【camera】3.相机成像颜色及其组成

已于 2022-02-26 15:08:48 修改
阅读量2.9k 收藏 2
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 自动驾驶感知--多传感器融合：相机、激光雷达、毫米波、超声波 文章标签： 计算机视觉 人工智能
于 2022-02-19 14:58:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cuihao1995/article/details/123018540
本文介绍了人眼对颜色的感知机制，包括三种受体细胞对不同波长光的敏感程度，以及红绿色盲和色弱的现象。重点探讨了光的三原色理论，通过实验确定700nm、546.1nm、435.8nm为原色，并解释了为何选择这些波长。此外，还提到了在某些情况下需要引入负值原色的情况，以及CIE XYZ色彩空间的定义，该空间用于更好地描述颜色匹配和感知。

光的分解
光的组成
在这里插入图片描述

色觉的定义：物体反射或发射光的方式而在眼睛上产生不同感觉的物体所具有的特性。
色调（H），饱和度（S），明度（V）
在这里插入图片描述
人眼有三种受体细胞来感受光线反射出来的颜色，分别对短波、中波、长波的敏感程度各有差异。
每个人眼对各个波长的光敏感程度都不一样，
红绿色盲：中波和长波的敏感曲线重合
色弱：对各个波段的敏感程度偏低
在这里插入图片描述
无线电光谱，人眼可见的只是其中很小的一部分
通常人眼的看可见光波长范围在380nm-720nm之间
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
2、成像基础：原理与应用解析
lake5的博客
07-27
本文详细解析了成像技术的基础原理与实际应用。从针孔相机的透视投影原理，到薄透镜的光学特性，再到远心相机的正交投影，全面介绍了不同成像方式的原理与特点。同时，文章还涉及数字图像的形成、辐射度学的基本概念，以及成像技术在摄影、工业检测和医学等领域的应用。最后，对成像技术的未来发展进行了展望，包括更高分辨率、更广应用和智能化系统等方向。
3、计算机视觉与图像分析：数字成像系统及图像形成原理
snow3的博客
07-31 55
本博文系统介绍了计算机视觉与图像分析中的数字成像系统及图像形成原理，涵盖从模拟相机到数字相机的转换、数字电视标准、图像数据的表示与处理，以及图像形成的物理机制。同时，文章讨论了传感器的工作方式、图像处理流程、成像标准的比较、成像系统参数对图像质量的影响，以及计算机视觉的应用领域和未来发展趋势。
CAMERA 成像方向说明
07-15
CAMERA 成像方向说明 相关知识准备 结构设计中Sensor与Screen的方向关系 Sensor成像预览到Screen 照片的实际解说 总结
选对光源，成像效果更显著
ZQ51camera的博客
04-21 1194
为了准确拍摄到对象物，必须要提供一个稳定的光源，这取决于被测物本身和它的用途。 没有一种光源系统适合所有的被测物。所以，有必要从各种光源和照明系统中选择最合适的方法和设备，以适应不同的照明条件。
Camera结构原理
不忘初心
08-27 2719
一.Camera的成像原理 景物通过镜头（LENS）生成的光学图像投射到图像传感器(Sensor)表面上，然后转为模拟的电信号，经过 A/D（模数转换）转换后变为数字图像信号，再送到数字信号处理芯片（DSP）中加工处理，再通过 IO 接口传输到 CPU 中处理，通过 LCD 就可以看到图像了 第一层“LENS” CAMERA的成像关键在于SENSOR，为...
灰度相机与彩色相机的成像原理
zizi7的专栏
11-27 1万+
无论是CCD还是CMOS，其原理都是将光子转换为电子，其中光子数目与电子数目成比例。对每个像素，统计其电子数目就形成反映光线强弱的灰度图像。 　　　　　　　　　　　 　　　　　　　　　　　　　　　　　　　　　　　　　　图1. 根据电子数目得到灰度图像 但是在这里，光子的波长，即颜色信息丢失了。 为了获得彩色图像，可以首先将光线过滤为红、绿、蓝三种光子，然后使用三个CCD（CMOS）分别感光，最后成...
彩色CCD相机工作原理
猫山王的专栏
09-30 1万+
 T HE YOURSOURCEFOR DIGITALIMAGING T E CHNOL OGY IMAGN I GSOURCE 彩色相机工作原理 T HE YOURSOURCEFOR DIGITALIMAGING T E CHNOL OGY IMAGN I GSOURCE 欧洲总部 The Imaging Source Europe GmbH Sommerstrasse 36
相机（Camera）成像原理详解
m0_66890670的博客
12-17 9933
本文详细介绍了成像基础原理，透镜与成像公式，光圈与景深控制，数字图像传感器（CCD与CMOS）工作原理，感光灵敏度（ISO）与增益控制
【camera】数字成像系统—初识
尚拙的博客
05-24 843
【写在前面】 网上资料梳理，侵删烦请联系。或有表达错误，欢迎指出纠正。 【参考引用】 [1]https://deepinout.com/camera-system/camera-system.html 1.成像系统组成 成像：光照到物体上，反射到成像系统里面，经过镜头（Lens）、光圈（IRIS），IR、快门然后到Sensor进行感光，Sensor出来的数字信号进入到ISP，ISP处理之后一般转成YUV，根据不同的场景，输出到不同的组件。 每个部分涉及到的知识点，如下: 2.成像系统两条主线 2.1.
工业机器视觉系统相机如何选型？（理论篇—3）
热门推荐
不脱发的程序猿
04-10 3万+
机器视觉成像系统能反映真实场景的性能和质量，直接决定整个机器视觉系统的性能和开发难度。影响机器视觉成像系统成像质量的因素较多，主要包括光源、分辨率、对比度、镜头的景深和畸变等。机器视觉成像系统在逻辑上具有较强的一致性，可以通过常见的工业CCD/CMOS相机构成的成像系统进行研究。
深入解析Camera 3A算法及其应用
Camera 3A算法是现代摄影技术中的核心组成部分，它集合了自动曝光、自动对焦和自动白平衡功能，能够在各种拍摄条件下迅速准确地调整相机参数，帮助用户捕捉理想中的每一个瞬间。随着技术的不断进步，我们有理由相信...
手机CAMERA介绍
02-11
### 手机CAMERA介绍及成像分析详解 #### 一、手机摄像模组简介 手机摄像模组作为现代智能手机的重要组成部分，对于提升用户体验具有不可替代的作用。它不仅能够捕捉高质量的照片和视频，还能实现诸如自动对焦、...
YOLOv3 目标检测算法核心技术
最新发布
2301_77510406的博客
10-17 786
全卷积 + 残差连接：保证特征提取深度与效率；3 尺度特征融合：解决小目标检测痛点；9 种先验框：提升目标定位精度；Logistic 激活：支持多标签检测；速度 - 精度平衡：适配多场景需求。
YOLO 系列演进：从 V1 到 V2 的目标检测革命
wsygjbr的博客
10-16 681
从 2015 年的 YOLO-V1 到后续的 YOLO-V2，算法在 “速度” 与 “精度” 的平衡上不断突破，成为工业界实时检测场景（如视频监控、自动驾驶感知）的首选方案之一。
目标检测全解析：从基础概念到深度学习实战技术
wsygjbr的博客
10-16 610
目标检测的本质是解决 “what + where” 的双重问题 —— 既要判断图像中存在哪些物体（类别识别），又要确定每个物体的具体位置（边界框定位），属于典型的 “多任务学习”。
目标检测YOLO实战应用案例100讲-基于深度学习的多目标检测与跟踪
qq_36130719的博客
10-17 21
如果说人类用眼睛和大脑去感知所处的三维世界，那么计算机视觉就是使机 器像人类的眼睛和大脑一样可以“看懂”图像以获得信息。在当下高度信息化的 社会中，由于图像内蕴含了现实世界中丰富的信息，照片和视频数量呈爆发式增 长。在计算机视觉出现之前，数字图像对于计算机来说仅是一个文件，无法获得 图像所蕴含的深层语义信息，比如感兴趣目标的形状、位置、大小和种类等属性。近年来，GPU计算性能显著提升，人工智能的发展进入了快车道，而人工智能所 解决的主要问题是使机器具有决策判断能力，以完成特定任务。
FDConv：频率动态卷积在密集图像预测中的突破性进展
weixin_51154380的博客
10-12 108
FDConv提出了一种创新的频率动态卷积方法，通过在傅里叶域学习频率分集权重，显著提升了密集图像预测任务的性能，同时保持参数高效性。该方法在COCO数据集上的目标检测、实例分割和语义分割任务中均取得突破性进展，仅增加3.6M参数即可超越传统动态卷积方法。FDConv通过傅里叶分离权重、核空间调制和频率带调制三大核心模块，实现了频率域的高效动态建模，为计算机视觉领域提供了新的参数优化思路。该技术已开源，可广泛应用于资源受限场景下的密集预测任务。
深度学习目标检测项目
wjt102020的博客
10-15 730
本文系统介绍了深度学习目标检测的核心知识，包括基本概念、主流数据集、评估指标和方法演进。重点阐述了VOC和COCO两大数据集的特点，以及YOLO、VOC、COCO三种数据格式的差异。详细解析了IoU、TP/FP等核心评估指标的计算方法，比较了mean和average的区别。最后梳理了目标检测方法的发展历程，从传统滑动窗口到基于Anchor的深度学习方法，并说明了两阶段和一阶段算法的流程差异，以及NMS在结果优化中的关键作用。全文为理解目标检测技术提供了系统的知识框架。
YOLOv3 ：目标检测的经典融合与创新
2401_85800390的博客
10-17 275
YOLOv3 并非颠覆性创新，而是 “站在巨人肩膀上的整合者”—— 它将残差连接、多尺度融合、Logistic 多标签预测等技术有机结合，针对性解决了 YOLO 系列此前在小目标检测、多标签识别上的短板，同时保持了 “单阶段检测” 的速度优势。验证了 “多尺度特征融合” 在小目标检测中的有效性，为后续 YOLOv4、YOLOv5 的尺度设计奠定基础；实现了 “精度与速度的高效平衡”，成为工业界实时目标检测（如监控、自动驾驶、零售识别）的常用模型；
深入理解android.hardware.camera2自定义相机开发
标题：“android.hardware.camera2自定义相机” 知识点一：Android相机框架概述 Android在其不同版本中提供了不同的相机API供开发者使用。早期的Android版本中，应用程序主要使用Camera API来访问和控制设备的相机...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

踟蹰横渡口,彳亍上滩舟。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值