2.

1. Дискретная графическая информация по-другому называется …

  1. Живописная

  2. Аналоговая

  3. Непрерывная

  4. Цифровая

2. Минимальный фрагмент растрового изображения – …

  1. Элемент

  2. Кадр

  3. Пиксель

  4. Частичка

3. Набор разных цветов точек растрового изображения – …

4. Система CMYK служит для кодирования

  1. Звуковой информации

  2. Текстовой информации

  3. Графической информации

  4. Числовой информации

5. Из каких цветов состоит палитра системы цветопередачи RGB?

  1. Голубой, пурпурный, желтый, черный

  2. Фиолетовый, белый, черный, желтый

  3. Красный, зеленый, синий

  4. Белый, синий, черный, зеленый

6. Какой цвет получится при смешении базовых цветов в максимально возможных пропорциях в системе CMYK?

7. Растровое графическое изображение основано на использовании

  1. Прямоугольников

  2. Пикселей

  3. Окружностей

  4. Линий

8. Какой из форматов указывает на файл, содержащий векторный рисунок?

  1. .gif

  2. .wmf

  3. .jpg

  4. .png

9. В какой из приведенных ниже программ цветное изображение можно сделать черно-белым?

  1. Microsoft Office Word

  2. Microsoft Office Picture Manager

  3. Audacity Beta

  4. Windows Media Player

10. Какая система цветопередачи применяется в графических редакторах?

  1. CMYK

  2. HSB

  3. RGB

  4. ABCD

11. Создание иллюзии движения объекта на экране монитора – …

12. Какое устройство необходимо для копирования изображения с цифровой фотокамеры на компьютер?

  1. DV-порт

  2. USB-порт

  3. Web-камера

  4. Flash-редактор

13. Задача.

Информационный объем растрового изображения размером 1024 × 640 пикселей составляет 640 Кбайт. Определите количество цветов в палитре изображения.

14. Задача.

Сколько информации (в килобайтах) содержится в картинке экрана с разрешающей способностью 512 × 768 пикселей и 16 цветами?

15.Задача.

Оцените информационный объем цифрового звукового монофайла длительностью 3,5 минуты при глубине кодирования 1 Байт и частоте дискретизации 9000 измерений в секунду.

16. Задача*.

Квадрозвуковой WAV-файл, записанный с частотой дискретизации 48 кГц, преобразовали в стереозвуковой WAV-файл с частотой дискретизации 8 кГц. Как изменился информационный объем этого файла?

1. Система RGB служит для кодирования текстовой информации. 2. Растровый графический файл содержит цветное изображение с палитрой из 256 цветов размером 10 х 10 точек. 3. Звуковая плата с возможностью 16-битного двоичного кодирования позволяет


Тест «Представление текста, графики, звука в компьютере»
Вариант 1.
1. Система RGB служит для кодирования…
текстовой информации
числовой информации
графической информации
звуковой информации
2. Растровый графический файл содержит цветное изображение с палитрой из 256 цветов размером 10 х 10 точек. Каков информационный объем этого файла?
800 байт
400 бит
8 Кбайт
100 байт
3. Звуковая плата с возможностью 16-битного двоичного кодирования позволяет воспроизводить звук с …
8 уровнями интенсивности
16 уровнями интенсивности
256 уровнями интенсивности
65536 уровнями интенсивности
4. Сколько бит информации необходимо для кодирования одной буквы?
1
2
8
16
5. Какой из перечисленных объектов является минимальным для кодирования растровой графики?
пиксель
символ
байт
6. Текст занимает 0,75 Кбайт памяти  компьютера, Сколько символов содержит этот текст?
265
512
768
1024
Тест «Представление текста, графики, звука в компьютере»
Вариант 2.
1. Сколько бит в слове МЕГАБАЙТ?
8
32
64
24
2. Система ASCII служит для кодирования…
символов
латинских букв
цифр
букв национальных алфавитов
3. Растровый графический файл содержит черно-белое изображение (без градаций серого) размером 100 х 100 точек. Информационный объем этого файла составляет …
10000 бит
10000 байт
10 Кбайт
1000 бит
4. К аудиоинформации можно отнести информацию, которая передается посредством…
переноса вещества
электромагнитных волн
световых волн
звуковых волн
5. Текст занимает 0,5 Кбайт памяти  компьютера, Сколько символов содержит этот текст?
265
512
256
1024
6. При кодировании звука в процессе ввода в компьютер глубиной кодирования называется …
количество бит, используемых в звуковой карте для хранения уровней дискретизации амплитуды
количество изменений уровня амплитуды звука в единицу времени
объём звукового файла в Mbдиапазон громкости звука

Приложенные файлы

  • 13931470
    Размер файла: 15 kB Загрузок: 0

Информатика тест с ответами — Стр 3

Задание №71

Укажите наиболее полный ответ. Каталог — это …

Выберите один из 5 вариантов ответа:

1)

+

специальное место на диске, в котором хранятся имена файлов, сведения о размере файлов, времени их последнего обновления, атрибуты файлов

2)

специальное место на диске, в котором хранится список программ составленных пользователем

3)

специальное место на диске, в котором хранятся программы, предназначенные для диалога с пользователем ЭВМ, управления аппаратурой и ресурсами системы

4)

все ответы верны

5)

правильных ответов нет

Задание №81

Под термином «поколение ЭВМ» понимают…

Выберите один из 5 вариантов ответа:

1)

все счетные машины

2)

+

все типы и модели ЭВМ, построенные на одних и тех же научных и технических принципах

3)

совокупность машин, предназначенных для обработки, хранения и передачи -информации

4)

все типы и модели ЭВМ, созданные в одной и той же стране

5)

правильных ответов нет

Тестовые материалы (контролируемые компетенции – ОПК-13, ОПК-20, ПК-2) — Студопедия

Выполнил обучающийся ___________________________группы ________ Дата _________

Правильные ответы на вопросы тестовых заданий

– оценка «отлично» – не менее 85% правильно выполненных заданий;

– оценка «хорошо» – не менее 70% правильно выполненных заданий;

– оценка «удовлетворительно» – не менее 50% правильно выполненных заданий;

– оценка «неудовлетворительно» – менее 50% правильно выполненных заданий.

1. Минимальным объектом, используемым в векторном графическом редакторе, является … а) точка экрана (пиксель) б) объект (прямоугольник, круг и т. д.) в) палитра цветов г) знакоместо (символ)
2. Примитивами в графическом редакторе называются … а) линия, круг, прямоугольник б) карандаш, кисть, ластик в) выделение, копирование, вставка г) наборы цветов (палитра)
3. Система RGB служит для кодирования… а) текстовой информации б) числовой информации в) графической информации г) звуковой информации
4. Разрешение изображения измеряется в … а) пикселах б) точках на дюйм (dpi) в) мм, см, дюймах
5. В модели CMYK в качестве компонентов применяются основные цвета … а) красный, зеленый, синий, черный б) голубой, пурпурный, желтый, черный в) красный, голубой, желтый, синий г) голубой, пурпурный, желтый, белый
6. Деформация изображения при изменении размера рисунка — один из недостатков … а) векторной графики б) растровой графики в) фрактальной графики
7. В процессе преобразования растрового графического файла количество цветов уменьшилось с 65 536 до 256. Во сколько раз уменьшится информационный объем файла? а) в 2 раза б) в 4 раза в) в 8 раз г) в 16 раз
8. В модели RGB в качестве компонентов применяются основные цвета … а) красный, зеленый, синий б) голубой, пурпурный, желтый в) красный, голубой, желтый г) пурпурный, желтый, черный
9. Большой размер файла — один из недостатков … а) растровой графики б) векторной графики в) фрактальной графики
10. Графическим редактором называется программа, предназначенная для … а) создания графического образа текста б) редактирования вида и начертания шрифта в) работы с графическим изображением г) построения диаграмм
11. Основными свойствами формата .jpg являются:   а) поддерживает не более 216 цветов; б) использует сжатие с потерями качества; в) поддерживает чересстрочную развертку; г) позволяет назначить одному из цветов в палитре атрибут прозрачный.
12. Диапазон цветов, который может быть воспроизведен, зафиксирован или описан каким-либо способом, называется а) цветовым кругом; б) цветовой моделью; в) цветовым охватом; г) цветовой схемой.
13. При смешении двух основных цветов результирующий цвет осветляется. О какой цветовой модели идет речь? а) CMY; б) HSB; в) RGB; г) CIE Lab.  
14. Аппаратно независимой цветовой моделью является а) CMY; б) HSB; в) RGB; г) CMYK.
15. На рисунке представлена цветовая модель а) CIE XYZ; б) HSB; в) RGB; г) CIE Lab; д) CMYK.
16. Относительная светлость или темнота цвета определяется, как атрибут а) насыщенности; б) яркости; в) тона.
17. В модели SMYK в качестве компонентов применяются основные цвета … а) красный, зеленый, синий б) голубой, пурпурный, желтый в) красный, голубой, желтый г) пурпурный, желтый, голубой, черный
18. Монохромное изображение вспомогательного назначения, предназначенное для снижения трудоемкости построения выделенной области – это …   а) канал; б) цветовой диапазон; в) черно-белое изображение; г) маска.
19. Выберите неспецифическую операцию работы с графическим объектом векторной модели изображения а) распределение; б) закругление углов; в) выбор числа углов; г) смещение вершин.
20. Процедура преобразования векторного изображения в пиксельное, называется а) пикселизацией; б) трассировкой; в) растрированием; г) векторизацией.

Тест для обучающихся 8 класса по темам «Кодирование информации» и электронные таблицы «Excel»

Тест по информатике для 8 класса

по темам «Кодирование информации» и электронные таблицы «Excel»

Вариант I.

Блок А (1 балл).

1.  Чему равен 1 Кбайт?

1) 210 байт

2) 103 байт         

3) 1000 бит        

4) 1000 байт

2. Чему равен 1 Гбайт?

1) 1000 Мбайт

2) 128 Мбайт

3) 1024 Мбайт

4) 1 000 000 Кбайт

3. За основную единицу измерения количества информации принят…

1) 1 бод

2) 1 бит

3) 1 байт

4) 1 Кбайт

4. Сколько бит в слове ИНФОРМАТИКА?

5. Наибольшее натуральное число, кодируемое 8 битами:

1) 127

2) 255

3) 256

4) 512

5) 99999999

6. В пяти килобайтах:

1) 5000 байт

2) 5120 байт

3) 500 байт

4) 5000 бит

5) 5120 бит

7. Количество чисел, которое можно закодировать нулями и единицами в 10 позициях, равно:

1) 1000

2) 1024

3) 10

4) 256

5) 512

8. Наибольшее натуральное число, кодируемое 16 битами:

1) 255

2) 256

3) 32768

4) 65535

5) 99999999

9. Какое количество информации содержит восемь разрядов двоичного числа?

1) 1 байт

2) 3 бита

3) 4 бит

4) 1 бит

10. Сколько существует различных последовательностей из символов «плюс» и «минус», длиной ровно в пять символов?

11. Как представлено число 8310 в двоичной системе счисления?

1) 10100112

2) 1010012

3) 10010112

4) 11001012

12. Система RGB служит для кодирования…

1) текстовой информации

2) числовой информации

3) графической информации

4) звуковой информации

13. Растровый графический файл содержит цветное изображение с палитрой из 256 цветов размером 10 х 10 точек. Каков информационный объем этого файла?

1) 800 байт

2) 400 бит

3) 8 Кбайт

4) 100 байт

14.  Компьютер обрабатывает информацию…

1) в десятичной системе счисления      

2) в двоичном коде

3) на языке Бейсик

4) в текстовом виде

15. По умолчанию EXCEL выравнивает текст 

1) По левому краю

2) По правому краю

3) По центру

4) По ширине

16. Сколько ячеек электронной таблицы в диапазоне С6: Е7:

1) 16

2) 2

3) 8

4) 4

5) 6

17. Столбцы электронной таблицы:

1) именуются пользователями произвольным образом

2) нумеруются

3) обозначаются буквами русского алфавита

4) обозначаются буквами латинского алфавита

Блок B (2 балла).

18. В электронной таблице в ячейке А1 записано число 10, в В1 — формула =А1/2, в С1 — формула =СУММ(А1:В1)*2. Чему равно значение С1:

1) 100

2) 150

3) 10

4) 30

5) 75

19. Среди приведенных формул отыщите формулу для электронной таблицы:

1) А3В8+12

2) А1=А3*В8+12

3) А3*В8+12

4) =А3*В8+12

5) А1=А3В8+12

20. Укажите, какое значение будет получено в ячейке D8 таблицы

21.Значение в ячейке С3 электронной таблицы после копирования ячейки C1 в ячейку С2 равно

Блок C (3 балла).

22. Если вариант теста в среднем имеет объем 20 килобайт (на каждой странице теста 40 строк по 64 символа в каждой , 1 символ занимает 8 бит), то количество страниц в тесте равно:

1) 10

2) 16

3) 8

4) 4

5) 12

23. Сведения о сотруднике хранятся в виде строки из 2048 символов. Сведения обо всех 8192 сотрудниках можно разместить на минимальном числе дискет емкостью 1.2М, равном:

1) 14

2) 12

3) 10

4) 8

5) 16

24. Максимальное количество страниц книги (32 строки по 64 символа, 1 символ занимает 8 бит), которое поместится в файле объемом 640 Кбайт:

1) 320

2) 640

3) 160

4) 540

5) 1280

25. Если область экрана имеет размеры 512х128 точек и каждая точка может иметь один из 256 оттенков, то минимальный объем памяти (Кбайт), необходимый для хранения этой области, равен:

1) 32

2) 64

3) 74

4) 128

5) 256

Тест по информатике для 8 класса

по темам «Кодирование информации» и электронные таблицы «Excel»

Вариант II.

Блок А.

1.  Чему равен 1 Гбайт?

1) 210 Мбайт      

2) 103 Мбайт      

3) 1000 Мбайт      

4) 1000 000 Кбайт

2. Чему равен 1 Мбайт?

1) 1000 Кбайт

2) 128 Кбайт

3) 1024 Кбайт

4) 1 000 000 байт

3. За наименьшую единицу измерения количества информации принят…

1) 1 бод

2) 1 бит

3) 1 байт

4) 1 Кбайт

4. Сколько бит в слове СМЕЛОСТЬ?

5. Наибольшее натуральное число, кодируемое 4 битами:

1) 9999

2) 4

3) 15

4) 16

5) 32

6. В трех килобайтах:

1) 3000 байт

2) 3072 бит

3) 300 байт

4) 3000 бит

5) 3072 байт

7. Количество чисел, которое можно закодировать нулями и единицами в 8 позициях, равно:

1) 800

2) 255

3) 8

4) 256

5) 512

8. Наибольшее натуральное число, кодируемое 8 битами:

1) 255

2) 256

3) 32768

4) 65535

5) 99999999

9. Какое количество информации содержит один разряд двоичного числа?

1) 1 байт

2) 3 бита

3) 4 бит

4) 1 бит

10. Сколько единиц в двоичной записи десятичного числа 194?

11. Для 5 букв латинского алфавита заданы их двоичные коды (для некоторых букв — из двух бит, для некоторых — из трех). Эти коды представлены в таблице:

a

b

c

d

e

000

110

01

001

10

Определите, какой набор букв закодирован двоичной строкой 1100000100110

1) baade

2) badde

3) bacde

4) bacdb

12. Система RGB служит для кодирования…

1) текстовой информации

2) числовой информации

3) графической информации

4) звуковой информации

13. Растровый графический файл содержит цветное изображение с палитрой из 256 цветов размером 100 х 50 точек. Каков информационный объем этого файла?

1) 800 байт

2) 4000 байт

3) 4 Кбайт

4) 500 байт

14.  Процессор обрабатывает информацию…

1) в десятичной системе счисления      

2) в двоичном коде

3) на языке Бейсик

4) в текстовом виде

15. По умолчанию EXCEL выравнивает числа 

1) По левому краю

2) По правому краю

3) По центру

4) По ширине

16. Сколько ячеек электронной таблицы в диапазоне А2: В4:

1) 16

2) 2

3) 8

4) 4

5) 6

17. Строки электронной таблицы:

1) именуются пользователями произвольным образом

2) нумеруются

3) обозначаются буквами русского алфавита

4) обозначаются буквами латинского алфавита

Блок B.

18. В ячейке Н5 электронной таблицы записана формула =B5*V5. Какая формула будет получена из нее при копировании в ячейку Н7:

1) =В7*V7

2) =В5*V5

3) =$В5*$V5

4) =$В5* V5

5) =В5*$V5

19. Выражение 3∙(А1+В1):5∙(2∙В1–3∙А2), записанное соответствии с правилами, принятыми в математике, электронной таблице имеет вид:

1) 3*(А1+В1)/(5*(2*В1 — 3*А2))

2) 3(А1+В1)/5(2В1 — 3А2)

3) 3(А1+В1): 5(2В1 — 3А2)

4) 3*(А1+В1)/5*(2*В1-3*А2)

20. Укажите, какое значение будет получено в ячейке D6 таблицы

1) 20,5

2) 27

3) 31

4) 34

21. Значение в ячейке С3 электронной таблицы равно

Блок C.

22. Если вариант теста в среднем имеет объем 30 килобайт (на каждой странице теста 40 строк по 64 символа в каждой , 1 символ занимает 8 бит), то количество страниц в тесте равно:

1) 10

2) 16

3) 8

4) 4

5) 12

23. Сведения о сотруднике хранятся в виде строки из 2048 символов. Сведения обо всех 1143 сотрудниках можно разместить на минимальном числе дискет емкостью 1.44М, равном:

24. Максимальное количество страниц книги (32 строки по 64 символа, 1 символ занимает 8 бит), которое поместится в файле объемом 320 Кбайт:

1) 320

2) 640

3) 160

4) 540

5) 20

25. Если область экрана имеет размеры 512х128 точек и каждая точка может иметь один из 256  оттенков, то минимальный объем памяти (Кбайт), необходимый для хранения этой области, равен:

1) 32

2) 64

3) 74

4) 128

5) 256

Кодификатор на задания теста

Блок А

1

Перевод единиц измерения информации

2

Перевод единиц измерения информации

3

Единицы измерения количества информации

4

Расчет информационной емкости текста

5

Определение количества информации

6

Перевод единиц измерения информации

7

Двоичное кодирование информации

8

Двоичное кодирование информации

9

Двоичное кодирование информации

16

Двоичное кодирование информации

17

Двоичное кодирование информации

10

Кодирование графических изображений

11

Расчет количества информации в графическом изображении

12

Кодирование информации в компьютере

13

Представление информации в электронных таблицах Excel

14

Представление информации в электронных таблицах Excel

15

Представление информации в электронных таблицах Excel

Блок В

18

Работа с формулами в электронных таблицах Excel

19

Представление математических выражений в электронных таблицах Excel

20

Решение задач представленной в электронных таблицах Excel

21

Решение задач представленной в электронных таблицах Excel

Блок С

22

Расчет количества информации в тексте

23

Расчет количества информации в тексте

24

Расчет количества информации в тексте

25

Расчет количества информации в графическом изображении

Система оценивания:

Оценка «5» — 27 … 37

Оценка «4» — 20 … 26

Оценка «3» — 13 …19

Оценка «2» — 1…12

ОТВЕТЫ:

ВАРИАНТ 1

ВАРИАНТ 2

1 – 1

2 – 3

3 – 3

4 – 2

5 – 2

6 – 2

7 – 2

8 – 4

9 – 1

10 – 4

11 – 1

12 – 3

13 – 1

14 – 2

15 – 1

16 – 5

17 – 4

1 балл

1 – 1

2 – 3

3 – 2

4 – 3

5 – 3

6 – 5

7 – 4

8 – 1

9 – 4

10 – 3

11 – 3

12 – 3

13 – 2

14 – 2

15 – 2

16 – 5

17 – 2

18 – 4

19 – 4

20 – 2

21 – 4

2 балла

18 – 1

19 – 4

20 – 3

21 – 4

22 – 3

23 – 1

24 – 1

25 – 2

3 балла

22 – 5

23 – 2

24 – 3

25 – 2

Блан ответа учащегося 8 «____» класса

Фамилия, Имя ________________________________________________________

Вариант № ___________________________________________________________

Блок А.

1

4

7

10

13

16

2

5

8

11

14

17

3

6

9

12

15

Блок В Блок С.

Блан ответа учащегося 8 «____» класса

Фамилия, Имя ________________________________________________________

Вариант № ___________________________________________________________

Блок А.

1

4

7

10

13

16

2

5

8

11

14

17

3

6

9

12

15

Блок В Блок С.

Тесты по дисциплине «Операционные системы и системное программирование»

ТЕСТОВЫЕ ЗАДАНИЯ по дисциплине «Операционные системы и программное обеспечение вычислительных комплексов» специальности 3706002 «Программное обеспечение вычислительной техники и автоматизированных систем»

Подробнее

Тест: Операционная система

Вопрос 1: Программное обеспечение это… Тест: Операционная система совокупность устройств установленных на компьютере совокупность программ установленных на компьютере все программы которые у вас есть

Подробнее

Модуль 2. Архитектура компьютера

Модуль 2. Архитектура компьютера 1. Совокупность устройств, предназначенных для автоматической или автоматизированной обработки информации это: 1) информационная система 2) информационные технологии 3)

Подробнее

Состав и работа компьютерной системы Тест

1. Компьютер это — Состав и работа компьютерной системы Тест 1. электронное вычислительное устройство для обработки чисел; 2. устройство для хранения информации любого вида; 3. многофункциональное электронное

Подробнее

Модуль 5. ВВОД-ВЫВОД И ФАЙЛОВАЯ СИСТЕМА

Модуль 5. ВВОД-ВЫВОД И ФАЙЛОВАЯ СИСТЕМА 1. Файл это (несколько ответов) 1) множество данных, объединенных некоторой логической связью 2) совокупность информации, записанная под индивидуальным именем на

Подробнее

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ

Муниципальное бюджетное общеобразовательное учреждение «Средняя общеобразовательная школа 1» ФОНД ОЦЕНОЧНЫХ СРЕДСТВ по текущей аттестации предмет: Информатика. 7 класс Составители: Выдрина Юлия Анатольевна

Подробнее

A-000, B-110, C-01, D-001, E-10

1. Что делать, если не работает мышь или клавиатура? сообщить учителю отсоединить и присоединить снова разъём устройства перезагрузить компьютер выключить компьютер 2. Что изучает информатика? любые процессы

Подробнее

Устройство компьютера

Устройство компьютера Персональный компьютер (ПК) это электронный прибор, предназначенный для автоматизации создания, хранения, обработки и передачи информации Основные компоненты компьютера Процессор

Подробнее

Пояснительная записка

Пояснительная записка Рабочая программа по информатике для 0 — классов составлена с учетом требований федерального компонента государственного стандарта среднего общего образования с использованием Примерной

Подробнее

Итоговый годовой тест за курс 8 класса.

Итоговый годовой тест за курс 8 класса. 3 вариант 1. Информацию, не зависящую от личного мнения или суждения, называют: 1. достоверной 2. актуальной 3. объективной 4. полной 2. На каком языке представлена

Подробнее

3 битам 8 байтам 2 битам 4 байтам 1 байту

Контрольная работа Фамилия, имя 1. В утверждении «Человек хранит информацию в памяти и на… носителях» вместо каждого многоточия вставить соответствующие понятия оперативной, внутренних собственной, внутренних

Подробнее

Пояснительная записка

Пояснительная записка Рабочая программа по предмету «Информатика и ИКТ» составлена на основе: 1. федерального компонента государственного стандарта 2004г; 2. примерной программы по информатике и ИКТ основного

Подробнее

Назначение и устройство компьютера

Назначение и устройство компьютера основные устройства компьютера компьютерная память взаимодействие устройств ПК основные характеристики ПК закрепление изученного материала домашнее задание Компьютер

Подробнее

Индивидуальная работа класс

Использованная литература МАОУ Лицей 15 1. Информатика. Задачник-практикум в 2 т. / Под ред. И.Г.Семакина, Е.К.Хеннера: Том 1. М.: Бином. Лаборатория знаний, 2004. 304с.: ил. 2. Практикум по информатике

Подробнее

Итоговый годовой тест за курс 8 класса.

Итоговый годовой тест за курс 8 класса. 1 вариант 1. Наибольший объем информации человек получает при помощи: 1. органов слуха 2. органов зрения 3. органов обоняния 4. органов осязания 2. Двоичный код

Подробнее

«Основы компьютерной грамотности»

Бюджетное профессиональное образовательное учреждение Вологодской области «Грязовецкий политехнический техникум» Дополнительная общеобразовательная общеразвивающая программа социальной направленности «Основы

Подробнее

Рабочая программа по информатике 5 класс

Государственное бюджетное общеобразовательное учреждение города Москвы «Школа 118» РАСМОТРЕНО И ПРИНЯТО на педагогическом совете протокол 1 от «29» августа 2018 г. УТВЕРЖДАЮ Директор ГБОУ Школа 118 И.Л.Туйчиева

Подробнее

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Рабочая программа по информатике для асса разработана на основе: Федерального закона Российской Федерации «Об образовании в Российской Федерации» ( 273-ФЗ от 29.12.2012). Рабочая

Подробнее

Планируемые результаты

Планируемые результаты изучения курса информатики 7 класса: В результате изучения информатики ученик 7 класса научится: называть функции и характеристики основных устройств компьютера; описывать виды и

Подробнее

. Учебно-методический комплект

Рабочая программа по предмету «Информатика и ИКТ» состоит из следующих разделов: пояснительная записка, планируемые предметные результаты освоения учебной программы, содержание учебного предмета, курса,

Подробнее

Тема: Информационная теория.

 

I:{{1}}

Q: Выберите один из предложенных вариантов ответов.

S: «ИНФОРМАЦИЯ» (от лат. Informatio) ОЗНАЧАЕТ:

-: пояснение

-: понятие

-: сведения

 

I:{{2}}

Q: Закончите определение

S: Данные, сопровождающиеся смысловой нагрузкой, называются ### .

 

I:{{3}}

Q: Выберите один из предложенных вариантов ответов.

S: СВЕДЕНИЯ НА ОПРЕДЕЛЕННОМ НОСИТЕЛЕ, ПРЕДСТАВЛЕННЫЕ В ОПРЕДЕЛЕННОЙ ЗНАКОВОЙ СИСТЕМЕ НАЗЫВАЮТСЯ:

-: данными

-: сигналами

-: предикатами

-: информацией

 

I:{{4}}

Q: Закончите определение

S: СОВОКУПНОСТЬ СВЕДЕНИЙ, КОТОРЫМИ РАСПОЛАГАЕТ ПОЛЬЗОВАТЕЛЬ ИЛИ СИСТЕМА, НАЗЫВАЕТСЯ ###.

 

I:{{5}}

Q: Выберите один из предложенных вариантов ответов.

S: РЕГИСТРАЦИЯ СИГНАЛОВ НА БУМАЖНОМ НОСИТЕЛЕ ПРОИЗВОДИТСЯ …. СПОСОБОМ

-: оптическим

-: химическим

-: магнитным

-: биохимическим

 

I:{{6}}

S: ЧТО ИЗ УКАЗАННОГО НЕ ЯВЛЯЕТСЯ ПОКАЗАТЕЛЕМ КАЧЕСТВА ИНФОРМАЦИИ?

-: научность

-: полнота

-: адекватность

-: доступность

 

I:{{7}}

S: ПРИ ПРОИЗВЕДЕНИИ КЛАССИФИКАЦИИ ИНФОРМАЦИИ ПО ЕЁ ОБЩЕСТВЕННОЙ ЗНАЧИМОСТИ В СПИСКЕ БУДЕТ ОТСУТСТВОВАТЬ

-: тактильная

-: личная

-: специальная

-: массовая

 

I:{{8}}

S: ИНФОРМАЦИЯ, ПРЕДСТАВЛЕННАЯ В ВИДЕ, ПРИГОДНОМ ДЛЯ ПЕРЕРАБОТКИ АВТОМАТИЗИРОВАННЫМИ ИЛИ АВТОМАТИЧЕСКИМИ СРЕДСТВАМИ, — ЭТО

-: данные

-: сигналы

-: сведения

-: тезаурус

 

I:{{9}}

Q: Закончите определение

S: ИНФОРМАЦИЯ, ПРЕДСТАВЛЕННАЯ В РЕЧЕВОЙ, ТЕКСТОВОЙ, ГРАФИЧЕСКОЙ ИЛИ ЦИФРОВОЙ ФОРМЕ, ПРЕДНАЗНАЧЕННАЯ ДЛЯ ПЕРЕДАЧИ, НАЗЫВАЕТСЯ ###.

 

I:{{10}}

Q: Выберите один из предложенных вариантов ответов.

S: В ПРАГМАТИЧЕСКОМ АСПЕКТЕ ИНФОРМАЦИЯ

-: рассматривается с точки зрения полезности и практичности

-: даёт раскрыть содержание

-: определяет значение символа естественного алфавита

 

I:{{11}}

S: ЭНТРОПИЯ — ЭТО

-: неопределенность

-: неизвестность

-: неразличимость

 

I:{{12}}

S: ПОД ОБРАБОТКОЙ ИНФОРМАЦИИ ПОНИМАЮТ ПРОЦЕСС

-: изменения формы представления информации или ее содержания

-: организации сохранности информации

-: передачи информации от одного объекта к другому

-: взаимодействия носителя информации и внешней среды

 

I:{{13}}

S: ЧТО ИЗ УКАЗАННОГО НЕ ОТНОСИТСЯ К СВОЙСТВАМ ИНФОРМАЦИИ?

-: надежность

-: адекватность

-: полнота

-: актуальность

 

I:{{14}}

S: ЕДИНИЦЕЙ ИЗМЕРЕНИЯ КОЛИЧЕСТВА ИНФОРМАЦИИ ЯВЛЯЕТСЯ

-: байт

-: слово

-: символ

-: знак

 

I:{{15}}

S: ОБЕЗЛИЧЕННАЯ ИНФОРМАЦИЯ, НЕ ВЫРАЖАЮЩАЯ СМЫСЛОВОГО ОТНОШЕНИЯ К ОБЪЕКТУ, НАЗЫВАЕТСЯ —

-: синтаксической

-: прагматической

-: семантической

 

I:{{16}}

S: КОЛИЧЕСТВО ИНФОРМАЦИИ (I) по ХАРТЛИ и ШЕННОНУ ВЫРАЖАЕТСЯ В

-: битах

-: байтах

-: килобайтах

 

I:{{17}}

S: СТРОЧНАЯ БУКВА ЗАНИМАЕТ

-: 1 Байт

-: 1 Гбайт

-: 1 Мбайт

-: 1 Бит

 

I:{{18}}

S: НАИБОЛЬШИЙ ОБЪЁМ ИНФОРМАЦИИ СОДЕРЖИТСЯ В СООБЩЕНИИ

-: Двадцать один

-: 101012

-: 2110

-: XXI

 

I:{{19}}

S: В ИНФОРМАТИКЕ КОЛИЧЕСТВО ИНФОРМАЦИИ ОПРЕДЕЛЕТСЯ КАК

-: мера уменьшения неопределённости

-: достоверность информации

-: скорость передачи информации

-: объём оперативной памяти

 

I:{{20}}

Q: Закончите определение

S: МЕРУ НЕОПРЕДЕЛЕННОСТИ В ТЕОРИИ ИНФОРМАЦИИ НАЗЫВАЮТ ###.

 

I:{{21}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: В УНИВЕРСАЛЬНОЙ СИСТЕМЕ КОДИРОВАНИЯ UNICODE ДЛЯ КОДИРОВАНИЯ КАЖДОГО СИМВОЛА ИСПОЛЬЗУЕТСЯ

-: 2 байта

-: 16 бит

-: 2 бита

-: 1 Мбайт

 

I:{{22}}

Q: Выберите один из предложенных вариантов ответов.

S: БИТ — ЭТО

-: минимальная единица информации, принимающая значение 0 или 1

-: логический элемент

-: минимальная единица информации, принимающая значение 0

-: минимальная единица информации, принимающая значение 1

 

I:{{23}}

S: СИСТЕМА RGB СЛУЖИТ ДЛЯ КОДИРОВАНИЯ ……. ИНФОРМАЦИИ

-: графической

-: текстовой

-: числовой

-: звуковой

 

I:{{24}}

S: СКОЛЬКО БИТ В СЛОВЕ МЕГАБАЙТ?

-: 64

-: 8

-: 32

-: 24

 

I:{{25}}

Q: РАСПОЛОЖИТЕ ОБЪЁМЫ ПАМЯТИ ПО ВОЗРАСТАНИЮ

1: 10 бит

2: 2 байта

3: 20 бит

4: 1010 байт

5: 1 Кбайт

 

I:{{26}}

S: УКАЖИТЕ ВАРИАНТ, В КОТОРОМ ОБЪЁМЫ ПАМЯТИ РАСПОЛОЖЕНЫ ПО ВОЗРАСТАНИЮ

-: 10 бит, 2 байта, 20 бит, 1010 байт, 1 Кбайт

-: 10 бит, 2 байта, 20 бит, 1 Кбайт, 1010 байт

-: 10 бит, 20 бит, 2 байта, 1 Кбайт, 1010 байт

-: 10 бит, 20 бит, 2 байта, 1010 байт, 1 Кбайт

 

I:{{27}}

Q: Выберите один из предложенных вариантов ответов.

S: В КАКОЙ КОДОВОЙ ТАБЛИЦЕ МОЖНО ЗАКОДИРОВАТЬ 65536 РАЗЛИЧНЫХ СИМВОЛОВ

-: Unicode

-: КОИ-8

-: СР1251

-: ASCII

 

I:{{28}}

S: ДЛЯ ХРАНЕНИЯ В ОПЕРАТИВНОЙ ПАМЯТИ СИМВОЛЫ ПРЕОБРАЗУЮТСЯ В….

-: числовые коды в двоичной системе счисления

-: графические образы

-: числовые коды в десятичной системе счисления

-: числовые коды в шестнадцатиричной системе счисления

 

I:{{29}}

S: BIOS — ЭТО

-: набор программ, выполняющих инициализацию устройства и его первоначальную загрузку

-: программа загрузки пользовательских файлов

-: биологическая операционная система

-: блок питания процессора

 

I:{{30}}

S: КАКОЕ ИЗ ОПРЕДЕЛЕНИЙ ЯВЛЯЕТСЯ НАИБОЛЕЕ ВЕРНЫМ?

-: Информатика — это наука о способах сбора, хранения, преобразования и передачи информации

-: Информатика — это наука об общих принципах управления

-: Информатика — это раздел вычислительной техники, связанный с разработкой программного обеспечения для ЭВМ

-: Информатика — это раздел математики, связанный с разработкой алгоритмов вычислений с применением ЭВМ

 

I:{{31}}

S: В КАКОЙ СТРАНЕ ВПЕРВЫЕ ПОЯВИЛОСЬ ПОНЯТИЕ «ИНФОРМАТИКА»?

-: Франция

-: США

-: Англия

-: СССР

-: Япония

 

I:{{32}}

S: ЭЛЕМЕНТНОЙ БАЗОЙ ПЕРВОГО ПОКОЛЕНИЯ ЭВМ ЯВЛЯЛИСЬ

-: электронно-вакуумные лампы

-: транзисторы

-: полупроводниковые схемы

-: чипы

 

I:{{33}}

S: ЭЛЕМЕНТНОЙ БАЗОЙ ВТОРОГО ПОКОЛЕНИЯ ЭВМ ЯВЛЯЛИСЬ

-: транзисторы

-: электронно-вакуумные лампы

-: полупроводниковые схемы

-: чипы

 

I:{{34}}

S: ЭЛЕМЕНТНОЙ БАЗОЙ ТРЕТЬЕГО ПОКОЛЕНИЯ ЭВМ ЯВЛЯЛИСЬ

-: полупроводниковые схемы

-: транзисторы

-: электронно-вакуумные лампы

-: чипы

 

I:{{35}}

S: ЭЛЕМЕНТНОЙ БАЗОЙ ЧЕТВЁРТОГО ПОКОЛЕНИЯ ЭВМ ЯВЛЯЛИСЬ

-: чипы

-: транзисторы

-: электронно-вакуумные лампы

-: полупроводниковые схемы

 

I:{{36}}

Q: РАСПОЛОЖИТЕ ЭЛЕМЕНТНЫЕ БАЗЫ ЭВМ В ПОРЯДКЕ ИХ ИЗОБРЕТЕНИЯ

1: электронно-вакуумные лампы

2: транзисторы

3: полупроводниковые схемы

4: чипы

 

I:{{37}}

Q: Выберите один из предложенных вариантов ответов.

S: ПРИНЦИП ХРАНИМОЙ ПРОГРАММЫ БЫЛ ПРЕДЛОЖЕН:

-: Дж. Фон Нейманом

-: Чарльзом Бэббиджем

-: Дж. П. Эккертом

-: Аланом Тьюрингом

-: Клодом Шенноном

 

I:{{38}}

S: ЭНЕРГОЗАВИСИМЫМ УСТРОЙСТВОМ ПАМЯТИ ПК ЯВЛЯЕТСЯ:

-: ОЗУ

-: Flash USB Drive

-: Жёсткий диск

-: ПЗУ

 

I:{{39}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: ЭНЕРГОНЕЗАВИСИМЫМИ УСТРОЙСТВАМИ ПАМЯТИ ПК ЯВЛЯЮТСЯ:

-: Flash USB

-: HDD

-: ПЗУ

-: ОЗУ

 

I:{{40}}

S: ЭНЕРГОНЕЗАВИСИМЫМИ ВНЕШНИМИ УСТРОЙСТВАМИ ПАМЯТИ ПК ЯВЛЯЮТСЯ:

-: Flash USB

-: HDD

-: ПЗУ

-: ОЗУ

 

I:{{41}}

Q: Выберите один из предложенных вариантов ответов

S: ЭНЕРГОНЕЗАВИСИМЫМ ВНУТРЕННИМ УСТРОЙСТВОМ ПАМЯТИ ПК ЯВЛЯЕТСЯ:

-: ПЗУ

-: Flash USB

-: Винчестер

-: ОЗУ

 

I:{{42}}

S: ЕСЛИ ИЗВЕСТНО РАСШИРЕНИЕ ФАЙЛА, ТО МОЖНО ОПРЕДЕЛИТЬ

-: приложение, использованное для создания файла

-: время проверки на вирус

-: атрибуты

-: размер файла

 

I:{{43}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: К ВНУТРЕННЕЙ ПАМЯТИ ПК ОТНОСЯТСЯ:

-: оперативная память

-: постоянная память

-: кеш-память

-: жесткие магнитные диски

-: гибкие магнитные диски

 

I:{{44}}

S: ПЗУ МОЖЕТ РАБОТАТЬ В РЕЖИМАХ

-: чтения

-: хранения

-: записи

 

I:{{45}}

S: ОЗУ МОЖЕТ РАБОТАТЬ В РЕЖИМАХ

-: записи

-: чтения

-: хранения

-: удаления

 

I:{{46}}

Q: Выберите один из предложенных вариантов ответов

S: ПЕРВЫЙ АРИФМОМЕТР СОЗДАЛ

-: Лейбниц

-: Паскаль

-: Ньютон

-: Пасер

 

I:{{47}}

Q: Установите соответствие понятий мер информации

L1: Синтаксическая

R1: обезличенная информация, не выражающая смыслового отношения к объекту

L2: Семантическая

R2: информация воспринимаемая пользователем и включаемая им в дальнейшем в свой тезаурус

L3: Прагматическая

R3: полезная (ценная) информация для достижения пользователем поставленной цели

L4:

R4: информация, используемая автоматизированными устройствами

 

I:{{48}}

Q: Выберите один из предложенных вариантов ответов

S: БЫСТРОДЕЙСТВИЕ КОМПЬЮТЕРА НАИБОЛЕЕ СУЩЕСТВЕННО ЗАВИСИТ ОТ:

-: тактовой частоты процессора

-: объёма жёсткого диска

-: параметров монитора

-: операционной системы, установленной на компьютере

 

I:{{49}}

S: АРИФМЕТИКО-ЛОГИЧЕСКОЕ УСТРОЙСТВО (АЛУ) ЯВЛЯЕТСЯ ЧАСТЬЮ…

-: микропроцессора

-: системной шины

-: основной памяти компьютера

-: генератора тактовых импульсов

 

I:{{50}}

S: КЭШ-ПАМЯТЬ СЛУЖИТ ДЛЯ

-: увеличения производительности компьютера

-: дискретность

-: адресуемость

-: оперативной записи и считывания информации

-: хранения программ управления работой и тестирования устройств ПК

-: обратимость

 

I:{{51}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: К ВНЕШНЕЙ ПАМЯТИ ПК ОТНОСЯТСЯ:

-: жесткие магнитные диски

-: CD, DVD диски

-: гибкие магнитные диски

-: оперативная память

-: кеш-память

 

I:{{52}}

Q: Выберите один из предложенных вариантов ответов

S: СОСТАВ И НАЗНАЧЕНИЕ ФУНКЦИОНАЛЬНЫХ СРЕДСТВ АВТОМАТИЧЕСКОЙ ВЫЧИСЛИТЕЛЬНОЙ МАШИНЫ ВПЕРВЫЕ ОПРЕДЕЛИЛ

-: Дж. Фон Нейман

-: Чарльз Бэббидж

-: Ада Лавлейс

-: Алан Тьюринг

-: Клод Шеннон

 

I:{{53}}

Q: Установите соответствие видов регистрации сигналов и носителей памяти

L1: Магнитная память

R1: жёсткие магнитные диски

L2: Оптическая память

R2: DVD

L3: Электронная память

R3: Flash Drive USB

 

I:{{54}}

Q: Выберите один из предложенных вариантов ответов

S: КАКОВО НАИБОЛЕЕ РАСПРОСТРАНЕННОЕ РАСШИРЕНИЕ В ИМЕНИ ТЕКСТОВЫХ ФАЙЛОВ

-: *. DOC

-: *. EXE

-: *. COM

-: *. JPG

 

I:{{55}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: К ВНУТРЕННЕЙ ПАМЯТИ ПК ОТНОСЯТСЯ:

-: ПЗУ

-: ОЗУ

-: Кеш-память

-: HDD

-: Flash-память

 

I:{{56}}

S: К ВНУТРЕННЕЙ ПАМЯТИ ПК НЕ ОТНОСЯТСЯ:

-: HDD

-: Flash-память

-: ПЗУ

-: ОЗУ

-: Кеш-память

 

I:{{57}}

S: К ВНЕШНЕЙ ПАМЯТИ ПК НЕ ОТНОСЯТСЯ:

-: ПЗУ

-: Кеш-память

-: ОЗУ

-: Flash-память

-: HDD

 

I:{{58}}

S: К ПЕЧАТАЮЩИМ УСТРОЙСТВАМ НЕ ОТНОСЯТСЯ:

-: Мониторы

-: Сканеры

-: Дигитайзеры

-: Принтеры

-: Плоттеры

 

I:{{59}}

S: К ПЕЧАТАЮЩИМ УСТРОЙСТВАМ ОТНОСЯТСЯ:

-: Принтеры

-: Плоттеры

-: Мониторы

-: Сканеры

-: Дигитайзеры

 

I:{{60}}

Q: Выберите один из предложенных вариантов ответов

S: ИЗОБРЕТАТЕЛЕМ ПЕРВОЙ ВЫЧИСЛИТЕЛЬНОЙ МАШИНЫ ЯВЛЯЕТСЯ:

-: Бэббидж

-: Лейбниц

-: Нейман

-: Тьюринг

 

I:{{61}}

Q: Выберите один или несколько из предложенных вариантов ответов

S: К МАНИПУЛЯТОРАМ ОТНОСЯТСЯ

-: Мышь

-: Трекбол

-: Клавиатура

-: Дигитайзер

-: Световое перо

 

I:{{62}}

S: СЕНСОРНЫЕ УСТРОЙСТВА

-: Дигитайзер

-: Световое перо

-: Клавиатура

-: Мышь

-: Трекбол

 

V: Модели решения функциональных и вычислительных задач

I:

Q: Выберите один или несколько правильных ответов:

S: ОБЪЕКТОМ ПРИ МОДЕЛИРОВАНИИ НАЗЫВАЮТ:

-: множество экземпляров, имеющих одни и те же характеристики

-: множество экземпляров, подчиняющихся одним и тем же правилам

-: множество экземпляров, имеющих разные характеристика

-: множество экземпляров, подчиняющихся разным правилам

I:

Q: Выберите один или несколько правильных ответов:

S: ЭКЗЕМПЛЯРОМ ОБЪЕКТА РЕАЛЬНОГО МИРА ПРИ МОДЕЛИРОВАНИИ НАЗЫВАЮТ НАБОР ЕГО НЕКОТОРЫХ ХАРАКТЕРИСТИК:

-: существенных для решения данной информационной задачи

-: не существенных для решения данной информационной задачи

-: общих для данного объекта реального мира

-: общих для различных объектов реального мира

I:

Q: Выберите один или несколько правильных ответов:

S: АТРИБУТОМ ЭКЗЕМПЛЯРА НАЗЫВАЕТСЯ:

-: каждая отдельная характеристика, общая для всех возможных экземпляров объекта

-: каждая отдельная характеристика, общая для всех экземпляров различных объектов

-: описательные характеристики, внутренне присущие каждому экземпляру

-: указательные характеристики, использующиеся как идентификаторы экземпляров

I:

Q: Выберите один или несколько правильных ответов:

S: ИНФОРМАЦИОННЫЕ МОДЕЛИ ИМЕЮТ СЛЕДУЮЩИЕ СХЕМЫ ПРЕДСТАВЛЕНИЯ СВЯЗЕЙ:

-: информационные модели типа «очередь»

-: информационные модели типа «цикл»

-: информационные модели типа « дерево»

-: информационные модели типа «снежинка»

I:

Q: Выберите один или несколько правильных ответов:

S: МЕЖДУ РАЗЛИЧНЫМИ ПРЕДМЕТАМИ В РЕАЛЬНОМ МИРЕ СУЩЕСТВУЮТ ОТНОШЕНИЯ (СВЯЗИ):

-: один – к — одному

-: один – к – двум

-: один – ко – многим

-: многие –ко – многим

I:

Q: Выберите один из предложенных вариантов ответов:

S: УКАЖИТЕ СВОЙСТВО МОДЕЛИ, КОТОРОЕ НЕ ЯВЛЯЕТСЯ СПОСОБОМ ЕЁ ОПИСАНИЯ:

-: Графическая

-: Математическая

-: Табличная

-: Имитационная

-: Вербальная

 

I:

Q: Выберите один из предложенных вариантов ответов:

S: ПРОЦЕСС ЗАМЕНЫ РЕАЛЬНОГО ОБЪЕКТА (ПРОЦЕССА, ЯВЛЕНИЯ) МОДЕЛЬЮ, ОТРАЖАЮЩЕЙ ЕГО СУЩЕСТВЕННЫЕ ПРИЗНАКИ С ТОЧКИ ЗРЕНИЯ ДОСТИЖЕНИЯ КОНКРЕТНОЙ ЦЕЛИ НАЗЫВАЕТСЯ…

-: микромоделированием

-: реализацией

-: упрощением

-: моделированием

 

I:

Q: Выберите один из предложенных вариантов ответов:

S: К ЧИСЛУ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ОТНОСИТСЯ:

-: рецепт

-: правило

-: формула

-: инструкция

 

I:

Q: Выберите один из предложенных вариантов ответов:

S: МОДЕЛЬ ЕСТЬ ЗАМЕЩЕНИЕ ИЗУЧАЕМОГО ОБЪЕКТА ДРУГИМ ОБЪЕКТОМ, КОТОРЫЙ ОТРАЖАЕТ…

-: все стороны данного объекта

-: некоторые стороны данное объекта

-: существенные стороны данного объекта

-: несущественные стороны данного объекта

 

I:

Q: Выберите один из предложенных вариантов ответов:

S: МОДЕЛЬ СОДЕРЖИТ ИНФОРМАЦИИ…

-: столько же, сколько и моделируемый объект

-: меньше, чем моделируемый объект

-: больше, чем моделируемый объект

-: не содержит информации

 

I:

Q: Выберите один из предложенных вариантов ответов:

S: ИНФОРМАЦИОННОЙ МОДЕЛЬЮ ОРГАНИЗАЦИИ УЧЕБНОГО ПРОЦЕССА В ШКОЛЕ ЯВЛЯЕТСЯ…

-: правила поведения учащихся

-: список класса

-: расписание уроков

-: перечень учебников

I:

Q: Выберите один из предложенных вариантов ответов:

S: К ОСНОВНЫМ МОДЕЛЯМ ДАННЫХ НЕ ОТНОСИТСЯ _____?___ МОДЕЛЬ.

-: иерархическая

-: сетевая

-: реляционная

-: нормализованная

 

Основы зрения »Глава 4: Кодирование длины волны

Набросок сэра Исаака Ньютона на рис. 4.1 суммирует его исследования свойств света. В этих экспериментах Ньютон разделил дневной свет на его основные компоненты, пропустив его через призму и создав радугу. Демонстрация Ньютона того, что свет можно разложить на лучи разной длины волны, лежит в основе нашего понимания света и цвета.

Для проведения этих экспериментов Ньютон установил ставню с маленькой дырочкой в ​​окне в своей комнате в Кембридже.Свет, выходящий из отверстия в оконной ставне, служил точечным источником для освещения его аппарата. Ключевые элементы аппарата выделяются в центре рисунка на видном месте: линза и призма. Рисунок Ньютона показывает, что когда дневной свет проходил через призму, он образовывал изображение радуги на его стене. С помощью двух экспериментальных манипуляций он показал, что компоненты радуги являются основными составляющими света. В верхнем левом углу рисунка мы видим серию отверстий, которые Ньютон просверлил в стене, позволяя части радуги пройти через вторую призму.Этот луч света падал на вторую поверхность, но новое изображение не произвело второй радуги; скорее, как писал Ньютон:

«цвет света ни разу не изменился. Если какая-либо часть красного света преломлялась, он оставался полностью того же красного цвета, что и раньше. Это преломление не привело к появлению ни оранжевого, ни желтого, ни зеленого, ни синего, ни других новых цветов ». (Ньютон, Opticks)

Рисунок 4.1: Сводный рисунок Ньютона своих экспериментов со светом.Используя точечный источник света и призму, Ньютон разделил солнечный свет на его основные компоненты. Путем пересечения лучей он также показал обратимость разложения.

Из этого эксперимента Ньютон пришел к выводу, что проход через первую призму разделил дневной свет на его основные составляющие. При прохождении луча через вторую призму дальнейших изменений не наблюдалось.

Внизу эскиза Ньютон показал, что разложение обратимо: прохождение света через призму не нарушает характер света.Чтобы показать это, Ньютон соединил лучи после их прохождения через призму, чтобы сформировать новое изображение; он обнаружил, что цвет изображения такой же, как и у источника. Ньютон пришел к выводу, что:

«Свет проходит через параллельные поверхности двух призм… если он претерпевает какие-либо изменения из-за преломления одной поверхности, он теряет это впечатление из-за противоположного преломления другой поверхности». (Newton, Opticks)

На основании второго эксперимента он пришел к выводу, что прохождение через призму не разрушило, а просто раскрыло характер света.

Теперь мы знаем, что Ньютону удалось разложить солнечный свет на его спектральных компонентов. каждый со своей характерной длиной волны. Призма разделяет лучи, потому что призма изгибает световые волны каждой длины на разную величину. (См. Раздел о законе Снеллиуса в главе 3). Когда мы видим спектральные компоненты по отдельности, каждая из них имеет разный цвет. Свет с относительно длинными волнами кажется красным при просмотре на темном фоне. Свет с относительно короткими длинами волн кажется синим на темном фоне.Свет с более короткими длинами волн преломляется сильнее, чем свет с более длинными волнами. Спектральный свет с энергией только на одной длине волны также называется монохроматическим светом .

Рисунок 4.2. Спектрорадиометр используется для измерения спектрального распределения мощности света. (а) Схематическая конструкция спектрорадиометра включает в себя средство для разделения входящего света на разные длины волн и детектор для измерения энергии на каждой из отдельных длин волн.(b) Показаны названия цветов, связанные с появлением огней на различных длинах волн (After Wyszecki and Stiles, 1982).

Аппарат

Ньютона предлагает простое устройство, которое мы могли бы построить для измерения мощности света в каждом из различных диапазонов длин волн. Как показано в верхней части рисунка 4.2, при правильном использовании линз и призм мы можем сформировать сфокусированное изображение спектральных компонентов в плоскости изображения с подвижной щелью, расположенной перед фотодетекторным датчиком.Чтобы измерить энергию на разных длинах волн, мы перемещаем щель, пропуская только некоторые спектральные компоненты в каждой позиции, и, таким образом, мы измеряем энергию источника на разных длинах волн света. В видимой области длина волны света составляет порядка нескольких сотых миллиардных долей метра, или нанометров (нм).

Спектральное распределение мощности света — это функция, которая определяет мощность (ватт = Джоули / сек) света в каждом диапазоне длин волн.В современной теории физики длину волны света можно рассматривать двояко. Мы описываем свет как непрерывную волну, проходящую через среду. Когда свет обменивается энергией с каким-либо материалом, скажем, отдавая свою энергию на поглощение, мы описываем свет, как если бы это был дискретный объект, называемый фотоном или квантом света. Количество энергии, отдаваемой фотоном, определяется длиной волны света.

Рисунок 4.3. Принцип суперпозиции. Измерение распределения спектральной мощности света} удовлетворяет принципу суперпозиции. Спектральные распределения мощности двух огней, измеренные отдельно, показаны на (а) и (b) и вместе на (c). Спектральное распределение мощности смеси является суммой отдельных измерений, что демонстрирует справедливость суперпозиции.

Экспериментальный аспект измерения освещенности, который делает его полезным и предсказуемым, заключается в том, что измерение удовлетворяет принципу суперпозиции.Мы можем продемонстрировать суперпозицию измерения света следующим образом. Сначала измерьте спектральное распределение мощности двух огней по отдельности. Затем смешайте два источника света и снова измерьте. Спектральное распределение мощности смеси будет суммой первых двух спектральных распределений мощности. Это свойство легкой смеси показано на рисунке ~ ??. Суперпозиция является важнейшим свойством измерения света, поскольку оно подразумевает, что мы можем измерять энергию света на каждой длине волны отдельно, а затем комбинировать отдельные измерения для прогнозирования спектрального распределения мощности, когда спектральные компоненты смешиваются вместе.

Предположим, мы хотим измерить спектральное распределение мощности источника света. Сколько длин волн мы должны измерить? Или, что то же самое, насколько точно мы должны производить выборку по длине волны? Ответ на этот вопрос важен как по практическим, так и по теоретическим причинам, поскольку количество образцов может быть довольно большим. Например, для получения образцов видимого спектра от 400 до 700 нм с шагом 1 нм нам нужно около 300 измерений. Для отбора проб с шагом 10 нм нам нужно около 30 измерений.

Ответ на этот вопрос о выборке зависит от того же набора проблем, что и вопросы по отбору образцов, которые мы рассмотрели в главе 3, о пространственной выборке изображения сетчатки с помощью мозаики фоторецепторов. Если энергия света быстро меняется в зависимости от длины волны, то для точных измерений нам, возможно, придется отбирать очень мелкие образцы; если функции меняются медленно, то необходимо всего несколько измерений. Кроме того, точность изображения требует, чтобы мы знали, насколько чувствительны фотопигменты в них к быстрым изменениям энергии в зависимости от длины волны.

Рисунок 4.4. Показаны спектральное распределение мощности двух важных источников света: голубого светового люка (а) и желтого диска солнца (б).

Трудно сделать точные обобщения о том, как спектральные распределения мощности меняются в зависимости от длины волны, но широко распространено мнение, что для практических целей мы можем аппроксимировать спектральные распределения мощности, используя гладкие регулярные функции, как показано на рисунке ~ ??. Также известно, что фотопигменты интегрируются в широком спектре длин волн.Следовательно, международные организации по стандартизации предлагают проводить измерения каждые 5 нм, чтобы добиться превосходного представления сигнала. Практические измерения часто основываются на измерениях с интервалом 10 или 20 нм. Мы рассмотрим этот вопрос более полно, когда рассмотрим внешний вид цвета в главе 9.

Скотопическое кодирование длины волны

Какую информацию мы кодируем о спектральном распределении мощности, когда стержни инициируют зрение в условиях scotopic ? Мы можем ответить на этот вопрос с помощью эксперимента, предназначенного для измерения того, насколько хорошо люди могут различать различные спектральные распределения мощности.В эксперименте scotopic matching мы представляем наблюдателя с двумя источниками света, расположенными бок о бок в двудольном поле . На одной стороне поля находится контрольная лампа ; он может иметь любое спектральное распределение мощности. Вторая сторона поля содержит первичный свет ; он имеет фиксированное относительное спектральное распределение мощности и может изменяться только общим коэффициентом интенсивности. Задача наблюдателя в эксперименте по скотопическому сопоставлению состоит в том, чтобы отрегулировать интенсивность первичного света так, чтобы первичный свет казался неотличимым от тестового.Наблюдатель может регулировать только интенсивность основного света, поэтому, когда совпадение достигнуто, спектральные распределения мощности тестового и основного огней, которые совпадают, по-прежнему будут разными.

В скотопических условиях наблюдатели могут отрегулировать интенсивность основного света таким образом, чтобы основной свет совпадал с любым испытательным светом. Поскольку субъекты всегда могут найти это совпадение, у нас есть простой ответ на наш вопрос: стержни ничего не кодируют об относительной спектральной плотности света. Наблюдатель может регулировать интенсивность первичного света, чтобы он соответствовал внешнему виду тестового света с любым спектральным распределением мощности.Относительное спектральное распределение мощности несущественно, все, что имеет значение, — это относительные интенсивности двух источников света.

Сопоставление: однородность и суперпозиция

Мы можем узнать больше о кодировании скотопической длины волны, изучив количественные свойства эксперимента по сопоставлению. Чтобы полностью охарактеризовать эксперимент по сопоставлению, мы должны уметь предсказать, как испытуемый будет регулировать основную интенсивность, чтобы соответствовать любому испытательному свету. Мы рассматриваем эксперимент как преобразование, определяя спектральное распределение мощности тестового света как входной и интенсивность первичного света как выходную.Количественное описание эксперимента говорит нам, как сопоставить вход с выходом.

Естественно, сначала мы спрашиваем, можем ли мы охарактеризовать преобразование эксперимента согласования, используя методы линейных систем. Обозначьте спектральное распределение мощности тестового и основного огней с помощью векторов и соответственно. Записи этих векторов описывают мощность на каждой длине волны выборки. Чтобы проверить линейность, мы оцениваем, удовлетворяет ли эксперимент по скотопическому сопоставлению свойствам однородности и суперпозиции линейных систем.Мы можем оценить эти свойства с помощью следующих экспериментальных испытаний:

Рис. 4.5. Гипотетический эксперимент по скотопическому сопоставлению. Горизонтальная шкала измеряет интенсивность монохроматического тестового света, а вертикальная шкала измеряет интенсивность соответствующего первичного света 510 нм. Поскольку эксперимент по скотопическому сопоставлению удовлетворяет однородности, данные будут располагаться по прямой линии. Наклон линии определяет относительную скотопическую чувствительность к каждой длине волны испытания.

Гипотетический тест на однородность показан на рисунке 4.5. Отдельные панели показывают интенсивность тестового света по горизонтальной оси и интенсивность соответствующего первичного света по вертикальной оси. Каждая панель отображает результаты с использованием спектрального тестового света с серией длин волн и первичного света 510 нм. В скотопическом эксперименте сопоставления данные будут располагаться на прямой линии, что согласуется с предсказанием однородности. Наклон линии определяет относительную скотопическую чувствительность к тесту и основным огням. Например, на панели (c) показаны гипотетические результаты эксперимента с тестовым светом 580 нм.Наклон линии показывает, что нам нужны единицы энергии на длине волны 580 нм, чтобы иметь такой же эффект, как и единицы энергии на длине волны 510 нм. Следовательно, свет на 510 нм в разы более эффективен на единицу энергии, чем свет на 580 нм.

Поскольку эксперимент по скотопическому сопоставлению является линейным, должна быть матрица системы, которая отображает вход (, тестовое спектральное распределение мощности), на выход (, интенсивность первичного света). Системная матрица, назовем ее, должна иметь одну строку и столбцы. Контрольная лампа, матрица системы и первичная интенсивность связаны между собой продуктом.

4.6: Таблица матриц эксперимента по скотопическому согласованию. Интенсивность первичного света, е, равна произведению матрицы системы согласования и спектрального распределения мощности тестового света.

Мы можем связать измерения в эксперименте по скотопическому сопоставлению с элементами системной матрицы следующим образом. Запишите матричное произведение как сумму по длинам волн выборки,

(1)

Предположим, мы используем монохроматический тестовый свет единичной интенсивности, то есть вход, который имеет только одну ненулевую длину волны,.Тогда уравнение ~ 1 становится простым. Это показывает, что наклон линии, связывающей интенсивность монохроматического теста с первичной интенсивностью, является элементом матрицы системы,. Следовательно, мы можем оценить матрицу системы по наклону экспериментальных линий, которые мы измеряем в тесте на однородность, показанном на рисунке 4.5.

Рисунок 4.7: Функция скотопической спектральной чувствительности определяет чувствительность человека к длине волны в условиях скотопического просмотра. Кривая представляет собой график элементов матрицы скотопической системы.

Рисунок 4.7 представляет собой графический метод представления системной матрицы эксперимента по скотопическому сопоставлению. Кривая показывает значения в зависимости от длины волны, интерполированные из экспериментальных измерений на многих длинах волн выборки. Кривая называется функцией скотопической чувствительности .

Измеряя матрицу системы, мы можем предсказать, будет ли какая-либо пара огней совпадать в скотопических условиях. На рис. 4.6 показано, как мы используем матрицу системы для прогнозирования интенсивности первичного света, необходимого для соответствия контрольному свету.Предположим, у нас есть две тестовые лампы, и. Два источника света будут совпадать, если им соответствует одинаковая интенсивность основного света. Итак, эти два огня будут совпадать, когда.

Уникальность

Гипотетический эксперимент, показанный на рис. 4.5, предполагал первичный свет 510 нм. Предположим, что мы проводим эксперимент по согласованию скотопов, используя другой первичный свет. Как это повлияет на матрицу системы?

Мы можем ответить на этот вопрос с помощью мысленного эксперимента. Назовите второй первичный свет.Мы можем установить соответствие между новым основным источником света и первым основным источником света. Мы обнаружим, что существует некоторый скаляр, такой, который совпадает, и мы ожидаем, что всякий раз, когда совпадает с тестовым светом, тогда будет совпадать. В частности, поскольку соответствует монохроматической контрольной лампе, мы ожидаем, что она также будет соответствовать монохроматической контрольной лампе. Отсюда следует, что элементы новой системной матрицы будут равны исходной, за исключением постоянного масштабного коэффициента,. Следовательно, новая матрица системы будет, и мы говорим, что оценка уникальна с точностью до неизвестного масштабного коэффициента.

Биологическая основа скотопического сопоставления

Рис. 4.8. Эксперимент по скотопическому сопоставлению примечателен своей простотой. Мы можем понять биологическую основу экспериментальных совпадений, изучив свойства палочкового фотопигмента — родопсина.

Рисунок 4.8 представляет собой фотографию фотопигмента, содержащегося во внешних сегментах стержня. На части (а) рисунка фотопигмент сфотографирован в глазу аллигатора. Поскольку задняя часть глаза аллигатора содержит белую отражающую поверхность, называемую tapetum , можно увидеть цвет фотопигмента стержня.У кошек тоже есть белый тапетум, поэтому глаза кошек, кажется, светятся так ярко, когда они ловят луч автомобильных фар. Аллигатор, показанный на снимке, хранился в темном туалете в течение 24 часов, чтобы фотопигмент полностью регенерировался и его было легко сфотографировать. Чулан ненадолго приоткрыли, сделали фотовспышку, а потом, я полагаю, дверь снова закрылась. Уф. \ nocite {RushtonAlligatorSciAm}

Палочковый фотопигмент присутствует в гораздо большей плотности, чем любой из фотопигментов колбочки.Таким образом, исследователи смогли выделить и извлечь фотопигмент палочки в течение пятидесяти лет, тогда как фотопигменты колбочек стали доступны только недавно с помощью методов генной инженерии (Merbs and Nathans, 1992). Характерно, что когда палочковый фотопигмент подвергается воздействию света, он претерпевает серию быстрых изменений химического состояния (Hubbard and Wald, 1951; Wald and Brown, 1956; Wald, 1968). Всякий раз, когда квант света поглощается фотопигментом родопсина, он претерпевает определенную последовательность событий, приводящих к разложению молекулы родопсина на опсин и витамин А.На рисунке ~ ?? b показан тот же аллигатор после того, как его глаз подвергся воздействию света. Родопсин разделен на две части, и полученные продукты прозрачные, а не фиолетовые. В этом состоянии очевиден белый тапетум глаза. Именно селективность фотопигмента родопсина по длине волны обеспечивает биологическую основу скотопического сопоставления. Взаимосвязь между поведенческим экспериментом и свойствами палочкового фотопигмента основана на важном свойстве, называемом унивариантностью .

W. Rushton подчеркнул, что когда молекула фотопигмента поглощает свет, эффект на фотопигмент остается одинаковым, независимо от длины волны поглощенного света. Таким образом, даже несмотря на то, что кванты на 400 нм обладают большей энергией, чем кванты на 700 нм, последовательность реакций родопсина на поглощение кванта 400 нм такая же, как последовательность реакций на квант 700 нм. Раштон использовал слово univariance для этого принципа, чтобы напомнить нам, что один фотопигмент дает только одну переменную реакцию на падающий свет.Фотопигмент отображает все спектральные источники света в выходной сигнал с одной переменной, степень поглощения . Отклик одного фотопигмента не кодирует никакой информации об относительном спектральном составе света. Это объясняет, почему мы не можем различать источники света с разным спектральным распределением мощности в условиях скотопического обзора (Rushton, 1965; Naka and Rushton, 1966).

Рис. 4.9: Аппарат для измерения спектрального поглощения фотопигмента.Используя монохроматор, можно отбирать свет на одной длине волны от источника света. Чтобы оценить долю фотонов, поглощенных фотопигментом на этой длине волны, мы делим количество фотонов, обнаруженных через стекло и фотопигмент, на количество, обнаруженное после прохождения только через стекло.

Однородность, однако, не означает, что фотопигмент одинаково хорошо реагирует на все спектральные огни. Фотопигмент с большей вероятностью поглощает свет одних длин волн, чем другие.Однвариантность утверждает, что после поглощения все кванты имеют одинаковый визуальный эффект.

Мы можем измерить вероятность поглощения, используя экспериментальную установку, показанную на рисунке 4.7. На прозрачную стеклянную пластину наносим тонкий слой фотопигмента. Мы создаем монохроматический свет, пропуская свет от обычного источника через монохроматор . Монохроматор может быть сконструирован с использованием призм или дифракционных решеток для разделения падающего света на отдельные длины волн, как в оригинальных экспериментах Ньютона.Мы измеряем количество монохроматического света, прошедшего через фотопигмент и стеклянную пластину, с помощью фотодетектора в задней части прибора. Затем мы перемещаем стеклянную пластину вверх, чтобы удалить фотопигмент с пути света, и снова измеряем. Разница в сигнале фотодетектора, измеренном в этих двух условиях, пропорциональна количеству света, поглощаемого фотопигментом.

Рисунок 4.10: Поглощение родопсина на разных длинах волн.} Количество поглощений в тонком слое фотопигмента пропорционально интенсивности входящего света и, таким образом, удовлетворяет принципу однородности.Наклон линейной зависимости между интенсивностью света и числом поглощений описывает долю поглощения фотонов. Наклон изменяется в зависимости от длины волны тестового света, определяя, таким образом, чувствительность к длине волны фотопигмента.

Если присутствует только тонкий слой фотопигмента, экспериментальные измерения поглощения будут обеспечивать однородность и суперпозицию. Чтобы проверить однородность, мы увеличиваем интенсивность тестового света. Мы обнаружим, что количество поглощений будет пропорционально увеличиваться в значительном диапазоне.Чтобы проверить суперпозицию, мы измеряем поглощение фотопигментами тестового света и количество поглощений вторым светом. Когда мы совмещаем два входных источника света, мы измеряем поглощение. Поскольку процесс измерения является линейным, мы можем оценить системную матрицу этого процесса поглощения, точно так же, как мы измеряли системную матрицу эксперимента по скотопическому согласованию.

Рис. 4.11: Сравнение скотопического соответствия и чувствительности к длине волны родопсина. Заштрихованные кружки показывают абсорбцию родопсина человека, измеренную, как на Фигуре 4.7. Белые кружки показывают светочувствительность человека с поправкой на потерю света в линзе и оптических средах. (Источник: Wald and Brown, 1958)

Мы можем предсказать совпадения в эксперименте по скотопическому сопоставлению по поглощению фотопигмента родопсина. Тестовый и первичный свет совпадают в эксперименте по скотопическому сопоставлению, когда два источника света создают одинаковое количество поглощений в фотопигменте родопсина. Мы можем продемонстрировать это, сравнивая системные матрицы эксперимента по скотопическому сопоставлению и эксперимента по поглощению родопсина.После того, как мы скорректируем влияние элементов глаза, чувствительных к длине волны, в основном хрусталика, мы можем построить системные матрицы эксперимента по скотопическому сопоставлению и эксперимента по поглощению родопсина на одном графике. Уолд и Браун (1958) провели это сравнение на графике на рис. 4.9. Заштрихованные кружки на графике показывают измерения матрицы системы из эксперимента по абсорбции родопсина. Полностью незакрашенные кружки представляют собой оценки входов после поправки на тот факт, что линза поглощает значительное количество света в коротковолновой части спектра.

Согласие между измерениями фотопигмента родопсина и экспериментом по скотопическому сопоставлению подтверждает простую модель поведения наблюдателя. В условиях скотопического зрения восприятие наблюдателем двух половин двудольного поля зависит от сигнала, инициированного поглощением фотопигмента стержнем. Две стороны поля кажутся идентичными, когда скорости поглощения родопсина на двух сторонах двудольного поля равны. Затем во время эксперимента наблюдатель регулирует интенсивность совпадающего света, чтобы уравнять скорости поглощения стержня по обе стороны двухстороннего поля.Поскольку поглощение света является линейным процессом, поведение наблюдателя также линейно.

Точное количественное совпадение между скотопическими спичками и фотопигментом стержня делает очень тесную связь между характеристиками и биологическим кодированием света. Этот тип точной количественной взаимосвязи между поведением и биологическим кодированием света служит хорошим стандартом для использования при рассмотрении взаимосвязи между поведением и биологией в других условиях.

Фотопическое кодирование длины волны

Когда колбочки инициируют зрение, в фотопических условиях мы кодируем некоторую информацию об относительном распределении спектральной мощности падающего света.Изменения в относительном распределении спектральной мощности приводят к изменению цветового восприятия света. Некоторые из важных свойств внешнего вида цвета можно проследить благодаря тому, как фоторецепторы конуса кодируют относительное спектральное распределение мощности света \ footnote {N.B. Внешний вид цвета не является простым следствием спектрального распределения мощности падающего света. Мы подробно обсудим внешний вид цвета в главе 9}.

Рис. 4.12. Эксперимент по подбору цветов.} Наблюдатель рассматривает двудольное поле и регулирует интенсивности трех основных источников света, чтобы они соответствовали внешнему виду тестового света.(а) Вид сбоку экспериментальной установки. (б) Появление стимулов для наблюдателя. (По Джадду и Вышецкому, 1975.

Мы свяжем человеческую способность различать свет со свойствами колбочек точно так же, как мы это сделали со стержнями. Во-первых, мы рассмотрим эксперименты по сопоставлению, которые характеризуют, насколько хорошо люди могут различать источники света со спектральным распределением мощности. Когда мы проводим измерения в фотопических условиях, этот эксперимент называется экспериментом сопоставления цветов .Эксперимент по подбору цветов является основой науки о цвете и имеет прямое значение для многих цветовых приложений (см. Приложение). Во-вторых, мы свяжем свойства эксперимента по подбору цветов со свойствами фотопигментов колбочек. Анализ кодирования фотопической длины волны проводится параллельно с анализом кодирования скотопической длины волны. Основные отличия заключаются в том, что (а) мы должны отслеживать поглощение фотопигмента тремя фотопигментами колбочек, а не одностержневым фотопигментом, и (б) до недавнего времени фотопигменты колбочек не присутствовали в достаточном количестве, чтобы определить их свойства с какой-либо уверенностью. (Мербс и Натанс, 1992).Таким образом, проблема соотношения цветового соответствия и фотопигментов колбочки была решена с использованием других косвенных биологических измерений. Мы можем многому научиться, изучая логику этих методов.

На рис. 4.10 показано простое устройство, которое можно использовать для проведения эксперимента по сопоставлению цветов. Наблюдатель видит двустороннее поле зрения с пробным светом с одной стороны. Испытательный свет может иметь любое спектральное распределение мощности. Вторая половина двудольного поля содержит смесь из трех основных источников света.На протяжении всего эксперимента относительное спектральное распределение мощности каждого первичного света остается постоянным; можно отрегулировать только абсолютный уровень основных источников света. Задача наблюдателя — отрегулировать интенсивность трех основных источников света так, чтобы две стороны двудольного поля казались идентичными.

Рисунок 4.13: Метамерные огни. Два источника света с таким спектральным распределением мощности кажутся большинству наблюдателей идентичными и называются метамерами. Кривая в части (а) является приближением к спектральному распределению мощности Солнца.Кривая в части (b) представляет собой спектральное распределение мощности света, излучаемого обычным телевизионным монитором, три интенсивности люминофора которого были установлены таким образом, чтобы соответствовать свету на (a) по внешнему виду.

Когда наблюдатель завершил настройку соответствия внешнего вида, огни на двух сторонах двудольного поля физически не одинаковы. Испытательный свет может иметь любое спектральное распределение мощности, в то время как смесь основных цветов может иметь только ограниченное количество спектральных распределений мощности, определяемых возможными взвешенными суммами трех распределений спектральной мощности основного света.Источники света, внешне похожие на световые, но отличающиеся физически, называются метамерами . На рисунке 4.11 представлена ​​пара спектральных распределений мощности, которые визуально совпадают, но отличаются физически, то есть пара метамеров.

Метамеры на рисунке 4.11 показывают, что даже в условиях фотопического просмотра мы не можем различить очень разные спектральные распределения мощности. Чтобы понять поведенческие аспекты фотопического кодирования длины волны, мы должны попытаться предсказать, какие спектральные распределения мощности мы можем различить.Первый вопрос, который мы задаем, — можем ли мы предсказать эффективность фотопического эксперимента по сопоставлению цветов, используя методы линейных систем.

Рис. 4.14. Эксперимент по сопоставлению цветов удовлетворяет принципу суперпозиции. В частях (а) и (b) испытательные огни сочетаются с сочетанием трех основных огней. В части (c) сумма тестовых огней согласовывается с добавленной смесью основных цветов, демонстрируя суперпозицию.

Мы можем определить экспериментальные измерения в эксперименте по сопоставлению цветов по прямой аналогии с определениями, которые мы использовали в эксперименте по сопоставлению цветов.Входной переменной в эксперименте по сопоставлению цветов является свет, как и в случае скотопического сопоставления. Однако в эксперименте по подбору цветов ответы испытуемых состоят из трех чисел, а не одного. Итак, мы записываем ответы, используя трехмерный вектор,. Записи — это интенсивности трех основных огней. Чтобы проверить суперпозицию в эксперименте по сопоставлению цветов, мы следуем логике, показанной на рис. 4.12. Мы получаем совпадение с a, регулируя основные интенсивности до уровней в.Затем мы получаем совпадение с настройкой трех основных интенсивностей на. Мы проверяем аддитивность, проверяя, что соответствует; является . Фотопическое сопоставление цветов удовлетворяет однородности и наложению. Мы отдаем дань уважения человеку, который первым понял важность суперпозиции в сопоставлении цветов, назвав это эмпирическое свойство законом аддитивности Грассмана .

Рисунок 4.15: Матричная таблица соответствия цветов. Эксперимент по фотопическому сопоставлению цветов определяет линейное отображение распределения спектральной мощности тестового света на интенсивность трех основных источников света.Строки системной матрицы называются функциями согласования цветов. Эти функции можно оценить, установив совпадения для множества различных контрольных ламп и решив набор линейных уравнений.

Поскольку эксперимент по подбору цветов линейно отображает физический стимул в первичную интенсивность, должна быть матрица системы, которая отображает входной вектор в выходной вектор. На рис. 4.15 показаны отношения ввода-вывода для фотопического эксперимента по сопоставлению цветов в матричной таблице.Мы будем называть системную матрицу.

Мы можем оценить матрицу системы по совпадениям цветов так же, как мы оценили матрицу скотопической системы: установив совпадения для набора монохроматических тестовых огней с единичной интенсивностью. Поскольку вектор, представляющий монохроматический тестовый свет, равен нулю на каждом входе, кроме единицы, произведение матрицы системы и вектора монохроматического тестового света равно одному столбцу матрицы системы. Таким образом, сопоставляя серию монохроматических огней единичной интенсивности, мы можем определить каждый из столбцов матрицы системы,.

Также полезно рассматривать системную матрицу в терминах ее строк, которые называются функциями согласования цветов . Каждая строка матрицы определяет интенсивность одиночного первичного света, который был установлен в соответствии с монохроматическими тестовыми огнями. Мы свяжем строки матрицы фотопической системы со свойствами фотопигментов колбочек точно так же, как мы связали одну строку матрицы скотопической системы с фотопигментом родопсина. Однако, чтобы установить связь между фотопигментами конуса и функциями подбора цвета, потребуется немного больше работы.

Измерения функций согласования цветов

При измерении функций согласования цветов возникают два важных предостережения. Это лишь небольшая теоретическая неприятность, но они имеют важное значение для лабораторных экспериментов и для практических приложений.

Первый вопрос касается выбора основных огней. Мы должны выбирать источники света, которые визуально являются независимыми : то есть никакая дополнительная смесь двух основных источников света не должна визуально соответствовать третьему основному свету.Это очевидное, но важное ограничение: было бы неразумно выбирать второй основной источник света, который выглядел бы так же, как первый, за исключением масштабного коэффициента интенсивности. Этот выбор был бы глупым, поскольку мы всегда могли заменить второй источник света версией первого основного источника света со шкалой интенсивности, ничего не добавляя к диапазону визуальных совпадений, который мы можем получить. Точно так же первичный элемент, которому может соответствовать смесь первых двух, ничего не добавляет. Мы должны выбрать наши основные источники света так, чтобы они не зависели друг от друга.

Даже среди независимых наборов основных источников света одни более удобны, чем другие. Эмпирически выясняется, что независимо от того, какие основные источники света мы выберем, всегда будут некоторые тестовые источники света, которые не могут быть сопоставлены аддитивной смесью трех основных цветов. Чтобы согласовать эти тестовые огни, мы должны переместить один или даже два из основных источников света с совпадающей стороны двудольного поля на тестовую сторону двудольного поля. Таким образом, обычно мы получаем визуальные совпадения вида

.

(2)

Сдвиг одного из основных цветов на другую сторону двудольного поля означает, что наше совпадение имеет вид

(3)

Для математика Уравнение ~ 3, то же самое, что

(4)

Следовательно, когда мы кодируем интенсивность первичного света, который был смещен на другую сторону тестового поля, мы обозначаем совпадение, используя отрицательное значение интенсивности \ footnote {Изменение знака первичной интенсивности — тривиальное дело для теоретика .Однако это неудобно для лаборатории и обычно невозможно в технологических приложениях, таких как цветные дисплеи. Таким образом, вопрос выбора основных цветов, чтобы минимизировать количество раз, которое мы должны делать эту настройку, представляет большой практический интерес.}.

Рисунок 4.16: Функции согласования цветов — это строки матрицы системы согласования цветов. Функции, измеренные Стайлзом и Берчем (1959) с использованием двухчастичного поля 10 градусов и первичного света на длинах волн 645,2 нм, 526,3 нм и 444 нм.Показаны 4 нм с единичной мощностью излучения.

На рис. 4.3 показаны функции согласования цветов, измеренные Стайлзом и Берчем (1959) с использованием трех монохроматических первичных источников света при 645,2 нм, 525,3 нм и 444,4 нм. Каждая функция описывает интенсивность одного из основных огней, используемых для согласования с различными монохроматическими тестовыми огнями. Обратите внимание, что интенсивность красного первичного света при 700 нм является отрицательной в области длин волн тестового света, что указывает на то, что в этом диапазоне тестовых огней к тестируемому полю был добавлен первичный свет 700 нм.

Функции согласования цветов чрезвычайно важны в цветной технологии, например, при создании изображений на цветных мониторах и цветных принтерах. Я рассмотрю применение этих методов к цветным мониторам в Приложении.

Уникальность функций согласования цветов

Предположим, две исследовательские группы измеряют функции согласования цветов, используя разные наборы основных источников света. Одна группа измеряет функции согласования цветов с использованием трех основных источников света, а вторая группа использует другой набор основных источников света,.Поскольку группы используют разные основные источники света, они будут измерять разные наборы функций сопоставления цветов, и. Как будут связаны два набора функций сопоставления цветов?

Мы можем ответить на этот вопрос с помощью следующего мысленного эксперимента. Сначала создайте матрицу, столбцы которой содержат распределения спектральной мощности основных источников света первой группы, и назовите эту матрицу. Спектральное распределение мощности смеси основных цветов с основными интенсивностями представляет собой взвешенную сумму столбцов.Мы можем выразить эту смесь, используя матричное произведение. Теперь мы можем использовать функции сопоставления цветов, чтобы предсказать, когда тестовый свет будет соответствовать смеси трех основных цветов. Тест и праймериз будут совпадать, когда

(5)

Предположим, что вторая группа исследователей также может установить совпадения с этим испытательным светом, используя свои основные цвета. Чтобы описать их измерения, мы создаем вторую матрицу, столбцы которой содержат спектральные распределения мощности основных источников света второй группы,.Назовите первичные интенсивности, используемые для сопоставления теста со вторыми первичными цветами. Поскольку свет визуально соответствует испытательному свету, мы знаем, что

(6)

Комбинируя уравнения ~ 5 и 6, мы обнаруживаем, что два вектора первичных интенсивностей, и, связаны линейным преобразованием,

Наконец, напомним, что векторы в столбцах функций согласования цветов являются основными настройками интенсивности, необходимыми для согласования монохроматических источников света.Мы только что показали, что основные интенсивности, используемые для согласования с двумя различными наборами основных цветов, связаны линейным преобразованием. Следовательно, системные матрицы, содержащие функции согласования цветов, должны быть связаны линейным преобразованием.

Немного углубившись в алгебру, можно показать, что функции согласования цветов связаны следующим линейным преобразованием:

(7)

Матрица, связывающая два набора функций согласования цветов, имеет простую эмпирическую интерпретацию; его столбцы содержат интенсивности новых основных цветов, необходимые для соответствия исходным основным цветам.Чтобы увидеть это, помните, что каждый столбец — это спектральное распределение мощности одного из основных источников света. Таким образом, первый столбец — это вектор интенсивностей первой группы основных цветов, необходимых для сопоставления. Точно так же второй и третий столбцы содержат интенсивности первой группы основных цветов, необходимые для соответствия соответствующим основным цветам в. Матрица содержит три столбца, равных первичной интенсивности, необходимой для соответствия новым первичным источникам света,.

Фотопические функции сопоставления цветов не уникальны; когда мы измеряем с использованием разных наборов основных цветов, мы получим разные функции согласования цветов.Но функции согласования цветов также не могут полностью изменяться, поскольку разные пары функций согласования цветов всегда будут связаны линейным преобразованием. Мы говорим, что функции согласования цветов уникальны с точностью до свободного линейного преобразования

Стандартный набор функций подбора цвета

Когда в 1931 году члены Международного комитета по освещению (CIE; международная организация по стандартизации) встретились, они полностью осознали, что функции сопоставления цветов не уникальны.Чтобы облегчить обмен информацией о цвете, CIE определил стандартную систему представления цвета, основанную на одном конкретном наборе функций сопоставления цветов, который должен использовать каждый. Этот набор функций согласования цветов определяет трехцветную систему координат XYZ . Функции согласования цветов в этой системе называются и соответственно. Они определяют одну из многих возможных системных матриц эксперимента по сопоставлению цветов. На рис. 4.17 показаны три стандартные функции сопоставления цветов, и.

Рис. 4.17. Стандартные функции сопоставления цветов XYZ.} В 1931 году CIE стандартизировал набор функций сопоставления цветов для обмена изображениями. Эти функции согласования цветов называются bar {x} (\\ lambda), bar {y} (\\ lambda) и bar {z} (\\ lambda). Промышленные приложения обычно описывают цветовые свойства источника света с использованием трех основных интенсивностей, необходимых для согласования с источником света, которые могут быть вычислены с помощью функций согласования цветов XYZ

.

Стандартные функции согласования цветов были выбраны по нескольким причинам.Во-первых, это грубое приближение к яркости монохроматических источников света одинакового размера и продолжительности. Вторая важная причина заключается в том, что функции неотрицательны, что упростило некоторые аспекты конструкции инструментов для измерения координат трехцветного стимула. Но, как и в случае любого стандартного решения, функции согласования цветов XYZ также имеют некоторые раздражающие аспекты. Одним из серьезных недостатков является отсутствие набора физически реализуемых основных источников света, которые при прямом измерении давали бы функции согласования цветов.Основные источники света, которые будут выполнять эти функции, должны иметь отрицательную энергию на некоторых длинах волн и не могут быть оснащены приборами. Другая проблема состоит в том, что эти ранние оценки были улучшены. В частности, Д. Б. Джадд (1951) отметил, что функции неточны в коротковолновой области, и предложил модифицированный набор функций, которые часто используются учеными, хотя они не вытеснили промышленный стандарт. Кроме того, что, пожалуй, наиболее важно, в функциях согласования цветов XYZ очень мало интуитивного.Хотя они довольно хорошо послужили нам в качестве технического стандарта и понятны мандаринам нашей дисциплины, они сослужили нам довольно плохую службу в объяснении дисциплины новым студентам и коллегам.

Биологические основы фотопического сопоставления цветов

Точно так же, как мы можем объяснить эксперимент по скотопическому сопоставлению цветов с точки зрения свойств поглощения света фотопигмента на основе родопсина, мы также хотели бы объяснить эксперимент фотопического сопоставления цветов с точки зрения свойств поглощения света фотопигментами колбочек.Мы связали фотопигменты и их поведение, изучив системные матрицы двух экспериментов. Мы обнаружили, что два источника света были скотопическими совпадениями, и затем мы показали, что записи в матрице скотопических совпадений совпадают с функцией поглощения родопсина. Для фотопического зрения мы используем тот же общий подход. Но есть два осложнения: есть три фотопигмента конуса, а не только один; Матрица фотопического согласования не уникальна.

Рисунок 4.18: Конические фотопигменты и функции согласования цветов.Если мы измеряем чувствительность к длине волны каждого из фотопигментов конуса, мы можем создать системную матрицу 3 x N для описания поглощения колбочек. Затем мы можем оценить, может ли матрица конической абсорбционной системы служить объяснением результатов эксперимента по сопоставлению цветов.

Расширить наш анализ, чтобы учесть три фотопигмента колбочки вместо одного фотопигмента палочки, несложно. Мы измеряем абсорбционные свойства каждого из трех фотопигментов конуса и создаем матрицу системы с тремя строками для определения трех функций поглощения фотопигмента конуса.Эта матрица обобщает матрицу системы родопсина. Затем мы сравниваем матрицу системы поглощения конуса, с матрицей экспериментальной системы согласования цветов,. Мы должны оценить, может ли матрица фотопигмента конуса объяснить данные о сопоставлении цветов.

Из нашего анализа сопоставления цветов мы знаем, что матрица системы сопоставления цветов не уникальна; существует набор эквивалентных системных матриц, связанных линейным преобразованием. Следовательно, чтобы оценить, может ли матрица поглощения конуса объяснить эксперимент по согласованию цветов, мы должны оценить, связана ли матрица системы согласования цветов линейным преобразованием.Наша следующая задача состоит в том, чтобы измерить матрицу конусной абсорбционной системы,.

Измерительный конус фототока

Рисунок 4.19: Измерительные приборы для обнаружения фототока, создаваемого фоторецептором макака. На изображении показана часть сетчатки, взвешенная в растворе. Один фоторецептор из этого среза сетчатки был втянут в микроэлектрод и стимулируется лучом света, проходящим поперек фоторецептора и микроэлектрода (изображение любезно предоставлено D.Бейлор).

В настоящее время наилучшая оценка поглощения фотопигмента конуса получается из измерений фототока конуса, то есть изменения тока, протекающего через мембрану отдельных колбочек, когда они стимулируются светом. Связь фототока с поглощениями фотопигмента требует тщательного анализа, поскольку фототок нелинейно зависит от поглощения фотопигмента в конусе. В этом разделе мы разработаем новые теоретические методы интерпретации нелинейных измерений фототока конуса и сделаем вывод о линейных свойствах фотопигментов конуса.

Baylor, Nunn и Schnapf (1987; Baylor, 1987) были первыми, кто измерил фототоки колбочек в сетчатке макака. У макаки есть три типа колбочек, и ее поведение при выполнении большинства цветовых задач очень похоже на поведение человека. Таким образом, сравнение между свойствами фоторецепторов макаки и поведением человека — хорошее место для начала (DeValois and Jacobs, 1971).

Для измерения фототока конуса Бейлор, Нанн и Шнапф удалили сетчатку глаза и нарезали ее на мелкие кусочки диаметром около 100.Кусочки помещаются в камеру, содержащую специальные растворы, поддерживающие метаболизм клеток. Несмотря на то, что сетчатка была отделена от глаза и разрезана на части, электрический ответ фоторецепторов остается активным в течение нескольких часов. Бейлор и его коллеги записали фототок отдельных клеток, используя экспериментальную методику, изображенную на рис. 4.19. На рисунке показана стеклянная микропипетка, приближающаяся к единственному фоторецептору. Внутренний диаметр микропипетки составляет от 2 до 6, что всего в десять раз больше длины волны видимого света.Единственный внешний сегмент фоторецептора удерживается внутри микропипетки, и есть тонкий луч света, проходящий поперек фоторецептора и стимулирующий его.

Рисунок 4.20: Временной ход конусного фототока} в ответ на короткую тестовую вспышку является двухфазным. Амплитуда реакции фототока увеличивается с интенсивностью стимула. Функции отклика одинаковы для разных длин волн света, например, при 500 нм и 659 нм в частях (а) и (b), соответственно. Временной ход стимула показан под графиками фототока.(Источник: Baylor Nunn and Schnapf, 1987)

На рис. 4.20 показан результат стимуляции фоторецептора коротким световым импульсом. Кривые показывают фототок мембраны после кратковременной вспышки света. Кривые в части (а) рисунка отображают реакцию на свет 500 нм в диапазоне интенсивностей. Кривые в части (b) отображают реакцию на свет 659 нм в диапазоне интенсивностей. Перед тем, как стимул будет предъявлен, имеется устойчивый входящий ток, состоящий из потока положительно заряженных ионов натрия, поступающих в фоторецептор через ионные каналы в клеточной мембране.Этот устойчивый уровень в отсутствие света называется темновым током. Он представляет собой базовый уровень и обозначен на графике как ноль. Нанесенные на график значения двухфазные, изменяющиеся как выше, так и ниже базовой линии.

Когда фотопигмент поглощает свет от вспышки, приток ионов натрия замедляется. Натриевый ток в темноте снижает отрицательную электрическую поляризацию внутри клетки. Когда свет блокирует входящий поток, отрицательная разница напряжений между внутренней и внешней частью ячейки увеличивается.Таким образом, исходная реакция фоторецепторов на свет — это гиперполяризация. После первоначального блокирования поступающего внутрь натриевого тока ток активно восстанавливается. Механизм, восстанавливающий баланс, сверхкомпенсирует; во время второй фазы отклика полный поток фототока меняет направление на противоположное. Таким образом, реакция фототока сначала течет в одном направлении, а затем в противоположном, что приводит к двухфазной импульсной характеристике.

В этом эксперименте тестовый свет является входом, а отклик конусного фототока — выходом.Мы можем оценить, удовлетворяет ли соотношение ввода-вывода одному из требований линейной системы, однородности, по графикам на рис. 4.20. Предположим, что входной сигнал и реакция фототока есть вектор, представляющий фототок как функцию времени после воздействия. Чтобы проверить однородность, мы должны измерить отклик на масштабированный вход. Если система линейная, то мы ожидаем, что реакция фототока будет. При визуальном осмотре кривых на рисунке 4.20 мы видим, что однородность нарушена. Есть две особенности кривых, которые должны сделать это очевидным для вас. Во-первых, обратите внимание, что по мере увеличения интенсивности теста пиковое отклонение достигает максимума около 25 пА, а затем достигает насыщения. Насыщение несовместимо со строго линейной зависимостью между входной интенсивностью и выходным фототоком. Второй способ увидеть, что линейность не работает, — это рассмотреть точку двухфазного отклика, в которой выходной сигнал пересекает нулевой уровень на базовой линии. Если выходной фототок пропорционален входной интенсивности, точки с нулевым уровнем отклика всегда должны иметь нулевой уровень отклика: умножение нуля на любую интенсивность все равно дает ноль.Следовательно, мы ожидаем, что точка пересечения нуля не изменит своего положения при увеличении интенсивности теста. Этот прогноз верен для более низких интенсивностей испытаний, но по мере увеличения входной интенсивности до довольно высоких уровней точка пересечения нуля смещает свое положение во времени.

Как удивительно: производительность человека в эксперименте по подбору цветов удовлетворяет принципам линейной системы, однородности и суперпозиции, однако реакции колбочкового фототока, являющиеся частью цепи биологических событий, которые опосредуют поведение, не выдерживают даже простейших тестов на линейность.Как поведение может быть линейным, если компоненты, опосредующие поведение, нелинейны? Мы ответим на этот вопрос в следующем разделе. Ответ дан специально для сопоставления цветов, но принципы, которые мы рассмотрим, являются довольно общими. Они снова пригодятся, когда мы рассмотрим взаимосвязь между поведением и другими нейронными реакциями в этой книге.

Статические нелинейности: фототоки и фотопигменты

Рис. 4.21. Принцип однонаправленности} утверждает, что поглощение фотона приводит к одинаковому нейронному отклику, независимо от длины волны фотона.Этот принцип предсказывает, что два стимула на разных длинах волн можно отрегулировать, чтобы уравнять реакцию фототока на протяжении всего периода времени. Это показано здесь как соответствие между фототоками в ответ на 550 нм (пунктир) и 659 нм (сплошной) тестовый свет, установленный на соотношение интенсивности девять к одному (Источник: Baylor et al., 1987).

Путем сравнения наборов откликов фототока вверху и внизу рисунка 4.20 кажется, что при изменении уровня тестового сигнала мы получаем один и тот же набор кривых.Сходство измеренных откликов фототока с двумя тестовыми лампами предполагает, что мы можем провести эксперимент по сопоставлению цветов на уровне отклика фототока. Мы можем провести такой эксперимент, выбрав тестовый свет и основной свет и отрегулировав интенсивность основного света до тех пор, пока фототоковые характеристики тестового и основного света не станут одинаковыми. Кривые на рисунке 4.21 показывают один пример такого совпадения с использованием первичного света на 500 нм и тестового света на 659 нм.

Рис. 4.22: Эксперимент по согласованию с использованием конусного фототока в качестве отклика. Свет на разных длинах волн оказывает эквивалентное влияние на фототок конуса, если соотношение интенсивности света установлено правильно. Для этого конуса свет 659 нм должен быть в девять раз более интенсивным, чем свет 500 нм, чтобы иметь эквивалентный эффект (Источник: Baylor et al., 1987).

Соответствующий эксперимент с использованием конусного фототока в качестве ответа. Свет на разных длинах волн оказывает эквивалентное влияние на фототок конуса, если соотношение интенсивности света установлено правильно.Для этого конуса свет 659 нм должен быть в девять раз более интенсивным, чем свет 500 нм, чтобы иметь эквивалентный эффект (Источник: Baylor et al., 1987).

Физиологический препарат очень хрупкий, и фоторецепторы трудно поддерживать живыми и функционирующими. Это делает невозможным установку полных совпадений фототока для произвольных тестовых и первичных комбинаций. Но можно провести эффективную аппроксимацию всего эксперимента. Две кривые на рис. 4.22 суммируют отклики фототока на тестовый свет с длиной волны 659 нм и основной свет с длиной волны 500 нм при различных уровнях интенсивности.Точки данных показывают пиковое значение отклика фототока как функцию интенсивности; пиковое значение суммирует полный временной интервал фототока. Плавные кривые, проведенные через точки, интерполируют пиковый отклик на любом уровне интенсивности. По этим интерполированным измерениям мы можем оценить уровни интенсивности, необходимые для получения полного соответствия между тестовым и основным светом.

Если эксперимент по согласованию, выполненный на уровне фототока, удовлетворяет однородности, интенсивность согласованного тестового и первичного света должна быть пропорциональна друг другу.Мы можем оценить интенсивность тестового и основного источников света, которые совпадают на разных уровнях отклика, проведя горизонтальную линию поперек графика и отметив уровни интенсивности, которые создают одинаковый пиковый фототок. Кривые, проходящие через два набора точек данных на рис. 4.22, параллельны по логарифмической оси интенсивности, так что интенсивности пар совпадающих точек разделены на постоянную величину. Поскольку ось является логарифмической, равное разделение означает, что, когда фототоки соответствуют тесту, и интенсивности первичного света находятся в определенном соотношении, в точности как требуется для однородности.Следовательно, эксперимент согласования фототока удовлетворяет однородности, даже несмотря на то, что сам отклик фототока является нелинейным.

Из разнесения двух кривых мы видим, что для того, чтобы вызвать такой же отклик, требуется больше фотонов с длиной волны 659 нм, чем фотонов с длиной волны 500 нм. Для этой пары длин волн кривые разделены логарифмическими единицами, что соответствует отношению. Требуется в несколько раз больше квантов с длиной волны 659 нм, чтобы сравняться с фототоком, создаваемым несколькими квантами с длиной волны 500 нм. Повторяя этот эксперимент с использованием тестовых ламп на многих разных длинах волн, мы можем оценить полные кривые спектральной чувствительности для фоторецепторов колбочки.Из набора таких измерений мы можем оценить чувствительность рецептора конуса к длине волны. Чувствительность к длине волны обусловлена ​​свойствами фотопигмента конуса, поэтому таким образом мы можем получить функцию поглощения фотопигмента конуса из измерений фототока.

Рисунок 4.23: Спектральная чувствительность конического фототока. Диапазон измерения составляет один миллион раз. Чувствительность S-конуса на коротких волнах высока по сравнению с поведенческими измерениями, поскольку в поведенческих условиях линза сильно поглощает коротковолновый свет.(По Бейлору, 1987).

Спектральная чувствительность конического фототока. Диапазон измерения составляет один миллион раз. Чувствительность S-конуса на коротких волнах высока по сравнению с поведенческими измерениями, поскольку в поведенческих условиях линза сильно поглощает коротковолновый свет. (По Бейлору, 1987).

Читатель не удивится, узнав, что Бейлор, Нанн и Шнапф обнаружили колбочки с тремя различными спектральными функциями отклика: эти измерения показаны на рисунке 4.23. Обратите внимание, что вертикальная ось охватывает шесть логарифмических единиц, так что они измеряли чувствительность, изменяющуюся более чем в один миллион раз, что является выдающимся достижением технических измерений.

Статические нелинейности: принцип

Мы можем проанализировать чувствительность фотопигмента по отклику фототока, потому что нелинейная связь между тестовым светом и сигналом фототока очень проста: фотоны поглощаются линейным процессом; за линейным кодированием следует нелинейный процесс, который преобразует скорость поглощения фотопигмента в фототок мембраны.Свойства нелинейного процесса не зависят от шага линейного кодирования, и поэтому мы называем этот процесс статической нелинейностью. Когда система представляет собой линейный процесс, за которым следует статическая нелинейность, мы можем полностью охарактеризовать производительность системы.

Стоит немного подумать, почему мы можем охарактеризовать этот тип нелинейной системы. Сначала рассмотрим линейный процесс поглощения фотопигмента. Например, существует матрица фотопигментной системы, которая преобразует тестовый свет в скорость поглощения фотонов.Во-вторых, статическая нелинейность преобразует скорость поглощения фотопигмента в пиковый отклик фототока. Вместе эти два процесса определяют отклик нелинейной системы.

Когда мы устанавливаем соответствие между пиковым фототоком от тестового света и основного света, мы устанавливаем уравнение вида

(8)

где — интенсивность первичного света, необходимая для соответствия контрольному свету. Поскольку нелинейная функция является монотонной, мы можем удалить ее с обеих сторон уравнения и записать

(9)

Из этого уравнения мы видим, что существует линейная зависимость между интенсивностью первичного и тестового света, так как если совпадает, то будет совпадать.Таким образом, даже если система имеет статическую нелинейность, производительность системы в эксперименте сопоставления будет удовлетворять тесту на однородность. Мы также можем показать, что в эксперименте согласования система со статической нелинейностью будет удовлетворять суперпозиции.

Конические фотопигменты и согласование цветов

Насколько хорошо спектральная чувствительность фотопигментов колбочки предопределяет эффективность в эксперименте по фотопическому сопоставлению цветов? Мы предсказываем, что два источника света являются метамерами, если они одинаково влияют на три типа фотопигментов колбочек.Чтобы ответить, насколько хорошо фотопигменты конуса предсказывают результаты соответствия цветов, мы можем выполнить следующий расчет.

Рис. 4.24: Сравнение откликов конического фототока и функций согласования цветов. Спектральная чувствительность конического фототока находится в пределах линейного преобразования функций согласования цвета после того, как была сделана коррекция для оптики и инертных пигментов в глазу. Гладкие кривые показывают 10-градусные функции согласования цветов, выполненные Стайлзом и Берчем (1959). Символы показывают совпадения, предсказанные по фототокам трех обезьяньих шишек.Прогнозы включали поправку на поглощение линзами и другими инертными пигментами в глазу (Источник: Baylor, 1987).

Создайте матрицу, три строки которой — спектральные чувствительности фотопигмента конуса. Мы используем эту матрицу для вычисления конусного поглощения тестового света, так что, является вектором, содержащим чувствительность конуса для тестового света. Мы прогнозируем, что два источника света и будут визуально совпадать, когда они будут иметь эквивалентные эффекты на фотопигментах конуса. Таким образом, два огня станут метамерами, когда

Отсюда следует, что матрица поглощения конуса является системной матрицей для эксперимента по сопоставлению цветов.Именно это мы имеем в виду, когда говорим, что фотопигменты колбочки могут объяснить эксперимент по подбору цветов. Ранее в этой главе мы показали, что все функции согласования цветов связаны линейным преобразованием. Таким образом, должно быть линейное преобразование, скажем, которое отображает кривые конусного поглощения в системную матрицу эксперимента по сопоставлению цветов, а именно.

Бейлор, Нанн и Шнапф провели это сравнение \ footnote {После поправки на поглощение линзой и инертные пигменты в глазу.}. Они нашли линейное преобразование для преобразования результатов измерений фотопигмента на конусах в функции согласования цветов. На рис. 4.24 показаны функции согласования цветов вместе с линейно преобразованными кривыми чувствительности конусного фотопигмента. Из согласия между двумя наборами данных мы можем сделать вывод, что спектральная чувствительность фотопигмента является удовлетворительной биологической основой для объяснения эксперимента по фотопическому сопоставлению цветов.

Почему это важно

Методы, которые мы использовали для соединения фотопигментов колбочек и сопоставления цветов, являются прекрасным примером того, как точно соотнести физиологические и поведенческие данные.Чтобы установить связь между поведенческими и физиологическими данными, нам пришлось решить несколько сложных вопросов. Тем не менее, мы получили хорошее количественное согласие между поведенческими и физиологическими измерениями.

Обратите внимание, что когда мы начали наш анализ, свойства нейронных измерений и поведенческих измерений казались разными. Линейность эксперимента по подбору цветов контрастирует с нелинейностью отклика фототока. Но, сравнивая стимулы, вызывающие одинаковые реакции, вместо того, чтобы сравнивать поведенческие совпадения с необработанными уровнями фототока, мы можем заглянуть за пределы различий и понять их глубокую взаимосвязь.В этом случае мы знаем, как связать эти два разных измерения, и простота и ясность взаимосвязи очевидны. Поэтому имеет смысл спросить, что мы можем узнать из этого успешного анализа, который может помочь нам, когда мы продолжим попытки связать другие поведенческие и биологические измерения.

Мы должны помнить, что взаимосвязь между поведением и биологией не всегда может быть обнаружена на уровне измерений, которые естественны для каждой дисциплины. Прямые сравнения между интенсивностью первичного света и сигналами фототока не помогают нам объяснить взаимосвязь, даже несмотря на то, что каждое измерение является естественным в рамках своего собственного эксперимента.Чтобы установить глубокую связь, нам нужно было взглянуть на структурные свойства эксперимента. Когда мы проводим эксперимент по сопоставлению цветов, мы узнаем об эквивалентности различных стимулов. Эта эквивалентность сохраняется при многих преобразованиях. Таким образом, нам удается сравнивать поведение и биологию, когда мы сравниваем результаты на этом уровне, хотя они кажутся разными, когда мы используем другие количественные меры.

Как мы узнаем, что у нас есть правильный набор биологических и поведенческих показателей? Есть много связанных физиологических показателей, которые мы можем использовать для характеристики фоторецепторов, и существует множество вариантов поведенческого эксперимента по сопоставлению цветов.Например, мы могли бы спросить испытуемого, удваивается ли яркость тестового света вдвое, когда мы удваиваем интенсивность (ответ отрицательный). Или мы могли бы попросить испытуемого оценить изменение красного или зеленого цвета. Подобно тому, как отношение вход-выход фототока может нарушать линейность для интенсивных стимулов, слишком многие поведенческие меры нарушают линейность. Поиск правильных мер для выявления общих свойств двух наборов данных отчасти является наукой, а отчасти искусством. Мы узнаем о связях между этими дисциплинами, пытаясь переработать наши эксперименты, используя другие методы, до тех пор, пока связь не станет очевидной.

По мере того, как мы изучаем нейронные реакции в более центральных частях нервной системы, у вас может возникнуть соблазн интерпретировать физиологические измерения как прямые предсказатели некоторого восприятия. Скорость, с которой нейрон отвечает, или стимул, который мощно управляет нейроном, являются естественными биологическими показателями. Однако помните, что нет простой взаимосвязи между реакцией фототока и уровнем интенсивности первичного света. Мы достигли хорошей связи между физиологическими и поведенческими показателями, построив теорию информации, которая сохраняется в каждом наборе экспериментальных измерений.Понимание наших измерений с точки зрения этого уровня абстракции — какой информации присутствует в сигнале — это более сложный, но лучший способ наладить связи между различными дисциплинами. Науке о цвете посчастливилось иметь сотрудников в обеих дисциплинах, которые стремятся наладить эти связи. Нам следует использовать их опыт, когда мы связываем поведение и биологию в других областях.

Дефекты цвета

Я подчеркнул тот факт, что для большинства наблюдателей сопоставление цветов в стандартных условиях просмотра требует, чтобы три основных источника света образовали совпадение, и мы называем цветовое зрение трехцветным .Существуют некоторые условия просмотра, при которых необходимы только два разных основных источника света. В этих условиях просмотра цветное зрение составляет дихроматических . Наконец, когда требуется только одна первичная обмотка, как в условиях обзора стержня, производительность составляет монохроматических .

Дихромия малого поля

Возможно, самый важный случай дихроматии происходит, когда мы уменьшаем размер двудольного поля, используемого в эксперименте по сопоставлению цветов. Если поле значительно уменьшится в размере, с 2 градусов до 20 минут угла обзора, то наблюдателям больше не нужны три независимых основных источника света: достаточно двух основных источников света.В этих условиях наблюдатели действуют так, как если бы у них было только два класса фоторецепторов, а не три.

Почему наблюдатели должны вести себя так, как если бы у них было только два класса рецепторов, когда поле очень мало? Если это наблюдение вас удивит, вернитесь к главе 3 и перечитайте раздел о мозаике S-конуса. Вы обнаружите, что коротковолновых колбочек очень мало, и их нет в центральной ямке. Как ни странно, мы меньше кодируем спектральные свойства падающего света в центральной ямке, чем мы записываем лишь немного периферийные части ямки.В центральной ямке люди двухцветны.

Дихроматические наблюдатели

Некоторые наблюдатели обнаруживают, что они могут провести эксперимент по подбору цветов, используя только два основных источника света во всем поле зрения. Таких наблюдателей называют дихроматов . Подавляющее большинство дихроматов — мужские. Изучая семейные отношения дихроматов, было обнаружено, что дихроматия является генетическим признаком, связанным с полом (Pokorny, Smith, Verriest, and Pinckers, 1979). У дихроматических наблюдателей может отсутствовать длинноволновый фотопигмент ( протанопов ), средневолновый фотопигмент ( дейтеранопов ) или коротковолновый фотопигмент ( тританопов ).Тританопы встречаются гораздо реже, чем протанопы или дейтеранопы. Разница в вероятностях возникает из-за того, что ген, ответственный за создание коротковолнового фотопигмента, находится на другой хромосоме (Nathans, et al., 1992).

Для оценки спектральной чувствительности фоторецепторов можно использовать функции согласования цветов, измеренные от дихроматических наблюдателей. Предположим, у нас есть два дихроматических наблюдателя: первый наблюдатель имеет только фоторецепторы и, а второй наблюдатель имеет только фоторецепторы и.Поскольку чувствительность фоторецепторов линейно связана с функциями согласования цветов, взвешенная сумма функций согласования цветов первого наблюдателя будет равна функции поглощения конуса, а другая взвешенная сумма функций согласования цветов второго наблюдателя будет равна функции поглощения цвета конуса. , тоже. Это устанавливает линейное уравнение, которое мы можем использовать для оценки функции поглощения конуса. Точно так же по паре дихроматов, у которых есть только колбочки, мы можем оценить чувствительность колбочек и так далее.

Псевдоизохроматические пластины.

Для некоторых целей нам не нужны полные результаты эксперимента по подбору цветов, чтобы узнать о цветовом зрении наблюдателя. Гораздо более простой тест на дихроматичность — предложить испытуемому изучить набор цветных изображений, называемых пластин Исихара . Эти пластины были разработаны на основе результатов эксперимента по подбору цветов и могут использоваться для идентификации различных типов дихроматов на основе нескольких простых суждений.

Каждая пластина состоит из цветного тестового шаблона, нарисованного на цветном фоне.И тест, и фон состоят из кругов случайного размера; тест и фон различаются только по цвету. Наблюдатели с дефицитом красно-зеленого цвета испытывают трудности с восприятием тестового шаблона. Поскольку этот тест прост в применении, он обычно используется в качестве инструмента быстрого скрининга для отделения нормалей от протанопов и дейтеранопов.

Тест Фарнсворта-Манселла 100 оттенков

Тест Фарнсворта-Манселла 100 оттенков также обычно используется для проверки на дихроматичность.В этом тесте, который намного сложнее, чем тарелки Исихара, наблюдателю предоставляется набор цилиндрических объектов размером примерно с бутылочные крышки и часто называемых крышек . Цвета крышек можно объединить в кружки оттенков от красного до оранжевого, желтого, зеленого, сине-зеленого, синего, фиолетового и обратно до красного. Несмотря на название теста, всего 85 крышек, каждая из которых пронумерована в соответствии с ее положением в круге оттенков. Цвет крышек различается примерно на одинаковые ступени восприятия.

Рисунок 4.25: Представление ошибок в тесте Фарнсворта-Манселла 100 оттенков. Каждому из тестовых объектов, называемых колпачками, назначается положение по кругу. Оценка ошибки обозначается радиальным расстоянием линии от центра круга. Наблюдатели с нормальным цветовым зрением редко имеют оценку ошибки больше двух. Показаны ошибки, характерные для наблюдателя, пропускающего фотопигмент L-конуса (протаноп), фотопигмент M-конуса (дейтераноп) и фотопигмент S-конуса (тританоп).(Источник: Kalmus, 1965).

Задача наблюдателя — взять случайное расположение колпачков и расположить их по порядку вокруг цветового круга. В начале задания четыре заглавных буквы (1,23,43 и 64) используются, чтобы установить точки привязки для цветового круга. Испытуемого просят расположить оставшиеся цветные колпачки «так, чтобы образовалась непрерывная серия цветов».

Шаги оттенка, разделяющие цвета крышек, довольно маленькие; субъекты с нормальным цветовым зрением часто делают ошибки.После того, как испытуемый заканчивает сортировку колпачков, экспериментатор вычисляет ошибку для каждой из 85 позиций по кругу оттенков. Оценка ошибки равна сумме абсолютных разностей между числом на крышке и его соседями. Например, в правильной серии 1-2-3-4-5-6 оценка ошибки для заглавных букв 2–5 равна 2, наименьшая оценка ошибки. При однократном неправильном введении кода, скажем, 1-3-2-4-5-6, оценка ошибок для заглавных букв со 2 по 4 равна 3, а оценка ошибки для 5 остается 2. Нормальные наблюдатели не производят ошибку больше 2 или 3. в любом месте.

Оценка ошибок испытуемого нанесена на 85 позиций на круговой диаграмме, как показано на Рисунке 4.25. Оценка ошибки, равная нулю, относится к самому внутреннему кругу, а возрастающая оценка ошибки — дальше от центра. Субъекты, у которых отсутствуют L-колбочки (протанопы), M-колбочки (дейтеранопы) и S-колбочки (тританопы), демонстрируют характерно разные паттерны ошибок, которые группируются вдоль разных частей цветового круга.

Наблюдатели за аномальными явлениями

У дихроматических наблюдателей есть только два типа колбочек.Немного большая популяция наблюдателей, которых называют аномальными , имеет три типа колбочек и требует трех основных цветов в эксперименте по сопоставлению цветов. Установленные ими совпадения стабильны, но выходят далеко за пределы диапазона, установленного большинством населения. У этих наблюдателей есть фотопигменты колбочек, которые немного отличаются по структуре от большинства населения, поэтому их называют аномальными. Функции сопоставления цветов для аномальных наблюдателей не входят в линейное преобразование обычных функций сопоставления цветов.Это эквивалентно экспериментальному наблюдению, согласно которому свет, который визуально соответствует этим наблюдателям, не соответствует нормальному наблюдателю, и наоборот.

Neitz, Neitz и Jacobs (1993) на генетических основаниях утверждали, что многие люди содержат небольшое количество аномальных фотопигментов, так что в нормальном глазу присутствует более трех фотопигментов колбочек. Поскольку аномальные фотопигменты не сильно отличаются от нормальных, их присутствие трудно обнаружить во всех, кроме самых деликатных экспериментальных задач.Они связывают трехцветное поведение в эксперименте по подбору цветов с узким местом нервной системы, а не с ограничением количества типов фотопигментов. Однако, поскольку различия между нормальными и аномальными фотопигментами очень малы, эту гипотезу будет трудно доказать или опровергнуть, и она окажет очень небольшое влияние на цветовые технологии.

Отношения между аномальными наблюдателями и нормальными наблюдателями аналогичны отношениям между цветными камерами и нормальными наблюдателями.Спектральная чувствительность цветных датчиков в большинстве цветных камер отличается от спектральной чувствительности фоторецепторов колбочек человека. Что еще хуже, датчики камеры не находятся в пределах линейной трансформации фотопигментов конуса. В результате источники света, которые оказывают на камеру такое же воздействие, то есть источники света, которые визуально соответствуют при измерении на датчиках камеры, могут быть различимы для человека-наблюдателя. И наоборот, будут пары источников света, которые визуально соответствуют друг другу, но вызывают разные реакции датчиков камеры.Я вернусь к обсуждению этой темы, когда мы вернемся к обсуждению внешнего вида цвета в главе 9.

Внешний вид цвета

Подбор цветов обеспечивает стандарт точности, к которому мы стремимся, когда мы анализируем взаимосвязь между поведением и физиологией. Работа по подбору цветов также важна, потому что она оказала влияние не только на фундаментальную науку, но и на инженерное дело и технологии, которые затрагивают нашу жизнь.

Успех сопоставления цветов и его объяснение настолько впечатляют, что есть тенденция полагать, что сопоставление цветов объясняет больше, чем оно делает.Теория и данные фотопического сопоставления цветов дают удивительно полное объяснение того, когда два источника света совпадают. Но теория ничего не говорит о том, как выглядят огни.

Рисунок 4.26: Сопоставление цветов не предсказывает внешний вид цвета. X физически одинаковы (обратите внимание, где они соединяются) и, таким образом, оказывают одинаковое влияние на фотопигменты; но их внешний вид отличается. Реакции фотопигмента в определенной точке не определяют внешний вид цвета в этой точке. Внешний вид зависит от пространственной структуры изображения.(Источник: Albers, 1975).

Часто студенты, которые впервые знакомятся с подбором цветов, удивляются, что слова «яркость», «насыщенность» и «оттенок» никогда не обсуждаются. Логика эксперимента по сопоставлению цветов и то, что эксперимент по сопоставлению цветов говорит нам о человеческом зрении, не имеет отношения к внешнему виду цвета. То, что мы извлекаем из сопоставления цветов, является фундаментальным, но это еще не все, что мы хотим знать. Для многих целей мы хотим знать. Понимание соответствия цветов необходимо для понимания внешнего вида цвета; но это не решение проблемы.

Чтобы подчеркнуть различие между соответствием цвета и внешним видом цвета, рассмотрим следующий эксперимент. Предположим, что мы формируем цветовое соответствие между двумя источниками света, которые представлены в виде пары пересекающихся линий на одном фоне. Такая пара изображена в левой части рисунка 4.26. Слева обе линии кажутся серыми. Теперь переместите эту пару линий на новый фон. Соответствие цветов гарантирует нам, что два источника света будут продолжать соответствовать друг другу, когда мы их перемещаем.

Но не стоит быть уверенным, что их внешний вид останется прежним. Например, справа от рисунка мы видим, что пара огней теперь имеет совершенно другой цвет. Изучив точку, где линии сходятся в верхней части рисунка 2.26, который является картиной художника Джозефа Альберса, вы можете увидеть, что линии физически идентичны с обеих сторон картины.

Подбор цвета отличается от внешнего вида цвета. Чтобы построить теорию появления цвета, нам нужно будет включить экспериментальные факторы, такие как контекст просмотра, которые не включены ни в теорию, ни в экспериментальные манипуляции эксперимента по подбору цветов.Именно потому, что важные открытия, изложенные в этой главе, не решают проблему внешнего вида, эта глава так странно названа. Мы рассмотрим тему цвета в главе 9.

Цвет

Глава 6

Цвет

Цветное изображение — один из основных компонентов любой графической системы, и это часто является источником отличных сложность модели визуализации. API Java 2D ™ обеспечивает поддержка высококачественной цветной печати, простая в использовании и позволяет опытным клиентам изысканно использовать цвет.

Ключевые классы управления цветом в Java 2D API: ColorSpace, Color , ColorModel :

  • A ColorSpace представляет собой систему для измерение цветов, как правило, с использованием трех отдельных числовых значений или компоненты. Класс ColorSpace содержит методы преобразования между цветовым пространством и двумя стандартные цветовые пространства, CIEXYZ и RGB.
  • A Цвет — фиксированный цвет, определенный в с точки зрения его компонентов в конкретном ColorSpace .Чтобы нарисовать фигуру в цвете, таком как красный, вы передаете Color объект, представляющий этот цвет для контекст Graphics2D . Цвет определен в файле java.awt посылка .
  • A ColorModel описывает конкретную способ сопоставления значений пикселей с цветами. ColorModel обычно ассоциируется с Image или BufferedImage и предоставляет необходимую информацию чтобы правильно интерпретировать значения пикселей. ColorModel определен в пакете java.awt.image e.

6.1 Классы

Класс

Описание

ColorSpace

Определяет цветовое пространство объекта Color , Image , BufferedImage или GraphicsDevice .Имеет методы для преобразования между RGB и цветовые пространства CIEXYZ.

ICC_ColorSpace

Расширяется: ColorSpace

Обозначает независимые от устройства и зависимые от устройства цветовые пространства на основе формата профиля ICC Технические характеристики.

ICC_Profile

Представление данных цветового профиля для независимые от устройства и зависящие от устройства цветовые пространства на основе Спецификация формата профиля ICC.

ICC_ProfileGray

Расширяется: ICC_Profile

Представление типа цветового пространства серый.

ICC_ProfileRGB

Расширяется: ICC_Profile

Представление типа цветового пространства RGB.

6.2 цветовые концепции

ColorModel используется для интерпретировать данные пикселей в изображении. Сюда входят компоненты отображения в полосах изображения к компонентам определенного цветового пространства. Это также может включать извлечение пиксельных компонентов из упакованного пикселя. данные, извлекая несколько компонентов из одного диапазона, используя маски и преобразование данных пикселей с помощью таблицы поиска.

Для определения значения цвета конкретного пикселя в изображении необходимо знать, как информация о цвете кодируется в каждый пиксель. ColorModel связанный с изображением инкапсулирует данные и методы, необходимые для перевод значения пикселя в его составляющий цвет и обратно составные части.

6.2.0 Цвет

Java 2D ™ API предоставляет две цветовые модели. в дополнение к DirectColorModel и IndexColorModel , определенный в JDK 1.1 выпуск программы:

  • ComponentColorModel может обрабатывать произвольный ColorSpace и массив компоненты цвета для соответствия ColorSpace .Эта модель может использоваться для представления большинства цветные модели на большинстве типов GraphicsDevices .
  • PackedColorModel — базовый класс для модели, представляющие значения пикселей, которые имеют свои цветовые компоненты встроены непосредственно в биты целочисленного пикселя. PackedColorModel хранит информацию об упаковке, которая описывает, как цвет и альфа-компоненты извлекаются из канал. DirectColorModel в JDK 1.1 версия программного обеспечения — PackedColorModel .
6.2.0.1 ColorSpace

A Объект ColorSpace представляет собой систему измерения цветов, обычно использующую три отдельные числовые значения. Например, RGB и CMYK являются цветными. пробелы. Объект ColorSpace служит цветовой тег, который определяет конкретное цветовое пространство Color объект или, через объект ColorModel , Image , BufferedImage или Конфигурация графики . ColorSpace предоставляет методы, преобразующие Цвета в определенном цветовом пространстве до и от sRGB и до и от четко определенного CIEXYZ цветовое пространство.

Все ColorSpace объекта должен иметь возможность отображать цвет из представленного цветового пространства в sRGB и преобразовать цвет sRGB в представленное цветовое пространство. С каждые Color содержат объект ColorSpace , установленный явно или по умолчанию, каждые Цвет также можно преобразовать в sRGB .Каждая конфигурация GraphicsConfiguration связана с ColorSpace объект, который, в свою очередь, имеет связанный ColorSpace . Указанный цвет в любом цветовом пространстве может отображаться любым устройством, отображая его через sRGB в качестве промежуточного цвета космос.

Для этого процесса используются следующие методы: toRGB и fromRGB:

  • toRGB преобразует Color в представленном цветовом пространстве в Цвет в sRGB .
  • fromRGB принимает Color в sRGB и преобразует его в представленное цветовое пространство.

Хотя отображение через sRGB всегда работает, это не всегда лучший вариант решение. Во-первых, sRGB не может представляют каждый цвет в полной гамме из цветов CIEXYZ . Если цвет указан в некотором пространстве который имеет другую гамму (спектр представимых цветов), чем sRGB , затем использование sRGB в качестве промежуточного пространства приводит к потере Информация.Чтобы решить эту проблему, класс ColorSpace может отображать цвета в другой и обратно. цветовое пространство, «пространство преобразования» CIEXYZ .

Методы toCIEXYZ и из CIEXYZ отображать значения цвета из представленное цветовое пространство в пространство преобразования. Эти методы поддерживать преобразование между любыми двумя цветовыми пространствами при разумной высокая точность, одна Цвет при время. Однако ожидается, что реализации Java 2D API будут поддержка высокопроизводительного преобразования на основе базовой платформы системы управления цветом, работающие со всеми изображениями.(Видеть ColorConvertOp в «Imaging» на стр.67.)

На рисунках 6-1 и 6-2 показан процесс. перевода цвета, указанного в цветовом пространстве CMYK, для отображения на цветном мониторе RGB. На рисунке 6-1 показано отображение через sRGB . Как эта цифра На рисунке показано, что преобразование цвета CMYK в цвет RGB происходит неточно из-за несоответствия гаммы.

Рисунок 6-1 Отображение через sRGB

На рисунке 6-2 показан тот же процесс. используя CIEXYZ в качестве пространства преобразования.Когда используется CIEXYZ , цвет передается через точно.

Рисунок 6-2 Отображение через CIEXYZ
6.2.0.2 ICC_Profile и ICC_ColorSpace

ColorSpace на самом деле абстрактный класс. Java 2D API предоставляет одну реализацию, ICC_ColorSpace , основанный на ICC Данные профиля представлены классом ICC_Profile . Вы можете определить свой собственный подклассы для представления произвольных цветовых пространств, пока методы, рассмотренные выше, реализованы.Однако большинство разработчиков можно просто использовать по умолчанию sRGB ColorSpace или цветовые пространства, которые представлены общедоступными профилями ICC, такими как профили для мониторов и принтеров или профилей, встроенных в данные изображения.

«ColorSpace» на на странице 90 описано, как объекты ColorSpace представляют цветовое пространство и как цвета в представленном пространстве могут быть отображены в и из конверсионное пространство. Системы управления цветом часто используются для обработки отображение между цветовыми пространствами.Типичная система управления цветом (CMS) управляет профилями ICC, которые аналогичны объектам ColorSpace ; Профили ICC описывают ввод пространство и пространство соединения, и определите, как отображать между ними. Системы управления цветом очень хорошо понимают, как сопоставить цвет, помеченный одним профилем в цветовом пространстве другого профиль.

Java 2D API определяет класс, называемый ICC_Profile , содержащий данные для произвольный профиль ICC. ICC_ColorSpace — это реализация абстрактного класса ColorSpace . ICC_ColorSpace объекты могут быть построены из Профили ICC . (Есть некоторые ограничения — не все профили ICC подходят для определения ICC_ColorSpace ).

ICC_Profile имеет несколько подклассы, соответствующие определенным типам цветового пространства, например ICC_ProfileRGB и ICC_ProfileGray .Каждый подкласс ICC_Profile имеет четко определенное пространство ввода (например, пространство RGB) и четко определенное пространство подключения (например, CIEXYZ ). Java 2D API может использовать CMS платформы для доступа к цветовым профилям для различных устройств например сканеры, принтеры и мониторы. Он также может использовать CMS чтобы найти лучшее сопоставление между профилями.

6.2.1 Описание цветов

Класс Color предоставляет описание цвета в определенном цветовом пространстве.An экземпляр Color содержит значение компоненты цвета и ColorSpace объект. Поскольку объект ColorSpace может указывается в дополнение к цветовым компонентам, когда новый экземпляр Color создается, Color Класс может обрабатывать цвета в любых цветовое пространство.

Класс Color имеет количество методов, поддерживающих предлагаемое стандартное цветовое пространство RGB называется sRGB (см. http: // www.w3.org/pub/WWW/Graphics/Color/sRGB.html ). sRGB — цветовое пространство по умолчанию для Java 2D API. Некоторые конструкторы, определенные классом Color, опускаются. параметр ColorSpace . Эти конструкторы предполагают, что значения RGB цвета определены в sRGB и используйте экземпляр по умолчанию ColorSpace для представления этого пространства.

Java 2D API использует sRGB как удобство для прикладных программистов, не как эталонное цветовое пространство для преобразования цвета.Многие приложения в первую очередь связаны с изображениями и мониторами RGB, и определение стандартного цветового пространства RGB делает запись такой приложения проще. Цветное пространство класс определяет методы от до RGB и от RGB , чтобы разработчики могли легко получить цвета в этом стандартном пространстве. Эти методы не предназначен для использования для высокоточной цветокоррекции или конверсии. См. «ColorSpace» на стр. 90 для получения дополнительной информации.

Для создания цвета в цветовом пространстве, отличном от sRGB , вы используете конструктор Color , который принимает объект ColorSpace и массив с плавающей запятой, который представляют компоненты цвета, соответствующие этому пространству. В ColorSpace объект определяет цвет космос.

Для отображения прямоугольника определенного цвета, например голубой триадный цвет, вам нужно описать этот цвет, чтобы система. Есть несколько разных способов описать цвет; например, цвет можно описать как набор красного, зеленый и синий (RGB) компоненты или набор голубого, пурпурного, желтый и черный (CMYK) компоненты.Эти разные техники для указание цветов называется цвет места .

Как вы, наверное, знаете, цвета на экране компьютера создаются путем смешивания разного количества красного, зеленого и синего свет. Поэтому использование цветового пространства RGB является стандартным для визуализации. на компьютерных мониторах. Точно так же четырехцветная печать использует голубые, пурпурные, желтые и черные чернила для получения цвета на отпечатанном страница; напечатанные цвета указаны в процентах в CMYK цветовое пространство.

В связи с преобладанием компьютерных мониторов и цветная печать, цветовые пространства RGB и CMYK обычно используются для описать цвета. Однако оба типа цветовых пространств имеют принципиальный недостаток — они зависят от устройства. Голубые чернила используемые одним принтером могут не точно соответствовать голубым чернилам, используемым Другой. Точно так же цвет, описанный как цвет RGB, может выглядеть синий на одном мониторе и пурпурный на другом.

6.2.2 Отображение цветов через sRGB и CIEXYZ

Java 2D API обращается к RGB и CMYK как к цвету. космические типы.Конкретная модель монитора с ее особенностями люминофор определяет собственное цветовое пространство RGB. Точно так же конкретный Модель принтера имеет собственное цветовое пространство CMYK. Другой RGB или Цветовые пространства CMYK могут быть связаны друг с другом через независимое от устройства цветовое пространство.

Стандарты для аппаратно-независимой спецификации цвета были определены Международной комиссией по Освещение (CIE). Наиболее часто используемый цвет, не зависящий от устройства space — это трехкомпонентное цветовое пространство XYZ, разработанное CIE.Когда вы указываете цвет с помощью CIEXYZ , вы изолированы от зависимостей устройств.

К сожалению, не всегда практично описать цвета в CIEXYZ цвет пробел — есть веские причины для представления цветов в другие цветовые пространства. Чтобы получить стабильные результаты, когда цвет представлен с использованием зависящего от устройства цветового пространства, такого как конкретное пространство RGB, необходимо показать, как это RGB-пространство относится к независимому от устройства пространству, например CIEXYZ .

Один из способов сопоставления цветовых пространств — прикрепить информацию в пробелы, описывающие, как устройство зависит от пространство относится к аппаратно-независимому пространству. Этот дополнительный информация называется профилем . А Обычно используемый тип цветового профиля — это цветовой профиль ICC, поскольку определено Международным консорциумом по цвету. Подробнее см. Спецификация формата профиля ICC, версия 3.4 доступна по адресу http://www.color.org .

На рис. 6-3 показано, как сплошной цвет и отсканированное изображение передаются в Java 2D API, и как они отображаются различными устройствами вывода. Как вы можете видеть в Рисунок 6-3, оба цвет ввода и изображение имеют прикрепленные профили.

Рисунок 6-3 Использование профилей для сопоставления Между цветовыми пространствами
6.2.2.1 Подбор цвета

Как только API получает точно заданный цвет, он должен воспроизводить этот цвет на устройстве вывода, таком как монитор или принтер.Эти устройства обладают собственными характеристиками изображения. это необходимо учитывать, чтобы убедиться, что они производят правильные результаты. Другой профиль связан с каждым выходом устройство для описания того, как нужно преобразовать цвета, чтобы получить точные результаты.

Для получения однородной и точной цветопередачи требуется чтобы и цвета ввода, и устройства вывода были профилированы по стандартное цветовое пространство. Например, можно сопоставить входной цвет из исходного цветового пространства в стандартное, не зависящее от устройства пространство, а затем сопоставлено из этого пространства с устройством вывода цветовое пространство.Во многом трансформация цветов имитирует преобразование графических объектов в координату ( x , y ) космос. В обоих случаях используется преобразование, чтобы указать координаты в «стандартном» пространстве, а затем сопоставьте их координаты в определенное для устройства пространство для вывода.


% PDF-1.2 % 709 0 объект > эндобдж xref 709 39 0000000016 00000 н. 0000001131 00000 н. 0000002245 00000 н. 0000002332 00000 н. 0000002640 00000 н. 0000002726 00000 н. 0000002885 00000 н. 0000003029 00000 н. 0000003203 00000 н. 0000003263 00000 н. 0000003323 00000 н. 0000004436 00000 н. 0000004634 00000 н. 0000004730 00000 н. 0000004824 00000 н. 0000004921 00000 н. 0000005020 00000 н. 0000005115 00000 н. 0000005391 00000 п. 0000005572 00000 н. 0000005624 00000 н. 0000005676 00000 н. 0000005879 00000 п. 0000006289 00000 п. 0000007325 00000 н. 0000007819 00000 п. 0000008014 00000 н. 0000008577 00000 н. 0000008764 00000 н. 0000035320 00000 п. 0000035526 00000 п. 0000036174 00000 п. 0000036253 00000 п. 0000037111 00000 п. 0000037837 00000 п. 0000084368 00000 п. 0000088426 00000 п. 0000003383 00000 н. 0000004414 00000 н. трейлер ] >> startxref 0 %% EOF 710 0 объект > 8> 8> 11> 12> 12> 12> 15> 15> 17> 17> 18 > 18> 23> 23 > 27> 27> 30 > 30> 38> 38 > 42> 42> 48 > 48> 51> 51 > 55> 55> 56 > 56> 57> 57 > 60> 61> 62 > 62> 64> 64 > 64> 70> 70 > 75>] >> >> эндобдж 711 0 объект [ 712 0 справа 713 0 справа 714 0 справа 715 0 справа 716 0 справа 717 0 справа 718 0 справа 719 0 справа ] эндобдж 712 0 объект > / Ж 721 0 Р >> эндобдж 713 0 объект > / F 2 0 R >> эндобдж 714 0 объект > / Ж 7 0 Р >> эндобдж 715 0 объект > / F 3 0 R >> эндобдж 716 0 объект > / Ж 8 0 Р >> эндобдж 717 0 объект > / F 723 0 R >> эндобдж 718 0 объект > / Ж 724 0 Р >> эндобдж 719 0 объект > / F 725 0 R >> эндобдж 746 0 объект > поток Hb«`f`5g`c«gd @

RGB vs.CMYK или грунтовка по цвету в эпоху цифровой репродукции

Когда Альберти написал проект On Painting в 1453 году, он понял, что ограничение ограниченной палитры цветов может быть ценным инструментом для художника: «Некоторые люди удивляются, что древние живописцы Полигнот и Тимант использовали только четыре цвета, в то время как Аглаофон получили удовольствие от одного… как если бы эти люди считали долгом превосходного художника использовать весь диапазон цветов ». [1] Сегодня мы используем другую палитру, цвета RGB инструментов цифрового дизайна и их печать CMYK эквиваленты.Наша способность манипулировать цифровыми цветами и точно преобразовывать их в чернила на печатной странице — это то, что мы считаем само собой разумеющимся, но на самом деле наши дизайны управляются и косвенно формируются техническими системами, которые лежат в основе цифрового представления цвета.

В интересах создания общего словарного запаса мы должны сначала вернуться к некоторым ключевым терминам и концепциям. Цвет — это субъективное качество визуального восприятия и феноменологический опыт, который позволяет нашему мозгу интерпретировать диапазон длин электромагнитных волн, составляющих видимый световой спектр, от 380 до 740 нм.Важно отметить, что полная цветовая гамма, которую мы можем воспринимать, включает не только цвета отдельных длин волн света
(чистые цвета, например, ROYGBIV), но также цвета, образованные объединенной энергией многих длин волн света. Фактически, большинство цветов в реальном мире представляют собой смеси различных длин волн и поэтому лучше всего представлены в виде непрерывных графиков энергии в видимом спектре. Вы можете увидеть пример одного такого графика или спектрального распределения мощности на диаграмме ниже, изображающей галогенную лампочку.Хотя галогенный свет содержит излучение многих длин волн, перекос в сторону длинного конца спектра объясняет его характерный теплый желтоватый цвет.

Спектральное распределение мощности галогенного света и белого света светодиодов RGB

Оказывается, наши глаза — довольно несовершенные измерительные машины. В сетчатке всего три типа цветочувствительных колбочек: «красноватые» детекторы, «зеленоватые» детекторы и «голубоватые» детекторы. Вместе они определяют относительную объединенную энергию длин волн в трех перекрывающихся полосах спектра, которые мозг, в свою очередь, интерпретирует как цвет.Этот восстановительный процесс имеет ряд неотъемлемых последствий. Что наиболее важно, это позволяет ошибочно воспринимать определенные цвета как совпадающие, даже если цвета могут иметь различное базовое спектральное распределение мощности, явление, известное как метамерия. Это явление позволяет создать относительно простую модель кодирования цветов как количественно измеримых значений. Для любого цвета — представленного нюансами непрерывного спектрального распределения мощности — мы можем создать воспринимаемый согласованный цвет, состоящий из смеси всего трех длин волн: чистого красного, чистого зеленого и чистого синего.Другими словами, любой цвет полного спектра в реальном мире имеет неотличимый эквивалент RGB (для некоторого идеального набора красного, зеленого и синего света).

Этот набег на науку о цвете подчеркивает три момента:

  1. Модель кодирования RGB полностью зависит от конкретной биологии человеческого глаза.
  2. Модель кодирования RGB недостаточна для описания цветов и их взаимодействия в природе за пределами человеческого восприятия.
  3. Создание точного цвета RGB зависит от способности излучать относительно чистые цвета, что было более или менее невозможно до появления лазеров и светодиодов (LED) — и все еще невозможно, если рассматривать практически любую среду, кроме экрана.

Перейдем от общего к частному. Предположим, мы хотим изобразить цветной перец. Что значит сказать, что цвет имеет значение RGB (235, 92, 40)? К сожалению, очень мало. Тот факт, что многие цвета RGB представлены как значения от 0 до 255, скрывает тот факт, что они действительно представляют интенсивность трех источников света RGB. Более полезно сказать, что цвет имеет значение (235/255, 92/255, 40/255) или (0,92, 0,36, 0,15). Таким образом, наш цвет паприки зависит от 0.92 интенсивности красного света, 0,36 интенсивности зеленого света и 0,15 интенсивности синего света. Но о каких именно огнях мы говорим? Значение RGB совершенно бессмысленно без указания цвета каждого чистого основного RGB. Чтобы однозначно отличить наш цвет перца от другого цвета перца, мы должны дополнительно сказать, что наши значения RGB относятся к известному набору основных цветов, например, трем основным цветам, задокументированным согласованной спецификацией. Конечно, чтобы углубиться в кроличью нору, поскольку цвета могут выглядеть по-разному при просмотре при разном окружающем освещении, нам нужно указать теоретический источник света, например Стандартный источник света D65, примерно эквивалентный среднему полуденному свету в Западной Европе, и электрооптическая передаточная функция, которая отображает диапазон значений интенсивности от 0 до 1 на фактическое количество линейного света.2.2). [2] Разные цветовые пространства помогают нам описывать цвета на разных экранах с разной гаммой и преобразовывать цвета в разных программах, устройствах и контекстах. sRGB — это цветовое пространство по умолчанию для многих программ, почти для всех изображений в Интернете и подразумеваемое цветовое пространство, если оно не указано. Хотя (0,92, 0,36, 0,15) более или менее бессмысленно, (0,92, 0,36, 0,15) в цветовом пространстве sRGB позволяет нам точно определить цвет перца во всей его яркой оранжевой красе.

Конечно, когда мы пойдем на печать (0.92, 0,36, 0,15) sRGB, еще сложнее гарантировать правильный вывод. Почему это? Почему так много печатных цветов выглядят тусклыми версиями своих цифровых аналогов? В то время как цвет RGB излучается непосредственно как свет, цвет печати зависит от чернил, уменьшающих белый свет, который в противном случае был бы отражен поверхностью носителя. Таким образом, в лучшем случае цвет отпечатка может быть таким же ярким или ярким, как белый фон бумаги, на котором он напечатан. Даже глянцевая бумага, не говоря уже о тускло-серой газетной бумаге, отражает гораздо меньше света, чем излучает экран.Помимо перехода от излучаемого света (аддитивный цвет) к отраженному свету (субтрактивный цвет), для печати цвета RGB требуется преобразование красного, зеленого и синего основных цветов в основные цвета большинства процессов цветной печати: голубой, пурпурный и желтый. Смешивание цветов с голубым (C), пурпурным (M) и желтым (Y) по своей сути ограничено и дает меньшую гамму возможных цветов, чем большинство цветовых пространств RGB. Добавление черных чернил или клавишной пластины (K) немного расширяет цветовую гамму, обеспечивая более глубокие и менее мутные темные цвета.Однако светлые и насыщенные цвета часто невозможно создать с помощью CMY или CMYK.

Есть еще одна проблема. Преобразование из RGB в CMYK зависит от знания точного цветового пространства ввода RGB и точного цветового пространства желаемого вывода CMYK. Поскольку CMYK предназначен для печати, цветовые пространства CMYK представляют собой цифровые эквиваленты реальных комбинаций бумаги и чернил. Когда мы сохраняем файл как CMYK, мы неявно (независимо от того, сообщает нам компьютерная программа или нет) выбираем определенную комбинацию бумаги / чернил, обычно U.S. Web Coated (SWOP) V2, который предполагает использование коммерческой высококачественной рулонной офсетной печатной машины и мелованной бумаги. Если вы распечатываете файл CMYK SWOP на струйном принтере с глянцевой бумагой, принтер снова внутренне преобразует CMYK SWOP в свой собственный вариант CMYK, который будет воспроизводить похожие цвета при просмотре на глянцевой бумаге. К сожалению, между моментом, когда вы отправляете файл с цветами CMYK (или RGB) на принтер, и моментом, когда чернила попадают на страницу, ваш файл может пройти через любое количество промежуточных программ (например.грамм. Преобразование PDF, программы оптимизации перед печатью, программное обеспечение для управления принтером, утилиты сжатия и т. Д.). Если какая-либо из этих программ забывает передать точное цветовое пространство вашего входного файла, принимает цветовое пространство по умолчанию или, что еще хуже, назначает новое цветовое пространство без соответствующего преобразования цветов, все ставки отключены. Это тоже не теоретическая проблема — на практике почти невозможно полностью гарантировать, что вся ваша производственная цепочка, от исходной программы проектирования до принтера, полностью управляется цветом .

Таблица калибровки цветов CMYK для принтера

Учитывая подводные камни работы с цифровым цветом в различных программах и неизбежное отсутствие точности печати, как вы должны понимать сложность управления цветом? Полезно начать в конце процесса, представив себе физический отпечаток, который вы надеетесь получить. Многие принтеры имеют настройку диагностики, которая позволяет распечатать страницу калибровки со всеми возможными цветами. Работа с независимой типографией предоставляет дополнительные возможности.Многие принтеры могут расширять традиционные цвета CMYK за счет добавления плашечных цветов, специальных чернил, смешанных только для вашего тиража. В онлайн-библиотеке цветов по адресу https://colorlibrary.ch/ представлены фотографии на входе RGB, преобразованные с помощью различных творческих профилей печати, от двухцветных неоновых профилей до трехцветных разделений ризографов. Уменьшение цветовой палитры принтера может быть не ограничением, а прекрасной возможностью для достижения уникального стиля печати, подчеркивающего замысел вашего дизайна.

Библиотека цветов ( https: // colorlibrary.ch ), автоматическое цветоделение

Как только вы узнаете возможности вашего принтера, вам остается только работать в обратном направлении, чтобы найти правильные начальные цвета. Сначала вы определяете цветовое пространство, которое ваш принтер ожидает или поддерживает. Затем вы убедитесь, что ваше программное обеспечение для печати правильно передает это цветовое пространство из исходного файла дизайна. Для некоторых принтеров лучше всего отправить непреобразованный файл sRGB. Другие могут ожидать, что файл будет преобразован в определенный профиль CMYK.В любом случае для достижения правильного результата требуется непрерывный процесс тестирования напечатанных цветов и сравнения их с исходным цифровым материалом, а также тщательное наблюдение за деталями. Это процесс, который вознаграждает скрупулезную цифровую практику и привычку предугадывать каждое звено в цепочке от цифровой печати до печати.

Изучая эту статью, мы натолкнулись на интересную беседу между Кэролайн Л. Кейн и Зейной Кореитем, опубликованную под заголовком «Вычислительный цвет» в Project, Issue 7.В их беседе Кейн заново представляет идею Хайдеггера о «технологическом обрамлении» как способ понять, как современное цифровое искусство и методы дизайна создают работы с использованием цвета. Она заявляет, что Хайдеггер «имел в виду состояние, при котором технологии и производственные процессы становятся настолько продвинутыми и специализированными, что то, что производится или может быть произведено с помощью системы, будет все больше отделяться от нюансов того, что феноменологи называют« жизненным миром »[…] изначально был выбран из.[3] Кейн переосмысливает фундаментальную проблему, которая отделяет цифровые цвета от цветов печатной страницы: «Отчасти проблема с цветом заключается в том, что в зависимости от того, в какой области или дисциплине вы работаете, вы подходите к ней по-разному. Для некоторых цвет всегда технический, серия кодов и химических формул. Для других цвет поэтичен и загадочен. Дело не в том, что один [подход] правильный, а другой — нет. Они зависят друг от друга, чтобы разрабатывать, терпеть неудачу и заново вводить новшества все
»[4]

.

Переформулировка Хайдеггера Кейном — уместная аналогия того, как следует подходить к работе между RGB, CMYK и печатной страницей: как к процессу, основанному на постоянных инновациях и обмене между преимуществами и возможностями. цифрового цвета и необходимые ограничения физических носителей.Возможно, вы никогда не сможете полностью воспроизвести цвет перца на своем экране с помощью чернил на странице газетной бумаги, но процесс попыток, неудач и сближения в конечном итоге раскрывает важные истины о том, как мы работаем с цветом как дизайнеры, и связывает нас с более широкой историей художники, ученые, печатники, алхимики и философы пытаются понять, как использовать полный спектр видимого света в качестве инструмента для выражения и мысли.

  1. Леон Баттиста Альберти, О живописи (Лондон: Пингвин, 2005), 82.
  2. См. Дерзкое, но очень полезное «Автостопом по цифровому цвету» Троя Соботки для полного понимания нюансов цветового пространства RGB на https://hg2dc.com/.
  3. Кэролайн Л. Кейн и Зейна Кореитем, «Вычислительный цвет», проект, выпуск 7 (2018): 78.
  4. Там же, 79.

Спектральная реконструкция с помощью RGB и гиперспектральных камер

Абстрактные

Фон

Способность различать два одинаковых или постепенно различающихся цвета важна для многих животных, поскольку позволяет точно интерпретировать визуальные сигналы, производимые ключевыми целевыми стимулами или отвлекающей информацией.Спектрофотометрия объективно измеряет спектральные характеристики этих сигналов, но часто ограничивается точечными образцами, которые могут недооценивать спектральную изменчивость в пределах одного образца. Алгоритмы для изображений RGB и устройств цифровой обработки изображений с большим числом каналов более трех, гиперспектральные камеры, были недавно разработаны для создания спектрофотометров изображений для восстановления спектров отражения в отдельных точках пикселей. Мы сравниваем линеаризованную RGB и гиперспектральную камеру с точки зрения их индивидуальных способностей различать цветовые объекты с разным восприятием для человека-наблюдателя.

Основные выводы

(1) Мощность цветового различения устройства RGB зависит от цветового сходства между образцами, в то время как гиперспектральное устройство позволяет реконструировать уникальный спектр для каждого местоположения дискретизированного пикселя независимо от их хроматического внешнего вида. (2) Неопределенность, связанная со спектральной реконструкцией по откликам RGB, является результатом совместного эффекта метамерии и спектральной изменчивости в пределах одного образца.

Заключение

Устройства

(1) RGB дают ценную информацию об ограничениях цветовой дискриминации при небольшом количестве фоторецепторов, поскольку принципы интерпретации сигналов фоторецепторов у трехцветных животных также применимы к ответам камеры RGB.(2) Архитектура гиперспектральной камеры предоставляет средства для исследования других важных аспектов цветового зрения, таких как восприятие определенных типов маскировки и постоянство цвета, когда несколько узкополосных датчиков увеличивают разрешение.

Образец цитирования: Гарсия Дж. Э., Жирар М. Б., Касумович М., Петерсен П., Вилкш П. А., Дайер А. Г. (2015) Дифференциация биологических цветов с помощью нескольких и многих сенсоров: спектральная реконструкция с помощью RGB и гиперспектральных камер. PLoS ONE 10 (5): e0125817.https://doi.org/10.1371/journal.pone.0125817

Академический редактор: Даниэль Осорио, Университет Сассекса, ВЕЛИКОБРИТАНИЯ

Поступила: 17.11.2014; Одобрена: 18 марта 2015 г .; Опубликовано: 12 мая 2015 г.

Авторские права: © 2015 Garcia et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника

Доступность данных: Все данные, необходимые для воспроизведения результаты, представленные в рукописи, доступны в Harvard Dataverse Network (http: // thedata.harvard.edu/dvn/dv/garcia_et_al_PLOS_2015_diff_colours; DOI: 10.7910 / DVN / 29370).

Финансирование: JEG был поддержан Колфутуро (Колумбия) (http://www.colfuturo.org) Credito-Becka 200818772. AGD поддерживался Австралийским исследовательским советом (http://www.arc.gov.au/ ) DP0878968 / DP130100015. МК был поддержан Австралийским исследовательским советом (http://www.arc.gov.au/) DE120100214. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: AG Дайер заявляет, что он является научным редактором PLOS ONE. Это не влияет на соблюдение авторами редакционной политики и критериев PLOS ONE.

Введение

Биологический мир полон разнообразия, но ничто не привлекает больше «человеческого» внимания, чем цвет. Это увлечение демонстрируется большим количеством исследований, изучающих механизмы, окружающие восприятие цвета [1], эволюцию цветового разнообразия [2] и то, какие цвета сигнализируют приемникам [3].С точки зрения организма, поскольку цветовое зрение позволяет различать стимулы на основе спектральных различий независимо от яркости [4], эта способность имеет важное значение для выживания и поиска пищи. Например, распознавание цвета позволяет примату распознавать спелые плоды [4, 5], пчелам — различать полезные или имитирующие цветы схожего внешнего вида [6–8] или хищнику, разрушать определенные механизмы маскировки, полагаясь на хроматическое сходство между мишенями. и фон [9, 10].Однако точное соответствие целевому образцу цвета — непростая задача [11].

Один из основных принципов колориметрии состоит в том, что может существовать ряд различных спектральных сигналов, которые могут приводить к идентичной стимуляции соответствующих цветных фоторецепторов и, таким образом, приводить к стимулам, которые не воспринимаются как разные. В то время как ранние теории цвета предполагали, что восприятие цвета могло быть основано на том, что глаз обладает множеством чувствительных к цвету клеток, Джордж Палмер [12] был первым, кто выдвинул идею о том, что восприятие цвета основано на максимальной чувствительности определенных частиц сетчатки.Эта идея была расширена Томасом Янгом [13], который предположил, что всего три типа цветовых рецепторов могут быть ответственны за наше богатое цветовое восприятие, идея, далее развитая Германом фон Гельмгольцем [14] и Джеймсом Клерком Максвеллом [15] для создания Янга — теория трихроматии Гельмгольца-Максвелла [16]. Важный момент, касающийся того, как цветная визуальная система обрабатывает информацию, может быть описан принципом унивариантности, когда выход рецептора зависит от его квантового улова, а не от того, какие кванты улавливаются [17].Таким образом, один индивидуальный тип фоторецепторов объединяет все фотоны, и только результирующий сигнал обрабатывается оппонентной сетью в мозгу, и поэтому каждый индивидуальный тип рецептора не может различить изменение длины волны и изменение интенсивности [4]. Этот физиологический принцип позволяет экономично производить цветные мониторы и камеры коммерческого уровня, которые используют только три цветовых канала: красный, зеленый и синий (RGB) для представления нормального восприятия цвета человеком [18]. Например, откалиброванный монитор может обеспечить реалистичное визуальное представление сложной окружающей среды, такой как цветы в саду, используя всего три широкополосных канала информации [19].

Принцип унивариантности также объясняет, почему определенные спектральные сигналы с различными спектральными характеристиками могут восприниматься как имеющие один и тот же цвет при определенных условиях освещения, явление, называемое метамерией [4, 18, 20]. Действительно, метамерия предотвращает восстановление уникального спектрального сигнала непосредственно из реакции либо биологического, либо искусственного фоторецептора, обычно используемого в цветном отображении [21–23].

Сложность изучения восприятия цвета на основе поведенческих реакций привела к изучению цветового зрения животных с помощью физических свойств зрительных сигналов и систем, использующих спектрофотометрические методы и приборы [24].Хотя использование спектрофотометров изменило наше понимание того, как другие животные, кроме человека, воспринимают различные цветовые комбинации [25, 26], информацию, которую передает цвет [3, 27], и эволюцию цветового выражения [2], существует также понимание того, что глаза животных не функционируют как устройства измерения точечного источника. Понимание того, что только отражательная способность объекта не является единственным определяющим фактором того, как воспринимаются цвета [25, 28], является стимулом для использования подходов к цифровому изображению, которые включают весь объект и его фон.Восстановление спектров отражения на основе значений интенсивности дискретных пикселей, возвращаемых устройствами цифровой обработки изображений с тремя или более датчиками, вызвало большой интерес в течение последних пятнадцати лет. Этот сдвиг в основном мотивирован: (а) низкой стоимостью цифровых фотоаппаратов, (б) удобством выборки больших и сложных стимулов, содержащих разные цвета и текстуры, без использования сложных сеток выборки, и (в) высоким качеством данные, которые могут быть получены в течение короткого периода времени [29].Однако для того, чтобы сделать это надежно, важно понимать динамику того, как разные типы камер обрабатывают похожие или разные цветовые стимулы.

Преимущества цифровых изображений способствовали использованию устройств для контроля качества пищевых продуктов [30, 31], печати [32], анализа и сохранения картин [33, 34] и других отраслях, где описание и спецификация цвета имеют важное значение [ 35]. Визуальная экология и эволюционная биология также обратили свое внимание на потенциальное использование цифровых изображений в качестве инструмента для количественной оценки и характеристики спектральных свойств сложных естественных цветовых узоров, таких как изображения растений [19] и животных [29, 36, 37].

По сравнению со спектрофотометрами, устройства формирования цифровых изображений с тремя цветовыми каналами не могут однозначно восстановить спектральный сигнал из-за метамерии [21]. Тем не менее, если имеется достаточно узкополосных датчиков, разумно равномерно распределенных по спектральному интервалу, эффективно воспринимаемому камерой, можно однозначно восстановить цветовой сигнал из отдельных откликов доступных цветовых каналов. Это основание для восстановления спектральных сигналов по откликам гиперспектральных камер.Например, для однозначного восстановления спектрального сигнала в диапазоне от 400 до 710 нм, дискретизированного с интервалами 10 нм, гиперспектральная система должна иметь по крайней мере 32 отдельных датчика полосы пропускания [38].

Несмотря на популяризацию использования цифровых изображений для изучения окраски животных, развитие методов спектральной реконструкции и более широкое использование гиперспектральных камер в качестве спектрофотометров изображений, существует нехватка сравнительных исследований, изучающих потенциальные применения этих двух методов. для различения цветов с различным хроматическим сходством.Здесь мы измеряем пороги цветовой дискриминации устройства RGB и системы гиперспектральной визуализации, используя образцы цветов разной степени восприятия для человека-наблюдателя. Из-за взаимосвязи между количеством каналов и точностью спектральной реконструкции [21, 23], мы прогнозируем, что хроматическое сходство является основным фактором, ограничивающим способность любой системы визуализации точно различать два цветовых образца [39]. Степень таких ограничений важна для определения того, какое устройство является оптимальным для различных приложений, таких как понимание цветовых сигналов [19] или маскировки [40, 41].

Рукопись развивается следующим образом: В разделе «Предпосылки» представлены основные колориметрические принципы и их отношение к различению цвета, за которым следует формальное описание проблемы спектральной реконструкции. Этот раздел устанавливает основу для объяснения нашего алгоритма спектральной реконструкции, который подробно описан в отдельной части в разделе «Материалы и методы», где также описаны различные компоненты экспериментальной установки. После раздела «Материалы и методы» представлены результаты, обсуждение и некоторые практические рекомендации, относящиеся к гиперспектральной визуализации.

Материалы и методы

Фон

Колориметрические принципы.

Описание цветового ощущения, создаваемого сигналами различной спектральной формы с использованием числовой системы, позволяет точно воспроизводить цвета в различных средах, таких как мониторы, цветные источники света и пигменты [18]. Разработка такой системы была основной целью колориметрии, которая в результате тщательных психофизических экспериментов привела к колориметрической системе CIE , которая используется в настоящее время [20].

Системы спецификации цвета 1931 года и последующие CIE описывают данный спектральный стимул с помощью трех значений трехцветного стимула , обозначенных как X, Y и Z . Величина этих значений зависит от спектральных характеристик самого образца, источника света и набора функций, описывающих конкретную реакцию каждого из трех фоторецепторов колбочек: короткого, среднего и длинного, присутствующих в зрительной системе человека, на сигналы различной спектральной формы [20].Эти функции представляют собой линейное преобразование кривых спектральной чувствительности пигментов, присутствующих в трех фоторецепторах, как измерено психофизическими экспериментами и непосредственно спектрофотометрией [42–45]. Значения тристимула, соответствующие данному спектральному сигналу, получают с помощью: (1) где R ( λ ) обозначает спектральную отражательную способность поверхности, L ( λ ) спектральное распределение мощности (SPD) источника света, а x‾, y‾ и z‾ представляют функции длины волны, описывающие спектральная чувствительность каждого из фоторецепторов [20, 45].В уравнении (1) произведение R ( λ ) ⋅ L ( λ ) может быть заменено единственной функцией P ( λ ), спектральной яркостью, вместо того, чтобы использовать измерения отражательная способность поверхности и освещенность источника света [20].

Уравнение 1 представляет собой общепринятое и полезное упрощение процесса восприятия, выполняемого различными классами фоторецепторов, присутствующими в сетчатке глаза человека. При вычислении трехцветных значений с помощью этого уравнения игнорируются различные оптические и физиологические аспекты зрения, такие как: угол обзора, спектральные пропускающие свойства глаза, эффект завуалированного света как следствие среды передачи; я.е. воздух или вода, а также расстояние обзора, и предполагается, что цель ведет себя как идеальная (ламбертовская) диффузная поверхность [20, 24]. Несмотря на то, что все эти параметры могут быть учтены путем более подробного описания процесса визуального восприятия, трехцветные значения, полученные из уравнения 1, составляют основу системы спецификации цвета CIE. Эта система в настоящее время считается стандартом для измерения воспринимаемых цветовых различий между цветовыми целями при рассмотрении цветового зрения человека [20] и использовалась в качестве метода для измерения цветовых различий между выбранными образцами.

Дополнительное упрощение в вычислении значений трехцветных импульсов было сделано путем замены непрерывных функций R ( λ ) и L ( λ ) дискретными интервалами длин волн или бинами одинаковой ширины (Δ λ ) с центром на длине волны λ ; следовательно, интегралы в уравнении (1) заменяются суммами: (2) рассчитанный в диапазоне длин волн, видимом для человека-наблюдателя, ≈ 390–710 нм. Размер бункера выбирается на основе требуемой точности расчетов и спектральных характеристик используемого источника света, причем наиболее распространенными вариантами размера бункера являются 10 и 5 нм [46].

Пороги восприятия цвета и дискриминации.

Определение и причины существования пороговых значений цветового различения в цветовом зрении человека основаны на трихроматии, выведенной из теории восприятия цвета Юнга-Гельмгольца [20, 47] и формализованной Принципом однотипности [17]. . Пороги различения для больших и малых цветовых различий были экспериментально установлены как для одновременного, так и для последовательного совпадения цветов в лабораторных условиях с использованием различных методологий, таких как сопоставление цветов [48–51] и эксперименты по визуальному поиску [52].

Спектральный сигнал, вызывающий цветовое ощущение у данного человека или животного-наблюдателя, может быть представлен набором координат на плоскости или цветной диаграммой . Цветовая диаграмма может учитывать конкретные характеристики зрительной системы наблюдателя, такие как диаграмма цветности CIE для человеческого зрения [20], или просто представлять общую модель цветового зрения, как в случае треугольника Максвелла [20] , 47, 53, 54]. Независимо от выбранной цветовой диаграммы, часто представляет интерес установить минимальное расстояние, на котором две или более точки, каждая из которых представляет другой образец цвета, воспринимаются данным наблюдателем как разные.Поскольку два образца цвета могут быть разными независимо от их оттенка, например красный-зеленый, красный-синий, красный-желтый воспринимаются как разные, цветовые различия на цветовой диаграмме представлены не одной линией, а областью вокруг выбранной контрольной точки. Эта область определяет цветовой порог для конкретного стимула, но может измениться для других образцов.

Эллипсы и круги при определенных условиях обычно используются для определения порогов дискриминации на цветовых диаграммах [20, 54], хотя с помощью современных компьютерных технологий представление цветовых порогов не всегда может быть представлено классически предполагаемыми геометрическими формами.В частном случае диаграммы цветности CIE порог различения цветов для любого заданного образца определяется путем подгонки эллипса с центром в координатах, соответствующих эталонному образцу, который включает в себя все точки, представляющие различные совпадения цветов, которые считаются идентичным соответствием эталону. наблюдателем [55]. Размер и ориентация эллипсов, как правило, непостоянны, изменяются нелинейным образом в зависимости от оттенка [48], по этой причине было необходимо эмпирически найти порог дискриминации для набора из 25 цветов, покрывающих большую часть цветности CIE 1931 диаграмма [20, 48].

В эксперименте по подбору цветов испытуемого просят отрегулировать цвет целевого образца постоянной яркости до тех пор, пока он не совпадет с эталонным образцом с известными хроматическими характеристиками. Удовлетворительное цветовое соответствие не обязательно соответствует точным хроматическим свойствам образца, измеренным спектрофотометрией, но будет располагаться вокруг эталонного образца. Цветовые образцы, координаты цветности которых расположены за пределами эллипса, воспринимаются как разные, причем разница в цвете увеличивается по мере удаления от эллипса.Коэффициенты, описывающие каждый из эллипсов, не уникальны, но меняются в зависимости от цвета или, точнее, от положения образца на диаграмме цветности [55].

Для большинства приложений нет необходимости восстанавливать эллипсы, чтобы предсказать воспринимаемую цветовую разницу между двумя целями. Вместо этого для восстановления параметров эллипса используется набор контурных графиков, описывающих изменение эллипсов на диаграмме цветности. Эти параметры затем используются для вычисления меры разницы цветности (ΔC), которая предсказывает степень, в которой цветовое различие легко или едва заметно различимо [48].Фактически ΔC ≤ 1 представляет цветности, которые находятся в пределах стандартного отклонения цветового соответствия, в то время как ΔC = 2 представляет только заметную разницу или 1 JND. Для значений ΔC между 1 и 2 разница в цвете представляет собой лишь немного меньше, чем едва заметная разница, воспринимаемая контрольным наблюдателем [55].

В то время как пороговые значения для больших цветовых различий полезны при построении цветовых систем, таких как Цветовая система Манселла и Единая цветовая шкала OSA [52, 56], пороговые значения для небольших цветовых различий составляют основу однородных цветовых пространств.Единые цветовые пространства, такие как различные пространства CIE LAB, составляют основу для оценки цветовых различий для большинства промышленных и потребительских цветовых приложений [18, 20]. В этих цветовых пространствах эллиптические области, представляющие воспринимаемые пороги цветовой дискриминации, преобразуются в круги равного радиуса. Таким образом, равные расстояния между образцами цвета приблизительно представляют одинаково воспринимаемые цветовые различия [57].

Измерение цветового различия, используемое в едином пространстве CIE LAB, является метрикой ΔE.Этот показатель измеряет цветовую разницу в контексте трех основных атрибутов цвета: яркости (яркости), насыщенности (цветности) и оттенка [18, 20]. Эти три свойства описывают различные характеристики спектрального сигнала: яркость представляет собой общую интенсивность сигнала, рассчитанную как площадь под спектральной кривой; насыщенность — это мера крутизны спектров в интервале длин волн; а оттенок связан с длиной волны максимального наклона [24].

Несмотря на рутинное использование различных цветовых пространств CIE LAB и связанных с ними мер цветовой разницы в цветовой индустрии, e.грамм. [58], этот показатель редко проверял восприятие цветовой разницы в естественных условиях. Это ограничение возникает из-за сложной визуальной среды, в которой обычно проводятся сравнения цветов, которые отличаются от тех, которые указаны для цветового пространства CIE LAB. Например, определение цветовых различий с помощью метрики ΔE предполагает, что сравнение цветов выполняется на фоне светло-серого и белого цвета и предполагается «нейтральная» контрольная точка [20]. Более того, показатель ΔE игнорирует другие важные аспекты восприятия цвета, такие как когнитивная интерпретация физических свойств объекта [18].Поэтому мы выбрали метрику ΔC вместо ΔE для измерения цветовых различий между нашими тестовыми целями, поскольку метрика ΔC напрямую учитывает различные перцепционные свойства, участвующие в различении цветов людьми-наблюдателями.

За исключением некоторых беспозвоночных [59–67] и нескольких видов позвоночных, включая золотых рыбок [68–70], мышей [71], приматов [72, 73], голубей и кур [74, 75], точные механизмы, участвующие в цвете восприятие и дискриминация остаются в основном неизвестными. Для таких случаев было предложено несколько моделей порогов различения цветов, основанных на чисто анатомических и физиологических данных, доступных для этих видов [24, 76–78].Однако поведенческие данные, полностью поддерживающие или отвергающие использование этих моделей, по-прежнему отсутствуют. Применение камер с различным числом датчиков, как обсуждается в настоящей рукописи, обещает предоставить важные сведения о том, как моделировать цветовое зрение животных.

Спектральная реконструкция по откликам камеры.

Уравнения (1) и (2) также могут использоваться для прогнозирования отклика цифровой камеры с тремя или более цветными фильтрами путем замены функций конического фоторецептора спектральной чувствительностью фильтров системы; при этом существует линейная зависимость между поступлением излучения и откликом камеры.Это предположение не обязательно справедливо для многих устройств потребительского уровня и должно быть проверено перед восстановлением спектральных сигналов [29, 79]

Функция L ( λ ) в уравнении (1) описывает SPD любого источника света, освещающего образец. Примеры источников света включают технические лампы [18], а также для различных условий дневного света [80] или окружающий свет, достигающий пола под навесом в лесу [24]. Значения L ( λ ) доступны для различных ламп [18], наземных и водных сред в разное время суток и в разных условиях [81, 82].С другой стороны, значения функций R ( λ ) или P ( λ ) необходимо измерять непосредственно из точечных образцов на окрашенном объекте либо с помощью спектрофотометра, либо спектрорадиометра [24, 83 ].

Из-за практической сложности точного измерения R ( λ ) или P ( λ ) из точечных образцов на естественных узорах, представляющих высокую пространственно-хроматическую изменчивость из-за текстуры и объема [19], было бы желательно восстанавливать значения для этих функций непосредственно либо из откликов камеры или фоторецепторов; другими словами, решение для R ( λ ) или P ( λ ) путем обращения уравнения (2).Когда для этой цели используются ответы камеры, процесс называется спектральной реконструкцией .

Обоснование спектральной реконструкции легче понять, если выразить уравнение (2), реализующее матричную запись [34, 84]: (3) где p — вектор p × 1, содержащий ответы камеры для каждого из датчиков p , присутствующих в системе, E — это квадратная матрица м × м , содержащая значения L ( λ ) по диагонали, т.е.е. E = diag ( L ( λ )), S — это матрица p × м , содержащая функции спектральной чувствительности для каждого из p датчиков, присутствующих в измеряемой системе. в равноотстоящих диапазонах длин волн м, r — это вектор м × 1, содержащий значения отражательной способности для записанной выборки, а ϵ — это вектор аддитивного шума p × 1. Например, для камеры RGB с красным, зеленым и синим сенсорами и с функциями спектральной чувствительности, измеренными с интервалами Δ λ = 10 нм в спектральном диапазоне от 400 до 710 нм, p = 3 и м = 32.

Даже в идеальной системе без шума или там, где она может быть идеально смоделирована, размерность S ограничивает точность спектральной реконструкции, достигаемой путем обращения уравнения (3). Продолжая пример с камерой RGB, матрица SE будет матрицей 3 × 32, что приведет к системе уравнений с 32 неизвестными в 3 уравнениях. Такая система не определена с бесконечным числом возможных решений [85]. Существуют две стратегии повышения точности спектральной реконструкции спектра сигнала: а) уменьшение размеров SE до соответствия размерам p , или b) увеличение количества ответов в p так, чтобы оно соответствовало габариты SE .

Размеры SE можно уменьшить, включив априори информации об известных свойствах и характеристиках спектров отражения естественных и искусственных цветных поверхностей [85–87]. Уменьшение размерности достигается выражением спектральных функций в уравнениях (1) и (2) в виде линейных моделей с уменьшенным числом, обычно от 6 до 12, базисных функций [86–90]. Аналогично, матрица SE в уравнении (3) также может быть заменена матрицей, которая связывает функции спектральной чувствительности камеры со спектрами отражения набора калибровочных образцов с известными спектральными свойствами или калибровочного набора [86] .В качестве альтернативы также можно напрямую связать отклики камеры со спектрами отражения калибровочного набора [88]. Априорная информация также может использоваться для точной оценки параметра шума . Фактически, среди самых последних методов спектральной реконструкции есть методы, основанные на характеристике вектора шума либо прямыми, либо аналитическими методами и последующем восстановлении спектра отражения с помощью методов оптимизации [85, 91, 92].

Когда спектры отражения восстанавливаются из откликов камеры с использованием линейных моделей, количество каналов камеры должно соответствовать количеству базисных функций. Однако, поскольку всего трех базисных функций недостаточно для точного восстановления спектра, трех каналов, доступных в камере RGB, потенциально недостаточно для восстановления спектра сигнала любым из этих методов [90]. Тем не менее, можно увеличить количество откликов камеры от этих устройств путем последовательной записи набора изображений через различные узкополосные фильтры с различной спектральной полосой пропускания [38].Это эффективно преобразует устройство RGB в мультиспектральную камеру [93]. Например, камеры RGB коммерческого уровня могут быть оснащены тремя дополнительными узкополосными фильтрами, увеличивая таким образом размер p с 3 × 1 до 6 × 1 для восстановления спектральных сигналов из естественных сцен [94].

Альтернативный метод восстановления спектральных сигналов с помощью устройств RGB — восстановление набора метамеров [21, 95]. Целью этого подхода является восстановление не единственного спектра отражения, ответственного за данный отклик RGB, а набора всех спектров, которые могут дать ему точное соответствие [23].Восстановление набора метамеров для заданного отклика RGB может быть достигнуто с или без знания спектральной чувствительности сенсора камеры [21, 23]. В последнем случае восстановление набора достигается за счет использования выпуклых свойств как RGB, так и спектрального пространства. Выпуклость позволяет выразить любой спектр отражения как линейную комбинацию набора калибровочных спектров, состоящих из основных цветов с высокими значениями яркости и насыщенности. Веса, которые должны применяться к калибровочным спектрам, чтобы соответствовать спектру образца, такие же, как веса, которые связывают значения RGB спектров калибровки со значениями неизвестного образца [23].Поэтому реконструкция набора метамеров основана на нахождении этих весов из откликов RGB образцов в калибровочном наборе и последующем применении этих значений к спектрам отражения, доступным в калибровочном наборе. Математически это выражается как [23]: (4) где P — это матрица 3 × n , содержащая ответы RGB калибровочного набора из n выборок, а λ — вектор весов n × 1, n — количество спектров в калибровочный набор.

Наша методика спектральной реконструкции также основана на восстановлении набора метамеров для данного образца. В отличие от метода, предложенного в [23], мы находим вектор весов λ путем тестирования всех возможных линейных комбинаций четырех точек RGB, имеющихся в калибровочном наборе P , и последующего определения тех комбинаций ответов RGB, для которых образец RGB — это внутренняя точка. Другими словами, мы ищем и тестируем все точки RGB, выпуклая комбинация которых приводит к спецификации RGB, равной спецификации образца.Этот метод отличается от метода [21, 23], где вектор весов получается пересечением гиперплоскостей, представляющих ограничения в уравнении (4). Более подробная информация о нашей методологии спектральной реконструкции представлена ​​в подразделе «Спектральная реконструкция».

Более дорогой альтернативой использованию камеры RGB с фильтром является использование гиперспектральной камеры. Это устройство записывает спектр отражения данного образца в каждом месте пикселя в записанном изображении напрямую, инвертируя уравнение (3).Это возможно, поскольку количество доступных откликов камеры равно или превышает размеры матрицы SE [38]. Например, для восстановления спектра отражения от цветного объекта, взятого в интервале от 400 до 710 нм при Δ λ = 10 нм, потребуется гиперспектральная система с минимум 32 датчиками. Спектральная реконструкция из гиперспектральных изображений не требует a priori информации из спектров отражения или освещения, единственная необходимая информация — это спектральная чувствительность датчиков системы, статистика шума и линейная зависимость между подводимой энергией и откликом камеры [96] .Следовательно, ожидается, что эта система обеспечит наиболее точное восстановление спектров отражения образца; фактически, гиперспектральные камеры также называют спектрофотометрами изображений [38]. Основным недостатком этих устройств является большое общее время интегрирования, необходимое для записи гиперспектрального куба изображения (гиперкуба), возникающее из-за суммы индивидуальных времен интегрирования, необходимых для записи изображения на каждом шаге длины волны.

Пары образцов целевого цвета и калибровочный набор

Мы выбрали семь пар образцов цветов, доступных в Digital ColorChecker SG (X-rite Inc., США) с изменением значений разности цветностей (ΔC) [48] от 2,8 до 61,4 единиц (рис. 1). Значения разницы цветности (ΔC) между двумя цветами, составляющими каждый из семи пар образцов, были получены из коэффициента, описывающего эллипсы Макадама для этих образцов. Коэффициенты эллипса для каждой пары образцов были получены из опубликованных графиков [48] после вычисления координат цветности, соответствующих трехцветным значениям для каждого образца цвета (уравнение 1), после стандартных колориметрических расчетов [20].

Рис. 1. Колориметрическая характеристика выбранных целевых цветовых пар.

а. Линейное RGB-представление X-rite ColorChecker SG с выделением семи цветовых пар, выбранных для эксперимента. Образцы, составляющие каждую цветовую пару, обозначены одной и той же римской цифрой. б. Спектры отражения для 14 отдельных цветовых образцов, составляющих каждую из цветовых пар, и их значения разности цветностей (ΔC). Значения разности цветности были рассчитаны по координатам цветности (таблица 2) с использованием формул и диаграмм MacAdam [48] и в предположении освещения ртутной газоразрядной лампой.Отдельные образцы цветов идентифицируются по их уникальным координатам на диаграмме (панель а). c. Образцы цветов на диаграмме цветности CIE 1931: (+) пара I, (×) пара II, (*) пара III, (◻) пара IV, (○) пара V, (△) пара VI и (⋄) пара VII . Цветовой ключ каждой пары является грубым представлением линейной комбинации RGB для каждой пары на панели a.

https://doi.org/10.1371/journal.pone.0125817.g001

Образцы были отобраны таким образом, чтобы они: (а) представляли разные цветовые оттенки: оранжевый, красный, желтый, синий, зеленый, розовый и фиолетовый , (b) представляют различные количества воспринимаемого хроматического несходства с точки зрения только заметных различий [20, 48], и (c) не представляют крайние точки (вершины) в линейном пространстве RGB, определяемом выборками, доступными в калибровочном наборе.

Наш калибровочный набор содержал в общей сложности 1393 цветовых образца, соответствующих 1301 хроматическим и ахроматическим образцам, доступным в The Munsell Book of Color Matte Collection (X-rite Inc., США), а также 94 цветовых образца, доступных в Digital ColorChecker SG после удаление образцов, соответствующих каждой целевой паре образцов. Эти тщательно отобранные образцы основаны на пигментах и ​​использовались в предыдущих цветовых экспериментах [97, 98], представляя широкий диапазон оттенков. В то время как в стимулах отсутствуют УФ-компоненты, которые важны для зрения некоторых животных и поэтому не могут отражать спектральные характеристики всех естественных спектров, стимулы в целом имеют спектральные характеристики, соответствующие форме и градиентам некоторых естественных стимулов, таких как цветы [99], если рассматривать длину волны больше более 400 нм (см. файлы данных в режиме онлайн).44 ахроматических образца, граничащих с Digital ColorChecker SG (рис. 1, панель а), не были включены в калибровочный набор. Подробная информация о составе калибровочного набора и каждой из тестовых мишеней представлена ​​в Таблице 1.

Спектры отражения от целевых цветовых пар и калибровочного набора были измерены в интервале от 390 до 710 нм с помощью спектрофотометра USB 4000 (Ocean Optics, США), подключенного к интегрирующей сфере ISP-50-8-R-GT (Ocean Optics, США) с помощью оптического волокна 200 мкм м (Ocean Optics, США).В качестве источника освещения использовалась галогенная лампа источника света DH-2000 (Ocean Optics, США), которая соединялась с интегрирующей сферой с помощью оптического волокна 600 мкм м, расположенного в виде световода 0/ d для освещения и обзора. условие [20]. Значения отражательной способности измеряли относительно сертифицированного стандарта отражательной способности Spectralon (Labsphere, США).

Значения цветности, соответствующие каждой из пар образцов (рис. 1, панель c), были рассчитаны на основе их трехцветных значений, полученных после решения уравнения (2).Расчеты были выполнены с учетом спектрального диапазона от 390 до 710 нм, отобранного при Δ λ = 5 нм. Функции x‾, y‾ и z‾ в уравнении (2) соответствуют функциям цветного наблюдателя CIE 1931 года [20]. Спектральное распределение мощности источника света в уравнении (2) (рис. 2) было взято как энергетическая освещенность, излучаемая ртутной газоразрядной лампой Broncolor HMI 400.575.800 (Bron Elektronik AG, Швейцария), используемой для освещения Digital ColorChecker SG при записи. изображения с двумя системами камер.

Рис 2.Спектральное распределение мощности (освещенность) и цветность ртутной газоразрядной лампы, использованной в качестве источника света для эксперимента.

Координаты цветности, соответствующие свету, излучаемому лампой (вставкой), были рассчитаны на основе трехцветных значений, полученных после решения уравнения (2) с использованием функций согласования цветов CIE 1931 [20]. Спектральную освещенность от источника света измеряли спектрорадиометром ILT 900 (International Light Technologies, США), откалиброванным для измерений энергетической освещенности.Синяя сплошная линия на вставке представляет локус дневного света CIE для коррелированных цветовых температур от 4000 до 25000 K [80].

https://doi.org/10.1371/journal.pone.0125817.g002

Газоразрядная лампа HMI была подключена к электронному балласту, обеспечивающему стабильную подачу тока с частотой 400 Гц, что сводило к минимуму возможные эффекты мерцания. Ртутная лампа испускала излучение с хроматическими характеристиками, аналогичными характеристикам дневного света (рис. 2, вставка), с высокой выходной мощностью коротковолнового (390–450 нм) излучения по сравнению с галогенной вольфрамовой лампой.Доступность коротковолнового излучения была особенным преимуществом для наших целей, поскольку помогала снизить высокие уровни шума, ожидаемые из-за низкой чувствительности обеих систем камер к этому типу излучения.

Система камеры и запись изображений

спектров отражения от образцов цвета, составляющих каждую из целевых пар, были восстановлены из цифровых откликов, , т.е. пикселей, записанных двумя системами камер: (а) калиброванной цифровой камерой Canon EOS 40D RGB (Canon Inc., Япония) с 3 каналами и (б) системой гиперспектральной визуализации SOC710 (Surface Optics Co., США) со 128 каналами (диапазонами). Камера RGB была оснащена 100-миллиметровым макрообъективом с электрофокусом (EF) (Canon Inc., Япония) с максимальным значением f -стоп 5,6. Система камеры RGB ранее была охарактеризована для: (a) восстановления линейных откликов камеры с помощью аналитических средств и справочных таблиц, (b) количественной оценки неопределенности, связанной с процессом линеаризации для откликов камеры различной интенсивности [79], и (c) для количественной оценки общего излучения, отраженного различными видами цветов [19].

Система визуализации SOC710 была оснащена 70-миллиметровым объективом Schneider Xenoplan (Schneider Optics, США) с максимальной диафрагмой f /8. В гиперспектральной камере используется ПЗС-датчик размером 696 × 520 пикселей, чувствительный к излучению от 400 до 1000 нм. Индивидуальные изображения создаются для каждой из 128 различных полос, покрывающих спектр, с динамическим 12-битным диапазоном [100]. Камера подключалась к портативному компьютеру и управлялась с помощью драйверов Lumenera v.6.3.0 предоставляется производителем. Камера 40D Canon оснащена CMOS-датчиком размером 3888 × 2592 пикселей с измеренной спектральной чувствительностью, ограниченной видимой областью электромагнитного спектра (примерно от 390 до 710 нм) [19]. Камера записывает изображения с глубиной цвета 14 бит при съемке в режиме RAW.

Диаграмма Digital ColorChecker SG была выровнена под углом 45 ° относительно плоскости сенсора каждой камеры, предотвращая попадание зеркального отражения от полуглянцевой поверхности диаграммы на сенсор в обеих камерах, а источник света был ориентирован под углом 45 °. ° по отношению к ColorChecker.Две серые полосы Munsell N5 / шириной 8 мм были прикреплены к боковым границам диаграммы ColorChecker SG в качестве дополнительной ахроматической ссылки.

Цветовая диаграмма располагалась по центру видоискателя камеры RGB и окна фокусировки, доступного как часть программного обеспечения для управления гиперспектральной камерой. Цель регистрировалась одной камерой за раз, чтобы предотвратить возможные различия в освещении, вызванные изменениями геометрии освещения.

Общее время интегрирования гиперспектральной камеры было определено равным 10.00 мс бортовой системой замера освещенности камеры. Время интеграции, выбранное гиперспектральной камерой, суммировало время экспозиции, необходимое для всех каналов, поскольку наша модель камеры и операционное программное обеспечение не позволяли настраивать время интеграции индивидуально для каждого канала. Экспозиция для камеры RGB была установлена ​​на 1/640 с, f — стоп 8, ISO 200 после выполнения нескольких тестов экспозиции.

Изменчивость отклика камеры DSLR, которая могла быть потенциально вызвана нестабильным выходом источника света или механическими компонентами камеры DSLR, такими как шторка затвора и лепестки диафрагмы объектива, была измерена в отдельном контрольном эксперименте.Для этого эксперимента мы первоначально записали в номинально идентичных условиях серию из 30 изображений набора ахроматических мишеней различной яркости. Затем мы выбрали область размером 25 × 25 пикселей, соответствующую среднему серому, и вычислили ответ средней интенсивности пикселей для области образца на каждом кадре. Затем средний отклик интенсивности для одной и той же цели на каждом изображении был нанесен на график в зависимости от номера изображения, чтобы измерить любую потенциальную изменчивость откликов камеры на 30 снимков. Вариабельность измерялась как абсолютная разница между средним минимальным и максимальным средним значением интенсивности по всем записанным кадрам.Мы получили среднюю интенсивность 162 уровней интенсивности по 30 изображениям и минимальные и максимальные значения 159 и 164 уровней интенсивности соответственно. Этот результат показывает, что вариабельность отклика камеры, вносимая системой, составляет около ± 2 уровней интенсивности, что представляет собой вариацию около 1% в 8-битной шкале.

Обработка изображений

Система визуализации RGB.

RGB-изображений из цветовой таблицы DigitalChecker SG были записаны в собственном формате RAW камеры Canon с использованием настройки баланса белого 5100 K.Чтобы обеспечить правильную настройку экспозиции и баланса белого в линеаризованных изображениях, было создано несколько версий исходного изображения RAW с различными значениями экспозиции, цветовой температуры и оттенка исходного необработанного изображения RAW. Это был итеративный процесс, при котором несколько несжатых версий файла TIFF исходного файла RAW были созданы после кодирования каждой из версий обработанного изображения RAW в 8-битное цветовое пространство Adobe 1998 RGB [101]. Экспозиция, калибровка баланса белого и преобразование изображений производились с помощью Camera Raw v.Плагин 7.3 для PhotoShop CS6 (Adobe Inc., США).

Мы использовали отклики RGB, соответствующие самому яркому ахроматическому участку X-rite Colorchecker Passport (X-rite Inc., США), включенному в каждый кадр (рис. 1), в качестве эталона калибровки экспозиции. Изображение считалось правильно откалиброванным, когда средние отклики камеры ( ρ ) для ахроматического калибровочного пятна были равны 244 уровням интенсивности пикселей по трем цветовым каналам камеры или ρ‾R = ρ‾G = ρ‾B = 244. Пиксельный отклик в 244 уровня интенсивности в нашей системе камеры соответствует измеренным 94.Значение коэффициента отражения ахроматического калибровочного образца 8% после линеаризации изображения [19, 102].

Каждое из изображений, содержащих ответы RGB калибровочного набора для процесса спектральной реконструкции, было обработано в соответствии с только что описанным протоколом. Всего 43 изображения, содержащие разные страницы матового издания «Книги цветов Манселла», были записаны при том же источнике света, который использовался для записи цветовой таблицы ColorChecker SG (целевое изображение). Чтобы гарантировать, что и калибровочное, и целевое изображения имеют одинаковые свойства экспозиции и цветового баланса, был проведен надежный внутрисубъектный ANOVA для ответов RGB, соответствующих самой яркой ахроматической цели в X-Rite Color Checker Passport.Средние отклики камеры для красного (ρ‾R = 244 ± 0,125), зеленого (ρ‾G = 244 ± 0,121) и синего каналов (ρ‾B = 244 ± 0,054) были получены для ахроматической калибровочной мишени на 44 изображениях после обработка экспозиции и баланса белого. Эти значения статистически не отличались друг от друга ( P = 0,795). Параметры окончательной экспозиции и баланса белого для целевого изображения были установлены как: цветовая температура 5480 K, оттенок -6, экспозиция как снимок.

Изображения с цветокоррекцией были впоследствии линеаризованы с использованием справочных таблиц (LUT), полученных для используемой камеры с использованием специального кода, написанного для Matlab версии 2012b (The MathWorks, США).Подробная информация о методологии линеаризации и описание всего процесса определения характеристик камеры доступны в другом месте [79]. 1395 линейных значений RGB, используемых для спектральной реконструкции, были получены после начальной загрузки средних линейных откликов камеры для области образца размером 2500 × 2500 пикселей, расположенной в центре каждого образца цвета.

Весь статистический анализ, включая: начальную загрузку, тесты ANOVA, линейные и нелинейные регрессии, был выполнен с использованием подпрограмм, доступных в R Statistical Language v.3.1.0 [103].

Система гиперспектральной визуализации.

Куб гиперспектрального изображения (гиперкуб), содержащий отклики камеры для каждого из 128 каналов, записанных системой визуализации, был первоначально откалиброван для выражения откликов камеры в единицах яркости (мВт см −2 нм −1 sr −1 ). Калибровка куба изображения проводилась с использованием эталонного файла темного изображения, записанного сразу после фотографирования цели, файла калибровки, предоставленного производителем, и времени интеграции, необходимого для записи ColorChecker SG.Записанный гиперкуб изображения с калибровкой яркости состоял из многослойной матрицы 520 × 696 × 128, где каждое из 128 измерений соответствует монохромному изображению 520 × 696, полученному в результате записи сцены через различные диапазоны, доступные в системе. Уменьшенный гиперкуб, содержащий изображения из спектральных полос от 390,2 до 721,1 нм с интервалами Δ λ = 4,9 нм, был экспортирован в Matlab Release 2012b (The MathWorks Inc., США) для дальнейшей обработки.

Десять пикселей в области изображения, соответствующие каждому образцу цвета, были псевдослучайно выбраны для анализа.Каждый пиксельный образец был представлен как вектор 66 × 1, элементы которого соответствуют яркости, зарегистрированной на каждой из длин волн, воспринимаемых различными каналами гиперспектральной системы. Значения яркости в спектральном интервале от 395 до 710 нм при Δ λ = 5 нм были восстановлены с помощью линейной интерполяции. Этот шаг был необходим для согласования интервала выборки функций согласования цвета x‾, y‾ и z‾, а также спектральной освещенности, измеренной для ртутной газоразрядной лампы, используемой в качестве источника света (рис. 2).Это было то же самое спектральное излучение, которое использовалось для вычисления значений цветности из измеренных спектров отражения. Значения трехцветного стимула и соответствующие им координаты цветности были рассчитаны для каждого интерполированного спектра яркости в соответствии с тем же протоколом, что и для измеренных спектров отражения.

Второй куб гиперспектрального изображения, выражающий отклики камеры с точки зрения абсолютной отражательной способности в каждом местоположении пикселя, также был реконструирован из необработанных гиперспектральных данных.Процесс калибровки для получения данных коэффициента отражения был таким же, как описанный выше для восстановления спектров яркости, но включал дополнительный этап калибровки эталонного света. Световой эталон состоял из области выборки пикселей, соответствующей спектрально плоской (ахроматической) области выборки в записанной сцене. Мы выбрали область изображения, соответствующую «белому» участку ColourChecker SG (образец E5, рис. 1, панель a). Данные об абсолютной отражательной способности для каждого выбранного пикселя затем восстанавливались путем деления каждого спектра яркости на эталонный спектр света.Этот расчет был произведен автоматически программой анализа гиперспектральной камеры. Остальная часть методологии выборки была идентична той, которая использовалась для восстановленных спектров яркости.

Спектральная реконструкция по откликам камеры RGB

Наша система спектральной реконструкции основана на выпуклых свойствах как RGB, так и спектральных пространств [23]. Алгоритм реконструкции начинается с перечисления (nk) комбинаций из k = 4 точек, которые могут быть получены из каждой из n координат RGB, соответствующих выборкам, доступным в калибровочном наборе.Вектор весов λ для каждой комбинации из четырех точек затем получается из уравнения (4) левым делением с дополнительным ограничением, что сумма весов λ i должна равняться единице. Если все коэффициенты неотрицательны, веса включаются в выходной вектор, в противном случае этот весовой вектор отбрасывается, и алгоритм переходит к следующей комбинации RGB.

Действительный вектор весов λ получается только тогда, когда отклик RGB образца может быть выражен как положительная комбинация откликов RGB от образцов в калибровочном наборе.Геометрически это означает, что образец находится в замкнутом трехмерном пространстве, образованном линейными значениями RGB калибровочного набора, или, точнее, когда образец находится внутри выпуклой оболочки (ch), определенной набором S линейных Значения RGB, соответствующие калибровочным образцам. Если образец не находится внутри выпуклой оболочки, он составляет вершину корпуса; с помощью нашего алгоритма невозможно получить решение для вершин. На рис. 3 показана выпуклая оболочка, соответствующая 1395 выборкам, доступным в калибровочном наборе, и эллипсоиды 95% квартилей, соответствующие 10 пикселям, взятым из каждой цветной мишени.

Рис. 3. Выпуклая оболочка в линейном пространстве RGB, соответствующая 1395 образцам, доступным в нашем калибровочном наборе, и эллипсоидам 95% квартилей из 10 пикселей, взятых из каждого образца цвета.

Образцы цвета, составляющие пару, кодируются с использованием того же цвета и кода, что и на рис. 1: пара I бледно-оранжевый, пара III синий, пара IV фиолетовый, пара V зеленый, пара VI красный и пара VII розовый. Пара II — это не эллипсоиды, а линии, поскольку эти образцы демонстрируют вариации только вдоль зеленой оси. Красная линия представляет собой теоретические отклики RGB для диапазона спектрально однородных ахроматических образцов ( ρ R = ρ G = ρ B ), различающихся по яркости, и маркеры звездочки представляют измеренные линейные отклики камеры ( ρ ) для 31 ахроматической выборки, доступной в Книге цветов Манселла.Пурпурная сфера указывает центр корпуса, соответствующий теоретически плоскому ахроматическому образцу, отражающему 50% падающего излучения.

https://doi.org/10.1371/journal.pone.0125817.g003

Попытка спектральной реконструкции с помощью нашего алгоритма с использованием всех образцов, имеющихся в калибровочном наборе, невозможна на большинстве стандартных компьютеров из-за их большого количества (1,57 × 10 11 ) возможных комбинаций. Поэтому мы выбрали подмножество из 100 калибровочных точек из всего нашего набора для восстановления спектров каждой цели.Калибровочный набор из примерно 100 образцов ранее предлагался в качестве минимального размера, при котором точность реконструкции становится независимой от размера образца в мультиспектральных системах [35], и обеспечивает ряд комбинаций (≈ 3,92 × 10 6 ), т.е. управляемый большинством стандартных компьютеров.

Мы выбрали каждое конкретное подмножество калибровочных образцов на основе их относительного расстояния до образца в линейном пространстве RGB. Для каждого образца мы рассчитали его расстояние Чебычева до каждого из других образцов в калибровочном наборе и выбрали 100 ближайших точек к образцу в качестве эталонного набора.Расстояние Чебичева исследует расстояние между целью и калибровочными целями по трем каналам RGB, но использует только максимальное расстояние [104]. Таким образом, этот процесс обеспечивает создание подмножеств одного цвета. Было показано, что спектральная реконструкция по эталонным образцам цвета, подобного цвету цели, улучшает точность восстановления при использовании методов, основанных на базисных функциях [105, 106]. Мы также включили образцы белого и черного в каждую подгруппу калибровки, чтобы убедиться, что она должным образом «закрыта» в своих крайних точках (рис. 3).

Оценка точности спектральной реконструкции и способности хроматической дискриминации

Точность спектральной реконструкции по откликам камеры измерялась с точки зрения воспринимаемых цветовых различий между значениями цветности, рассчитанными на основе спектров отражения, измеренных с помощью спектрофотометра, и теми, которые были восстановлены на основе откликов гиперспектральных и RGB-камер.

Значения цветности, соответствующие измеренным и восстановленным спектрам отражения, были рассчитаны на основе трехцветных значений (уравнения 1–2) с использованием стандартных колориметрических формул [20].Из-за большого количества спектров отражения, восстановленных из одного отклика камеры RGB, и ненормального распределения их соответствующих координат цветности в пространстве цветности CIE 1931 года (см. Раздел « Результаты »), мы представили наши результаты как область, ограниченную выпуклой корпус, охватывающий все значения цветности, а не эллипсы, например, полученные в результате применения (параметрических) многомерных измерений местоположения и распространения. Область на диаграмме цветности CIE 1931 года, окруженная выпуклой оболочкой хроматических координат, соответствующих реконструированным метамерам образца цвета, обозначается как областей цветности (CA).

В случае наборов метамеров, реконструированных с помощью камеры RGB, координаты цветности в любом заданном CA представляют цветовые сигналы, неотличимые друг от друга; поэтому они частично эквивалентны эллипсам дискриминации, ранее использовавшимся Мак-Адамом и другими для измерения хроматической различимости в одновременных экспериментах по сопоставлению цветов [48–51]. Однако CA не представляют собой область, содержащую определенный процент событий точной дискриминации, а представляют собой абсолютный порог цветовой дискриминации RGB-камеры с учетом доступного набора калибровок.Вершины, составляющие CA, были вычислены с использованием алгоритма convxHull , доступного в Matlab версии 2012b (The MathWorks, США). CA также рассчитывались из значений цветности, полученных из спектров яркости и сглаженного отражения, восстановленных из куба гиперспектрального изображения для сравнения.

В последнем эксперименте сравнивались две системы визуализации с точки зрения их способности различать два цветовых образца разного цветового сходства. Способность каждой системы визуализации точно различать два образца цвета измерялась с точки зрения степени перекрытия между CA, соответствующими образцам цвета, составляющим каждую из выбранных пар образцов (рис. 1).Область пересечения между двумя CA здесь упоминается как область смешения , область (ACR). Мы рассчитали ACR с помощью алгоритма операций с многоугольниками polybool , доступного в наборе инструментов отображения v.3.6. для Matlab версии 2012b (The Mathworks, США).

Мы проверили возможное значительное влияние цветового сходства на способность хроматической дискриминации с помощью модели логистической регрессии. Модель соответствовала графику процента ACR для данной CA в качестве зависимой переменной и цветового сходства, измеренного в терминах хроматической разницы (ΔC) в качестве независимой переменной.Для этой модели мы использовали обобщенный алгоритм линейного моделирования (GLM), доступный для R Statistical Language v.3.1.0 [103].

Результаты

Спектральная реконструкция с использованием систем RGB и гиперспектральной визуализации

Мы реконструировали спектры отражения из десяти точек выборки пикселей для каждой из 14 цветовых целей, составляющих семь выбранных пар образцов, различающихся по цветовой разнице (рис. 1), с использованием системы RGB и гиперспектральной камеры. В то время как система гиперспектральной камеры всегда вырабатывала один спектр отражения на пиксель дискретизации, набор различных спектров отражения (набор метамеров) всегда получался для любого триплета отклика камеры RGB ( ρ ).Общее количество спектров отражения, составляющих данный набор метамеров, не было постоянным, но было обнаружено, что оно в значительной степени коррелирует с положением образца в выпуклой оболочке, созданной калибровочными образцами (уравнение 5). Как евклидово расстояние между образцом ρ и средней серой центральной точкой ( ρ R = ρ G = ρ B = увеличивается (рис. 3), количество метамеров (N метамеров ) уменьшается экспоненциально (рис. 4): (5) где d — евклидово расстояние между средней серой точкой и выборкой RGB, а значения в скобках представляют нижнюю и верхнюю границы 95% доверительного интервала для оцененного коэффициента.

Рис. 4. Среднее количество метамеров, восстановленных из заданного ρ R , ρ G , ρ B отклик тройной камеры как функция расстояния от средней точки линейного пространства RGB.

На панели а. каждая точка соответствует среднему количеству метамеров, извлеченных для каждого триплета ρ , а столбики ошибок представляют собой стандартное отклонение от среднего. Сплошная линия представляет собой наилучшее соответствие экспоненциальной модели вида y = y 0 exp- ( bx ) (уравнение 5), аппроксимируемой с помощью регрессии наименьшего абсолютного отклонения (LAD) [107].б. Набор метамеров (477,341 метамер) для ρ R = 0,508, ρ G = 0,327, ρ B = 0,246, расположенных на 0,307 линейных единицах красного цвета от центра кружок в a.), соответствующий образцу пикселя из цветовой мишени H8 на рис. 1. c. Набор метамеров (483 метамера) для ρ R = 0,337, ρ G = 0,025, ρ B = 0.097, расположенный в 0,644 линейных единицах RGB от центра (зеленый кружок в a.), Соответствующий образцу пикселя из цветовой мишени M2 на рис. 1.

https://doi.org/10.1371/journal.pone.0125817.g004

Средние спектры отражения и яркости, восстановленные из 10 пикселей, взятых из гиперкуба изображения, содержащего различные цветные мишени, представлены на рис. 5. Восстановленные спектры яркости для большинства цветных образцов представляют два характерных пика примерно при 545 и 580 нм (рис. 5, панель b) с вторичным пиком, наблюдаемым в некоторых образцах при 435 нм.Пики все еще присутствовали в спектрах отражения, полученных после калибровки куба гиперспектрального изображения относительно спектрально плоской поверхности, что свидетельствует о возможном эффекте насыщения или отсечения сенсора (рис. 5, панель a). Чтобы уменьшить потенциальное влияние пиков в последующих колориметрических расчетах, мы сгладили восстановленные спектры отражения с помощью надежной локальной регрессии (лёсса) с интервалом 0,1. Результаты операции сглаживания показаны на рис. 5, панель а вместе со спектрами отражения, возвращенными программным обеспечением гиперспектральной камеры.

Рис. 5. Спектры среднего отражения (панель a) и яркости (панель b), восстановленные из 10 пиксельных отсчетов куба гиперспектрального изображения, содержащего каждую из цветных целей на рис. 1.

Спектры отражения в первом столбце панели a. соответствуют спектрам яркости на панели b. после калибровки откликов яркости относительно спектрально плоской ахроматической поверхности, включенной в куб гиперспектрального изображения. Второй столбец на панели а. изображает результат выполнения устойчивой локальной регрессии (лёсс) с 0.1 параметр диапазона для сглаживания пиков, наблюдаемых примерно при 435 и 545 нм.

https://doi.org/10.1371/journal.pone.0125817.g005

Точность спектральной реконструкции и хроматической дискриминации, достигаемая двумя системами формирования изображения

Графики разброса плотности

были построены на основе координат цветности, полученных из набора метаметров, восстановленных из ответов камеры RGB (рис. 6). Эти графики показали, что даже несмотря на то, что набор метамеров, восстановленный из любого данного образца, всегда содержал спектр отражения, равный спектру отражения, измеренному спектрофотометрией, его положение в наборе изменялось случайным образом для каждого цвета.Более того, распределения точек цветности, соответствующие реконструированным наборам метамеров, имели формы, отличные от (двумерного) нормального распределения, с бимодальным и прерывистым распределениями в некоторых случаях (рис. 6).

Рис. 6. График разброса плотности, выраженный в виде гексагональных интервалов [108], суммирующий частоту значений цветности, полученных из наборов метамеров, восстановленных из 10 триплетов отклика камеры, соответствующих каждому из 14 цветовых образцов на рис. 1.

Число метамеров, приводящих к одинаковые значения цветности представлены серыми оттенками, как указано под меткой «количество» для каждого образца цвета.Красная стрелка на каждой панели указывает координаты цветности, полученные из измеренного спектра отражения (панели b и c на рисунке 1) и представленные в таблице 2.

https://doi.org/10.1371/journal.pone.0125817.g006

Поскольку целью спектральной реконструкции является восстановление спектра из заданного местоположения пикселя в изображении, а не его измерение с помощью спектрофотометра, наиболее экономичное решение в случай камеры RGB заключался в предположении, что все метамеры имеют одинаковую вероятность быть спектром, соответствующим измеренной точечной выборке.Поэтому мы выразили результат процесса спектральной реконструкции по откликам RGB не как отдельное значение цветности, а как всю область, охватываемую областью цветности (CA).

Размеры областей цветности, соответствующих десяти характеристикам камеры ρ RGB , представлены в таблице 2 вместе с CA, вычисленными из десяти спектров яркости и сглаженного отражения, восстановленных из куба гиперспектрального изображения. CA также были нанесены в пространство цветности CIE 1931 года на рисунках 7 и 8.

Таблица 2. Колориметрические свойства образцов как области цветности: координаты цветности, соответствующие спектрам отражения, измеренным для каждого образца, составляющего образцы пар цветов, используемых для эксперимента (третий столбец), и области цветности для спектров, восстановленных с помощью RGB (четвертый столбец) и гиперспектральная камера (пятая колонка).

https://doi.org/10.1371/journal.pone.0125817.t002

Рис. 7. Области цветности (CA), соответствующие выпуклой оболочке координат цветности, рассчитанные из наборов метамеров, восстановленных из 10 ρ RGB откликов различные образцы цвета на рис. 1, записанные с помощью камеры RGB.

A. Панели соответствуют каждой из семи различных цветовых пар, использованных в нашем эксперименте; значения цветовой разницы (ΔC) между членами пары включены в каждую панель. Заштрихованные области соответствуют CA для каждого образца цвета в паре образцов, а их пересечение представляет собой область смешения (ARC), ожидаемую для данной пары образцов. Координаты цветности, рассчитанные на основе измеренных спектров отражения, отмечены маркерами (*) и (●). Эллипсы представляют цветоразностные пороги Макадама [48] (синий) и Ньюхолла [50] (зеленый), рассчитанные для координат цветности, полученных из измеренных спектральных данных.Оба эллипса нарисованы в их фактическом масштабе. B. Области на диаграмме цветности CIE 1931 года, охватываемые осями x и y панелей в A. Различия в размере областей обусловлены различиями в масштабе, необходимом для нанесения двух цветов, составляющих каждую пару образцов.

https://doi.org/10.1371/journal.pone.0125817.g007

Рис. 8. Области цветности (CA), соответствующие выпуклой оболочке координат цветности, рассчитанной по яркости и сглаженным спектрам отражения, восстановленным из 10 пикселей в гиперспектральном изображении. куб изображения, содержащий отклики гиперспектральной камеры для различных цветовых образцов на рис. 1 и предполагающий ртутную газоразрядную лампу в качестве источника света (рис. 2).

A. Панели соответствуют каждой из семи различных цветовых пар, использованных в нашем эксперименте; значения цветовой разницы (ΔC) между членами пары включены в каждую панель. Узорчатые области соответствуют CA, вычисленным из восстановленных спектров яркости, а сплошные заштрихованные области — CA, вычисленным из сглаженных спектров отражения для двух цветов каждой пары образцов. Обратите внимание, что области замешательства не были получены из CA, реконструированных по ответам гиперспектральной камеры. Координаты цветности, рассчитанные на основе измеренных спектров отражения, отмечены маркерами (*) и (●).Эллипсы представляют цветоразностные пороги Макадама [48] (синий) и Ньюхолла [50] (зеленый), рассчитанные для координат цветности, полученных из измеренных спектральных данных. Оба эллипса нарисованы в их фактическом масштабе. B. Области на диаграмме цветности CIE 1931 года, охватываемые осями x и y панелей в A. Различия в размере областей обусловлены различиями в масштабе, необходимом для нанесения двух цветов, составляющих каждую пару образцов.

https: // doi.org / 10.1371 / journal.pone.0125817.g008

СА, соответствующие спектрам, восстановленным из ответов гиперспектральной камеры, значительно отличались от полученных из ответов RGB ( F = 102, P <0,001, Таблица 2) . Запланированное сравнение после комплексного теста ANOVA продемонстрировало значительную разницу между площадью CA RGB и средними CA, восстановленными из куба гиперспектрального изображения ( t = -72,1, P <0.001). Однако не было обнаружено значительной разницы между CA, восстановленными из спектров яркости и сглаженного отражения ( t = -1,73, P = 0,092).

Не было получено никаких областей смешения (ACR) ни для одной из CA, полученных либо из спектров яркости, либо из сглаженных спектров отражения, восстановленных из ответов гиперспектральной камеры (рис. 8). Однако мы обнаружили значительный эффект цветового различия ( × 2 = 1490, P <0.001) от процента ACR, совместно используемого центрами сертификации, восстановленных из ответов камеры RGB. Наши данные предполагают экспоненциальное падение ACR с увеличением цветовой разницы между образцами (рис.9), описываемое следующим образом: (6) где ΔC - хроматическая разница между двумя образцами цвета, составляющими пару. Значения в скобках представляют нижнюю и верхнюю границы 95% доверительного интервала для оцененных коэффициентов. На рис. 9 показана подобранная модель вместе со значениями ACR для семи образцов пар цветов, использованных в нашем эксперименте.Данные показывают менее 1% ACR для образцов с ΔC> 15. Модель предсказывает примерно ΔC> 3,3, около 2 JND, чтобы снизить процентное значение ACR до менее 1%.

Рис. 9. Влияние цветовой разницы (ΔC) на размер области смешения для областей цветности, соответствующих наборам метамеров, восстановленным из семи цветовых пар на рисунке 1.

Область смешения для каждой пары образцов определяется как отношение площадь пересечения к сумме отдельных областей цветности двух образцов цвета, составляющих пару.Области цветности соответствуют показанным на рис. 6. Сплошная линия представляет наилучшее соответствие экспоненциальной модели формы y = y 0 exp− ( bx ) (уравнение 6), полученное в результате логистической регрессии с использованием функция логит-ссылки.

https://doi.org/10.1371/journal.pone.0125817.g009

Обсуждение

Спектрофотометрия — это наиболее объективный и точный инструмент, доступный для записи спектральной сигнатуры любого заданного образца цвета [24], который позволяет повторно анализировать данные с использованием улучшенных или скорректированных моделей цветового различения или восприятия, когда становится доступной больше информации.Несмотря на преимущество этой объективности, запись спектрофотометрических данных ограничивается точечными образцами, которые могут недооценивать спектральную и пространственную изменчивость, вызванную различными свойствами отдельных элементов (участков), содержащих естественные узоры, включая цвет, форму и текстуру [19]. Это имеет практические последствия, поскольку многие животные, используемые в качестве модельных систем для изучения эволюции цвета, обладают различными комбинациями цветов в непосредственной близости и могут использовать несколько механизмов для создания цвета [109–111].В таких системах маловероятно, чтобы получатели оценивали цвета изолированно друг от друга. По этой причине весьма желателен метод, позволяющий эффективно и практично измерять спектры отражения в нескольких точках в пределах сетки выборки; цифровая обработка изображений предоставляет такое решение.

Наши результаты показывают, что степень точности, с которой спектры сигналов могут быть восстановлены по откликам камеры, зависит от количества датчиков, доступных в системе (Таблица 2).В частности, камера RGB, оснащенная всего тремя цветовыми каналами, не смогла точно различить образцы с хроматической разницей около 2 JND (рис. 9). Этот результат предполагает, что камеры RGB лучше подходят для крупномасштабных исследований цветовых узоров, таких как межвидовые сравнения (например, [112]). Тем не менее, эллипсы различения, вычисленные по результатам Newhall для различения небольших цветовых различий тремя наблюдателями [50], также пересекаются для этих цветовых образцов (рис. 7).Это говорит о том, что различение очень похожих цветов действительно является сложной задачей для трехцветных систем.

Результаты, полученные с помощью камеры RGB, соответствуют нашей заявленной гипотезе, которая предсказывает низкую способность различения цветов в системах с небольшим количеством датчиков, как и ожидалось из принципа однотипности [17]. Однако вопрос о том, могут ли животные, обладающие тремя или четырьмя разными классами фоторецепторов, однозначно различать такие небольшие цветовые различия, заслуживает дальнейшего исследования.Например, эксперименты по распознаванию цвета с пчелами и ястребами [65, 113, 114] показали меньшие пороги различения, чем те, которые предсказываются моделями, основанными на функциях спектральной чувствительности и спектрофотометрических данных [77].

В отличие от системы RGB, система гиперспектральной камеры всегда разрешала спектральные различия между двумя цветными образцами независимо от их сходства (рис. 7). Такой уровень разрешения обеспечивается 128 датчиками, доступными для восстановления спектральных сигналов, измеренных с 64 дискретными интервалами [38].Вместо того, чтобы наблюдать компактные кластеры из десяти перекрывающихся координат цветности для каждой цветовой цели, мы получили области цветности различной формы и размера (рис. 7, таблица 2).

Интересно, что некоторые из полученных областей цветности (CA), определенных с помощью гиперспектрального подхода, больше, чем эллипсы дискриминации, предложенные MacAdam [48] и Newhall [50] (рис. 7). Это говорит о существовании потенциально заметных цветовых различий в некоторых целевых образцах цвета, по крайней мере, для человека-наблюдателя.О такой хроматической изменчивости также сообщалось для цветов на основе количественного анализа линеаризованных изображений RGB [19], что подтверждает идею о том, что наблюдаемая хроматическая изменчивость является не только результатом различных источников шума изображения (например, дробового, теплового, квантового, присутствующего в различные цветовые каналы [115, 116]), но внутреннее свойство естественных и искусственных цветных поверхностей.

До недавнего времени пространственно-хроматической изменчивости не уделялось должного внимания, отчасти из-за присущей ей сложности точного измерения по точечным выборкам [117].Однако изучение пространственно-хроматической изменчивости в биологических образцах важно, поскольку вариации могут быть результатом текстуры, объема и микроструктур у растений и животных [109, 110, 118, 119], особенно потому, что такие вариации неравномерно распределены в биологическом образце. Кроме того, эти микроструктуры могут изменяться из-за износа и старения [120], увеличивая изменение создаваемого сигнала. Понимание того, как меняются эти факторы, поможет лучше понять эволюцию цвета как сигнала.Например, недавняя визуализация выявила значительное количество хроматических вариаций внутри субъекта, что дало интересное понимание того, как другие наблюдатели, кроме людей, могут воспринимать сигналы, производимые растениями [19] и животными [40] для общения и маскировки. Таким образом, системы RGB могут быть не идеальными для исследования цветовой сигнализации у разноцветных видов, содержащих несколько пятен, в частности, когда целью исследования является идентификация и описание различных хроматических элементов, составляющих их.

Характеристика и количественная оценка пространственно-хроматической изменчивости, присутствующей в образце, является примером биологической проблемы, хорошо подходящей для гиперспектральной визуализации, поскольку она позволяет проводить точную количественную оценку внутриобъектных и внутривидовых цветовых вариаций. Такие исследования могут обеспечить более глубокое понимание визуальной коммуникации растений и насекомых [121, 122], роли относительной дисперсии разноцветных пятен в приспособленности [123] и роли старения в выражении цвета [124].Точно так же изучение маскировки животных в контексте классического сопоставления фона, когда и цель, и фон имеют одинаковые значения цвета и яркости [24], может извлечь выгоду из гиперспектральной визуализации, которая позволяет проводить точные спектральные измерения на небольших объектах и ​​естественном фоне, отображая сложные узоры. различных цветов, форм и дизайнов. Однако при использовании этих устройств важно учитывать, насколько гиперспектральная камера служит моделью для распознавания цвета животных.В настоящее время сообщается, что всего несколько организмов, которые можно рассматривать как обладающие «зрительной системой гиперспектрального типа», активно используют более четырех фоторецепторов для задач распознавания цвета [125–128]. Однако многие виды животных, испытанные на сегодняшний день, демонстрируют диапазон видоспецифичного распределения фоторецепторов [129–132], и поэтому отображение сложных стимулов с помощью гиперспектральных камер может помочь в новых открытиях и рекомендациях по моделированию других важных эффектов, таких как постоянство цвета.

Гиперспектральные камеры предлагают новые возможности для изучения постоянства цвета в естественных условиях.Гиперспектральные камеры имеют более узкополосные сенсоры, чем тот, который требуется для оптимальной выборки естественных спектров, характеристики которых очень близки к идеальной системе для достижения идеального постоянства цвета [133]. На сегодняшний день большая часть достижений в этой области была достигнута на основе теоретических моделей [53, 133–137], а принцип гиперспектральной визуализации открывает новую перспективу в изучении постоянства цвета, позволяя записывать и анализировать естественные сцены в условиях окружающей среды. различные типы внешнего освещения.Однако время экспозиции, требуемое для получения гиперспектральных изображений, может ограничивать степень, в которой изменения внешнего освещения могут быть точно учтены с помощью этих устройств. Действительно, динамический характер других факторов окружающей среды (например, облачного покрова) может затруднить захват всей сцены при точно таких же условиях освещения в поле (рис. 10), поскольку условия естественного освещения часто быстро меняются на коротких пространственных расстояниях [53] . Несмотря на этот недостаток, гиперспектральные камеры могут открыть новые возможности для изучения эволюционных вопросов, касающихся инвестиций в цвет.Например, влияет ли изменение освещения и / или фона на относительную выгоду от инвестирования в цветовые характеристики у разных животных? Такие возможности были исследованы для птиц, которые появляются в лесах и соревнуются за участки особого освещения, чтобы потенциально максимизировать передачу цветовых сигналов [138], но в настоящее время ответ остается неизвестным для многих животных, работающих в сложных природных условиях.

Рис. 10. Сканирование гиперспектральных изображений на открытом воздухе при а) частично облачной и б) ветреной погоде с использованием солнечного света в качестве единственного источника освещения.

a) Проходящие облака закрывали солнце во время записи изображения, что приводило к недоэкспонированию различных областей изображения. Точно так же затемненные части (b) являются результатом того, что верхний листовой покров затеняет прямые солнечные лучи в конце сканирования, поскольку ветер усиливает их движение. Время интеграции для обоих сканирований было установлено на 50,00 мс.

https://doi.org/10.1371/journal.pone.0125817.g010

Благодарности

Авторы также хотели бы поблагодарить Фонд Хермона Слейда за их щедрое финансирование и Американское философское общество, особенно Фонд Льюиса и Кларка для разведки и полевых исследований, который поддерживал MBG во время ее пребывания в Австралии.

Вклад авторов

Задумал и спроектировал эксперименты: JEG MG AGD. Проведены эксперименты: JEG PP MG AGD. Проанализированы данные: JEG PW AGD. Внесенные реактивы / материалы / инструменты анализа: PW PP MK. Написал статью: JEG MG MK PP PW AGD.

Ссылки

  1. 1. Ленни П., Д’Змура М. Crit Rev Neurobiol. 1988. 3 (4): 333–400. Доступно по адресу: http://europepmc.org/abstract/MED/3048707. pmid: 3048707
  2. 2. Осорио Д, Воробьев М.Vision Res. 2008. 48: 2042–2051. pmid: 18627773
  3. 3. Райан MJ, Каммингс ME. Annu Rev Ecol Evol Syst. 2013; 44: 437–459.
  4. 4. Конвей BR. Невролог. 2009. 15 (3): 274–290. pmid: 19436076
  5. 5. Реган BC, Джульо С., Симмен Б., Вьено Ф., Шарль-Доминик П., Моллон Дж. Д.. Филос Т. Рой Соц Б. 2001; 356 (1407): 229.
  6. 6. Дафни А. Энн Rev Ecol Syst. 1984. 15: 259–278.
  7. 7. Джонсон С.Д., Питер К.И., Нильссон Л.А., Угрен Дж.Экология. 2003. 84 (11): 2919–2927.
  8. 8. Дайер А.Г., Мерфи А.Х. Israel J Plant Sci. 2009. 57 (3): 203–210.
  9. 9. Морган MJ, Адам A, Моллон JD. P Roy Soc Lond B Bio. 1992: 248 (1323): 291–295. Доступно по адресу: http://rspb.royalsocietypublishing.org/content/248/1323/291.abstract.
  10. 10. Тери М., Касас Дж. Природа. 2002. 415 (6868): 133–133. Доступно по ссылке: http://dx.doi.org/10.1038/415133a. pmid: 11805822
  11. 11. Дайер А.Г., Читтка Л.Naturwissenschaften. 2004. 91 (5): 224–227. pmid: 15146269
  12. 12. Палмер Г. Теория цвета и зрения. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж, Массачусетс: MIT Press; 1777. с. 1777–47.
  13. 13. Янг Т. К теории света и цвета. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж: MIT Press; 1802. стр. 51.
  14. 14. фон Гельмгольц Х. Физиологическая оптика. В: МакАдам Д.Л., редактор.Источники науки о цвете (1970). Кембридж: MIT Press; 1866. с. 1866–100.
  15. 15. Максвелл Дж. О цветовом зрении. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Кембридж: MIT Press; 1872. с. 1872–83.
  16. 16. MacAdam DL. Источники науки о цвете. Кембридж: MIT Press; 1970.
  17. 17. Rushton W. J. Physiol. 1972: 220 (3): 311–322.
  18. 18. Ли ХК. Введение в науку о цветном изображении. Кембридж: Издательство Кембриджского университета; 2005 г.
  19. 19. Гарсия Дж. Э., Гринтри А. Д., Шреста М., Дорин А., Дайер А. ПЛОС ОДИН. 2014: 9 (5): e96646. pmid: 24827828
  20. 20. Wyszecki G, Стайлз WS. Концепции и методы науки о цвете, количественные данные и формулы. 2-е изд. John Wiley & Sons, Inc; 1982.
  21. 21. Финлейсон Г.Д., Морович П. Дж. Opt Soc Am A. 2005; 22 (5): 810–819.
  22. 22. Чунг В., Вестленд С., Ли К., Хардеберг Дж., Конна Д. Дж. Opt Soc Am A. 2005: 22 (7): 1231–1240.
  23. 23. Alsam A, Finlayson GD. J Opt Soc Am A. 2007; 24 (9): 2505–2512.
  24. 24. Endler JA. Biol J Linn Soc. 1990; 41: 315–352.
  25. 25. Беннетт А., Катхилл I, Норрис К. Am Nat. 1994. 144 (5): 848–860.
  26. 26. Андерссон С., Орнборг Дж., Андерссон М. П. Рой Соц Лондон Б. Биография. 1998: 265 (1395): 445–450.
  27. 27. Брэдбери JW, Vehrencamp SL. Принципы общения животных. Sinauer Associates; 1998.
  28. 28.Эндлер Дж. А., Весткотт Д. А., Мэдден Дж. Р., Робсон Т. Эволюция. 2005: 59 (8): 1795–1818. pmid: 16329248
  29. 29. Стивенс М., Паррага Калифорния, Катхилл И.К., Партридж Дж.С., Трошянко Т.С. Biol J Linn Soc. 2007. 90 (2): 211–237.
  30. 30. Гонсалес-Мирет М.Л., Айала Ф., Терраб А., Эчаварри Дж. Ф., Негеруэла А.И., Эредиа Ф.Дж. Food Res Int. 2007. 40 (8): 1080–1086. Доступно по адресу: http://www.sciencedirect.com/science/article/B6T6V-4NYD8N1-2/2/e89c481bfbeec071a187827a60ac4cd5.
  31. 31.Ям К.Л., Пападакис С.Е. J Food Eng. 2004. 61: 137–142.
  32. 32. Солли М., Андерссон М., Ленц Р., Круз Б. Измерения цвета с помощью потребительской цифровой камеры с использованием методов спектральной оценки. В: Анализ изображений. Springer; 2005. с. 2005–114.
  33. 33. Haneishi H, Hasegawa T., Hosoi A, Yokoyama Y, Tsumura N, Miyake Y. Appl Opt. 2000. 39 (35): 6621–6632. pmid: 18354676
  34. 34. Shimano N. Процесс обработки изображений IEEE T. 2006. 15 (7): 1848–1856.
  35. 35. De Lasarte M, Arjona M, Vilaseca M, Pujol J. J Imaging Sci Techn. 2010: 54 (3): 030501–030501-10. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-77954517210&partnerID=40&md5=36e5f16153b0314e68489a6d55ffffad.
  36. 36. Гарсия Дж. Э., Рор Д., Дайер АГ. J Exp Biol. 2013. 216 (22): 4290–4298. Доступно по адресу: http://jeb.biologies.org/content/early/2013/08/29/jeb.094045.abstract. pmid: 23997198
  37. 37. Щука TW.Behav Ecol Sociobiol. 2010. 65 (4): 849–858.
  38. 38. Конна Д., Вестленд С., Томсон М.Г. Color Technol. 2001. 117 (6): 309–312.
  39. 39. Фермер Е.В., Тейлор Р.М. Восприятие психофизики. 1980. 27 (3): 267–272. pmid: 7383809
  40. 40. Чиао CC, Wickiser JK, Аллен JJ, Genter B, Hanlon RT. P Natl Acad Sci USA. 2011: 108 (22): 9148–9153. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-79959339609&partnerID=40&md5=9d28e2f36d3ce3a6eef74730cfc080bd.
  41. 41. Endler JA. Biol J Linn Soc. 2012. 107 (2): 233–253. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-84866340950&partnerID=40&md5=2e2620019bfedd5dddafcd70d0a351d7.
  42. 42. Уолд Г. Наука. 1964. 145 (3636): 1007–1016. pmid: 14172613
  43. 43. Bowmaker JK, Dartnall HJ. J Physiol. 1980. 298 (1): 501–511. pmid: 7359434
  44. 44. Стокхэм А., МакЛауд Д., Джонсон Н. Дж. Opt Soc Am A. 1993; 10 (12): 2491–2521.
  45. 45. Стокман А, Шарп LT. Vision Res. 2000. 40 (13): 1711–1737. pmid: 10814758
  46. 46. Smith B, Spiekermann C, Sember R. Color Res Appl. 1992. 17 (6): 394–401.
  47. 47. Шредингер Э.В. Пороги цветовых различий. В: МакАдам Д.Л., редактор. Источники науки о цвете (1970). Mit Press; 1970. стр. 1970–193.
  48. 48. MacAdam DL. J Opt Soc Am. 1943; 33 (1): 18–26. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm? URI = josa-33-1-18.
  49. 49. Браун WR. J Opt Soc Am. 1957; 47 (2): 137–143. pmid: 13406654
  50. 50. Ньюхолл С.М., Бернхэм Р.В., Кларк-младший. J Opt Soc Am. 1957; 47 (1): 43–54. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-47-1-43.
  51. 51. Wyszecki G, Fielder G. J Opt Soc Am. 1971. 61 (9): 1135–1152. pmid: 5121883
  52. 52. Надь А.Л., Санчес Р.Р. J. Opt Soc Am A. 1990; 7 (7): 1209–1217. Доступно по адресу: http: // josaa.osa.org/abstract.cfm?URI=josaa-7-7-1209. pmid: 2370588
  53. 53. Dyer AG. J. Comp Physiol A. 1998; 183 (2): 203–212. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0031878558&partnerID=40&md5=be15f77a2fcc3d56c60073536946bdc3.
  54. 54. Щука TW. Behav Ecol. 2012; 23: 723–728.
  55. 55. MacAdam DL. Измерение цвета, тема и вариации. т. 27. 2-е изд. Springer-Verlag; 1981.
  56. 56. MacAdam DL.J Opt Soc Am. 1974 декабрь; 64 (12): 1691–1702. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-64-12-1691. pmid: 4443840
  57. 57. Luo MR, Cui G, Li C. Color Res Appl. 2006. 31 (4): 320–330.
  58. 58. Врхел М.Дж., Гершон Р., Иван Л.С. Color Res Appl. 1994. 19 (1): 4–9.
  59. 59. Daumer K. Z Vergl Physiol. 1956. 38 (5): 413–478.
  60. 60. Dyer AG, Paulk AC, Reser DH. P Roy Soc Lond B Bio. 2011. 278 (1707): 952–959.Доступно по адресу: http://rspb.royalsocietypublishing.org/content/early/2010/12/07/rspb.2010.2412.abstract.
  61. 61. Фон Фриш К. Зоол Jb (Physiol). 1914; 37: 1–238.
  62. 62. Giurfa M. Naturwissenschaften. 2004. 91 (5): 228–231. pmid: 15146270
  63. 63. Пайтч Д., Фиц А., Хертель Х, Соуза Дж., Вентура Д., Мензель Р. Дж. Comp Physiol A. 1992: 170 (1): 23-40. pmid: 1573568
  64. 64. Читтка Л. Дж. Comp Physiol A. 1992; 170 (5): 533–543.
  65. 65. Reser DH, Wijesekara Witharanage R, Rosa MGP, Dyer AG. PLoS ONE. 2012: 7 (11): e48577. pmid: 23155394
  66. 66. von Helversen O.J Comp Physiol. 1972. 80 (4): 439–472.
  67. 67. Лунау К. Дж. Comp Physiol A. 2014; стр. 1–16.
  68. 68. Герес М., Ноймайер К. Визуальные неврологии. 2007. 24 (03): 399–407.
  69. 69. Ноймайер К. Дж. Comp Physiol A. 1992; 171 (5): 639–649.
  70. 70. Стойцев М., Радтке Н., Дамаро Д., Дайер А.Г., Ноймайер К.Vis Neurosci. 2011: 28 (4): 361–370. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-80055026493&partnerID=40&md5=440f01e1b9bcb4d08f026171e35b5184. pmid: 21518470
  71. 71. Джейкобс Г. Х., Уильямс Г. А., Кэхилл Х., Натанс Дж. Наука. 2007: 315 (5819): 1723–1725. pmid: 17379811
  72. 72. Осорио Д., Смит А.С., Воробьев М., Бьюкенен Смит Х.М. Am Nat. 2004: 164 (6): 696–708.
  73. 73. Манкузо К., Хаусвирт В.В., Ли К., Коннор ТБ, Кученбекер Дж. А., Маук М.С. и др.Природа. 2009. 461 (7265): 784–787. pmid: 19759534
  74. 74. Bowmaker J. Vision Res. 1977; 17 (10): 1129–1138. pmid: 595377
  75. 75. Bowmaker J, Ноулз A. Vision Res. 1977. 17 (7): 755–764. pmid: 898682
  76. 76. Кельбер А., Воробьев М., Осорио Д. Биол Ред. 2003; 78: 81–118. pmid: 12620062
  77. 77. Воробьев M, Osorio D. P Roy Soc Lond B Bio. 1998. 265: 351–358.
  78. 78. Эндлер JA, Mielke PW. Biol J Linn Soc.2005. 86 (4): 405–431.
  79. 79. Гарсия Дж. Э., Дайер А. Г., Гринтри А. Д., Спринг Дж., Уилкш, Пенсильвания. PLoS ONE. 2013: 8 (11): e79534. pmid: 24260244
  80. 80. Джадд Д.Б., Макадам Д.Л., Вышеки Г., Бадд Х.В., Кондит Х.Р., Хендерсон С.Т. и др. J Opt Soc Am. 1964. 54 (8): 1031–1040. Доступно по адресу: http://www.opticsinfobase.org/abstract.cfm?URI=josa-54-8-1031.
  81. 81. Endler JA. Ecol Monogr. 1993. 63 (1): 2–27. Доступно по адресу: http://www.jstor.org/stable/2937121.
  82. 82.Чиао СС, Кронин Т.В., Осорио Д. Дж. Опт Соц. А. 2000; 17 (2): 218–224.
  83. 83. Fleishman LJ, Leal M, Sheehan J. Anim Behav. 2006. 71: 463–474. Доступно по адресу: : // WOS: 000235628500023. DOI: https://doi.org/10.1016/j.anbehav.2005.06.005.
  84. 84. Алсам А., Хардеберг Дж. Метамер Набор критериев качества для цветных камер. В: Войцеховски К., Смолка Б., Паулюс Х., Козера Р.С., Скарбек В., Ноакс Л., редакторы. Международная конференция «Компьютерное зрение и графика».Springer; 2006. с. 252–258.
  85. 85. Хейккинен В., Ленц Р., Йетсу Т., Парккинен Дж., Хаута-Касари М., Яэскеляйнен Т. Дж. Opt Soc Am A. 2008; 25 (10): 2444–2458.
  86. 86. Мэлони Л. Дж. Opt Soc Am A. 1986; 3 (10): 1673–1683. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-3-10-1673. pmid: 3772629
  87. 87. Вестланд С., Рипамонти С., Чунг В. Вычислительная наука о цвете с использованием MATLAB. 2-е изд. Вычислительная наука о цвете с использованием MATLAB 2e.Хобокен: Уайли; 2012.
  88. 88. Имаи Ф.Х., Бернс Р.С., Ценг Д.Ю. J Imaging Sci Techn. 2000. 44 (4): 280–287. Доступно по адресу: http://www.ingentaconnect.com/content/ist/jist/2000/00000044./00000004/art00003.
  89. 89. Parkkinen JPS, Hallikainen J, Jaaskelainen T. J. Opt Soc Am A. 1989: 6 (2): 318–322. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-6-2-318.
  90. 90. Ши М., Хили Дж. Дж. Opt Soc Am A. 2002; 19 (4): 645–656. Доступно по адресу: http: // josaa.osa.org/abstract.cfm?URI=josaa-19-4-645.
  91. 91. Шимано Н., Тераи К., Хиронага М. Дж. Опт Соц А. 2007; 24 (10): 3211–3219. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-24-10-3211.
  92. 92. Шимано Н., Хиронага М. Дж. Opt Soc Am A. 2010; 27 (2): 251–258. Доступно по адресу: : // WOS: 000274210400014. DOI: https://doi.org/10.1364/JOSAA.27.000251.
  93. 93. Ньевес Дж. Л., Валеро Е. М., Насименто СМЦ, Эрнандес-Андрес Дж., Ромеро Дж.Appl Optics. 2005. 44 (27): 5696–5703. Доступно по адресу: http://ao.osa.org/abstract.cfm?URI=ao-44-27-5696.
  94. 94. Валеро Е.М., Ньевес Дж.Л., Насименто SMC, Амано К., Фостер Д.Х. Color Res Appl. 2007: 32 (5): 352–360.
  95. 95. Морович П., Финлейсон Г.Д. J Opt Soc Am A. 2006; 23 (8): 1814–1822.
  96. 96. Вора П.Л., Фаррелл Дж. Э., Тиц Дж. Д., Брейнард Д.Х. IEEE T Image Process. 2001: 10 (2): 307–316.
  97. 97. Д’Андрад Р.Г., Ромни А.К. P Natl Acad Sci USA.2003. 100 (10): 6281–6286.
  98. 98. Ромни АК. J Opt Soc Am A. 2008; 25 (3): 658–666.
  99. 99. Chittka L, Shmida A, Troje N, Menzel R. Vision Res. 1994. 34 (11): 1489–1508. pmid: 8023461
  100. 100. Корпорация Surface Optics. Сан-Диего, США; 2010.
  101. 101. Adobe Systems Incorporated. Adobe RGB (1998) Кодирование цветных изображений. Сан-Хосе, США: Adobe Systems Incorporated; 2005. 2005–05. Доступно по адресу: http://www.adobe.com.
  102. 102. Майерс РД. Технический обзор ColorChecker Passport. Робин Майерс Imaging; 2010. Доступно по адресу: http://www.rmimaging.com/information/information_index.html.
  103. 103. R Core Team. Вена, Австрия; 2014. Доступно по адресу: http://www.R-project.org/.
  104. 104. Филдинг AH. Кластеры и методы классификации для биологических наук. Кембридж: Издательство Кембриджского университета; 2007.
  105. 105. Квон О.С., Ли СН, Пак К.Х., Ха Й.J Imaging Sci Techn. 2007. 51 (2): 166–174. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-34250680208&partnerID=40&md5=27138f66f898c94a520039442b252b4b.
  106. 106. Чжан X, Сюй Х. Дж. Opt Soc Am A. 2008; 25 (2): 371–378. Доступно по адресу: http://josaa.osa.org/abstract.cfm?URI=josaa-25-2-371.
  107. 107. Mielke PW, Берри KJ. Методы перестановки: подход функции расстояния. 2-е изд. Серия Спрингера по статистике. Нью-Йорк: Спрингер-Верлаг; 2007 г.
  108. 108. Карр Д.Б., Литтлфилд Р.Дж., Николсон В., Литтлфилд Дж. Дж. Ам Стат Асс. 1987: 82 (398): 424–436.
  109. 109. Паркер AR. J Exp Biol. 1998; 201: 2343–2347. pmid: 9679096
  110. 110. Vukusic P, Sambles RJ. Природа. 2003. 424 (14): 852–860. pmid: 12
  111. 0
  112. 111. Шоуки, доктор медицины, Hill GE. Письма биологии. 2005; 1: 121–124. pmid: 17148144
  113. 112. Стоддард М.С., Прум РО. Behav Ecol. 2011; 22 (5): 1042–1052.Доступно по адресу: http://beheco.oxfordjournals.org/content/early/2011/06/22/beheco.arr088.abstract.
  114. 113. Дайер А.Г., Ноймайер К. Дж. Comp Physiol A. 2005; 191 (6): 547–57.
  115. 114. Теллес Ф.Дж., Линд О, Хенце М.Дж., Родригес-Жиронес М.А., Гойрет Дж., Кельбер А.Дж. Comp Physiol A. 2014; 200 (6): 537–546.
  116. 115. Холст ГК, Ломхейм ТС. CMOS / CCD датчики и камеры. Беллингем, Вашингтон, США: SPIE Press; 2007.
  117. 116. Гонсалес RC, Вудс RE.Цифровая обработка изображений. 3-е изд. Пирсон Прентис Холл; 2008.
  118. 117. Vukusic P, Stavenga DG. Интерфейс J R Soc. 2009; 6 (Приложение 2): S133 – S148. pmid: 109
  119. 118. Коой С.Дж., Дайер А.Г., Ставенга Д.Г. Новый Фитол. 2014; Доступно по адресу: http://dx.doi.org/10.1111/nph.13066.
  120. 119. Whitney HM, Kolle M, Andrew P, Chittka L, Steiner U, Glover BJ. Наука. 2009: 323: 130–133. Доступно по адресу: http://go.galegroup.com/ps/i.do?id=GALE%7CA192393622&v=2.1 & u = rmit & it = r & p = AONE & sw = w & asid = 7f043720233b667701ca0100d5085c4d. pmid: 135
  121. 120. Макгроу К.Дж., Хилл Г.Е. Может J Zool. 2004. 82 (5): 734–738.
  122. 121. Дайер А.Г., Бойд-Герни С., Маклафлин С., Роза М.Г.П., Симонов В., Вонг ББМ. P Roy Soc Lond B Bio. 2012; 279: 3606–3015.
  123. 122. Dyer AG. Энтомол Ген. 2006; 28 (4): 257–268.
  124. 123. Boves TJ, Buehler DA, Wood PB, Rodewald AD, Larkin JL, Keyser PD, et al.Аук. 2014. 131 (1): 20–31. Доступно по ссылке: http://aoucospubs.org/doi/abs/10.1642/AUK-13-191.1.
  125. 124. Эванс С.Р., Шелдон BC. J Anim Ecol. 2013. 82 (2): 418–428. pmid: 23194384
  126. 125. Огава Ю., Киношита М., Ставенга Д.Г., Арикава К. Дж. Exp Bio. 2013: 216 (10): 1916–1923.
  127. 126. Кошитака Х., Киношита М, Воробьев М, Арикава К. П. Рой Соц Лондон Б. Биология. 2008: 275 (1637): 947–954.
  128. 127. Киношита М., Шимада Н., Арикава К.J Exp Biol. 1999. 202 (2): 95–102. pmid: 9851899
  129. 128. Arikawa K, Inokuma K, Eguchi E. Naturwissenschaften. 1987. 74 (6): 297–298.
  130. 129. Бернард Г.Д., Ремингтон КЛ. P Natl Acad Sci USA. 1991. 88 (7): 2783–2787.
  131. 130. Бриско А.Д., Читтка Л. Энн Рев Энтомол. 2001. 46 (1): 471–510.
  132. 131. Ставенга Д.Г., Арикава К. Arthropod Struct Dev. 2006. 35 (4): 307–318. pmid: 18089078
  133. 132. Харт Н.С. Prog Retin Eye Res.2001; 20 (5): 675–703. pmid: 11470455
  134. 133. Уорти Дж. А., Брилл М. Х. J. Opt Soc Am A. 1986; 3 (10): 1708–1712. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0022793542&partnerID=40&md5=b720794619e79547b066326d0526b17a. pmid: 3772633
  135. 134. Фостер Д.Х. Vision Res. 2011. 51 (7): 674–700. Доступно по адресу: http://www.sciencedirect.com/science/article/pii/S0042698

    4402. pmid: 20849875
  136. 135. van Trigt C. Color Res Appl.2010. 35 (3): 164–183.
  137. 136. Воробьев М, Осорио Д., Беннетт АТД, Маршалл Нью-Джерси, Катхилл ИЦ. J. Comp Physiol A. 1998; 183 (5): 621–633. Доступно по адресу: http://www.scopus.com/inward/record.url?eid=2-s2.0.-0032212608&partnerID=40&md5=cbb1153f215029a0cae4a3d9067a44a6. pmid: 9839454
  138. 137. Осорио Д., Маршалл, штат Нью-Джерси, Кронин Т.В. Vision Res. 1997. 37 (23): 3299–3309. pmid: 9425545
  139. 138. Endler JA, Théry M. Am Nat. 1996; 148: 421–452.

Трехкомпонентный регистр характеристик (RGB)

Трехкомпонентный регистр характеристик (RGB)

Данные о характеристиках, которые могут быть определены в этой части реестра характеристик, получены из различных источников.Некоторые из них относятся к опубликованным национальным или международным стандартам, тогда как другие основаны на спецификациях цвета, опубликованных отдельными компаниями или консорциумами, которые не имеют такого же стандартного статуса, но очень широко используются и, таким образом, стали стандартами де-факто. Их положение в этом реестре служит двум целям. Эти данные могут использоваться разработчиками профилей, чтобы гарантировать, что профили, созданные для этих цветовых пространств, основаны на «стандартных» данных. Они также поддерживают стандартные форматы файлов, такие как PDF / X и JDF, которые предоставляют возможность ссылаться на характеристические данные только по имени.Получатели файлов с таким именем будут знать, что при необходимости полные данные доступны в реестре ICC.

В большинстве случаев опубликованные спецификации RGB не используют то же эталонное цветовое пространство, которое используется ICC (D50). В таких случаях это означает, что спецификации, предоставленные для этих цветовых пространств RGB, должны быть расширены в этом реестре, чтобы предоставить данные характеристик, необходимые для построения профилей ICC. Эти расширения соответствуют каждой из формальных спецификаций в разделе, озаглавленном «Советы для создателей профилей».

Предусмотрено два типа расширений. Первый — это коррекция хроматической адаптации для преобразования данных из указанного эталонного цветового пространства в цветовое пространство D50, требуемое для профилей ICC. При вычислении этого использовалась матрица (полученная из преобразования хроматической адаптации Брэдфорда), представленная на веб-сайте ICC для преобразования данных D65 в D50.

Второе расширение подходит для создания таблиц для колориметрических методов рендеринга в профилях версии 4.Чтобы разобраться в этом, может быть полезна некоторая предыстория. В более ранних версиях спецификации ICC предполагалась единственная PCS, основанная на концепции печати виртуального отражения без определенной гаммы или черной точки. В последней версии это изменилось. В то время как PCS для перцептивного намерения рендеринга по-прежнему предполагается как у отраженного отпечатка, но с определенным динамическим диапазоном, PCS для колориметрического намерения рендеринга больше не считается колориметрическим, основанным на каком-либо конкретном носителе, а просто колориметрия измеряемой среды.Однако для удобства кодирования все указанные цветовые пространства RGB производят 1 и 0 в каждом из RGB, когда XYZ установлен на белый и 0, 0, 0 соответственно, тогда как на практике будет присутствовать некоторая степень бликов, если они предназначены. для представления реальных устройств в реальных ситуациях просмотра. Величина этой засветки будет зависеть от реальных условий просмотра. Тем не менее, комитет, разрабатывающий ISO 22028-1 (стандарт, относящийся к кодировкам цветных изображений), пришел к выводу, что для согласованности измерений следует принять уровень бликов для цветовых кодировок RGB дисплея, который соответствует предполагаемым условиям измерения 0:45. для измерений ICC PCS.В стандарте ISO 22028-1 делаются предложения относительно этого уровня бликов, и исправления, рекомендованные в этом реестре, согласуются с ними. Компенсация бликов может быть добавлена ​​при интерпретации закодированной колориметрии, и это то, что было предложено в этом документе.

Второе расширение не подходит для создания профилей версии 2, поскольку обычная практика создания профилей версии 2 заключается в размещении нуля кодирования RGB в PCS. Для кодировок ROMM RGB и семейства sRGB это можно сделать, просто используя уравнения кодирования, которые помещают ноль кодирования в ноль XYZ.Затем выходной профиль должен знать, что ноль XYZ в PCS версии 2 представляет собой черную точку кодирования.

Информация о деталях соответствующей трехкомпонентной цветовой кодировки предоставляется при нажатии на имя ниже. Для всех, кроме набора данных eciRGB, уравнения, определяющие характеристические данные для колориметрических профилей v4, можно получить в виде файла pdf, щелкнув соответствующее имя файла в описании. Для eciRGB данные подходят для профилей v2.Необходимо дополнительно рассмотреть возможность расширения этого для v4.

Во многих случаях даются ссылки на примеры профилей. Это сделано только для удобства и не означает одобрения со стороны ICC.

sRGB
bg-sRGB
sYCC
ROMM RGB
eciRGB
Adobe RGB (1998)

Двоичные числа и работа компьютеров

Хотя для изучения компьютерного программирования необязательно обладать обширными знаниями математики, это, безусловно, помогает иметь базовые знания в некоторых основах математики, которые делают вычисления возможными.А что может быть более фундаментальным для современных вычислений, чем двоичная математика?

Термин «двоичный» означает что-то, что имеет только два возможных объекта или состояния. В двоичной системе счисления этими двумя объектами являются числа 0 и 1 . Эти два числа могут обозначать разные вещи.

Например, в компьютерной логике 0 представляет «ложь», а 1 представляет «истину». Или они могут использоваться для представления обычных чисел в виде комбинаций единиц и нулей.Примером этого может быть представление чисел 0, 1, 2, 3 и 4 в виде трех двоичных цифр 000, 001, 010, 011 и 100 соответственно.

Но что все это означает на фундаментальном уровне вычислений? Почему двоичная система счисления используется в качестве основы для всех наших вычислений?

Возможно, было бы легче понять все это, если бы мы могли понять основы работы компьютеров на машинном уровне.


Комбинации 0 и 1: Интерпретация работы компьютерных схем

компьютеры оперируют электрическими сигналами, генерируемыми этими схемами.Чтобы спроектировать компьютер, который работает эффективно, нам нужна система, которая может интерпретировать электрические сигналы упрощенным и эффективным способом.

Хороший способ сделать это — интерпретировать электрические сигналы как двоичные значения: 0 для низкого значения напряжения и 1 для высокого значения напряжения. Более простой способ подумать об этом — представить лампочку. Если лампа выключена с , это состояние интерпретируется как имеющее значение 0 . Если это на , это интерпретируется как имеющее значение 1.

Интерпретация состояний лампочек в двоичном формате

Это широкое обобщение сокращает диапазон интерпретации каждого электрического сигнала до двух различных значений вместо бесконечного диапазона непрерывных значений напряжения.

Имея этот метод работы и интерпретации электронных схем, мы можем приступить к разработке кодированных систем на основе двоичных разрядов, чтобы помочь в наших вычислительных задачах. Эти системы могут быть двоичной логикой (ограничены только истинными или ложными значениями), числовым представлением числовых значений с основанием 2 или использованием других систем, которые полагаются на серию двоичных чисел для представления текста, изображений или звуков.

По сути, наши компьютеры используют серию электрических сигналов высокого и низкого напряжения (двоичные значения) для представления всего, от текста и чисел до изображений и звуков. Существуют специальные электронные схемы, такие как триггеры и другие схемы, которые могут «хранить» или сохранять эти конкретные образцы электрических сигналов для длительного использования.

Например, один триггер может иметь несколько входов, которые в настоящее время имеют выход высокого напряжения (который мы интерпретируем как 1 ).Предположим, что следующие два триггера имеют низковольтные выходы 0 . Мы могли бы объединить эти три выхода, чтобы получить значение 100 , которое в двоичном формате совпадает с числом 4 .

Понимание двоичных чисел, таким образом, может помочь нам понять некоторые основы компьютерных операций на достаточно абстрактном уровне, даже если наш слабый человеческий интеллект никогда не позволит нам понять всю сложность компьютерных операций.

И это также хорошо, что для работы с упрощенными и абстрактными концепциями компьютерных операций нам, изучающим информатику, более чем достаточно.В следующих разделах мы кратко рассмотрим некоторые из различных способов, которыми компьютеры используют двоичные символы для выполнения некоторых из своих самых фундаментальных операций.

Логическая логика: использование двоичных чисел для понимания компьютерной логики

Компьютерные программы используют очень специфическую систему логики для выполнения своих инструкций. Это известно как булева логика, сформулированная английским математиком Джорджем Булем в XIX веке.

Boole разработал систему арифметических и логических операций, использующих двоичную систему чисел.Логическая логика имеет дело только с двумя возможными значениями: истинно или ложно . Истинный представлен 1 , а ложный представлен 0 . Все логические операции приводят к получению только одного из этих двух двоичных значений.

Современные компьютеры постоянно используют эту форму логики для принятия решений. Эти решения приводят к тому, что наши компьютеры принимают определенный образ действий вместо другого.

Принятие решений на компьютерах

Чтобы понять, насколько важна эта система для компьютеров, не нужно смотреть дальше существования логических операторов в большинстве языков программирования: операторов AND, OR и NOT.

Эти операторы взяты непосредственно из операций И, ИЛИ и НЕ из логической логики. И любой, кто имеет поверхностные познания в программировании, знает, что эти операции являются центральными в программировании.

Но на этом влияние работы Буля не заканчивается. Фактически, многие языки программирования имеют тип данных с именем boolean , который может хранить только «истина» или «ложь», то есть 1 или 0.

Эти логические переменные и логические операторы являются фундаментальными компонентами, используемыми при реализации условных операторов и управления. операторы на языках программирования.В результате их важность невозможно переоценить, поскольку это Programming 101.

Есть также много других, более творческих и сложных способов использования двоичных чисел в языках программирования. Однако это сообщение в блоге служит простым обзором некоторых вещей, для которых можно использовать двоичные числа.

Таким образом, мы не будем вдаваться в подробности технического программирования. Возможно, я рассмотрю эти темы в следующих статьях блога. А пока давайте просто рассмотрим более простую тему числовых представлений в компьютерах.


Представление числовых значений в системе счисления с основанием 2

Числовые значения представлены в наших компьютерных системах в некоторой форме системы счисления с основанием 2. 2 = 100) .Чем больше цифр, тем больше последовательность степеней 10. Вот почему эта система счисления называется системой счисления с основанием 10.

Система счисления с основанием 2 работает таким же образом, за исключением того, что мы умножаем каждый бит (двоичную «цифру») на последовательные степени 2. В качестве примера возьмем число с основанием 2 1011 и увидим какое число по основанию 10 он представляет.

Значение двоичного разряда

Как мы видим, двоичное число 1011 эквивалентно числу одиннадцать (11) в базе 10.

Конечно, имеет значение и способ группировки двоичных чисел. Мы знаем, что 1011 представляет собой число 11 по основанию 10. Но что, если мы сгруппируем ту же последовательность битов, что и 10 11? Это два разных числа: 10 и 11? Или это единое число 1011?

Это показывает нам важность того, как мы группируем наши числа. А в компьютерах числа сгруппированы по-разному. Например, целочисленный тип данных int в C ++ хранит одно число в серии из 32 двоичных чисел.Таким образом, число с основанием 10 0 представлено серией из 32 нулей, а число 1 представлено единицей, перед которой слева находится 31 ноль.


Текстовое и символьное представление

Мы видели, что система счисления с основанием 2 формирует основу числового представления в наших электронных устройствах. И хотя это верно для систем текстового представления, их работа совершенно другая.

Наиболее распространенными системами представления символов являются ASCII (американский стандартный код для обмена информацией) и Unicode (расширение ASCII).Эти системы присваивают символам уникальные числовые значения и хранят их в двоичном формате.

Например, система ASCII изначально использовала 7 бит для представления символа. В настоящее время он расширен до 8 бит. Например, символ A представлен числовым значением 65 в ASCII. Двоичный код для 65 1000001 . Обратите внимание, что двоичное представление состоит из 7 бит. В расширенном ASCII это будет сохранено как 01000001 , так что общее количество бит равно 8.

Точно так же код ASCII для символа a 97 , и он представлен 01100001 в расширенном ASCII. Есть также очень специальные символы, которые представлены 0 , 1 , 2 и так далее. И они представлены как 00000000 , 00000001 , 00000010 и так далее.

Эта система хорошо подходит для представления английских и некоторых европейских символов и символов, но, к сожалению, не подходит для представления символов из языков всего мира.Для размещения дополнительных символов был разработан Unicode .

Unicode изначально использовал 21 бит на символ, в отличие от 7 битов, первоначально используемых в ASCII. Это значительно расширяет диапазон значений, которые можно использовать для представления символов. Исходные коды ASCII размещены в системе Unicode.

В настоящее время система кодирования на основе Unicode, называемая UTF-8 , является наиболее часто используемой системой кодирования в веб-приложениях. UTF-8 может использовать до 32 бит на символ, что означает, что он может представлять еще большее количество символов.


Пиксели и изображения

Неудивительно, что изображения также часто представлены числами. В компьютерах изображения чаще всего создаются с помощью крошечных цветных квадратов, называемых пикселями. Подумайте о мозаике в реальной жизни: изображение или узор создается путем объединения множества маленьких цветных кусочков. Или пазл, в котором мы объединяем более мелкие части, чтобы создать более крупное и законченное изображение.

Пиксели работают аналогично. Тысячи крошечных цветных квадратов составляют изображения, которые отображаются на наших экранах.Есть много способов кодирования цветов в пикселях, но наиболее часто используемый код — это код RGB (красный, зеленый, синий).

Коды

RGB работают путем комбинирования красного, зеленого и синего цветов для получения всех оттенков цветов, которые мы видим в наших современных устройствах. Каждый из трех компонентов цвета кодируется числом, значения которого находятся в диапазоне от 0 до 255. Таким образом, существует три набора чисел, которые описывают пиксель.

В качестве примера рассмотрим цвет, представленный кодом RGB (142, 150, 123).Этот цветовой код состоит из 3 компонентов: красный = 142 , зеленый = 150 и синий = 123 .

Внутри наших компьютеров каждый из этих цветовых компонентов представлен своими двоичными эквивалентами с использованием 8 бит, а затем объединяется вместе. Например, двоичное значение для 142 (красный компонент) — 10001110, двоичное значение для 150 — 10010110, двоичное значение для 123 — 1111011.

Красный = 142 = 10001110

Зеленый = 150 = 10010110

Синий = 123 = 01111011

Компьютер объединяет эти числа слева направо, чтобы сохранить код RGB в своей памяти.

Полный код RGB = 100011101001011001111011

Работа кода RGB

Таким образом, мы видим, что даже изображения представлены в двоичном формате. Фактически, знание двоичных кодов пикселей изображения открывает двери для забавных небольших приложений манипулирования изображениями, таких как сокрытие одного изображения внутри другого. Я уже писал о простом методе сокрытия изображений в моем предыдущем блоге «Стеганография: скрытие информации внутри изображений». Вы можете проверить это на предмет практического применения двоичных чисел в информатике.


Заключительные мысли и выводы

Двоичные числа составляют одну из основных основ современных вычислений. И хотя мы вкратце рассмотрели некоторые способы использования двоичных чисел в наших компьютерах, мы также упустили многое, поскольку исчерпывающий список приложений и пояснений выходит за рамки этого блога.

При этом мы рассмотрели довольно много интересных тем, хотя они могут быть базовыми. Мы видели, что

  • физических действий компьютерных схем интерпретируются с использованием двоичной записи i.е. в одной цепи значения низкого напряжения интерпретируются как 0 , а значения высокого напряжения интерпретируются как 1 .
  • компьютеров используют логическую логику, интерпретируя 1 как true и 0 как false при выполнении логических операций.
  • чисел
  • представлены в формате base-2 в различных группах битов в зависимости от приложения (некоторые числа представлены 16 битами, другие 32 битами, а некоторые другие 64 битами).
  • символам и тексту присваиваются уникальные числовые значения, которые затем преобразуются в формат base-2 в группах по 7 или 8 битов (ASCII) или 32 бита (UTF-8) .
  • изображений представлены группами крошечных цветных квадратов, называемых пикселями, каждый из которых закодирован в числах, которые в конечном итоге преобразуются в двоичные

И это завершает этот блог, и я надеюсь, что пролил свет на то, почему двоичные числа так важно для вычислений.

Добавить комментарий

Ваш адрес email не будет опубликован.