ВЛИЯНИЕ ЦВЕТОВЫХ ПРОСТРАНСТВ ПРИ РАСПОЗНАВАНИИ ОБЪЕКТА НА ИЗОБРАЖЕНИИ
Секция: ОБЩАЯ СЕКЦИЯ
Авторы:
1.
Липецкий государственный технический университет
(Автоматизированные системы управления, Профессор)
сотрудник с 01.01.2012 по 01.01.2025
сотрудник с 01.01.2012 по 01.01.2025
2.
Липецкский государственный технический университет
Россия
Россия
Тип:
Статья конференции
Страницы:
с 179
по 190
Опубликовано:
30.12.2025
Классификаторы:
УДК 519.6 Вычислительная математика, численный анализ и программирование (машинная математика)
Язык материала:
русский
Ключевые слова:
цветовые пространства, RGB, HSV, YCbCr, Lab, нейросеть, компьютерная графика, обработка изображений, среднеквадратическая ошибка, распознавание объектов
Аннотация (русский):
В статье рассмотрено влияние цветовых пространств RGB, HSV, YCbCr, Lab при распознавании объекта на изображении. Работа выполнена при помощи скрипта, написанного на языке Python в среде Jupiter Notebook. Скрипт позволяет получить такие метрики для сравнения изображений, как среднеквадратическая ошибка (MSE) и скорость обработки для каждого цветового пространства. Представлены результаты исследования с помощью метрик в табличном виде и сделан вывод о проделанной работе.
В статье рассмотрено влияние цветовых пространств RGB, HSV, YCbCr, Lab при распознавании объекта на изображении. Работа выполнена при помощи скрипта, написанного на языке Python в среде Jupiter Notebook. Скрипт позволяет получить такие метрики для сравнения изображений, как среднеквадратическая ошибка (MSE) и скорость обработки для каждого цветового пространства. Представлены результаты исследования с помощью метрик в табличном виде и сделан вывод о проделанной работе.
Ключевые слова:
цветовые пространства, RGB, HSV, YCbCr, Lab, нейросеть, компьютерная графика, обработка изображений, среднеквадратическая ошибка, распознавание объектов
цветовые пространства, RGB, HSV, YCbCr, Lab, нейросеть, компьютерная графика, обработка изображений, среднеквадратическая ошибка, распознавание объектов
1. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – Москва : Техносфера, 2006. – 1072 с.
2. Understanding Color Models : A Review / N. A. Ibraheem, M. M. Hasan, R. Z. Khan, P. K. Mishra. – Text : immediate // India : ARPN Journal of Science, Technology. ‒ 2012. ‒ Vol. 2, № 3. ‒ С. 265‒275.
3. Маргулис Д. Photoshop для профессионалов : классическое руководство по цветокоррекции / Д. Маргулис ; перевод с английского. –5-е изд. – Москва : Интелбук, 2007. – 656 с.
4. Umme S. Image Quality Assessment through FSIM / S. Umme, A. Morium, S. U. Mohammad. – Text : immediate // SSIM, MSE and PSNR-A Comparative Study. – 2019. – 240 c.
