Контраст = Информация

• Что такое контраст и почему он важен?
• Контраст = Разница между темным и светлым (яркостный) и между цветами (цветовой).
• Низкий контраст: Данные «слиплись», автоматизация не работает. Это шум и ошибки классификации.
• Высокий контраст: Четкие границы, объекты легко отделить друг от друга. Это «разрешающая способность» для вашего алгоритма.
• Вот наглядный пример. Представьте, ваш алгоритм пытается найти границы поля на левом снимке — это почти невозможно. На правом — задача упрощается в разы. Контраст — это «разрешающая способность» для вашего алгоритма. Без него — только шум и ошибки классификации.

Измеряем яркостный контраст: Гистограмма и Стандартное Отклонение (σ)

• Переходим к цифрам. Наш главный инструмент для ч/б снимков — гистограмма и стандартное отклонение \sigma.
• Математическое выражение контраста
• Где:
• \sigma — Стандартное Отклонение (мера контраста)
• P_i — Яркость i-го пикселя
• \mu — Средняя яркость изображения
• N — Общее количество пикселей
• \sigma — это числовая мера контраста. Чем выше \sigma, тем выше контраст.
• В Python: numpy.std(image_array)
• Посмотрите: у тусклого снимка гистограмма — узкий столбик, а \sigma низкое. У качественного — гистограмма растянута на весь диапазон, а \sigma — высокое. В Python вы считаете её командой numpy.std(), и сразу понимаете, пригодны ли ваши сырые данные для анализа.

Цветной контраст: Три в одном

• Когда одного стандартного отклонения \sigma недостаточно.
• Многоканальное изображение
• Цветное изображение — это, по сути, 3 отдельных канала яркости (например, R, G, B) для каждой спектральной области.
• Индивидуальный \sigma
• Мы можем измерить контраст (\sigma) для каждого канала отдельно (\sigma_R, \sigma_G, \sigma_B).
• Недостаточно
• Измерение яркости по каналам не учитывает, насколько цвета отличаются друг от друга. Нужна единая мера цветового различия.
• С цветом всё сложнее. Мы можем измерить контраст в красном канале, в зелёном, в синем... Но как измерить, насколько, например, красный цвет отличается от зелёного? Для этого нам нужен более мощный инструмент.

Формула цветового отличия (\Delta E): Математика цветового восприятия

• \Delta E (Delta E)
• «Расстояние» между двумя цветами в специальном равномерном цветовом пространстве CIE L*a*b*. Это объективный судья в споре «похожи ли эти пиксели?»
• Пространство L*a*b*
• L — светлота (яркость)
• a, b — цветовые координаты (зеленый/красный и синий/желтый)
• Критерии различия
• Чем больше \Delta E, тем сильнее цвета отличаются. Если \Delta E < 5 — цвета почти одинаковы для алгоритма. Если \Delta E > 10 — они совершенно разные.
• Эта формула вычисляет «расстояние» между двумя цветами. Если \Delta E меньше 5 — цвета почти одинаковы для алгоритма. Если больше 10 — они совершенно разные. Это — объективный судья в споре «похожи ли эти пиксели?».

Практическое применение \Delta E

• Где это работает в реальных проектах?
• Сегментация и Классификация
• Помогает точно разделить классы (например, растительность от асфальта) даже при схожей яркости, опираясь на цветовое различие.
• Контроль Качества Обработки
• Оценка цветовых искажений после процедур, как паншарпенинг или атмосферная коррекция. Низкое среднее \Delta E между исходным и обработанным снимком означает, что цвета сохранены.
• Выделение Границ Объектов
• Обнаружение границ не только по резкому перепаду яркости (L), но и по резкому изменению цвета (a, b) между соседними пикселями.
• И где это всё работает? При классификации \Delta E помогает точно отделить друг от друга объекты похожей яркости. При паншарпенинге — это контроль качества: мы считаем среднее \Delta E между исходным и обработанным снимком, чтобы поймать цветовые искажения. И, наконец, для поиска границ: где \Delta E между соседними пикселями резко скачет — там и проходит граница объекта.

Итог: Контраст — это ваш инструмент

• Яркостный Контраст (\sigma)
• Стандартное отклонение — ваш ключевой показатель пригодности сырых данных для анализа.
• Цветовой Контраст (\Delta E)
• Формула «расстояния» между цветами — ваш объективный судья для оценки качества и разделения объектов.
• Результат
• Четкие и информативные данные для MetaShape, QGIS и Python. Принятие инженерных решений на основе измеряемых цифр.
• Итак, подведём итоги. Контраст — это не про «красиво», это про «информативно». Теперь в вашем арсенале есть два мощных измерительных прибора: стандартное отклонение \sigma для яркости и Delta E для цвета. Используйте их, чтобы превращать сырые пиксели в точную и понятную информацию для любых геоинформационных задач.

Вопросы?

• Спасибо за внимание! Готов ответить на ваши вопросы по теме цифровых метрик контраста.
• Контактная информация: [Ваш email] | [Ваш сайт/Telegram]

от визуального восприятия к цифровым формулам

• Дрыга Данила Олегович
• доцент КМПУ ИА РУДН

Что такое контраст и почему он важен?

• Контраст - разница между темным и светлым (яркостный) и между цветами (цветовой).
• Низкий контраст  Данные «слиплись», автоматизация не работает.
• Высокий контраст: Четкие границы, объекты легко отделить друг от друга.

Измеряем яркостный контраст: Гистограмма и Стандартное Отклонение

• σ — это числовая мера контраста.
• яркость фона,        — яркость предмета или изображения
• k — контрастность Вебера Bb — яркость фона Bs — яркость предмета или изображения

Цветное изображение – 3 отдельных канала яркости.

• Контраст можно измерить для каждого канала (σR, σG, σB).
• Но этого недостаточно! Нужна единая мера цветового различия.
• Цветной контраст: Три в одном

Формула цветового отличия (ΔE)

• математическое представление, позволяющее численно выразить различие между двумя цветами в колориметрии
• ΔE — «расстояние» между цветами в пространстве CIE L*a*b*.
• L — светлота (яркость).
• a, b — цветовые координаты (зеленый-красный, синий-желтый).
• Чем больше ΔE, тем сильнее цвета отличаются.

Практическое применение ΔE в геоинформатике

Контраст — это ваш инструмент

• Яркостный контраст: Стандартное отклонение — ваш ключевой показатель.
• Цветовой контраст: Формула ΔE — ваш объективный судья.
• Результат: Четкие данные для MetaShape, QGIS и Python. Принятие инженерных решений на основе цифр.

Вопросы?

• Дрыга Данила Олегович
• tg: hopkuh
• +7(916)---6256