Ps:RGB 直方图

RGB 颜色模式下,将三个原色通道直方图对应相同色阶值的个数进行相加,就形成了灰色的 RGB 直方图。

比如,在 RGB 直方图上,色阶值为 43 的总共有 10271 个,这个数值实际上来自于三个原色通道中色阶值为 43 的颜色分量的个数之和。

3036(红) + 3644(绿) + 3591(蓝 )= 10271

色阶值为 218 的总共有 1910 个,也是求和的结果。

1831(红) + 79(绿) + 0(蓝 )= 1910

很显然,一个像素的 R、G、B 的色阶值有可能会有相同值,比如 R、G 的值同为 43。

所以,这样统计出的个数要大于图像的实际像素个数。

这种直接累加分量值个数的方式所形成的 RGB 直方图是很难对图像的明暗关系和色彩关系进行精准判断的。

在 RGB 颜色模式下,一个像素的最终色彩是由其 R、G、B 三个通道的值通过加色混合得到的。

用拾色器吸取上图中箭头指示处的颜色,测得 R、G、B 分别是(171,72,69)。

也就是说,红通道直方图统计了这个像素的 171 的分量值,记录在红通道直方图的右侧亮部区域,而蓝通道统计了它的 69 的分量值,记录在蓝通道直方图的左侧暗部区域。

不过,RGB 直方图对于快速判断图像的整体亮度范围还是非常有用的,特别是在调整曝光、亮度和对比度时。

在一个像素的三个通道值中,只要其中一个值较大,则这个像素就会显得比较亮,因为在 RGB 颜色模式下,三个通道是按照加色模式进行混合的。

因此,在 RGB 直方图中,右侧的"像素"数目越多,说明画面越亮。右侧的"像素"数目越少,说明画面越暗,这一点是肯定的。

但 RGB 直方图左侧的"像素"较多时不一定可以表明该图像偏暗。

◆ ◆

RGB 直方图的应用说明

观察图像本身并配合查看 RGB 直方图查看,是可以有效地分析图像的各个亮度区域(阴影、中间调、高光)以及可能出现的高光剪切或阴影剪切情况,由此。可以帮助确定图像调整的方向。

比如,是否需要增加曝光来提亮图像、减少曝光来增加细节或调整对比度来平衡中间调。

均匀分布的中间调直方图通常意味着图像具有良好的细节和层次感。

当直方图右侧紧贴边缘出现峰值时,表明图像中的某些区域可能过于明亮,以至于细节完全丢失(称为"高光剪切")。

当直方图左侧紧贴边缘出现峰值时,表明图像中的某些暗部区域过于黑暗,细节丢失(称为"阴影剪切")。

"点赞有美意,赞赏是鼓励"

相关推荐
3DVisionary6 分钟前
3D-DIC与机器学习协同模拟材料应力-应变本构行为研究
人工智能·机器学习·3d·3d-dic技术 机器学习·应力-应变本构行为·卷积神经网络(ecnn)·数字图像相关法(dic)
神经星星8 分钟前
无需预对齐即可消除批次效应,东京大学团队开发深度学习框架STAIG,揭示肿瘤微环境中的详细基因信息
人工智能·深度学习·机器学习
神经星星8 分钟前
【vLLM 学习】调试技巧
人工智能·机器学习·编程语言
程序员Linc27 分钟前
写给新人的深度学习扫盲贴:向量与矩阵
人工智能·深度学习·矩阵·向量
xcLeigh35 分钟前
OpenCV从零开始:30天掌握图像处理基础
图像处理·人工智能·python·opencv
果冻人工智能38 分钟前
如何有效应对 RAG 中的复杂查询?
人工智能
2305_797882091 小时前
AI识图小程序的功能框架设计
人工智能·微信小程序·小程序
果冻人工智能1 小时前
向量搜索中常见的8个错误(以及如何避免它们)
人工智能
碳基学AI1 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义免费下载方法
大数据·人工智能·python·gpt·算法·语言模型·集成学习
补三补四1 小时前
机器学习-聚类分析算法
人工智能·深度学习·算法·机器学习