Kosztyán Zsolt Tibor
SZÍNI HIBA CSÖKKENTÉSE TRISTIMULUSOS SZÍNINGER-MÉRŐ BERENDEZÉSEK ÉS SZÁMÍTÓGÉPES BEMENETI ESZKÖZÖK ESETÉN
PhD TÉZISFÜZET Témavezető: Dr. Schanda János
Pannon Egyetem Informatikai Tudományok Doktori Iskola
Veszprém 2011
Tartalmi kivonat A színinger-mérés egyik lehetséges módszere a tristimulusos színinger-mérés, melynek során fényelem színképi érzékenységét színes szűrőüvegekkel igazítjuk hozzá a nemzetközileg megállapított színinger-megfeleltető függvényekhez. A tristimulusos színinger-mérő berendezésekből már léteznek képalkotó berendezések is, melyek a színinger-mérést pixelenként végzik. A színképi illesztés ezekben az eszközökben csak véges pontossággal valósítható meg. A színi hiba főleg keskenysávú fényforrások (pl. LED-ek, gázkisülő lámpák) esetén lehet jelentős. A színi hiba meghatározása a számítógépes bemeneti eszközök (pl. szkennerek, digitális fényképezőgépek) esetében is elengedhetetlen, hiszen ennek fényében jelezhetjük előre, hogy milyen pontossággal készíthető színhelyes átvitel a különböző eszközök között. A számítógépes bemeneti eszközök jellemzésénél további nehézségként merül fel, hogy az észlelő csatornák érzékenységét közvetlenül általában nagyon nehezen tudjuk meghatározni. Az értekezés célja olyan kalibrációs és karakterizációs módszerek kidolgozása, melyek az eddigi módszereknél hatékonyabban, kisebb hibával jellemzik a különböző számítógépes bemeneti eszközök színi hibáit. Az értekezés célja továbbá olyan számítógépes algoritmusok, módszerek kifejlesztése, melyekkel a színi hiba mind a tristimulusos színinger-mérő berendezések esetén, mind pedig számítógépes bemeneti eszközök esetében jelentős mértékben csökkenthető.
ii
Tristimulusos színinger-mérő berendezések színi hibájának csökkentése mátrixkorrekciós módszer segítségével Tristimulusos színinger-mérő berendezések színképi illesztése csak véges pontossággal valósítható meg. A rendszeres színi hibák csökkentésére az egyik lehetséges megoldás, hogy a hagyományos X M1 (λ ) , X M 2 (λ ), YM (λ ),
ZM (λ ) csatornák (ahol pl.
X M1 (λ ) az x (λ ) színingermegfeleltető függvény rövidhullámú ágának műszeresen megvalósított mérőcsatornája) mellett további csatornákat alkalmazunk a pontosabb illesztés érdekében. CIE XYZ értékeket a csatornajelekből mátrix-transzformáció segítségével kaphatunk. Kutatásaim során arra kerestem a választ, hogy hány csatorna és milyen mátrix-transzformáció szükséges, ha a tristimulusos színinger-mérő színi hibáját jelentősen csökkenteni szeretnénk nem csak szélessávú megvilágítók, hanem színes és fehér LED-ek mérése esetén is. Vizsgáltam a transzformáció során fellépő hibaterjedést és a módszer érzékenységét, hogy az adott csatorna illesztési pontossága mennyire befolyásolja a mérés várható hibáját.
Síkágyas szkennerek és digitális kamerák karakterizációjának javítása statisztikai kiválasztáson alapuló módszerekkel A számítógépes bemeneti eszközök kalibrációja során hasonló a célunk, mint a tristimulusos színinger-mérés esetében. Igaz, iii
általában nem színinger-mérésre használjuk ezeket az eszközöket, hanem arra, hogy fényképezzünk vagy fényképet szkenneljünk be velük. Itt is fontos az, hogy a digitalizált kép színészlelete lehetőség szerint minél jobban hasonlítson az eredeti képhez. A feladat annyiban nehezebb, hogy az észlelőcsatornák érzékenységét általában nem tudjuk mérésekkel közvetlenül meghatározni, azokra csak közvetett módszerekkel tudunk következtetni. Ezt a folyamatot hívjuk karakterizációnak. Meg kell különböztetnünk két különböző karakterizációs formát. A színmetrikai karakterizáció „feketedobozként” kezeli a szkennert, azaz ebben az esetben nem vizsgáljuk a belső részek tulajdonságait, működését külön-külön, nem foglalkozunk például a megvilágító spektrális tulajdonságával, a színszűrők spektrális áteresztőképességével stb. Csak a beés kimeneti értékek ismertek, ezek alapján keresünk kapcsolatot az eszközfüggő RGB-tér, valamint egy eszközfüggetlen színtér (CIE XYZ, CIELAB) között. A spektrális karakterizáció során mérésekkel meg kell határoznunk a szkennerben használt megvilágító spektrális teljesítményeloszlását, a detektor(ok) spektrális érzékenységét. Ezek figyelembevételével készítünk olyan transzformációt, mellyel a szkenner helyesebben működik, a színkülönbségek csökkennek. A detektor érzékenységét kétféleképpen is meghatározhatjuk. Monokromátorral vagy interferenciás szűrőkkel közvetlenül is mérhetjük (direkt vagy keskenysávú módszer), vagy reflexiós minták segítségével közvetve (indirekt vagy szélessávú módszer). A digitális kamerák keskenysávú technikán alapuló érzékenységének meghatározásakor alkalmazhatunk monokromátort, de ez a technika síkágyas szkennereknél nem alkalmazható, mert a monokromátorból kijövő fénysugár iv
spektrális teljesítménye nem elegendő ahhoz, hogy értékelhető eredményt kapjunk. A kutatók egyetértettek abban, hogy a szélessávú karakterizációs módszerek alkalmazása esetén a módszer használhatóságát nagyban befolyásolja a tesztminta helyes megválasztása. Ezt a következtetést azonban csak gyakorlati tapasztalatok alapján vonták le. Adósak maradtak valamennyi esetben a „Miért működik?”, „Miért és mikor használható?” típusú kérdések megválaszolásával. Az alapgondolatom az volt, hogyha úgy választjuk ki a tesztmintasort, hogy az az adott módszer alkalmazhatósági követelményeit minél jobban teljesíti, akkor ezzel a módszerek pontossága nagymértékben javítható. Értekezésemben eloszlatom azt a tévhitet, miszerint minél több színes minta alkalmazása feltétlenül javítaná a karakterizáció pontosságát. Kutatásomban arra kerestem a választ, hogy vajon javítható-e a szélessávú karakterizációs módszerek hatékonysága azáltal, hogy statisztikai alapokon nyugvó kiválasztási módszerrel egy tesztminta-soron végezzük el a becsléseket, majd az eredményeket a teljes adatbázison teszteljük. Értekezésemben rávilágítok arra, hogy a szakirodalomban használt módszereket csak úgy szabad alkalmazni, ha az ott alkalmazott modellegyenletekre épülő módszerek előfeltételei teljesülnek. Értekezésemben vizsgálom, hogy ezen feltételek nem teljesülése milyen hibát okoz a becslés során, és ezt hogyan lehet statisztikai módszerekkel kiküszöbölni. Olyan módszereket mutatok be, melyeket mind színmetrikai, mind pedig spektrális karakterizáció esetén lehet alkalmazni. Rámutatok arra, hogy minél több a priori információt használunk fel a kiválasztás során (pl. fényforrás teljesítményeloszlása, reflexiós minták spektruma stb.) a kapott eredmény annál jobban közelíti a tényleges érzékenységi görbéket.
v
Kutatási eredmények összefoglalása A kutatás egyik célja olyan algoritmusok, módszerek kidolgozása volt, mellyel a tristimulusos színinger-mérő berendezések szisztematikus hibáját lehet csökkenteni. A kutatás alapgondolata volt, hogy a tristimulusos berendezések csatornajeleit megfelelő mátrix-transzormáció segítségével fel lehet használni pontosabb illesztés és/vagy kisebb színi hiba elérése érdekében. A kutatás ezen alapgondolatát a H1 hipotézisben foglaltam össze. H1
A tristimulusos színinger-mérő színi hibáját csökkenteni lehet, ha a különböző csatornajelek lineáris kombinációját is felhasználjuk a mérés során és további érzékelő csatornákkal egészítjük ki a berendezésünket.
Módszert dolgoztam ki, mellyel a csatornajelek optimális lineáris kombinációjával a szisztematikus mérési hiba nagymértékben csökkenthető. Értekezésemben azt is bemutattam, hogy további észlelőcsatornákkal hogyan lehet csökkenteni a mérési hibát keskenysávú fényforrások (pl. LED-ek) mérése esetén. Eredményeimet az alábbi T1 tézisben foglaltam össze. T1
Globális mátrixkorrekciós eljárást dolgoztam ki tetszőleges számú észlelőcsatornára, mely módszerrel tristimulusos berendezés szisztematikus színi hibája minimalizálható. A globális mátrixkorrekciós eljárás segítségével tetszőleges számú észlelőcsatorna optimális elméleti érzékenységi görbéje határozható meg [3][9][10]. vi
Értekezésemben bemutattam, hogy egyedi mátrixtranszformáció készíthető különböző típusú fényforrásokra, valamint színes LED-ek modellezhetők egyszerű függvényekkel, és ez által a mátrix-transzormáció, illetve a színes LED-ek spektrális teljesítményeloszlása pusztán a csatornajelekből becsülhető, így a mérési pontosság tovább javítható. Bemutattam, hogy a megfelelő módszerek alkalmazásával a mérési hiba akár 20-ad részére redukálható, ami komoly áttörést jelenthet a tristimulusos színinger-mérők alkalmazási területeit illetően. Eredményeimet az alábbi T2, illetve T3 tézisben foglaltam össze. T2
Egyedi mátrixkorrekciós módszert dolgoztam ki, mellyel tristimulusos színinger-mérő berendezéssel való mérés esetén az egyes fényforrás-csoportokra egyedi optimális átviteli mátrixok határozhatók meg, melyekkel a színi hibát csökkenteni lehet hagyományos 4-észlelőcsatornás tristimulusos berendezések esetén is [3][11].
T3
Adaptív mátrix-transzormációs és spektrális karakterizációs algoritmust dolgoztam ki, melyek segítségével színes LED-ek spektrális teljesítményeloszlásai a csatornajelek felhasználásával modellezhetők, és így a színi hiba csökkenthető [3][4][7].
A kutatásaim másik célja az volt, hogy számítógépes bemeneti eszközök spektrális karakterizációjának javítására módszereket, algoritmusokat dolgozzak ki. Bár a szakirodalomban nagyon sok színmetrikai és spektrális karakterizációs módszert publikáltak, a kutatók nem vii
vizsgálták a módszerek alkalmazási feltételeinek teljesülését. Ezért nem készült olyan általánosan alkalmazható spektrális vagy színmetrikai karakterizációs módszer, amely valamennyi reflexiós minta-adatbázis esetén megfelelő eredményt szolgáltatna. Ennek oka, hogy a módszerek feltételei nem minden esetben teljesülnek. Mivel a szkennerek esetén a megvilágító spektrális teljesítményeloszlása adott, így csak a minták helyes megválasztásával lehet biztosítani a karakterizációs módszerek alkalmazásának feltételét. Az irodalmi áttekintésben bemutattam, hogy ugyan felhívta néhány kutató a minta helyes kiválasztására a figyelmet, de erre egzakt, optimális kiválasztáson alapuló módszert nem publikáltak. Előfeltevéseimet a H2 hipotézisben foglaltam össze. H2
A szkennerek színmetrikai és szélessávú spektrális karakterizációjához elengedhetetlen a karakterizáció során alkalmazott színes minták helyes kiválasztása. Az optimálisan kiválasztott tesztminta-sor a karakterizációs eljárások pontosságát javítja. Ilyen kiválasztási módszer konstruálható, ha figyelembe vesszük a karakterizációs eljárás alkalmazhatósági feltételeit.
Értekezésemben részletesen áttekintettem az egyes módszereket, és bemutattam azok gyakorlati alkalmazását. Összehasonlítottam a szakirodalomban publikált legfontosabb karakterizációs eljárásokat, és – különböző fényforrásokat és detektorérzékenységeket feltételezve – teszteltem ezek reprodukciós képességét. Leginkább robusztus módszernek a regressziós módszerek, illetve azok redukált változatai (pl. főkomponens módszer) bizonyultak, hiszen ezek a módszerek akkor is szolgáltatnak valamilyen eredményt, ha az alkalmazási feltételek nem teljesülnek. Bemutattam, hogy az alkalmazási feltételek hogyan biztosíthatók statisztikai viii
kiválasztáson alapuló eljárás konstruálásával. A kifejlesztett módszer segítségével a minimális karakterizációs hiba megközelíthető. Megállapításaimat az alábbi T4 tézisben foglaltam össze. T4
Az általam kifejlesztett statisztikai mintakiválasztási módszerrel a detektorérzékenység meghatározására vonatkozó regressziós modellek alkalmazhatóságának feltételeit lehet javítani, ami által a detektorérzékenységre vonatkozó becslés javítható [2][5][6][8].
Az itt bemutatott módszerek a tristimulusos színinger-mérés területén, illetve a szkennerek, digitális kamerák spektrális karakterizációja esetén alkalmazhatók. A módszerek alkalmazásával a színi hiba jelentősen csökkenthető, ezáltal szkennerek esetén a színhelyes adatátvitel, tristimulusos színinger-mérők esetén pedig a pontosabb színinger-mérés biztosítható. Az eljárásokat hazai és nemzetközi folyóiratokban, konferenciakiadványokban is publikáltam, így nem csak a nemzetközi, hanem a hazai közönség is megismerheti és alkalmazhatja ezeket a módszereket.
ix
Publikációs lista SCI FOLYÓIRATOK [1] Cecilia Sik Lányi, PhD, Zsolt Kosztyán, PhD, Balázs Kránicz, PhD, János Schanda, PhD, DrS, and Mojtaba Navvab, PhD, FIES: Using Multimedia Interactive E-teaching in Color Science, LEUKOS The Journal of the Illuminating Engineering Society of North America 4 (1) pp. 71 – 82. ISSN: 1550-2724, (Impakt faktor: 0.286) [2] Zsolt Tibor Kosztyán, János Schanda: Adaptive Statistical Methods for Optimal Color Selection and Spectral Characterization of Color Scanners and Cameras. Journal of Imaging Science and Technology 53 (1) pp. 010501-1 – 010501-10 (Impakt faktor: 0.522) [3] Zsolt T. Kosztyán, George P. Eppeldauer, János D. Schanda: Matrixbased color measurement corrections of tristimulus colorimeters, Applied Optics 49 (12) pp. 2288-2301 (Impakt faktor: 1.767) POSZTER [4] Zsolt T. Kosztyán, János Schanda: Using Adaptive Matrix Transformation for Decreasing Colour Measuring Systematic Error in Image Taking Tristimulus Colorimeters, Light and Lighting Conference with Special Emphasis on LEDs and Solid State Lighting 27-29 May 2009 Budapest, Hungary HAZAI KONFERENCIAELŐADÁS [5] Kosztyán Zsolt Tibor, Prof. Dr. Schanda János, Kreschka Miklós: Síkágyas szkennerek színképi jellemzőinek meghatározása, színi transzformáció készítése színhelyes megjelenítéshez. XXX. Jubileumi Kolorisztikai Szimpózium, Eger, 2005. május 30. – június 1. (a kéziratok lektorált CD-mellékletben jelentek meg) [6] Kosztyán Zsolt Tibor. Statisztikai kiválasztási módszerek színes kamerák és szkennerek karakterizálására. XXXI. Kolorisztikai Szimpózium, Eger, 2007. május 7-9. [7] Dr. Kosztyán Zsolt Tibor, Prof. Schanda János: Tristimulusos színmérők színi hibájának csökkentése adaptív mátrixtranszformációval. 2009. május 11-13. Eger
x
NEMZETKÖZI KONFERENCIAELŐADÁS [8] Zs. Kosztyán, J. Schanda: Flatbed scanners and CCD-cameras: colorimetric characterization and uncertainties, 2nd Expert Symposium on Measurement Uncertainty, June 11 - 17, 2006, pp. 219-228 [9] Zs. Kosztyán, S. Sturm, D. Müller, J. Schanda: Decreasing Colour Measuring Systematic Error in Image Taking Tristimulus Colorimeters, CIE Expert Symposium on Advances in Photometry and Colorimetry, 7-8 July 2008, Turin (Torino), Italy, pp. 21-25. [10] J. Schanda, Zs. Kosztyán: Industrial colorimetry with image resolution, Bulg. Colour Conference, Varna September 27-27, 2008, pp. 1-5 [11] George Eppeldauer, Zs. Kosztyan, J. D. Schanda, G. Schanda, C. C. Miller, T. C. Larason, Y. Ohno, Extension of the NIST Tristimulus Colorimeter for Solid-state Light Source Measurements, Light and Lighting Conference with Special Emphasis on LEDs and Solid State Lighting 27-29 May 2009 Budapest, Hungary
xi
