Автоматическое определение точек белого черного серого: Использование корректировки «Кривые» в Photoshop

Содержание

Поиск точки серого в Darktable

[:ru]В статье на нашем сайте о модуле Уровни было упомянуто, что с ним удобно работать с помощью пипеток. Но не описано, как найти на снимке точки белого, черного и серого. С двумя первыми более-менее ясно — можно воспользоваться вот этим способом, да и в самом окне модуля можно поставить бары по гистограмме, будет правда немного неточно. А вот точку серого найти не так легко. Хотя именно ее, если почитать руководства по цветокоррекции, надо выставлять всегда при обработке. Можно, конечно сделать это в постообработке в других графических редакторах, в Гимпе или Фотошоп, методов как найти точку серого материалов много, но если что-то можно сделать в Darktable — лучше делать в нем¸ тем более инструментов достаточно.
Итак, точка серого в RGB обозначается координатами 128 128 128, это так называемый нейтральный цвет. Не буду отвлекаться на теорию, желающие без труда найдут и почитают, зачем нужна точка серого. Одно напомню эта точка может быть синей, зеленой, коричневой, серой, цвет не важен, важна ее яркость. Следует заметить, что при съемке в ручном режиме точка серого практически всегда не будет требовать коррекции. А вот в режимах приоритета диафрагмы, выдержки и в любом из автоматических точку серого надо корректировать почти всегда. Не надо только в одном случае — если экспонироваться по объекту со средней яркостью. Но это довольно сложно, требует навыков и не всегда возможно.
В Гимп и Фотошоп коррекция точки серого производятся примерно одинаково — создается дополнительный слой, который заливается серым цветом 128 128 128 (в фотошоп это называется 50% серого), ему назначается режим Разница, применяется инструмент Порог или Изогелия, там с помощью сдвига слайдеров находится нейтральный цвет. В Darktable подобное не повторить — слои с заливкой не создать, Изогелии с Порогом тоже нет. Но есть режимы смешивания, и Разница там доступна. Он работает по простой формуле — E = | I — M |
Похожие цветовые значения пикселей из виртуальных слоев вычитаются, результат — абсолютная величина из этого вычитания. Значит, если применить этот режим в одном из модулей, должен получится полностью непрозрачный фон (виртуальные слои же одинаковые, получается везде значение 0, черный цвет). Но если обесцветить изображение, инвертировав цвета, то можно будет что то и разглядеть.
В первую очередь такой поиск актуален для тех моделей камер, которые уже или еще не поддерживаются Darktable и к их снимкам модуль Базовая кривая не применяется автоматически. Ну и во вторую очередь он подходит тем, кто отключает этот модуль по ряду причин — многим не нравится его обработка, других не устраивают как результат ядовитые RGB-шные цвета и сильный контраст. Уровни работают в LAB, поэтому цвета там более приемлемы. Но сначала пример с неподдерживаемой камеры:

На данный момент в Darktable к неподдерживаемым камерам стали применяться модули Ориентация, Резкость и Цветовой профиль камеры, выключим Резкость, а включим Дебайеризацию в режиме AmaZe и Хроматические абберации. Теперь попробуем найти точку серого. Для этого надо инвертировать и обесцветить снимок, что очень легко сделать Кривой тоновоспроизведения в канале яркости L, подняв вверх ее левую часть и соответственно опустив правую, ну и не забыть поставить режим Разница:

Теперь самые черные участки и есть тот пресловутый нейтральный цвет. Осталось выбрать его более точно. Для этого активируем Пипетку в модуле Кривая тоновоспроизведения и цветовую пипетку слева на панели инструментов(открыта на скриншоте). Режим у нее поставлен RGB — обычно для этого модуля выбирается режим LAB, но сейчас модуль нужен не для обработки, а для поиска, и лично автору удобнее искать координаты 0 0 0 в RGB. Можно просто наводить пипетку на самые темные участки, и найти место, где значение будет состоять из трех нулей. Сначала это немного неудобно, но привыкнуть несложно. Но можно облегчить задачу.. Создаем копию модуля Кривая тоновоспроизведения, и тянем кривую L из центра в левый верхний угол, пока не останутся самые темные участки :

Здесь уже нетрудно найти точку с нулями в значениях или близкую к нулю (может быть и такое, поиск — процесс довольно утомительный с непривычки). Иногда приходится увеличивать изображение, чтобы найти более темный участок. Как нашли, в нашем случае она оказалась ожидаемо на кайме облака (квадрат в его левой части) — жмем на цветовой пипетке слева «добавить», ставим галочку на чекбоксе «Показывать образцовые точки» и кликаем по цвету слева добавленной точки, «запирая» ее положение — должно появится изображение замочка:

Теперь у нас есть для этого снимка нейтральная, серая точка. Так а почему она черная? А просто в этом режиме смешивания Разница вместе с инвертированием Кривой тоновоспроизведения серый цвет должен стать полностью черным. Вот и ищем не серый 128 128 128 в RGB, а именно черный. Теперь отключаем все копии модуля Кривая тоновопроизведения, они нам больше пока не нужны. Теперь переходим в модуль Уровни. Здесь следует заметить, что многие теоретики обработки в инструменте Уровни в других графических редакторах советуют ставить точки в определенном порядке. Смысл такой — сначала надо использовать пробу точки черного, потом точку серого, потом — белого. Если не используем точку черного — значит первой становится точка серого и т. д. Примерно так делают в Gimp. Но судя, по своему опыту, в Darktable можно ставить точки в произвольном порядке. Оптимально пока лучше всего сначала передвинуть бары точки белого и черного на края видимой гистограммы, а потом пипеткой выставить точку серого. Для этого заходим в Уровни, и видим, что на снимке синим цветом отображается образцовая точка (для этого и ставили галочку на чекбоксе чуть выше по тексту). Передвигаем бары двух других точек на края гистограммы и берем пробу серой пипеткой, совмещая ее с образцовой точкой.

В итоге получилось вот так:

В принципе похожего результата можно добиться, просто нажав кнопку «авто», но лучше знать эту схему, так как случаи в обработке бывают и сложнее, где автоматический режим не справится.

Конечно, модуль прямолинеен, и для дальнейшей коррекции контраста можно воспользоваться Кривой тоновоспроизведения, которую можно вернуть в исходное значение после поиска точки серого, образцовая точка будет отображаться вертикальной малиновой линией в модуле, просто сначала ставим точку на кривую в месте их пересечения, выше нее регулируем света, ниже — тени. Но если на фото нет сложных объектов в виде облаков или глубоких теней, то вполне достаточно и Уровней, как в нашем случае. Теперь можно провести цветокоррекцию снимка, например в одноименном модуле. Он довольно прост, и на нашем сайте о нем не было отдельной статьи. Сейчас его немного опишем. Модуль Цветокоррекция состоит из квадрата, разбитого по тонам на 64 маленьких квадратика и с двумя точками в центре — белой, по умолчанию видно только ее, и черной. Если навести на точки, появится подсказка — «Нарисуйте линию для раздельного тонирования. Белый отвечает за света, черный — за тени. Колесо мыши управляет насыщенностью». В этой подсказке — весь принцип работы модуля. Если с насыщенностью все ясно, просто нужно крутить колесо от себя, чтобы увеличить насыщенность и на себя, чтобы уменьшить. Мы немного увеличим, снимок все же пока тусклый. Теперь о точках. Ну в первую очередь хочется предупредить — баланс белого с их помощью исправить не получится, а вот исправить немного общую тональность вполне возможно. За самой программой Darktable замечено — она «уводит» снимки немного в синеву в случаях, когда на фото много синего неба, воды или снега, особенно в солнечную погоду. По гистограмме видно, что синий канал уходит в плюс на выбранном снимке. Просто смещаем немного белую точку по диагонали, противоположно синему тонам, ориентируясь по одноименному каналу основной гистограммы:

Также можно поступать с тенями, обычно это делается при осветлении снимка. Вопрос — сместили точку в Цветокоррекции, значит и точку серого надо искать заново? Нет — точка серого не зависит от цвета, она в первую очередь передает среднюю яркость цветов, что в данном случае не изменялось. Ну теперь обработку этого снимка можно завершать в Darktable. Резкость и шумы лучше убрать в Gimp или Photoshop — просто у этой модели камеры небольшая матрица, плюс нет поддержки, поэтому дальнейшая обработка в Darktable только испортит снимок. Но основное сделано, баланс цветов найден, их насыщенность восстановлена. После обработки в Gimp получилось вот так:

Преимуществом этого способа в нашем случае является — нам удалось избежать «каши» в зелени, что случилось бы если применялись обычные модули в таком случае: Тени и света, Кривая тоновоспроизведения и другие, и нам было бы трудно избежать артефактов, практически невозможно. А так выставили правильную тональность снимка — он выглядит очень натурально, что и было изначальной целью обработки.[:]

Настройка яркости, контрастности и четкости

В PaintShop Pro можно настраивать яркость, контрастность и четкость фотографий. Контрастность – это разница между самыми светлыми и самыми темными пикселями фотографии. Четкость позволяет отрегулировать уровень детализации в изображении с помощью анализа контрастности в локализованных областях.

Применяя команды для выделенной области или всего изображения, можно выполнить следующие действия:

• настроить яркость и контрастность вручную;

• сделать фотографию четкой и сфокусированной на объекте, с тем чтобы выделить его;

• настроить яркость отдельных областей изображения;

• настроить блики, промежуточные тона и тени, чтобы обеспечить ровные переходы между тонами;

• откорректировать экспозицию;

• более равномерно распределить значения осветления пикселей в оптическом спектре от черного до белого;

• увеличить общую контрастность, если гистограмма не охватывает весь оптический спектр;

• настроить яркость, контрастность и гамму изображения;

• создать изображения, включающие только черно-белые пиксели.

Гистограммы

Гистограмма позволяет отобразить тоновый диапазон изображения и перераспределить баланс между тенями, промежуточными тонами и бликами. Иными словами, гистограмма помогает выявить, является ли фотография недоэкспонированной, переэкспонированной или же она имеет корректную экспозицию.

На многих цифровых камерах гистограмма отображается на ЖК-экране камеры, а на некоторых камерах даже имеется возможность настраивать гистограмму сцены еще до съемки фотографии.

В PaintShop Pro имеется несколько команд для отображения гистограммы в диалоговом окне. Такими командами являются «Кривые», «Уровни», режим дополнительных настроек функции «Интеллектуальная фотокоррекция» и «Корректировка гистограммы».

Примеры гистограмм (справа) для трех различных экспозиций.

При работе с гистограммой обратите внимание на следующие аспекты.

• В левой части гистограммы указывается, какая доля фотографии является черной или почти черной.

• В правой части гистограммы указывается, какая доля фотографии является белой или почти белой.

На графике в диалоговом окне «Корректировка гистограммы» отображается количество пикселей для каждого значения выбранного канала. По вертикальной оси отображается количество пикселей и диапазоны от нуля до наибольшего количества пикселей на графике. По горизонтальной оси отображается значение выбранного канала – от 0 до 255.

Гистограмму для изображения можно вывести на экран в любое время, выбрав Вид  Палитры  Гистограмма.

Изменение яркости или контрастности

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Яркость/контрастность.

Откроется диалоговое окно «Яркость/контрастность».

2 Установите или введите значение в поле Яркость.

При использовании положительных чисел фотография становится светлее, при использовании отрицательных чисел – темнее. При нулевом значении исходная настройка сохраняется.

3 Установите или введите значение в поле Контрастность.

При использовании положительных чисел контрастность увеличивается, при использовании отрицательных чисел – уменьшается. При нулевом значении исходная настройка сохраняется.

4 Нажмите ОК.

Элемент управления масштабом, доступный в этом диалоговом окне, можно использовать для настройки вида изображения в окнах «До» и «После».

Осветление темных участков и настройка четкости

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Освещение/четкость заливки.

Откроется диалоговое окно «Освещение/четкость заливки».

2 Введите или установите значение в поле Освещение заливки.

При установке более высоких значений темные области фотографии становятся светлее, а при нулевом значении сохраняются исходные настройки изображения.

3 Введите или установите значение в поле Четкость.

При использовании положительных чисел увеличивается детализация; при использовании отрицательных чисел уменьшается детализация и фокус. При нулевом значении исходная настройка сохраняется.

4 Нажмите ОК.

Увеличение глубины и четкости

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Локальное сопоставление тонов.

Откроется диалоговое окно «Локальное сопоставление тонов».

2 Введите или установите значение в поле Интенсивность.

Используйте наименьшее значение, обеспечивающее удовлетворительный результат. Слишком высокие значения приводят к появлению на фотографии нежелательных дефектов.

3 Нажмите ОК.

Изменение яркости цветового канала

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Кривые.

Откроется диалоговое окно «Кривые».

2 В раскрывающемся списке Канал выберите один из следующих вариантов цветовых каналов.

• RGB: редактирование красного, зеленого и синего каналов в объединенной гистограмме.

• Красный: изменение только канала красного.

• Зеленый: изменение только канала зеленого.

• Синий: изменение только канала синего.

3 Перетащите точки на графике для настройки взаимосвязи между уровнями ввода (яркость исходных пикселей) и уровнями вывода (яркость откорректированных пикселей).

При перетаскивании точки кривой в левом верхнем углу графика гистограммы для точки отображаются исходные и измененные значения осветления пикселей. Исходное (или вводное) значение отображается слева, а измененное (или выходное) – справа.

4 Нажмите ОК.

Дополнительные возможности
Добавление точки на кривую	Щелкните в том месте кривой, где требуется добавить точку. Примечание. Чем больше точек будет добавлено на кривую, тем точнее можно будет настроить ее форму.
Удаление точки с кривой	Перетащите точку в область непосредственно слева или справа от графика.
Более точное перемещение активной точки на кривой	Нажимайте или удерживайте нажатыми кнопки со стрелками.
Автоматическая настройка контрастности фотографии	Нажмите кнопку Контрастность в окне группы Авто. Примечание: Эту кнопку можно использовать, когда цвета фотографии вполне удовлетворительны, но требуется улучшить контрастность.
Автоматическая настройка баланса белого на фотографии	Нажмите кнопку Цвет в окне группы Авто. Примечание: Эту кнопку можно использовать для автоматического обнаружения черной и белой точек в фотографии.
Автоматическая настройка как контрастности, так и цвета	Нажмите кнопку Уровни в окне группы «Авто».
Указание собственной черной, серой или белой точек	Щелкните черную, серую или белую пипетки в окне группы Цвета для активации нужного цвета пипетки. Затем переместите курсор в окно «До» и щелкните то, что фактически должно быть черной, серой или белой точками. Окно «После» (и окно изображения, если установлен флажок Просмотр изображения) будет обновлено.
Автоматическое определение соответствующей черной, серой или белой точек	Удерживая нажатой клавишу Alt, наведите курсор на окно «До» (или на окно изображения). При перемещении курсора по темной, промежуточной и светлой областям становится активной пипетка соответствующего цвета. Щелкните, чтобы задать эту точку.
Указание пределов обрезки гистограммы для кнопок Контрастность, Цвет и Уровни в окне группы «Авто»	Нажмите кнопку Параметры. В диалоговом окне «Автоматические параметры цвета» укажите процентные значения для полей Нижний предел, Верхний предел и Интенсивность. Примечание: Более высокие значения в полях Нижний предел и Верхний предел обеспечивают более жесткие автоматические настройки, а более низкие значения обеспечивают более мягкие автоматические настройки. Более низкие значения в поле Интенсивность обеспечивают обрезку меньшего размера.
Сброс всех измененных значений до исходных	Нажмите кнопку Сброс, расположенную рядом с пипетками в разделе «Цвета». Можно также нажать кнопку Настройка по умолчанию рядом с кнопкой Сохранение заготовки.

Настройка бликов, промежуточных тонов и теней фотографии

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Блики/промежуточные тона/тени.

Откроется диалоговое окно «Блики/промежуточные тона/тени».

2 Выберите один из следующих параметров:

• Метод абсолютной настройки: задание абсолютных положений точки гистограммы (25 % — тени, 50 % — промежуточные тона и 75 % — блики). Типичными значениями являются: 35% для теней, 50% для промежуточных тонов и 65% для бликов. Однако для разных фотографий могут указываться разные значения. При увеличении значения область становится более светлой, а при уменьшении – более темной.

• Метод относительной настройки: настройка уровней осветления относительно исходного состояния. При использовании положительных значений область становится более светлой, при использовании отрицательных – более темной.

3 Введите или установите значения в полях Тень, Промежуточный тон и Блик.

4 Нажмите ОК.

Коррекция экспозиции с использованием гистограммы

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Корректировка гистограммы.

Откроется диалоговое окно «Корректировка гистограммы».

2 В разделе Изменить выберите один из следующих параметров.

• Освещенность: указание значений осветления изображения для коррекции контрастности.

• Цвета: выбор цветового канала, который требуется изменить.

При выборе параметра Цвета требуется выбрать цвет в раскрывающемся списке.

3 В раскрывающемся списке Загрузить заготовку выберите По умолчанию.

При использовании значений по умолчанию настройка изображения не выполняется.

4 Настройте регулятор Низкий.

В левой части гистограммы найдите промежуток между левым краем и точкой начала подъема графика. Промежуток означает, что самые темные пиксели на изображении не являются совсем черными. Перетащите регулятор Низкий (черный треугольник) в точку подъема графика. Элемент управления Низкий отображает низкое положение (от 0 до 254). В нижнем поле отображается процентная доля пикселей, имеющих значение от нуля до низкого; контрастность этих пикселей будет утеряна. Как правило, значение параметра Низкий не должно превышать 0,1 %.

5 Настройте регулятор Высокий.

В правой части гистограммы найдите промежуток между правым краем окна и точкой графика, в которой значение пикселей равно нулю. При наличии промежутка перетащите регулятор Высокий (белый треугольник) в эту точку на графике. В результате самые светлые пиксели изображения будут заменены белыми. Как правило, значение параметра Высокий не должно превышать 0,1 %.

6 Настройте регулятор Гамма.

Если изображение в целом слишком темное или слишком светлое, настройте гамму, которая является стандартной мерой изменения контрастности изображения. Чтобы сделать изображение более светлым, увеличьте значение гаммы, перетащив регулятор Гамма (серый треугольник) вправо. Чтобы сделать изображение более темным, уменьшите значение гаммы, перетащив регулятор Гамма влево.

7 Настройте регулятор Промежуточные тона.

Примечание: Если в левой и правой частях графика отображаются максимальные точки, а в центре – низкие точки, следует выполнить сжатие промежуточных тонов. Необходимо увеличить долю теней и бликов, чтобы подчеркнуть соответствующие им детали изображения. Объекты фотографии, расположенные близко к камере, выглядят ярко освещенными по сравнению с темным фоном. Чтобы выполнить сжатие промежуточных тонов, перетащите регулятор Промежуточные тона вверх.

Если максимальные точки графика расположены в центре, а низкие точки — с левой и с правой стороны, выполните расширение промежуточных тонов, перетащив регулятор Промежуточные тона вниз.

8 Нажмите ОК.

С помощью элементов управления Вывод макс. и Вывод мин., расположенных слева от гистограммы, можно создавать художественные эффекты. Регулятор Макс. представляет собой белый кружок в сером квадрате, а регулятор Мин. — черный кружок в сером квадрате. Чтобы сделать самые светлые пиксели темнее, перетащите регулятор Макс. вниз. Чтобы сделать самые темные пиксели светлее, перетащите регулятор Мин. вверх. Хотя регуляторы перетаскиваются вдоль вертикальной оси, изменение значений Макс. и Мин. (от 0 до 255) отображается на горизонтальной оси. Все пиксели, выходящие за рамки диапазона, преобразуются так, чтобы попасть в него. Можно выбрать другой цвет в раскрывающемся списке в разделе Изменить и выполнить аналогичные настройки.

Распределение осветления по фотографии

Вкладка «Правка»

• Выберите Настройка  Яркость и контрастность  Выравнивание гистограммы.

Увеличение контрастности путем растягивания гистограммы

Вкладка «Правка»

• Выберите Настройка  Яркость и контрастность  Растягивание гистограммы.

При использовании команды Растягивание гистограммы самые темные пиксели становятся черными, а самые светлые — белыми. Эта команда не влияет на изображения, в которых уже присутствуют все пиксели – от чисто черных до чисто белых. Если в исходном изображении имеются пиксели, очень близкие по цвету к черному и белому, то использование этой команды не принесет достаточно заметных результатов. Если исходное изображение очень однотонно (т. е. в нем отсутствуют пиксели, близкие по цвету к черному или белому), то эффект от использования этой команды будет очень заметным.

Одновременная настройка яркости, контрастности и гаммы

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Уровни.

Откроется диалоговое окно «Уровни».

2 В окне группы Уровни выберите цветовой канал для настройки в раскрывающемся списке Канал.

• RGB: редактирование красного, зеленого и синего каналов в объединенной гистограмме.

• Красный: изменение только канала красного.

• Зеленый: изменение только канала зеленого.

• Синий: изменение только канала синего.

3 Настройте ромбовидные регуляторы для черного, серого или белого или же установите значения в расположенных ниже полях.

• Для затемнения наиболее темных пикселей в фотографии перетащите ромбовидный регулятор черного цвета вправо (или установите значение в поле для числовых значений).

• Для настройки промежуточных тонов в фотографии перетащите ромбовидный регулятор серого цвета (средний) влево или вправо (или установите значение в поле для числовых значений).

• Для осветления наиболее светлых пикселей в фотографии перетащите ромбовидный регулятор белого цвета влево (или установите значение в поле для числовых значений).

Примечание: Чтобы увидеть, какие пиксели отсекаются при перетаскивании ромбовидного регулятора черного или белого цвета, нажмите и удерживайте клавишу Ctrl во время перетаскивания. Отсеченные цвета отобразятся в окне «После».

4 Нажмите ОК.

Дополнительные возможности
Автоматическая настройка контрастности фотографии	Нажмите кнопку Контрастность в окне группы Авто. Примечание: Эту кнопку можно использовать, когда цвета фотографии вполне удовлетворительны, но требуется улучшить контрастность.
Автоматическая настройка баланса белого на фотографии	Нажмите кнопку Цвет в окне группы Авто. Примечание: Эту кнопку можно использовать для автоматического обнаружения черной и белой точек в фотографии.
Автоматическая настройка как контрастности, так и цвета	Нажмите кнопку Уровни в окне группы Авто.
Указание собственной черной, серой или белой точек	Щелкните черную, серую или белую пипетки в окне группы Цвета для активации соответствующего цвета пипетки. Затем переместите курсор в окно «До» (или в окно изображения) и щелкните то, что фактически должно быть черной, серой или белой точками. Окно «После» (и окно изображения, если установлен флажок Просмотр изображения) будет обновлено.
Автоматическое определение соответствующей черной, серой или белой точек	Удерживая нажатой клавишу Alt, наведите курсор на окно «До» (или на окно изображения). При перемещении курсора по темной, промежуточной и светлой областям становится активной пипетка соответствующего цвета. Щелкните, чтобы задать эту точку.
Указание пределов обрезки гистограммы для кнопок Контрастность, Цвет и Уровни в окне группы «Авто»	Нажмите кнопку Параметры. В диалоговом окне «Автоматические параметры цвета» укажите процентные значения для полей Нижний предел, Верхний предел и Интенсивность. Примечание: Более высокие значения в полях Нижний предел и Верхний предел обеспечивают более жесткие автоматические настройки, а более низкие значения обеспечивают более мягкие автоматические настройки. Более низкие значения в поле Интенсивность обеспечивают обрезку меньшего размера.
Сброс всех измененных значений до исходных	Нажмите кнопку Сброс, расположенную рядом с пипетками Цвета. Можно также нажать кнопку Настройка по умолчанию рядом с кнопкой Сохранение заготовки.

Изменения, выполненные в диалоговом окне «Автоматические параметры цвета», применяются при использовании кнопок Контрастность, Кривые и Уровни в окне группы Авто диалогового окна Кривые.

С помощью команды Уровни можно расширить гистограмму для фотографии, снятой с неверной экспозицией. Рекомендуется пользоваться данной командой до использования команды Кривые.

Преобразование пикселей фотографии в черно-белые

Вкладка «Правка»

1 Выберите Настройка  Яркость и контрастность  Порог.

Откроется диалоговое окно «Порог».

2 Введите или задайте значение осветления пикселей в поле Порог, чтобы определить, какие пиксели следует преобразовать в белые (выше порогового значения) и черные (ниже порогового значения).

Значения можно изменять в диапазоне от 1 до 255. При использовании меньших значений увеличивается количество белых пикселей, при использовании более высоких значений увеличивается количество черных пикселей.

3 Нажмите ОК.

Урок 33. Инструмент Curves (Кривые)._

Вы узнаете:

Как определить на каком участке кривой находятся важные детали.
Как изменить масштаб фоновой сетки.
Как вызвать окно инструмента Кривые и корректирующий слой Кривые.
Как добавлять, удалять и перемещать точки на графике.
Когда имеет смысл нажать кнопку авто и как настраивать кривые поканально.
Как создать изображение в высоком и низком ключе.
Как улучшить тусклую фотографию в режиме Lab.
Как выполнить цветокоррекцию по числам.

Урок состоит из следующих разделов:
1. Обучающее видео.
2. Инструменты коррекции.
3. Нахождение наиболее важного участка кривой.
4. Единицы измерения окна Curves (Кривые).
5. Пипетки.
6. Значения кнопок.
7. Параметры автоматической коррекции.
8. Сетка.
9. Работа в окне Curves (Кривые).
10. Работа с каналами.
11. Высокий ключ.
12. Низкий ключ.
13. Цветокоррекция в режиме LAB.
14. Цветокоррекция по числам (теория).
15. Тандем палитры Info (Инфо) и инструмента пипетка.
16. Цветокоррекция по чилам (практика).
17. Таблица памятных цветов.
18. Советы.
19. Горячие клавиши.
20. Вопросы.
21. Домашнее задание.

Инструменты коррекции.

В предыдущих уроках были рассмотрены такие инструменты коррекции, как Levels (Уровни), Color Balance (Цветовой баланс), Hue/saturation (Цветовой тон/насыщенность). Все они отлично справляются со своими обязанностями. Однако есть инструмент, который может один заменить их все вместе взятые. Настало время познакомиться с более мощным инструментом цветокоррекции Curves (кривые). В нем можно выполнять как простые операции в одно движение мышкой, так и сложные шаги, требующие определенных навыков владения данным инструментом. Начнем от простого к сложному. Со временем вы уже не сможете без него обходиться, т.к. результат, полученный с помощью Кривых намного лучше результата, созданного предыдущими инструментами цветокоррекции. Освоив Кривые, можете считать себя профессионалом по спасению неудачных снимков, а хорошие фотографии вы всегда сможете довести до совершенства. Я не могу гарантировать, что после прочтения этого урока вы станете мастерами. Успех придет только с практикой. А я постараюсь как можно проще рассказать о достаточно сложном инструменте.

Вызов диалогового окна происходит через меню Image (Изображение) – Adjustments (Коррекция) – Curves (Кривые). Комбинация клавиш Ctrl+M.

Нахождение наиболее важного участка кривой

Для начала нужно определить на каком участке кривой находятся важные детали изображения.В разных версиях программы это делается по-разному. В CS4 и CS5 нужно нажать миниатюру руки со стрелочкой и поводить курсором по изображению, не нажимая кнопку мыши. Во время этого действия на графике появится точка, которая будет перемешаться из одного положения в другое. В CS3 нет ручки со стрелочкой, просто поводите по изображению курсором с нажатой кнопкой мыши. Обращайте внимание, на каких участках кривой находятся важные объекты. Это нужно для того, чтобы расположить их на крутых участках кривой.

Единицы измерения окна Curves (Кривые).

В этом абзаце будет дана скучная, справочная информация для тех, кто любит вдаваться
в подробности, остальные можете ее спокойно пропустить. В окне представлена прямая линия с наклоном в 45 градусов. Это график, который указывает отношение Input [входных, исходных значений (ось Х) к Output выходным, новым значениям (ось Y)]. Для цветовой модели RGB график изменяется от 0 до 255, где тени (0), а света (255). Для модели CMYK значения измеряются в процентах от 0 до 100. В ранних версиях Photoshop изменение положения теней и светов менялось нажатием на двойную стрелку в середине горизонтального градиента под осью Х, что было удобно при работе в нескольких цветовых пространствах. Начиная с Photoshop CS3, можно поменять расположение градиента только переключаясь в разделе Curve Display Options (Параметры отображения кривой). Если выбрать Light(0-255) (Яркость(0-255)), то черный цвет (0) будет находиться в нижнем левом углу. При выборе Pigment/Ink% (Пигмент/Краска % (0-100)) – значение 0 для изображений RGB перемещается в нижний правый угол и значение 0% для изображений CMYK также перемещается в нижний правый угол. В цветовых режимах Grayskale (Градации серого), CMYK, Myltichannel (Многоканальный) – градиент располагается от белого к черному, а в RGB, LAB, Indexed Color (Индексированные цвета) – от черного к белому. В окне корректирующего слоя Curves (Кривые) такого переключателя нет, градиентная полоса ориентирована в зависимости от выбранного режима.

Пипетки.

Пипетки позволяют установить черную, нейтральную и белую точку изображения. Серая пипетка является инструментом цветокоррекции и для изображений в градациях серого недоступна. Если вы настроили кривую, а затем воспользовались любой из пипеток, первоначальные настройки пропадут. Если же вы сначала воспользуетесь пипетками, а потом внесете изменения в график, то потеряете результат, который дали пипетки.

Значения кнопок.

Кнопка ОК применяет все операции с кривыми к изображению.

Кнопка Cancel (Отмена) отменяет все изменения и закрывает окно. Нажатие на эту кнопку с удержанием клавиши ALT превращает ее в кнопку Reset(Сбросить); Кривая возвращается к исходному состоянию, окно при этом не закрывается.

При нажатии накнопку PresetOptions(Настройки)появляется дополнительное меню Save Preset (Сохранить набор) и Load Preset (Загрузить стиль). Эти команды позволяют сохранить и загрузить вид кривой для использования ее с несколькими изображениями.

Кнопка Smoth (Сгладить) сглаживает линию, нарисованную карандашом. Кнопка активна только при рисовании в режиме карандаш. Кривую лучше изменять с помощью контрольных точек, а не карандаша, чтобы не получить неестественных цветов на изображении.

Кнопка Auto (Авто) автоматически корректирует изображение.

Параметры автоматической коррекции.

Кнопка Options (Параметры) открывает окно Auto Color Corrections Options (Параметры автоматической цветокоррекции). Здесь вы можете настроить работу кнопки Auto (Авто).

EnhanceMonochromaticContrast (Улучшить монохроматический контраст). Аналогична команде Auto Contrast (Авто контраст).

EnhancePerChannel

Contrast (Улучшить контраст по каналам). Аналогична команде Auto Levels (Авто Уровни).

Find Dark & Light Colors (Найти темные и светлые цвета). Аналогично команде Auto Color.

SnapNeitralMidtones (Привязать к нейтральным серым тонам). Поставьте галочку, если в изображении имеется сильный цветовой сдвиг в нейтральных тонах.

Сетка.

По умолчанию шаг сетки составляет 25 процентов. Для изменения масштаба фоновой сетки нажмите на нее с нажатой клавишей ALT, шаг сетки уменьшится до 10 процентов. Частой сеткой пользоваться удобнее.

Работа в окне Curves (Кривые).

Перемещать окно с изображением, пока открыто окно Curves (Кривые), нельзя, но возможно увеличивать масштаб (CTRL + плюс) или уменьшать его (CTRL + минус).

Щелчок мыши по кривой с нажатой клавишей SHIFT добавляет узловые точки в каналах.

Чтобы задать светлые и темные области, выберите белую или черную пипетку, щелкните курсором мыши на фрагменте изображения. Соответствующий этой области участок кривой будет выделен маленькой квадратной точкой. Таких точек на графике можно установить до 16 (включая крайние).

Удалить точку с кривой можно с помощью клавиши Del или щелкнуть на нее курсором мыши с нажатой клавишей CTRL, а так же можно просто перетащить ее за пределы сетки.

Перемещение среднего входного ползунка Гаммы в Levels (Уровнях) можно сравнить с перемещением средней точки кривой вправо или влево. Перемещение правых и левых входных ползунков в Levels (Уровни) идентично перемещению конечных точек Curves (Кривой) по горизонтали к центру. Перемещение конечных точек кривой к центру по вертикали приводит к отсечению светов или теней также как и перемещение выходных ползунков инструмента Levels (Уровни). Все действия, производимые инструментом Levels (Уровни) – могут выполняться инструментом Curves (Кривые).

Любая коррекция инструментами Levels (Уровни) и Curves (Кривые) приводит к потере пикселей. Вернуть утерянную информацию невозможно. Повторные изменения ведут к еще большей потере данных. Для избежания этого используйте корректирующие слои. Несмотря на то, что увеличивается расход оперативной памяти, а некоторые функции для корректирующих слоев недоступны, исходная фотография остается без изменения, а значит, многократная коррекция не навредит снимку.

Чтобы сделать изображение светлее, следует поднять центральную точку вверх в область светлых тонов, а для затемнения опустить вниз. Чтобы осветлить тени, следует вначале определить на каком промежутке графика они находятся и закрепить двумя точками света
и средние тона. Затем поднять центральную точку теней вверх, оставляя остальную часть графика нетронутой. Смотрите рисунок «Осветление теней».

Пытаясь добиться улучшения в определенной части тонового диапазона, вы расширяете этот диапазон. Одновременно вы теряете детали в других областях.

Перемещая правый или левый ползунки при нажатой клавише Alt, вы видите, какие пиксели будут безвозвратно потеряны. В том месте, где остановится ползунок, будет назначена самая светлая или самая темная точка в изображении.

Поля числового ввода Input(Вход) и Output (Выход) служат для просмотра и редактирования положения точек на кривой. Поводите курсором по изображению, и вы увидите, как изменяются цифры в полях числового ввода.

Определите, где на кривой начинается и где заканчивается главный объект изображения. Поставьте на кривой точки, ограничивающие занимаемый им диапазон. Опустите по вертикали нижнюю точку и поднимите верхнюю, чтобы кривая стала круче. Контраст в изображении достигается путем осветления светлых участков и затемнения темных. Удаляясь из самых светлых и самых темных областей, он добавляется в средние тона. Чаще всего именно там находится главный объект изображения.

Для снижения контраста следует инвертировать график. Т.е. затенить света и осветлить тени.
S-образная кривая будет выгнута в другую сторону.

Чем круче участок кривой, тем сильнее контраст между цветами этой области. Объекты, которым будут соответствовать крутые участки кривой, приобретут контраст и станут выглядеть лучше. Области которые попадут на пологие участки кривой, контраст потеряют и станут выглядеть хуже (пусть это будут не важные части изображения). S‑образная кривая увеличивает контраст в средних тонах. Самая светлая и самая темная точки остаются без изменений, но одновременно происходит сжатие в областях светов и теней, в результате чего пропадают детали изображения. Чтобы избежать этой потери добавьте дополнительные точки. Поставьте точку ближе к самой светлой – для растягивания светов и ближе к самой черной – для восстановления самых темных теней.

Даже минимальное передвижение точки на кривой может привести к серьезным изменениям
в изображении. Улучшая контраст в одной части изображения, мы одновременно должны принести в жертву другие участки. Но добавить контраст — это одно дело, а добиться правильного цвета совсем другое.

Работа с каналами.

Кривые позволяют изменять яркость каналов по отдельности. Согласно цветовому кругу, увеличение одного цвета ведет к уменьшению противоположного ему цвета. При уменьшении красного цвета в изображении прибавится голубой оттенок. При уменьшении синего цвета, изображение станет желтеть. Зеленый и пурпурный также зависят друг от друга.

Если часть тонального диапазона не задействована, а неиспользованные участки расположены на краях гистограммы, то можно передвинуть ползунки к подножью гистограммы. Мы с вами уже проделывали такую операцию с инструментом Levels (Уровни). В этом случае имеет смысл нажать кнопку Auto (Авто):

Крайние ползунки белого и черного сместятся к подножью гистограммы, причем поканально.

Начиная с Photoshop CS3, в диалоговом окне Curves (Кривые) стала видна гистограмма, что очень удобно при работе. В более ранних версиях Photoshop держите открытым окно гистограммы, чтобы контролировать изменения Window (Окно) – Histogram (Гистограмма).

Высокий ключ

Обычные изображения чаще всего улучшаются, если к ним применить S-образную кривую. Изображения в высоком и низком ключе (Снеговик на снегу, черный кот в темной комнате), наоборот, пострадают от ее применения, т.к. главный объект не находится в зоне средних тонов. А для остальных изображений есть простой алгоритм высокого ключа:

Откройте фотографию «33_прически.jpg» (фотография любезно предоставлена фотографом Надеждой Глазовой). Создайте копию фонового слоя, и обесцветьте ее Image (Изображение) –Adjustments (Коррекция) – Desaturate (Обесцветить), но лучше применить Image (Изображение) – Adjustments (Коррекция) – Black—White(Черное-белое).

Фотографию Надежды Акимовой сделала Надежда Глазова

Создайте корректирующий слой Curves (Кривые). Поднимите среднюю точку графика вверх и добавьте еще две точки для плавности.

Вернитесь к черно-белому слою и создайте три его копии. У верхнего назначьте режим наложения (Multiply)Умножение, под ним Overlay (Перекрытие), и два последних обесцвеченных слоя Screen (Экран). Если изображение получится слишком светлым, поменяйте в предпоследнем слое режим на Lighten (Замена светлым).

Теперь нужно вернуть фотографии цвет. Для этого перейдите на фоновый слой и создайте его копию. Переместите эту копию на самый верх списка слоёв. Режим наложения измените на Color (Цветность).

Зажмите клавишу Alt и наведите курсор мыши на границу между корректирующим слоем Curves (Кривые) и нижележащим слоем. Вид курсора изменяется на два кружка со стрелочкой . Таким образом, вы создадите обтравочную маску.

Повторите эту операцию для всех обесцвеченных слоев.

Перейдите на самый верхний слой и создайте корректирующий слой Hue/Saturation (Цветовой тон/насыщенность). Увеличьте насыщенность до +30. Для получения тонированной фотографии отметьте галочкой Colorize (Тонирование) и подберите цветовой тон и насыщенность по вкусу. При необходимости подправьте кривую корректирующего слоя Curves (Кривые) и уменьшите непрозрачность слоев. Выполните сведение слоев. Желательно сделать снимок более резким. Для этого примените фильтр Unsharp mask (Контурная резкость). Осветлите фон по краям: создайте новый слой. Инструментом лассо грубо обведите с большим запасом девушку. Растушуйте выделение Select (Выделение) – Modify (Модификация) – Feather (Растушевка) и инвертируйте выделение Shift+Ctrl+I. Залейте белым цветом, выбрав инструмент Paint Bucket ( Заливка / ведерко ).
В палитре Layers (Слои) сведите слои, выбрав в контекстном меню правой кнопки мыши FlattenImage (Выполнить сведение).

Низкий ключ.

Низкий ключполучается тоже очень просто, причем Кривые будут нужны лишь 1 раз для повышения контраста:

Создайте копию слоя, измените режим наложения на Multiply (Умножение), непрозрачность – 50. Создайте корректирующий слой Hue/Saturation (Цветовой тон/насыщенность). Ползунок Saturation (Насыщенность) передвиньте на – 50%, режим наложения измените на Darken (Замена темным /Затемнение).

Акимова Надежда

Создайте корректирующий слой Curves (Кривые). Придайте кривой
S-образную форму. Сделать это можно очень просто: выберите в выпадающем списке Preset (Кривые) – Increase Contrast (Повышение контрастности). Вы можете выбрать
и другую предустановку по контрасту или построить кривую самостоятельно. Задайте для корректирующего слоя режим наложения Luminosity (Свечение /яркость).

Сделайте активным слой Background copy (Фон копия) и выберите в меню Select (Выделение) – Color Range (Цветовой диапазон). В списке Select (Выбрать) возьмите Midtones (Средние тона). Нажмите ОК. Появятся «бегущие муравьи». Растушуйте выделение от 7 до 12 пикселей в зависимости от размера снимка. Сделать это можно через меню Select (Выделение) – Modify (Модификация) – Feather (Растушевка) или нажмите Shift + F6. Примените фильтр Gausian Blur (Размытие по Гауссу) с радиусом 1-4 пикселя. Снимите выделение Ctrl+D.

Затемните фон по краям: создайте новый слой, инструментом лассо обведите с большим запасом девушку, растушуйте выделение и инвертируйте его. Залейте черным цветом. Выполните сведение слоев.

Переведите в ч/б — Image (Изображение) – Adjustments (Коррекция) – Black/White (Черное-белое).

Цветокоррекция в режиме LAB

Улучшить тусклую фотографию можно с помощью коррекции инструментом Curves (Кривые)
в режиме LAB. Для этого переведите изображение в этот режим: меню Image (Изображение) – Mode (Режим) – LAB. В палитре Layers (Слои) выберите корректирующий слой Curves (Кривые).

В канале А (цвета зеленый и пурпурный) сдвиньте черный и белый ползунки на одинаковое количество к центру. В канале В (цвета синий и желтый) выполните те же действия. Если значения будут разными, то произойдет цветовой сдвиг.
С помощью этой простой манипуляции мы расширили цветовой диапазон, не изменяя яркость изображения. Вернитесь в режим RGB через меню Image (Изображение) ‑ Mode (Режим) – RGB.

Пошаговую инструкцию коррекции в режиме LAB смотрите в видеоуроке.

Цветокоррекция по числам (теория).

Владея знаниями цветокоррекции по числам, даже дальтоник достигнет хорошего результата
в редактировании безнадежно испорченных фотографий. Даже на некалиброванном мониторе можно задать правильные цвета для вывода на печать. Здесь нет творчества, зато есть анализ. Вы знакомы с палитрой Info (Инфо)? Разбираетесь в цветовых режимах? Знаете, как устроены режимы RGB, CMYK, Lab или хотя бы один из них? Если хотите освоить инструмент Curves (Кривые) в полную силу, придется все это изучить. В этом уроке мы лишь слегка коснемся изучения цветовых пространств, т.к. это слишком большая самостоятельная тема. Но даже знание основных правил поможет понять принцип работы.

Основное правило Дэна Маргулиса: «Всегда используйте полный диапазон доступных тонов и не предлагайте зрителю цветов, наличие которых, в данном изображении противоречит здравому смыслу». В некоторых (простых) случаях цвета, которые должны получиться, известны заранее. Например, седые волосы, окрас пингвина и далматинца должны быть нейтральны. В других (сложных) случаях цвет нам неизвестен, зато мы знаем, каким он точно быть не может (зеленые волосы, фиолетовые коты, синяя трава). Когда мы убираем цвета, которые не могут быть правильными, заменяем их, по меньшей мере, допустимыми, улучшения видны невооружённым глазом.

Тандем палитры Info (Инфо) и инструмента пипетка.

Теперь приступим непосредственно к анализу изображения. Для этого нам понадобится палитра Info (Инфо) и инструмент Eyedropper (Пипетка). Посмотрите на панель параметров этого инструмента. Давайте настроим его правильно. Принятый по умолчанию параметр Point (Точка) в выпадающем меню Point Sample (Размер образца) означает, что палитра Info показывает данные, считываемые только с одного пикселя, который может оказаться посторонней пылинкой, не имеющей ничего общего с изображением.
В выпадающем меню выберите среднее 3х3 или 5х5. Выбрав 3х3 Average (Среднее 3х3), палитра Info (Инфо) покажет значения, усредненные по девяти пикселям; а 5 by 5 Average (Среднее 5х5) даст усреднение по двадцати пяти пикселям.

Любую из двух половин палитры Info (Инфо) можно настроить так, чтобы она показывала цвет в другом цветовом пространстве. Чтобы сделать это, щелкните по значку пипетки в палитре Info (Инфо) и выберите тот режим, в котором вы чувствуете себя увереннее. Проще всего определять нейтральные тона в режиме Lab. Поводите пипеткой по изображению и проследите, как меняются цифры в тенях, светах и средних тонах. Найдите нейтральные объекты и проанализируйте их на предмет цветового сдвига.

Подсказка: В RGB, нейтральный цвет — серый, белый, черный имеет одинаковые значения во всех трех каналах. Белый – R255, G255, B255. Черный – R0,G0,B0. 50% Серый – R128, G128, B128.

В CMYК нейтральный цвет должен содержать одинаковое количество пурпурного и желтого, но несколько большее количество голубого. Для светов установите значение С5, М2, Y2.

В LAB нейтральный цвет (серый, белый, черный) = 0.

Инструментом Color Sampler (Цветовой эталон) , находящимся на панели инструментов в одной связке с пипеткой , или инструментом пипетка с одновременным удержанием клавиши SHIFT можно выбрать до 4 точек на изображении. При этом палитра Info (Инфо) увеличится. Эта информация будет полезна при редактировании кривых, т. к. можно одновременно наблюдать за изменениями, происходящими во всех четырех точках.

В палитре Layers (Слои) добавьте корректирующий слой Curves (Кривые). Поставьте точку на кривой и сдвиньте ее. Поводите курсором по изображению. В палитре Info (Инфо) вы заметите изменения. Рядом с цифрами, обозначающими первоначальный цвет, через дробь, будут добавлены новые цифры. Они обозначают новый цвет для каждого участка, на который вы наведете курсор.

Цветокоррекция по чилам (практика).

В видеоуроке мы подробно разбираем цветокоррекцию по числам. Вы увидите процесс возвращения правильных цветов на примере фотографии, сделанной в Лапландии. Правая часть палитры Инфо будет настроена на режим Lab. Белый снег должен показывать значение 0 в каналах А и В. Сосны должны быть зелеными. Это значит отрицательные значения должны быть в канале А. Лица людей не должны быть синими и зелеными, а значит в каналах А и В должны быть положительные значения.

Таблица памятных цветов.

Ниже приведена таблица для начинающих MemorableColours (Памятных цветов). Автор: Модест Осипов ([email protected]) собирал эти цвета около 12 лет. Спасибо ему за этот очень нужный и полезный труд. Не нужно учить ее наизусть как таблицу умножения. Цвета могут сильно отличаться в зависимости от освещения. В таблице они характеризуют зону средней освещённости. Пользуйтесь ей с погрешностью на внешние факторы. Начинайте с поиска самой светлой значимой точки, затем найдите самую темную точку. Следующий этап это поиск серых нейтральных тонов или кожи и в заключении остальные памятные цвета.

Цвет	sRGB	Lab	CMYK[Euroscale Coated v2]	Adobe RGB (1198)
Белый	247.247.247	97.0.0	4.3.3.0	246.246.246
Серый	132.132.132	55.0.0	54.41.41.7	131.131.131
Чёрный	17.17.17	5.0.0	84.70.70.80	24.24.24
Телесные тона
Ребёнок	239.201.184	84.12.14	5.25.25.0	228.200.183
Гламур	241.212.198	87.9.11	5.20.20.0	233.210.197
Белая раса	234.178.146	77.18.25	5.20.20.0	218.176.145
Загар	218.151.108	69.23.33	15.45.55.0	202.150.111
Жёлтая раса	235.188.150	80.14.26	7.30.40.0	233.187.151
Мулат	208.138.196	64.25.34	20.50.60.0	190.136.98
Афроамериканец	91.45.16	25.20.28	60.80.100.40	83.50.25
Природа
Листва/трава весной	196.201.98	79.12.50	30.10.70.0	196.200.105
Листва/трава летом	126.166.60	63.26.48	60.15.90.0	137.163.70
Хвоя	70.134.55	50. 33.35	75.15.90.20	94.132.63
Небо днём	0.200.255	74.32.42	70.0.0.0	100.200.255
Небо утром/ранним вечером	0.160.255	61.17.65	70.15.0.0	45.158.255
Небо поздним вечером	0.52.180	20.10. 85	100.75.0.40	0.55.175
Материалы
Золото (жёлтое)	216.177.77	74.7.55	0.20.70.20	200.174.84
Золото (светлое)	238.223.160	89. 1.33	0.5.40.10	234.222.162
Продукты питания
Лимон (кожура)	255.239.42	94.6.86	0.0.85.0	255.239.70
Узбекский лимон (кожура)	255.212.6	87.4.86	0.15.90.0	244.212.50
Лайм	100.164.33	61.37.55	70.10.100.0	121.162.52
Клубника	232.51.0	52.67.67	0.90.100.0	200.55.0
Малина	231.51.99	53.69.18	0.90.40.0	200.56.100
Вишня	159.2.69	34.58.9	30.100.50.20	134.4.69
Черешня	112.0.29	22.45.19	30.100.70.50	95.0.33
Банан (кожура)	255.223.78	90.1.72	0.10.75.0	248.223.91
Банан (мякоть)	255.239.182	95.0.30	0.5.35.0	252.239.184
Черника	31.60.111	25.4. 34	100.85.35.0	45.62.109
Кокос (мякоть)	247.246.243	97.0.2	4.3.5.0	247.246.242
Киви (мякоть)	113.157.82	60.26.34	65.20.80.0	126.155.87
Апельсин (кожура)	240.132.0	66.38.80	0.55.100.0	215.129.0
Мандарин (кожура)	234.90.0	58.55.72	0.75.100.0	206.91.0
Помидор (парниковый)	230.0.4	49.76.63	0.100.100.0	198.0.13
Помидор (грунтовой)	231.51.44	52.68.50	0.90.80.0	200.53.47
Кетчуп	209.0.14	45.70.56	15.100.100.0	180.4.21
Укроп/петрушка	64.157.41	58. 45.49	80.10.100.0	103.157.56
Молочный шоколад	161.81.24	44.31.46	20.65.90.30	142.82.34
Чёрный шоколад	70.19.10	15.24.18	50.85.90.65	63.27.20
Рис	247.244.237	96.0.4	4.4.8.0	245.243.235
Красное вино	117.0.36	23.48.16	25.100.60.50	100.0.38

Советы:

1. Неправильный выбор точки светов часто является самым верным способом испортить изображение. Блики нельзя рассматривать, как самую светлую, значимую точку. В них нет никакой информации, а значит, их нельзя улучшить. При выборе белой точки не указывайте белой пипеткой на зубы и белки глаз, т.к. у них всегда есть небольшой оттенок. Даже голливудская улыбка имеет теплый тон. При попытке выбрать зубы как самую белую область, уменьшится количество желтого цвета на всей фотографии и она приобретет цветовой сдвиг в сторону синих тонов. Чёрной пипеткой не выбирайте тёмные волосы.

2. У всех цветовых пространств есть свои сильные и слабые стороны. Для применения кривых очень полезным является черный канал в CMYK. Диапазон CMYK меньше чем RGB поэтому интересующие нас объекты попадают на более короткие участки кривых, которые можно сделать намного круче, чем в RGB. Большая часть деталей находится в черном канале. Однако если вы работаете с RGB-файлом, который не будет печататься в типографии, преобразовывайте его
в CMYK только в исключительных случаях; можно использовать LAB или остаться в RGB.

3. Синий канал RGB и желтый в CMYK мало влияют на контраст.

4. Для зеленых объектов самыми темными каналами будут либо красный и синий в RGB, либо голубой и желтый в CMYK. При создании кривых необходимо быть особенно внимательным и не делать красный таким же темным, как синий, иначе деревья приобретут зелено-голубой оттенок.

Коррекцию начинайте от самого темного к светлому каналу. В RGB – Синий, Красный, Зеленый, в СМYK – Желтый, Голубой, Пурпурный.

5. Объединенная кривая или Мастер-Кривая дает хороший результат для нейтральных объектов. С изображениями, в которых один или несколько цветов главные, лучше проводить коррекцию поканально.

6. Если установить для теней значение R0,G0,B0, тени становятся черными, и вся имеющаяся в них информация пропадает. Для изображений, которые не содержат важных деталей в тенях и полутенях, можно выбирать для теней R0,G0,B0, а для светов R255,G255,B255. В большинстве случаев лучше остановить свой выбор для теней R15,G15,B15, а для светов R247,G247,B247.

7. На фотографии лица человека должен присутствовать желтый оттенок, т.к. теплые тона воспринимаются людьми лучше, чем холодные. Исключение составляют люди с кожей красного, желтого и черного цвета.

8. Если файл печатается в RGB —используйте для теней значение 15R15G15B, если, конечно, вы не уверены в том, что ваше выводное устройство сохранит детали и при меньшем значении.

Горячие клавиши:

CTRL + щелчок по изображению – устанавливает узловую точку в канале.

CTRL+SHIFT + щелчок по изображению – добавляет узловые точки во все каналы кроме основного.

SHIFT + щелчок по кривой – добавляет точки, которые можно перемещать одновременно.

SHIFT + щелчок по уже установленным точкам на кривой – выделяет их (точки закрашиваются черным цветом) и их можно передвигать все вместе.

CTRL + D снимает выделение со всех точек.

Стрелки позволят перемещать выделенные узловые точки.

Вопросы:

Какую клавишу надо нажать для изменения масштаба фоновой сетки?

– Shift.

– Ctrl.

– Alt.

– Tab.

– Пробел.

Сколько точек можно выбрать на изображении инструментом Color Sampler (Цветовой Эталон)?

– 1

– 2

– 3

– 4

– Сколько угодно.

Для придания изображению контраста нужно…

– Опустить среднюю точку немного вниз.

– Поднять среднюю точку немного вверх.

– Придать кривой S-образную форму.

– Нажать кнопку Авто.

Сколько точек можно установить на графике?

– 1.

– 5.

– 10.

– 16.

– 21

Домашнее задание:

Откройте файл велосипеды.jpg. Откорректируйте его при помощи корректирующего слоя кривые.
Откройте файл прически.jpg. Переведите изображение в высокий и низкий ключ.
Откройте файл прудик.jpg. Откорректируйте его при помощи корректирующего слоя кривые.
Откройте файл лапландия.jpg. Откорректируйте его при помощи корректирующего слоя кривые.

Отзывы и замечания учеников из группы тестирования учебника. Ответы на заданные вопросы добавлены в урок:

Настя: — По поводу урока. Я читала статьи про использование кривых и сейчас пользуюсь часто этим инструментом в коррекции, так как знаю его возможности. Твой урок объединяет все знания. В принципе, мне понравился как написан. Все основы упомянуты (где света на графике, где тени, как улучшить контраст, коррекция по каналам) и для новичков может стать открытием данный урок. Честно говоря, не вникала в часть с подробностями, так как знаю, что мало что из этого запомню. Очень хорошо показаны в текстовой части примеры графиков (как затемнить, осветлить, повысить контраст.) Кстати, очень полезные советы даны в текстовой части!!!!! Коррекция по числам мне осталась непонятной, может потому что не очень в это вникала. Полезным в понимании урока стало выполнение ДЗ. Все основные возможности коррекции рассмотрены. А низкий и высокий ключ в фотографии даны как просто дополнение и мини уроки по коррекции? Мне, кстати, понравились эти результаты!!!

B.Olga.B: — Очень нужный урок! Спасибо большое за него!!! Пока смотрела видео-урок все было легко и понятно, а как взялась за домашнее задание, оказалось не все так просто….. Долго мучилась с Лапландией, но она так и не поддалась Спасибо большое!!!

Елена З: — Здравствуйте, Светлана, кривые в своей работе использовала только канал RGB, различную форму кривой задавала в зависимости от яркости, контрастности. Но теперь пригодится и по отдельным каналам убирать лишний цвет. В принципе у меня нет таких фотографий с кардинальным световым сдвигом, но возьму на вооружение.

Бабенко Юлия: — Ох и трудным урок мне показался, сидела долго, мучительно, очень намучилась с высоким и низким ключом. Высылаю все результаты, а ты подскажи что да как) Очень трудно дался этот урок, хотя объяснения вполне нормальные.

Елена Михайлова: (Автор: — Елена вместо отзыва подкорректировала мне этот урок. Нашла целую кучу ошибок, которые я впоследствии исправила. Лена, огромное Вам за это спасибо!!!! )

Панова Светлана: — Светлана, Вы совершенно правы, урок о кривых самый сложный из всех предыдущих. Долго пробовала выполнить коррекцию фотографий и надеюсь, что у меня получилось. При выполнении задания вызвали сложности коррекции фотографий в высоком и низком ключе, возможно из-за того, что в видио уроке объяснение было на другой фотографии и сравнить свой промежуточный результат не с чем. Сам урок написан очень хорошо, вот только в конце видио урока (при объяснении домашнего задания) очень отличается звуковой диапазон голоса. В остальном все отлично. Спасибо за урок!

Надежда Диденко: (Автор: — Надежда, Вы мой ангел-корректор! Было очень много ошибок в тексте урока, и вы его просто спасли от злобных критиков перед публикацией. Большое Вам человеческое спасибо!)

Баланс белого: как добиться правильной цветопередачи при цифровой фотосъемке

Часто приходится видеть или слышать, что у людей, не разбирающихся в технике фотографии, снимки получаются с каким-либо неправильным цветовым оттенком: синим, желтым, а то и зеленым. В чем причина данной проблемы?

Вы наверняка замечали, что одна лампа, купленная в магазине, имеет желтоватый оттенок света, а другая — чисто белая, иногда синеватая?

Дело в том, что любой источник видимого света имеет так называемую цветовую температуру, которая измеряется в Кельвинах. Цветовая температура зависит от длины волны излучаемого света. В физике существует понятие “абсолютно черное тело” — это тело, которое полностью поглощает все падающие на него лучи. Цветовая температура, соответственно, обозначает температуру, до которой нужно нагреть абсолютно черное тело, чтобы оно излучало свет с данной длиной волны. Большая длина волны означает красный цвет, а более короткая — синий и даже фиолетовый. Таким образом, как ни странно, высокая цветовая температура обозначает холодный цвет, а низкая — теплый.

Зрительная система человека приспособилась к этому, и мы не замечаем, что, когда на белую поверхность падают солнечные лучи, она окрашивается в желтоватый цвет. Для нас зеленая трава всегда остается зеленой: на закате, когда небо окрашивается в красный цвет, в сумерках, в облачную погоду и на прямом солнце. В то же время на фотографии становится видно, что это далеко не так: цвет объектов на фотографии отличается в разное время суток или под разными источниками света.

В отличие от нашей зрительной системы информация о цвете у цифровых фотоаппаратов слагается из трех цветов. Матрица у них состоит из светочувствительных датчиков — пикселей, каждый из которых имеет цветной фильтр одного из цветов: красного, зеленого или синего (встречаются и другие варианты устройства матрицы, но у всех используется пространство RGB, где R — красный,G — зеленый, B — синий). Поэтому все оттенки освещения непосредственно записываются на фотографии. Для того чтобы изображение цвета на фотографии было без искажений, существует такая настройка как баланс белого цвета, или просто «баланс белого». Эта настройка вносит поправку в цветовую температуру снимка, для того чтобы он выглядел естественно. Для этого камера или фотограф должны определить цветовую температуру источника света. Например, настройка цветовой температуры в 10000К означает, что свет имеет синий оттенок и камера добавляет красно-желтого цвета. Если эта настройка неверна и на самом деле свет не такой холодный, то фотография приобретет теплый оттенок. Таким образом, когда мы повышаем температуру, фотография желтеет, когда понижаем — становится синей.

Кроме того, в настройке баланса белого присутствует и так называемый “сдвиг зеленого”, так как такие источники света, как люминесцентные лампы, вносят и зеленоватый, либо наоборот, пурпурный оттенок в изображение.

Примеры эффекта баланса белого

Правильно настроенный баланс белого:

Слишком высокая цветовая температура:

Слишком низкая цветовая температура:

Итак, алгоритм работы автоматического определения баланса белого камерой таков: камера пытается найти на фотографии какой-либо предмет, обладающий нейтральным цветом (белый или серый), и отрегулировать температуру снимка так, чтобы он был действительно нейтральным по цвету. В хороших условиях этот алгоритм работает вполне неплохо. Но то же самое мы можем сделать вручную, если не доверяем камере или нас не устраивает результат её автоматики.

При этом момент настройки баланса белого отличается в зависимости от формата, в котором сохранен снимок. Например, “сырой” формат RAW, предназначенный для последующей обработки фотографий, хоть и сохраняет настройку баланса белого, которую использовала камера, позволяет менять его уже у готовой фотографии в программе обработки на компьютере, либо в камере, если она поддерживает данную функцию. В то же время, у сжатых форматов, таких как JPEG, корректно поменять баланс белого готового снимка уже не получится.

Как же работать с этой настройкой и как добиться правильной цветопередачи на фотографиях?

Как правило, в фотоаппарате возможно выбрать один из вариантов настройки баланса белого:

1) Автоматический выбор. Здесь фотоаппарат самостоятельно определяет цветовую температуру в соответствии с заданным производителем алгоритмом. Определение происходит в определенном диапазоне. Его можно порекомендовать, когда вы точно уверены, что автомат сработает адекватно или условия съемки меняются очень часто.

Для корректной работы автоматического баланса белого в кадре должен быть хотя бы один нейтральный по цвету объект.

2) Выбор источника освещения. Здесь выбирается тип источника света, и снимку придается фиксированное значение цветовой температуры, характерное для этого источника. Например, в камерах Canon используются следующие преднастройки:

Лампа накаливания — 3200К. Данная настройка предназначена для нейтрализации теплого оттенка, который дают всем известные электрические с нагретой вольфрамовой нитью. Естественно, нагретый металл имеет ярко выраженный красно-желтый цвет. Можете использовать её, когда хотите придать фотографии ярко выраженный холодный оттенок, как на фотографии ниже.

Флуоресцентные лампы — 4000К. Лампы данного типа могут иметь разную цветовую температуру, поэтому в продвинутых фотоаппаратах могут встречаться разные настройки для флуоресцентных ламп. Также данная настройка вносит пурпурный оттенок в фотографию, что может использоваться для съемки на восходе и закате.
Дневной свет — 5200К. Применяется при прямом солнечном свете.
Облачная погода — 6000К. Как ясно из названия, режим предназначен для съемки днем на улице, но когда небо затянуто облаками.
Тень — 7000К. Используется в тех сложных случаях, когда мы снимаем под открытым небом, но объект съемки находится в тени.

3) Ручной выбор. Можно самостоятельно выбрать цветовую температуру с определенным шагом. На лампах очень часто напрямую указывается их цветовая температура. Очевидно, можно использовать экран фотоаппарата или электронный видоискатель для отслеживания изменений баланса белого при ручной настройке.

4) Пользовательский баланс белого. Это настройка баланса белого по образцу поверхности нейтрального цвета (то есть белой или серой). Что это такое и как он применяется?

Допустим, мы не знаем точной температуры источника света и при этом не доверяем автоматике, но хотим максимально правильной цветопередачи на снимках. Как же настроить баланс белого максимально точно? Есть два основных подхода.

Предварительная настройка по бесцветной поверхности. Первый вариант подойдет в случае, когда нужно выставить баланс белого перед съемкой. Это полезно, если вы не планируете редактировать фото потом или снимаете видео. Последовательность действий такова:

а) Найти так называемую серую карту. Это карта, имеющая 18% серого цвета, но можно воспользоваться любой белой поверхностью без бликов (лист бумаги, белая техника).

Компактная серая карта:

Студийная серая карта:

б) Сделать фотографию выбранного образца (при этом нужно, чтобы он занимал весь снимок). Можно даже отключить автофокус и поднести объектив к образцу, не фокусируясь на него.

в) Выбрать фотографию с серой картой (или её заменой) как эталон для пользовательского баланса белого.

г) Использовать данную настройку баланса белого для последующих снимков, сделанных при том же освещении, что и «образцовый» снимок с серой картой.

Второй вариант — настроить баланс белого при постобработке.

Последовательность действий при этом:

Включить в фотоаппарате съемку в формате RAW
При фотографировании сделать снимок серой карты в месте основной съемки.
При постобработке в RAW-конверторе с помощью применения пипетки баланса белого на серой карте добиться правильной цветопередачи. Естественно, на снимке не должно быть цифровых шумов, так как они имеют цвет.
Применить эту настройку в программе для готовых снимков, сделанных при том же освещении.

В обоих случаях нам важно, чтобы замер баланса белого происходил при том же освещении, что и остальные фотографии, для которых он применяется. Так, например, если мы снимаем на природе и поменялась погода, то нам необходимо заново делать настройку баланса белого по серой карте. То же самое справедливо при смене места съемки.

При использовании белой поверхности (лист бумаги или что-то подобное) необходимо помнить, что даже белая краска имеет в своем составе цветные красители. А уж количество этих красителей может отличаться у разных производителей. Так что лучше всё же использовать серую карту, купленную в фотомагазине.

Вместо серой карты может использоваться устройство, выпускаемое под торговой маркой EXPODISC. Это специальная белая полупрозрачная насадка, которая надевается спереди на объектив фотоаппарата.

Далее остается отключить автофокус, направить объектив на источник света и произвести замер баланса белого. Здесь мы измеряем падающий, а не отраженный свет, и этот способ является более точным.

Проблема наступает тогда, когда в кадр попадает свет от источников света с разной цветовой температурой, например при смешении естественного и искусственного освещения. В данном случае автоматический баланс белого будет стремиться “усреднить” цветовую температуру. Это может быть не самым лучшим вариантом.

Если один источник света преобладает и остальные источники не сильно отличаются от него по температуре, то можно настроить баланс белого по нему. Также можно сделать приоритетным именно естественный источник света при его наличии. Однако бывает, что разница слишком выражена и откровенно портит фотографию. В данном случае никакая настройка баланса белого не поможет, нужно работать с самими источниками света. Так, если вы фотографируете с накамерной вспышкой, имеющей цветовую температуру 5500K, свет которой при этом попадает в кадр вместе с окружающим светом, отличающимся по цветовой температуре, необходимо использовать соответствующие цветные фильтры на вспышку, чтобы выровнять эту разницу.

Существуют также разнообразные цветные фильтры для студийного освещения.

При всем при этом, идеальная настройка баланса белого не всегда является наиболее правильной. В творческих целях можно применять и слегка смещенный баланс белого, чтобы придать тот или иной оттенок фотографии. Например, при съемке на закате или рассвете можно сделать снимки теплее, а зимние кадры со снегом могут лучше выглядеть слегка более холодными. Здесь все зависит от вашего вкуса, ведь и «перебарщивать» с цветопередачей тоже никогда не стоит.

Коррекция кривых фотографии в приложении «Фото» на Mac

Используя коррекцию кривых, можно изменить яркость и контрастность фотографии. Вы можете настроить общий внешний вид фотографии, изменить внешний вид определенных цветов (красного, зеленого и синего), а также задать настройки для точки черного, средних тонов и точки белого.

В режиме коррекции кривых отображается гистограмма с диагональной линией, проходящей от точки черного (левый нижний угол) до точки белого (правый верхний угол). Чтобы настроить яркость или контрастность фотографии, Вы можете добавить точки на линию в тех местах, где Вы хотите внести изменения. Перетяните точку вверх для увеличения яркости; перетяните точку вниз для уменьшения яркости. Перетяните точку влево для увеличения контрастности; перетяните точку вправо для уменьшения контрастности.

Открыть приложение «Фото»

В приложении «Фото» на Mac дважды нажмите фотографию, затем нажмите «Редактировать» в панели инструментов.
Нажмите «Коррекция» на панели инструментов.
В панели «Коррекция» нажмите стрелку рядом с пунктом «Кривые».
Выполните одно из следующих действий.
- Автоматическая коррекция кривых фотографии. Нажмите раскрывающееся меню «Кривые», выберите «RGB» или цвет, который хотите откорректировать, затем нажмите «Авто».
- Ручная настройка точки черного, средних тонов и точки белого на гистограмме. Нажмите кнопку «Пипетка» для точки, которую хотите изменить, затем нажмите участок на фотографии, который наилучшим образом представляет точку черного, средние тона или точку белого на фотографии.
  - Точка черного. Настраивает уровень, при котором черные области становятся совершенно черными (невозможно разглядеть ни одной детали).
  - Средние тона. Настраивает осветление или затенение средних участков фотографии.
  - Точка белого. Настраивает уровень, при котором белые области становятся совершенно белыми.
    Вы также можете перетянуть верхний или нижний манипулятор диагональной линии на гистограмме, чтобы изменить диапазон корректировки точки черного и точки белого. Например, чтобы настроить точку белого на гистограмме, перетяните верхний манипулятор в новое место.
- Ручная настройка кривых для цветов на фотографии. Нажмите кнопку «Добавить точки», затем нажмите участки на фотографии, которые хотите изменить. Каждое нажатие добавляет на диагональную линию гистограммы новую точку. Для добавления точек также можно нажимать диагональную линию гистограммы. Добавив точки, перетяните их для коррекции яркости и контрастности фотографии.
- Изменение красного, зеленого или синего цвета на фотографии. Нажмите раскрывающееся меню «Кривые», затем выберите цвет, который хотите изменить. Нажмите кнопку «Добавить точки», затем нажмите участки на фотографии, которые хотите изменить. Перетяните точки, добавленные на диагональную линию, чтобы настроить этот цвет на фотографии.

ЖК-монитор Samsung U28D590D

Секрет массового появления на рынке доступных мониторов разрешения Ultra HD (3840 на 2160 пикселей) с диагональю 28 дюймов заключается в том, что производителям мониторов стали доступны относительно недорогие матрицы с такими параметрами. Недорогие потому, что это матрицы типа TN. Рассмотрим на примере монитора Samsung U28D590D, что же из этого получилось.

Содержание:

Паспортные характеристики, комплект поставки и цена

Тип матрицы	TN со светодиодной (WLED) подсветкой
Диагональ	70 см (28 дюймов)
Отношение сторон	16:9 (620,93×341,28 мм)
Разрешение	3840×2160 пикселей (UHD)
Шаг пикселей	0,16 мм
Яркость	370 кд/м²
Контрастность	Статическая 1000:1, динамическая Mega ∞
Углы обзора	170° (гор.) и 160° (верт.)
Время отклика	1 мс (от серого к серому — GTG)
Количество отображаемых цветов	1 млрд
Интерфейсы	Видео/аудиовход HDMI, 2 шт. Видео/аудиовход DisplayPort Выход на наушники (гнездо 3,5 мм миниджек)
Совместимые видеосигналы	HDMI — до 3840×2160/30 Гц (Отчет MonInfo) DisplayPort — до 3840×2160/60 Гц (Отчет MonInfo)
Акустическая система	Отсутствует
Особенности	Подставка: наклон 1° (±2,0°) вперед и 15° (±2,0°) назад Возможность вывода изображения от двух источников Поддержка 10 бит на цвет Режим для игр Разъем для кенсингтонского замка
Размеры (Ш×В×Г)	661×410×65 мм без подставки 661×486×169 мм с подставкой
Масса	5,05 кг без подставки 5,65 кг с подставкой
Потребляемая мощность	32 Вт максимум 0,45 Вт в режиме ожидания, менее 0,3 Вт в выключенном состоянии
Напряжение питания (внешнего БП)	100—240 В, 50/60 Гц
Комплект поставки (необходимо уточнять перед покупкой)	Монитор Комплект подставки: основание, стойка и два винта Кабель питания Внешний блок питания (100—240 В, 50/60 Гц на 14 В, 4 А постоянного тока) Кабель DisplayPort Кабель HDMI Краткое руководство пользователя Гарантийный талон CD-ROM с ПО, драйвером и руководством пользователя
Ссылка на сайт производителя	www.samsung.com/ru
Средняя цена по данным Яндекс.Маркет	T-10708155
Предложения по данным Яндекс.Маркет	L-10708155-10

Внешний вид

Дизайн строгий и подчеркнуто минималистичный. Внешние панели монитора, включая рамку вокруг экрана и подставку, изготовлены из пластика с разнообразной поверхностью. Фронтальная рамка — черный зеркально-гладкий пластик, видимо, без покрытия. По внешнему периметру блока экрана идет окантовка с зеркально-гладким покрытием под хром. Задняя панель почти вся матовая темно-серая чуть серебристая с фактурой под неполированный металл. Стойка и основание подставки снаружи матовые темно-серые и тоже местами слегка серебристые. И, наконец, накладка передней планки на основании подставки имеет матовую серебристую поверхность. Поверхность матрицы черная полуматовая (больше матовая, чем зеркальная) и относительно жесткая. В нижнем правом углу на фронтальной рамке находится крохотный индикатор состояния. Вместо привычных кнопок управления монитор оснащен одной единственной, но пятипозиционной (отклонения в стороны, вверх-вниз и нажатие) кнопкой-джойстиком, расположенной на задней панели в пределах доступности для указательного пальца правой руки.

Разъем питания и интерфейсные разъемы расположены в неглубокой нише примерно в центре задней панели и ориентированы назад.

Ниже на задней панели можно обнаружить разъем для кенсингтонского замка. Монитор оснащен внешним блоком питания. Штатная подставка позволяет блок экрана немного наклонить вперед и отклонить назад.

Основание подставки небольшое по площади, что повышает эффективность использования рабочей площади стола. При этом благодаря характерной Т-образной форме стоит монитор относительно устойчиво.

Конструкция подставки достаточно жесткая, так как основные несущие элементы подставки изготовлены из стали и алюминиевого сплава, а планка в передней части основания усилена ребрами жесткости. Резиновые накладки снизу на основании подставки защищают поверхность стола от царапин и предотвращают скольжение монитора на гладких поверхностях. Кабели, идущие от разъемов монитора, можно завести на скобку из пластика на задней панели. Продается монитор в большой, но традиционно для Samsung очень узкой коробке, оформленной в поддержку дизайна самого монитора — минимализм и серый цвет.

В вертикальных плоскостях коробки есть прорезные ручки, что облегчает транспортировку монитора одним человеком.

Коммутация

Монитор оснащен тремя видеовходами: DisplayPort и парой HDMI. В дополнение к ручному выбору входа есть отключаемый режим с автоматическим поиском активного подключения.

Входы HDMI и DisplayPort способны принимать цифровые аудиосигналы (только PCM стерео), которые выводятся после преобразования в аналоговый вид через гнездо миниджек 3,5 мм. К этому гнезду можно подключить внешнюю активную акустическую систему или наушники. Мощности выхода на наушники хватило, чтобы в 32-омных наушниках громкость была достаточной, и даже с большим запасом. Качество звука в наушниках в принципе неплохое — звук чистый, воспроизводятся все частоты, в паузах шума не слышно.

Меню, локализация и управление

Индикатор питания при работе неярко светится синим, в режиме ожидания — мигает синим и не горит, если монитор условно выключен. Если в меню изменить режим работы индикатора, то получим следующее: не горит, мигает, светится, соответственно. Настраивать монитор и управлять его режимами очень удобно благодаря эргономичной кнопке-джойстику и продуманной организации меню. Кнопка многофункциональная. Если монитор находится в режиме ожидания и/или отсутствует сигнал на текущем входе, то нажатие вверх-вниз переключает входы, а долгое нажатие в центр выключает монитор. Если монитор в рабочем режиме и на экране нет меню, то нажатие в центр выводит меню быстрого доступа из четырех пунктов — переключение входа, вызов основного меню, настройка режима двух источников и выключение монитора.

Отклонение кнопки в указанном состоянии монитора выводит другое короткое меню — быстрый доступ к трем настройкам изображения, регулировка громкости и вход в описанное выше меню.

В этом случае при настройке изображения на экран выводится небольшое окошко с ползунком, а настройки перебираются отклонениями кнопки вверх и вниз.

При активном меню кнопка-джойстик работает как удобный инструмент навигации. Меню относительно крупное. В правой части меню выводится контекстная подсказка, которая, как ни странно, вполне релевантна.

При настройке изображения меню остается на экране, что немного мешает оценке вносимых изменений. Можно выключить слабую прозрачность фона, установить тайм-аут автоматического выхода из меню и настроить режим повтора при удерживании кнопки. Присутствует таймер на выключение (1—23 часа). Есть русская версия экранного меню.

Кириллический шрифт меню ровный и читаемый. Качество перевода надписей в меню на русский язык хорошее. На CD-ROM из комплекта мы обнаружили руководства пользователя в виде PDF-файлов (русскоязычная версия присутствует). Кроме того, на этом диске есть драйвер монитора (файлы INF и CAT) и профиль цветокоррекции (ICM). На сайте компании в разделе поддержки мы нашли руководства и драйверы.

Изображение

Есть настройки Яркость, Контраст и Четкость.

Список MagicBright — это два предустановленных профиля с сочетаниями Яркость/Контраст, один пользовательский, а при выборе профиля Автоконтраст блокируются большинство настроек, и включается динамическое управление яркостью (яркость повышается для светлых сцен и понижается для темных). Отдельно вынесен предустановленный профиль для игр, который от других профилей ничем особенным не отличается. Параметр Время отклика отвечает за режимы разгона матрицы. Есть возможность выбрать яркостный диапазон при HDMI-подключении. Функция MagicAngle позволяет уменьшать характерные для TN-матрицы искажения при взгляде под углом, ее работу мы рассматривали в статье про ЖК-монитор Samsung SyncMaster BX2350.

На странице Цвет можно выбрать один из предустановленных профилей цветовой температуры или самому отрегулировать усиление красного, зеленого и синего цветов. Настройка Гамма определяет текущий профиль гамма-коррекции.

Режимов геометрической трансформации два: можно или сохранить исходные пропорции изображения (Авто), вписав его в экран до ближайших границ (на практике до горизонтальных, и пропорции считаются по пикселям, поэтому картинка 4:3 PAL или NTSC слегка искажается), или принудительно растянуть на весь экран (Широкий). Для каждого входа в отдельности можно включить режим AV, в котором картинка немного увеличивается так, что по периметру выходит за границы области отображения. Есть функция отображения картинки от двух источников сразу в виде пары основное окно во весь экран и маленькое в углу или двух изображений в двух (правой и левой) половинах экрана.

При HDMI-подключении поддерживается разрешение до 3840 на 2160 пикселей включительно, но только при 30 Гц кадровой частоты. Кино смотреть можно, работать нельзя. При подключении по DisplayPort максимальная частота при таком разрешении увеличивается до комфортных 60 Гц кадровой частоты. Также в случае DisplayPort и профессиональных видеокарт поддерживается 10 бит на цвет, что подтверждается соответствующим тестом от NEC.

Кинотеатральные режимы работы мы тестировали с использованием Blu-ray-плеера Sony BDP-S300. Проверялась работа по HDMI. Монитор воспринимает сигналы 576i/p, 480i/p, 720p, 1080i и 1080p при 50 и 60 кадр/с. 1080p при 24 кадр/с поддерживается, но кадры в этом режиме выводятся с отношением длительности как 2:3. В случае чересстрочных сигналов неменяющиеся участки выводятся по кадрам, двигающиеся объекты — по полям и дергаются. Тонкие градации оттенков различаются как в светах, так и в тенях для стандартного диапазона видео. Яркостная и цветовая четкости очень высокие. Интерполяция низких разрешений и Full HD к разрешению матрицы выполняется без значимых артефактов, но по субъективным ощущениям качество масштабирования могло бы быть и лучше.

«Кристаллический» эффект выражен настолько слабо, что можно признать его отсутствие. Матовость поверхности матрицы позволяет работать с комфортом в случае типичного варианта расположения монитора, пользователя и светильников в помещении.

Тестирование ЖК-матрицы

Микрофотографии матрицы

Четкое изображение структуры пикселей из-за матовой поверхности получить не удается, впрочем, в случае TN никакой структуры и не должно быть:

Фокусировка на поверхности экрана выявила хаотично расположенные микродефекты поверхности, отвечающие собственно за матовые свойства:

Зерно этих дефектов в несколько раз меньше размеров субпикселей, поэтому фокусировка на микродефектах и «перескок» фокуса по субпикселям при изменении угла зрения выражены слабо, из-за этого нет и «кристаллического» эффекта.

Оценка качества цветопередачи

Для оценки характера роста яркости на шкале серого мы измерили яркость 17 оттенков серого при различных значениях параметра Гамма. На графике ниже приведены полученные гамма-кривые (в подписях число в скобках — это показатель аппроксимирующей степенной функции):

Реальная гамма-кривая ближе всего к стандартной при Режим2, поэтому далее мы измерили яркость 256 оттенков серого (от 0, 0, 0 до 255, 255, 255) именно при этом значении. График ниже показывает прирост (не абсолютное значение!) яркости между соседними полутонами:

Рост прироста яркости в среднем более-менее равномерный, и каждый следующий оттенок значимо ярче предыдущего. Кроме одного в середине и двух ближайших к черному оттенков в темной области:

Можно считать, что такой минимальный завал в тенях практически не сказывается на качестве изображения. А при взгляде под небольшим углом сверху и этот завал в тенях исчезает. Аппроксимация полученной гамма-кривой дала показатель 2,38, что выше стандартного значения 2,2, поэтому изображение слегка затемнено. При этом аппроксимирующая показательная функция заметно отклоняется от реальной гамма-кривой:

Для оценки качества цветопередачи использовали спектрофотометр i1Pro 2 и комплект программ Argyll CMS (1.5.0).

Цветовой охват немного отличается от sRGB:

Впрочем, отклонения координат первичных цветов от вершин sRGB не очень большие, поэтому визуально цвета на этом мониторе имеют естественную насыщенность. Ниже приведен спектр для белого поля (белая линия), наложенный на спектры красного, зеленого и синего полей (линии соответствующих цветов):

Такой спектр с относительно узким пиком синего и с широкими горбами зеленого и красного цветов характерен для мониторов, в которых используется белая светодиодная подсветка с синим излучателем и желтым люминофором.

Цветопередача даже при выборе лучшего из предустановленных вариантов несколько отличается от стандартной, поэтому мы попытались вручную скорректировать цвета, регулируя усиление трех основных цветов. Графики ниже показывают цветовую температуру на различных участках шкалы серого и отклонение от спектра абсолютно черного тела (параметр ΔE) в случае профиля Норм. в изначальном варианте и после ручной коррекции:

Самый близкий к черному диапазон можно не учитывать, так как в нем цветопередача не так важна, а погрешность измерения цветовых характеристик высокая. Ручная коррекция существенно улучшила цветопередачу, по крайней мере, точка белого еще больше приблизилась к 6500 К и ΔE стала заметно меньше. Для дальнейшей коррекции цветопередачи нужно использовать другие средства, например, калибровку с правкой LUT-видеодрайвера и/или использование системы управления цветом на основе цветовых профилей.

Измерение равномерности черного и белого полей, яркости и энергопотребления

Измерения яркости проводились в 25 точках экрана, расположенных с шагом 1/6 от ширины и высоты экрана (границы экрана не включены). Контрастность вычислялась, как отношение яркости полей в измеряемых точках.

Параметр	Среднее	Отклонение от среднего
Параметр	Среднее	мин., %	макс., %
Яркость черного поля	0,44 кд/м²	−10	13
Яркость белого поля	348 кд/м²	−11	9,8
Контрастность	788:1	−3,2	3,5

Аппаратные измерения показали хорошую равномерность всех трех параметров. Визуально черное поле равномерное на большей части площади экрана и только вдоль нижней границы в узкой области яркость слегка повышается. Фотография ниже это демонстрирует:

При включении режима Автоконтраст установившаяся контрастность формально возрастает до бесконечности, так как на черном поле во весь экран подсветка просто выключается (и белых участков размером с курсор мыши недостаточно для включения). График ниже показывает, как увеличивается яркость при переключении с черного поля (подсветка на нем выключилась) на белое:

Подсветка сразу включается на некоторый уровень, а затем плавно и нелинейно повышается до максимального значения. Практической пользы от этой функции немного, но производитель может написать слово Mega со значком бесконечности.

Яркость белого поля в центре экрана и потребляемая от сети мощность:

Значение настройки Яркость	Яркость, кд/м²	Потребление электроэнергии, Вт
100	370	36
50	220	26
0	14	15

В режиме ожидания и в выключенном состоянии монитор потребляет 0,3 Вт.

Яркость монитора меняется именно яркостью подсветки, т. е. без ущерба для качества изображения (сохраняется контрастность и количество различимых градаций) яркость монитора можно менять в очень широких пределах, что позволяет с комфортом работать и смотреть фильмы как в освещенном, так и в темном помещении. На уровне яркости где-то до 35% модуляция подсветки отсутствует. Ниже — появляется модуляция прямоугольными импульсами с амплитудой 100% и частотой 240 Гц. Графики ниже демонстрирую зависимость яркости (вертикальная ось) от времени при различных значениях настройки Яркость, (в скобках указано точное или полученное интерполяцией значение реальной яркости в кд/м²):

Частота модуляции не самая низкая из встречающихся, но все равно в зависимости от индивидуальной чувствительности такое мерцание может вызывать повышенную утомляемость при работе за монитором на низкой яркости. Впрочем, уменьшать яркость до 125 кд/м² (когда мерцание уже заметно) и ниже потребуется только при использовании монитора в очень темном помещении.

Определение времени отклика и задержки вывода

Время отклика зависит от значения настройки Время отклика, которая управляет разгоном матрицы. Ступени регулировки три. График ниже показывает, как меняется время включения и выключения при переходе черный-белый-черный (столбики вкл. и выкл.), а также среднее суммарное время для переходов между некоторыми полутонами (столбики GTG):

Так выглядят графики для перехода между оттенками 20% и 40% (по численному значению оттенка в RGB-представлении) при различных значениях Время отклика:

На максимуме разгон очень сильный, артефакты бросаются в глаза. На среднем значении разгон умеренный, но времена отклика заметно меньше, чем без разгона вообще, и видимых артефактов нет. Его мы и рекомендуем использовать. Отметим, что для этого перехода на максимуме разгона для времени выключения мы получили порядка 1,3 мс, что в какой-то степени соответствует заявленному производителем времени отклика в 1 мс.

Задержка вывода изображения относительно ЭЛТ-монитора (тестируемый монитор подключен как первичный) составила 12 мс при подключении по HDMI в режиме 1080p. Альтернативный вариант определения полной (с учетом задержки на кадровую синхронизацию) задержки вывода от переключения страниц видеобуфера до начала вывода изображения на экран дал значение в 45 мс для режима 3840 на 2160 и 60 Гц кадровой частоты (DisplayPort), и 90 мс при таком же разрешении и 30 Гц кадровой частоты (HDMI). В любом случае, играть за этим монитором с большой вероятностью придется в разрешении Full HD, а в нем задержка в 12 мс некритична даже в случае динамичных игр.

Измерение углов обзора

Чтобы выяснить, как меняется яркость экрана при отклонении от перпендикуляра к экрану, мы провели серию измерений яркости черного, белого и оттенков серого в центре экрана в широком диапазоне углов, отклоняя ось датчика в вертикальном, горизонтальном и диагональном (из угла в угол) направлениях.


В вертикальной плоскости	В горизонтальной плоскости

По диагонали	Яркость черного поля в процентах от максимальной яркости белого поля

Контрастность

Уменьшение яркости на 50% от максимального значения:

Направление	Угол, градусы
Вертикальное	−26/38
Горизонтальное	−48/45
Диагональное	−40/43

Отметим плавное уменьшение яркости при отклонении от перпендикуляра к экрану в горизонтальном и диагональном направлении, при этом графики яркости полутонов не пересекаются во всем диапазоне измеряемых углов. При небольшом отклонении вниз инвертируются темные оттенки, при большом отклонении вверх инвертируются светлые. Контрастность в диапазоне углов ±82° опускается ниже отметки 10:1 только в при 55° отклонения вниз.

Для количественной характеристики изменения цветопередачи мы провели колориметрические измерения для белого, серого (127, 127, 127), красного, зеленого и синего, а также светло-красного, светло-зеленого и светло-синего полей во весь экран с использованием установки, подобной той, что применялась в предыдущем тесте. Измерения проводились в диапазоне углов от 0° (датчик направлен перпендикулярно к экрану) до 80° с шагом в 5°. Полученные значения интенсивностей были пересчитаны в ΔE относительно замера каждого поля при перпендикулярном положении датчика относительно экрана. Результаты представлены ниже:

В качестве реперной точки можно выбрать отклонение в 45°, что может быть актуальным в случае, например, если изображение на экране рассматривают два человека одновременно. Критерием сохранения правильности цветов можно считать значение ΔE меньше 3.

Из графиков следует, только при отклонении вверх хотя бы основные цвета не сильно изменяются в оттенке. Вообще, значительный сдвиг большинства оттенков является наряду с инвертированием яркости полутонов характерной особенностью матриц типа TN.

Выводы

Несмотря на неплохое функциональное оснащение — тут и картинка от двух источников, и три цифровых видеовхода, и даже реальная поддержка 10-битного вывода, — область возможного применения данного монитора ограничивает TN-матрица с ее характерными недостатками. Из-за матрицы работать с цветом, где 10 бит не помешали бы, как и высокое разрешение, несколько затруднительно, и даже кино смотреть не очень комфортно (вопрос про доступность видео 4К мы не будем рассматривать). Для игр (есть эффективный разгон), наверное, такое высокое разрешение еще не очень актуально. Для офиса избыточно. Остаются специфические варианты, когда на экран нужно выводить очень много информации в виде единого поля, которое неудобно, например, разбивать на несколько мониторов или постоянно прокручивать, и при этом к качеству цветопередачи не предъявляются высокие требования. Работа с системами CAD/CAM? Почему бы и нет. Да, и остаются энтузиасты, которым очень-очень нужно Ultra HD за невысокую цену в мониторе стильного дизайна.

Достоинства:

Три цифровых видеовхода
Очень удобное управление
Строгий минималистичный дизайн
Эффективный регулируемый разгон матрицы
Хорошее качество выхода на наушники
Возможность вывода изображения от двух источников
Поддержка 10 бит на цвет
Русифицированное меню

Недостатки:

Параметры приложения PowerPoint (Дополнительно) — PowerPoint

Многие менее часто используемые PowerPoint находятся в области «Дополнительные параметры» в диалоговом окне «Параметры PowerPoint».

Параметры правки

Выделять целые слова. Установите этот флажок, чтобы при щелчке мышью слово выделялось целиком; снимите его, чтобы при щелчке выделялась одна буква в слове.

Разрешить перетаскивание текста. Чтобы переместить или скопировать текст из презентации или из PowerPoint в другую программу Microsoft Office перетаскиванием, можно также сделать так, чтобы текст не перемещался или копироваться с помощью перетаскиванием.

Автоматически переключать раскладку клавиатуры в соответствии с языком окружающего текста. Установите этот флажок для работы с текстом на нескольких языках. PowerPoint определяет язык, на котором находится точка вставки, и переключается на правильный язык клавиатуры.

Не используйте автоматический снимок экрана гиперссылки (PowerPoint 2013 и более новые версии). При использовании функции вставки снимка экрана > и захвата изображения в веб-браузере Internet Explorer PowerPoint может сделать изображение гиперссылкой, которая указывает на веб-страницу, снимок экрана. Выберите этот параметр, если не хотите, чтобы такие изображения гиперссылки.

Предельное число отмен. Команда Отменить на панели быстрого доступа позволяет отменить одно или несколько последних изменений, внесенных в презентацию. Введите в это поле число изменений, которые можно отменить последовательными нажатиями кнопки Отменить.

Вырезание, копирование и вставка

Учитывать пробелы при вырезании и вставке. Установите этот флажок, если требуется, чтобы PowerPoint изменял пробелы между словами или объектами при вырезании и вставке. Благодаря этой возможности вставляемый фрагмент не сливается с другими словами и объектами существующего текста. Снимите этот флажок, если не требуется, чтобы в PowerPoint автоматически регулировалось количество пробелов между словами или объектами.

Показывать кнопки специальной вставки. Установите этот флажок для отображения кнопок Параметры вставки; снимите его для скрытия кнопок Параметры вставки. Кнопки Параметры вставки отображаются рядом со вставляемым текстом. С помощью этих кнопок вы можете сохранить исходное форматирование или вставить только текст.

Примечание: Если снять флажок Показывать кнопки специальной вставки, эта возможность отключится во всех приложениях Office, в которых она имеется.

Перо

(Параметр «Перо» доступен только в PowerPoint 2016 и более новых версиях.)

Выбор содержимого и взаимодействие с ним по умолчанию с помощью пера Если вы не хотите, чтобы при обнаружении активного пера Office автоматически переключялись в режим для работы с объектами, выберите его, чтобы по умолчанию использовать перо для выбора объектов.

Размер и качество изображения

Эти параметры доступны в PowerPoint 2010 и более новых версиях.)

Параметры, заданные в этом разделе, применяются только к открытому в данный момент файлу презентации.

Удалить данные редактирования. Если рисунок обрезан или в него внесены другие изменения, например применен художественный эффект или изменены яркость, контрастность либо четкость, сведения, необходимые для отмены таких изменений, сохраняются в файле. Размер файла можно уменьшить, удалив эти данные об изменении. Выбор этого параметра позволяет уменьшить размер документа, но для отмены всех результатов правки рисунок придется повторно вставить в документ. Дополнительные сведения см. в статье Уменьшение размера файла рисунка.

Не сжимать изображения в файле. Сжатие изображений в файле экономит место, но снижает качество рисунка. Если качество рисунка важнее, чем размер файла, выберите этот снимок. . Сведения о том, как сжимать отдельные изображения или задавать другие варианты качества и разрешения изображения, см. в статье Уменьшение размера файла рисунка.

Разрешение по умолчанию/ установить целевой выход по умолчанию Выберите нужное количество пикселей на дюйм. Чем больше количество пикселей на дюйм, тем качественней изображение. При использовании значения Высокое качество качество рисунка сохраняется, но размер файла презентации может увеличиться.

Параметры диаграммы

Эти параметры доступны в PowerPoint 2013 и более новых версиях.)

Свойства изменяются при изменении точки данных диаграммы для всех новых презентаций. Установите этот флажок, чтобы форматирование и метки данных перемещались и изменялись вместе с точками данных. Этот параметр будет применяться ко всем новым презентациям.

Свойства изменяются при изменении точки данных диаграммы для текущей презентации. Установите этот флажок, чтобы форматирование и метки данных перемещались и изменялись вместе с точками данных. Этот параметр применяется только к текущей презентации.

Экран

Число документов/презентаций в списке последних файлов. Введите число недавно открытых или измененных презентаций, которые должны отображаться в списке Последние документы.

Чтобы просмотреть список последних презентаций в PowerPoint 2013 или более новой версии, щелкните «Файл» > «Открыть».
Чтобы просмотреть список последних презентаций в PowerPoint 2010 выберите «Файл» > «Последние».

Быстро получать доступ к этому количеству последних презентаций (PowerPoint 2013 и более новых версий). Список быстрого доступа к последним презентациям отображается в нижней левой части окна после команды «Параметры», как показано на рисунке ниже ( 1).

Число незакрепированных последних папок (PowerPoint 2013 и более новых версий) Список быстрого доступа с последними папками отображается на вкладке «Последние» диалоговое окно «Открыть», как показано на рисунке ниже (см. рисунок 2). (PowerPoint 2013, 2016) Список быстрого доступа с последними папками выводится на вкладке Последние диалогового окна Открыть, как показано на рисунке 2 ниже..

Включить в подсказки сочетания клавиш. Установите этот флажок, чтобы показывать сочетания клавиш во всех подсказках, или снимите его, чтобы скрыть сочетания клавиш.

Показывать вертикальную линейку. Установите этот флажок, чтобы показать вертикальную линейку, или снимите его, чтобы скрыть ее. Вертикальная линейка — это вертикальная полоса в презентации PowerPoint, с помощью которой можно измерять и выравнивать объекты.

Примечание: Если флажок Показывать вертикальную линейку установлен, а на вкладке Вид в группе Показать установлен флажок Линейка, отображается как вертикальная, так и горизонтальная линейка. Если флажок Показывать вертикальную линейку снят, а флажок Линейка на вкладке Вид в группе Показать установлен, отображается только горизонтальная линейка.

Отключение аппаратного ускорения графики (PowerPoint 2010 и более новых версий). Использование аппаратного ускорения изображения увеличивает скорость воспроизведения презентации. При этом использование этого ускорения графики отключается. Дополнительные сведения см. в советах по улучшению качества воспроизведения и совместимости звуковых и видеофайлов.

Отключить аппаратное ускорение графики слайд-шоу (PowerPoint 2013 и более новые версии). Если переходы между слайдами ведут себя неправильно (вместо них вместо выбранных переходов вы видите мигающий черный экран), попробуйте его выбрать.

Автоматическое расширение области экрана при демонстрации на ноутбуке или планшете (PowerPoint 2013 и более новых версиях). Чтобы отключить режим в режиме presenter, снять этот квадрат. (PowerPoint 2013 2016) Снимите этот флажок, чтобы отключить режим докладчика. По умолчанию для слайд-шоу PowerPoint_generic используется режим докладчика. В этом режиме рабочий стол «расширяется» на два разных монитора, подключенных к компьютеру докладчика. Одним монитором является встроенной экран ноутбука или планшета докладчика, в другим — устройство отображения или проектор, подключенные к этому ноутбуку или планшету.

Показывать флаги присутствия для выбранных элементов (PowerPoint 2016 и более новых версий). Этот параметр вступает в силу при совместной работе над презентацией. Если выбрать элемент, который редактирует другой человек, появится небольшой флажок, указывающий, кто сейчас его редактирует.

Открывать все документы, используя следующее представление. Выберите из списка представление, в котором должны открываться все презентации при каждом запуске PowerPoint.

Слайд-шоу

Контекстное меню при щелчке правой кнопкой. Установите этот флажок, чтобы при щелчке правой кнопкой мыши слайда в режиме слайд-шоу выводилось контекстное меню; снимите его, чтобы контекстное меню не показывалось.

Показывать всплывающую панель инструментов. Установите этот флажок, чтобы отображать панель инструментов в нижней части полноэкранной презентации, позволяющую переходить от одного слайда к другому и добавлять в презентацию примечания; снимите его, чтобы скрыть панель инструментов.

Выводить запрос на сохранение рукописных примечаний при выходе. Если этот квадратик выбран, будет предложено сохранить изменения при нарисовке на слайдах или при выделении слайдов во время презентации,или чтобы выйти из него без запроса на сохранение примечаций от других людей.

Завершать черным слайдом. Установите этот флажок, чтобы презентация завершалась черным слайдом; снимите его, чтобы не завершать презентацию черным слайдом. Если этот флажок снят, последним, что увидит аудитория, будет заключительный слайд презентации, а не черный слайд.

Печать

Фоновая печать. Этот PowerPoint работать во время печати презентации (печать может замедлить работу в PowerPoint ) или снять его, чтобы отключить фоновую печать, если вам нужно быстро отвечать на запросы во время PowerPoint.

Печать шрифтов TrueType в виде графических элементов Если этот элемент выбран, шрифты можно векторная графика, чтобы они печатались четко и в любом размере (или в любом масштабе), или если качество печати или масштабируемость не важны.

Печатать внедренные объекты с текущим разрешением принтера. Установите этот флажок, если требуются качественные распечатки внедренных объектов, таких как круговые диаграммы или таблицы; снимите его, чтобы при печати игнорировать искаженные или вытянутые по вертикали объекты.

Высокое качество. Установите этот флажок, если вы хотите улучшить качество распечаток, например повысить разрешение, использовать прозрачные рисунки или мягкие тени. При выборе этого параметра качество печати будет максимальным, но она может замедлиться.

Выравнивать прозрачные рисунки с текущим разрешением принтера. Установите этот флажок, чтобы обеспечивать правильное выравнивание прозрачного содержимого относительно других объектов. При выборе этого параметра PowerPoint будет при печати использовать разрешение принтера, что может замедлить печать, если на принтере задано очень высокое разрешение.

Печать номеров слайдов на раздатных документах (только в PowerPoint для Microsoft 365 начиная с версии 1810) По умолчанию номера слайдов отображаются под эскизами слайдов на распечатанной странице раздаток. Чтобы включить или отключить эту функцию, можно выбрать или снять этот элемент.

При печати документа

При печати документа. В этом списке выберите презентацию, к которой вы хотите применить параметры, а затем выполните одно из следующих действий:

Использовать предыдущую настройку печати. Выберите этот вариант для печати презентации в соответствии с параметрами, которые вы задавали ранее в диалоговом окне Печать.
Использовать следующую настройку по умолчанию. Чтобы выбрать новые настройки печати презентации, установите этот переключатель, а затем выполните одно из следующих действий:
- Печатать. В этом списке выберите, что требуется печатать.
- Цвет или оттенки серого. Выберите нужный вариант в этом списке. Сведения о печати в цвете, оттенках серого или черно-белом цвете см. в документе «Печать раздаток, заметок и слайдов».
- Печать скрытых слайдов. Установите этот флажок для печати ранее скрытых слайдов; снимите его, чтобы не печатать скрытые слайды. Дополнительные сведения о том, почему может потребоваться скрыть слайды и как это делается, см. в статье Отображение и скрытие слайда.
- Вместить в размер листа. Установите этот флажок, чтобы масштабировать содержимое слайда, раздаточных материалов или примечаний по размеру бумаги, на которой выполняется печать; снимите его для печати с использованием размеров шрифта, объектов и бумаги, заданных по умолчанию.
- Обрамление слайдов. Установите этот флажок, чтобы добавить к каждому слайду рамку; снимите его, если рамка для каждого слайда не требуется.

Общие сведения

Звуковое сообщение (только PowerPoint 2010–2016). Если вы хотите, чтобы при отображке ошибки прозвучит звуковой сигнал, или если вы не хотите слышать звук при ошибке, сделайте это.

Примечание: Для использования этой возможности компьютер должен быть оснащен звуковой платой, микрофоном и динамиками.

Показывать ошибки интерфейса пользователя надстроек. Если вы разработчик, установите этот флажок, чтобы отображать ошибки в коде настройки пользовательского интерфейса, либо снимите его, чтобы скрыть эти ошибки.

Показывать отправленный заказчиком контент Office.com (толькоPowerPoint 2010 ) Выберите этот параметр, чтобы в дополнение к контенту, предоставленного Microsoft Office, вы увидите шаблоны и изображения, созданные Microsoft Office.

Метод автоматического определения значений указателя на основе машинного зрения

В этом исследовании предлагается метод автоматического считывания указателя на основе компьютерного зрения. Кроме того, исследование направлено на выявление недостатков текущего метода автоматического распознавания стрелочного указателя и представляет метод, который использует схему от грубого к точному и имеет превосходные характеристики в отношении точности и стабильности идентификации считывания. Во-первых, он использует метод наращивания области для определения местоположения области циферблата и ее центра.Во-вторых, он использует улучшенный метод центральной проекции для определения области кругового масштаба в полярной системе координат и обнаружения отметок шкалы. Затем обнаружение границы реализуется в изображении циферблата, и метод преобразования Хафа используется для получения направления указателя посредством подгонки контура указателя. Наконец, показания манометра получают путем сравнения положения указателя с отметками шкалы. Результаты экспериментов демонстрируют эффективность предложенного подхода.Этот подход применим для считывания показаний манометров, отметки шкалы которых распределены равномерно или неравномерно.

1. Введение

С быстрым развитием информационных технологий, цифровые счетчики получили широкое распространение. Но стрелочный манометр по-прежнему очень популярен в различных областях благодаря своей простой конструкции, высокой надежности, низкой цене и простоте эксплуатации. Однако из-за вывода нецифрового сигнала стрелочного манометра компьютер не может выполнять обработку и удаленную передачу данных, собранных стрелочным манометром.Это ограничивает его применение. Следовательно, необходимо срочно решить способ обеспечения стрелочного индикатора цифровыми функциями, такими как автоматическое считывание и преобразование собранных значений в цифровой сигнал, для более широкого применения. В частности, в процессе калибровки или метрологической поверки [1] контролерам необходимо считывать выходные значения эталона и показывающее значение калиброванного датчика соответственно, а затем проводить сравнение. В этом случае могут возникать случайные ошибки из-за ограниченной остроты наблюдения человека.Кроме того, когда оператор находится далеко от манометра, оператор должен повторить считывание и вручную записать показываемое значение. Это не только увеличивает нагрузку на оператора, но и снижает эффективность калибровки манометра. Чтобы преодолеть вышеуказанные ограничения и сделать стрелочный индикатор более удобным для пользователя, ожидается, что новые технологии переведут его показания в цифровую форму. В настоящее время машинное зрение широко используется для обнаружения шкалы и указателя шкалы и последующего считывания показаний.

Это исследование направлено на применение проверки манометров и предлагает подход к автоматическому считыванию показаний стрелочного манометра, основанный на компьютерном зрении, который принимает схему от грубого к точному.В этом подходе область циферблата и ее центр стрелочного индикатора располагаются, во-первых, с использованием метода увеличения области. Затем область кругового масштаба определяется методом адаптивного порога в полярной системе координат. В круговой области диаграмма распределения отметок шкалы построена с использованием улучшенной центральной проекции. Согласно схеме распределения отметок шкалы, основные отметки шкалы расположены в области круговой шкалы циферблата. На следующих этапах преобразование Хафа используется для обнаружения указателя в области циферблата и определения его направления.Наконец, применяется метод расстояния для получения показывающего значения шкалы путем сравнения направления указателя с положением отметок шкалы.

Поскольку значение индикации определяется путем сравнения направления указателя и местоположения отметок шкалы, этот подход также подходит для датчиков, в которых отметки шкалы распределены неравномерно. Таким образом, предлагаемый подход фактически является общим подходом к калибровке датчика.

2. Сопутствующие работы

2.1. Конфигурация аппаратной системы, используемой при проверке манометров

Аппаратная система, используемая при поверке манометров, обычно включает следующую конфигурацию [2–5], которая показана на Рисунке 1. Во время рабочего процесса высокоточный манометр и калиброванный манометр работают. размещен на рабочем столе. Компьютер отправляет импульсные сигналы водителю двигателя. Таким образом, шаговый двигатель управляется так, чтобы рабочий стол перемещался, чтобы можно было регулировать положение датчика, так что датчики могут быть надлежащим образом размещены в поле зрения камеры, в то время как стандартный источник сигнала посылает эталонные сигналы на калиброванный стрелочный датчик. и высокоточный датчик.Показывающее значение высокоточного манометра рассматривается как стандартные данные. Затем применяется компьютерное зрение для автоматического распознавания значений, отображаемых калиброванными и стандартными датчиками. Наконец, выполняется сравнение двух значений, и достигается результат проверки.

Для некоторых других стрелочных приборов стандартные данные, производимые генератором опорных сигналов, напрямую вводятся в компьютер другим оборудованием для сбора сигналов. Результат проверки достигается путем сравнения стандартных данных с показаниями калиброванного датчика, полученными с помощью компьютерного зрения.
2.2. Процесс автоматического считывания указателя указателя на основе компьютерного зрения
На рисунке 2 показана процедура обработки изображения, используемая для распознавания значения указателя указателя. Во-первых, для улучшения качества изображения необходимо предварительно обработать калибровочное изображение посредством подавления шума и улучшения изображения. Затем используются методы обработки и анализа изображений для обнаружения указателя и отметок шкалы. В зависимости от направления указателя и расположения отметок шкалы можно определить значение, указанное стрелочным датчиком.Наконец, выводятся результаты показывающего значения. Таким образом, методы автоматического распознавания показывающего значения датчика в основном включают три части: (1) предварительная обработка изображения, направленная на улучшение качества изображения и подавление шума, (2) обнаружение указателя датчика и меток шкалы на основе обработки и анализа изображения, (3) автоматическое распознавание показывающего значения стрелочного датчика.

2.3. Сопутствующие работы по обнаружению показывающих значений указателя
В существующей литературе изображение указателя должно быть предварительно обработано для удаления шума или улучшения изображения, особенно для изображений, извлеченных из промышленных полей.Предварительная обработка изображения улучшает разрешение изображения. Таким образом, с помощью анализа изображения легче обнаружить признаки, относящиеся к отметкам указателя и шкалы.
Предварительная обработка изображения стрелочного индикатора в основном состоит из двух частей. Во-первых, предварительная обработка изображения используется для фильтрации помех и шума, возникающих в результате изменения окружающей среды. Например, в [6] метод гомоморфной фильтрации был принят для обработки калибровочного изображения, которое имеет большую площадь бликов и отражений. Во-вторых, предварительная обработка изображения используется для исправления искажения изображения, вызванного формированием изображения камерой или разными углами съемки.Например, в [7] обсуждалось, как уменьшить ошибку считывания, когда шкала шкалы неровная с поверхностью объектива камеры. В статьях [8, 9] предложен интеллектуальный метод считывания показаний датчика, позволяющий избежать влияния искажения изображения; с помощью этого метода можно было скорректировать угол между указателем и отметками нулевой шкалы и угол между отметками нулевой шкалы и другими более длинными отметками шкалы. Он также принял метод интерполяции Ньютона для аппроксимации функциональных соотношений между углом указателя и его показывающим значением.
После предварительной обработки изображения должна быть реализована сегментация изображения для получения изображения бинаризации, при этом всегда применяется метод пороговой сегментации [10–13]. На следующем этапе необходимо провести прореживание изображения в бинаризованном изображении, чтобы получить изображение указателя шириной в один пиксель. Затем для обнаружения указателя используется прямолинейная аппроксимация. Таким образом, ключевым моментом автоматического распознавания показаний шкалы является обнаружение указателя и отметок шкалы. В существующей литературе было предложено несколько методов обнаружения указателей, таких как метод вычитания, метод сопоставления шаблонов, метод преобразования Хафа и метод центральной проекции.В методе вычитания [4, 14, 15] два калибровочных изображения с примерно одинаковым фоном были сделаны камерой, а указатель указывал на другой масштаб. Когда одно изображение было вычтено из другого, в разностном изображении осталось только два указателя. Затем разностное изображение было сегментировано для обнаружения указателя. Наконец, показывающее значение датчика может быть получено путем вычисления положения указателя и отметок шкалы. Метод вычитания был легко реализован посредством вычитания изображений.Однако различное изображение не только резервирует цель указателя, но также оставляет много шума из-за влияния освещения. Поэтому во многих случаях метод вычитания не дает надежных результатов.
В методе элементов шаблона [16] элементы, которые представляют указатель и его направление, такие как форма, площадь и распределение серого, сформировали шаблон с множеством параметров, используемый для сопоставления указателя на изображении датчика для обнаружения указателя. Поскольку шаблон содержит несколько сигналов указателя и его направления, с помощью метода функции шаблона можно избежать влияния неравномерного освещения и других факторов, изменяющих окружающую среду.Однако процесс сопоставления с шаблоном слишком сложен для точного обнаружения указателя.
Метод преобразования Хафа часто используется при обнаружении указателя. В [17, 18] после обнаружения краев и утончения изображения в калибровочном изображении был применен метод преобразования Хафа или его улучшенная версия для обнаружения указателя путем подгонки края указателя. Метод преобразования Хафа может обеспечить хорошие результаты для стрелочного индикатора, на циферблате которого есть много слов и символов. В [19, 20] описан новый метод обнаружения указателя, получивший название центральной проекции.Основная идея метода центральной проекции заключалась в поиске местоположения указателя посредством вычисления проекции от характерных точек до известной центральной точки. Каждое значение проекции соответствовало углу прямой линии, соединяющей проекцию и центральные точки. Должен быть угол, соответствующий наибольшему количеству точек проекции и представляющий указатель. Следовательно, для определения положения указателя датчика всегда использовался метод центральной проекции.
Метод наименьших квадратов [21] также был методом прямой аппроксимации, как и метод преобразования Хафа, который использовался для обнаружения указателя. По сравнению с методом преобразования Хафа метод наименьших квадратов требует меньше вычислений.
После того, как указатель был обнаружен, всегда использовались методы угла и расстояния [22] для определения показывающего значения точечного датчика. Угловой метод распознал значение индикации путем вычисления угла отклонения между обнаруженным указателем и отметкой нулевой шкалы в соответствии с формулой.Здесь был диапазон, был предварительно измеренный угол между отметкой максимальной и нулевой шкалы и был угол между текущим указателем и отметкой нулевой шкалы. Метод расстояния [23] получил значение индикации путем вычисления расстояния между указателем и ближайшей отметкой шкалы. В этом методе каждая сетка шкалы была расположена и помечена соответствующим номером шкалы в двумерной системе координат. Если расстояние между указателем и каждой сеткой выглядит следующим образом: тогда показывающее значение указателя: Вот координаты точек в отметках шкалы, — это расстояние между точкой и линией, представляет собой показывающее значение указателя, и — значения отметок шкалы, которые расположены по обе стороны от указателя, и — расстояние между указателем и ближайшими отметками шкалы с обеих сторон, соответственно.Угловой метод проще, чем метод расстояния, но он не подходит для стрелочного датчика, в котором шкала неровная.
3. Обзор нашей работы
Как упоминалось выше, существующие методы распознавания показаний датчиков ограничены с точки зрения их практического применения, в основном из-за двух недостатков. Все существующие методы были реализованы в изображениях глобального датчика. Следовательно, сегментация отметок указателя и шкалы не может быть точно проведена при наличии некоторых помех или сложных надписей на шкале шкалы.Во многих исследованиях отметки шкалы точно не обнаруживаются. Следовательно, показывающее значение стрелочного индикатора с неровной шкалой не может быть распознано.
Это исследование направлено на преодоление недостатков существующих методов. В качестве контекстного приложения он также направлен на улучшение калибровки манометра и разработку метода автоматического распознавания показаний стрелочного манометра на основе машинного зрения. Этот метод реализует схему, которая переводит обнаружение от грубого к точному с точки зрения обнаружения указателя и масштабных меток.Во-первых, область циферблата указателя располагается на глобальном изображении. Затем располагается кольцевая область шкалы циферблата. На следующих этапах отметки шкалы обнаруживаются в кольцевой области шкалы, а указатель обнаруживается в области циферблата. Наконец, на основе результатов обнаружения указателя и отметок шкалы используется улучшенный метод определения расстояния для распознавания значения датчика. Поскольку улучшенный метод расстояния реализован от грубой области до мелкой цели, он обладает высокой способностью подавлять помехи.Поскольку показывающее значение получается при обнаружении отметок указателя и шкалы, этот метод также подходит для считывания показаний датчика, отметки шкалы которого распределены неравномерно.
3.1. Система проверки манометров на основе машинного зрения
Метрологические отделы обычно калибруют манометры с помощью поршневых манометров. В этом случае стандартное выходное давление поршневых манометров, определяемое вручную добавленными грузами, передается на проверяемый манометр. Затем квалификация манометра определяется путем считывания, анализа и сравнения показываемого значения.Как правило, проверяющий персонал вручную обрабатывает этот процесс путем наблюдения, записывая и анализируя показывающее значение панели приборов. С этим методом проверки все еще существует много проблем. К ним относятся низкая точность и повторяемость визуальных наблюдений человека и низкая эффективность работы из-за большой нагрузки проверяющего персонала. Следовательно, разработка метода автоматической проверки для манометров с указателем давления будет способствовать развитию технологий, используемых при их производстве и возможностях проверки.Состав системы для поверки стрелочных манометров показан на рисунке 3. Мы можем видеть, что изображения стрелочных манометров получаются с помощью камеры, обрабатываются и анализируются компьютером, при этом регистрируются показывающие значения стандартного манометра и контрольного манометра и признал. Окончательные результаты показаний манометра будут отображаться на мониторе для операторов и придут к выводу о проверке на основе анализа вышеуказанных показаний. Программное обеспечение для обнаружения также имеет такие многофункциональные функции, как хранение исторических данных, графическое отображение и переключение изображений, чтобы реализовать автоматическую проверку стрелочных датчиков.

3.2. Введение в нашу работу
В этом исследовании предлагается новый метод автоматического распознавания указателя, который указывает значение. На рисунке 4 показана блок-схема этого метода.

В общем, основанный на компьютерном зрении способ автоматического распознавания указания значения состоит из двух частей. Одна часть — это обнаружение показывающего значения стрелочного датчика. Это в основном включает в себя обнаружение шкалы и обнаружение указателя, которые относятся к расположению области циферблата и центра циферблата, определение кольцевой области шкалы на циферблате, обнаружение шкалы и обнаружение указателя.Другой — автоматическое распознавание чтения. А именно, он делает окончательную оценку показания датчика в соответствии с обнаруженным направлением указателя и распределением отметок шкалы. Как видно на рисунке 4, автоматическое распознавание показывающего значения, предлагаемое в этой статье, делится на пять этапов. (1) Область циферблата и ее центральное положение: во-первых, на всем изображении область циферблата может быть определена полу -взаимодействие (использование мыши для раскрытия поля на изображении).Пиксельная точка с наибольшим значением серого ищется в области циферблата и берется в качестве начальной точки метода роста области, используемого для создания круглой области на циферблате. В процессе метода наращивания области автоматически определяется пороговое значение подобия между точками пикселей. Наконец, в соответствии с результатами метода выращивания области, получают радиус и центр кругового диска. (2) Определение области шкалы на циферблате: координата изображения сначала преобразуется в полярную координату с центром диска как его начало координат, которое используется для выражения координаты каждого пикселя изображения.Затем, сравнивая сумму пикселей для низкого значения серого с суммой пикселей для высокого значения серого в кольцевой области, определяется кольцевая область шкалы на циферблате. И, наконец, он копируется в новое изображение в виде кольцевой области шкалы. (3) Метки шкалы обнаруживаются с использованием метода центральной проекции. Во вновь созданном изображении кольцевой масштабной области сначала выполняется сегментация метки масштаба с помощью метода OSTU для формирования масштабного изображения бинаризации. Затем вычисляется угол каждой линии, которая связывает черный пиксель с центром круга, и получается номер каждого угла.Углы с большими числами (соединительная линия) в узком диапазоне углов соответствуют отметкам толстой шкалы (основные шкалы) на циферблате. Таким образом, получаются углы отметок шкалы в диапазоне от 0 ° до 360 °. (4) Обнаружение указателя: сначала оператор Канни используется для реализации обнаружения границы. Затем метод преобразования Хафа используется для соответствия обнаруженному краю и получения контура указателя. Наконец, направление указателя получается в соответствии с центральным положением и контуром указателя. (5) Показывающее значение рассчитывается в соответствии с направлением указателя и распределением шкалы шкалы.
4. Индикационный подход к распознаванию значений указателя
4.1. Обнаружение показывающего значения указателя
Как упоминалось выше, обнаружение показывающего значения достигается с помощью шкалы и обнаружения указателя. Что касается обнаружения шкалы, сначала должны быть расположены центр шкалы и область шкалы, а затем выделение кольцевой области шкалы и обнаружение отметки шкалы. Наконец, выполняется определение направления указателя.
4.1.1. Область шкалы и ее центральное положение
Что касается определения показывающего значения, сначала необходимо определить указатель датчика и его направление, чтобы определить его центр вращения. Как правило, центр циферблата манометра — это центр вращения указателя. Следовательно, сначала необходимо обнаружить центр набора номера. В этом исследовании круговая область циферблата обнаруживается для определения центра циферблата. Как показано на Рисунке 5 (a), обычно на круглом циферблате есть метки, слова и отметки шкалы.Поэтому сложно подтвердить круговую область циферблата такими сегментными методами, как граничные и пороговые значения. Ввиду вышеизложенного, в этой статье представлен метод наращивания адаптивной области для определения местоположения круглой области датчика и, кроме того, для определения его центра циферблата. Конкретные шаги заключаются в следующем. (1) Размещение начального числа [24]: поскольку циферблат обычно белый, область с высоким уровнем серого или точка пикселя с наивысшим уровнем серого в датчике обязательно находится в точке часть, где находится циферблат.Следовательно, последний выбирается в качестве начальной точки области роста. (2) В зависимости от сходства уровня серого пикселя, расширение области набора номера выполняется от начальной точки. Однако трудно установить подходящее пороговое значение подобия уровня серого между пикселями. Как показано на Рисунке 5 (b), круглая область циферблата не может быть полностью произведена с малым пороговым значением, в то время как область циферблата увеличенного размера будет сформирована с большим пороговым значением.

(a) Типичный стрелочный индикатор
(b) Результаты метода увеличения области циферблата
(a) Типичный стрелочный индикатор
(b) Результаты метода увеличения области шкалы
Настоящее исследование предлагает адаптивный метод определения порогового значения подобия уровня серого; конкретный процесс выглядит следующим образом.(A) Небольшое пороговое значение подобия уровня серого выбирается эмпирически, а затем метод наращивания области циферблата выполняется от начальной точки. (B) Отношение длины описанного прямоугольника к ширине вновь созданного циферблата. область рассчитывается, чтобы определить, находится ли она в диапазоне 0,95–1,05. (C) Если соотношение длины и ширины не соответствует условиям в (B), пороговое значение подобия будет увеличено с определенной длиной шага () , и первый шаг, (A), будет продолжать рост области от точки зародыша.Однако, если он соответствует условиям в (B), растущая область будет круглой областью циферблата, центр описанного прямоугольника будет центром круга, а меньшее значение между длиной и шириной будет диаметром круглого регион (рисунок 6).
4.1.2. Расположение области шкалы на основе полярных координат
(1) Изображение в полярных координатах . В общем, в свете круговой перестановки отметки шкалы указателя распределены вокруг центра.Следовательно, чтобы правильно и целесообразно показать, где находятся отметки масштаба на изображении, используется полярная система координат для позиционирования пикселей на изображении. В этом исследовании выполняется преобразование координат изображения в полярные координаты. Это означает, что координаты пикселей, выраженные прямоугольной системой координат изображения, преобразуются в координаты, выраженные полярными координатами. Полярные координаты, определенные в этом исследовании, показаны на рисунке 7, центр круга является его началом.

(2) Определение области шкалы на циферблате . Процедура обнаружения масштабной области на основе метода адаптивного порога выглядит следующим образом. (A) Радиус круговой шкалы, обнаруженный в разделе 4.1.1, принимается в качестве начального радиуса, а длина его уменьшающегося шага и начального значения. На шкале шкалы разница значений серого между отметками шкалы и фоном циферблата обычно довольно велика. Следовательно, для сегментации шкалы может быть использован метод адаптивного порогового значения.В полярных координатах изображение кольцевой бинаризации получается путем использования метода OSTU [25] для выполнения сегментации бинаризации в кольцевой области. (B) Отношение между количеством черных и белых точек пикселей в кольцевой области бинаризации между радиус и рассчитывается и обозначается. После уменьшения внутреннего радиуса в соответствии с длиной шага вычисляется соотношение между количеством черных и белых точек пикселя в области между и и обозначается как. (C) Если явно отличается от, внутренний радиус и внешний радиус области масштаба будет и соответственно.(D) Если приблизительно, кольцевое пространство между и все еще будет в области кругового масштаба. В этот момент пусть; соотношение между количеством черных и белых точек пикселей в кольцевом пространстве между и вычисляется и по-прежнему обозначается как. Затем перейдите к (B) (Рисунок 8).
После получения кольцевой области шкалы в вышеуказанной полярной координате, область шкалы выбирается на основе угла и радиуса и копируется в новое изображение, называемое изображением области отметки масштаба (рис. 9).
4.1.3. Обнаружение масштабных меток на основе улучшенного метода центральной проекции
В вновь созданном изображении, которое представляет собой кольцевую область масштабирования, применяется метод OSTU для сегментирования масштабных меток для формирования бинаризованного масштабного изображения. На этом изображении значение в пикселях метки шкалы равно 0 (черный), а в других местах — 255 (белый). Каждая точка черного пикселя и центр круга связаны, и наклон соединительной линии вычисляется по формуле, где — угол между осью-осью и соединительной линией между точкой черного пикселя и центром круга.Из-за того, что начало координат изображения находится в верхнем левом углу, а ось — направлена вниз, неудобно обозначать центральный угол в пределах 0–360 °. Поэтому в этом исследовании вместо системы координат изображения вводится прямоугольная система координат с центром изображения в качестве его начала, чтобы выразить угол между точкой черного пикселя на отметке шкалы и центром круга. Как показано на рисунке 10, углы между точкой черного пикселя и центром круга находятся в диапазоне 0–360 °.

(а) Схема системы координат изображения
(б) Прямоугольная система координат
(а) Схема системы координат изображения
(б) Прямоугольная система координат
После вычисления числа для угла угол с большим числом (соединительные линии) в малом диапазоне углов соответствует значению толстой шкалы (основной шкалы) на циферблате. Шаги по обнаружению отметки шкалы по центральной проекции подробно описаны ниже.
Черная точка пикселя и центральная точка изображения, то есть центр круга на новом изображении, связаны для определения наклона, который преобразуется в угол по следующей формуле:
Как показано на рисунке 10, система координат изображения преобразуется в прямоугольную. Угол по формуле (4) преобразуется в угол в прямоугольной координате:
Гистограмма углов создается путем регистрации частоты появления каждого угла.На рисунке 11 показана гистограмма углов.

Выбирается угол с наибольшим временем появления в гистограмме и обозначается значком; все углы, время появления которых больше найденного. Моменты появления углов обозначены. Здесь представляет углы, которые встречаются больше чем.
Для каждого угла мы вычисляем средневзвешенное значение по следующей формуле: Здесь — знак угла.
Рассчитайте конкретное значение по следующей формуле:
Если находится в пределах 0.Диапазон 9–1,1 — угол жирной отметки. Все последовательно отсортированные углы принимаются равными, что соответствует отметкам толстой шкалы. Таким образом, на рисунке 12 нанесены жирные отметки шкалы.

4.1.4. Улучшенное обнаружение указателя на основе преобразования Хафа
Обнаружение края реализовано в изображении указателя датчика с использованием оператора Кэнни для получения изображения края датчика. Затем применяется метод преобразования Хафа, чтобы подогнать прямую линию к изображению, чтобы получить все прямые линии, среди которых есть граница указателя.Наконец, можно определить только границу указателя, исключив другие прямые края.
Метод преобразования Хафа применяется для подбора прямой линии и поиска всех прямых линий на изображении. Кроме того, вычисляется каждая прямая линия, описываемая в системе координат изображения посредством.
Расстояние от центра круга до прямой рассчитывается по следующей формуле:
На основании предварительных знаний мы знаем, что расстояние от центра круга до прямой линии указателя намного меньше. чем диаметр циферблата; выделяются все прямые, соответствующие.Вот диаметр циферблата.
Угол каждой прямой линии рассчитывается по формуле (8) и сохраняется в массиве:
Поскольку углы направления указателя острые, обычно в диапазоне ~, угол рассчитывается с учетом по следующей формуле:
Если это так, прямая линия должна быть выбрана как одна сторона указателя. Таким образом, можно найти обе линии, в которых лежат две стороны указателя.
По прямым линиям двух сторон можно определить направление указателя.
4.2. Индикатор указателя, показывающий распознавание значения
Как показано на рисунке 11, точка пересечения двух прямых линий границы указателя вычисляется и затем связывается с центром круга. Угол линии,, вычисляется. В соответствии с положением точки пересечения, угол, в прямоугольной системе координат вычисляется по формуле (1) (рисунок 13).

В зависимости от угла, получаются показания, соответствующие каждой отметке толстой шкалы.На основании угла, соответствующего толстой отметке шкалы, и ее номера, который определяется в разделе 4.1.4, показание указателя может быть определено по формуле (10). Масштаб в соседних метках толстой шкалы делится линейной интерполяцией: здесь углы, соответствующие меткам толстой шкалы.
5. Экспериментальные результаты и анализ
Чтобы проверить эффективность предложенного подхода, проводится серия экспериментов для проверки его производительности.
5.1. Схема эксперимента
Эксперимент состоит из двух частей. Сначала выбираются изображения стрелочных приборов различных типов для проведения имитационных экспериментов и проверки эффективности и применимости подхода. Затем устанавливается система калибровки манометра, которая состоит из поплавкового манометра, высокоточного манометра, испытательного манометра, камеры и компьютера, для проверки фактических характеристик этого подхода при калибровке стрелочного манометра.
5.2. Часть первая экспериментов: идентификация чтения различных указателей
5.2.1. Выбор образцов
Как видно из таблицы 1, для эксперимента выбраны две группы репрезентативных образцов. К ним относятся манометр с множеством надписей на циферблате и расходомер с неровной шкалой.
Название образца Разрешение изображения Образец символа Цель отбора образца
Давление на манометре циферблат. 1000/750 На циферблате много надписей, которые могут повлиять на расположение центра циферблата и сегментацию указателя. Проверьте надежность алгоритма и способность противостоять помехам.
Расходомер с неровной шкалой. 500/500 Неравномерное распределение отметок шкалы. Убедитесь в универсальности алгоритма.
5.2.2. Экспериментальные результаты и анализ
В этой части эксперимента мы применяем предложенный подход к автоматическому распознаванию показывающего значения вышеупомянутых двух типов датчиков. Чтобы проверить эффективность предложенного подхода, на рисунках 14 и 15 показаны экспериментальные результаты каждого шага.
Рисунок 14 (а) — исходное изображение указателя. Из рисунка 14 (а) видно, что указатель и отметки шкалы не могут быть непосредственно обнаружены методами сегментации, поскольку на циферблате много надписей.Таким образом, в предлагаемом подходе используется идея, которая выполняет поиск от грубого к точному. Области циферблата и шкалы располагаются первыми, поскольку их легче обнаружить, чем указатель и отметки шкалы. Как показано на рисунках 14 (c) и 14 (d), область шкалы расположена с использованием метода адаптивного наращивания области, а область шкалы обнаруживается в полярной системе координат. Затем в обеих областях точно определяются указатель и отметки шкалы. Как показано на рисунках 14 (e) и 14 (f), улучшенный метод преобразования Хафа применяется для обнаружения указателя, а улучшенный метод центральной проекции используется для обнаружения отметок шкалы.Расположение жирных отметок шкалы определяется в соответствии с гистограммой углов, полученной из центральной проекции отметок шкалы. Их показательные значения даны в соответствии с расположением толстых отметок шкалы. Значения шкалы внутри любых двух соседних толстых отметок определяются линейным делением. В соответствии с направлением указателя и положением отметок шкалы для указания значения шкалы указателя используется метод угла, который используется в соседних отметках толстой шкалы.
Предлагаемый подход определяет направление указателя и положение отметок шкалы соответственно. На рисунках 15 (e) и 15 (f) можно увидеть, что расположение отметок шкалы точно определяется по угловой гистограмме, а указатель обнаруживается в области циферблата. На основе расположения отметок шкалы и направления указателя расстояние между указателем и соседними отметками шкалы можно рассчитать с помощью метода расстояния; затем можно оценить значение, указывающее указатель.Таким образом, независимо от того, является ли распределение шкалы равномерным, предлагаемый подход может точно определять значение индикатора, в то время как самые современные существующие методы не могут.
5.3. Часть вторая экспериментов: Распознавание показывающего значения указателя поплавка
5.3.1. Система и методика экспериментов
Для проверки эффективности практического применения предложенного подхода в практическом применении, поплавковый манометр используется в качестве системы проверки манометра.Тип поплавкового датчика — Y-047. Основные технические параметры поплавкового датчика описаны ниже. Диапазон выходного давления 0,01–0,25 МПа; класс точности 0,05%; номинальное давление 0,5 МПа; стандартные веса от 0,01 МПа до 25 МПа. В качестве стандартного манометра используется высокоточный манометр с классом точности 1,5. Контрольный манометр — это прибор с общей точностью. Перед поплавковым датчиком установлена система визуального обнаружения. В качестве датчиков изображения используются оптический объектив с регулируемым фокусным расстоянием от 10 до 20 мм и 500-мегапиксельная HD CMOS-камера с частотой кадров 60 кадров в секунду.Система оснащена коаксиальным источником света, который размещен на объективе камеры. Аппаратная конфигурация компьютера, используемого в этом эксперименте, — Inter Pentium® Dual, CPU E2200 и частота 2,2 ГГц. Среда программирования — VS2010. Система проверки стрелочного датчика, основанная на компьютерном зрении, показана на рисунке 16. Камера, используемая в экспериментах, снимает изображения высокоточного стандартного датчика и тестового датчика. Предлагаемый подход принят для определения показывающего значения как стандартных, так и тестовых манометров.
Согласно правилам калибровки манометра, процедура эксперимента следующая. Сначала проводится положительный удар. Здесь выходная мощность поплавкового датчика увеличивается за счет постепенной загрузки грузов, в то время как показывающее значение датчика увеличивается. В каждой контрольной точке показывающего значения камера делает снимки как стандартного указателя, так и тестовых датчиков. Предлагаемый подход заключается в использовании изображений для распознавания показывающих значений. Затем выполняется отрицательный ход, процесс которого заключается в том, что выходная мощность поплавкового датчика уменьшается от наивысшей контрольной точки за счет постепенной разгрузки грузов, в то время как показывающее значение датчика соответственно уменьшается.Для распознавания показывающих значений делается изображение каждой контрольной точки.
5.3.2. Результаты экспериментов и анализ
Результаты экспериментов показаны на рисунках 17 и 18. Верхний предел датчика составляет 0,25 МПа; нижний предел — 0 МПа. Каким бы ни был эксперимент, при положительном или отрицательном ходе хода интервалы на выходе поплавкового манометра составляют 0,025 МПа. Результаты обнаружения для показывающих значений стандартного и испытательного манометров показаны в таблицах 2 и 3, соответственно.
0,125 0,225
Давление в КПП (МПа) Показывающее значение стандартного манометра Указанная погрешность (абсолютная погрешность / диапазон)
Положительный ход Ошибка 1 (значение веса визуального обнаружения) Ошибка 2 (ручное считывание значения веса) Отрицательный ход Ошибка 1 (значение веса визуального обнаружения) Ошибка 2 (ручное считывание значения весов)
Визуальное обнаружение Ручное считывание Визуальное обнаружение Ручное считывание
0 0 0 0 5 0 0 0 0 0
0.025 0,024343 0,024 0,000657 0,001 0,025610 0,025 0,000610 0 0,26 / 0,24
0,018 0,019
0,26 / 0,24
18 0,05 0,000240 0 0,51 / 0,10
0,075 0,074386 0,075 0,000614 0 0.075876 0,076 0,000876 0,001 0,25 / 0,35
0,100 0,100408 0,099 0,000408 0,001 0,100408 0,001 ,19018
0,125 0,125060 0,125 0,000060 0 0,125482 0,126 0,000482 0,001 0.024 / 0,19
0,150 0,149762 0,15 0,000238 0 0,150647 0,151 0,000647 0,000387 0 0,174720 0,176 0,000280 0,001 0,155 / 0,11
0,200 0,198316 0.2 0,001684 0 0.201540 0,201 0,001540 0,001 0,674 / 0,62
0,225 0,225053 190,225 0,225053 0,225053 19 24 0 0,02 / 0,06
0,250 0,249344 0,249 0,000656 0,001 0,249344 0.249 0,000660 0,001 0,26 / 0,26
902 Давление на выходе КПП (МПа)/ 0,83
Показывающее значение проверяемого манометра Указанные ошибки
(абсолютная погрешность / диапазон)
Положительный ход Ошибка 1 (значение веса визуального обнаружения) Ошибка 2 (ручное считывание значения веса) Отрицательный ход Ошибка 1 (значение веса визуального обнаружения) Ошибка 2 (ручное считывание значения весов)
Визуальное обнаружение Ручное считывание Визуальное обнаружение Ручное считывание
0 0 0 0 5 0 0 0 0 0
0.025 0,025650 0,026 0,000650 0,001 0,027084 0,028 0,002084 0,003 0,26 / 0,83

0,051623 0,052 0,001623 0,002 0,08 / 0,65
0,075 0,075470 0.076 0,000470 0,001 0,077778 0,078 0,002778 0,003 0,19 / 1,11
0,100
0,100
0,001
0,001095 0,002 0,04 / 0,44
0,125 0,126000 0,126 0,001000 0.001 0,126106 0,127 0,001106 0,002 0,4 / 0,44
0,150 0,150900 0,152 0,36 / 0,59
0,175 0,177626 0,173 0,002626 0,002 0,177678 0.179 0.002678 0.004 1.05 / 1.07
0.200 0.202263 0.203 0.002263 0.003
0,225 0,226146 0,227 0,001146 0,002 0,226223 0,228 0,001223 0.003 0,46 / 0,49
0,250 0,249057 0,252 0,000940 0,002 0,249057 0,252

Как видно из результатов экспериментов, предложенный подход применим для поверки манометров.Показательные значения испытательного и стандартного манометров могут быть получены с помощью предлагаемого подхода, а не путем ручного наблюдения. Калибровка контрольного манометра завершается сравнением показывающего значения контрольного манометра со значением эталонного манометра. Из экспериментальных результатов в таблицах 2, 3 и 4, сравнивая визуальные данные с ручным считыванием, мы можем видеть, что результаты обнаружения показывающего значения на основе компьютерного зрения более точны, достоверны и имеют более значимые цифры и более быстрый скорость обнаружения.
0,01905 9018 0,01905
Выходное давление контрольной точки (МПа) Показывающее значение визуального обнаружения Показывающее значение ручного считывания Сравнение (ошибка 1 — ошибка 2)
Положительный ход Ошибка 1:
(МПа) Относительная погрешность 1: (%) Положительный ход Ошибка 2:
(МПа) Относительная погрешность 2: (%)
Стандартный калибр: (МПа) Протестированный калибр: (МПа) Стандартный калибр:
(МПа) Протестированный калибр:
(МПа)
0 0 0 0 0 0 0 0 0 0
0.025 0,024343 0,025650 0,001310 5,37000 0,024 0,026 0,002 8,333 0,08202
0,0190 0,051 0,002 4,082 0,03533
0,075 0,074387 0,075470 0,001080 1.45644 0,075 0,076 0,001 1,333 0,01225
0,100 0,100408 0,100100 0,000308 0,000308
0,125 0,125060 0,126000 0,000940 0,75164 0,125 0,126 0,001 0.8 0,00706
0,150 0,149762 0,150900 0,001140 0,75987 0,15 0,152 0,002 0,152 0,002 0,152 0,002 0,152 0,002 ,152 1,72553 0,175 0,173 0,002 1,1429 0,01440
0,200 0.198316 0.202263 0.003950 1.99026 0,2 0.203 0,003 1,5 0,01105
0,225
0,225
0,225 0,221905 0,2219053 18 0,003 1,339 0,01230
0,250 0,249344 0,249057 0,000287 0,11510 0.249 0,252 0,003 1,205 0,01233
5.4. Экспериментальное заключение
Из приведенных выше экспериментальных результатов мы можем сделать следующие выводы: (1) показывающее значение стрелочного датчика может быть эффективно обнаружено с помощью метода, предложенного в этой статье; подход может быть использован для поверки манометра. (2) Подход предлагает стабильную основу для идентификации считывания стрелочного манометра.От большой области до маленькой цели, подход сначала определяет масштаб и область указателя. Затем он точно сегментирует указатель и отметки масштаба в целевой области. Наконец, показывающее значение шкалы получается на основе направления указателя и распределения отметок шкалы. Эта структура представляет собой общий метод распознавания стрелочного датчика на основе компьютерного зрения и обладает хорошей помехоустойчивостью. Однако для достижения более удовлетворительных результатов при его практическом применении каждый шаг должен быть улучшен.Например, в процессе определения местоположения области циферблата на основе метода увеличения области необходимо учитывать множество факторов, чтобы определить, следует ли прекращать использование этого метода. (3) В практическом применении метод предварительной обработки изображения должен использоваться вместе с предлагаемым методом для получения более удовлетворительных результатов, особенно для некоторых промышленных областей применения.
6. Заключение
В этом исследовании предлагается метод автоматического считывания указателя, основанный на компьютерном зрении.Подход направлен на устранение недостатков в существующем подходе к автоматическому считыванию показаний стрелочных указателей и применении поверки манометров. В рамках предлагаемого подхода, который проводится от сегментации большой области до обнаружения малой цели, сначала определяется целевая область на циферблате. Затем в этой области обнаруживаются указатель и отметки шкалы. Наконец, получается показывающее значение манометра. Таким образом, предложенный подход обладает хорошей помехоустойчивостью и применим как для манометров с равномерно распределенными отметками шкалы, так и без них.Этот подход может быть широко применен для идентификации показаний стрелочных приборов различных типов.
Предлагаемый метод является надежным и достаточно точным, чтобы его можно было использовать для поверки стрелочных приборов. Однако в некоторых практических приложениях, особенно в промышленной области, его следует использовать, комбинируя его с методами предварительной обработки изображений, чтобы добиться лучших эффектов. Усовершенствованный подход также может быть использован для стрелочного индикатора с некруглым циферблатом. Поэтому в будущем мы проведем следующие исследования, чтобы завершить работу по оцифровке стрелочного индикатора, чтобы разработать общий метод считывания показаний.Методы предварительной обработки изображения будут разработаны для устранения влияния паразитного или отражающего света или для исправления искажения изображения, вызванного изменениями относительного положения камеры и датчика. Будет разработан общий метод автоматического считывания для различных типов стрелочных приборов, которые могут использоваться в различных аппаратных системах и иметь унифицированный стандартный выходной формат.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов в отношении публикации данной статьи.
Благодарности
Работа поддержана Пекинской программой развития ключевых дисциплин (№ XK100080537), Пекинским фондом естественных наук (4122050) и проектом открытия ключевой лаборатории технологий безопасности эксплуатации транспортных средств Министерства транспорта Китая.
Анализ частиц
Содержание этой страницы не проверялось с момента перехода от MediaWiki. Если вы хотите помочь, ознакомьтесь с руководством!
Автоматический подсчет частиц
Автоматический подсчет частиц можно выполнить, если на изображении не слишком много соприкасающихся отдельных частиц.Ручной подсчет частиц можно выполнить с помощью многоточечного инструмента.
Сегментация, или способность отличить объект от фона, может быть сложной задачей. Однако, как только это будет сделано, объект можно будет проанализировать.
RAW Пороговый водораздел «AnalyzeParticles»
Установка порога
5.1.1.1 Ручное определение порога
Для автоматического анализа частиц требуется «двоичное», черно-белое изображение.Установлен пороговый диапазон, чтобы отличить интересующие объекты от фона. Все пиксели изображения, значения которых лежат ниже порогового значения, преобразуются в черные, а все пиксели со значениями выше порогового значения преобразуются в белые, или наоборот.
Есть несколько способов установить пороговые значения. Для монохромных изображений проще всего установить порог с помощью команды меню Image ›Adjust› Threshold. Порог можно установить с помощью ползунков. Пиксели в пределах порогового диапазона отображаются красным цветом.Когда вы будете удовлетворены настройками порога, вы можете нажать Применить . Это приведет к постоянному применению настроек порога и преобразованию изображения в двоичное. У вас есть разные варианты установки порога вручную. В раскрывающемся меню, установленном на по умолчанию , можно выбрать между по умолчанию и 15 другими пороговыми методами. В раскрывающемся меню, установленном на Красный , можно выбрать цветовую схему «красный на белом», цветовую схему «черный на белом» или цветовую схему «сверху и снизу».Поле Dark Background изменит цвет переднего плана на цвет фона. Вы также можете установить флажок Гистограмма стека, чтобы создать гистограмму для всего стека.
Для цветных изображений установка порога выполняется с помощью последовательности команд Изображение ›Настроить› Порог цвета…. Метод определения порога Параметр позволяет выбрать метод определения порога, отличный от используемого по умолчанию. Параметр Пороговый цвет позволяет вам выбрать красный, белый, черный или черно-белый цвет в качестве порогового цвета.Параметр Цветовое пространство позволяет выбирать между HSB, RGB, Lab и YUV. Фон порогового изображения может быть светлым или темным. Изображение можно преобразовать в двоичное изображение с помощью команды меню Изображение ›Тип› 8-бит.
Автоматический порог
Существует множество алгоритмов, которые можно использовать для расчета порога без предвзятости пользователя. Оценку более 40 из них можно найти в этой статье:
DOI: 10.1117 / 1.1631315
Fiji имеет несколько плагинов, которые можно найти в меню Изображение ›Настроить› Порог для автоматического расчета порогового значения изображения.К ним относятся пороговое значение Оцу, порог максимальной энтропии и пороговое значение для моделирования смеси. Полный список методов, доступных с Fiji, см. В разделе «Плагины», расположенном в разделе «Документация» на вкладке «Содержимое» в верхней части этой страницы.
Разделение водоразделов
Перекрывающиеся объекты в двоичном изображении можно разделить с помощью команды меню Процесс ›Двоичный› Водораздел.
Сначала преобразуйте изображение в двоичное, установив порог.Затем черные пиксели заменяются серыми пикселями с интенсивностью, пропорциональной их расстоянию от белого пикселя. Черные пиксели, расположенные ближе к краю, светлее, чем черные пиксели, расположенные по центру. Это карта евклидова расстояния (EDM) черной области. Отсюда вычисляются центры объектов. Это крайние размытые точки (UEP) каждой черной области, означающие, что они равноудалены от каждого края. Затем эти точки расширяются, пока не коснутся другого черного пикселя. Эта точка встречи — это место, где проводится водораздел.
Анализируйте частицы
Чтобы проанализировать частицы на сегментированном изображении, используйте команду меню Анализировать ›Анализировать частицы…. Это предоставит вам информацию о каждой частице изображения.
Установите минимальный размер и максимальный размер области в пикселях, чтобы исключить из изображения все, что не является интересующим объектом. Также можно выбрать значения округлости от 0,0 до 1,0, чтобы исключить нежелательные объекты. Выберите опцию Показать: Контуры , чтобы отобразить изображение обнаруженных объектов.Раскрывающееся меню Показать также позволяет пользователю отображать ничего, голые контуры, эллипсы, маски, маски подсчета, контуры наложения и маски наложения. Пользователь может выбрать, следует ли отображать результаты , Очистить результаты , Суммировать , Добавить в диспетчер , Исключить по краям , Включить отверстия , Начало записи и / или Показать на месте .
Анализ частиц можно автоматизировать с помощью плагинов или макросов после определения правильного порогового значения и диапазона размеров частиц для интересующих объектов.
Счетчик ядер
Этот плагин автоматизирует многие шаги, описанные выше.
.
Введите диапазон для подсчета
Выберите метод автоматического определения порога. Это может быть Current , Otsu , Maximum Entropy , Mixture Modeling или k-means clustering. Current использует порог, установленный вручную, см. Выше.
Выполните коррекцию фона.
Используйте фильтр Smooth .
Выполните разделение водоразделов.
Добавьте частицы в менеджер ROI.
Скажите да резюме.
Другие опции могут быть легко добавлены по запросу.
Количество, площадь и средний размер возвращаются в виде текстового окна, а выделенные частицы накладываются на дубликат исходного изображения.
Ручной подсчет
Вы можете использовать встроенный многоточечный инструмент для ручного подсчета частиц.
Отслеживание частиц
Particle Tracker Particle Tracker — это модуль двумерного отслеживания точек для автоматического обнаружения и анализа траекторий частиц, записанных с помощью видеоизображения в клеточной биологии. Алгоритм описан в Sbalzarini and Koumoutsakos (2005 [1]).
TrackMate Используйте команду меню Плагины ›Отслеживание› TrackMate. Этот плагин позволяет выполнять отслеживание отдельных частиц точечных структур. Для получения более подробной информации см. Руководство и пояснения по TrackMate.
Отслеживание вручную Используйте команду меню Плагины ›Отслеживание› Отслеживание вручную. Этот инструмент позволяет отслеживать движение клетки.
Преимущество автоматического обнаружения сетевой информации среди интернет-наркоманов: поведенческие и ERP-доказательства
1.
Янг, К. С. Интернет-зависимость: появление нового клинического расстройства. Киберпсихологическое поведение. 1 , 237–244 (1998).
Артикул Google Scholar
2.
Янг, К. С. Интернет-зависимость: симптомы, оценка и лечение. Инновации в клинической практике: справочник 17 , 19–31 (1999).
Google Scholar
3.
Хэ, Дж. Б., Лю, К. Дж., Го, Ю. Ю. и Чжао, Л. Дефицит восприятия лица на ранней стадии у чрезмерно активных пользователей Интернета. Cyberpsychol Behav Soc Netw. 14 , 303–308 (2011).
Артикул PubMed Google Scholar
4.
APA. Диагностическое и статистическое руководство по психическим расстройствам, 5-е изд. Вашингтон, округ Колумбия (2013).
5.
Гриффитс, М. Д., Кусс, Д. Дж. И Деметровикс, З. Социальные сети: наркомания: обзор предварительных результатов [M] // Поведенческие зависимости. Эльзевьер Инк. . 119–141 (2014).
6.
Меткалф, О. и Паммер, К. Предвзятое отношение к чрезмерно массовым многопользовательским ролевым онлайн-игрокам, использующим модифицированную задачу Stroop. Comput Hum Behav. 27 , 1942–1947 (2011).
Артикул Google Scholar
7.
Ниу, Г. Ф. и др. . Тяга к Интернету среди интернет-наркоманов, вызванная сигналом. Поведение наркомана. 62 , 1–5 (2016).
Артикул PubMed Google Scholar
8.
Zhang, Y. et al. . Активность мозга по отношению к сигналам, связанным с играми, при расстройстве интернет-игр во время выполнения задачи по наркомании. Фронт Психол . 7 , https://doi.org/10.3389/fpsyg.2016.00714 (2016).
9.
Франкен, И. Х. А. Тяга к наркотикам и зависимость: интеграция психологического и нейропсихофармакологического подходов. Prog Neuro-Psychoph. 27 , 563–579 (2003).
Артикул Google Scholar
10.
Холст Р. Дж. и др. . Предвзятое внимание и расторможенность в отношении игровых сигналов связаны с проблемными играми у подростков мужского пола. J Здоровье подростков. 50 , 541–546 (2012).
Артикул Google Scholar
11.
Дай, С., Ма, Q. и Ван, X. Предвзятое отношение к стимулам, связанным с зависимостью, у пациентов с интернет-зависимостью: исследование erp. J Psychol Sci. 34 , 1302–1307 (2011).
Google Scholar
12.
Лу, Дж. и др. . Функциональное состояние мозга при создании музыки: исследование композиторов с помощью фМРТ. Научный сотрудник . 5 , https://doi.org/10.1038/srep12277 (2015).
13.
Тиффани, С. Т. Когнитивная модель позывов к наркотикам и поведения, связанного с употреблением наркотиков: роль автоматических и неавтоматических процессов. Psychol Rev. 97 , 147–168 (1990).
Артикул PubMed CAS Google Scholar
14.
Робинсон, Т. Э. и Берридж, К. С. Нейронная основа тяги к наркотикам: теория склонности к стимулированию и сенсибилизации. Brain Res Rev. 18 , 247–291 (1993).
Артикул PubMed CAS Google Scholar
15.
Робинсон, Т. Э. и Берридж, К. С. Психология и нейробиология зависимости: взгляд на стимулы и сенсибилизацию. Наркомания. 95 , S91 – S117 (2000).
PubMed Google Scholar
16.
Могг, К. и Брэдли, Б.P. Ориентация внимания на угрожающие выражения лица, представленные в условиях ограниченной осведомленности. Познание эмоций. 13 , 713–740 (1999).
Артикул Google Scholar
17.
Могг, К. и Брэдли, Б. П. Избирательная ориентация внимания на замаскированные лица угроз при социальной тревоге. Behav Res Ther. 40 , 1403–1414 (2002).
Артикул PubMed Google Scholar
18.
Брэдли, Б., Филд, М., Могг, К. и Де, Х. Дж. Предвзятые и оценочные предубеждения для сигналов о курении при никотиновой зависимости: составляющие процессы предубеждений в визуальной ориентации. Behav Pharmacol. 15 , 29–36 (2004).
Артикул PubMed CAS Google Scholar
19.
Константину, Н. и др. . Предвзятость внимания, тормозящий контроль и острый стресс у нынешних и бывших наркоманов. Зависимость от наркотиков и алкоголя. 109 , 220–225 (2010).
Артикул Google Scholar
20.
Нятянен, Р., Гайярд, А. В. и Мянтисало, С. Переосмысление раннего эффекта избирательного внимания на вызванный потенциал. Acta Psychol. 42 , 313–329 (1978).
Артикул Google Scholar
21.
Нятянен, Р., Куяла, Т. и Винклер, И.Слуховая обработка, ведущая к сознательному восприятию: уникальное окно для центральной слуховой обработки, открываемое негативностью несоответствия и соответствующими реакциями. Психофизилогия. 48 , 4–22 (2011).
Артикул Google Scholar
22.
Циглер И., Балаж Л. и Винклер И. Обнаружение не относящихся к задаче визуальных изменений на основе памяти. Психофизиология. 39 , 869–873 (2002).
Артикул PubMed Google Scholar
23.
He, J. B. et al. . Различные эффекты алкоголя на автоматическое определение цвета, местоположения и изменения времени: исследование отрицательного несоответствия. J Psychopharmacol. 28 , 1109–1114 (2014).
Артикул PubMed CAS Google Scholar
24.
Кимура, М., Катаяма, Дж. И., Охира, Х. и Шрёгер, Э. Отрицательность визуального несоответствия: новые доказательства из равновероятной парадигмы. Психофизиология. 46 , 402–409 (2009).
Артикул PubMed Google Scholar
25.
Аменедо, Э., Пазо-Альварес, П. и Кадавейра, Ф. Вертикальная асимметрия при предварительном обнаружении изменений направления движения. Int J Psychophysiol. 64 , 184–189 (2007).
Артикул PubMed Google Scholar
26.
Müller, D. et al. .Визуальные репрезентации объектов могут формироваться вне фокуса произвольного внимания: свидетельства из связанных с событиями потенциалов мозга. J Cognitive Neurosci. 22 , 1179–1188 (2010).
Артикул Google Scholar
27.
Li, X. et al. . Негативность визуального несоответствия, вызванная выражением лица: новое свидетельство равновероятной парадигмы. Поведение мозга . 8 , https: // doi.org / 10.1186 / 1744-9081-8-7 (2012).
28.
Ван В., Мяо Д. и Чжао Л. Автоматическое обнаружение изменений ориентации лиц по сравнению с объектами, не являющимися лицами: визуальное исследование ММН. Biol Psychol. 100 , 71–78 (2014).
Артикул PubMed Google Scholar
29.
Стефаникс, Г. и Циглер, И. Автоматические реакции на ошибки предсказания для рук с неожиданной латеральностью: электрофизиологическое исследование. Нейроизображение. 63 , 253–261 (2012).
Артикул PubMed Google Scholar
30.
Kecskés-Kovács, S. I. & Czigler, I. Пол лиц определяется автоматически: исследование негативного визуального несоответствия. Front Hum Neurosci. 7 , 523–533 (2013).
Артикул Google Scholar
31.
Фаркас К., Стефаникс Г., Marosi, C. & Csukly, G. Элементарные сенсорные дефициты при шизофрении, индексируемые нарушением визуального несоответствия негативности. Schizophr Res. 166 , 164–170 (2015).
Артикул PubMed Google Scholar
32.
Neuhaus, A.H. Свидетельства о нарушении ошибки прогнозирования зрения при шизофрении. Schizophr Res. 147 , 326–330 (2013).
Артикул PubMed Google Scholar
33.
Maekawa, T. et al. . Измененные системы обработки зрительной информации при биполярном расстройстве: данные визуального MMN и P3. Фронт Хум Neurosci . 7 , https://doi.org/10.3389/fnhum.2013.00403 (2013).
34.
Qiu, X. et al. . Нарушение обработки зрительной информации на этапе предварительного внимания у пациентов с большим депрессивным расстройством: исследование негативности визуального несоответствия. Neurosci Lett. 491 , 53–57 (2011).
Артикул PubMed CAS Google Scholar
35.
Чанг, Ю., Сюй, Дж., Ши, Н., Чжан, Б. и Чжао, Л. Дисфункция обработки не относящихся к задаче эмоциональных лиц у пациентов с большим депрессивным расстройством, выявленная с помощью визуальных MMN, связанных с выражением лица . Neurosci Lett. 472 , 33–37 (2010).
Артикул PubMed CAS Google Scholar
36.
Хосак, Л., Кремлачек, Дж., Куба, М., Либигер, Дж. И Цизек, Дж. Отрицательность несоответствия в зависимости от метамфетамина: пилотное исследование. Acta Neurobiol Exp. 68 , 97–102 (2008).
Google Scholar
37.
Kremláček, J. et al. . Отрицательность визуального несоответствия (vMMN): обзор и метаанализ исследований психиатрических и неврологических расстройств. Cortex. 80 , 76–112 (2016).
Артикул PubMed Google Scholar
38.
Янг, X. и др. . Гендерные различия в обнаружении изменений с предварительным вниманием для визуальных, но не слуховых стимулов. Clin Neurophysilo. 127 , 431–441 (2016).
Артикул Google Scholar
39.
Ван, X. Д., Ву, Ю. Ю., Лю, А. и Ван, П. Пространственно-временная динамика автоматической обработки фонологической информации в визуальных словах. Научный сотрудник . 3 , https://doi.org/10.1038/srep03485 (2013).
40.
Могг, К., Брэдли, Б. П. и Хэллоуэлл, Н. Предвзятость внимания к угрозе: роль характерной тревожности, стрессовых событий и осведомленности. Q J Exp Psychol. 47 , 841–864 (1994).
Артикул CAS Google Scholar
41.
Ян, Х. и др. . Предсознательное смещение внимания у курильщиков сигарет: исследование модуляции осознания смещения внимания. Addict Biol. 14 , 478–88 (2009).
Артикул PubMed Google Scholar
42.
Ноэль, Х. и др. . Динамика внимания к сигналам об алкоголе у абстинентных алкоголиков: роль первоначального ориентирования. Alcohol Clin Exp Res. 30 , 1871–1877 (2006).
Артикул PubMed Google Scholar
43.
Loeber, S. и др. . Клиническое исследование: смещение внимания у пациентов с алкогольной зависимостью: роль хронического характера и исполнительного функционирования. Addict Biol. 14 , 194–203 (2009).
Артикул PubMed Google Scholar
44.
Vollstädtklein, S., Loeber, S., Von, G.C., Mann, K. & Kiefer, F. Избегание связанных с алкоголем стимулов усиливается на ранней стадии воздержания у пациентов с алкогольной зависимостью. Алкоголь Алкоголизм. 44 , 458–463 (2009).
Артикул Google Scholar
45.
Чиккарелли М., Нигро Г., Гриффитс М. Д., Козенца М. и Д’Олимпио Ф. Предвзятость внимания у проблемных и непроблемных игроков. J Аффектные расстройства. 198 , 135–141 (2016).
Артикул PubMed Google Scholar
46.
Россе, Р.Б. и др. . Предотвращающие и внимательные движения глаз во время визуального сканирования кокаинового сигнала: корреляция с интенсивностью тяги к кокаину. J Neuropsych Clin N. 9 , 91–94 (1997).
Артикул CAS Google Scholar
47.
Себальос, Н. А., Комогорцев, О. В. и Тернер, Г. М. Глазная визуализация смещения внимания у студентов колледжа: автоматическая и контролируемая обработка сцен, связанных с алкоголем. J Stud Алкогольные наркотики. 70 , 652–659 (2009).
Артикул PubMed Google Scholar
48.
Duijvenbode, N. V. et al. . Предвзятое отношение к алкоголикам с легкой или пограничной умственной отсталостью и без нее. J Интеллект Disabil Res. 61 , 255–265 (2017).
Артикул PubMed Google Scholar
49.
Кастелланос, Э. Х. и др. . У взрослых с ожирением визуальная предвзятость внимания к изображениям пищевого ориентира: свидетельство изменения функции системы вознаграждения. Int J Ожирение. 33 , 1063–1073 (2009).
Артикул CAS Google Scholar
50.
Werthmann, J. et al. . Не могу (не) оторвать глаз: Предвзятое внимание к еде у участников с избыточным весом. Health Psychol. 30 , 561–569 (2011).
Артикул PubMed Google Scholar
51.
Brevers, D. et al. . Динамика предвзятости внимания к информации об азартных играх в проблемной игре. Psychol Addict Behav. 25 , 675–682 (2011).
Артикул PubMed PubMed Central Google Scholar
52.
Zhao, H. et al. . Движение глаз, свидетельствующее о предвзятом отношении к сигналам, связанным с употреблением психоактивных веществ, у героин-иждивенцев, получающих поддерживающую терапию метадоном. Неправильное использование субстанции. 52 , 527–534 (2017).
Артикул PubMed Google Scholar
53.
Филд, М. и Кокс, У. М. Предвзятость внимания в аддиктивном поведении: обзор его развития, причин и последствий. Зависимость от наркотиков и алкоголя. 97 , 1–20 (2008).
Артикул Google Scholar
54.
Petit, G. et al. .Ранняя модуляция внимания с помощью сигналов, связанных с алкоголем, у молодых пьяниц: исследование потенциала, связанного с событием. Clin Neurophysiol. 123 , 925–936 (2012).
Артикул PubMed Google Scholar
55.
Versace, F. et al. . Реактивность мозга курильщиков на эмоциональные, нейтральные и связанные с сигаретой стимулы. Addict Biol. 16 , 296–307 (2011).
Артикул PubMed Google Scholar
56.
Асмаро, Д., Кэролан, П. Л. и Лиотти, М. Электрофизиологические доказательства раннего смещения внимания к изображениям, связанным с наркотиками, у хронических потребителей каннабиса. Поведение наркомана. 39 , 114–121 (2014).
Артикул PubMed Google Scholar
57.
Ниджс, И. М., Франкен, И. Х. и Мурис, П. Вмешательство Струпа, связанное с питанием, у лиц с ожирением и нормальным весом: поведенческие и электрофизиологические индексы. Ешьте поведение. 11 , 258–265 (2010).
Артикул PubMed Google Scholar
58.
D’Hondt, F. & Maurage, P. Электрофизиологические исследования интернет-зависимости: обзор в рамках двойного процесса. Поведение наркомана. 64 , 321–327 (2017).
Артикул PubMed Google Scholar
59.
Робинсон Т.Э. и Берридж, К. С. Теория сенсибилизации стимулов наркомании: некоторые текущие вопросы. Филос Т. Рой Соц Б. 363 , 3137–3146 (2008).
Артикул Google Scholar
60.
Балкони, М., Вентурелла, И., и Финоккиаро, Р. Данные системы вознаграждения, влияние FRN и P300 на интернет-зависимость у молодых людей. Мозговая наука . 7 , https://doi.org/10.3390/brainsci7070081 (2017).
61.
Ко, К. Х. Мозговые корреляты тяги к онлайн-играм под воздействием реплики у субъектов с зависимостью от Интернет-игр и у пациентов с ремиссией. ADDICT BIOL. 18 , 559–569 (2011).
Артикул PubMed Google Scholar
62.
Sun, Y. et al. . ФМРТ-исследование влечения, вызванного изображениями-подсказками, у наркоманов онлайн-игр (подростки мужского пола). Behav Brain Res. 233 , 563–576 (2012).
Артикул PubMed Google Scholar
63.
Yuan, K. et al. . Нарушения толщины коры головного мозга в позднем подростковом возрасте с зависимостью от онлайн-игр. Плос ОДИН . 8 , https://doi.org/10.1371/journal.pone.0053055 (2013).
64.
Weng, C. et al. . Аномалии серого и белого вещества при зависимости от онлайн-игр. Eur J Radiol. 82 , 1308–1312 (2013).
Артикул PubMed Google Scholar
65.
Jin, C. et al. . Аномальная префронтальная кора в состоянии покоя, функциональная связность и тяжесть расстройства интернет-игр. Brain Imaging Behav. 3 , 719–729 (2016).
Артикул Google Scholar
66.
Jeromin, F., Nyenhuis, N.И Барк, А. Предвзятость чрезмерного внимания интернет-геймеров: экспериментальные исследования с использованием Струпа наркомании и визуального зонда. J Behav Addict. 5 , 32–40 (2016).
Артикул PubMed PubMed Central Google Scholar
67.
Кенеманс, Дж. Л., Хебли, В., Ван ден Хевел, Э. Х. М. и Грент-Т-Йонг, Т. Умеренное употребление алкоголя нарушает механизм обнаружения редких событий в зрительной коре головного мозга человека. J Psychopharmacol. 24 , 839–845 (2010).
Артикул PubMed CAS Google Scholar
68.
Ван, Дж. Дж., Би, Х. Ю., Гао, Л. К. и Уайделл, Т. Н. Зрительный магноклеточный путь у китайскоязычных детей с дислексией развития. Neuropsychologia. 48 , 3627–3633 (2010).
Артикул PubMed Google Scholar
69.
Цзяо, К., Ван, Т., Пэн, X., и Цуй, Ф. Нарушение обработки эмпатии у людей с расстройством интернет-зависимости: потенциальное исследование, связанное с событием. Front Hum Neurosci , 11 , https://doi.org/10.3389/fnhum.2017 (2017).
70.
Cheetham, A., Allen, N. B., Yücel, M. & Lubman, D. I. Роль аффективной дисрегуляции в наркомании. Clin Psychol Rev. 30 , 621–634 (2010).
Артикул PubMed Google Scholar
71.
Ким, С. Х. Снижение дофаминовых рецепторов D2 в полосатом теле у людей с интернет-зависимостью. Нейроотчет. 22 , 407–411 (2011).
Артикул PubMed CAS Google Scholar
72.
Tian, M. et al. . ПЭТ-визуализация выявляет функциональные изменения мозга при расстройстве, связанном с интернет-играми. евро J Nucl Med Mol Imaging. 41 , 1388–1397 (2014).
Артикул PubMed Google Scholar
73.
Zhang, Y. и др. . Изменения связности головного мозга в трех субрегионах передней поясной коры у героин-зависимых лиц: данные фМРТ в состоянии покоя. Неврология. 284C , 998–1010 (2015).
Артикул CAS Google Scholar
74.
Вальдес П. и Мехрабиан А. Влияние цвета на эмоции. J Exp Psychol Gen. 123 , 394–409 (1994).
Артикул PubMed CAS Google Scholar
75.
Уилсон, Г. Д. Пробуждающие свойства красного по сравнению с зеленым. Навык восприятия и моторики. 23 , 947–949 (1966).
Артикул Google Scholar
76.
Болдуин, М. В. и Менье, Дж. Активация реляционных схем привязки с помощью команды. Soc Cognition. 17 , 209–227 (1999).
Артикул Google Scholar
77.
Гао, С. Реакция цветового зрения на пространственную частоту и распознавание образов. J Юго-Восточный университет. 25 , 36–40 (1995).
MathSciNet ОБЪЯВЛЕНИЯ Google Scholar
78.
Чжао, X. М., Тэн, П. К. и Цзун, Дж. Г. Исследование визуальной дискриминации человеческого глаза по разнице в цвете. Electron Sci & Technol. 1 , 303–307 (2014).
Google Scholar
79.
Хуанг, X. Т., Хуанг, В. и Ли, X. R. Символическое значение цветов для китайцев. J Psychol Sci. 6 , 1–7 (1991).
ADS Google Scholar
80.
Стефаникс Г., Чукли Г., Комлози С., Чобор П. и Циглер И. Обработка оставленных без внимания эмоций на лице: исследование негативности визуального несоответствия. Нейроизображение. 59 , 3042–3049 (2012).
Артикул PubMed Google Scholar
81.
Семлич, Х. В., Андерер, П., Шустер, П. и Пресслих, О. Решение для надежного и достоверного уменьшения глазных артефактов, примененное к P300 ERP. Психофизилогия. 23 , 695–703 (1986).
Артикул CAS Google Scholar
82.
Циглер И. Негативность визуального несоответствия и категоризация. Brain Topogr. 27 , 590–598 (2014).
Артикул PubMed Google Scholar
Установить метод определения цвета
Параметр определения цвета определяет метод, используемый PaperCut NG / MF для анализа документов на наличие цвета.Для изменения метода обнаружения может потребоваться дополнительная настройка принтера.
Стандартный способ, используемый PaperCut NG / MF для обработки цвета в документах, — это проверить, установил ли драйвер принтера флаг градаций серого. Когда этот флаг установлен для документа, отправленного на цветной принтер, применяется скидка на оттенки серого. В противном случае документ оплачивается по стандартному тарифу принтера. Это может быть неудобно для пользователей, когда большой документ печатается всего с несколькими цветными страницами.
Например, пользователь распечатывает 21-страничный документ на цветном принтере. В документе все оттенки серого, за исключением цветного заголовка на первой странице. При использовании стандартного определения цвета с пользователя взимается плата за 21 страницу по стандартному тарифу цветного принтера. В качестве обходного пути пользователь может отправить документ в виде двух заданий на печать (одно только с первой страницей, содержащей цвет, а другое — с остальной частью документа), но это неудобно. Улучшенная альтернатива — использовать.Когда выбран этот параметр, с пользователя будет взиматься плата за одну страницу по стандартной ставке цветного принтера, а для остальных 20 страниц он получит скидку на оттенки серого.
PaperCut NG / MF имеет три варианта определения цвета документа:
Только оттенки серого (для принтеров с оттенками серого)
Стандартное обнаружение цвета (также называемое обнаружением на уровне документа)
Обнаружение цвета на уровне страницы
Настройка определения цвета доступна для каждого принтера, управляемого PaperCut NG / MF.PaperCut NG / MF может выполнять определение цвета на уровне страницы на большинстве современных цветных принтеров.
Чтобы использовать определение цвета на уровне страницы

Щелкните вкладку Принтеры.
Откроется страница со списком принтеров.
Выберите принтер.
Отображается страница сведений о принтере с содержимым вкладки «Сводка».
В области расширенной конфигурации выберите режим определения цвета:
Это принтер с оттенками серого — принтер не может печатать цветные документы, поэтому определение цвета не выполняется.Это гарантирует, что количество цветных страниц для этого принтера всегда равно нулю.
Это цветной принтер (используйте стандартное определение). Документы обрабатываются как имеющие оттенки серого (если драйвер принтера установил флаг шкалы серого) или цветные. Этот режим доступен практически на всех цветных принтерах. Если пользователи печатают документы, содержащие как полутоновые, так и цветные страницы, этот параметр поощряет пользователей использовать цветные принтеры только для цветной печати.
Это цветной принтер (используйте определение уровня страницы) — определение цвета на уровне страницы сканирует каждую страницу документа на предмет наличия следов цвета. Скидка на оттенки серого применяется к любым страницам с оттенками серого, а стоимость других страниц взимается по стандартной ставке принтера.
Системы
Linux и Mac принимают изменения немедленно.
На серверах под управлением Windows изменение распространяется на. Вы можете ускорить этот процесс, вручную перезапустив (остановив и запустив) службу поставщика печати PaperCut NG / MF через Панель управления> Администрирование> Службы.
Для серверов печати Windows:
На странице свойств принтера в Windows на вкладке «Дополнительно» установите «Включить дополнительные функции печати в соответствии с типом принтера»:
для принтеров PostScript, PCL, HPGL или XPS отключите эту настройку.(На этих принтерах определение уровня страницы работает независимо от настройки расширенных функций печати, но вы должны отключить эту настройку, если хотите использовать расширенные функции PaperCut NG / MF, такие как фильтры преобразования оттенков серого / дуплекс и водяные знаки.)
для других типов принтеров, включите настройку. На большинстве принтеров этот параметр заставляет файлы печати помещаться в буфер с использованием формата Windows EMF.PaperCut NG / MF поддерживает определение цвета на уровне страницы для EMF. См. Ограничения ниже.
Для серверов печати, отличных от Windows, определение цвета на уровне страницы доступно только для принтеров PostScript, PCL, HPGL и XPS.
Распечатайте несколько тестовых документов с полутоновыми и цветными страницами и убедитесь, что PaperCut NG / MF правильно заряжает документ.Журнал печати на вкладке «Принтеры» — хорошее место для отслеживания обнаружения в режиме реального времени.
Автоопределение цветового режима принтера
Начиная с версии 14.1, при первом добавлении принтера PaperCut NG / MF определяет, является ли он оттенками серого или цветным, и соответственно устанавливает режим определения цвета. Автоопределение цветового режима выполняется только один раз и может быть отменено вручную.
Автоопределение цветового режима работает хорошо, но у вас может быть причина не использовать его. Вы можете отключить его, установив для ключа конфигурации printer.detect.grayscale.printers значение N. См. Использование расширенного редактора конфигурации, чтобы узнать, как изменить ключи конфигурации.
Ограничения определения цвета на уровне страницы
Обнаружение уровня страницы работает путем проверки содержимого документа на предмет использования цвета.Цель состоит в том, чтобы отследить простые черно-белые страницы, чтобы предложить пользователю скидку на оттенки серого на этих страницах. Есть несколько ситуаций, при которых страница с оттенками серого может отображаться как цветная, что называется «ложным срабатыванием». Эти ситуации встречаются редко и обсуждаются ниже:
Использование некоторых форматов изображений, даже если они выглядят в оттенках серого, можно определить как цвет. Например, JPEG является форматом с потерями, и артефакты в результате сжатия могут вызывать появление пятен цвета.PaperCut NG / MF справляется с большинством этих ситуаций, но изображения JPEG в оттенках серого в файлах PDF могут вызывать ложные срабатывания.
Использование «цветного» пробела в Microsoft Word может вызвать ложное срабатывание при использовании некоторых драйверов печати. Например, пользователь выбирает цветной шрифт, вводит один пробел или новую строку, а затем снова становится черным. PaperCut NG / MF в большинстве случаев правильно выходит из «цветового пространства», но могут возникнуть проблемы с некоторыми драйверами, ведущие к ложному срабатыванию.
Параметр «Включить дополнительные функции печати» в Windows позволяет определять цвет на уровне страницы для работы на многих цветных принтерах путем буферизации файлов печати в формате EMF.Точность определения цвета зависит от конкретного использования. Наше тестирование показало отличную точность с новыми принтерами и драйверами, но худшие результаты с некоторыми старыми драйверами. Если вы используете старый принтер, запустите репрезентативный набор заданий на печать, чтобы убедиться, что количество цветных страниц соответствует вашим требованиям. По возможности выберите драйвер PCL или PostScript, если он доступен для вашего принтера.
Дистанционное зондирование | Бесплатный полнотекстовый | Автоматическое обнаружение и сегментация колонн в строящихся зданиях по облакам точек
1.Введение
За более чем два десятилетия реконструкция зданий в 3D стала активной темой исследований в сообществах дистанционного зондирования, фотограмметрии и компьютерного зрения [1,2,3]. Эта тенденция продолжилась из-за растущего спроса на обновленные, точные и автоматически производимые модели [4]. Хотя было разработано несколько методологий для автоматической реконструкции интерьера и оболочки здания на основе облаков точек и / или изображений, большинство из них ориентировано на реконструкцию уже завершенных зданий, в то время как строящимся зданиям уделяется не так много внимания.Систематическая оценка размеров и качества строительных компонентов на ранней стадии процесса строительства имеет важное значение для успешного завершения процесса строительства в отведенное время, что позволяет сократить расходы. Прямые затраты на переделку в строительной отрасли составляют примерно 5% от общих затрат на строительство [5]. В настоящее время методы анализа размеров строительных компонентов в основном основаны на использовании инструментов дистанционного зондирования, таких как тахеометры.Хотя они очень точны, их использование отнимает много времени и подвержено ошибкам оператора и, следовательно, нецелесообразно в больших масштабах [6]. Наземные лазерные сканеры (TLS) привлекают все большее внимание для сбора и анализа трехмерных данных о состоянии строительства крупномасштабных гражданских инфраструктур либо на этапе строительства, либо на этапе ввода в эксплуатацию, либо на этапе эксплуатации [ 7]. Геометрический сбор данных с помощью устройств TLS выполняется быстро, а облака точек имеют относительно высокое качество с точки зрения точности, точности и разрешения [8].Своевременный сбор и анализ данных необходимы для активного мониторинга производства на этапе строительства проекта и для автоматического трехмерного макета построенных объектов. В этом контексте мониторинг производства позволяет сравнивать состояние исполнения проекта с состоянием исполнения, определенным в договорном соглашении. Важность производственного мониторинга заключается в его удобстве для предоставления полной информации об объекте и обновленной планировке, для отслеживания изменений, основанных на решениях во время строительства, и для регистрации отклонений от решений, которые являются пределами технических характеристик объекта. устройство сбора данных и ошибки регистрации, если требуется более одной позиции сканирования [7].Хотя наземные лазерные сканеры получают точные и производительные геометрические данные, облака точек состоят из массивной и необработанной информации, которую необходимо обработать для извлечения информации, полезной для приложений, для обслуживания которых они предназначены. Например, облако точек, состоящее из нескольких тысяч частичных трехмерных облаков точек, которые описывают здание на ранней стадии строительства, бесполезно, хотя геометрическое положение построенных колонн и балок, их поперечные сечения и / или их высота известны, учитывая, что эти аспекты представляют интерес для мониторинга строительства.Следовательно, существует возрастающая потребность в автоматической обработке данных 3D-сканирования, полученных с помощью лазера, и, в частности, в сравнении этих данных с запланированными работами. В последние годы были предприняты активные усилия по облегчению автоматической обработки данных трехмерного лазерного сканирования. Хотя большинство подходов нацелено на реконструкцию уже построенных элементов, контроль качества и мониторинг требуют дополнительных функций [9]. Например, в области контроля качества и мониторинга недавно были применены 3D-лазерные сканеры для структурного мониторинга плотин [10]; для отслеживания механических, электрических и сантехнических компонентов (MEP), таких как воздуховоды, трубы и кабелепроводы [11]; для контроля плоскостности плиты [12]; и к выполнению оценки качества размеров сборных железобетонных элементов [13].
Целью данной работы является обнаружение и сегментирование колонн круглого и прямоугольного сечения в зданиях. Обнаружение цилиндров в облаках точек широко изучается из-за их важности и высокой степени присутствия в городской среде (например, фонарные столбы) или в промышленной инфраструктуре (например, воздуховоды, трубопроводы, трубы).
Лари и Хабиб [14] представили подробный обзор методов сегментации цилиндрических признаков, разделив их на три категории: пространственная область, область параметров и гибридные методы.Первая категория включает подходы к наращиванию области, которые в основном основаны на геометрических свойствах отдельных лазерных точек с помощью анализа главных компонентов локальной окрестности [15]. В методах пространственной области качество результатов зависит от качества исходных значений параметров и, следовательно, от качества данных [14]. В связи с этим проблема шума в процедурах наращивания области была недавно решена путем внедрения робастного анализа главных компонент (RPCA) для вычисления точечных нормалей [16], использования статистических методов для обнаружения выбросов и оценки кривизны [17] или принятия максимум распределения возможных нормалей из изображения, созданного путем заполнения накопителя преобразования Хафа [18], что приводит к уменьшению избыточной сегментации, присутствующей в процедурах выращивания других областей.Другие характеристики, такие как плотность проецируемых точек, собственные значения точек и интенсивность, также использовались для обнаружения цилиндрических вертикальных элементов, таких как столбы или деревья в городских сценах [19,20,21]. Эти стратегии сегментации включают восстановление локальной окрестности для каждой трехмерной точки и извлечение различных объектов с последующим процессом классификации. Weinmann et al. [22] представили недавний обзор этих методов, в основном применяемых к городским сценам, когда данные собираются с мобильного лазерного сканера, что приводит к высококачественным наборам данных с точки зрения полноты данных.В категории области параметров методы основаны на поиске предопределенных параметрических форм. Параметры первоначально оцениваются по локальной окрестности каждой точки, а обнаружение основывается на поиске пиков в пространстве атрибутов. Эти методы считаются медленными по сравнению с методами пространственной области, особенно если количество задействованных параметров велико, но они более устойчивы к наличию помех и засорений [23]. Преобразование Хафа — подход, принадлежащий к этой категории. Цилиндр определяется пятью параметрами, поэтому прямое использование преобразования Хафа нецелесообразно [24].Альтернативы прямому использованию преобразования Хафа были предложены в последние годы для извлечения цилиндров из облаков точек. Например, трубы были обнаружены в ортогональных срезах облаков точек с помощью двухмерного преобразования Хафа [25,26]. Эта методология также использовалась в отношении обнаружения столбцов круглого сечения [27], хотя методология апробирована в условиях полноты данных. Раббани и ван ден Хеувел [24] ввели последовательное двухэтапное преобразование Хафа, согласованное при первом определении направления оси цилиндра (2D-преобразование Хафа), а затем получении радиуса и позы (3D-преобразование Хафа).Наконец, третья категория, предложенная Лари и Хабибом [14], включает гибридные методы, такие как консенсус случайной выборки (RANSAC), в котором признаки классифицируются в области параметров и подгоняются в пространственной области [28]. Что касается элементов прямоугольной призмы. , большинство усилий было сосредоточено на восстановлении только видимых плоских поверхностей, из которых они составлены. Например, внутренние стены были широко признаны и моделировались поверхностными методами [29,30,31,32], тогда как было разработано лишь несколько подходов на основе объема [33,34].Методы подгонки объемных примитивов к данным более восприимчивы к неточности и неполноте данных. В то время как подходы пространственной области напрямую извлекают признаки из данных, подходы области параметров используют предыдущие знания для поиска наиболее подходящей модели. Этот факт делает подходы, основанные на параметрах, более устойчивыми при наличии частичной окклюзии [23].
Основная цель этой работы — разработать методику обнаружения и сегментирования колонн круглого и прямоугольного поперечного сечения в зданиях.Конкретные цели документа связаны с устойчивостью методологии к различным уровням беспорядка, непрозрачности и полноты данных, которые обычно присутствуют при строительстве в помещении. С одной стороны, полнота облака точек зависит от позиций сканирования, из которых собираются данные, которые определяются в соответствии со сложностью формы и занятыми частями внутреннего здания. С другой стороны, внутренние сцены обычно представляют собой заглушенную и загроможденную среду как на этапе строительства, так и на этапе использования из-за присутствия других объектов, таких как вспомогательные строительные элементы и мебель, соответственно.Предлагаемая методология основана на модельных методах, таких как преобразование Хафа и обобщенное преобразование Хафа. Эти методы надежны при частичной окклюзии, потому что они включают знание формы объекта, который нужно распознать.
Работа организована следующим образом. Раздел 2 описывает методику, разработанную для реконструкции колонн круглого и прямоугольного сечения. Раздел 3 сосредоточен на результатах и обсуждении, извлеченном из применения методологии к двум тематическим исследованиям при разных уровнях полноты данных.Наконец, в разделе 4 рассматриваются выводы, сделанные в результате работы.
Управление автоматическим обнаружением наземных контрольных точек в Site Scan Manager для ArcGIS
Резюме
Site Scan Manager for ArcGIS может обнаруживать наземные контрольные точки (GCP) на изображениях, полученных с дрона. В этой статье рассматривается, какие объекты можно считать опорными точками, как происходит обнаружение и какие модификации могут быть внесены в обнаруженные опорные точки в приложении.
Объекты, используемые в качестве опорных точек, такие как нанесенные аэрозольной краской метки и подвижные маркерные объекты, используются для помощи в географической привязке полета дрона. Эти объекты могут быть автоматически обнаружены диспетчером сканирования сайта после загрузки рейса. Это помогает находить опорные точки на собранных изображениях, ускоряя рабочие процессы обработки изображений.
Процедура
Site Scan for ArcGIS использует компьютерное зрение для обнаружения определенных типов наземных опорных точек на аэрофотоснимках.Модель обучена обнаруживать оранжевый или белый X, окрашенный аэрозольной краской, или черно-белый узор в виде шахматной доски в качестве опорной точки, как показано на изображениях ниже. Общее обнаружение становится более точным по мере того, как в модели обрабатывается больше фотографий.
Рабочий процесс
Необходимо включить Auto GCP Detection для проекта, в котором он используется.
Перейдите на вкладку Projects на главной боковой панели.
Выберите проект, в котором следует включить эту функцию.
В разделе Output Settings прокрутите страницу вниз, отметьте кнопку Automatic GCP Detection и нажмите Save .
Когда опорные точки были автоматически обнаружены в полете и в проект загружены опорные точки, в раскрывающемся списке слоя Наземные контрольные точки появится дополнительная кнопка под названием Просмотреть обнаруженные опорные точки .
После выбора просмотра опорных точек можно наблюдать следующее:
Все эскизы изображений полета с автоматически обнаруженными или оцененными GCP
Общее количество обнаруженных GCP
Название каждого набора GCP и количество фотографий, которые были обнаружены или оценены GCP
Дата загрузки для набора опорных точек проекта
Количество опорных точек, которые были или не были обнаружены на нескольких изображениях
Типы обнаружения
В рабочем процессе Site Scan for ArcGIS для компьютерного зрения GCP есть два типа обнаружения: обнаружено и оценено .
Изображение с обнаруженной опорной точкой автоматически выбирается для обработки. Изображение с оценкой опорной точки автоматически отменяется и не будет использоваться при обработке, но может быть выбрано и скорректировано, если опорная точка существует. «Приблизительно» означает, что опорная точка не была обнаружена, но может присутствовать на изображении.
Регулировка и обработка опорных точек
Может потребоваться повторное центрирование обнаруженных опорных точек на изображениях. Чтобы отрегулировать это, переместите изображение на миниатюре, чтобы выровнять центр опорной точки с зелеными или белыми перекрестиями.Для более детального просмотра щелкните значок раскрытия изображения в верхнем левом углу, чтобы развернуть его.
Чтобы закончить, нажмите кнопку Process в правом верхнем углу окна, чтобы обработать полет с этими помеченными GCP, или Save for Later , чтобы просмотреть GCP в другое время. Также можно выбрать стандартный поток ручного тегирования GCP в любой момент, нажав кнопку Сохранить для последующего использования рядом с кнопкой Процесс .
Дополнительная информация
Последняя публикация: 03.08.2021
Идентификатор статьи: 000023062
Программное обеспечение: Сайт веб-приложений.Scan.Manager.for.ArcGIS
Полезен ли этот контент?
Обнаружение белых и черных точек с использованием OpenCV | Python
Обработка изображений с помощью Python — одна из самых горячих тем в современном мире. Но обработка изображений немного сложна, и новичкам наскучивает первый подход. Итак, в этой статье у нас есть очень простая программа на Python для обработки изображений для подсчета черных точек на белой поверхности и белых точек на черной поверхности с использованием функций OpenCV ( cv2.imread, cv2.threshold, cv2.findContours, cv2.contourArea ).
Сначала нам нужно импортировать библиотеку OpenCV. Все функции, относящиеся к обработке изображений, находятся в этой библиотеке. Чтобы сохранить путь к изображению, мы собираемся обработать переменный путь.
Входное изображение —
Загрузка изображения в режиме оттенков серого. В режиме градаций серого изображение преобразуется в черно-белое изображение, состоящее из оттенков серого.
серый = cv2.imread (path, 0 )
Функция cv2.threshold работает так, как если значение пикселя больше порогового значения, ему присваивается одно значение (может быть белым), иначе оно присвоено другое значение (может быть черным). Первый аргумент — это исходное изображение, которое должно быть изображением в градациях серого (сделано ранее). Второй аргумент — это пороговое значение, которое используется для классификации значений пикселей. Для порогового значения просто передайте ноль. Затем алгоритм находит оптимальное пороговое значение и возвращает вас в качестве второго результата th.Если пороговое значение Otsu не используется, th совпадает с пороговым значением, которое вы использовали.

-е, обмолоченное = пороговое значение cv2. (серый, 100 , 255 ,
2
2 _VBOTH2_VB2_VBOTH2_VB2_VB2
Контуры можно объяснить просто как кривую, соединяющую все непрерывные точки (вдоль границы), имеющие одинаковый цвет или интенсивность.Контуры - полезный инструмент для анализа формы и обнаружения и распознавания объектов. Контуры обеспечивают лучшую точность при использовании двоичных изображений. В функции cv2.findContours () есть три аргумента: первый - исходное изображение, второй - режим поиска контура, третий - метод аппроксимации контура. Он выводит контуры и иерархию. Контуры - это список Python всех контуров изображения. Каждый отдельный контур представляет собой массив Numpy (x, y) координат граничных точек объекта.
Он в основном соединяет черные точки изображения для подсчета -
центов = cv2.findContours (обмолоченный, cv2.RETR_LIST,

XA _AIN) - 2 ]
cv2.contourArea () может вычислить площадь контура объекта. Здесь объект - черные точки. когда он получает черную точку, он вычисляет площадь, и если он удовлетворяет условию минимальной площади, которая будет считаться точкой, тогда он поместит значение своей площади в список xcnts.
s1 = 3
s2 = 20
xcnts = 924 924 934 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 cnts:
если s1
xcnts.append (cnt)
области.Если он считается точкой, то его площадь включается в список xcnts. Таким образом, мы получим количество точек, если посчитаем длину списка.

23
Подсчет белых точек на черном фоне -
Теперь для подсчета белых точек нам нужно немного изменить порог.мы должны использовать c v2.THRESH_BINARY вместо cv2.THRESH_BINARY_INV , потому что мы считаем белые значения на черной поверхности. Другой процесс такой же. Мы можем изменить значения s1 и s2 , чтобы проверить лучший результат.
Входное изображение:
печать ( "\ nКоличество точек: {}" . формат ( len (xcnts) Выход))
9242

импорт cv2
путь = "white dot.png"

433

433 9000 серыйimread (path, 0 )

th, обмолоченный = cv2. cv2.THRESH_BINARY | cv2.THRESH_OTSU)

cnts = cv2.findContours (обмолоченный, cv2.RETR_LIST,
9v24234
9v242 924 924 924ЦЕПЬ_APPROX_SIMPLE) [ - 2 ]

s1 = 3
s2 924 934 924 924 934
s2 9243 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924 924

для cnt дюйм cnts:
если s1
No related posts.

alexxlab
Навигация по записям
Пред.
След.
Разное
Рено дастер приборная панель описание индикаторов: Описание значков на панели приборов на Рено Дастер
alexxlab
21.09.2023
0
Разное
Юпитер 8м 2 50: Объектив Юпитер-8 50 mm f/ 2 Характеристики, MTF, отзывы, обзоры, тесты :: Lens-Club.ru
alexxlab
21.09.2023
0
Разное
Применение квадрокоптеров: Популярные сферы применения квадрокоптеров — Статья
alexxlab
20.09.2023
0
Разное
Оригинальные фотки: Оригинальные картинки на аву (100 фото) • Прикольные картинки и позитив
alexxlab
20.09.2023
0
Разное
Speedlight sb 500: б.у. Накамерный осветитель Nikon Speedlight SB-500
alexxlab
19.09.2023
0
Разное
Фигуры из полотенец: 17 клевых фигур из полотенец, которые вы могли не видеть в отелях
alexxlab
19.09.2023
0
Добавить комментарий Отменить ответ
Ваш адрес email не будет опубликован. Обязательные поля помечены *
Комментарий *
Имя *
Email *
Сайт

Рубрики
Iso
Вспышк
Вспышка
Выдержк
Выдержка
Кадр
Приемы
Разное
Советы
Стоимость
Сцен
Съёмка
Уроки
Фокус
Фото
Фотолюбител
Фотолюбителям
Экспозиц
Экспозиция
Primelens.ru © 2019