Riassunto analitico
Il bilanciamento del bianco è una fase importante del processo fotografico, che garantisce la corretta resa delle immagini.
Illuminanti di colore diverso, provenienti da diversi tipi di sorgenti luminose, possono colpire la scena da direzioni diverse, rendendo i colori risultanti di un'immagine visivamente innaturali per l'occhio umano.
Questo fenomeno è legato al fatto che il sistema visivo umano funziona in modo diverso rispetto al sensore di una fotocamera standard.
Quando l'occhio umano osserva una scena in condizioni di illuminazione mista, è molto bravo a "bilanciare il bianco". Finché la scena contiene uno spettro continuo di colori, interpretiamo la luce come "bianca". Le fotocamere a pellicola, invece, non riescono a compensare allo stesso modo le diverse tonalità di luce, ottenendo risultati visivamente sgradevoli.
In passato, le fotocamere digitali e i programmi di editing fornivano strumenti di bilanciamento del bianco che presupponevano un unico tipo di luce per ogni immagine.
Tuttavia, molte foto vengono scattate in condizioni di illuminazione mista, come la luce arancione di una lampadina a incandescenza in interni e la luce blu del giorno all'aperto.
Attualmente, molti smartphone sono dotati di sensori di profondità 3D molto precisi, come il Lidar, che possono essere sfruttati per questo compito, recuperando le statistiche delle normali di superficie per tutta le scene illuminata.
Proponiamo una nuova tecnica di bilanciamento del bianco per scene con due tipi di luce, utilizzando le mappe di profondità e colori di luce specificati dall'utente.
Sfruttando le statistiche delle normali della superficie, miglioriamo l'attuale stato dell'arte e neutralizziamo i colori della luce per restituire immagini visivamente gradevoli nelle parti dell'immagine in cui è difficile recuperare i veri colori del materiale usando solo le informazioni dell'immagine RGB di ingresso.
Sfruttare le informazioni provenienti dalle normali della superficie è fondamentale, poiché le superfici orientate nella stessa direzione sono probabilmente colpite dalla stessa sorgente luminosa.
Il passo aggiuntivo proposto porta a una migliore ottimizzazione del processo di bilanciamento del bianco, fornendo risultati visivamente più soddisfacenti.
|
Abstract
White balance is an important step in the photographic pipeline, ensuring the proper rendition of images.
Illuminants of different colours, coming from different types of light sources, can hit the scene from different directions, making the resulting colors of an image visually unnatural for the human eye.
This phenomenon is linked with how the human visual system works differently for an image sensor of a standard camera.
When the human eye observes a scene under mixed lighting conditions, it is very good at "white balancing". As long as the scene contains a continuous spectrum of colors, we interpret the light as "white". Instead, film cameras cannot compensate for the varying shades of light in the same way, obtaining visually unpleasant results.
In the past, digital cameras and editing programs provided white balance tools that assumed a single type of light per image.
However, many photos are taken under mixed lighting, like indoor orange light from an incandescent lightbulb and blue daylight from the outdoors.
Currently, many smartphones are provided with very precise 3D depth sensors, such as Lidar, that can be exploited for this task, recovering statistics of surface normals for all the illuminated scenes.
We propose a new white balance technique for scenes with two light types using depth maps and user-specified light colors.
Exploiting surface normals statistics, we improve the current state-of-the-art and neutralize the light colors to render visually pleasing images in parts of the image where the true material colors are hard to recover using only information from the input RGB image.
Exploiting information from the surface's normals is crucial since surfaces oriented in the same direction are likely to be hit by the same light source.
The proposed additional step leads to better optimization of the white-balancing process, providing more visually satisfying results.
|
