Soumettre la recherche
Mettre en ligne
カラーマネジメント入門
•
Télécharger en tant que PPTX, PDF
•
8 j'aime
•
4,398 vues
M
mdome
Suivre
色とは何かから始まって、色空間やPCのカラーマネジメントについてなど、薄く書いてます。
Lire moins
Lire la suite
Logiciels
Signaler
Partager
Signaler
Partager
1 sur 52
Télécharger maintenant
Recommandé
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
Norishige Fukushima
Neural text-to-speech and voice conversion
Neural text-to-speech and voice conversion
Yuki Saito
(文献紹介)Depth Completionの最新動向
(文献紹介)Depth Completionの最新動向
Morpho, Inc.
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
shima o
論文紹介 Unsupervised training of neural mask-based beamforming
論文紹介 Unsupervised training of neural mask-based beamforming
Shinnosuke Takamichi
DNN音響モデルにおける特徴量抽出の諸相
DNN音響モデルにおける特徴量抽出の諸相
Takuya Yoshioka
Practical usage of Lightmass in Architectural Visualization (Kenichi Makaya...
Practical usage of Lightmass in Architectural Visualization (Kenichi Makaya...
エピック・ゲームズ・ジャパン Epic Games Japan
独立低ランク行列分析に基づく音源分離とその発展(Audio source separation based on independent low-rank...
独立低ランク行列分析に基づく音源分離とその発展(Audio source separation based on independent low-rank...
Daichi Kitamura
Recommandé
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
Norishige Fukushima
Neural text-to-speech and voice conversion
Neural text-to-speech and voice conversion
Yuki Saito
(文献紹介)Depth Completionの最新動向
(文献紹介)Depth Completionの最新動向
Morpho, Inc.
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
shima o
論文紹介 Unsupervised training of neural mask-based beamforming
論文紹介 Unsupervised training of neural mask-based beamforming
Shinnosuke Takamichi
DNN音響モデルにおける特徴量抽出の諸相
DNN音響モデルにおける特徴量抽出の諸相
Takuya Yoshioka
Practical usage of Lightmass in Architectural Visualization (Kenichi Makaya...
Practical usage of Lightmass in Architectural Visualization (Kenichi Makaya...
エピック・ゲームズ・ジャパン Epic Games Japan
独立低ランク行列分析に基づく音源分離とその発展(Audio source separation based on independent low-rank...
独立低ランク行列分析に基づく音源分離とその発展(Audio source separation based on independent low-rank...
Daichi Kitamura
Physically Based Lighting in Unreal Engine 4
Physically Based Lighting in Unreal Engine 4
Lukas Lang
フォトンマッピング入門
フォトンマッピング入門
Shuichi Hayashi
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
Masaya Kaneko
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
Norishige Fukushima
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
Shinnosuke Takamichi
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
エピック・ゲームズ・ジャパン Epic Games Japan
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)
Shinnosuke Takamichi
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
Norishige Fukushima
深層生成モデルに基づく音声合成技術
深層生成モデルに基づく音声合成技術
NU_I_TODALAB
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
HitoshiSHINABE1
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Shunsuke Ono
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
エピック・ゲームズ・ジャパン Epic Games Japan
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
エピック・ゲームズ・ジャパン Epic Games Japan
音声認識の基礎
音声認識の基礎
Akinori Ito
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Deep Learning JP
独立低ランク行列分析に基づく音源分離とその発展
独立低ランク行列分析に基づく音源分離とその発展
Kitamura Laboratory
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
Silicon Studio Corporation
Contenu connexe
Tendances
Physically Based Lighting in Unreal Engine 4
Physically Based Lighting in Unreal Engine 4
Lukas Lang
フォトンマッピング入門
フォトンマッピング入門
Shuichi Hayashi
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
Masaya Kaneko
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
Norishige Fukushima
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
Shinnosuke Takamichi
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
エピック・ゲームズ・ジャパン Epic Games Japan
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)
Shinnosuke Takamichi
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
Norishige Fukushima
深層生成モデルに基づく音声合成技術
深層生成モデルに基づく音声合成技術
NU_I_TODALAB
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
HitoshiSHINABE1
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Shunsuke Ono
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
エピック・ゲームズ・ジャパン Epic Games Japan
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
エピック・ゲームズ・ジャパン Epic Games Japan
音声認識の基礎
音声認識の基礎
Akinori Ito
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Deep Learning JP
独立低ランク行列分析に基づく音源分離とその発展
独立低ランク行列分析に基づく音源分離とその発展
Kitamura Laboratory
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
Silicon Studio Corporation
Tendances
(20)
Physically Based Lighting in Unreal Engine 4
Physically Based Lighting in Unreal Engine 4
フォトンマッピング入門
フォトンマッピング入門
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
Neural scene representation and rendering の解説(第3回3D勉強会@関東)
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
Lightmass Deep Dive 2018 Vol. 2: Lightmap作成のためのLightmass設定方法
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
深層生成モデルに基づく音声合成技術
深層生成モデルに基づく音声合成技術
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Ph.D. Thesis Presentation: A Study of Priors and Algorithms for Signal Recove...
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
Lightmass Deep Dive 2018 Vol.1: Lightmass内部アルゴリズム概要(Lightmap編)
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
建築ビジュアライズにおけるLightmass実践使用方法 (フリーランス 真茅健一様)
音声認識の基礎
音声認識の基礎
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
独立低ランク行列分析に基づく音源分離とその発展
独立低ランク行列分析に基づく音源分離とその発展
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
カラーマネジメント入門
1.
カラーマネジメント入門 色ってなぁに?からカラーマッチングまで
2.
人はどうやって色を感じてるの? sRGBとかAdobeRGBって何? カラーマネジメントって何するの? 色の疑問
3.
色の知覚 色を感じる仕組み
4.
色を知覚する仕組み 光源の光 反射された光 目で見て 脳で感じる
5.
光(可視光) 電磁波のうち、人の目で見えるもの 太陽の光の反射を利用して物体を認識するように進化 http://www.sharp.co.jp/aquos/technology/color/
6.
光源の分光分布 一般的な光源は様々な波長の光で構成される 光源の種類によって見え方が異なる http://panasonic.co.jp/es/pesld/products/pdf/catalog_lf.pdf
7.
CIEが決めた標準の光 標準の光D65 昼光で照らされた物体色の測定用
色温度6504K 標準の光A 白熱電球で照らされた物体色の測定 用 http://www.sharp.co.jp/aquos/technology/color/ 色を合わせるには、決まった光を使うことが重要
8.
物体の分光反射率 赤色の波長の光を多く反射するものは赤く見える 分光反射率
分光(スペクトル)ごとの反射率
9.
光源×反射=目に入る光
10.
人間の目のしくみ 錐体細胞(L/M/S) L錐体
– 赤に敏感 M錐体 – 緑に敏感 S錐体 – 青に敏感 桿体細胞(R) 暗所の濃淡 http://www.kiriya-chem.co.jp/q&a/q52.html
11.
各細胞の感度 http://ja.wikipedia.org/wiki/錐体細胞
12.
色覚モデル 最終的に明度・色相・彩度で知覚 http://www.sharp.co.jp/aquos/technology/color/
13.
色の混ぜ合わせ 色の作り方
14.
色の混合 2つ以上の異なる色を混ぜ合わせて別の色を作成 加法混色
同時加法混色 液晶プロジェクターなど 併置加法混色 TVなど 継時加法混色 DLPプロジェクターなど 減法混色 印刷物
15.
加法混色 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500
550 600 650 700 光量 波長(nm) [R] 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500 550 600 650 700 光量 波長(nm) [G] 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500 550 600 650 700 光量 波長(nm) [Y] 0.1 0.2 0.8 0.2 0.8 0.1 0.1 + 0.2=0.3 0.2 + 0.8=1.0 0.8 + 0.1=0.9 光量の単純な足し算で求められる
16.
減法混色 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500
550 600 650 700 透過率 波長(nm) [C] 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500 550 600 650 700 透過率 波長(nm) [M] 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 400 450 500 550 600 650 700 透過率 波長(nm) [C]×[M]=[B] 0.7 0.8 0.1 0.8 0.1 0.9 0.7×0.8=0.56 0.8×0.1=0.08 0.1×0.9=0.09 透過率の掛け算のため、少し複雑
17.
色覚 色の感じ方
18.
条件等色(メタメリズム) 異なる色の物体でも、光によって同じ色に見える http://www.konicaminolta.jp/instruments/knowledge/color/part2/08.html
19.
輝度順応・色順応・色恒常性 輝度順応・色順応 照明に合わせて目の感度が変化
色恒常性 照明が変わっても色の見え方が維持 http://www.psy.ritsumei.ac.jp/~akitaoka/colorconstancy.html
20.
対比効果 周囲の色によって見え方が変わること http://www.psy.ritsumei.ac.jp/~akitaoka/colorconstancy.html
21.
表色系 色を表現する方法
22.
色の表し方 表色 色を定量的に表示すること
顕色系(color appearance system) 心理的な印象に基づいた感覚的な色 マンセル表色系 混色系(color mixing system) 3刺激値など、測色値で表した抽象的な色 CIE表色系
23.
マンセル表色系 色を名前だけで表すのは紛らわしい 人間の知覚に基づいて数値を設定
明度 明暗を区別する特性 色相 人間が色を識別する特性 赤、黄、緑、青、紫をベースに100分割 彩度 色相の色調とグレーの色調を区別する特性
24.
マンセル記号 慣用色名 系統色名 マンセル記号 ローズ
あざやかな赤 1R 5/14 えんじ(臙脂) 赤 4R 4/11 柿色 黄色 10R 5.5/12 琥珀色 くすんだ赤みの黄 8YR 5.5/6.5 萌黄 黄緑 4GY 6.5/9 色表 http://www.color-sample.com/popular/munsell/ 1R 5/14 色相1R、明度5、彩度14
25.
CIE表色系 国際照明委員会(CIE)が定めた色の体系 RGB表色系 XYZ表色系 L*u*v*表色系
L*a*b*表色系
26.
三原色説 1802年にYoungが提案 赤・緑・黄色の光の混合で、ほぼ全ての色が表せる
カラーテレビ・写真・印刷などは三原色説に基づいて発明 ホント~?ちゃんと確認したの?
27.
等色実験と等色関数 http://www.sharp.co.jp/aquos/technology/color/ これを元に作られたのが CIE表色系
28.
Rの負値は何? どうしても等色できない色がある テスト光にRを混色して、GとBの 混色で等色
29.
RGB表色系 RGBの刺激値から規定・定義された表色系 負値があるため計算が面倒 明るさがわからない
30.
XYZ表色系 X:赤の成分 Y:明るさを含む緑の成分
Z:青の成分 XYZの値を見てもどんな色かわからない
31.
xy色度図 XYZの3次元だと表示が難しい 人間にわかりやすいように2次元で表現 x=X/(X+Y+Z) y=Y/(X+Y+Z)
32.
xy色度図 表現可能な色域を表すのに利用 色差が不均等なので、色の変換や調整の 計算に使いづらい
33.
sRGB/Adobe RGB/scRGB sRGB
CRTディスプレイ向けに策定された標準RGB色空間 デジカメ・ディスプレイ・プリンターなど様々な機器がsRGBに対応 Adobe RGB sRGBでは印刷機(CMYK)の色をカバーできない より広範囲な色空間として、 1996年にAdobe Systemsが定義 scRGB sRGB/Adobe RGBは表示機器側目線の色空間 scRGBは撮像系による定義 広範囲で高解像(RGB各16ビット)
34.
u’v’色度図 色差がほぼ均等になるように目盛りを定めた色度図 u‘=4X/(-2X+12Y+3) v‘=9Y/(-2X+12Y+3)
35.
CIELAB色空間/CIELUV色空間 CIELAB(CIE 1976
L*a*b*) マンセル表色系からの影響 印刷物に利用 CIELUV(CIE 1976 L*u*v*) u’v’色度図からの影響 TVなどに利用
36.
歴史 1802年:三原色説 1704年:ニュートン プリズムの実験 1878年:反対色説 1905年:マンセル表色系 1931年:CIE RGB/XYZ 1976年:CIE
L*u*b*/L*a*b* 1978年:HLS/HSV
37.
コンピューターによるカラマネ
38.
デバイスによる色の違い デバイスごとで表現できる色の範囲(ガマット)は異なる 同じ入力値でも色が異なる ディスプレイで見たのと印刷したので 色が全然違う。。
39.
どうやって色を合わせる? ICCプロファイル デバイスの色特性情報が入ったファイル
ICC Profile Inspectorで中身を参照できる Windowsだとここにある C:WindowsSystem32spooldriverscolor カラーマネジメントシステム(CMS) ICCプロファイルなどの情報を使って色変換する
40.
色変換 入力デバイスの 色空間での値 XYZ表色系での値 出力デバイスの 色空間での値 入力プロファイル 出力プロファイル
41.
色変換 デジカメ用ICCプロファイル プリンター用ICCプロファイル ディスプレイ用ICCプロファイル PC
42.
プロファイルの作り方 測色器を使う 3刺激値やスペクトルを測定する機器
X-Rite社 ColorMunki/i1Pro/eXact
43.
Windowsのカラーマネジメント Windows Color
System(WCS) WCSの色々なAPIを使って色合わせができる 独自のプロファイル(WCSプロファイル)で広色域・高精度での色変 換が可能 http://download.microsoft.com/download/f/0/5/f05a42ce-575b-4c60-82d6- 208d3754b2d6/WCS_Drvs-Apps.ppt
44.
WCS API HPROFILE OpenProfileFromFile(LPCTSTR
profilePath){ PROFILE profile = { PROFILE_FILENAME, (LPTSTR) profilePath, (DWORD)((_tcslen(profilePath)+ 1)*sizeof(TCHAR)) }; return WcsOpenColorProfile(&profile, nullptr, nullptr, PROFILE_READ, FILE_SHARE_READ, OPEN_EXISTING, 0); }; HTRANSFORM CreateTransform(LPCTSTR srcProfilePath, LPCTSTR destProfilePath){ HPROFILE hSrcProfile = OpenProfileFromFile(srcProfilePath); HPROFILE hDstProfile = OpenProfileFromFile(dstProfilePath); if (nullptr != hSrcProfile && nullptr != hDstProfile) { HPROFILE profiles[] = { hSrcProfile, hDstProfile }; DWORD intents[] = { INTENT_PERCEPTUAL }; return CreateMultiProfileTransform(profiles, _countof(profiles), intents, _countof(intents), WCS_ALWAYS | BEST_MODE, INDEX_DONT_CARE); }}; TranslateBitmapBits(hTransform, srcBuff, BM_BGRTRIPLETS, srcWidth, srcHeigth, srcStride, dstBuff, BM_BGRTRIPLETS, dstStride, NULL, NULL)
45.
Windowsのカラーマネジメント 色々な設定があります。
46.
小ネタ WCSの確認用データ http://blogs.msdn.com/b/color_blog/archive/2006/09/29/profile-utilization- test-image-and-profile.aspx
47.
その他 Mac ColorSync
Photoshop 独自のカラーマネジメント Little CMS オープンソースのカラーマネジメントライブラリ
48.
ブラウザのカラマネ対応 http://blog.livedoor.jp/yamma_ma/archives/38413741.html HTML要素への対応 モニタプロファイル 画像 非画像 プロファイルを 持たない画像 プライマリモニ タからの取得 マルチモニタ対 応 Internet Explorer
11 ○ スルー スルー ×(sRGB固定) n/a Firefox 29 ○ sRGB(要設定 変更) sRGB(要設定 変更) ○(設定で指定 可能) 未調査 Google Chrome 35 ○ スルー スルー ○ × Opera 21 ○ スルー スルー ○ × Opera 12 ○ スルー スルー ×(sRGB固定) n/a Safari 7 ○ sRGB sRGB ○ 未調査
49.
アプリのカラマネ対応状況 画像ビューワー・エディター Windows
フォト ビューアー:対応 Picasa:対応(オプションで有効) Gimp:対応しているらしい paint.net:非対応
50.
おわり
51.
参考文献 色彩工学 -
太田登 カラーイメージング - 日本色彩学会 編 http://www.konicaminolta.jp/instruments/knowledge/color/index.ht ml http://www.adobe.com/jp/support/techguides/color/ http://blog.livedoor.jp/yamma_ma/ http://www.sharp.co.jp/aquos/technology/color/
52.
例のドレス 撮影環境推測など 逆光状態で撮影
カメラの自動補正でドレス部分は無理やり明るくなった RGB値的には薄紫と黄土色 白金に見える人 右上に強い光があるので逆光だ 逆光でドレスは本来より暗く映っているはず 明るい方向に補正 青黒に見える人 全体的に明るい 本来の色はもっと暗いはず 暗い方向に補正
Télécharger maintenant