Digitale Bilder (Theorie)

Digitale Bilder (Theorie)
Windows Bitmap BMP (Windows Bitmap Format) reines Microsoftformat (zwischen Windows-Betriebssystemen häufig nicht kompatibel) Dateiendung *.bmp / selten *.dib Wird in vielen Fällen durch RLE komprimiert (Lauflängenkodierung: identische Bit-Informationen werden durch Verweis auf ihre Anzahl komprimiert (anschaulich statt  (0, 5) (1, 1) Vorteile: schneller und effizienten Zugriff auf die Bilddaten aufgrund der rasterartigen Anordnung (rasterbasierte Ausgabegeräte) Nicht geeignet zur Langzeitarchivierung wegen der Kompatibilitätskonflikte und einer überdimensionierten Dateigröße Vorsicht: Verwechslungsgefahr zwischen Windows-Bitmap (= Dateiformat) und „Bitmap“ als Rastergrafik generell (= Grafiktyp) Digitale Bilder (Theorie)

RAW Image Format (Rohdatenformat)
Dateiformat bei Digitalkameras (je nach Hersteller anders) Bildinformationen in diesem Format entsprechen quasi anschaulich einem belichteten, aber noch nicht entwickelten Negativfilm in der analogen Fotografie Original-Aufnahmezustand ohne Übergangsbearbeitungen oder Veränderungen Zum Umwandeln in andere Bildformate (z. B. JPEG) oder zur Weiterverarbeitung: RAW- Konverter nötig Vorteile: verlustfreie und unveränderte Archivierbarkeit des Bildmaterials als "digitales Negativ". Nachteile: Dateigröße (unkomprimierte Daten), RAW-Formate je nach Hersteller unterschiedlich (Kompatibilitätskonflikte) Digitale Bilder (Theorie)

A) Farbtiefe Digitale Bilder (Theorie)

Was ist die Farbtiefe? Anzahl der möglichen verschiedenen Farben pro Pixel Angegeben in Bit = mehrstellige Binärzahlen (aufgebaut aus 0en und 1en) Meist definiert als bpp = Bit per Pixel Im Pixel sind entweder die Farbinformationen selbst gespeichert oder aber ein codierter Verweis auf eine Farbpalette (indizierte Farben, siehe unten) Digitale Bilder (Theorie)

Farbtiefe (Bit) Math. Formel Anzahl der Farben Umsetzung 1 Bit 21 2 Monochrom z. B. Schwarz-Weiß 2 Bit 22 4 z. B. Graustufen 4 Bit 24 16 8 Bit 28 256 16 Bit 216 65.536 High Color 24 Bit 224 True Color 32 Bit 232 256 x 16 Mio. = ca. 4,3 Mia. True Color + vierter Kanal Digitale Bilder (Theorie)

Beispiele für die Farbtiefe Graustufen im Vergleich Digitale Bilder (Theorie)

Beispielbild im Vergleich: „Alle Farben“
Digitale Bilder (Theorie)

256 Farben (8 Bit) Digitale Bilder (Theorie)

Farbtiefe - Erläuterung
Bedeutet das Potential der pro Pixel zur Verfügung stehenden Farben Ist nicht gleichbedeutend mit der tatsächlichen Anzahl der Farben im Bild Bsp.: Ein Bild mit einer Farbtiefe von 24 Bit hat nicht zwangsläufig tatsächlich 16 Mio. Farben, aber für jedes einzelne Pixel stehen 16 Mio. verschiedene Farbzustände bereit Ein Bild mit einer Farbtiefe von 24 Bit erzeugt beim Betrachter meist einen natürlichen Eindruck Digitale Bilder (Theorie)

Punktdichte (= Auflösung gemessen in Anzahl der Pixel) vs. Farbtiefe (= Anzahl der möglichen Farben pro Pixel) Digitale Bilder (Theorie)

B) Farbräume Digitale Bilder (Theorie)

Was ist ein Farbraum? Farbraum definiert für eine farbgebende Methode (z. B. die Darstellung eines Bildes in einer Bilddatei, über einen Monitor oder als Ausdruck) präzise die Menge aller in einem Farbmodell darstellbaren Farben Farbraum basiert auf Grundfarben, die physikalisch als „unabhängig“ voneinander definiert werden (Graßmannsche Gesetze) Lage im Farbraum = Farbort (Plural: Farbörter), der die einzelne Farbe darstellt Digitale Bilder (Theorie)

Farbkanal Für jede Grundfarbe im Farbraum gibt es einen eigenen Kanal, der definiert, in welcher Intensität die Grundfarbe als Komponente der Farbe jeweils verwendet wird Alle Kanäle gemeinsam ergeben die gewünschte Farbinformation (Farbton, Helligkeit, Sättigung etc.) der Pixel, aus denen das Bild besteht Digitale Bilder (Theorie)

Körperfarben vs. Lichtfarben
Physikalisch sehr komplexes Thema Das Auge interpretiert alle visuellen Sinnesreize als Lichtfarben (visuelle Qualität) nach der additiven Farbmischung Körperfarben= Farbeindruck/Farbreiz, den physikalische Körper vermitteln, indem sie aus dem Spektrum des sichtbaren Lichts bestimmte Wellenlängen absorbieren, andere reflektieren Subtraktive Farbmischung Lichtfarben = Farbeindruck, der von einer selbstleuchtenden Lichtquelle stammt Additive Farbmischung Digitale Bilder (Theorie)

Additive vs. Subtraktive Farbmischung
Additive Farbmischung Subtraktive Farbmischung Grundausrichtung Physiologisch, vom Auge empfundener Farbeindruck oder Farblicht Physikalisch, Oberflächen von Körpern (Farben, Druckertinte) Herleitung Licht: Spektrum des sichtbaren Lichts mit gefärbtem Licht abbildbar z. B. viele Körperfarben, Druckfarben Primärfarben Rot, Grün, Blau Cyan, Magenta, Gelb Sekundärfarben R+G = Gelb; R+B = Magenta, G+B = Cyan C+M = Blau; M+G = Rot; C+G = Grün Summe aller Farben = Weiß = Sonnenlicht (Tag) Fast Schwarz (Dunkles Braun) Keine Farbinformation = Schwarz = Kein Farbreiz (Nacht) Weiß = leeres Blatt Papier als weißer Körper Digitale Bilder (Theorie)

Zusammenhang von Farbräumen und Farbtiefe
Farbräume: Geben also räumlich verdeutlicht an, wie die Farben angeordnet sind und wie sie als „Farbort“ definiert werden können (damit ein Programm bzw. ein Anzeigegeräte sie richtig interpretieren kann) „codierte Benennung“ der möglichen Farben Farbtiefe von Farbräumen: Farbräume können unterschiedliche Farbtiefen haben, je nach dem, wie viele verschiedene Farben und Farbabstufungen bereit stehen und abgerufen werden können Anzahl der möglichen Farben Digitale Bilder (Theorie)

Überblick über wichtige Farbräume
(I) RGB (II) CMYK (III) HSB/HSV (IV) LAB Digitale Bilder (Theorie)

I R(ed) G(reen) (Blue) Infos Additives Farbsystem (Summe = weiß, Lichtfarben) Alle Farben als Mischungen aus den drei Farbkanälen Rot, Grün, Blau interpretiert Standard: Jeder Farbkanal mit Werten von (Dezimal) oder 00-FF (Hexadezimal) Jeder Farbkanal also 8 Bit RGB-Farbinformation insgesamt 24 Bit (28)³ = 224, also ca. 16 Mio. Farben Auch RGB-Verfahren mit höherer Anzahl an Farben möglich Bei 16 Bit pro Kanal etwa 281 Billionen Farben Wichtig für selbstleuchtende Widergabegeräte Sehr universell, verwendet z. B. auch in html-Codes, Farben mit Hexadezimal-Information (#A0D2F1) Digitale Bilder (Theorie)

I RGB-Farbkreis Digitale Bilder (Theorie)

I RGB-Farbwürfel Digitale Bilder (Theorie)

Die einzelnen Farbkanäle

I RGB-Praxistest RBG-Generator im Internet Oder: Testfarben einstellen: [Code = rgb(255, 217, 15)] 1) R = 255 ; G = 217 ; B = 15 2) R = 245; G = 1; B = 129 Weitere Tests  Was fällt auf? RGB (0/0/0) RGB (70/70/70) RGB (127/127/127) RGB (200/200/200) Digitale Bilder (Theorie)

I Ergebnisse Testfarben = „Simpsons-Gelb“ und Mobilfunk-Magenta Wichtig: Wenn alle drei Kanäle in der gleichen Intensität (Zahlenwert) angesprochen werden, ergeben sich von 0/0/0 bis 255/255/255 insgesamt 256 (vgl. 8bit) Graustufen zwischen Schwarz (0) und Weiß (volle Ansteuerung) Problem: Nicht alle Farben und alle Beleuchtungsstufen exakt darstellbar Digitale Bilder (Theorie)

II C(yan) M(agenta) Y(ellow) K(ey)
Alltagsbeispiel: Digitale Bilder (Theorie)

II C(yan) M(agenta) Y(ellow) K(ey)
Informationen Grundlage für den Vierfarb-Druck (Körperfarben) 4 Farbkanäle: Grundfarben Cyan, Magenta, Gelb, Key = Schwarzanteil (von key plate (Schlüsselplatte) = schwarze Druckerplatte) Subtraktives Farbsystem Wenn alle Kanäle ohne Information, dann weiße Grundfarbe Warum Schwarz gesondert nötig? Digitale Bilder (Theorie)

II CMYK-Farbkreis Digitale Bilder (Theorie)

III Farbmodelle mit HSB / HSV
Drei Bestimmungsgrößen H = Farbton (hue) – dominante Wellenlänge der Farbe Meist auf Kreis angeordnet, Gradzahl (0 – 360°) = Farbton 0° = Rot = 360° 120° = Grün 240° = Blau S = Sättigung (saturation) – Zumischung von purem Weiß B = Helligkeit (brightness) oder V = Grauwert (value) – Energiegehalt der Farbdarstellung S und B häufig in einem Dreieck angeordnet zwischen den Eckpunkten: satter, mittelmäßiger Vollfarbe weiß schwarz Klingt erst kompliziert, wird in der Umsetzung aber anschaulich Digitale Bilder (Theorie)

III Umsetzungen: HSV-Farbkreis

III Umsetzungen: HSV-Farbkegel / Farbzylinder

III Bekanntes Anwendungsbeispiel: Microsoft Color Dialog Box
H (Ton) von 0 – 239 (rot bis rot) S (Sättigung) von 0 – 240 (grau bis satt) L (Helligkeit) von 0 – 240 (schwarz bis „strahlend“ weiß) Kompatibel zu RGB Digitale Bilder (Theorie)

III Vorteile Ähnlichkeit zur menschlichen Farbwahrnehmung Farben leichter zu identifizieren und anzupassen: Wenn Farbton klar ist, kann intuitiver die Sättigung und Helligkeit gewählt werden RGB und CMYK stärker an die Grundfarben (des Lichts bzw. der Druckerfarbe) gebunden Digitale Bilder (Theorie)

IV LAB Digitale Bilder (Theorie)

IV LAB Farbraum mit drei Dimensionen (X, Y, Z) Zwei Achsen für Farben (X, Y als a und b), eine Achse für Helligkeit (Z als L (luminance)) Ebene der Achsen a und b, jeweils von -127 bis = wieder 256 Abstufungen Farben nach Gegenfarbenprinzip (physikalische Theorie) geordnet a = von Grün (negativ) bis Rot (positiv) b = von Blau (negativ) bis Gelb (positiv) Also vier Grundfarben und Mischungen, Übergänge Achse L von 0 (Schwarz) bis 100 (Weiß) Digitale Bilder (Theorie)

IV LAB Beispiel Farbtafel 1, 50% L Farbtafel 2, 75% L Digitale Bilder (Theorie)

IV LAB Vorteile Orientiert sich an menschlicher Wahrnehmung Farben werden so definiert, wie sie tatsächlich dargestellt werden, nicht wie ein rechnerischer Wert es vorgibt Geräteunabhängig und damit kompatibel Anspruch: gleiche Abstände im dreidimensionalen Koordinatensystem entsprechen gleichen Abständen in der Farbwahrnehmung Genormter Farbraum Komplexe mathematische und physikalische Herleitung Digitale Bilder (Theorie)

Links und Stichworte Farbgeneratoren im Internet Links Zum LAB-Farbraum: Microsoft Color Dialog Box: Google-Begriffe: „Farbraum“; „Farbtiefe“ Digitale Bilder (Theorie)

Vielen Dank für die Aufmerksamkeit!
Gibt es Fragen? Digitale Bilder (Theorie)

Digitale Bilder (Theorie)

Ähnliche Präsentationen

Präsentation zum Thema: "Digitale Bilder (Theorie)"— Präsentation transkript:

Ähnliche Präsentationen

Über Projekt

Feedback

Anmelden

Anmeldung über soziales Netzwerk:

Digitale Bilder (Theorie)

Ähnliche Präsentationen

Präsentation zum Thema: "Digitale Bilder (Theorie)"— Präsentation transkript:

Ähnliche Präsentationen

Über Projekt

Feedback