Рус Eng За 365 дней одобрено статей: 2088,   статей на доработке: 308 отклонено статей: 853 
Библиотека
Статьи и журналы | Тарифы | Оплата | Ваш профиль

Вернуться к содержанию

Методы и алгоритмы экспериментального исследования графических моделей цветовых решений
Боревич Екатерина Владиславовна

ассистент, Санкт-Петербургский политехнический университет Петра Великого

195251, Россия, г. Санкт-Петербург, ул. Политехническая, 29

Borevich Ekaterina Vladislavovna

Assistant, Department of Engineering Graphics and Design, Peter the Great St. Petersburg Polytechnic University

195251, Russia, g. Saint Petersburg, ul. Politekhnicheskaya, 29

plasma5210@mail.ru
Другие публикации этого автора
 

 
Мещеряков Сергей Владимирович

доктор технических наук

профессор, Санкт-Петербургский политехнический университет Петра Великого

195251, Россия, г. Санкт-Петербург, ул. Политехническая, 29

Meshcheriakov Sergei Vladimirovich

Doctor of Technical Science

Professor, Department of Engineering Graphics and Design, Peter the Great St. Petersburg Polytechnic University

195251, Russia, g. Saint Petersburg, ul. Politekhnicheskaya, 29

serg-phd@mail.ru
Другие публикации этого автора
 

 
Щемелинин Дмитрий Александрович

кандидат технических наук

докторант, Санкт-Петербургский политехнический университет Петра Великого

195251, Россия, г. Санкт-Петербург, ул. Политехническая, 29

Shchemelinin Dmitrii Aleksandrovich

PhD in Technical Science

PhD student, Peter the Great St. Petersburg Polytechnic University

195251, Russia, g. Saint Petersburg, ul. Politekhnicheskaya, 29

dshchmel@gmail.com
Янчус Виктор Эдмундасович

старший преподаватель, Санкт-Петербургский политехнический университет Петра Великого

195251, Россия, г. Санкт-Петербург, ул. Политехническая, 29

Yanchus Viktor Edmundasovich

senior lecturer, Department of Engineering Graphics and Design, Peter the Great St. Petersburg Polytechnic University

195251, Russia, g. Saint Petersburg, ul. Politekhnicheskaya, 29

victorimop@mail.ru
Другие публикации этого автора
 

 

Аннотация.

В статье представлены новые методы экспериментального исследования влияния цветового решения на восприятие кинокадра зрителем и программные алгоритмы обработки полученных статистических данных. Объектом научного исследования является отснятый и смонтированный киноматериал, включая отдельные графические изображения видеокадров. Предметом исследования являются графические модели цветовых решений, методы цифровой цветокоррекции, алгоритмы цифровой обработки кино и видеоматериала. Специфика поставленного вычислительного эксперимента заключается в том, что он проводится в интерактивном режиме с использованием Интернет ресурсов. Описанная методика является развитием существующих методов экспериментального исследования глазодвигательной активности человека с использованием технологии ай-трекинга. Предложенные методы и алгоритмы экспериментальных исследований влияния цветовых решений на их восприятие позволяют объективно измерить статистические данные и проанализировать работу зрительной активности человека по различным критериям. Разработка Интернет приложения позволила привлечь к вычислительному эксперименту гораздо больше испытуемых и повысить достоверность статистических результатов.

Ключевые слова: вычислительный эксперимент, зрительное восприятие человека, визуализация, цифровая цветокоррекция, графическая модель, цветовое решение, кинокадр, кинематограф, Интернет ресурсы, статистическая обработка данных

DOI:

10.7256/2454-0714.2018.4.27695

Дата направления в редакцию:

16-10-2018


Дата рецензирования:

17-10-2018


Дата публикации:

10-01-2019


Abstract.

The article presents new methods of experimental study of the influence of color on the perception of a movie frame by the viewer and software algorithms for processing the obtained statistical data. The object of scientific research is filmed and edited film material, including individual graphic images of video frames. The subject of the research is graphic models of color solutions, digital color correction methods, digital cinema and video processing algorithms. The specificity of the computational experiment put into practice is that it is conducted online using the Internet resources.The described method is the development of existing methods for the experimental study of human oculomotor activity using I-tracking technology. The proposed methods and algorithms for experimental studies of the influence of color solutions on their perception allow us to objectively measure statistical data and analyze the work of human visual activity according to various criteria. The development of an Internet application has allowed many more subjects to be involved in a computational experiment and to increase the reliability of statistical results.

Keywords:

Computing Experiment, Human Visual Perception, Visualization, Digital Color Correction, Graphic Model, Color Scheme, Film Frame, Cinema, Internet Resources, Statistical Data Processing

Введение

Кинематограф, являясь художественным продуктом, постоянно развивается, интегрируя новейшие компьютерные технологии в технологический процесс создания фильма. Благодаря этому выросла свобода действий у режиссеров в воплощении своих замыслов. Создаваемые кадры становятся плодом свободного художественного выбора, а не подчиняются определенным техническим и физическим ограничениям во время съемочного процесса. Это относится не только к вопросам создания виртуальных сцен с помощью трехмерной графики, но и к вопросам художественной цветокоррекции кинокадра [1, 2, 3].

Данная статья посвящена вопросам экспериментального исследования цветокоррекции кинокадра. В живописи еще Леонардо да Винчи задумался о законах воздействия цвета на эмоциональное восприятие зрителем художественного произведения. В настоящее время можно говорить о сложившейся системе в приемах работы художника с цветом при создании живописного произведения искусства.

Приемы работы с цветом в кино отличаются от живописи по двум причинам. Первая связана с использованием аддитивной цветовой модели (в живописи изображение строится в отраженном свете), а вторая связана с ограниченностью длительности демонстрации одного кадра [4]. Задача режиссера при построении кадра состоит в том, чтобы донести до зрителя содержание кадра, чтобы зритель не потерял заложенную режиссером информацию. Тарковский указывал, что значение цвета в кинокадре трудно переоценить не только в вопросах читаемости кадра, но и вопросах создания эмоционального настроения в сцене [5].

Научная новизна данного исследования заключается в том, чтобы на основе экспериментальных исследований выстроить аналитические закономерности влияния фактора цветового решения на восприятие кадра зрителем.

Цель и задачи исследования

Цель исследования заключается в оценке степени влияния фактора цветового решения кадра на восприятие его зрителем. В соответствии с поставленной целью были сформулированы задачи исследования, подготовлены и проведены серии экспериментов [4, 6]. Для проведения экспериментов использовалась система ай-трекинга, представляющая собой программно-аппаратный комплекс SMI RED250 [5] (рис. 1). Система состоит из специализированного компьютера, инфракрасного датчика движения глаз и специализированного программного обеспечения SMI Experiment Center для проведения эксперимента и объективного статистического анализа полученных данных.

Рис. 1. Стационарная система ай-трекинга SMI RED250

Ай-трекинговые системы работают по принципу видеоокулографии. На роговице глаза испытуемого регистрируется блик, по которому определяется направление взора. Принцип работы используемого в эксперименте комплекса заключается в видеорегистрации смещений зрачка и блика от направленного в глаз источника инфракрасного (ИК) излучения. На роговице образуется блик, видимый камере как светлое пятно, зрачок распознается как черное. Полученная точка фиксации взора совмещается с изображением на экране монитора, на котором демонстрируется стимульное изображение. Использование ай-трекинговых систем позволяет получить достоверные параметрические данные шаблона рассматривания стимульного материала испытуемым. Для проведения экспериментов необходимо подготовить стимульный материал и подготовить решаемую испытуемым во время эксперимента задачу. Разработанная методика проведения экспериментов позволяет дать объективную оценку влияния фактора цветового решения на параметры шаблона рассматривания стимульного материала [4, 6]. Статистическая обработка параметров шаблона рассматривания позволяет анализировать работу зрительной системы человека при рассматривании стимульного материала.

На основании теории цветового восприятия Юрьева [8] и результатов проведенных экспериментов была предложена модель анализа зрительной системы человека по распознаванию образа (рис. 2).

brain_2-01

Рис. 2. Модель зрительной системы человека по распознаванию образа

На основании полученных результатов, были выявлены три этапа распознавания образа человеком. Первый этап – это механическое сканирование изображения глазом. Он происходит бессознательно и заключается в беглом «ощупывании» изображения глазом. Второй этап заключается в распознавании увиденного образа. Подключается работа головного мозга. Зритель основывается на собственном опыте ранее увиденного. Третий этап – это эмоциональный отклик зрителя. Человек составляет собственное впечатление от увиденного.

На первом этапе работы зрительной системы человека по распознаванию образа и сканирования изображения проведенные эксперименты показали отсутствие статистически значимого влияния фактора цветового решения на параметры шаблона рассматривания.

На этапе распознавания образа выявлено статистически значимое влияние фактора цветового решения. Параметры шаблона рассматривания кадра зависят от того, в каком цветовом решении выполнен стимул.

На заключительном этапе восприятия изображения (рис. 2) зритель оценивает привлекательность изображения, выносит свое субъективное отношение к наблюдаемому кадру. Безусловно, эмоциональное впечатление зрителя зависит не только от наблюдаемого объекта, но и от жизненного опыта человека (образования, эрудиции), а также от настроения наблюдателя, его самочувствия. Чтобы нивелировать влияние косвенных факторов восприятия стимульного материала, зависящих от наблюдателя, на эмоциональную оценку стимула, было принято решение существенно расширить круг испытуемых.

В таких условиях эксперимента по исследованию работы зрительной системы человека на третьем этапе восприятия изображения (выражение субъективного мнения испытуемого об увиденном) технология ай-трекинга оказалась неэффективной по двум причинам:

– необходимость сбора данных большого количества испытуемых;

– введение условного коэффициента привлекательности кадра для анализа.

В связи с вышеизложенным, была предложена методика проведения эксперимента с использованием Интернет-ресурсов.

Методика эксперимента и ее программная реализация

Предложенный метод разработан для размещения программного обеспечения на сетевых ресурсах, что определило программные средства разработки.

Рис. 3. Блок-схема программного алгоритма проведения эксперимента

Разработанный программный алгоритм имеет два режима работы (рис. 3):

1. Администраторский.

2. Пользовательский.

Возможности администрирования:

– загрузка стимульного материала эксперимента;

– просмотр и редактирование базы испытуемых;

– вывод полученных экспериментальных данных.

Возможности пользовательского режима:

– регистрация испытуемого, участвующего в эксперименте;

– заполнение данных испытуемого, участвующего в эксперименте;

– прохождение эксперимента (работа со стимулами).

Untitled-1

Рис. 4. Интерфейс программного модуля, созданного для проведения online тестирования

В эксперименте в процессе прохождения онлайн тестирования испытуемым необходимо заполнить пользовательскую регистрационную форму. После этого ему предлагается пройти тест на любых доступных графических стимулах, при выборе которых испытуемый направляется в окно тестирования (рис. 4). Перед ним стоит задача дать оценку каждому из предложенных вариантов цветового решения видеокадра путем выбора наиболее привлекательного. Стимулы проектируются в стандартных цветовых решениях [9] согласно теории цветовых контрастов И. Иттена [10]. Привлекательность кадра оценивается испытуемым из таких субъективных понятий как читаемость, целостность композиции, гармоничное сочетание цветов. Испытуемые проходят короткий инструктаж перед прохождением тестирования, где им объясняются эти критерии оценки привлекательности кадра. Испытуемый выбирает из представленного множества номер стимула, которому присваивается весовой коэффициент согласно восьмицветовому тесту Люшера.

Алгоритм обработки статистических данных

Математическая обработка экспериментальных данных производилась с помощью языка программирования R в составе специализированного программного комплекса статистической обработки и визуализации экспериментальных данных.

Для получения достоверных статистических результатов необходимо, чтобы выборка из генеральной совокупности содержала не менее 30 элементов [11]. Исходя из этих требований, при подготовке экспериментов проектируется стимульный материал (количество стимулов) и определяется количество испытуемых.

Алгоритм статистической обработки экспериментальных данных представлен на рис. 5. Введены следующие условные обозначения:

Ф1 – изменяемый фактор, параметры, введенные для выявления влияния на них фактора цветового решения кадра;

Ф2 – это фактор, влияние которого исследуется, фактор цветового решения.

На первом этапе происходит оценка корректности выполнения задания испытуемым:

– правильность и полнота заполнения регистрационной формы;

– факт полного выполнения задания эксперимента – тестирования всех стимулов.

Рис. 5. Алгоритм статистической обработки экспериментальных данных

Первый этап обработки экспериментальных данных связан с достаточно сложным процессом алгоритмизации правильных условий выполнения испытуемыми задачи эксперимента.

На втором этапе обработки экспериментальных данных идет подготовка выборок из генеральной совокупности для статистического анализа. Важный момент, выполняемый на втором этапе, это проверка выборок на нормальность распределения, для которого методы статистического анализа достаточно хорошо изучены и имеют большую точность. С другой стороны, методы анализа нормально распределенных выборок не применимы в случае ненормального распределения статистических данных.

На третьем этапе производится сравнение двух выборок методами математической статистики. Для этого используется критерий Стьюдента (t-тест) – вычислительный метод, который позволяет сравнивать две выборки и на основе результатов теста делать заключение о том, различаются ли они друг от друга статистически значимо или нет. В случае ненормального распределения данных в сравниваемых выборках используется другой критерий Уилкоксона.

Пример экспериментальных данных представлен в таблице 1.

Таблица 1. Пример экспериментальных данных

№ сти-мула

Тип сти-мула

Имя испытуемого

Ген. приз-нак

Образо-
вание

Тип образо-
вания

Худ.
подго-
товка

Воз-раст

Цвет.
решение

Коэф-фици-ент

3

Фото

Егорова А.

1

1

0

0

20

onceW

1

3

Фото

Егорова А.

1

1

0

0

20

Bw

2

3

Фото

Егорова А.

1

1

0

0

20

onceC

3

3

Фото

Егорова А.

1

1

0

0

20

Three

4

3

Фото

Егорова А.

1

1

0

0

20

Dop

5

3

Фото

Баранова М.

1

1

0

1

19

onceW

1

3

Фото

Баранова М.

1

1

0

1

19

Dop

2

3

Фото

Баранова М.

1

1

0

1

19

Three

3

3

Фото

Баранова М.

1

1

0

1

19

onceC

4

3

Фото

Баранова М.

1

1

0

1

19

Bw

5

3

Фото

Иванов Н.

0

1

0

0

19

Bw

1

3

Фото

Иванов Н.

0

1

0

0

19

onceC

2

3

Фото

Иванов Н.

0

1

0

0

19

onceW

3

3

Фото

Иванов Н.

0

1

0

0

19

Three

4

3

Фото

Иванов Н.

0

1

0

0

19

Dop

5

Значения параметров:

1. Тип стимула: фото – фотореалистичный (обработанные кадры из фильмов), анимэ – анимационный (обработанные кадры из мультфильмов).

2. Гендерный признак: 0 – муж, 1 – жен.

3. Образование: 1 – среднее, 2 – неоконченное высшее, 3 – высшее.

4. Тип образования: 0 – гуманитарное, 1 – техническое.

5. Художественная подготовка: 0 – не имеется, 1– имеется образование в художественной школе.

6. Цветовое решение:

bw – ахроматическое (черно-белое);

dop – комплементарное цветовое решение (дополнительный цветовой контраст);

three – триадное цветовое решение;

onceW – монохромное цветовое решение (теплое);

onceC – монохромное цветовое решение (холодное).

7. Коэффициент – приоритетный выбор испытуемого.

В результате статистической обработки данных получено значение условного коэффициента для каждого стимула в пяти цветовых решениях (таблица 2). Предварительная обработка заключается в выполнении простой операции усреднения по всем испытуемым.

Таблица 2. Усредненные коэффициенты приоритета испытуемого

№ стимула

Цветовое решение

Условный коэффициент

3

onceW

2,3

3

bw

3,45

3

onceC

2,65

3

three

2,93

3

dop

3,67

В результате мы получили выборку из 30 стимулов с условным коэффициентом в каждом цветовом решении.

Выводы

Предложенные методы и алгоритмы подготовки и проведения экспериментальных исследований влияния фактора цветового решения на субъективное восприятие наблюдаемых стимулов позволяет объективно измерить и путем статистической обработки экспериментальных данных проанализировать работу зрительной системы человека на третьем этапе восприятия зрительной информации – этапе формирования эмоционального отклика.

Кроме того, предложенный подход позволяет опросить намного большее количество испытуемых, чем технология ай-трекинга, и тем самым дополнительно оценить зависимость восприятия зрительной системы человека от следующих факторов:

– гендерный признак;

– возрастной признак;

– наличие художественной подготовки;

– уровень образования.

Предложенный подход является дальнейшим развитием ранее разработанных методов экспериментальных исследований влияния фактора цветового решения на параметры шаблона рассматривания стимульного материала с использованием прибора фиксации глазодвигательной активности человека [4, 6].

Библиография
1.
Боревич Е. В., Мещеряков С. В., Янчус В. Э. Эффективные методы и модели цифровой обработки киноматериала // Графикон-2017: тр. 27-й междунар. конф. по компьютерной графике и машинному зрению. – Пермь: Пермский государственный научно-исследовательский университет, 2017. – С. 51-54.
2.
Янчус В. Э. Компьютерная обработка видеоматериала в кинематографической промышленности // Научно-технические ведомости СПбГПУ. – 2016. – № 2. – С. 7-13.
3.
Янчус В. Э., Козина М. А. Творческие аспекты гармонизации кадра в технологическом процессе производства фильма // Дизайн. Материалы. Технология. – 2016. – № 2. – С. 20-25.
4.
Borevich E. V., Mescheryakov S. V., Yanchus V. E. Experimental Research of Digital Color Correction Models and Their Impact on Visual Fixation of Video Frames // Humanities and Science University Journal. – 2017. – V. 27. – pp. 15-24.
5.
Тарковский А. А. Беседа о цвете // Киноведческие записки. – 1998. – №1. – С. 147-160.
6.
Боревич Е. В., Янчус В. Э. Исследование значения цветового решения в процессе гармонизации кинокадра // Научно-технические ведомости СПбГПУ. – 2016. – № 4. – С. 53-68.
7.
Иванов В. М., Лаптев В. В., Орлов П. А. К вопросу о применении систем ай-трекинга // Научно-технические ведомости СПбГПУ. – 2014. – №5 (205). – С. 84-94.
8.
Юрьев Ф. И. Цветовая образность информации. Т. 2. Гармония сфер. – Киев. – 2007. – 327 с.
9.
Иванов В. В., Лаптев В. В. Цветоведение и колористика // Информационные технологии в цветоведении и колористике: учеб. пособие. – СПб: Изд-во политехнического университета, 2013. – 43 с.
10.
Иттен И. Искусство цвета [пер. с нем. и предисл. Л. Монаховой]. – М.: Д. Аронов, 2007. – 94 с.
11.
Кабаков Р. И. R в действии. Анализ и визуализация данных в программе R [пер. с англ. П. А. Волковой]. – М.: ДМК Пресс, 2014. – 588 с.
References (transliterated)
1.
Borevich E. V., Meshcheryakov S. V., Yanchus V. E. Effektivnye metody i modeli tsifrovoi obrabotki kinomateriala // Grafikon-2017: tr. 27-i mezhdunar. konf. po komp'yuternoi grafike i mashinnomu zreniyu. – Perm': Permskii gosudarstvennyi nauchno-issledovatel'skii universitet, 2017. – S. 51-54.
2.
Yanchus V. E. Komp'yuternaya obrabotka videomateriala v kinematograficheskoi promyshlennosti // Nauchno-tekhnicheskie vedomosti SPbGPU. – 2016. – № 2. – S. 7-13.
3.
Yanchus V. E., Kozina M. A. Tvorcheskie aspekty garmonizatsii kadra v tekhnologicheskom protsesse proizvodstva fil'ma // Dizain. Materialy. Tekhnologiya. – 2016. – № 2. – S. 20-25.
4.
Borevich E. V., Mescheryakov S. V., Yanchus V. E. Experimental Research of Digital Color Correction Models and Their Impact on Visual Fixation of Video Frames // Humanities and Science University Journal. – 2017. – V. 27. – pp. 15-24.
5.
Tarkovskii A. A. Beseda o tsvete // Kinovedcheskie zapiski. – 1998. – №1. – S. 147-160.
6.
Borevich E. V., Yanchus V. E. Issledovanie znacheniya tsvetovogo resheniya v protsesse garmonizatsii kinokadra // Nauchno-tekhnicheskie vedomosti SPbGPU. – 2016. – № 4. – S. 53-68.
7.
Ivanov V. M., Laptev V. V., Orlov P. A. K voprosu o primenenii sistem ai-trekinga // Nauchno-tekhnicheskie vedomosti SPbGPU. – 2014. – №5 (205). – S. 84-94.
8.
Yur'ev F. I. Tsvetovaya obraznost' informatsii. T. 2. Garmoniya sfer. – Kiev. – 2007. – 327 s.
9.
Ivanov V. V., Laptev V. V. Tsvetovedenie i koloristika // Informatsionnye tekhnologii v tsvetovedenii i koloristike: ucheb. posobie. – SPb: Izd-vo politekhnicheskogo universiteta, 2013. – 43 s.
10.
Itten I. Iskusstvo tsveta [per. s nem. i predisl. L. Monakhovoi]. – M.: D. Aronov, 2007. – 94 s.
11.
Kabakov R. I. R v deistvii. Analiz i vizualizatsiya dannykh v programme R [per. s angl. P. A. Volkovoi]. – M.: DMK Press, 2014. – 588 s.