Статья посвящена цифровой колориметрии, носит обзорный характер и касается основных вопросов проведения колориметрических расчётов и преобразований при цифровой регистрации цвета. Изложенные материалы призваны помочь исследователям уже на стадии регистрации исключать цветовые потери, а соответственно и погрешности измерений. При этом: 1) показана связь колориметрических измерений с цифровой схемотехникой, в результате чего и возникает цифровая колориметрия, как инструмент для получения и обработки точной цветовой информации об объекте исследования; 2) раскрыты такие важные вопросы, как критерии выбора параметров матричных фотоприёмников, систем цветоделения, рабочих цветовых пространств, форматов цветных снимков и методов постобработки цветовой информации изображений; 3) описаны системы цветоделения матричных фотоприёмников, их достоинства и недостатки, влияние на результат регистрации и перспективы внедрения новых разработок в этой области; 4) рассмотрены рабочие цветовые пространства регистрирующих цифровых систем, а также цветовые системы, позволяющие максимально сохранять цветовые параметры цифрового оттиска; 5) для понимания восприятия цвета человеком затронута проблема аппаратно-независимого воспроизведения цвета и изображений после регистрации снимка; 6) предложено при анализе цветовых параметров в научных исследованиях применять такие колориметрические системы, которые дают понимание восприятия человеком изображения при анализе качества снимков. Статья даёт широкий обзор основных аспектов цифровой колориметрии и исследований по ней для специалистов, применяющих цифровые регистраторы цвета как инструмент в своих экспериментальных исследованиях. Приведённый материал может быть полезен и специалистам с глубокими знаниями в области колориметрии, применяющим цифровые регистраторы цвета в рамках выполнения основных задач своего направления науки и техники. 1. Sutkowski M.1, Saukova Y.A. Research of digital camera dynamic range on the imaging processing basis // Devices and Methods of Measurements. – 2017. – Vol. 8, No. 3. – P. 271–278. DOI: 10.21122/2220–9506–2017–8–3–271–278.
2. Жагора Н.А., Скумс Д.В. Прослеживаемость при измерении параметров цвета // Законодательная и прикладная метрология. – 2018. – № 3 (154). – С. 37–39.
3. Budak V.P., Zheltov V.S., Meshkova T.V., Chembaev V.D. Experimental study of the new criterion of lighting quality based on analysis of luminance distribution at Moscow metro stations // Light & Engineering. – 2020. – Vol. 28, No. 3. P. 98–105. DOI: 10.33383/2019–044.
4. Monogarova O.V., Chaplenko A.A., Oskolok K.V. Multisensory digital colorimetry to identify and determination of active substances in drugs // Sensors and Actuators B Chemical. – 2019. – Vol. 299. – 126909. DOI: 10.1016/j.snb.2019.126909.
5. Schults E.V., Monogarova O.V., Oskolok, K.V. Digital Colorimetry: Analytical Possibilities and Prospects of Use // MOSCOW UNIVERSITY CHEMISTRY BULLETIN. – 2018. – Vol. 74, Is. 2. – P. 55–62. DOI: 10.3103/S002713141902007X.
6. Zou Z.P., Han R., Lu C., Xiong Z.L. Detection of long-lived species in plasma-activated water, based on digital colorimetry // PLASMA PROCESSES AND POLYMERS. – 2020. – Vol. 18(2). № e2000139. DOI: 10.1002/ppap.202000139.
7. Kataev M.Y., Dadonova M.M. Method of vegetation detection using rgb images made by unmanned aerial vehicles on the basis of colour and texture analysis // Light & Engineering. – 2019. – Vol. 27(8). P. 55–62. DOI: 10.33383/2018-078.
8. Jitanan S., Chimlek P. Quality grading of soy bean seeds using image analysis // International // Journal of Electrical and Computer Engineering. – 2019. – Vol. 9, Is. 5, – P. 3495–3503. DOI: 10.11591/ijece.v9i5.pp3495–3503.
9. Laei G. et al. Relationship between pigments and seed fall rate of iranian castor genotypes and genetic diversity // Journal of Chemical Health Risks. – 2019. – Vol. 9, Is. 1. – P. 57–68.
10. Катаев М.Ю., Дадонова М.М., Ефременко Д.С. Коррекция освещённости многовременных RGB-изображений, получаемых с помощью беспилотного летательного аппарата // Светотехника. – 2020. – № 6. – С. 19–25. DOI: 10.30533/0536–101X-2020–64–2–237–242.
11. Lima M.J.A., Sasaki M.K., Marinho O.R., Freitas T.A., Faria R.C., Reis B.F., Rocha F.R.P. Spot test for fast determination of hydrogen peroxide as a milk adulterant by smartphone-based digital image colorimetry // Microchemical Journal. – 2019. – Vol. 157. – 105042. DOI: 10.1016/j.microc.2020.105042.
12. Caleb J., Alshana U., Ertas N. Smartphone digital image colorimetry combined with solidification of floating organic drop-dispersive liquid-liquid microextraction for the determination of iodate in table salt // Food Chemistry. – 2021. – Vol. 336. – 127708. Doi: 10.1016/j.foodchem. 2020.127708.
13. Жбанова В.Л. Системы цветоделения матричных фотоприёмников: монография. – Смоленск: Универсум, 2018. – 186 c. ISBN978–5–91412–392–2м.
14. Старченко А.Н., Филиппов В.Г., Югай Ю.А. Исследование температурной зависимости чувствительности телевизионных камер на КМОП-матрицах // Научно-технический вестник информационных технологий, механики и оптики. – 2017. – Т. 17, № 4. – С. 628–634. DOI: 10.17586/2226–1494–2017–17–4–628–634.
15. Щагин А.В., Меркурьев С.А. КМОП и ПЗС фотоприёмники. Устройство и отличительные особенности // Естественные и технические науки. – 2018. – № 6 (120). – С. 135–140.
16. Столяревская Р.И. Обзор особенностей использования мини-спектрорадиометров с ПЗС-матрицами в прикладной фотометрии // Светотехника. – 2020. – № 6. – С. 12–18.
17. Иванов В.Г., Каменев А.А. Направления развития технологий широкоформатных матричных фотоприёмных устройств информационных оптико-электронных средств наблюдения за космическими объектами // Вопросы радиоэлектроники. Серия: Техника телевидения. – 2017. – Вып. 2. – С. 3–10.
18. Hijazi A., Friedl A., Cierpka C., Kahler C., Madhavan V. High-speed imaging using 3CCD camera and multi-color LED flashes // MEASUREMENT SCIENCE AND TECHNOLOGY. – 2017. – Vol. 28, No. 11. – № 115401. DOI: 10.1088/1361–6501/aa892a.
19. Андрианов В.П., Базаров Ю.Б., Губачев А.В., Дулин О.Н., Елгаёнков А.Е., Каменев В.Г., Кузин В.М., Литвинова М.С., Лобастов С.А., Туркин В.Н., Шубин А.С. Цифровой фотохронографический регистратор для исследования быстропротекающих процессов // Физика горения и взрыва. – 2018. – Т. 54, № 5. – С. 117–121. DOI: 10.15372/FGV20180516.
20. Дашкин Э.Р., Епанешников Н.М., Балдычев М.Т. Алгоритм компенсации ошибок, возникающих за счёт считывания информации с матричного фотоприёмника // Научная мысль. – 2019. – Т. 10, № 4–1 (34). – С. 73–75.
21. Жертунова Т.В., Янакова Е.С. Адаптивный алгоритм на основе нелокальных усреднений при обработке изображений // Вопросы радиоэлектроники. – 2018. – № 8. – С. 79–86.
22. Самаров Е.К. Синтез алгоритма оптимальной линейной модуляции шума в цифровой обработке изображений // Электротехнические и информационные комплексы и системы. – 2019. – Т. 15. – № 2. – С. 77–83.
23. Buades A., Duran J. CFA Video Denoising and Demosaicking Chain via Spatio-Temporal Patch-Based Filtering // IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY. – 2020. – Vol. 11, No. 3. – P. 4143–4157. DOI: 10.1109/TCSVT.2019.2956691. 24. Zhbanova V.L., Parvuyusov Y.B. Еxperimental investigation of the color-separation system of photodetector array // Journal of Optical Technology. – 2019. – Vol. 86, Is. 3. – P. 177–182. DOI:10.1364/JOT.86.000177.
25. Berra E., Gibson-Poole S., MacArthur A., Gaulton R., Hamilton A. Estimation of the spectral sensitivity functions of un-modified and modified commercial off-theshelf digital cameras to enable their use as a multispectral imaging system for UAVs / International Conference on Unmanned Aerial Vehicles in Geomatics Proceedings. – 2015. – Vol. XL-1/W4. – P. 207–214. DOI:10.5194/isprsarchives-XL-1-W4–207–2015.
26. Mahato K., Chandra P. Paper-based miniaturized immunosensor for naked eye ALP detection based on digital image colorimetry integrated with smartphone // BIOSENSORS & BIOELECTRONICS. – 2019. – Vol. 128. – P. 9–16. DOI: 10.1016/j.bios.2018.12.006.
27. Chen C., Stamm M.C. Robust camera model identification using demosaicing residual features // MULTIMEDIA TOOLS AND APPLICATIONS. – 2021. – P. 4143–4157. DOI: 10.1007/s11042–020–09011–4.
28. Yamakabe R., Monno Y., Tanaka M., Okutomi M. Tunable color correction for noisy images // JOURNAL OF ELECTRONIC IMAGING. – 2020. – Vol. 3, Is. 3. – 033012. DOI: 10.1117/1.JEI.29.3.033012.
29. Cepeda-Negrete J., Sanchez-Yanez R., Correa-Tome F., et al. Dark image enhancement using perceptual color transfer // IEEE Access. – 2018. – Vol. 6. – Р. 14935–14945. DOI: 10.1109/ACCESS.2017.2763898.
30. Fent L., Meldrum Al. Foveon vs Bayer: comparison of 3D reconstruction performances // 8th Int. Workshop 3D-Arch: 3D Virtual Reconstruction and Visualization of Complex Architectures: Proceedings. – 2020. – Vol. 2, No. 14.
31. Fent L., Meldrum Al. A Foveon Sensor/Green-Pass Filter Technique for Direct Exposure of Traditional False Color Images // Journal of Imaging. – 2016. – May. DOI: 10.3390/jimaging2020014.
32. Saouli A., Mansour K. Modeling of detector radiations response p-i-n in technology Thin Film on ASIC (TFA) intended for digitalization in medical imagery // LASER AND PLASMA APPLICATIONS IN MATERIALS SCIENCE. – 2011. – T. 227. – P. 125–128. DOI: 10.4028/www.scientific.net/AMR.227.125.
33. Courtier G., Lapray P.J., Thomas J.B., Farup I. Correlations in Joint Spectral and Polarization Imaging // Sensors. – 2021. – Vol. 21, No. 1. DOI: 10.3390/s21010006.
34. Zhbanova V.L. Evaluation and selection of color spaces for digital systems // Light & Engineering. – 2020. – Vol. 28, No. 6. – P. 86–94. DOI: 10.33383/2020–024.
35. Nguyen Rang M.H., Brown M.S. RAW Image Reconstruction Using a Self-contained sRGBJPEG Image with Small Memory Overhead // INTERNATIONAL JOURNAL OF COMPUTER VISION. – 2018. – Vol. 126, Is. 6. – P. 637–650. DOI: 10.1007/s11263–017–1056–0.
36. Домасев М.В., Гнатюк С.П. Цвет, управление цветом, цветовые расчёты и измерения. – СПб.: Питер, 2009. – 224 с. ISBN978–5–388–00341–6.
37. Kim I., Song S., Chang S., Lim S., Guo K. Deep image demosaicing for submicron image sensors // Journal of Imaging Science and Technology. – 2019. – Vol. 63, No. 6. – P. 060410. DOI: 10.2352/J.ImagingSci.Technol.2019.63.6.060410.
38. Магазов С.С. Восстановление изображения на дефектных пикселях КMОП и ПЗС матриц // Информационные технологии и вычислительные системы. – 2019. – № 3. – С. 25–40.
39. Maurer D., Samanovic S., Gajski D. Creating HDR photo by manipulating dynamic range of a single RAW format photo // 17th INT. MULTIDISCIPLINARY SCIENTIFIC GEOCONFERENCE ‘SGEM 2017’: PROCEEDINGS, 2017. – С. 63–70.
40. Оморкулов А.М. Преимущества графических форматов в компьютерной графике // Вестник Ошского государственного университета. – 2017. –№ 3. – С. 135–139.
41. Mikhail M., Jiang S.J., Hahn P., Orlin A., Rao R.C., Choudhry N. OCTA: A Practical Method of Image Averaging Using Adobe Photoshop Software // Ophtalmic Surdgery Lasers & Imaging Retina. – 2019. – Vol. 50, Is. 12. – P. 802–807. DOI: 10.3928/23258160–20191119–09.
42. Zhbanova V.L. Design and investigation of a digital photocolorimeter // Journal of Optical Technology. – 2020, – Vol. 87, No. 9. – P. 521–526. DOI:10.1364/JOT.86.000177.
43. Qasim N.H., Pyliavskyi V.V. Color temperature line: forward and inverse transformation // Semiconductor Physics, Quantum Electronics and Optoelectronics. – 2020. – Vol. 23, No. 1. – С. 75–80. DOI: 10.15407/spqeo23.01.75.
44. Stockman A. Cone fundamentals and CIE standards // Current Opinion in Behavioral Sciences. – 2019. – Vol. 30, No. 1. – P. 87–93. DOI: 10.1016/j.cobeha.2019.06.005.
45. Prasad D.K. Gamut expansion of consumer camera to the CIE XYZ color gamut using a specifically designed fourth sensor channel // Appl. Opt. – 2016. – Vol. 54, Is. 20. – P. 6146–6154. DOI: 10.1364/AO.54.006146.
46. Иванов В.Е., Широких Т.В. Сравнение равноконтрастных колориметрических систем // Светотехника. – 2014. – № 6. – С. 44–47.
47. Brill M.H. Is CIELAB one space or many? // Coloration Technology, 2020. DOI: 10.1111/cote.12486.
48. Gomez-Polo C., Montero J., Gomez-Polo M., Casado A.M. Comparison of the CIELab and CIEDE2000 Color Difference Formulas on Gingival Color Space // Journal of Prosthodontics-Implant Esthetic and Reconstructive Densitry. – 2020. – Vol. 29, Is. 5. – P. 401–408.
49. Kanaeva I.A., Bolotova Y.A. Color and luminance corrections for panoramic image stitching // Computer Optics. – 2018. – Vol. 42, Is. 5. – P. 885–897. DOI: 10.18287/2412–6179–2018–42–5–885–897.
50. Zhbanova V.L. Research into methods for determining colour differences in the CIELAB uniform colour space // Light & Engineering. – 2020. – Vol. 28, No. 3. – P. 53–59. DOI: 10.33383/2019–005.
51. Palchikova I.G., Smirnov E.S., Barinova O.A., Latyshov I.V., Vasiliev VA, Kondakov A.V. About quantifying small color differences in digital images // Computer Optics. – 2020. – Vol. 44, Vol. 4. – P. 606–617. DOI: 10.18287/2412–6179-CO-631.
52. Karimipour H., Gorji Kandi S. Performance of advanced color difference and CAM02-based formulas in prediction of the crispening effect for reflective samples // Color Research and Application. – 2017. – Vol. 42, Is. 5. – P. 542–551. DOI: 10.1002/col.22110.
53. Li Changjun, Li Zhiqiang, Wang Zhifeng et al. Comprehensive color solutions: CAM16, CAT16, and CAM16-UCS // Color Research and Application. – 2017. – Vol. 42. Is. 6. – P. 703–718. DOI: 10.1002/col.22131.
54. Ложкин Л.Д., Вороной А.А., Солдатов А.А. Преобразование цветового пространства МКО в строго равноконтрастное на основе тензорного исчисления // Физика волновых процессов и радиотехнические системы. – 2016. – Т. 19, № 4. – С. 50–59.
55. Черноусова О.В., Рудаков О.Б. Цифровые изображения в аналитической химии для количественного и качественного анализа // Химия, физика и механика материалов. – 2019. – № 2 (21). – С. 55–125.
56. Huraibat K., Perales E., Viqueira V., Martinez-Verdu F.M. A multi-primary empirical model based on a quantum dots display technology // Color Research and Application. – 2020. – Vol. 45, Is. 3. – P. 393–400. DOI: 10.1002/col.22481.

• Предыдущая статья
• Следующая статья

• цифровое устройство
• колориметрия
• матричный фотоприёмник
• система цветоделения
• колориметрическая система
• цветовое пространство
• цветовая система
• обработка изображений