Перевод rgb: Конвертер Цветов Онлайн — HEX ⇒ RGB ⇒ RGBA ⇒ CMYK ⇒ HSL ⇒ HSLA ⇒ HSB ⇒ HSV ⇒ XYZ ⇒ LAB. Калькулятор цветов HTML. Генератор цветов CSS3 — ColorScheme.Ru — Вебджем.рф

Содержание

Конвертер RGB в HEX — Wizlogo Logo Maker

Ищете другие преобразователи цвета?

HEX к RGB
RGB к CMYK
CMYK к RGB
HEX к CMYK
CMYK к HEX

Как преобразовать RGB в HEX

Преобразование цветов из RGB в HEX так же просто, как преобразование их числовых значений из десятичной в шестнадцатеричную систему счисления. Чтобы преобразовать цвет RGB (50, 168, 82), мы конвертируем каждое из чисел в шестнадцатеричное значение:

                50  = 32
                168 = A8
                82  = 52

                RGB(50, 168, 82) = #32A852

Что такое RGB

RGB означает красный, зеленый и синий оттенки света, которые можно смешивать для создания разных цветов. Это стандартный метод создания изображений для экранов телевизоров, компьютерных мониторов и дисплеев смартфонов.

Чтобы быть более точным, RGB — это аддитивная цветовая модель, то есть вы должны складывать оттенки вместе, чтобы создать другой цвет.

Представьте, что вы складываете цвета один поверх другого:

Запись: разные устройства производят разные значения RGB. Каждое устройство использует разную теорию смешивания цветов, что означает, что цвета RGB не одинаковы на всех устройствах, и им необходимо управление цветом, чтобы они выглядели одинаково.

Чтобы описать цвет в цветовой модели RGB, вы должны указать, сколько красного, зеленого и синего необходимо.

Вы указываете, сколько красного, зеленого и синего необходимо, используя триплет RGB. (R, G, B) где каждый из элементов может изменяться от нуля до определенного максимального значения.

Если все элементы равны нулю (0, 0, 0) — результат черный цвет.

Если все элементы максимально (255, 255, 255) — Результат — белый цвет.

Комбинации этих чисел составляют разные цвета (255, 255, 0) — результат желтый цвет

Это известно как глубина цвета и измеряется в битах.

По состоянию на 2018 год почти каждый телевизор, компьютер и дисплей смартфона используют 24-битную глубину цвета, известную как истинный цвет

Он поддерживает восемь бит для каждого из трех цветов, или всего 24 бита.

Это обеспечивает 2⁸ или же 256 возможные значения для красного, зеленого и синего:

                256 x 256 x 256 =  16,777,216 общее количество возможных цветов в истинной цветовой палитре

Что такое шестнадцатеричный

Шестнадцатеричный описывает систему счисления с основанием 16, состоящую из 16 символов. В нем используются числа от 0 до 9 для обозначения чисел от 0 до 9 и буквы от A до F для обозначения чисел от 10 до 15.

Чаще всего он используется в информатике и математике как средство представления двоичного кода в удобочитаемой форме.

В отличие от компьютеров или ученых, большинство из нас использует десятичную систему счисления. Он состоит из чисел от 0 до 9 и является стандартным способом использования чисел. Мы начинаем изучать его в детском саду и используем каждый день:

                машина едет со скоростью 10 миль в час
                кошка весит 4 кг
                месяц состоит из 30 дней

Теперь, когда мы знаем разницу между шестнадцатеричным и десятичным числами, давайте посмотрим, как мы можем преобразовать одно в другое.

Как мы уже знаем, в шестнадцатеричной системе счисления числа от 0 до 9 представляют от 0 до 9, а буквы от A до F представляют от 10 до 15 в десятичной системе.

Вот подробная таблица, которая хорошо объясняет преобразование шестнадцатеричных чисел в десятичные.:

Источник

Как преобразовать RGB в HEX

Чтобы преобразовать RGB в HEX, вам необходимо преобразовать значения красного, зеленого и синего цветов из десятичных в шестнадцатеричные.

пример #1: преобразовать красный цвет (255, 0, 0) к HEX:

                р = 255 = FF
                г = 0 = 00
                B = 0 = 00
                HEX = #FF0000

пример #2: преобразовать цвет зеленый (0, 255, 0) к HEX:

                р = 0 = 00
                г = 255 = FF
                B = 0 = 00
                HEX = #00FF00

пример #3: преобразовать цвет синий (0, 0, 255) к HEX:

                р = 0 = 00
                г = 0 = 00
                B = 255 = FF
                HEX = #0000FF

пример #4: преобразовать цвет в черный (0, 0, 0) к HEX:

                р = 0 = 00
                г = 0 = 00
                B = 0 = 00
                HEX = #000000

пример #5: преобразовать белый цвет (255, 255, 255) к HEX:

                р = 255 = FF
                г = 255 = FF
                B = 255 = FF
                HEX = #FFFFFF

Бонус пример #6: преобразовать цвет золота (255, 215, 0)

к HEX:

                р = 255 = FF
                г = 215 = D7
                B = 0 = 00
                HEX = #FFD700

Как преобразовать HEX в RGB

Чтобы преобразовать HEX в RGB, вы должны разделить шестнадцатеричное значение на пары по два и преобразовать его в десятичное число.

пример #1: преобразовать красный цвет #FF0000 к RGB:

                FF = 255
                00 = 0
                00 = 0
                RGB = (255, 0, 0)

пример #2: преобразовать цвет зеленый #00FF00 к RGB:

                00 = 0
                FF = 255
                00 = 0
                RGB = (0, 255, 0)

пример #3: преобразовать цвет синий #0000FF к RGB:

                00 = 0
                00 = 0
                FF = 255
                RGB = (0, 0, 255)

пример #4: преобразовать цвет в черный #000000 к RGB:

                00 = 0
                00 = 0
                00 = 0
                RGB = (0, 0, 0)

пример #5: преобразовать белый цвет #FFFFFF к RGB:

                FF = 255
                FF = 255
                FF = 255
                RGB = (255, 255, 255)

Бонус пример #6: преобразовать цвет золота #FFD700 к RGB:

                FF = 255
                D7 = 215
                00 = 0
                RGB = (255, 215, 0)

Разница между RGB и Hex

Как видно из приведенных выше примеров, основное различие между RGB и HEX заключается в том, что в нем используются разные системы счисления. RGB использует десятичный формат, а HEX — шестнадцатеричный.

Преобразование цветов из RGB в HEX так же просто, как преобразование их числовых значений из десятичной в шестнадцатеричную систему счисления.

RGB против HEX — что лучше

Исходя из нашего опыта и того, что наша команда наблюдала на протяжении многих лет, шестнадцатеричное число используется чаще, чем RGB, особенно в отраслях веб-разработки и веб-дизайна.

Однако не имеет значения, какой из них вы используете, поскольку они оба имеют один и тот же цвет. Единственный совет — оставайтесь последовательными.

Если вы начнете использовать RGB в нашем веб-проекте — придерживайтесь его. Если вы начнете использовать HEX в нашем веб-проекте, попробуйте использовать только HEX

Каталог RAL. Перевод в системы CMYK, HEX, RGB, XYZ и CIE Lab

С помощью нашей колеровочной системы вы сможете изготовить любой цвет из каталога RAL и окрасить им ваши промышленные изделия и конструкции. Подробнее >>>

Финишное покрытие в данном случае может быть:

Двухкомпонентное: Акрил-полиуретановое.

Полиуретановое. Полиэфирное. Эпокси-полиуретановое.

Однокомпонентное: Акриловое. Алкидное.

НАЙДИТЕ НА НАШЕМ САЙТЕ ЭМАЛИ ДЛЯ ВАШЕГО ПРОЕКТА!!!>>>

Цвета вашего монитора не соответствуют истинным цветам RAL. Выбирать цвет необходимо по «живому» каталогу RAL

ОБРАЗЕЦ	ЦВЕТ	C	M	Y	K	HEX	R	G	B	X	Y	Z	L	a	b
	RAL 1000	10	10	50	10	#CCC58F	204	197	143	49,8	54,8	33,9	78,90	-5,89	28,03
	RAL 1001	0	20	50	20	#D1BC8A	209	188	138	48,9	51,4	31,4	76,89	0,14	28,05
	RAL 1002	0	20	60	10	#D2B773	210	183	115	46,6	48,8	23,2	75,33	0,61	38,04
	RAL 1003	5	20	90	0	#F7BA0B	247	186	11	56,0	54,9	8,0	78,99	9,66	80,13
	RAL 1004	5	30	100	0	#E2B007	226	176	7	46,9	47,2	6,8	74,34	5,79	76,23
	RAL 1005	10	30	100	0	#C89F04	200	159	4	36,2	37,1	5,4	67,34	3,34	70,38
	RAL 1006	5	30	90	0	#E1A100	225	161	0	43,8	41,5	5,7	70,52	13,25	74,35
	RAL 1007	0	40	100	0	#E79C00	231	156	0	44,8	40,8	5,5	70,01	18,51	74,34
	RAL 1011	30	40	70	0	#AF8A54	175	138	84	28,4	27,9	12,3	59,83	7,31	34,10
	RAL 1012	10	10	90	0	#D9C022	217	192	34	47,8	52,6	9,1	77,62	-6,04	73,83
	RAL 1013	0	5	20	10	#E9E5CE	233	229	206	72,8	77,8	69,6	90,70	-2,50	11,69
	RAL 1014	0	10	40	10	#DED09F	222	208	159	58,9	63,1	41,9	83,52	-2,59	26,13
	RAL 1015	0	5	30	10	#EADEBD	234	222	189	69,2	73,4	58,7	88,64	-1,16	17,68
	RAL 1016	10	0	90	0	#EAF044	234	240	68	66,1	80,2	17,5	91,79	-21,54	77,17
	RAL 1017	0	30	70	0	#F4B752	244	183	82	55,8	53,7	15,4	78,29	12,15	58,34
	RAL 1018	0	0	80	0	#F3E03B	243	224	59	64,4	72,7	14,8	88,30	-10,38	77,05
	RAL 1019	5	20	40	40	#A4957D	164	149	125	29,8	30,9	23,8	62,40	1,60	14,70
	RAL 1020	1	5	30	40	#9A9464	154	148	100	26,2	29,0	16,3	60,76	-5,37	26,21
	RAL 1021	0	10	100	0	#EEC900	238	201	0	56,1	60,0	8,6	81,81	-2,07	82,79
	RAL 1023	0	10	90	0	#F0CA00	240	202	0	57,1	60,8	8,7	82,25	-1,72	83,19
	RAL 1024	30	40	70	10	#B89C50	184	156	80	33,1	34,5	12,5	65,39	0,95	43,10
	RAL 1026	0	0	100	0	#F5FF00	245	255	0	73,4	90,9	13,7	96,38	-25,64	93,59
	RAL 1027	10	20	90	40	#A38C15	163	140	21	24,6	26,6	4,5	58,60	-2,83	59,24
	RAL 1028	0	30	100	0	#FFAB00	255	171	0	55,8	50,4	6,8	76,31	20,81	79,86
	RAL 1032	0	30	90	10	#DDB20F	221	178	15	45,8	47,2	7,2	74,35	2,64	75,06
	RAL 1033	0	30	90	0	#FAAB21	250	171	33	54,3	49,6	8,1	75,80	19,10	74,00
	RAL 1034	0	30	80	0	#EDAB56	237	171	86	51,2	47,8	15,3	74,70	15,80	52,32
	RAL 1035	16	19	33	26	#A29985	162	153	133	30,5	32,2	26,8	63,47	-0,15	11,70
	RAL 1036	33	46	80	18	#927549	146	117	73	19,4	19,3	9,0	51,05	5,46	28,46
	RAL 1037	0	40	100	0	#EEA205	238	162	5	48,2	44,0	6,1	72,25	18,37	75,62
	RAL 2000	0	50	100	0	#DD7907	221	121	7	36,7	29,1	3,9	60,84	32,88	66,68
	RAL 2001	0	80	100	20	#BE4E24	190	78	36	24,3	16,5	3,6	47,65	42,88	45,68
	RAL 2002	0	90	100	10	#C63927	198	57	39	25,1	15,1	3,5	45,74	54,74	42,82
	RAL 2003	0	52	100	0	#FA842B	250	132	43	48,1	37,0	6,9	67,28	39,52	63,88
	RAL 2004	0	70	100	0	#E75B12	231	91	18	36,8	24,5	3,4	56,60	51,51	62,41
	RAL 2005	0	75	75	5	#FF2300	255	35	0	41,8	22,5	2,1	54,51	76,42	67,68
	RAL 2007	0	50	100	0	#FFA421	255	164	33	54,8	47,9	7,8	74,77	24,85	73,44
	RAL 2008	0	60	100	0	#F3752C	243	117	44	43,8	32,0	6,2	63,31	44,29	59,61
	RAL 2009	5	70	100	10	#E15501	225	85	1	34,3	22,5	2,6	54,56	51,85	64,32
	RAL 2010	0	70	100	10	#D4652F	212	101	47	32,3	23,5	5,5	55,59	40,39	49,40
	RAL 2011	0	55	100	0	#EC7C25	236	124	37	42,1	32,4	5,8	63,66	37,89	62,17
	RAL 2012	0	60	70	0	#DB6A50	219	106	80	35,8	25,9	10,7	57,99	42,23	35,24
	RAL 2013	0	80	100	40	#954527	149	69	39	14,9	10,8	3,2	39,23	31,48	33,39
	RAL 3000	0	100	100	20	#AB2524	171	37	36	17,8	10,1	2,7	38,04	53,01	34,96
	RAL 3001	20	100	90	10	#A02128	160	33	40	15,4	8,7	2,9	35,43	51,05	29,10
	RAL 3002	10	100	90	20	#A1232B	161	35	43	15,7	9,0	3,2	35,89	50,86	27,85
	RAL 3003	0	100	100	40	#8D1D2C	141	29	44	11,9	6,7	3,1	31,17	46,67	20,55
	RAL 3004	20	100	100	60	#701F29	112	31	41	7,6	4,6	2,6	25,52	36,19	14,11
	RAL 3005	20	100	80	40	#5E2028	94	32	40	5,5	3,6	2,4	22,18	29,00	9,71
	RAL 3007	60	100	70	80	#402225	64	34	37	3,0	2,4	2,0	17,31	14,80	4,24
	RAL 3009	5	90	100	80	#703731	112	55	49	8,6	6,4	3,7	30,40	24,50	15,29
	RAL 3011	20	100	100	40	#7E292C	126	41	44	9,9	6,2	3,1	29,92	36,94	18,36
	RAL 3012	5	50	50	10	#CB8D73	203	141	115	37,2	33,0	20,6	64,15	20,43	23,33
	RAL 3013	20	90	100	20	#9C322E	156	50	46	15,3	9,5	3,6	37,02	43,74	27,10
	RAL 3014	0	70	30	10	#D47479	212	116	121	36,8	27,9	21,5	59,77	37,99	14,13
	RAL 3015	0	50	20	10	#E1A6AD	225	166	173	52,2	46,3	45,7	73,74	22,74	4,96
	RAL 3016	0	90	90	20	#AC4034	172	64	52	19,5	12,7	4,7	42,29	43,50	30,48
	RAL 3017	0	80	50	10	#D3545F	212	84	95	32,4	21,2	13,2	53,13	51,27	20,19
	RAL 3018	5	90	70	5	#D14152	209	65	82	29,7	17,9	9,9	49,43	57,30	22,93
	RAL 3020	0	100	100	10	#C1121C	193	18	28	22,4	11,9	2,2	40,98	63,31	43,73
	RAL 3022	0	60	70	0	#D56D56	213	109	86	34,6	25,8	12,0	57,80	38,85	31,49
	RAL 3024	0	80	90	0	#F70000	247	0	0	38,4	19,8	1,8	51,58	78,20	65,62
	RAL 3026	0	80	100	0	#FF0000	255	0	0	41,2	21,3	1,9	53,23	80,11	67,22
	RAL 3027	0	100	70	20	#B42041	180	32	65	20,3	11,1	6,1	39,78	58,42	19,74
	RAL 3028	5	100	100	0	#CB3334	203	51	52	26,4	15,3	4,8	46,06	58,87	36,29
	RAL 3031	20	100	90	20	#AC323B	172	50	59	18,9	11,4	5,3	40,19	49,85	23,71
	RAL 3032	10	100	90	50	#711521	113	21	33	7,4	4,2	1,9	24,18	39,84	17,83
	RAL 3033	8	84	72	13	#B24C43	178	76	67	22,0	15,0	7,1	45,69	40,90	26,03
	RAL 4001	60	70	5	10	#8A5A83	138	90	131	18,2	14,4	23,3	44,74	26,57	-14,88
	RAL 4002	40	100	90	5	#933D50	147	61	80	15,1	10,1	8,7	38,06	38,09	6,91
	RAL 4003	10	70	10	0	#D15B8F	209	91	143	35,0	23,0	28,6	55,09	51,92	-5,49
	RAL 4004	60	100	50	20	#691639	105	22	57	6,9	3,9	4,3	23,25	38,93	-0,22
	RAL 4005	60	100	5	10	#83639D	131	99	157	19,9	16,2	34,0	47,21	24,46	-26,66
	RAL 4006	50	100	0	10	#992572	153	37	114	16,8	9,3	16,8	36,58	54,19	-16,69
	RAL 4007	70	100	20	60	#4A203B	74	32	59	4,1	2,8	4,5	19,24	23,87	-8,18
	RAL 4008	60	90	0	10	#904684	144	70	132	17,9	12,0	23,2	41,18	39,91	-20,87
	RAL 4009	40	40	30	0	#A38995	163	137	149	29,5	27,8	32,3	59,75	11,92	-2,72
	RAL 4010	10	90	30	0	#C63678	198	54	120	28,0	16,0	19,4	46,97	61,24	-3,93
	RAL 4011	47	57	3	7	#8773A1	135	115	161	22,6	20,0	36,4	51,82	17,23	-21,86
	RAL 4012	50	50	20	23	#6B6880	107	104	128	14,9	14,6	22,5	45,06	6,47	-12,88
	RAL 5000	100	40	5	40	#384C70	56	76	112	7,1	7,2	16,3	32,21	3,16	-23,16
	RAL 5001	90	20	0	80	#1F4764	31	71	100	5,1	5,7	12,9	28,69	-3,81	-21,15
	RAL 5002	100	70	0	40	#2B2C7C	43	44	124	5,5	3,8	19,5	22,90	26,15	-45,68
	RAL 5003	100	50	0	80	#2A3756	42	55	86	4,0	3,9	9,3	23,33	4,42	-20,42
	RAL 5004	100	100	70	40	#1D1F2A	29	31	42	1,4	1,4	2,4	12,01	2,24	-7,68
	RAL 5005	100	40	0	40	#154889	21	72	137	7,1	6,6	24,6	30,88	8,93	-40,93
	RAL 5007	80	20	0	40	#41678D	65	103	141	11,8	12,7	27,0	42,38	-1,94	-25,05
	RAL 5008	60	0	0	90	#313C48	49	60	72	4,1	4,4	6,8	24,80	-1,21	-8,83
	RAL 5009	90	30	10	40	#2E5978	46	89	120	8,1	9,1	19,1	36,14	-4,81	-22,05
	RAL 5010	100	40	5	40	#13447C	19	68	124	6,0	5,7	19,9	28,72	6,06	-36,33
	RAL 5011	100	60	10	80	#232C3F	35	44	63	2,5	2,5	5,1	18,00	1,98	-13,28
	RAL 5012	90	30	10	10	#3481B8	58	129	184	18,2	20,1	48,3	51,91	-4,26	-35,41
	RAL 5013	100	60	0	60	#232D53	35	45	83	3,2	2,9	8,6	19,47	8,45	-24,55
	RAL 5014	50	20	0	40	#6C7C98	108	124	152	19,1	19,9	32,5	51,69	0,89	-17,00
	RAL 5015	100	30	0	10	#2874B2	40	116	178	15,2	16,2	44,4	47,18	-1,19	-39,42
	RAL 5017	100	20	5	40	#0E518D	14	81	141	7,9	7,9	26,3	33,78	3,94	-38,74
	RAL 5018	90	10	40	10	#21888F	33	136	143	14,4	19,9	29,1	51,74	-25,50	-11,99
	RAL 5019	100	50	20	10	#1A5784	26	87	132	8,0	8,7	23,1	35,40	-2,45	-30,64
	RAL 5020	100	0	40	80	#0B4151	11	65	81	3,5	4,4	8,5	25,09	-10,57	-14,48
	RAL 5021	100	20	50	10	#07737A	7	115	122	9,7	13,7	20,5	43,82	-23,92	-11,58
	RAL 5022	100	100	40	40	#2F2A5A	47	42	90	3,8	3,0	10,0	20,04	16,32	-28,25
	RAL 5023	80	40	10	20	#4D668E	77	102	142	12,7	13,0	27,4	42,81	2,07	-24,92
	RAL 5024	70	20	10	20	#6A93B0	106	147	176	24,2	27,1	45,0	59,04	-6,46	-19,63
	RAL 5025	97	48	31	15	#296478	41	100	120	8,9	10,9	19,4	39,48	-12,42	-16,91
	RAL 5026	100	80	0	50	#102C54	16	44	84	2,7	2,6	8,7	18,15	5,64	-27,38
	RAL 6000	80	20	60	20	#327662	50	118	98	10,0	14,5	13,8	44,97	-26,75	4,58
	RAL 6001	90	30	90	10	#28713E	40	113	62	7,6	12,6	6,6	42,17	-34,85	21,77
	RAL 6002	90	40	90	10	#276235	39	98	53	5,8	9,4	4,9	36,79	-30,15	19,98
	RAL 6003	80	50	80	20	#4B573E	75	87	62	7,2	8,7	5,9	35,32	-9,85	13,01
	RAL 6004	100	50	60	40	#0E4243	14	66	67	3,1	4,4	6,0	24,94	-15,97	-5,50
v	RAL 6005	100	60	90	20	#0F4336	15	67	54	2,9	4,4	4,2	24,90	-20,58	3,02
	RAL 6006	90	80	90	20	#40433B	64	67	59	4,9	5,4	4,9	27,90	-2,99	4,43
	RAL 6007	80	50	80	60	#283424	40	52	36	2,4	3,0	2,1	20,18	-8,83	8,52
	RAL 6008	70	50	70	80	#35382E	53	56	46	3,4	3,8	3,1	22,94	-3,49	5,82
	RAL 6009	90	50	90	60	#26392F	38	57	47	2,8	3,5	3,2	22,10	-10,26	3,80
	RAL 6010	70	10	80	40	#3E753B	62	117	59	9,1	14,1	6,4	44,32	-30,96	26,36
	RAL 6011	70	30	70	5	#66825B	102	130	91	15,4	19,5	12,9	51,32	-17,88	17,94
	RAL 6012	100	80	100	20	#31403D	49	64	61	3,9	4,7	5,1	25,73	-6,81	-0,17
	RAL 6013	40	20	60	40	#797C5A	121	124	90	16,9	19,2	12,5	50,94	-7,17	18,24
	RAL 6014	80	50	90	60	#444337	68	67	55	5,1	5,5	4,4	28,17	-2,02	7,45
	RAL 6015	80	60	70	40	#3D403A	61	64	58	4,5	5,0	4,7	26,63	-2,59	3,23
	RAL 6016	100	30	80	0	#026A52	2	106	82	6,7	10,9	9,7	39,46	-32,50	6,18
	RAL 6017	80	20	100	10	#468641	70	134	65	12,0	18,7	8,0	50,37	-35,23	30,73
	RAL 6018	70	0	90	0	#48A43F	72	164	63	16,8	28,3	9,3	60,15	-47,37	43,29
	RAL 6019	35	0	40	0	#B7D9B1	183	217	177	52,3	62,9	51,0	83,37	-18,67	16,04
	RAL 6020	90	60	80	20	#354733	53	71	51	4,3	5,5	4,0	28,12	-11,75	9,77
	RAL 6021	50	10	50	10	#86A47C	134	164	124	26,7	33,1	24,0	64,22	-18,13	17,43
	RAL 6022	90	80	100	20	#3E3C32	62	60	50	4,2	4,5	3,7	25,22	-1,20	6,50
	RAL 6024	90	10	80	10	#008754	0	135	84	10,3	18,0	11,3	49,46	-44,04	18,83
	RAL 6025	80	30	90	10	#53753C	83	117	60	10,7	14,9	6,6	45,48	-23,24	27,51
	RAL 6026	100	30	70	40	#005D52	0	93	82	5,4	8,4	9,3	34,88	-26,65	-0,43
	RAL 6027	60	0	30	0	#81C0BB	129	192	187	36,9	46,0	53,9	73,52	-21,18	-3,91
	RAL 6028	100	60	100	0	#2D5546	45	85	70	5,4	7,5	7,0	32,91	-18,19	4,38
	RAL 6029	100	20	100	5	#007243	0	114	67	7,0	12,4	7,3	41,91	-39,71	18,44
	RAL 6032	90	10	80	0	#0F8558	15	133	88	10,3	17,6	12,1	48,98	-41,37	15,94
	RAL 6033	80	20	50	0	#478A84	71	138	132	15,9	21,2	25,1	53,15	-22,83	-3,38
	RAL 6034	60	10	40	0	#7FB0B2	127	176	178	32,3	38,8	47,9	68,59	-15,64	-6,27
	RAL 6035	90	0	100	75	#1B542C	27	84	44	4,1	6,8	3,5	31,24	-28,61	18,03
	RAL 6036	100	10	60	50	#005D4C	0	93	76	5,2	8,4	8,2	34,70	-28,50	3,05
	RAL 6037	90	0	100	0	#008F39	0	143	57	10,6	19,9	7,2	51,77	-51,73	36,11
	RAL 6038	100	0	100	0	#00BB2E	0	187	46	18,3	35,7	8,5	66,32	-66,30	56,38
	RAL 7000	40	10	10	40	#7E8B92	126	139	146	23,0	25,0	30,8	57,05	-3,19	-5,34
	RAL 7001	10	0	0	40	#8F999F	143	153	159	29,0	31,1	37,3	62,61	-2,33	-4,38
	RAL 7002	30	30	50	40	#817F68	129	127	104	19,1	20,8	16,1	52,78	-3,39	12,80
	RAL 7003	30	20	40	40	#7A7B6D	122	123	109	17,9	19,4	17,3	51,16	-3,05	7,53
	RAL 7004	0	0	0	45	#9EA0A1	158	160	161	33,1	35,0	38,7	65,74	-0,52	-0,78
	RAL 7005	30	10	20	60	#6B716F	107	113	111	14,8	16,1	17,4	47,08	-2,69	0,31
	RAL 7006	0	10	30	60	#756F61	117	111	97	15,2	16,0	13,6	46,99	-0,25	8,63
	RAL 7008	30	40	70	40	#746643	116	102	67	13,0	13,6	7,3	43,68	0,14	21,82
	RAL 7009	20	50	40	80	#5B6259	91	98	89	10,5	11,7	11,2	40,70	-4,61	4,19
	RAL 7010	20	5	30	80	#575D57	87	93	87	9,6	10,5	10,5	38,80	-3,64	2,63
	RAL 7011	40	10	20	80	#555D61	85	93	97	9,8	10,6	12,8	38,94	-2,20	-3,36
	RAL 7012	20	0	10	80	#596163	89	97	99	10,6	11,6	13,5	40,53	-2,64	-2,21
	RAL 7013	10	10	40	80	#555548	85	85	72	8,2	8,9	7,4	35,78	-2,59	7,60
	RAL 7015	40	10	10	80	#51565C	81	86	92	8,7	9,2	11,4	36,32	-0,61	-4,16
	RAL 7016	60	30	30	80	#373F43	55	63	67	4,4	4,8	6,0	26,08	-2,29	-3,57
	RAL 7021	50	10	5	95	#2E3234	46	50	52	2,9	3,1	3,7	20,48	-1,23	-1,87
	RAL 7022	30	20	40	80	#4B4D46	75	77	70	6,7	7,2	6,8	32,36	-2,30	3,87
	RAL 7023	40	20	40	40	#818479	129	132	121	20,8	22,6	21,3	54,61	-3,24	5,55
	RAL 7024	80	60	50	40	#474A50	71	74	80	6,5	6,8	8,6	31,39	0,17	-3,99
	RAL 7026	60	20	30	80	#374447	55	68	71	4,8	5,4	6,8	27,85	-4,45	-3,56
	RAL 7030	20	10	20	40	#939388	147	147	136	26,9	28,8	27,4	60,65	-2,06	5,82
	RAL 7031	60	30	30	40	#5D6970	93	105	112	12,5	13,6	17,3	43,65	-2,92	-5,46
	RAL 7032	0	0	20	40	#B9B9A8	185	185	168	44,4	47,8	43,9	74,72	-3,02	8,63
	RAL 7033	30	10	30	40	#818979	129	137	121	21,5	23,9	21,6	56,03	-6,04	7,58
	RAL 7034	5	5	40	40	#939176	147	145	118	25,4	27,8	21,2	59,67	-4,00	14,63
	RAL 7035	5	0	5	20	#CBD0CC	203	208	204	58,1	62,2	66,1	83,00	-2,43	1,38
	RAL 7036	10	10	10	40	#9A9697	154	150	151	29,8	30,9	33,7	62,44	1,65	-0,01
	RAL 7037	30	20	20	40	#7C7F7E	124	127	126	19,7	21,0	22,7	52,92	-1,32	0,14
	RAL 7038	30	10	20	20	#B4B8B0	180	184	176	43,8	47,1	47,9	74,27	-2,88	3,56
	RAL 7039	50	40	50	40	#6B695F	107	105	95	13,2	14,1	12,8	44,31	-1,16	5,90
	RAL 7040	20	5	10	40	#9DA3A6	157	163	166	33,9	36,1	41,3	66,61	-1,54	-2,30
	RAL 7042	30	10	20	40	#8F9695	143	150	149	27,7	29,8	32,7	61,50	-2,72	-0,36
	RAL 7043	30	10	20	80	#4E5451	78	84	81	7,8	8,6	9,0	35,11	-3,05	0,92
	RAL 7044	0	0	15	30	#BDBDB2	189	189	178	47,2	50,4	49,4	76,33	-1,98	5,55
	RAL 7045	20	10	10	40	#91969A	145	150	154	28,4	30,2	34,9	61,80	-1,00	-2,74
	RAL 7046	30	10	10	40	#82898E	130	137	142	23,0	24,6	29,1	56,67	-1,52	-3,56
	RAL 7047	0	0	5	20	#CFD0CF	207	208	207	59,6	62,9	68,0	83,38	-0,52	0,37
	RAL 7048	32	32	39	27	#888175	136	129	117	21,2	22,2	20,0	54,26	0,46	7,45
	RAL 8000	50	50	80	10	#887142	136	113	66	17,0	17,4	7,6	48,81	2,60	29,31
	RAL 8001	40	60	90	10	#9C6B30	156	107	48	19,5	17,8	5,2	49,25	13,66	39,92
	RAL 8002	60	80	80	10	#7B5141	123	81	65	12,1	10,5	6,4	38,69	15,57	16,57
	RAL 8003	50	70	80	10	#80542F	128	84	47	12,6	11,1	4,2	39,81	14,30	28,78
	RAL 8004	40	80	80	10	#8F4E35	143	78	53	14,7	11,5	4,8	40,48	24,89	26,63
	RAL 8007	60	70	80	20	#6F4A2F	111	74	47	9,5	8,5	3,8	34,97	12,49	22,37
	RAL 8008	50	60	70	20	#6F4F28	111	79	40	9,7	9,1	3,3	36,22	8,84	27,96
	RAL 8011	10	60	100	80	#5A3A29	90	58	41	6,1	5,4	2,8	27,74	11,99	16,31
	RAL 8012	5	100	100	80	#673831	103	56	49	7,6	5,9	3,7	29,24	20,03	13,51
	RAL 8014	30	60	100	80	#49392D	73	57	45	4,7	4,5	3,1	25,36	5,05	10,17
	RAL 8015	0	90	100	80	#633A34	99	58	52	7,3	5,9	4,0	29,23	17,38	11,44
	RAL 8016	40	80	80	80	#4C2F26	76	47	38	4,3	3,7	2,3	22,69	12,05	11,25
	RAL 8017	60	80	80	80	#44322D	68	50	45	4,0	3,7	3,0	22,65	7,29	6,33
	RAL 8019	90	90	80	80	#3F3A3A	63	58	58	4,3	4,4	4,6	24,92	2,17	0,78
	RAL 8022	100	100	80	95	#211F20	33	31	32	1,4	1,4	1,6	12,01	1,19	-0,34
	RAL 8023	20	70	100	20	#A65E2F	166	94	47	20,2	16,3	4,8	47,39	25,36	38,78
	RAL 8024	30	60	70	40	#79553C	121	85	60	11,9	10,9	5,7	39,39	11,72	20,48
	RAL 8025	40	50	60	40	#755C49	117	92	73	12,4	11,9	8,0	41,08	7,30	14,82
	RAL 8028	20	50	70	80	#4E3B2B	78	59	43	5,1	4,9	3,0	26,51	5,86	13,13
	RAL 8029	23	80	93	43	#773C27	119	60	39	9,6	7,3	2,8	32,48	23,80	24,39
	RAL 9001	0	0	10	5	#EFEBDC	239	235	220	78,2	82,9	79,6	92,99	-1,20	7,74
	RAL 9002	5	0	10	10	#DDDED4	221	222	212	67,8	72,4	72,7	88,15	-2,10	4,77
	RAL 9003	0	0	0	0	#F4F8F4	244	248	244	87,2	92,9	98,9	97,19	-2,02	1,44
	RAL 9004	100	90	100	80	#2E3032	46	48	50	2,8	2,9	3,4	19,74	-0,38	-1,58
	RAL 9005	100	100	100	95	#0A0A0D	10	10	13	0,3	0,3	0,4	2,81	0,45	-1,23
Металлик	RAL 9006	0	0	0	40	#A5A8A6	165	168	166	36,4	38,8	41,6	68,58	-1,44	0,65
Металлик	RAL 9007	0	0	0	60	#8F8F8C	143	143	140	25,9	27,4	28,7	59,32	-0,58	1,59
	RAL 9010	0	0	5	0	#F7F9EF	247	249	239	87,8	93,8	95,1	97,53	-2,39	4,55
	RAL 9011	100	100	100	80	#292C2F	41	44	47	2,3	2,5	3,0	17,82	-0,56	-2,40
	RAL 9016	3	0	0	0	#F7FBF5	247	251	245	89,3	95,4	100,1	98,18	-2,37	2,40
	RAL 9017	100	90	100	95	#2A2D2F	42	45	47	2,4	2,6	3,1	18,25	-0,82	-1,75
	RAL 9018	10	0	10	20	#CFD3CD	207	211	205	60,0	64,3	67,0	84,10	-2,45	2,48
	RAL 9022	21	14	14	31	#9C9C9C	156	156	156	31,6	33,2	36,2	64,36	0,00	-0,01
	RAL 9023	8	6	6	57	#7E8182	126	129	130	20,5	21,7	24,2	53,76	-0,91	-0,94

В некоторых случаях монитор не может правильно отобразить тот или иной цвет и по этому цифровая таблица РАЛ является ориентировочной и отличается от печатной версии каталогов RAL, которые вы можете приобрести по самой доступной цене у официального представителя в России: https://ral-farben. ru/

Преобразование цветов и управление красками (Adobe Acrobat Pro)

Руководство пользователя Отмена

Поиск

Последнее обновление Sep 28, 2022 03:13:42 PM GMT | Также применяется к Adobe Acrobat 2017, Adobe Acrobat 2020

Руководство пользователя Acrobat
Введение в Acrobat
1. Доступ к Acrobat с настольных компьютеров, мобильных устройств и интернета
2. Новые возможности Acrobat
3. Комбинации клавиш
4. Системные требования
Рабочее пространство
1. Основные сведения о рабочем пространстве
2. Открытие и просмотр файлов PDF
  1. Открытие документов PDF
  2. Навигация по страницам документа PDF
  3. Просмотр установок PDF
  4. Настройка режимов просмотра PDF
  5. Включение предварительного просмотра эскизов файлов PDF
  6. Отображать PDF в браузере
3. Работа с учетными записями облачного хранилища в Интернете
  1. Доступ к файлам из Box
  2. Доступ к файлам из Dropbox
  3. Доступ к файлам из OneDrive
  4. Доступ к файлам из SharePoint
  5. Доступ к файлам из Google Диска
4. Acrobat и macOS
5. Уведомления Acrobat
6. Сетки, направляющие и измерения в PDF
7. Использование азиатского текста, кириллицы и текста слева направо в документах PDF
Создание документов PDF
1. Обзор процедуры создания документов PDF
2. Создание файлов PDF в Acrobat
3. Создание документов PDF с помощью PDFMaker
4. Использование принтера Adobe PDF
5. Преобразование веб-страниц в PDF
6. Создание файлов PDF с помощью Acrobat Distiller
7. Настройки преобразования Adobe PDF
8. Шрифты PDF
Редактирование документов PDF
1. Редактирование текста в документах PDF
2. Редактирование изображений и объектов в документе PDF
3. Поворот, перемещение, удаление и изменение нумерации страниц PDF
4. Редактирование отсканированных документов PDF
5. Улучшение фотографий документов, снятых на камеру мобильного устройства
6. Оптимизация документов PDF
7. Свойства документов PDF и метаданные
8. Ссылки и вложенные файлы в PDF
9. Слои документов PDF
10. Миниатюры страниц и закладки в документах PDF
11. Мастер операций (Acrobat Pro)
12. Файлы PDF, преобразованные в веб-страницы
13. Настройка документов PDF для использования в презентации
14. Статьи PDF
15. Геопространственные файлы PDF
16. Применение операций и сценариев к файлам PDF
17. Изменение шрифта по умолчанию для добавления текста
18. Удаление страниц из документов PDF
Сканирование и распознавание текста
1. Сканирование документов в формат PDF
2. Улучшение фотографий документов
3. Устранение неполадок сканера при использовании Acrobat для сканирования
Формы
1. Основные положения для работы с формами PDF
2. Создание форм с нуля в Acrobat
3. Создание и рассылка форм PDF
4. Заполнение форм PDF
5. Свойства полей форм PDF
6. Заполнение и подписание форм PDF
7. Настройка кнопок для выполнения действий в формах PDF
8. Публикация интерактивных веб-форм PDF
9. Основные положения для работы с полями форм PDF
10. Поля форм PDF для штрих-кода
11. Сбор данных формы PDF и управление ими
12. Инспектор форм
13. Помощь с формами PDF
14. Отправка форм PDF получателям с использованием эл. почты или внутреннего сервера
Объединение файлов
1. Объединение или слияние файлов в один файл PDF
2. Поворот, перемещение, удаление и перенумерация страниц PDF
3. Добавление верхних и нижних колонтитулов, а также нумерации Бейтса в документы PDF
4. Обрезка страниц PDF
5. Добавление водяных знаков в документы PDF
6. Добавление фона в документы PDF
7. Работа с файлами, входящими в портфолио PDF
8. Публикация портфолио PDF и предоставление совместного доступа
9. Обзор портфолио PDF
10. Создание и настройка портфолио PDF
Общий доступ, редактирование и комментирование
1. Предоставление общего доступа к документам PDF и их отслеживание онлайн
2. Пометка текста при редактировании
3. Подготовка к редактированию документа PDF
4. Запуск процесса редактирования файлов PDF
5. Размещение совместных рецензий на сайтах SharePoint или Office 365
6. Участие в редактировании документа PDF
7. Добавление комментариев в документы PDF
8. Добавление штампа в файл PDF
9. Процессы утверждения
10. Управление комментариями | просмотр, добавление ответа, печать
11. Импорт и экспорт комментариев
12. Отслеживание редактирования PDF и управление им
Сохранение и экспорт документов PDF
1. Сохранение PDF
2. Преобразование файлов PDF в формат Word
3. Преобразование документа PDF в файл JPG
4. Преобразование и экспорт документов PDF в файлы других форматов
5. Параметры форматирования файлов для экспорта в PDF
6. Повторное использование содержимого PDF
Защита
1. Повышенный уровень защиты документов PDF
2. Защита документов PDF с помощью паролей
3. Управление цифровыми удостоверениями
4. Защита документов PDF с помощью сертификатов
5. Открытие защищенных документов PDF
6. Удаление конфиденциальных данных из документов PDF
7. Установка политик безопасности файлов PDF
8. Выбор метода защиты для документов PDF
9. Предупреждения безопасности при открытии документов PDF
10. Защита файлов PDF с Adobe Experience Manager
11. Функция защищенного просмотра PDF-документов
12. Обзор функций защиты в программе Acrobat и файлах PDF
13. Язык JavaScript в файлах PDF, представляющий угрозу безопасности
14. Вложения как угроза безопасности
15. Разрешить или заблокировать ссылки в PDF-файлах
Электронные подписи
1. Подписание документов PDF
2. Съемка подписи на мобильное устройство и использование ее в любых приложениях
3. Отправка документов на электронные подписи
4. О подписях сертификатов
5. Подписи на основе сертификата
6. Подтверждение цифровых подписей
7. Доверенный список, утвержденный Adobe
8. Управление доверенными лицами
Печать
1. Основные задачи печати файлов PDF
2. Печать брошюр и портфолио в формате PDF
3. Дополнительные настройки печати PDF
4. Печать в PDF
5. Печать цветных документов PDF (Acrobat Pro)
6. Печать файлов PDF с помощью заказных размеров
Расширенный доступ, теги и перекомпоновка
1. Создание и проверка средств расширенного доступа к документам PDF
2. Возможности расширенного доступа в файлах PDF
3. Инструмент «Порядок чтения» в PDF
4. Чтение документов PDF при помощи возможностей расширенного доступа и перекомпоновки
5. Редактирование структуры документа на панелях «Содержимое» и «Теги»
6. Создание документов PDF с расширенным доступом
Поиск и индексация
1. Индексирование файлов PDF
2. Поиск в документах PDF
3D-модели и мультимедиа
1. Добавление аудио, видео и интерактивных объектов в файлы PDF
2. Добавление 3D-моделей в файлы PDF (Acrobat Pro)
3. Отображение 3D-моделей в файлах PDF
4. Взаимодействие с 3D-моделями
5. Измерение 3D-объектов в файлах PDF
6. Настройка 3D-видов в файлах PDF
7. Включение 3D-содержимого в документе PDF
8. Добавление мультимедийного контента в документы PDF
9. Добавление комментариев для 3D-макетов в файлах PDF
10. Воспроизведение видео-, аудио- и мультимедийных форматов в файлах PDF
11. Добавление комментариев в видеоролики
Инструменты для допечатной подготовки (Acrobat Pro)
1. Обзор инструментов для допечатной подготовки
2. Типографские метки и тонкие линии
3. Просмотр цветоделения
4. Обработка прозрачности
5. Преобразование цветов и управление красками
6. Цветовой треппинг
Предпечатная проверка (Acrobat Pro)
1. Файлы, совместимые с PDF/X-, PDF/A- и PDF/E
2. Профили предпечатной проверки
3. Расширенная предпечатная проверка
4. Отчеты предпечатной проверки
5. Просмотр результатов предпечатной проверки, объектов и ресурсов
6. Методы вывода в PDF
7. Исправление проблемных областей с помощью инструмента «Предпечатная проверка»
8. Автоматизация процедуры анализа документов с помощью дроплетов или операций предпечатной проверки
9. Анализ документов с помощью инструмента «Предпечатная проверка»
10. Дополнительная проверка с помощью инструмента «Предпечатная проверка»
11. Библиотеки предпечатной проверки
12. Предпечатные переменные
Управление цветом
1. Обеспечение согласованности цветов
2. Настройки цветов
3. Управление цветом документов
4. Работа с цветовыми профилями
5. Основы управления цветом

О преобразовании цветов

Цвета часто приходится преобразовывать для отображения на мониторе или отправки на принтер. Цветоделение нужно применять в тех случаях, когда цветовые модели не совпадают (например, если цвет CMYK отображается на мониторе RGB или когда документ с изображениями в цветовом пространстве RGB отправляется на принтер).

Для объектов в документе PDF Acrobat использует исходные цветовые пространства, чтобы определить, какое преобразование цветов необходимо выполнить (если оно вообще необходимо), например, из RGB в CMYK. Для изображений и объектов, которые содержат встроенные цветовые профили, программа Acrobat использует информацию в профиле, чтобы управлять внешним видом цвета. Для файлов, отвечающих требованиям набора стандартов PDF/X, параметр «OutputIntent» используется для управления цветами. Однако неуправляемые цвета не используют профили, поэтому профиль необходимо временно использовать для преобразования. Панель Диспетчер цветов в диалоговом окне «Установки» содержит профили для преобразования неуправляемых цветов. Также можно выбрать определенные профили исходя из местных условий печати.

Обзор диалогового окна «Преобразование цветов»

При выводе файла PDF на устройство высокого качества или его передаче на предпечатную подготовку цветовые объекты можно преобразовать в CMYK или в иное цветовое пространство. В отличие от других функций Acrobat, временно преобразующих цвета при печати или просмотре, функция Преобразование цветов меняет значения цветов в документе. В диалоговом окне Преобразование цветов можно преобразовать цвета на одной странице или во всем документе.

Диалоговое окно «Преобразование цветов» служит для преобразования всех цветов документа или объектов выбранного типа к цветам требуемого цветового пространства. Чтобы преобразовать цвета выбранного объекта, используйте инструмент Редактирование объекта.

Диалоговое окно «Преобразование цветов»

A. Атрибуты преобразования B. Цвета документа

Открытие диалогового окна «Преобразование цветов»

Выберите меню Инструменты > Допечатная подготовка> Преобразование цветов.

Преобразование цветов в другое цветовое пространство

В зависимости от выбранных цветовых пространств преобразование цветов сохраняет, преобразует или привязывает значения цветов из исходного цветового пространства к целевому цветовому пространству следующим образом.

Объекты с данными без тегов (Device) преобразуются в пространство назначения с помощью профилей исходного рабочего пространства. Это преобразование применяется ко всем пространствам без тегов, RGB, CMYK и «градации серого» — в качестве отдельного значения или альтернативного значения для плашечных цветов.
В аппаратно зависимых цветовых пространствах (CalGray, CalRGB или Lab) объекты могут быть сохранены или преобразованы. При преобразовании программа Acrobat использует независящие от устройства сведения об объекте.
Объекты в смесевых цветах могут быть сохранены, преобразованы или привязаны к любой другой краске в документе. Объекты содержат цветовые пространства Separation, DeviceN и NChannel. Смесевые цвета также могут быть привязаны к триадным цветам CMYK, если триадной цветовой моделью целевого пространства является CMYK. Смесевые цвета, привязанные к другим краскам, можно просмотреть в диалоговом окне Просмотр цветоделения.

Чтобы преобразовать определенные формы смесевых цветов, в сочетании с инструментом Преобразование цветов необходимо использовать Диспетчер управления цветоделением. Чтобы преобразовывать для обработки только определенные формы смесевых цветов, привяжите их для обработки в диспетчере красок. В противном случае для обработки будут преобразованы все плашечные цвета в документе, если в качестве типа цвета выбраны смесевые цвета.

Преобразование цветов в документе

В диалоговом окне Преобразование цветов выберите команду преобразования. Если в списке нет существующих команд, щелкните Добавить, чтобы добавить команду преобразования по умолчанию.
Выберите команду преобразования, которую требуется изменить, затем выберите одно из следующих значений параметра «Удовлетворяющие критериям»:
Тип объекта
Укажите, следует ли преобразовать цвета для всех объектов или для определенного типа объектов в документе.
Тип цвета
Указывает цветовое пространство объектов, которые будут преобразованы.
Размер текста
Задает минимальный и максимальный размеры текста для текстовых объектов, которые будут преобразованы.
Выберите одну из доступных команд преобразования.
Сохранить
Сохраняет объекты в выбранном цветовом пространстве при выводе документа.
Преобразовать в профиль
Использует профиль целевого пространства для преобразования цветовых объектов в обычный профиль ICC для устройства вывода.
Убрать калибровку
Удаляет встроенные профили из соответствующих объектов.
Задает профиль преобразования.
Выберите метод рендеринга, используемый при преобразовании. Значение по умолчанию: «Использовать метод рендеринга в документе». Если выбрать любой другой метод, то выбранный метод будет использовать при преобразовании документа.
Выберите Встроить, чтобы встроить профиль. При выборе «Встроить» все объекты будут помечены тегом выбранного профиля преобразования. Например, документ может содержать пять объектов: один — в градациях серого и по два — в цветовых пространствах RGB и CMYK. В этом случае можно встроить отдельный цветовой профиль для калибровки цвета в каждом из цветовых пространств, то есть всего три профиля. Это полезно в случае, если RIP управляет цветами в документах PDF или они используются совместно с другими пользователями.
Выберите Преобразовать цвета в способ вывода и укажите профиль способа вывода, используемый вместо текущего способа вывода документа. Способ вывода описывает характеристики воспроизведения цвета на устройстве вывода или в производственных условиях, где документ будет печататься. Этот выбор не доступен, если у документа нет способа вывода. (Файлы PDF, не отвечающие требованиям стандартов, например, PDF/X или PDf/A, часто не имеют способа вывода. )
Укажите страницы, которые нужно преобразовать.
Выберите дополнительные параметры преобразования.
Сохранять черные
Сохраняет любые черные объекты, созданные в каждом делении в CMYK, RGB или градациях серого во время преобразования. Этот параметр предотвращает преобразование черного текста в RGB в насыщенный черный во время преобразования в CMYK.
Переводить серый в черный CMYK
Преобразует серый цвет устройства в CMYK.
Сохранять первичные цвета CMYK
Сохраняет первичные цвета при преобразовании цветов для подготовки документов CMYK для различных целевых профилей печати. Acrobat использует эту краску для цветов, использующих только одну краску. Для цветов, включающих более одной краски, Acrobat находит наименее отличающийся цвет.
Щелкните Цвета документа, чтобы просмотреть список цветовых пространств и плашечных цветов в документе.
Нажмите Диспетчер управления цветоделением, чтобы указать настройки выбора краски и создать для нее псевдоним. Если в диспетчере управления цветоделением выбран псевдоним, имя псевдонима расположено рядом с кнопкой Диспетчер управления цветоделением в диалоговом окне Преобразование цветов.
Выберите команду из списка «Команда преобразования» и измените порядок преобразования с помощью кнопок Вверх и Вниз.
Для создания стиля на основе выбранных параметров нажмите Сохранить команды. Эти параметры позднее можно импортировать с помощью кнопки Загрузить команды.

Преобразование цветов объектов

Если конкретные объекты в документе PDF искажают цветовое пространство документа, вы можете использовать инструмент Редактирование объекта , чтобы скорректировать их. Инструмент Редактирование объекта также может менять пространство цветов выбранных объектов. Например, если поместить изображение RGB в документ CMYK, при помощи этого инструмента можно изменить изображение RGB, не трогая остальные цвета PDF. Можно также встроить профиль в объект.

Инструмент «Редактирование объекта» не позволяет изменить способ вывода, поскольку это влияет на весь документ.

Выберите Инструменты > Допечатная подготовка > Редактировать объект.
Выделите объекты, которые требуется преобразовать.
Если вы испытываете затруднения, выделяя объект, попытайтесь использовать вкладку «Содержимое» («Просмотр» > «Показать/Скрыть» > «Панели навигации» > «Содержимое»). Вкладка «Содержимое» содержит все элементы файла PDF в том порядке, в котором они появляются на странице.
Щелкните выборку правой кнопкой мыши и выберите Свойства.
Откройте вкладку Цвет.
В меню «Преобразовать в» выберите профиль, который будет использоваться в качестве нового цветового пространства объекта. Текущее цветовое пространство единичного объекта (или одинаковое цветовое пространство для нескольких объектов) для справки показано вверху вкладки «Цвет». Разные цветовые пространства для нескольких объектов не показываются.
В меню «Метод рендеринга» выберите способ пересчета, подходящий для данного объекта.
(Необязательно) Выберите любой из следующих параметров преобразования.
Встроить профиль
Встраивает цветовой профиль в объект.
Сохранять черные
Сохраняет любые черные объекты, созданные в каждом делении в CMYK, RGB или градациях серого во время преобразования. Этот параметр предотвращает преобразование черного текста в RGB в насыщенный черный во время преобразования в CMYK.
Переводить серый в черный CMYK
Преобразует серый цвет устройства в CMYK.
Сохранять первичные цвета CMYK
Сохраняет первичные цвета при преобразовании цветов для подготовки документов CMYK для различных целевых профилей печати. Acrobat использует эту краску для цветов, использующих только одну краску. Для цветов, включающих более одной краски, Acrobat находит наименее отличающийся цвет.
Нажмите Преобразование цветов.

Удалить встроенные профили из отдельных объектов

Можно удалить встроенные цветовые профили из изображений и других объектов в файле PDF. Если встроенный профиль не существует, программа Acrobat использует профиль рабочего пространства объекта, чтобы определить, каким образом необходимо отобразить цвета.

Выберите Инструменты > Допечатная подготовка > Редактировать объект, а затем выберите объекты, которые вы хотите преобразовать.
Щелкните выборку правой кнопкой мыши и выберите Свойства.
Откройте вкладку Цвет.
Щелкните Убрать калибровку цветов.

Обзор диспетчера красок

Диспетчер красок позволяет управлять красками во время печати. Изменения, сделанные с помощью диспетчера красок, влияют только на выводимый документ, а не на определение цветов в документе.

Параметры диспетчера красок особенно полезны для тех, кто выполняет полиграфическую работу. Например, если в документе с триадными цветами присутствует плашечный цвет, полиграфист может открыть документ и преобразовать этот цвет в эквивалентные триадные цвета CMYK. Если документ содержит два похожих плашечных цвета, когда требуется только один, или если у одного и того же плашечного цвета два разных названия, поставщик услуг может обозначить два цвета одним псевдонимом.

В процессе настройки треппинга диспетчер красок позволяет задавать плотность красок, чтобы контролировать, когда будет происходить треппинг, а также позволяет установить правильный номер и последовательность смены красок.

В программах InDesign и Acrobat используется эта же технология диспетчера красок. Тем не менее, только в InDesign есть параметр «Значения Standard Lab для плашек».

Диспетчер красок

A. Триадная краска B. Плашечная краска с псевдонимом C. Плашечная краска

Открытие диспетчера красок в программе Acrobat

Выполните одно из следующих действий.

Выберите меню Инструменты > Допечатная подготовка > Диспетчер красок.
Выберите меню Файл > Печать и нажмите кнопку Дополнительно. В палитре «Вывод» диалогового окна «Дополнительные параметры печати» нажмите Диспетчер красок.
Выберите Файл > Сохранить как другой > Дополнительные параметры > Encapsulated PostScript или PostScript. Нажмите кнопку Параметры, а затем щелкните Диспетчер красок.

Цветоделение смесевых цветов как триадных

С помощью диспетчера красок можно преобразовать плашечные цвета в триадные. Когда плашечные цвета преобразуются в эквивалентные им триадные, они распечатываются в виде цветоделенных форм, а не на одной форме. Преобразование плашечного цвета может оказаться полезно, если в документ с триадными цветами случайно добавлен плашечный цвет или если документ содержит больше плашечных цветов, чем это допустимо при печати.

Выполните в диспетчере красок одно из следующих действий.
- Для цветоделения отдельных плашечных цветов нажмите значок с изображением чернил слева от обычного плашечного цвета или плашечного цвета с псевдонимом. Появляется значок триадного цвета. Для обратного преобразования триадного цвета в плашечный еще раз нажмите значок.
- Для цветоделения всех плашечных цветов нажмите кнопку «Преобразовать все плашечные цвета в триадные». Значки слева от плашечных цветов меняются на значки триадных цветов. Для цветоделения всех плашечных цветов нажмите кнопку «Преобразовать все плашечные цвета в триадные».
Выбор параметра Преобразовать все плашечные цвета в триадные удаляет все псевдонимы, заданные в диспетчере красок, а также может повлиять на параметры наложения красок и треппинга в документе.
(Только для InDesign) Чтобы использовать значения Lab плашечного цвета, а не определения CMYK, выберите параметр Значения Standard Lab для плашек.

Создание псевдонима краски для смесевого цвета

Вы можете поставить плашечный цвет в соответствие другому плашечному или триадному цвету, создав для этого цвета псевдоним. Псевдоним помогает в ситуации, когда документ содержит два аналогичных плашечных цвета, а требуется только один, или если в документе содержится слишком много плашечных цветов. Результаты использования псевдонимов красок можно увидеть в напечатанном документе, а также на экране, если включен режим Просмотр наложения.

В диспетчере красок выберите краску плашечного цвета, для которой необходимо создать псевдоним.
В меню «Псевдоним краски» выберите нужный параметр. При этом соответственно изменятся значок типа краски и описание краски.

Связанные материалы

Причины искажения цветов
Работа с цветовыми профилями
Работа с цветовыми профилями
Просмотр цветоделения
Сведения о методах рендеринга

Вход в учетную запись

Войти

Управление учетной записью

Конвертер CMYK RGB в RAL-DESIGN и PANTONE

Главная — Статьи — Конвертер CMYK RGB в RAL DESIGN и PANTONE

Формат ввода:
RGB или CMYK — только числа через запятую без пробела.
Например RGB: 229,43,80 или CMYK: 0,81,65,10
HTML — шесть символов с решёткой в начале. Например: #E52B50
Так же, можно выбрать RGB-значение кликом по разноцветному прямоугольнику:

Введите CMYK, RGB или HTML-код:

ΔE — цветовое расстояние (чем оно меньше, тем ближе цвет к исходному). При ΔE цвета почти неразличимы на глаз.

Конвертер даёт несколько ближайших значений, предоставляя возможность самостоятельно выбрать лучший вариант.

Часто при колеровке (предмета, стен, автомобиля и т.д.) подбор цвета первоначально осуществляется на экране компьютера или смартфона, после чего возникает вопрос — как найти данный цвет в каталоге красок?

Наш онлайн-сервис помогат решить эту задачу для каталогов RAL DESIGN и PANTONE + Solid Uncoated

То есть, данный конвертер по заданному «экранному» формату — RGB или HTML находит ближайшие цвета в каталогах RAL DESIGN и PANTONE. Для удобства мы добавили такую возможность также для «типографского» формата — CMYK.

Те, кто занимаются колеровкой отлично знают, что цвета на экране и в реальности отличаются, иногда довольно сильно. В связи с этим мы разработали физическое изделие:
Каталог-палитра цветов CMYK — RAL DESIGN — PANTONE EC с названиями на русском языке.
Первичными в нём являются CMYK-коды широко распространённых цветов, наиболее часто используемых в обиходе. Это природные оттенки — (растения, минералы и т.п.) и стандартные цвета из различных сфер деятельности человека (большая часть цветов из этого каталога приведена в таблице ниже). Для каждого такого цвета указан ближайший к нему RAL и PANTONE номер.

Как работает конвертер

Для тех, кого интересуют технические подробности работы конвертера, приводим приблизительный алгоритм его функционирования:

Полученный на входе цвет конвертируется в цветовое пространство Lab. Это лучший вариант при поиске ближайшего цвета, так как цветовое пространство Lab является наиболее линейным с точки зрения человеческого восприятия — при одинаковом изменении значения все цвета изменяюся субъетивно одинаково.
Полученное значение Lab прогоняется через каталоги RAL DESIGN и PANTONE, каждый из цветов которых также конвертируется в систему Lab, и вычисляется цветовое отличие входного значения с цветом из каталога по формуле евклидового расстояния между точками — ΔE (формула цветового отличия CIE76)
Программа проверяет является ли введённый цвет одним из списка часто используемых, если да — то выводит его название.
На экран выводится несколько ближайших цветов из каталогов — тех, для которых полученное расстояние между точками минимально.

В таблице ниже представлено более двухсот цветов из списка самых распространённых, для которых данный алгоритм нашёл ближайшие соответствия из каталогов RAL и PANTONE.

Легко увидеть, что для некоторых из них «ближайший» довольно сильно отличается от «исходника».

Причин тут несколько:

Цветовой охват «исходника» (CMYK или RGB) гораздо больше чем у физических красок, поэтому особенно эта разница заметна при значениях RGB близких к крайним, так как в палитрах красок таких цветов нет в принципе.
Цветовое пространство Lab при всех своих приемуществах всё же имеет нелинейности — особенно в фиолетовой части спектра. По этой причине иногда более близкие цвета (с меньшим ΔE) визуально соответствуют меньше, чем некоторые более далёкие, с большей «дельтой».

Существует очень сложная формула — CIEDE2000, которая максимально компенсирует нелинейности, но результат всё равно остаётся не идеальным. Поэтому:

Конвертер на выходе даёт несколько ближайших значений. Таким образом предоставляется возможность самостоятельно выбрать наилучший вариант.

Перевести цвет из PANTONE в RAL и наоборот

Так как конвертер находит соответствия для обеих библиотек, то их можно сравнивать и между собой. Для этого нужно ввести в поиск CMYK или RGB палитры, для которой ищем соответствие в другой.

1 Военно-воздушный синий
HSV: 204 114 168
CMYK: 45,18,0,34
RGB: 93,138,168

ΔE: 4.47
HSV: 204 102 177
RAL-D2: 250 60 20
RGB: 106,149,177

ΔE: 2. 32
HSV: 204 118 162
PANTONE: 2158
RGB: 87,132,162

2 Синий Элис (Рузвельт Лонгворт)
HSV: 208 15 255
CMYK: 6,3,0,0
RGB: 240,248,255

ΔE: 5.81
HSV: 201 15 237
RAL-D2: 250 92 05
RGB: 223,232,237

ΔE: 5.81
HSV: 212 20 242
PANTONE: 656
RGB: 223,232,242

3 Ализариновый красный
HSV: 355 212 227
CMYK: 1,92,82,0
RGB: 227,38,54

ΔE: 16.52
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 8.83
HSV: 2 206 209
PANTONE: 2035
RGB: 209,46,40

4 Миндаль Крайола
HSV: 30 36 239
CMYK: 0,7,14,6
RGB: 239,222,205

ΔE: 1.41
HSV: 30 36 243
RAL-D2: 070 90 10
RGB: 243,226,209

ΔE: 5.97
HSV: 47 31 220
PANTONE: 7527
RGB: 220,214,193

5 Амарантовый
HSV: 348 207 229
CMYK: 0,81,65,10
RGB: 229,43,80

ΔE: 15.99
HSV: 351 171 206
RAL-D2: 020 50 58
RGB: 206,68,88

ΔE: 4. 39
HSV: 349 207 216
PANTONE: 199
RGB: 216,41,73

6 Янтарный
HSV: 45 255 255
CMYK: 0,25,100,0
RGB: 255,191,0

ΔE: 3.14
HSV: 46 255 246
RAL-D2: 085 80 85
RGB: 246,187,0

ΔE: 5.94
HSV: 45 232 243
PANTONE: 7408
RGB: 243,186,22

7 Американская роза
HSV: 346 252 255
CMYK: 0,99,76,0
RGB: 255,3,62

ΔE: 27.92
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 20.51
HSV: 2 206 209
PANTONE: 2035
RGB: 209,46,40

8 Аметистовый
HSV: 270 128 204
CMYK: 25,50,0,20
RGB: 153,102,204

ΔE: 22.09
HSV: 285 98 162
RAL-D2: 320 50 40
RGB: 146,100,162

ΔE: 18.09
HSV: 283 145 146
PANTONE: 527
RGB: 123,63,146

9 Матовый белый
HSV: 210 2 244
CMYK: 1,0,0,4
RGB: 242,243,244

ΔE: 5.13
HSV: 231 8 236
RAL-D2: 290 92 05
RGB: 229,230,236

ΔE: 6. 31
HSV: 173 10 229
PANTONE: 7541
RGB: 220,229,228

10 Античный белый
HSV: 34 36 250
CMYK: 1,7,15,0
RGB: 250,235,215

ΔE: 2.5
HSV: 32 39 246
RAL-D2: 075 90 10
RGB: 246,228,208

ΔE: 8.81
HSV: 47 31 220
PANTONE: 7527
RGB: 220,214,193

11 Яблочно-зелёный
HSV: 74 255 182
CMYK: 23,0,100,29
RGB: 141,182,0

ΔE: 2.13
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 4.08
HSV: 75 217 193
PANTONE: 376
RGB: 152,193,29

12 Спаржа
HSV: 92 110 160
CMYK: 23,0,43,37
RGB: 123,160,91

ΔE: 2.51
HSV: 93 116 154
RAL-D2: 130 60 40
RGB: 116,154,84

ΔE: 7.73
HSV: 105 105 146
PANTONE: 2263
RGB: 101,146,86

13 Цвет морской волны
HSV: 180 255 255
CMYK: 100,0,0,0
RGB: 0,255,255

ΔE: 25.03
HSV: 180 179 191
RAL-D2: 200 70 35
RGB: 57,190,191

ΔE: 28. 89
HSV: 175 152 183
PANTONE: 3262
RGB: 74,183,174

14 Аквамариновый
HSV: 160 128 255
CMYK: 50,0,17,0
RGB: 127,255,212

ΔE: 19.68
HSV: 133 86 216
RAL-D2: 150 80 40
RGB: 143,216,159

ΔE: 24.61
HSV: 154 103 191
PANTONE: 3395
RGB: 114,191,157

15 Армейский зелёный
HSV: 69 157 83
CMYK: 10,0,61,67
RGB: 75,83,32

ΔE: 6.44
HSV: 76 135 98
RAL-D2: 120 40 30
RGB: 84,98,46

ΔE: 3.25
HSV: 75 139 88
PANTONE: 574
RGB: 76,88,40

16 Мышьяковый
HSV: 206 54 75
CMYK: 21,9,0,71
RGB: 59,68,75

ΔE: 1.66
HSV: 212 43 77
RAL-D2: 260 30 05
RGB: 64,70,77

ΔE: 3.36
HSV: 213 68 82
PANTONE: 432
RGB: 60,70,82

17 Лазурный, Азур
HSV: 210 255 255
CMYK: 100,50,0,0
RGB: 0,127,255

ΔE: 32.41
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 33. 11
HSV: 204 255 180
PANTONE: 300
RGB: 0,108,180

18 Голубовато-серый цвет
HSV: 60 4 132
CMYK: 0,0,2,48
RGB: 132,132,130

ΔE: 1.36
HSV: 0 0 130
RAL-D2: 000 55 00
RGB: 130,130,130

ΔE: 4.34
HSV: 35 21 143
PANTONE: 2332
RGB: 143,138,131

19 Беж, бежевый
HSV: 60 26 245
CMYK: 0,0,10,4
RGB: 245,245,220

ΔE: 5.36
HSV: 60 24 230
RAL-D2: 110 90 10
RGB: 230,230,208

ΔE: 4.86
HSV: 70 31 235
PANTONE: 7485
RGB: 230,235,206

20 Бистр
HSV: 24 125 61
CMYK: 0,30,49,76
RGB: 61,43,31

ΔE: 2.6
HSV: 22 105 61
RAL-D2: 050 20 10
RGB: 61,45,36

ΔE: 6.51
HSV: 35 77 56
PANTONE: Black 4
RGB: 56,49,39

21 Горький розовый
HSV: 6 161 254
CMYK: 0,56,63,0
RGB: 254,111,94

ΔE: 9.55
HSV: 11 170 228
RAL-D2: 040 60 60
RGB: 228,105,76

ΔE: 9. 41
HSV: 6 170 222
PANTONE: Warm Red
RGB: 222,90,74

22 Чёрный
HSV: 0 0 0
CMYK: 0,0,0,100
RGB: 0,0,0

ΔE: 12.8
HSV: 240 7 34
RAL-D2: 000 15 00
RGB: 33,33,34

ΔE: 9.74
HSV: 210 18 28
PANTONE: Hexachrome Black
RGB: 26,27,28

23 Белокурый
HSV: 50 61 250
CMYK: 0,4,24,2
RGB: 250,240,190

ΔE: 5.34
HSV: 48 55 239
RAL-D2: 100 90 20
RGB: 239,229,187

ΔE: 3.69
HSV: 47 58 245
PANTONE: 7499
RGB: 245,233,189

24 Синий
HSV: 240 255 255
CMYK: 100,100,0,0
RGB: 0,0,255

ΔE: 89.21
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 81.79
HSV: 269 150 139
PANTONE: 267
RGB: 97,57,139

25 Вода пляжа Бонди
HSV: 191 255 182
CMYK: 100,18,0,29
RGB: 0,149,182

ΔE: 4.29
HSV: 191 255 195
RAL-D2: 230 60 40
RGB: 0,160,195

ΔE: 1. 95
HSV: 191 255 187
PANTONE: 632
RGB: 0,154,187

26 Красный Университета Бостона
HSV: 0 255 204
CMYK: 0,100,100,20
RGB: 204,0,0

ΔE: 19.98
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 14.69
HSV: 6 206 215
PANTONE: 2347
RGB: 215,57,41

27 Латунный
HSV: 52 162 181
CMYK: 0,8,64,29
RGB: 181,166,66

ΔE: 3.28
HSV: 50 156 190
RAL-D2: 095 70 50
RGB: 190,170,74

ΔE: 0.65
HSV: 53 162 181
PANTONE: 618
RGB: 181,167,66

28 Ярко-зелёный
HSV: 96 255 255
CMYK: 60,0,100,0
RGB: 102,255,0

ΔE: 47.66
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 46.23
HSV: 75 217 193
PANTONE: 376
RGB: 152,193,29

29 Ярко-бирюзовый
HSV: 177 246 232
CMYK: 59,0,24,0
RGB: 8,232,222

ΔE: 17.39
HSV: 170 183 191
RAL-D2: 180 70 40
RGB: 54,191,168

ΔE: 21. 09
HSV: 177 188 178
PANTONE: 326
RGB: 47,178,171

30 Ярко-фиолетовый
HSV: 300 255 205
CMYK: 36,88,0,0
RGB: 205,0,205

ΔE: 52.88
HSV: 318 155 145
RAL-D2: 340 40 45
RGB: 145,57,119

ΔE: 30.6
HSV: 319 220 217
PANTONE: Hexachrome Magenta
RGB: 217,30,157

31 Бронзовый
HSV: 30 193 205
CMYK: 12,58,88,6
RGB: 205,127,50

ΔE: 3.08
HSV: 32 198 203
RAL-D2: 070 60 60
RGB: 203,129,45

ΔE: 4.4
HSV: 32 209 193
PANTONE: 153
RGB: 193,119,35

32 Коричневый
HSV: 30 255 150
CMYK: 0,50,100,41
RGB: 150,75,0

ΔE: 9.73
HSV: 29 242 178
RAL-D2: 060 50 60
RGB: 178,91,9

ΔE: 6.47
HSV: 25 213 163
PANTONE: 2021
RGB: 163,84,27

33 Кожа буйвола, палевый
HSV: 49 117 240
CMYK: 0,8,46,6
RGB: 240,220,130

ΔE: 4.94
HSV: 47 106 247
RAL-D2: 095 90 40
RGB: 247,225,144

ΔE: 3. 38
HSV: 46 117 247
PANTONE: 1215
RGB: 247,220,134

34 Бургундский
HSV: 347 255 144
CMYK: 0,97,100,50
RGB: 144,0,32

ΔE: 9.99
HSV: 357 190 172
RAL-D2: 030 40 60
RGB: 172,44,50

ΔE: 9.85
HSV: 355 185 161
PANTONE: 7427
RGB: 161,44,54

35 Выгоревший оранжевый
HSV: 25 255 204
CMYK: 0,58,100,20
RGB: 204,85,0

ΔE: 3.92
HSV: 21 231 212
RAL-D2: 050 50 78
RGB: 212,88,20

ΔE: 7.85
HSV: 20 213 222
PANTONE: 7579
RGB: 222,98,37

36 Сиена жжёная
HSV: 14 166 233
CMYK: 0,50,65,9
RGB: 233,116,81

ΔE: 4.47
HSV: 11 170 228
RAL-D2: 040 60 60
RGB: 228,105,76

ΔE: 3.68
HSV: 13 162 225
PANTONE: 7416
RGB: 225,113,82

37 Коричневый, умбра жжёная
HSV: 9 188 138
CMYK: 0,63,74,46
RGB: 138,51,36

ΔE: 5.73
HSV: 11 172 145
RAL-D2: 040 40 40
RGB: 145,65,47

ΔE: 5. 58
HSV: 14 196 143
PANTONE: 7526
RGB: 143,59,33

38 Желтовато-коричневый, камель
HSV: 32 114 194
CMYK: 0,20,45,24
RGB: 194,154,107

ΔE: 3.43
HSV: 32 107 202
RAL-D2: 075 70 30
RGB: 202,163,117

ΔE: 2.26
HSV: 30 117 194
PANTONE: 2313
RGB: 194,150,105

39 Хаки
HSV: 91 51 134
CMYK: 55,35,62,10
RGB: 120,134,107

ΔE: 6.51
HSV: 90 70 123
RAL-D2: 130 50 20
RGB: 106,123,89

ΔE: 6.07
HSV: 130 53 139
PANTONE: 2407
RGB: 110,139,115

40 Баклажановый
HSV: 328 167 119
CMYK: 26,99,12,52
RGB: 119,41,83

ΔE: 1.75
HSV: 326 172 117
RAL-D2: 350 30 40
RGB: 117,38,83

ΔE: 4.03
HSV: 331 173 127
PANTONE: 683
RGB: 127,41,82

41 Тёмно-красный, кардинал
HSV: 350 216 196
CMYK: 0,85,70,23
RGB: 196,30,58

ΔE: 11.84
HSV: 357 190 172
RAL-D2: 030 40 60
RGB: 172,44,50

ΔE: 4. 21
HSV: 354 202 201
PANTONE: 186
RGB: 201,42,57

42 Карминово-красный
HSV: 350 255 150
CMYK: 0,100,84,41
RGB: 150,0,24

ΔE: 10.27
HSV: 357 190 172
RAL-D2: 030 40 60
RGB: 172,44,50

ΔE: 8.68
HSV: 359 200 177
PANTONE: 2350
RGB: 177,38,41

43 Морковный
HSV: 33 219 237
CMYK: 4,50,100,0
RGB: 237,145,33

ΔE: 2.04
HSV: 34 221 235
RAL-D2: 070 70 70
RGB: 235,147,31

ΔE: 1.7
HSV: 34 228 232
PANTONE: 2018
RGB: 232,141,25

44 Селадоновый
HSV: 123 60 225
CMYK: 21,0,19,12
RGB: 172,225,175

ΔE: 5.94
HSV: 132 64 212
RAL-D2: 150 80 30
RGB: 159,212,170

ΔE: 8.02
HSV: 98 60 212
PANTONE: 358
RGB: 180,212,162

45 Светлая вишня
HSV: 343 199 222
CMYK: 0,78,55,13
RGB: 222,49,99

ΔE: 13.03
HSV: 351 171 206
RAL-D2: 020 50 58
RGB: 206,68,88

ΔE: 2. 76
HSV: 344 191 219
PANTONE: 1925
RGB: 219,55,98

46 Лазурный
HSV: 196 255 167
CMYK: 100,26,0,35
RGB: 0,123,167

ΔE: 2.28
HSV: 196 255 174
RAL-D2: 250 50 35
RGB: 0,127,174

ΔE: 0.41
HSV: 196 255 168
PANTONE: 2185
RGB: 0,124,168

47 Лазурно-синий
HSV: 224 199 190
CMYK: 78,57,0,25
RGB: 42,82,190

ΔE: 20.15
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 16.72
HSV: 230 172 144
PANTONE: 2746
RGB: 47,63,144

48 Салатовый цвет, шартрез
HSV: 90 255 255
CMYK: 50,0,100,0
RGB: 127,255,0

ΔE: 43.34
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 41.51
HSV: 75 217 193
PANTONE: 376
RGB: 152,193,29

49 Каштановый
HSV: 0 141 205
CMYK: 0,55,55,20
RGB: 205,92,92

ΔE: 4.96
HSV: 2 151 191
RAL-D2: 030 50 50
RGB: 191,81,78

ΔE: 5. 04
HSV: 356 151 197
PANTONE: 7418
RGB: 197,80,88

50 Шоколадный
HSV: 25 219 210
CMYK: 0,50,86,18
RGB: 210,105,30

ΔE: 6.42
HSV: 26 204 213
RAL-D2: 060 60 60
RGB: 213,118,43

ΔE: 1.96
HSV: 24 218 208
PANTONE: 159
RGB: 208,101,30

51 Коричный
HSV: 31 255 123
CMYK: 16,60,82,51
RGB: 123,63,0

ΔE: 10.82
HSV: 26 188 138
RAL-D2: 060 40 40
RGB: 138,80,36

ΔE: 8.34
HSV: 24 202 140
PANTONE: 2315
RGB: 140,74,29

52 Кобальт синий
HSV: 215 255 171
CMYK: 100,58,0,33
RGB: 0,71,171

ΔE: 17.84
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 12.03
HSV: 230 172 144
PANTONE: 2746
RGB: 47,63,144

53 Медный
HSV: 29 184 184
CMYK: 0,38,72,28
RGB: 184,115,51

ΔE: 5.54
HSV: 32 200 167
RAL-D2: 070 50 55
RGB: 167,105,36

ΔE: 4. 9
HSV: 32 195 186
PANTONE: 7572
RGB: 186,119,44

54 Коралловый, кораллово-красный
HSV: 16 175 255
CMYK: 0,50,69,0
RGB: 255,127,80

ΔE: 6.18
HSV: 18 167 255
RAL-D2: 050 70 60
RGB: 255,139,88

ΔE: 9.52
HSV: 16 180 224
PANTONE: 2027
RGB: 224,108,66

55 Кукурузный
HSV: 54 161 251
CMYK: 4,1,77,0
RGB: 251,236,93

ΔE: 11.45
HSV: 48 146 255
RAL-D2: 095 90 59
RGB: 255,227,109

ΔE: 2.75
HSV: 52 161 252
PANTONE: 106
RGB: 252,232,93

56 Васильковый
HSV: 219 147 237
CMYK: 58,37,0,7
RGB: 100,149,237

ΔE: 15.71
HSV: 218 145 186
RAL-D2: 280 50 40
RGB: 80,119,186

ΔE: 16.75
HSV: 201 255 200
PANTONE: 3005
RGB: 0,129,200

57 Кремовый
HSV: 57 47 255
CMYK: 0,1,18,0
RGB: 255,253,208

ΔE: 8.23
HSV: 60 47 230
RAL-D2: 110 90 20
RGB: 230,230,188

ΔE: 7. 3
HSV: 47 58 245
PANTONE: 7499
RGB: 245,233,189

58 Тёмно-красный, кровавый, Малиновый
HSV: 348 232 220
CMYK: 0,91,73,14
RGB: 220,20,60

ΔE: 18.39
HSV: 1 171 203
RAL-D2: 030 50 60
RGB: 203,69,67

ΔE: 8.27
HSV: 352 197 218
PANTONE: 711
RGB: 218,50,72

59 Циан, васильковый
HSV: 180 255 255
CMYK: 100,0,0,0
RGB: 0,255,255

ΔE: 25.03
HSV: 180 179 191
RAL-D2: 200 70 35
RGB: 57,190,191

ΔE: 28.89
HSV: 175 152 183
PANTONE: 3262
RGB: 74,183,174

60 Тёмно-синий цвет
HSV: 240 255 139
CMYK: 100,99,10,11
RGB: 0,0,139

ΔE: 47.17
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 36.28
HSV: 255 153 135
PANTONE: Violet
RGB: 74,54,135

61 Тёмно-коричневый
HSV: 30 172 101
CMYK: 0,34,67,60
RGB: 101,67,33

ΔE: 3.96
HSV: 26 174 98
RAL-D2: 060 30 27
RGB: 98,60,31

ΔE: 2. 63
HSV: 29 183 102
PANTONE: 161
RGB: 102,64,29

62 Тёмно-лазурный
HSV: 209 239 126
CMYK: 94,45,0,51
RGB: 8,69,126

ΔE: 1.77
HSV: 207 255 131
RAL-D2: 270 30 40
RGB: 0,72,131

ΔE: 3.43
HSV: 215 205 132
PANTONE: 287
RGB: 26,71,132

63 Тёмно-каштановый
HSV: 10 94 152
CMYK: 0,31,37,40
RGB: 152,105,96

ΔE: 1.83
HSV: 11 91 149
RAL-D2: 040 50 20
RGB: 149,106,96

ΔE: 6.29
HSV: 20 102 145
PANTONE: 4715
RGB: 145,106,87

64 Тёмно-коралловый
HSV: 10 169 205
CMYK: 15,77,78,3
RGB: 205,91,69

ΔE: 5.22
HSV: 11 171 189
RAL-D2: 040 50 50
RGB: 189,85,62

ΔE: 6.55
HSV: 4 166 206
PANTONE: 2032
RGB: 206,81,72

65 Тёмно-золотой
HSV: 43 240 184
CMYK: 0,27,94,28
RGB: 184,134,11

ΔE: 1.55
HSV: 41 233 187
RAL-D2: 080 60 60
RGB: 187,134,16

ΔE: 4. 54
HSV: 41 209 192
PANTONE: 1245
RGB: 192,143,35

66 Тёмно-зелёный
HSV: 158 250 50
CMYK: 98,0,36,80
RGB: 1,50,32

ΔE: 2.77
HSV: 158 255 55
RAL-D2: 170 20 25
RGB: 0,55,35

ΔE: 10.88
HSV: 162 123 62
PANTONE: 627
RGB: 32,62,53

67 Тёмный индиго, индиго
HSV: 270 255 98
CMYK: 50,100,0,62
RGB: 49,0,98

ΔE: 27.76
HSV: 284 136 109
RAL-D2: 320 30 37
RGB: 94,51,109

ΔE: 18.45
HSV: 274 162 126
PANTONE: 2607
RGB: 91,46,126

68 Тёмный хаки, хаки
HSV: 56 111 189
CMYK: 0,3,43,26
RGB: 189,183,107

ΔE: 3.81
HSV: 53 122 184
RAL-D2: 100 70 40
RGB: 184,174,96

ΔE: 6.72
HSV: 53 121 205
PANTONE: 617
RGB: 205,194,108

69 Тёмно-оливковый
HSV: 81 132 104
CMYK: 65,40,95,27
RGB: 85,104,50

ΔE: 3.15
HSV: 76 135 98
RAL-D2: 120 40 30
RGB: 84,98,46

ΔE: 6. 72
HSV: 71 112 112
PANTONE: 5753
RGB: 103,112,63

70 Тёмный пастельно-зелёный
HSV: 138 251 192
CMYK: 76,0,100,0
RGB: 3,192,60

ΔE: 18.92
HSV: 116 173 162
RAL-D2: 140 60 70
RGB: 59,162,52

ΔE: 13.12
HSV: 144 255 176
PANTONE: Hexachrome Green
RGB: 0,176,71

71 Тёмно-персиковый
HSV: 28 70 255
CMYK: 0,15,27,0
RGB: 255,218,185

ΔE: 2.08
HSV: 30 65 255
RAL-D2: 070 90 20
RGB: 255,222,190

ΔE: 3.98
HSV: 28 68 243
PANTONE: 475
RGB: 243,208,178

72 Тёмно-розовый
HSV: 342 162 231
CMYK: 4,82,26,0
RGB: 231,84,128

ΔE: 13.12
HSV: 345 155 194
RAL-D2: 010 50 50
RGB: 194,76,106

ΔE: 5.65
HSV: 339 158 221
PANTONE: 205
RGB: 221,84,132

73 Тёмно-Пороховая синь
HSV: 220 255 153
CMYK: 100,67,0,40
RGB: 0,51,153

ΔE: 24.45
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 14. 94
HSV: 230 172 144
PANTONE: 2746
RGB: 47,63,144

74 Тёмная лососина
HSV: 15 121 233
CMYK: 0,36,48,9
RGB: 233,150,122

ΔE: 4.29
HSV: 11 118 232
RAL-D2: 040 70 40
RGB: 232,145,125

ΔE: 1.59
HSV: 14 119 232
PANTONE: 486
RGB: 232,149,124

75 Тёмно-алый
HSV: 344 246 86
CMYK: 0,97,71,66
RGB: 86,3,25

ΔE: 8.77
HSV: 353 181 83
RAL-D2: 020 20 29
RGB: 83,24,31

ΔE: 12.9
HSV: 343 171 109
PANTONE: 7421
RGB: 109,36,57

76 Тёмно-аспидный серый, аспидно-серый
HSV: 180 103 79
CMYK: 41,0,0,69
RGB: 47,79,79

ΔE: 2.22
HSV: 178 92 75
RAL-D2: 200 30 10
RGB: 48,75,74

ΔE: 7.1
HSV: 193 139 90
PANTONE: 2216
RGB: 41,79,90

77 Тёмный весенне-зелёный
HSV: 150 204 114
CMYK: 87,31,88,20
RGB: 23,114,69

ΔE: 3.62
HSV: 158 255 108
RAL-D2: 160 40 40
RGB: 0,108,68

ΔE: 2. 35
HSV: 145 187 112
PANTONE: 349
RGB: 30,112,64

78 Тёмный жёлто-коричневый
HSV: 45 113 145
CMYK: 41,41,77,12
RGB: 145,129,81

ΔE: 5.79
HSV: 48 131 132
RAL-D2: 095 50 30
RGB: 132,118,64

ΔE: 7.31
HSV: 43 89 140
PANTONE: 2326
RGB: 140,126,91

79 Тёмно-мандариновый
HSV: 38 237 255
CMYK: 0,39,99,0
RGB: 255,168,18

ΔE: 7.4
HSV: 39 255 233
RAL-D2: 075 70 80
RGB: 233,151,0

ΔE: 6.09
HSV: 40 255 235
PANTONE: 2012
RGB: 235,157,0

80 Тёмный зелёный чай
HSV: 103 54 219
CMYK: 28,1,40,0
RGB: 186,219,173

ΔE: 5.94
HSV: 108 62 209
RAL-D2: 140 80 30
RGB: 168,209,158

ΔE: 3.39
HSV: 98 60 212
PANTONE: 358
RGB: 180,212,162

81 Тёмно-бирюзовый
HSV: 181 211 98
CMYK: 89,45,55,25
RGB: 17,96,98

ΔE: 3.99
HSV: 180 153 103
RAL-D2: 200 40 20
RGB: 41,103,103

ΔE: 2. 96
HSV: 179 255 97
PANTONE: 323
RGB: 0,97,96

82 Глубокий фиолетовый цвет
HSV: 252 164 137
CMYK: 92,98,8,1
RGB: 66,49,137

ΔE: 16.56
HSV: 245 131 123
RAL-D2: 300 30 40
RGB: 65,60,123

ΔE: 5.02
HSV: 255 153 135
PANTONE: Violet
RGB: 74,54,135

83 Глубокий розовый цвет
HSV: 328 235 255
CMYK: 0,95,0,0
RGB: 255,20,147

ΔE: 34.99
HSV: 331 150 189
RAL-D2: 350 50 50
RGB: 189,78,132

ΔE: 13.4
HSV: 327 241 215
PANTONE: 226
RGB: 215,12,122

84 Голубой цвет
HSV: 195 255 255
CMYK: 70,0,2,0
RGB: 0,191,255

ΔE: 14.16
HSV: 197 238 209
RAL-D2: 250 60 40
RGB: 14,155,209

ΔE: 7.37
HSV: 195 255 230
PANTONE: 2995
RGB: 0,173,230

85 Джинсовый синий
HSV: 213 227 189
CMYK: 89,49,0,26
RGB: 21,96,189

ΔE: 12.01
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 12. 22
HSV: 218 195 154
PANTONE: 286
RGB: 36,80,154

86 Защитно-синий
HSV: 210 225 255
CMYK: 88,44,0,0
RGB: 30,144,255

ΔE: 25.93
HSV: 218 145 186
RAL-D2: 280 50 40
RGB: 80,119,186

ΔE: 23.9
HSV: 201 255 200
PANTONE: 3005
RGB: 0,129,200

87 Изумрудный
HSV: 140 153 200
CMYK: 60,0,40,22
RGB: 80,200,120

ΔE: 9.08
HSV: 134 123 190
RAL-D2: 150 70 50
RGB: 98,190,119

ΔE: 11.74
HSV: 146 179 170
PANTONE: 7481
RGB: 51,170,102

88 Баклажановый
HSV: 320 255 153
CMYK: 0,100,33,40
RGB: 153,0,102

ΔE: 13.11
HSV: 328 173 156
RAL-D2: 350 40 50
RGB: 156,50,107

ΔE: 3.65
HSV: 322 213 159
PANTONE: 7648
RGB: 159,26,110

89 Желтовато-коричневый
HSV: 30 130 229
CMYK: 0,26,51,10
RGB: 229,170,112

ΔE: 4.79
HSV: 31 139 215
RAL-D2: 070 70 40
RGB: 215,158,98

ΔE: 1. 77
HSV: 29 129 226
PANTONE: 721
RGB: 226,167,112

90 Зелёный папоротник
HSV: 106 116 121
CMYK: 71,32,90,18
RGB: 79,121,66

ΔE: 5.1
HSV: 107 98 128
RAL-D2: 140 50 30
RGB: 90,128,79

ΔE: 3.9
HSV: 112 125 118
PANTONE: 2265
RGB: 68,118,60

91 Кирпичный
HSV: 0 206 178
CMYK: 21,99,100,12
RGB: 178,34,34

ΔE: 9.58
HSV: 10 231 173
RAL-D2: 040 40 67
RGB: 173,43,16

ΔE: 3.97
HSV: 359 200 177
PANTONE: 2350
RGB: 177,38,41

92 Льняной
HSV: 50 116 238
CMYK: 7,8,60,0
RGB: 238,220,130

ΔE: 5.14
HSV: 47 106 247
RAL-D2: 095 90 40
RGB: 247,225,144

ΔE: 3.76
HSV: 50 117 247
PANTONE: 2001
RGB: 247,229,134

93 Фуксия
HSV: 300 255 255
CMYK: 7,95,0,0
RGB: 255,0,255

ΔE: 71.59
HSV: 320 131 173
RAL-D2: 340 50 45
RGB: 173,84,143

ΔE: 46. 08
HSV: 319 220 217
PANTONE: Hexachrome Magenta
RGB: 217,30,157

94 Гуммигут
HSV: 39 238 228
CMYK: 5,48,97,1
RGB: 228,155,15

ΔE: 2.12
HSV: 41 255 229
RAL-D2: 080 70 88
RGB: 229,155,0

ΔE: 3.53
HSV: 38 216 234
PANTONE: 137
RGB: 234,161,36

95 Золотой
HSV: 51 255 255
CMYK: 0,13,95,0
RGB: 255,215,0

ΔE: 9.77
HSV: 48 255 242
RAL-D2: 090 80 90
RGB: 242,194,0

ΔE: 0
HSV: 51 255 255
PANTONE: Yellow 012
RGB: 255,215,0

96 Золотисто-берёзовый
HSV: 43 218 218
CMYK: 0,24,85,15
RGB: 218,165,32

ΔE: 3.85
HSV: 45 247 212
RAL-D2: 085 70 70
RGB: 212,162,7

ΔE: 4.37
HSV: 45 236 219
PANTONE: 7555
RGB: 219,168,16

97 Серый
HSV: 0 0 128
CMYK: 0,0,0,50
RGB: 128,128,128

ΔE: 0.78
HSV: 0 0 130
RAL-D2: 000 55 00
RGB: 130,130,130

ΔE: 2. 65
HSV: 225 8 126
PANTONE: Cool Gray 9
RGB: 122,123,126

98 Серая спаржа
HSV: 117 57 89
CMYK: 21,0,22,65
RGB: 70,89,69

ΔE: 5.68
HSV: 105 42 97
RAL-D2: 140 40 10
RGB: 85,97,81

ΔE: 5.42
HSV: 139 88 81
PANTONE: 7736
RGB: 53,81,62

99 Зелёный серый чай
HSV: 90 37 218
CMYK: 7,0,15,15
RGB: 202,218,186

ΔE: 5.8
HSV: 90 45 204
RAL-D2: 130 80 20
RGB: 186,204,168

ΔE: 3.58
HSV: 106 30 221
PANTONE: 2253
RGB: 201,221,195

100 Зелёный
HSV: 120 255 255
CMYK: 100,0,100,0
RGB: 0,255,0

ΔE: 56.8
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 54.2
HSV: 144 255 176
PANTONE: Hexachrome Green
RGB: 0,176,71

101 Жёлто-зелёный
HSV: 84 208 255
CMYK: 32,0,82,0
RGB: 173,255,47

ΔE: 32.67
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 29. 47
HSV: 75 217 193
PANTONE: 376
RGB: 152,193,29

102 Синий Градуса
HSV: 211 255 255
CMYK: 79,54,0,0
RGB: 0,125,255

ΔE: 33.11
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 34.33
HSV: 204 255 180
PANTONE: 300
RGB: 0,108,180

103 Гелиотроп
HSV: 286 140 255
CMYK: 13,55,0,0
RGB: 223,115,255

ΔE: 43.72
HSV: 307 88 186
RAL-D2: 330 60 40
RGB: 186,122,179

ΔE: 36.83
HSV: 305 156 152
PANTONE: 513
RGB: 152,59,144

104 Ярко-розовый цвет
HSV: 315 240 252
CMYK: 0,94,24,1
RGB: 252,15,192

ΔE: 45.52
HSV: 331 150 189
RAL-D2: 350 50 50
RGB: 189,78,132

ΔE: 17.13
HSV: 319 220 217
PANTONE: Hexachrome Magenta
RGB: 217,30,157

105 Индиго
HSV: 275 255 130
CMYK: 42,100,0,49
RGB: 75,0,130

ΔE: 35.93
HSV: 284 136 109
RAL-D2: 320 30 37
RGB: 94,51,109

ΔE: 23. 66
HSV: 274 162 126
PANTONE: 2607
RGB: 91,46,126

106 Международный сигнальный оранжевый
HSV: 19 255 255
CMYK: 0,83,100,0
RGB: 255,79,0

ΔE: 11.68
HSV: 19 228 246
RAL-D2: 050 60 80
RGB: 246,97,26

ΔE: 20.82
HSV: 17 216 222
PANTONE: 2028
RGB: 222,87,34

107 Индийский красный, каштановый
HSV: 0 141 205
CMYK: 0,55,55,20
RGB: 205,92,92

ΔE: 4.96
HSV: 2 151 191
RAL-D2: 030 50 50
RGB: 191,81,78

ΔE: 5.04
HSV: 356 151 197
PANTONE: 7418
RGB: 197,80,88

108 Нефритовый
HSV: 158 255 168
CMYK: 100,0,36,34
RGB: 0,168,107

ΔE: 1.97
HSV: 157 255 164
RAL-D2: 160 60 58
RGB: 0,164,101

ΔE: 5.44
HSV: 146 179 170
PANTONE: 7481
RGB: 51,170,102

109 Хаки
HSV: 37 65 195
CMYK: 0,10,26,24
RGB: 195,176,145

ΔE: 3.78
HSV: 38 75 188
RAL-D2: 085 70 20
RGB: 188,168,133

ΔE: 5. 94
HSV: 28 63 210
PANTONE: 7590
RGB: 210,182,158

110 Синий Кляйна
HSV: 214 180 196
CMYK: 78,52,0,0
RGB: 58,117,196

ΔE: 7.51
HSV: 218 145 186
RAL-D2: 280 50 40
RGB: 80,119,186

ΔE: 7.44
HSV: 204 255 180
PANTONE: 300
RGB: 0,108,180

111 Лаванда, лавандово-синий
HSV: 240 20 250
CMYK: 8,8,0,2
RGB: 230,230,250

ΔE: 7.27
HSV: 231 8 236
RAL-D2: 290 92 05
RGB: 229,230,236

ΔE: 5.68
HSV: 240 14 231
PANTONE: 7443
RGB: 218,218,231

112 Розово-лавандовый
HSV: 340 15 255
CMYK: 0,6,4,0
RGB: 255,240,245

ΔE: 4.6
HSV: 340 13 240
RAL-D2: 340 92 05
RGB: 240,228,232

ΔE: 5.64
HSV: 351 20 243
PANTONE: 705
RGB: 243,224,227

113 Лимонный
HSV: 55 239 253
CMYK: 0,8,94,1
RGB: 253,233,16

ΔE: 14.14
HSV: 58 255 212
RAL-D2: 100 80 80
RGB: 212,204,0

ΔE: 2. 55
HSV: 54 255 254
PANTONE: 102
RGB: 254,229,0

114 Лимонно-кремовый
HSV: 54 50 255
CMYK: 0,2,20,0
RGB: 255,250,205

ΔE: 7.25
HSV: 48 55 239
RAL-D2: 100 90 20
RGB: 239,229,187

ΔE: 6.03
HSV: 47 58 245
PANTONE: 7499
RGB: 245,233,189

115 Светло-коричневый
HSV: 30 177 205
CMYK: 0,35,69,20
RGB: 205,133,63

ΔE: 4.39
HSV: 32 184 193
RAL-D2: 070 60 50
RGB: 193,129,54

ΔE: 2.7
HSV: 29 170 203
PANTONE: 722
RGB: 203,134,68

116 Сиреневый
HSV: 300 48 200
CMYK: 0,19,0,22
RGB: 200,162,200

ΔE: 2.76
HSV: 311 56 202
RAL-D2: 330 70 25
RGB: 202,158,194

ΔE: 1.64
HSV: 305 49 204
PANTONE: 251
RGB: 204,165,201

117 Лайм
HSV: 72 255 255
CMYK: 20,0,100,0
RGB: 204,255,0

ΔE: 30.74
HSV: 66 189 208
RAL-D2: 110 80 70
RGB: 192,208,54

ΔE: 25. 85
HSV: 64 225 210
PANTONE: 382
RGB: 198,210,25

118 Льняной
HSV: 30 20 250
CMYK: 0,4,8,2
RGB: 250,240,230

ΔE: 2.84
HSV: 21 21 246
RAL-D2: 050 92 05
RGB: 246,233,226

ΔE: 7.92
HSV: 9 21 235
PANTONE: 7604
RGB: 235,219,216

119 Зелёная лужайка
HSV: 90 255 252
CMYK: 51,0,100,1
RGB: 124,252,0

ΔE: 42.35
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 40.6
HSV: 75 217 193
PANTONE: 376
RGB: 152,193,29

120 Маджента, фуксия
HSV: 300 255 255
CMYK: 0,100,0,0
RGB: 255,0,255

ΔE: 71.59
HSV: 320 131 173
RAL-D2: 340 50 45
RGB: 173,84,143

ΔE: 46.08
HSV: 319 220 217
PANTONE: Hexachrome Magenta
RGB: 217,30,157

121 Малахитовая зелень, малахитовый
HSV: 140 242 218
CMYK: 95,0,63,15
RGB: 11,218,81

ΔE: 27.9
HSV: 116 173 162
RAL-D2: 140 60 70
RGB: 59,162,52

ΔE: 20. 85
HSV: 144 255 176
PANTONE: Hexachrome Green
RGB: 0,176,71

122 Коричнево-малиновый
HSV: 0 255 128
CMYK: 0,100,100,50
RGB: 128,0,0

ΔE: 13.07
HSV: 10 215 165
RAL-D2: 040 40 60
RGB: 165,49,26

ΔE: 15.01
HSV: 3 185 157
PANTONE: 7622
RGB: 157,48,43

123 Розовато-лиловый
HSV: 330 170 153
CMYK: 0,67,33,40
RGB: 153,51,102

ΔE: 3.04
HSV: 328 173 156
RAL-D2: 350 40 50
RGB: 156,50,107

ΔE: 5.9
HSV: 336 163 160
PANTONE: 2047
RGB: 160,58,99

124 Полуночно-синий
HSV: 210 255 102
CMYK: 100,87,33,23
RGB: 0,51,102

ΔE: 5.39
HSV: 214 218 90
RAL-D2: 280 20 30
RGB: 13,47,90

ΔE: 5.57
HSV: 220 179 114
PANTONE: 288
RGB: 34,61,114

125 Зелёная мята, мятный
HSV: 120 103 255
CMYK: 40,0,40,0
RGB: 152,255,152

ΔE: 21.74
HSV: 92 110 213
RAL-D2: 130 80 50
RGB: 164,213,121

ΔE: 25. 32
HSV: 99 132 187
PANTONE: 360
RGB: 124,187,90

126 Зелёный мох
HSV: 120 57 223
CMYK: 20,0,22,13
RGB: 173,223,173

ΔE: 5.43
HSV: 108 62 209
RAL-D2: 140 80 30
RGB: 168,209,158

ΔE: 6.88
HSV: 98 60 212
PANTONE: 358
RGB: 180,212,162

127 Розовый Маунтбэттена
HSV: 323 52 153
CMYK: 0,20,8,40
RGB: 153,122,141

ΔE: 5.12
HSV: 324 49 167
RAL-D2: 340 60 15
RGB: 167,135,154

ΔE: 4.11
HSV: 335 58 149
PANTONE: 2054
RGB: 149,115,129

128 Горчичный
HSV: 47 167 255
CMYK: 1,12,77,0
RGB: 255,219,88

ΔE: 6.39
HSV: 46 152 255
RAL-D2: 090 90 60
RGB: 255,219,103

ΔE: 4.85
HSV: 47 163 245
PANTONE: 122
RGB: 245,210,88

129 Белый навахо
HSV: 36 82 255
CMYK: 0,13,22,0
RGB: 255,222,173

ΔE: 2.03
HSV: 37 86 255
RAL-D2: 080 90 30
RGB: 255,222,169

ΔE: 3
HSV: 38 83 245
PANTONE: 155
RGB: 245,215,165

130 Тёмно-синий формы морских офицеров
HSV: 240 255 128
CMYK: 100,100,0,50
RGB: 0,0,128

ΔE: 43. 37
HSV: 245 131 123
RAL-D2: 300 30 40
RGB: 65,60,123

ΔE: 32.64
HSV: 255 153 135
PANTONE: Violet
RGB: 74,54,135

131 Охра
HSV: 30 213 204
CMYK: 0,42,83,20
RGB: 204,119,34

ΔE: 5.13
HSV: 26 204 213
RAL-D2: 060 60 60
RGB: 213,118,43

ΔE: 3.36
HSV: 32 211 207
PANTONE: 7412
RGB: 207,126,36

132 Старое золото
HSV: 49 182 207
CMYK: 0,13,71,19
RGB: 207,181,59

ΔE: 5.35
HSV: 51 188 190
RAL-D2: 095 70 60
RGB: 190,169,50

ΔE: 2.28
HSV: 48 178 212
PANTONE: 7752
RGB: 212,182,64

133 Оливковый
HSV: 60 255 128
CMYK: 0,0,100,50
RGB: 128,128,0

ΔE: 5.92
HSV: 65 255 124
RAL-D2: 110 50 55
RGB: 113,124,0

ΔE: 5.22
HSV: 57 209 134
PANTONE: 392
RGB: 134,129,24

134 Нежно-оливковый
HSV: 80 192 142
CMYK: 25,0,75,44
RGB: 107,142,35

ΔE: 6. 89
HSV: 78 161 155
RAL-D2: 120 60 50
RGB: 126,155,57

ΔE: 3.99
HSV: 84 185 149
PANTONE: 370
RGB: 106,149,41

135 Оранжевый
HSV: 39 255 255
CMYK: 0,35,100,0
RGB: 255,165,0

ΔE: 8.01
HSV: 39 255 233
RAL-D2: 075 70 80
RGB: 233,151,0

ΔE: 7.09
HSV: 40 255 235
PANTONE: 2013
RGB: 235,156,0

136 Орхидея
HSV: 302 124 218
CMYK: 0,49,2,15
RGB: 218,112,214

ΔE: 25.31
HSV: 320 105 196
RAL-D2: 340 60 40
RGB: 196,115,169

ΔE: 21.03
HSV: 322 139 197
PANTONE: 239
RGB: 197,90,157

137 Старое кружево
HSV: 39 23 253
CMYK: 0,3,9,1
RGB: 253,245,230

ΔE: 5.27
HSV: 37 23 238
RAL-D2: 080 90 05
RGB: 238,230,217

ΔE: 9.87
HSV: 70 31 235
PANTONE: 7485
RGB: 230,235,206

138 Бледно-синий
HSV: 180 68 238
CMYK: 26,0,0,7
RGB: 175,238,238

ΔE: 9. 68
HSV: 178 76 211
RAL-D2: 200 80 20
RGB: 148,211,209

ΔE: 9.58
HSV: 180 60 211
PANTONE: 318
RGB: 161,211,211

139 Бледно-коричневый
HSV: 30 114 152
CMYK: 0,22,45,40
RGB: 152,118,84

ΔE: 5.54
HSV: 29 102 140
RAL-D2: 070 50 20
RGB: 140,111,84

ΔE: 0.68
HSV: 31 115 151
PANTONE: 7504
RGB: 151,118,83

140 Бледно-карминный, Кармин
HSV: 5 178 175
CMYK: 0,63,69,31
RGB: 175,64,53

ΔE: 7.03
HSV: 0 169 163
RAL-D2: 030 40 50
RGB: 163,55,55

ΔE: 4.61
HSV: 8 183 163
PANTONE: 484
RGB: 163,62,46

141 Бледно-каштановый
HSV: 358 55 221
CMYK: 0,22,21,13
RGB: 221,173,175

ΔE: 5.25
HSV: 358 56 238
RAL-D2: 020 80 20
RGB: 238,186,188

ΔE: 3.69
HSV: 358 46 216
PANTONE: 5025
RGB: 216,177,178

142 Бледно-васильковый
HSV: 210 73 239
CMYK: 28,14,0,6
RGB: 171,205,239

ΔE: 5. 23
HSV: 203 78 229
RAL-D2: 250 80 20
RGB: 159,202,229

ΔE: 3.06
HSV: 210 67 229
PANTONE: 277
RGB: 169,199,229

143 Бледно-пурпурный
HSV: 310 120 249
CMYK: 0,47,8,2
RGB: 249,132,229

ΔE: 25.92
HSV: 320 105 196
RAL-D2: 340 60 40
RGB: 196,115,169

ΔE: 23.02
HSV: 322 139 197
PANTONE: 239
RGB: 197,90,157

144 Бледный розовато-лиловый
HSV: 0 85 153
CMYK: 0,33,33,40
RGB: 153,102,102

ΔE: 1.75
HSV: 358 82 153
RAL-D2: 020 50 20
RGB: 153,104,106

ΔE: 3.96
HSV: 352 88 154
PANTONE: 4995
RGB: 154,101,108

145 Бледно-розовый
HSV: 354 33 250
CMYK: 0,13,12,2
RGB: 250,218,221

ΔE: 4.6
HSV: 9 29 244
RAL-D2: 020 90 10
RGB: 244,220,216

ΔE: 2.42
HSV: 351 28 242
PANTONE: 698
RGB: 242,215,219

146 Лиловый
HSV: 340 125 219
CMYK: 0,49,33,14
RGB: 219,112,147

ΔE: 7. 3
HSV: 347 130 220
RAL-D2: 010 60 45
RGB: 220,108,132

ΔE: 2.52
HSV: 342 124 225
PANTONE: 7423
RGB: 225,116,148

147 Бледно-песочный цвет
HSV: 23 55 218
CMYK: 0,13,22,15
RGB: 218,189,171

ΔE: 4.57
HSV: 25 40 215
RAL-D2: 060 80 10
RGB: 215,195,181

ΔE: 2.66
HSV: 25 52 209
PANTONE: 481
RGB: 209,184,166

148 Палевый
HSV: 49 117 240
CMYK: 0,8,46,6
RGB: 240,220,130

ΔE: 4.94
HSV: 47 106 247
RAL-D2: 095 90 40
RGB: 247,225,144

ΔE: 3.38
HSV: 46 117 247
PANTONE: 1215
RGB: 247,220,134

149 Панг
HSV: 162 54 252
CMYK: 19,0,12,0
RGB: 199,252,236

ΔE: 8.71
HSV: 140 36 234
RAL-D2: 160 90 15
RGB: 201,234,212

ΔE: 11.81
HSV: 151 36 221
PANTONE: 572
RGB: 190,221,206

150 Побег папайи
HSV: 37 42 255
CMYK: 0,6,16,0
RGB: 255,239,213

ΔE: 4. 69
HSV: 32 39 246
RAL-D2: 075 90 10
RGB: 246,228,208

ΔE: 8.51
HSV: 70 31 235
PANTONE: 7485
RGB: 230,235,206

151 Пастельно-зелёный
HSV: 120 118 221
CMYK: 46,0,46,13
RGB: 119,221,119

ΔE: 11.88
HSV: 111 134 189
RAL-D2: 140 70 60
RGB: 105,189,90

ΔE: 16.16
HSV: 99 132 187
PANTONE: 360
RGB: 124,187,90

152 Пастельно-розовый
HSV: 346 46 255
CMYK: 0,18,14,0
RGB: 255,209,220

ΔE: 8.75
HSV: 352 44 228
RAL-D2: 010 80 15
RGB: 228,189,194

ΔE: 4.72
HSV: 345 44 239
PANTONE: 496
RGB: 239,198,208

153 Персиковый
HSV: 39 75 255
CMYK: 0,10,29,0
RGB: 255,229,180

ΔE: 4.23
HSV: 37 86 255
RAL-D2: 080 90 30
RGB: 255,222,169

ΔE: 5.03
HSV: 38 83 245
PANTONE: 155
RGB: 245,215,165

154 Оранжево-персиковый
HSV: 30 102 255
CMYK: 0,20,40,0
RGB: 255,204,153

ΔE: 6. 37
HSV: 30 98 236
RAL-D2: 070 80 30
RGB: 236,190,145

ΔE: 6.67
HSV: 35 112 242
PANTONE: 149
RGB: 242,198,136

155 Жёлто-персиковый
HSV: 39 79 250
CMYK: 0,11,31,2
RGB: 250,223,173

ΔE: 2.99
HSV: 37 86 255
RAL-D2: 080 90 30
RGB: 255,222,169

ΔE: 2.9
HSV: 38 83 245
PANTONE: 155
RGB: 245,215,165

156 Грушевый
HSV: 66 200 226
CMYK: 7,0,78,11
RGB: 209,226,49

ΔE: 9.93
HSV: 66 189 208
RAL-D2: 110 80 70
RGB: 192,208,54

ΔE: 5.72
HSV: 63 215 212
PANTONE: 381
RGB: 203,212,33

157 Барвинок
HSV: 240 51 255
CMYK: 20,20,0,0
RGB: 204,204,255

ΔE: 13.22
HSV: 256 31 221
RAL-D2: 300 80 15
RGB: 201,194,221

ΔE: 12.54
HSV: 235 40 218
PANTONE: 7444
RGB: 184,187,218

158 Персидский синий
HSV: 264 255 255
CMYK: 60,100,0,0
RGB: 102,0,255

ΔE: 83. 54
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 75.2
HSV: 282 150 141
PANTONE: 526
RGB: 116,58,141

159 Зелёная сосна
HSV: 175 253 121
CMYK: 99,0,80,53
RGB: 1,121,111

ΔE: 3.24
HSV: 175 255 113
RAL-D2: 190 40 45
RGB: 0,113,103

ΔE: 2.47
HSV: 173 255 117
PANTONE: 328
RGB: 0,117,104

160 Розовый
HSV: 350 63 255
CMYK: 0,25,20,0
RGB: 255,192,203

ΔE: 5.09
HSV: 352 58 239
RAL-D2: 010 80 20
RGB: 239,185,192

ΔE: 5.74
HSV: 346 56 236
PANTONE: 707
RGB: 236,184,196

161 Оранжево-розовый
HSV: 20 153 255
CMYK: 0,40,60,0
RGB: 255,153,102

ΔE: 5.23
HSV: 18 147 246
RAL-D2: 050 70 50
RGB: 246,146,104

ΔE: 8.09
HSV: 21 151 230
PANTONE: 2024
RGB: 230,142,94

162 Сливовый
HSV: 300 255 102
CMYK: 0,100,0,60
RGB: 102,0,102

ΔE: 20. 09
HSV: 305 145 104
RAL-D2: 330 30 40
RGB: 104,45,99

ΔE: 11.13
HSV: 296 165 124
PANTONE: 2612
RGB: 118,44,124

163 Пороховая синь
HSV: 210 65 212
CMYK: 25,13,0,17
RGB: 158,185,212

ΔE: 4.35
HSV: 209 78 206
RAL-D2: 260 70 20
RGB: 143,176,206

ΔE: 2.04
HSV: 208 73 212
PANTONE: 644
RGB: 151,184,212

164 Красновато-коричневый, пюсовый устар., тёмно-коричневый, блошиный
HSV: 345 85 204
CMYK: 0,33,25,20
RGB: 204,136,153

ΔE: 5.53
HSV: 349 84 189
RAL-D2: 010 60 25
RGB: 189,127,138

ΔE: 4.36
HSV: 346 89 218
PANTONE: 493
RGB: 218,142,160

165 Берлинская лазурь
HSV: 205 255 83
CMYK: 100,41,0,67
RGB: 0,49,83

ΔE: 1.78
HSV: 206 255 81
RAL-D2: 270 20 25
RGB: 0,46,81

ΔE: 6.01
HSV: 207 194 92
PANTONE: 540
RGB: 22,61,92

166 Тыква
HSV: 24 231 255
CMYK: 0,54,90,0
RGB: 255,117,24

ΔE: 8. 37
HSV: 29 255 229
RAL-D2: 060 60 80
RGB: 229,109,0

ΔE: 5.23
HSV: 26 229 255
PANTONE: Hexachrome Orange
RGB: 255,127,26

167 Фиолетовый оттенок
HSV: 300 255 128
CMYK: 0,100,0,50
RGB: 128,0,128

ΔE: 25.53
HSV: 318 155 145
RAL-D2: 340 40 45
RGB: 145,57,119

ΔE: 13.84
HSV: 299 167 130
PANTONE: 2602
RGB: 128,45,130

168 Умбра
HSV: 35 215 115
CMYK: 0,35,84,54
RGB: 115,74,18

ΔE: 4.33
HSV: 33 203 128
RAL-D2: 070 40 40
RGB: 128,82,26

ΔE: 5.18
HSV: 34 189 127
PANTONE: 463
RGB: 127,86,33

169 Красный
HSV: 0 255 255
CMYK: 0,100,100,0
RGB: 255,0,0

ΔE: 26.94
HSV: 19 228 246
RAL-D2: 050 60 80
RGB: 246,97,26

ΔE: 29.46
HSV: 6 206 215
PANTONE: 2347
RGB: 215,57,41

170 Фиолетово-красный
HSV: 322 228 199
CMYK: 0,89,33,22
RGB: 199,21,133

ΔE: 22. 55
HSV: 331 150 189
RAL-D2: 350 50 50
RGB: 189,78,132

ΔE: 4.45
HSV: 325 226 195
PANTONE: 233
RGB: 195,22,124

171 Цвет яйца дрозда
HSV: 180 255 204
CMYK: 100,0,0,20
RGB: 0,204,204

ΔE: 7.61
HSV: 180 179 191
RAL-D2: 200 70 35
RGB: 57,190,191

ΔE: 11.25
HSV: 177 188 178
PANTONE: 326
RGB: 47,178,171

172 Ярко-синий (королевский синий)
HSV: 225 181 225
CMYK: 71,53,0,12
RGB: 65,105,225

ΔE: 26.17
HSV: 226 153 162
RAL-D2: 290 40 45
RGB: 65,87,162

ΔE: 25.86
HSV: 232 160 147
PANTONE: 2736
RGB: 55,67,147

173 Красновато-коричневый
HSV: 6 65 117
CMYK: 49,60,56,26
RGB: 117,90,87

ΔE: 3.34
HSV: 5 54 108
RAL-D2: 030 40 10
RGB: 108,87,85

ΔE: 1.9
HSV: 7 74 117
PANTONE: 7616
RGB: 117,87,83

174 Ржаво-коричневый
HSV: 18 235 183
CMYK: 22,85,100,13
RGB: 183,65,14

ΔE: 9. 03
HSV: 10 231 173
RAL-D2: 040 40 67
RGB: 173,43,16

ΔE: 8.05
HSV: 12 204 199
PANTONE: 7598
RGB: 199,73,40

175 Розово-коричневый
HSV: 0 61 188
CMYK: 0,24,24,26
RGB: 188,143,143

ΔE: 5.23
HSV: 5 74 179
RAL-D2: 030 60 20
RGB: 179,131,127

ΔE: 6.53
HSV: 352 75 197
PANTONE: 500
RGB: 197,139,147

176 Сигнальный оранжевый
HSV: 36 255 255
CMYK: 0,40,100,0
RGB: 255,153,0

ΔE: 5.53
HSV: 36 255 240
RAL-D2: 070 70 80
RGB: 240,143,0

ΔE: 10.01
HSV: 39 255 234
PANTONE: 2011
RGB: 234,154,0

177 Шафрановый
HSV: 45 205 244
CMYK: 8,23,99,0
RGB: 244,196,48

ΔE: 4.33
HSV: 47 196 237
RAL-D2: 090 80 70
RGB: 237,197,55

ΔE: 2.24
HSV: 44 203 242
PANTONE: 2006
RGB: 242,192,49

178 Сапфировый
HSV: 222 235 103
CMYK: 92,64,0,60
RGB: 8,37,103

ΔE: 7. 25
HSV: 227 189 97
RAL-D2: 290 20 35
RGB: 25,41,97

ΔE: 7.92
HSV: 247 152 106
PANTONE: 2755
RGB: 50,43,106

179 Салутовый
HSV: 308 92 210
CMYK: 13,67,31,16
RGB: 210,134,200

ΔE: 8.33
HSV: 307 88 186
RAL-D2: 330 60 40
RGB: 186,122,179

ΔE: 9.89
HSV: 311 91 184
PANTONE: 252
RGB: 184,118,172

180 Лососёвый
HSV: 345 200 255
CMYK: 0,45,59,0
RGB: 255,55,105

ΔE: 21.03
HSV: 351 171 206
RAL-D2: 020 50 58
RGB: 206,68,88

ΔE: 11.79
HSV: 344 213 216
PANTONE: 206
RGB: 216,36,85

181 Песочный цвет
HSV: 28 155 244
CMYK: 2,41,69,0
RGB: 244,164,96

ΔE: 6.52
HSV: 24 153 235
RAL-D2: 060 70 50
RGB: 235,151,94

ΔE: 3.36
HSV: 29 160 233
PANTONE: 2025
RGB: 233,157,87

182 Сангрия
HSV: 356 255 146
CMYK: 17,92,99,32
RGB: 146,0,10

ΔE: 10. 84
HSV: 10 215 165
RAL-D2: 040 40 60
RGB: 165,49,26

ΔE: 11.16
HSV: 359 200 177
PANTONE: 2350
RGB: 177,38,41

183 Ярко-красный, алый
HSV: 8 255 255
CMYK: 0,95,100,0
RGB: 255,36,0

ΔE: 22.98
HSV: 19 228 246
RAL-D2: 050 60 80
RGB: 246,97,26

ΔE: 27.62
HSV: 6 206 215
PANTONE: 2347
RGB: 215,57,41

184 Цвет жёлтого школьного автобуса
HSV: 51 255 255
CMYK: 1,12,100,0
RGB: 255,216,0

ΔE: 10.3
HSV: 48 255 242
RAL-D2: 090 80 90
RGB: 242,194,0

ΔE: 0.59
HSV: 51 255 255
PANTONE: Yellow 012
RGB: 255,215,0

185 Зелёное море
HSV: 146 171 139
CMYK: 81,23,83,7
RGB: 46,139,87

ΔE: 4.21
HSV: 156 219 136
RAL-D2: 160 50 45
RGB: 19,136,89

ΔE: 6.03
HSV: 156 255 140
PANTONE: 7725
RGB: 0,140,85

186 Цвет морской ракушки
HSV: 25 17 255
CMYK: 0,3,4,0
RGB: 255,245,238

ΔE: 4. 11
HSV: 21 21 246
RAL-D2: 050 92 05
RGB: 246,233,226

ΔE: 8.8
HSV: 351 20 243
PANTONE: 705
RGB: 243,224,227

187 Отборный жёлтый
HSV: 44 255 255
CMYK: 0,27,100,0
RGB: 255,186,0

ΔE: 1.79
HSV: 43 255 255
RAL-D2: 080 80 90
RGB: 255,183,0

ΔE: 6.3
HSV: 44 233 242
PANTONE: 7409
RGB: 242,183,21

188 Сепия
HSV: 30 209 112
CMYK: 0,41,82,56
RGB: 112,66,20

ΔE: 7.84
HSV: 33 203 128
RAL-D2: 070 40 40
RGB: 128,82,26

ΔE: 3.29
HSV: 29 194 121
PANTONE: 731
RGB: 121,73,29

189 Серебряный
HSV: 0 0 192
CMYK: 0,0,0,25
RGB: 192,192,192

ΔE: 2.19
HSV: 0 0 186
RAL-D2: 000 75 00
RGB: 186,186,186

ΔE: 2.81
HSV: 60 3 185
PANTONE: Cool Gray 4
RGB: 185,185,183

190 Серый шифер
HSV: 210 57 144
CMYK: 60,43,34,4
RGB: 112,128,144

ΔE: 3. 31
HSV: 216 51 136
RAL-D2: 270 50 10
RGB: 109,120,136

ΔE: 4.12
HSV: 205 50 149
PANTONE: 7544
RGB: 120,137,149

191 Зелёная весна
HSV: 105 201 255
CMYK: 59,0,79,0
RGB: 105,255,54

ΔE: 43.68
HSV: 75 245 180
RAL-D2: 120 70 75
RGB: 136,180,7

ΔE: 41.94
HSV: 86 190 184
PANTONE: 368
RGB: 124,184,47

192 Синяя сталь
HSV: 207 156 180
CMYK: 75,42,10,0
RGB: 70,130,180

ΔE: 3.73
HSV: 205 162 170
RAL-D2: 260 50 30
RGB: 62,125,170

ΔE: 3.1
HSV: 206 175 176
PANTONE: 2383
RGB: 55,124,176

193 Болотный
HSV: 76 57 183
CMYK: 6,0,22,28
RGB: 172,183,142

ΔE: 3.19
HSV: 76 55 175
RAL-D2: 120 70 20
RGB: 165,175,137

ΔE: 2.96
HSV: 86 55 180
PANTONE: 7494
RGB: 163,180,141

194 Цвет загара
HSV: 34 85 210
CMYK: 0,14,33,18
RGB: 210,180,140

ΔE: 6. 14
HSV: 35 71 220
RAL-D2: 080 80 20
RGB: 220,195,159

ΔE: 3.72
HSV: 30 83 220
PANTONE: 727
RGB: 220,184,148

195 Краснобуро-оранжевый
HSV: 25 255 205
CMYK: 11,75,100,4
RGB: 205,87,0

ΔE: 4.3
HSV: 21 231 212
RAL-D2: 050 50 78
RGB: 212,88,20

ΔE: 7.9
HSV: 20 213 222
PANTONE: 7579
RGB: 222,98,37

196 Мандариновый
HSV: 48 255 255
CMYK: 0,25,94,0
RGB: 255,204,0

ΔE: 4.97
HSV: 48 255 242
RAL-D2: 090 80 90
RGB: 242,194,0

ΔE: 4.39
HSV: 49 247 245
PANTONE: 116
RGB: 245,203,8

197 Зелёный чай
HSV: 100 51 240
CMYK: 20,0,30,0
RGB: 208,240,192

ΔE: 7.06
HSV: 90 42 233
RAL-D2: 130 90 20
RGB: 214,233,195

ΔE: 7.64
HSV: 81 56 222
PANTONE: 580
RGB: 205,222,173

198 Сине-зелёный
HSV: 180 255 128
CMYK: 100,0,0,50
RGB: 0,128,128

ΔE: 1. 97
HSV: 181 255 134
RAL-D2: 200 50 30
RGB: 0,132,134

ΔE: 2.53
HSV: 180 255 123
PANTONE: 322
RGB: 0,122,123

199 Чертополох
HSV: 300 30 216
CMYK: 18,27,2,1
RGB: 216,191,216

ΔE: 1.92
HSV: 295 28 213
RAL-D2: 320 80 15
RGB: 211,190,213

ΔE: 2.59
HSV: 314 34 224
PANTONE: 250
RGB: 224,194,217

200 Бирюзовый, ср. бирюза
HSV: 175 198 213
CMYK: 77,0,6,16
RGB: 48,213,200

ΔE: 9.98
HSV: 170 183 191
RAL-D2: 180 70 40
RGB: 54,191,168

ΔE: 13.7
HSV: 175 152 183
PANTONE: 3262
RGB: 74,183,174

201 Тициановый
HSV: 16 247 213
CMYK: 0,71,97,16
RGB: 213,62,7

ΔE: 8.94
HSV: 22 250 205
RAL-D2: 050 50 70
RGB: 205,77,4

ΔE: 9.62
HSV: 17 216 222
PANTONE: 2028
RGB: 222,87,34

202 Транспортный красный
HSV: 0 249 204
CMYK: 0,97,98,20
RGB: 204,6,5

ΔE: 18. 56
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 13.14
HSV: 6 206 215
PANTONE: 2347
RGB: 215,57,41

203 Томатный
HSV: 9 184 255
CMYK: 0,61,72,0
RGB: 255,99,71

ΔE: 13.41
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 10.97
HSV: 8 200 218
PANTONE: 2034
RGB: 218,71,47

204 Ультрамариновый
HSV: 244 237 143
CMYK: 100,90,4,1
RGB: 18,10,143

ΔE: 43.87
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 33.18
HSV: 255 153 135
PANTONE: Violet
RGB: 74,54,135

205 Цвет флага ООН
HSV: 216 154 229
CMYK: 60,36,0,10
RGB: 91,146,229

ΔE: 13.04
HSV: 218 145 186
RAL-D2: 280 50 40
RGB: 80,119,186

ΔE: 13.4
HSV: 201 255 200
PANTONE: 3005
RGB: 0,129,200

206 Оранжевый
HSV: 16 232 221
CMYK: 0,79,100,0
RGB: 221,72,20

ΔE: 8. 23
HSV: 22 250 205
RAL-D2: 050 50 70
RGB: 205,77,4

ΔE: 7.01
HSV: 17 216 222
PANTONE: 2028
RGB: 222,87,34

207 Ванильный
HSV: 48 76 243
CMYK: 0,6,30,5
RGB: 243,229,171

ΔE: 2.59
HSV: 45 82 246
RAL-D2: 095 90 30
RGB: 246,226,167

ΔE: 5.04
HSV: 56 74 241
PANTONE: 607
RGB: 241,236,171

208 Киноварь, ср.киноварь (минерал)
HSV: 5 197 227
CMYK: 0,71,77,11
RGB: 227,66,52

ΔE: 8.12
HSV: 9 201 209
RAL-D2: 040 50 70
RGB: 209,70,44

ΔE: 3.06
HSV: 5 195 220
PANTONE: 485
RGB: 220,66,52

209 Фиолетовый
HSV: 273 255 255
CMYK: 45,100,0,0
RGB: 139,0,255

ΔE: 80.48
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 69.86
HSV: 319 220 217
PANTONE: Hexachrome Magenta
RGB: 217,30,157

210 Фиолетово-баклажанный
HSV: 300 227 153
CMYK: 0,88,0,39
RGB: 153,17,153

ΔE: 30. 81
HSV: 318 155 145
RAL-D2: 340 40 45
RGB: 145,57,119

ΔE: 18.79
HSV: 314 184 161
PANTONE: 248
RGB: 161,45,134

211 Зелень Гинье
HSV: 161 129 130
CMYK: 51,0,16,49
RGB: 64,130,109

ΔE: 1.94
HSV: 159 117 129
RAL-D2: 170 50 25
RGB: 70,129,108

ΔE: 6.96
HSV: 164 186 126
PANTONE: 2244
RGB: 34,126,101

212 Пшеничный
HSV: 39 69 245
CMYK: 0,9,26,3
RGB: 245,222,179

ΔE: 2.71
HSV: 37 63 247
RAL-D2: 085 90 20
RGB: 247,224,186

ΔE: 1.79
HSV: 38 66 242
PANTONE: 7506
RGB: 242,219,179

213 Белый
HSV: 0 0 255
CMYK: 0,0,0,0
RGB: 255,255,255

ΔE: 9.04
HSV: 21 21 246
RAL-D2: 050 92 05
RGB: 246,233,226

ΔE: 10.26
HSV: 173 10 229
PANTONE: 7541
RGB: 220,229,228

214 Глициния
HSV: 276 102 255
CMYK: 16,40,0,0
RGB: 214,153,255

ΔE: 26. 11
HSV: 270 81 192
RAL-D2: 310 60 35
RGB: 161,131,192

ΔE: 28.4
HSV: 288 93 168
PANTONE: 7441
RGB: 156,107,168

215 Вино
HSV: 353 150 114
CMYK: 0,59,52,55
RGB: 114,47,55

ΔE: 2.05
HSV: 354 152 109
RAL-D2: 020 30 30
RGB: 109,44,50

ΔE: 5
HSV: 357 131 111
PANTONE: 2042
RGB: 111,54,57

216 Занаду
HSV: 136 36 134
CMYK: 14,0,10,47
RGB: 115,134,120

ΔE: 4.87
HSV: 144 42 122
RAL-D2: 160 50 10
RGB: 102,122,110

ΔE: 1.96
HSV: 127 33 138
PANTONE: 5625
RGB: 120,138,122

217 Жёлтый
HSV: 60 255 255
CMYK: 0,0,100,0
RGB: 255,255,0

ΔE: 22.85
HSV: 58 255 212
RAL-D2: 100 80 80
RGB: 212,204,0

ΔE: 14.04
HSV: 56 255 243
PANTONE: 3955
RGB: 243,226,0

218 Циннвальдит
HSV: 19 65 235
CMYK: 0,17,25,7
RGB: 235,194,175

ΔE: 2. 43
HSV: 19 72 238
RAL-D2: 050 80 20
RGB: 238,192,171

ΔE: 1.04
HSV: 19 68 236
PANTONE: 7415
RGB: 236,193,173

219 Кобальтовая синь
HSV: 233 255 168
CMYK: 100,88,0,34
RGB: 0,20,168

ΔE: 49.9
HSV: 246 121 156
RAL-D2: 300 40 45
RGB: 89,82,156

ΔE: 40.57
HSV: 255 153 135
PANTONE: Violet
RGB: 74,54,135

220 Восход солнца
HSV: 44 204 255
CMYK: 0,22,80,0
RGB: 255,199,51

ΔE: 5
HSV: 43 203 243
RAL-D2: 085 80 70
RGB: 243,189,50

ΔE: 4.42
HSV: 44 203 242
PANTONE: 2006
RGB: 242,192,49

Опубликовано 09.06.2021 19:24:33

Конвертер RGB в Pantone — онлайн и бесплатно

PhotoRetrica

Выберите редактор

App 1App 2App 3 На весь экран

Как преобразовать RGB в Pantone

Выберите приложение

Вверху над окном редактора вы можете увидеть кнопки выбора приложения. Щелкните по одному из них, чтобы запустить приложение. Позже вы можете переключить это и попробовать другое приложение.

Следуйте шагам

Теперь вы можете использовать приложение внутри редактора для преобразования RGB в Pantone. Следуйте инструкциям, которые вы увидите внутри приложения. Если вам не нравится это приложение, попробуйте другое.

Наслаждайтесь результатом

Теперь, когда у вас есть понравившееся изображение, не забудьте сохранить его на свой компьютер. Также добавьте наш сайт в закладки и на главный экран вашего устройства, чтобы не потерять ссылку.

В чем разница между RGB и Pantone

Цветовая модель RGB (сокращение от английских слов Red, Green, Blue) — это аддитивная цветовая модель. Используется для излучаемого света, т. Е. При подготовке экранных документов. Выбор основных цветов обусловлен физиологическими особенностями восприятия цвета сетчаткой глаза человека. Любой цвет можно представить в виде комбинации 3-х основных цветов: красного, зеленого, синего. Эти цвета называются цветовыми компонентами. Изображение в этой модели получается путем смешивания трех основных цветов, например, при смешивании красного и синего он получается пурпурным, при смешивании красного и зеленого — желтым, при смешении синего и зеленого — голубым. А если смешать все три основных цвета, получится белый. Наиболее распространенное цветовое пространство, использующее эту модель, — sRGB. Он может отображать более насыщенные цвета, чем CMYK, поэтому часто изображения в CMYK выглядят ярче и тусклее.

Pantone — американская компания, разработавшая систему стандартизации нескольких тысяч существующих цветов и их оттенков — Pantone Matching System или PMS. Признанный во всем мире эксперт в области цвета, он занимается созданием цветовых палитр, консультирует бренды по тенденциям на рынке дизайна. Цветовые схемы Panton используются в текстиле, предметах интерьера и в других областях. Система определения, подбора и смешивания цветов значительно упрощает взаимодействие со специалистами в полиграфии, моде, дизайне, в том числе в Интернете. Например, если вам, как Заказчику, необходимо получить дизайн веб-сайта в строго определенной палитре, вы сообщаете дизайнеру номер желаемого цвета в соответствии с PMS — справочником пронумерованных оттенков и сохраняете уверенность, что будете правильно понял. Кроме того, ПМС предлагает оптимальное сочетание оттенков. Pantone можно назвать универсальным языком цвета.

Все конвертеры RGB

RGB в HEX

Преобразование цветовых кодов RGB в формат HEX бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в HEX вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в HSL

Преобразование цветовых кодов RGB в формат HSL бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в HSL вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в HSV

Преобразование цветовых кодов RGB в формат HSV бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в HSV вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в HSB

Преобразование цветовых кодов RGB в формат HSB бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в HSB вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в HTML

Преобразование цветовых кодов RGB в формат HTML бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в HTML вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в CMYK

Преобразование цветовых кодов RGB в формат CMYK бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в CMYK вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в RAL

Преобразование цветовых кодов RGB в формат RAL бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в RAL вы можете получить цветовой код в нужном формате.

Открыть приложение

RGB в Pantone

Преобразование цветовых кодов RGB в формат Pantone бесплатно и быстро. С помощью нашего простого онлайн-конвертера RGB в Pantone вы можете получить цветовой код в нужном формате.

Открыть приложение

Вам нравится PhotoRetrica? Помогите нам расти!

Мы стараемся создать максимально удобный и универсальный редактор для всего, что связано с фотографиями и изображениями. Мы нуждаемся в твоей помощи. Добавьте нас в закладки или на главный экран вашего устройства. Поделитесь ссылкой на наш сайт в своих социальных сетях. Спасибо!

↑

Конвертирование в CMYK в Photoshop CS

СтатьиУроки

Конвертирование в CMYK в Photoshop CS

Немногие пользователи Photoshop после обработки фотографий отправляют их на печать. Уже привычным делом стало делиться своими снимками в сети Интернет или показывать их друзьям на экранах компьютеров, планшетов и прочих гаджетов. Но что делать, если все-таки возникла необходимость напечатать фотографию? Стоит ли полагаться на удачу и ожидать что снимки выйдут столь же удачными, как на экране монитора? Тут и возникает необходимость подготовить снимок таким образом, чтобы и на бумаге он вышел «правильным» и все старания по обработке фотографии не прошли зря.

У многих читателей, возможно, уже возник вопрос: «Что тут можно сделать не так? Разве не достаточно выполнить команду Image >Mode >CMYK [Изображение >Режим >CMYK] и решить проблему раз и навсегда?»

Дело в том, что метод заданный по умолчанию в Photoshop для конвертации в режим CMYK, не учитывает определенные моменты, которые могут негативно и непредсказуемо отразиться на печати.

Что из себя представляют режимы CMYK и RGB?

Режим RGB является методом визуального отображения изображения на экране с помощью трех цветов Red (Красный), Green (Зеленый) и Blue (Голубой), после смешения пикселов которых, получается необходимый оттенок.

А CMYK представляет собой распределение Cyan [Голубой], Magenta [Сиреневый], Yellow [Желтый] и Black [Черный] цветов для реализации сетей смещения, которые распределяют образцы точек с переменной плотностью и размером на «листе бумаги», именно это и дает возможность получить необходимый цвет. Когда мы смотрим на CMYK-изображение, то наблюдаем лишь симуляцию режима, на самом деле мы наблюдаем RGB-режим, в который «налету» было переведено изображение для его отображения, потому что монитор не поддерживает CMYK-метод вывода.

Увеличение точек

Итак, с чего же начать? Для корректного конвертирования изображения в CMYK-режим, необходимо решить несколько проблем и, прежде всего — Dot Gain [Увеличение точки]. После того, как изображение уже напечаталось, легко заметить, что оно состоит из маленьких пятен, сделанных чернилами принтера, в зависимости от качества используемой бумаги они (пятна) имеют расширение от центра к внешним сторонам.

Для проверки принтера, обычно отдают на печать паттерн, состоящий из точек диаметром 1 миллиметр. Первоначально точки взаимодействуют с листом бумаги аналогичного диаметра, но спустя некоторое время, точки могут увеличить значения, что приводит к небольшому изменению цветов. Связано это может быть как с некачественной бумагой, так и с плохими чернилами.

В Photoshop у вас есть возможность регулировать процесс печати этих точек, управлять их яркостью перед окончательным выводом. Делается это посредством меню File > Print with Preview [Файл >Печать с Предварительным просмотром], параметр Dot Gain [Точечное увеличение]. Для соответствия в данном случае (когда произошло увеличение точек в размерах) требуется уменьшение точек, чтобы расширение стало равным одному миллиметру.

Количество чернил

Другой проблемой является распределение чернил на бумаге, их общее количество. Для того, чтобы избежать попадания чернил по одним тем же участкам на бумаге, необходимо чтобы сумма их четырех значений не превышала 300.

Число 300 на самом деле является средним значением, неким универсалом. Большинство газет и журналов задают даже меньшие значения как предел, поэтому прежде чем отдавать в печать изображение уточните эти параметры.

Например, можно распределить цвета следующим образом (правильный способ): 90 C, 90M, 100Y и 0K, таким образом, получается сумма 280 (90+90+100+0). А вот такое распределение будет уже неправильным: 100C, 100M, 100Y и 100K, потому что в этом случае сумма будет равна 400. Главное реально понимать, что визуально соотношение 20C, 20M, 20Y и 20K выглядит, так же как и 0C, 0M, 0Y и 0K. О факторах влияющих на это было сказано выше.

Конвертирование в другой профиль

Перейдем к практической части. А именно, будем брать под контроль все, ну или почти все, факторы, которые могут негативно повлиять на печать изображения. Часто, создавая PSD-файл, содержащий несколько слоев, различные цветовые режимы и пр. , невозможно отследить все изменения CMYK-режима.

Поэтому большинство пользователей создает/обрабатывает изображение в RGB, применяет фильтры, которые недоступны в другой цветовой модели, и только по завершении работы конвертируют получившееся.

Для этого существуют несколько способов. Один из них выполнение команды Image >Mode >CMYK [Изображение >Режим >CMYK]. Данный способ математически преобразовывает изображение, не обращая внимания на сопутствующие этой конвертации проблемы.

Другой путь — выполнение команды Image >Mode > Convert to Profile [Изображение >Режим >Конвертировать профиль], где вам нужно найти область определения [Destination Space] и выбрать из выпадающего меню Profile [Профиль] пункт Custom CMYK [Выборочный CMYK], после чего вам откроется диалоговое окно как на рисунке ниже.

Установите параметры как на рисунке, они являются оптимальными.

Вот таким довольно простым после тщательного рассмотрения способом достигается корректное конвертирование в CMYK-режим.

Источник: http://photonews.ru

Преобразование

SAR в RGB с использованием CycleGAN

В этом блоге представлен обзор преобразования радара с синтезированной апертурой (SAR) в изображение RGB с использованием недавно реализованной модели CycleGAN в API ArcGIS для Python.

Мотивация

Рассмотрим сценарий, в котором облачный день препятствует использованию оптических изображений для наблюдения Земли. Радар с синтезированной апертурой (SAR), который является активным типом сбора данных, обеспечивает альтернативный метод захвата изображения, который может проникать сквозь облака и создавать желаемые изображения земли.

SAR против оптического изображения в пасмурный день

Хотя это приложение SAR, безусловно, полезно, это сложная технология со своими собственными препятствиями для тех, кто с ней не знаком. К счастью, модели перевода изображений с глубоким обучением позволяют пользователям преобразовывать изображения SAR в более понятное оптическое изображение RGB.

Одной из таких моделей является CycleGAN, которая недавно была добавлена в модуль arcgis.learn ArcGIS API for Python. В оставшейся части этого блога будут рассмотрены шаги, показывающие, как можно использовать модель.

Важно отметить, что модель CycleGAN ожидает непарные данные и не имеет никакой информации о сопоставлении SAR с пикселями RGB, поэтому она может отображать темные пиксели на исходном изображении в более темные затененные пиксели на другом изображении, которые могут не отображаться. всегда (особенно в сельскохозяйственных угодьях). Если возникает проблема такого рода, когда результаты не совпадают из-за неправильного сопоставления, можно использовать модель Pix2Pix, которая предполагает парные данные.

Данные и предварительная обработка

Образец данных, который мы будем использовать, представляет собой одноканальное (HH) смоделированное изображение SAR Capella Space, которое мы получили в формате tiff, и оптическое изображение RGB для Роттердама в Нидерландах. Мы преобразовали одноканальное изображение SAR в 8-битный беззнаковый 3-канальный растр с использованием 9Функция растра 0017 Extract Bands в ArcGIS Pro, которая позволит нам экспортировать 3-канальные изображения JPEG для подготовки данных.

Экспорт обучающих выборок

Для обучения моделям глубокого обучения нужны обучающие данные, поэтому мы воспользуемся инструментом Экспорт обучающих данных для глубокого обучения в ArcGIS Pro, чтобы экспортировать соответствующие обучающие выборки из наших данных. Недавно в ArcGIS Pro была добавлена поддержка экспорта данных в формате Export Tiles , который мы будем использовать для этой задачи. Этот недавно добавленный формат позволяет вам экспортировать фрагменты изображения определенного размера без каких-либо меток. В рамках этого процесса мы экспортировали 3087 чипов, из которых мы использовали примерно 9.0% (2773) изображений для обучения и оставшиеся 308 изображений для проверки нашей модели.

Экспортированные чипы с использованием формата Export Tiles

Обучение модели преобразования изображений SAR в RGB

После экспорта обучающих данных мы использовали ArcGIS Notebooks и модуль arcgis. learn в Python API для обучения модели.

Подготовка данных

Прежде чем мы сможем начать обучение нашей модели, нам сначала нужно подготовить наши данные. Для этого мы использовали функцию prepare_data() , доступную в API, и передали dataset_type параметр как «CycleGAN». Функция prepare_data() подготавливает объект данных из обучающих данных, которые мы экспортировали на предыдущем шаге. Этот объект данных состоит из наборов данных для обучения и проверки с указанными преобразованиями, размером чипа, размером партии, процентом разделения и т. д.

Подготовка данных

Обучение модели

После того, как мы подготовили данные, мы начали процесс обучения нашей модели, используя метод fit() в API.

Подгонка модели

Из статистики на рисунке выше видно, что наши потери при проверке продолжают уменьшаться с каждой эпохой обучения. В результате потеря проверки наших первоначальных 25 эпох все еще оставляла возможности для улучшения, поэтому мы обучили модель еще на 25 эпох.

Визуализация результатов

Далее мы проверим модель, визуализируя несколько образцов из набора данных проверки, который мы подготовили, просто вызвав show_results() с помощью API.

Результаты, полученные после обучения модели на 50 эпох Сравнение оптических изображений и преобразованных изображений с использованием модели, которую мы обучили

. После обучения в течение 50 эпох результаты на снимке экрана выше показывают, что наша модель была хорошо обучена и может реалистично преобразовывать изображения SAR в изображения RGB, а также изображения RGB в SAR.

Вывод

После того, как мы были удовлетворены результатами нашей обученной модели, мы выполнили вывод в более крупном масштабе, чтобы преобразовать изображения SAR в RGB. Мы сделали это, используя Классифицировать пиксели с помощью инструмента Deep Learning , доступного в ArcGIS Pro.

Классификация пикселей с помощью инструмента глубокого обучения в ArcGIS Pro

Полученные в результате логические выводы изображения представлены на рисунке ниже. Вы можете заметить, что изображения SAR теперь лучше интерпретируются людьми после преобразования в оптические изображения с использованием модели.

Изображение SAR в RGB, преобразованное с использованием процесса

Заключение

В этом посте мы рассмотрели практическое применение генеративного глубокого обучения для преобразования изображений радара с синтезированной апертурой (SAR) в оптические изображения RGB. Это стало возможным благодаря моделям преобразования изображения в изображение, таким как CycleGAN в Модуль arcgis.learn ArcGIS API для Python.

Наблюдение за Землей — важная, но сложная задача, особенно в пасмурные дни. Преобразование изображений SAR в RGB с использованием таких моделей, как CycleGAN, может стать отличным инструментом для преодоления ограничений оптических изображений. Упражнение показывает, как генеративные модели глубокого обучения могут помочь нам воспользоваться преимуществами изображений SAR даже в пасмурные дни.

Благодарность

Мы хотели бы поблагодарить Capella Space за предоставление изображений SAR для этого исследования. У Капеллы 9Компания 0003 недавно представила

коммерческие изображения SAR с самым высоким в мире разрешением, которые позволяют нам наблюдать за нашей планетой в любую погоду и при любом освещении.

Об авторах

Гунит Мутреджа

Инженер по продукту в Центре исследований и разработок Esri в Нью-Дели. Верящий в то, что геопространственные технологии вместе с искусственным интеллектом могут решить самые большие мировые проблемы.

Подключить:

Рохит Сингх

Директор Центра исследований и разработок Esri, Нью-Дели, руководитель разработки технологий искусственного интеллекта ArcGIS и API ArcGIS для Python. Применение глубокого обучения к науке о том, где!

Подключить:

Обсуждение статьи:

Связанный контент:

Преобразование изображений

SAR в RGB с использованием CycleGAN

Введение

Способность данных SAR позволяет нам видеть сквозь облака, что делает их более ценными, особенно в облачных районах и плохой погоде. Это время, когда наблюдение за Землей может принести максимальную пользу, но оптические датчики мешают нам это делать. В настоящее время многие организации инвестируют в данные SAR, делая их более доступными для пользователей, чем раньше. Единственным недостатком данных SAR является отсутствие помеченных данных, поскольку пользователям сложнее понять и пометить данные SAR, чем оптические изображения.

В этом образце записной книжки мы увидим, как мы можем использовать преимущества SAR и оптических изображений для выполнения круглогодичного наблюдения Земли. Мы будем обучать модель глубокого обучения для преобразования изображений SAR в изображения RGB, тем самым делая оптические данные (переведенные) доступными даже в экстремальные погодные дни и облачные районы.

Мы обучим модель CycleGAN для этого случая. Важно отметить, что модель CycleGAN ожидает непарные данные и не имеет никакой информации о сопоставлении SAR с пикселями RGB, поэтому она может сопоставлять темные пиксели исходного изображения с более темными затененными пикселями на другом изображении, что может не всегда быть правильным. (особенно на землях сельскохозяйственного назначения). Если возникает такая проблема, когда результаты не совпадают из-за неправильного сопоставления, можно использовать модель Pix2Pix, которая ожидает парные данные.

Необходимый импорт

 import os, zipfile
из пути импорта pathlib
из arcgis.gis импортировать ГИС
from arcgis.learn import prepare_data, CycleGAN

Подключиться к ГИС

 # Подключиться к ГИС
gis = GIS('home')

Экспорт обучающих данных

Для этого варианта использования у нас есть изображения SAR из Capella Space и изображения мира в виде плиток RGB недалеко от города Роттердам в Нидерландах. Мы экспортировали эти данные в новый формат метаданных «CycleGAN», доступный в версии 9.0119 Экспорт данных обучения для инструмента Deep Learning . Этот инструмент Export Training Data For Deep Learning доступен в ArcGIS Pro, а также в ArcGIS Image Server.

Входной растр : фрагмент изображения SAR
Дополнительный растр : изображения RGB
Размер плитки X и Размер плитки Y : 256
Шаг X и Шаг Y : 128
Формат метаданных : CycleGAN
Окружающая среда : Установить оптимальный Размер ячейки , Объем обработки .

В экспортированных данных обучения папки «A» и «B» содержат все фрагменты изображений, экспортированные из изображений SAR и изображений RGB (кэш изображений мира) соответственно. В каждой папке также будут другие файлы, такие как «esri_accumulated_stats.json», «esri_model_definition.emd», «map.txt», «stats.txt». Теперь мы готовы обучить модель CycleGAN .

В качестве альтернативы мы предоставили подмножество обучающих данных, содержащее несколько образцов, которые следуют той же структуре каталогов, упомянутой выше. Вы можете использовать данные непосредственно для запуска экспериментов.

 training_data = gis.content.get('25ed4a30219e4ba7acb3633e1a75bae1')
training_data

sar_to_rgb_image_translation_using_cyclegan
Коллекция изображений от api_data_owner
Последнее изменение: 25 февраля 2022 г.
0 комментариев, 124 просмотров

 filepath = training_data. download(file_name=training_data.name)

 с zipfile.ZipFile(filepath, 'r') as zip_ref:
    zip_ref.extractall(Путь(путь к файлу).родительский)

 output_path = Path(os.path.join(os.path.splitext(filepath)[0]))

Обучение модели

Мы будем обучать модель CycleGAN [1], которая выполняет задачу Image-to-Image перевод, где он изучает сопоставление между входными и выходными изображениями, используя непарный набор данных. Эта модель является расширением архитектуры GAN, которая включает в себя одновременное обучение двух моделей генератора и двух моделей дискриминатора. В GAN мы можем генерировать образы домена Y из домена X, но в CycleGAN мы также можем генерировать образы домена X из домена Y, используя ту же архитектуру модели.

Рисунок 4. Архитектура CycleGAN

Он имеет две функции отображения: G : X → Y и F : Y → X, а также связанные дискриминаторы состязательности Dy и Dx. G пытается генерировать изображения, похожие на изображения из домена Y, в то время как Dy стремится различать переведенные образцы G(x) и реальные образцы y. G стремится минимизировать эту цель против противника D, который пытается ее максимизировать. Тот же процесс происходит при генерации изображений домена X из домена Y с использованием F в качестве генератора и Dx в качестве дискриминатора.

Подготовить данные

Укажем путь к нашим обучающим данным и несколько гиперпараметров.

путь : путь к папке, содержащей данные обучения.
batch_size : Количество изображений, которые ваша модель будет тренировать на каждом шаге внутри эпохи, напрямую зависит от памяти вашей графической карты. 4 работал у нас на графическом процессоре 11 ГБ.

 data = prepare_data(output_path, batch_size=8)

Визуализация обучающих данных

Чтобы понять, как выглядят обучающие данные, метод arcgis.learn.show_batch() случайным образом выбирает несколько обучающих чипов и визуализирует их.

строк : Количество строк для визуализации

 data. show_batch()

Загрузить архитектуру модели

 модель = CycleGAN(данные)

Найти оптимальную скорость обучения

Скорость обучения — один из самых важных гиперпараметров в обучении модели. ArcGIS API for Python предоставляет средство поиска скорости обучения, которое автоматически выбирает для вас оптимальную скорость обучения.

 lr = model.lr_find()

Подгонка модели

Мы будем обучать модель в течение нескольких эпох с найденной скоростью обучения. Ради экономии времени мы можем начать с 25 эпох. В отличие от некоторых других моделей, мы обучаем CycleGAN с нуля со скоростью обучения 2e-04 для некоторых начальных эпох, а затем линейно снижаем скорость до нуля в течение следующих эпох.

 model.fit(25, lr)

1955119191h25519191h2551h2555555555 является02564

эпоха	train_loss	valid_loss	id_loss	gen_loss	cyc_loss	D_A_loss	D_B_loss	time
0	12. 721999	11.730223	3.998488	0.769209	7.954296	0.265965	0.281635	13: 34
1	7,841636	7,544123	2,355145	50.842276	4,64444444444444444444444444444444444444444444444444444444444444444444444444444444444444444442194н5н5н 9н5519519519519551951951955195519551951	0.219886	13:30
2	6.932475	6.646543	2.033799	0.860827	4.037850	0.167215	0.1	13:31
3	6.302457	6.236442	1.826933	0.885448	3.5	0.130738	0.217415	13:30
4	6.080861	6.053925	1.707871	0.943970	3. 429021	0.126789	0.220006	13:30
5	5.962185	5.660501	1.664525	0.929826	3.367835	0.144954	0.200088	13:31
.0256	0.197749	13:30
7	5.537426	5.526513	1.510175	0.866212	3.161039	0.183122	0.187084	13:31
8	5.2	6.0	1.422879	0.877437	2.989780	0.161592	0.446271	13:31
9	5.662517	5.221590	1.532634	0.893956	3.235927	0.176112	0.197955	13:31
10	5.206953	5.220056	1.381885	0.889010	2. 936058	0.189249	0.233941	13:29
11	5.070705	4.976690	1.332413	0.896229	2.842061	0.174638	0.201816	13:30
12	5.005665	4.977567	1.305359	0.2	2.797843	0.167335	0.181656	13:37
13	5.110228	5.356337	1.337922	0.0	2.870818	0.215103	0.180093	13:45
14	4.853711	4.679384	1.252533	0.888777	2.712400	0.180137	0.225612	13:35
15	4.977405	4.836682	1.300151	0.	2.772090	0.172903	0. 229463	13:34
16	4.767528	4.654548	1.225715	0.	2	2.637859	0.189157	0.174896	13:32
17	5.028263	4.956115	1.318882	0.887852	2.821530	0.184559	0.179959	13:30
18	4.728264	4.597402	1.225199	0.874639	2.628427	0.175217	0.168787	13:28
19	4.706354	4.533289	1.217351	0.882405	2.606596	0.189901	0.174052	13:30
20	4.579993	4.584113	1.184290	0.867878	2.527825	0.178014	0.185218	13:31
21	4. 523578	4.520947	1.163049	0.870982	2.489547	0.177160	0.175121	13:30
22	4.620153	4.558319	1.195908	0.877545	2.546699	0.176048	0.174974	13:30
23	4.677400	4.536479	1.217801	0.863664	2.595937	0.178214	0.179145	13:31
24	4.555197	4.551400	1.183150	0.861303	2.510743	0.177039	0.175313	13:29

Here, with 25 epochs, we can see reasonable results — both training and validation losses have gone down considerably , что указывает на то, что модель учится преобразовывать изображения SAR в RGB и наоборот.

Визуализация результатов в проверочном наборе

Рекомендуется видеть результаты модели, а именно истинные основания. Приведенный ниже код выбирает случайные выборки и показывает нам истину и прогнозы модели рядом друг с другом. Это позволяет нам просматривать результаты модели в блокноте.

 model.show_results(4)

Сохраните модель

Мы сохраним модель, которую мы обучили, как «Пакет глубокого обучения» (формат «.dlpk»). Пакет Deep Learning — это стандартный формат, используемый для развертывания моделей глубокого обучения на платформе ArcGIS.

Мы будем использовать метод save() для сохранения обученной модели. По умолчанию он будет сохранен в подпапке «модели» в нашей папке с данными обучения.

 model.save("SAR_to_RGB_25e", публикация=Истина)

 WindowsPath('D:/CycleGAN/Data/data_for_cyclegan_le_3Bands/models/SAR_to_RGB_25e')

Вывод модели

Мы можем преобразовать изображения SAR в RGB и наоборот с помощью метода predict() .

Используя функцию прогнозирования, мы можем применить обученную модель к изображению, которое мы хотим перевести.

img_path : путь к файлу изображения.
convert_to : тип поддельного изображения «a» или «b», которое мы хотим создать.

 # раскомментируйте ячейку, чтобы выполнить прогнозирование нужного изображения.
# model.predict(r"D:\CycleGAN\Data\exported_data_CycleGAN\A\images\000002800.tif", convert_to="b")

На предыдущем шаге мы переводим изображение типа , т.е. SAR изображения в изображение типа b , т.е. изображение RGB. Мы также можем выполнить преобразование type b в type a , изменив файл изображения и параметр convert_to .

 # раскомментируйте ячейку, чтобы выполнить прогнозирование нужного изображения.
# model.predict(r"D:\CycleGAN\Data\exported_data_CycleGAN\B\images\000008007.tif", convert_to="a")

Кроме того, мы можем использовать инструмент Classify Pixels Using Deep Learning , доступный как в ArcGIS Pro, так и в ArcGIS Enterprise.

Входной растр : растровый слой, который вы хотите классифицировать.
Определение модели : Он будет находиться внутри сохраненной модели в папке «models» в формате «.emd».
Заполнение : «Входной растр» разбит на плитки, и модель глубокого обучения классифицирует каждую отдельную плитку отдельно перед созданием окончательного «Выходного классифицированного растра». Это может привести к нежелательным артефактам по краям каждой плитки, поскольку модель имеет мало контекста для точного прогнозирования. Заполнение, как следует из названия, позволяет нам предоставлять дополнительную информацию по краям плитки, что помогает модели лучше прогнозировать.
Размер ячейки : должен быть близок к размеру, используемому для обучения модели. Это было указано на шаге Экспорт обучающих данных.
Тип процессора : Это позволяет вам контролировать, будет ли система «GPU» или «CPU» использоваться для классификации пикселей, по умолчанию будет использоваться «GPU по умолчанию», если доступно.

`Результаты`

Приведенный ниже gif-файл был получен с помощью модели, обученной в этой записной книжке, и визуализирует сгенерированное изображение RGB поверх исходного изображения RGB недалеко от Роттердама.

`Заключение`

В этой записной книжке мы продемонстрировали, как использовать модель CycleGAN с использованием ArcGIS API for Python для преобразования изображений одного типа в другой.

`Ссылки`

[1] Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros: Преобразование непарного изображения в изображение с использованием циклически согласованных состязательных сетей; https://arxiv.org/abs/1703.10593.

`Была ли эта страница полезной?`

`Трансляция кросс-модальной пирамиды для распознавания сцены RGB-D`

Айтар Ю., Кастрехон Л., Вондрик К., Пирсиаваш Х. и Торралба А. (2017). Сети кросс-модальных сцен. IEEE Transactions on Pattern Analysis and Machine Intelligence , 40 (10), 2303–2314.
Артикул Google Scholar
Баника, Д., и Сминчисеску, К. (2015). Ограниченные параметрические предложения второго порядка и структурированное предсказание на основе последовательного поиска для семантической сегментации в изображениях RGB-D. В Конференция IEEE по компьютерному зрению и распознаванию образов , стр. 3517–3526.
Чаттопадхай, А., Саркар, А., Хауладер, П., и Баласубраманян, В. Н. (2018). Grad-CAM++: обобщенные визуальные объяснения глубоких сверточных сетей на основе градиента. В Зимней конференции IEEE 2018 г. по приложениям компьютерного зрения (WACV) (стр. 839–847). IEEE.
Чен Ю., Лай Ю. К. и Лю Ю. Дж. (2018). CartoonGAN: Генеративные состязательные сети для мультипликации фотографий. В Конференция IEEE по компьютерному зрению и распознаванию образов , стр. 9465–9474.
Ченг, С., Лу, Дж., Фэн, Дж., Юань, Б., и Чжоу, Дж. (2018). Распознавание сцены с предметностью. Распознавание образов , 74 , 474–487.
Артикул Google Scholar
Христодиас, К.М., Уртасун, Р., Зальцманн, М., и Даррелл, Т. (2010). Обучение распознаванию объектов из невидимых модальностей. В Европейская конференция по компьютерному зрению (стр. 677–691). Спрингер.
Чимпои, М., Маджи, С., Коккинос, И., и Ведальди, А. (2016). Глубокие банки фильтров для распознавания, описания и сегментации текстуры. Международный журнал компьютерного зрения , 118 (1), 65–94.
Артикул MathSciNet Google Scholar
Ду Д., Ван Л., Ван Х., Чжао К. и Ву Г. (2019 г.)). Преобразование в распознавание сетей для распознавания сцен RGB-D. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 11836–11845.
Гэтис, Л. А., Экер, А. С., и Бетге, М. (2016). Передача стиля изображения с помощью сверточных нейронных сетей. На конференции IEEE по компьютерному зрению и распознаванию образов (стр. 2414–2423). IEEE.
Гудфеллоу И., Пуже-Абади Дж., Мирза М., Сюй Б., Вард-Фарли Д., Озаир С., Курвиль А. и Бенжио Ю. (2014 г. ). Генеративные состязательные сети. В Достижения в системах обработки нейронной информации , стр. 2672–2680.
Гупта С., Арбелаес П., Гиршик Р. и Малик Дж. (2015). Понимание внутренней сцены с изображениями RGB-D: сегментация снизу вверх, обнаружение объектов и семантическая сегментация. IJCV , 112 (2), 133–149.
Артикул MathSciNet Google Scholar
Гупта С., Гиршик Р., Арбелаес П. и Малик Дж. (2014). Изучение богатых функций изображений RGB-D для обнаружения и сегментации объектов. В Европейская конференция по компьютерному зрению (стр. 345–360). Спрингер.
Гупта, С., Хоффман, Дж., и Малик, Дж. (2016). Кроссмодальная дистилляция для передачи контроля. На конференции IEEE по компьютерному зрению и распознаванию образов , стр. 2827–2836.
Хе, К., Гкиоксари, Г., Доллар, П., и Гиршик, Р. Б. (2017). Маска R-CNN. На международной конференции IEEE по компьютерному зрению , стр. 2980–2988.
Хе, К., Чжан, X., Рен, С., и Сунь, Дж. (2014). Объединение пространственных пирамид в глубокие сверточные сети для визуального распознавания. Европейская конференция по компьютерному зрению , стр. 346–361. Спрингер.
Хе, К., Чжан, X., Рен, С., и Сунь, Дж. (2016). Глубокое остаточное обучение для распознавания изображений. На конференции IEEE по компьютерному зрению и распознаванию образов , стр. 770–778.
Хойзель, М., Рамзауэр, Х., Унтертинер, Т., Несслер, Б., и Хохрайтер, С. (2017). Сети GAN, обученные по правилу обновления в двух временных масштабах, сходятся к локальному равновесию Нэша. В Достижения в системах обработки нейронной информации , стр. 6626–6637.
Ховард, А. Г., Чжу, М., Чен, Б., Калениченко, Д., Ван, В., Вейанд, Т., Андреетто, М., и Адам, Х. (2017). Mobilenets: эффективные сверточные нейронные сети для приложений мобильного зрения. Препринт arXiv arXiv: 1704.04861
Изола П., Чжу Дж. Ю., Чжоу Т. и Эфрос А. А. (2017). Преобразование изображения в изображение с условными состязательными сетями. На конференции IEEE по компьютерному зрению и распознаванию образов .
Янок А., Караев С., Цзя Ю., Бэррон Дж. Т., Фриц М., Саенко К. и Даррелл Т. (2013). Набор данных 3D-объектов на уровне категорий: запуск Kinect в работу. В Потребительские камеры глубины для компьютерного зрения (стр. 141–165). Спрингер.
Джонсон, Дж., Алахи, А., и Фей-Фей, Л. (2016). Потери восприятия для передачи стиля в реальном времени и сверхвысокого разрешения. Европейская конференция по компьютерному зрению (стр. 694–711). Спрингер.
Калогейтон, В., Вайнзапфель, П., Феррари, В., и Шмид, К. (2017). Совместное обучение детекторов объекта и действия. В материалах международной конференции IEEE по компьютерному зрению , стр. 4163–4172.
Капидис Г., Поппе Р., ван Дам Э., Нолдус Л. и Вельткамп Р. (2019). Многозадачное обучение для улучшения распознавания эгоцентрических действий. В материалах международной конференции IEEE по компьютерному зрению .
Кендалл А., Гал Ю. и Чиполла Р. (2018). Многозадачное обучение с использованием неопределенности для взвешивания потерь геометрии и семантики сцены. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 7482–7491.
Кингма, Д. П., и Ба, Дж. (2014). Адам: Метод стохастической оптимизации. Препринт arXiv arXiv: 1412.6980
Коккинос, И. (2017). Ubernet: обучение универсальной сверточной нейронной сети зрению низкого, среднего и высокого уровня с использованием разнообразных наборов данных и ограниченной памяти. В Материалы конференции IEEE по компьютерному зрению и распознаванию образов , стр. 6129–6138.
Крижевский А., Суцкевер И. и Хинтон Г. Э. (2012). Классификация ImageNet с помощью глубоких сверточных нейронных сетей. В NIPS , стр. 1097–1105.
Лайна И., Рупрехт К., Белагианнис В., Томбари Ф. и Наваб Н. (2016). Более глубокое предсказание глубины с помощью полностью сверточных остаточных сетей. В 2016 году четвертая международная конференция по 3D Vision (3DV) (стр. 239–248). IEEE.
Ли, Т., и Ван, Л. (2020). Изучение пространственно-временных характеристик с помощью распознавания пар видео и текста. Препринт arXiv arXiv: 2001.05691
Ли, Ю., Чжан, Дж., Ченг, Ю., Хуанг, К., и Тан, Т. (2018). DF2Net: сеть обучения и слияния отличительных признаков для классификации сцен RGB-D внутри помещений. В АААИ .
Лин М., Чен К. и Ян С. (2013). Сеть в сети. Препринт arXiv arXiv: 1312. 4400
Лю Ю., Фэн С. и Чжоу З. (2016). Мультимодальная классификация видео с многоуровневыми сжимающими автоэнкодерами. Обработка сигналов , 120 , 761–766.
Артикул Google Scholar
Лувизон, округ Колумбия, Пикард, Д., и Табиа, Х. (2018). 2D/3D оценка позы и распознавание действий с использованием многозадачного глубокого обучения. В Материалы конференции IEEE по компьютерному зрению и распознаванию образов , стр. 5137–5146.
Лвд, М., и Хинтон, Г. (2008). Визуализация данных с помощью T-SNE. Journal of Machine Learning Research , 9 (ноябрь), 2579–2605.
МАТЕМАТИКА Google Scholar
Маккормак, Дж., Ханда, А., Лойтенеггер, С., и Дэвисон, А. Дж. (2017). Scenenet RGB-D: могут ли синтетические изображения размером 5 м превзойти обычную предварительную подготовку imagenet при сегментации в помещении? В международной конференции IEEE по компьютерному зрению , Том. 4.
Мисра И., Шривастава А., Гупта А. и Хеберт М. (2016). Сети для вышивания крестиком для многозадачного обучения. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 3994–4003.
Нгиам, Дж., Хосла, А., Ким, М., Нам, Дж., Ли, Х., и Нг, А.Ю. (2011). Мультимодальное глубокое обучение. В материалах 28-й международной конференции по машинному обучению (ICML-11) , стр. 689–696.
Омеиза, Д., Спикман, С., Синтас, К., и Вельдермариам, К. (2019). Smooth Grad-CAM++: усовершенствованный метод визуализации уровня логического вывода для моделей глубоких сверточных нейронных сетей. Препринт arXiv arXiv:1908.01224
Пашке А., Гросс С., Масса Ф., Лерер А., Брэдбери Дж., Чанан Г., Киллин Т., Лин З., Гимельшайн , Н., Антига, Л., и соавт. (2019). PyTorch: императивный стиль, высокопроизводительная библиотека глубокого обучения. In Достижения в области нейронных систем обработки информации , стр. 8024–8035.
Кваттони, А., и Торральба, А. (2009). Распознавание сцен в помещении. На конференции IEEE 2009 г. по компьютерному зрению и распознаванию образов (стр. 413–420). IEEE.
Рэдфорд, А., Мец, Л., и Чинтала, С. (2015). Неконтролируемое репрезентативное обучение с помощью глубоких сверточных генеративно-состязательных сетей. Препринт arXiv arXiv: 1511.06434
Рен С., Хе К., Гиршик Р. Б. и Сун Дж. (2015). Быстрее R-CNN: на пути к обнаружению объектов в реальном времени с сетями региональных предложений. В NIPS , стр. 91–99.
Рен, З., и Джэ Ли, Ю. (2018). Многозадачное междоменное самоконтролируемое изучение признаков с использованием синтетических изображений. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 762–771.
Роннебергер О., Фишер П. и Брокс Т. (2015). U-Net: сверточные сети для сегментации биомедицинских изображений. В Международная конференция по обработке медицинских изображений и компьютерному вмешательству (стр. 234–241). Спрингер.
Сельвараджу, Р. Р., Когсуэлл, М., Дас, А., Ведантам, Р., Парих, Д., и Батра, Д. (2017). Grad-CAM: визуальные объяснения из глубоких сетей с помощью локализации на основе градиента. В материалах международной конференции IEEE по компьютерному зрению , стр. 618–626.
Шмельков К., Шмид К. и Алахари К. (2018). Насколько хорош мой ган? В Труды Европейской конференции по компьютерному зрению (European Conference on Computer Vision) , стр. 213–229.
Зильберман, Н., Хойем, Д., Кохли, П., и Фергус, Р. (2012). Сегментация внутри помещений и поддержка выводов из изображений RGB-D. Европейская конференция по компьютерному зрению (стр. 746–760). Спрингер.
Симонян К., Зиссерман А. (2014). Очень глубокие сверточные сети для крупномасштабного распознавания изображений. CoRR arXiv:1409.1556
Сочер, Р., Ганджу, М., Мэннинг, К.Д., и Нг, А. (2013). Нулевое обучение за счет кросс-модального переноса. В Достижения в системах обработки нейронной информации , стр. 935–943.
Сонг, С., Лихтенберг, С.П., и Сяо, Дж. (2015). SUN RGB-D: Набор эталонных тестов понимания сцены RGB-D. На конференции IEEE по компьютерному зрению и распознаванию образов (стр. 567–576). IEEE.
Сонг, X., Херранц, Л., и Цзян, С. (2017). Глубинные CNN для распознавания сцен RGB-D: обучение с нуля лучше, чем перенос из RGB-CNN. В году Тридцать первая конференция AAAI по искусственному интеллекту .
Сун С., Цзян С., Ван Б., Чен С. и Чен Г. (2019). Представления изображений с пространственными отношениями объекта к объекту для распознавания сцены RGB-D. Транзакции IEEE при обработке изображений , 29 , 525–537.
Артикул MathSciNet Google Scholar
Сривастава, Н., и Салахутдинов, Р.Р. (2012). Мультимодальное обучение с помощью глубоких машин Больцмана. In Достижения в области нейронных систем обработки информации , стр. 2222–2230.
Такикава Т., Акуна Д., Джампани В. и Фидлер С. (2019). Gated-SCNN: CNN закрытой формы для семантической сегментации. В материалах международной конференции IEEE по компьютерному зрению , стр. 5229–5238.
команда A (2019) https://github.com/ashrutkumar/indoor-scene-recognition, 3-й ранг конкурса kaggle. Каггл вызов.
Ван, А., Кай, Дж., Лу, Дж., и Чам, Т.Дж. (2016). Слияние функций с учетом модальности и компонентов для классификации сцен RGB-D. В Конференция IEEE по компьютерному зрению и распознаванию образов (стр. 5995–6004). IEEE.
Ван, Х., Ван, З., Ду, М., Ян, Ф., Чжан, З., Дин, С., Мардзиэль, П., и Ху, X. (2020). Score-CAM: взвешенные визуальные пояснения для сверточных нейронных сетей. В Трудах конференции IEEE/CVF по компьютерному зрению и семинарам по распознаванию образов , стр. 24–25.
Ван Л. , Го С., Хуанг В., Сюн Ю. и Цяо Ю. (2017a). Устранение неоднозначности на основе знаний для крупномасштабной классификации сцен с CNN с несколькими разрешениями. IEEE Transactions on Image Processing , 26 (4), 2055–2068.
Артикул MathSciNet Google Scholar
Ван Л., Ли В., Ли В. и Гул Л. В. (2018a). Сети появления и отношения для классификации видео. На конференции IEEE по компьютерному зрению и распознаванию образов , стр. 1430–1439.
Ван Л., Ван З., Цяо Ю. и Гул Л. В. (2018b). Передача глубинных представлений объектов и сцен для распознавания событий в неподвижных изображениях. Международный журнал компьютерного зрения , 126 (2–4), 390–409.
Артикул MathSciNet Google Scholar
Ван П., Ли В., Гао З., Чжан Ю., Тан К. и Огунбона П. (2017b). Карта перехода от сцены к действию: новое представление для распознавания действий на основе RGB-D с помощью сверточных нейронных сетей. На конференции IEEE по компьютерному зрению и распознаванию образов .
Ван, X., и Гупта, А. (2016). Генеративное моделирование изображений с использованием стиля и структуры состязательных сетей. Европейская конференция по компьютерному зрению (стр. 318–335). Спрингер.
Ван З., Ван Л., Ван Ю., Чжан Б. и Цяо Ю. (2017c). Слабо контролируемые патч-сети: описание и объединение локальных патчей для распознавания сцен. IEEE Transactions on Image Processing , 26 (4), 2028–2041.
Артикул MathSciNet Google Scholar
Сяо, Дж., Оуэнс, А., и Торральба, А. (2013). Sun3d: база данных больших пространств, реконструированная с использованием SFM и меток объектов. На международной конференции IEEE по компьютерному зрению (стр. 1625–1632). IEEE.
Сюн, З., Юань, Ю., и Ван, К. (2020). MSN: Сети разделения модальности для распознавания сцен RGB-D. Нейрокомпьютинг , 373 , 81–89.
Артикул Google Scholar
Сюй Д., Оуян В., Риччи Э., Ван Х. и Себе Н. (2017a). Изучение кросс-модальных глубоких представлений для надежного обнаружения пешеходов. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 5363–5371.
Сюй, X., Ли, Ю., Ву, Г., и Луо, Дж. (2017b). Мультимодальное обучение функции dep для обнаружения объектов RGB-D. Распознавание образов , 72 , 300–313.
Артикул Google Scholar
Юань Ю., Сюн З. и Ван К. (2019). ACM: адаптивные кросс-модальные сверточные нейронные сети графов для распознавания сцен RGB-D. В Материалы конференции AAAI по искусственному интеллекту , Vol. 33, стр. 9176–9184.
Чжан Дж., Ли В., Огунбона П. О., Ван П. и Танг К. (2016a). Наборы данных распознавания действий на основе RGB-D: опрос. Распознавание образов , 60 , 86–105.
Артикул Google Scholar
Чжан Р., Изола П. и Эфрос А. А. (2016b). Красочная раскраска изображения. Европейская конференция по компьютерному зрению (стр. 649–666). Спрингер.
Чжан, З., Луо, П., Лой, К.С., и Тан, X. (2014). Обнаружение ориентиров лица с помощью глубокого многозадачного обучения. Европейская конференция по компьютерному зрению (стр. 94–108). Спрингер.
Чжоу, Б., Лапедриза, А., Сяо, Дж., Торральба, А., и Олива, А. (2014). Изучение глубоких функций для распознавания сцен с использованием базы данных мест. В Достижения в системах обработки нейронной информации , стр. 487–495.
Чжоу, Б., Лапедриза, А., Хосла, А., Олива, А., и Торральба, А. (2017). Места: база данных из 10 миллионов изображений для распознавания сцен. В ПАМИ .
Чжу, Х., Вейбель, Дж. Б., и Лу, С. (2016). Дискриминативное мультимодальное слияние функций для распознавания сцен RGBD внутри помещений. На конференции IEEE по компьютерному зрению и распознаванию образов (стр. 2969–2976). IEEE.

Скачать ссылки

`rgb - Перевод на японский - примеры английский`

Предложения: rgb лазер

Эти примеры могут содержать нецензурные слова, основанные на вашем поиске.

Эти примеры могут содержать разговорные слова на основе вашего поиска.

Установить значения цвета fill rgb [устарело]

塗りつぶし　 RGB 　色の値を設定する

Для указания любого атрибута, включающего цвет, необходимо указать rgb или шестнадцатеричный код.

色に関する属性を指定するには、コード（ RGB またはHex）を指定する必要がありゾす　

должна быть строка, содержащая информацию rgb в шестнадцатеричном формате, т. е.

は　 rgb 　情報を十六進表現で表した文字列である必要があります。

Приведенные ниже числа представляют собой шестнадцатеричные числа для кодов rgb в цветовой палитре по умолчанию.

Цвет RGB コードの16進数です：

Цифры справа от цветовой схемы — это шестнадцатеричные числа для числа 9.0017 rgb кодирует в стандартной цветовой палитре.

カラー・スキームの右にある数値は、標準カラー・パレットの RGB コードの16 進数ででラー・パレットの

Если указано менее 16 бит, они представляют старшие биты значения (в отличие от синтаксиса " rgb :", в котором значения масштабируются).

それぞれに 16 ビットより値が指定されている場合、これ値の最上位のビット表す（（がスケーリングれる " rgb ："　形式とは異なる）。

Rgb のにに 16 ビット小さい値がが指定されときは、これは値の桁を表す（（変えられるられる ' Rgb ：｀の記法と異なる。。。。異なる異なる異なる異なる異なる異なるられるられるられるられるられるられるられるられるられるられるられるられるられる

Наконец прибыли механические клавиатуры RGB .

最後に，　 RGB 　機械的なキーボードが到着しました。

Фикстура по умолчанию содержит 1 пиксель данных RGB .

デフォルトフィクスチャーは1　ピクセルの RGB データを備えています。

Необработанные файлы будут отображать собственный цвет камеры RGB .

入力画像がrawの場合は、カメラ固有の RGB カラーを表示します。

Перейдите в режим и выберите опцию RGB .

モードに移動し、オプションの RGB を選択します。

Этот небольшой образец отображает кодов RGB для нескольких цветов.

この小さなサンプルは、いくつかの色の RGB コードを表示します。

Интересный и играющий: полный RGB с подсветкой, индивидуальный цвет каждой клавиши и световые эффекты DIY необходимы.

面白いね & 再生：フル RGB バックライト，のすべてのキー｀ S 色と DIY 照明効果が必要.

требуется для питания и эффекта RGB .

：：電源ユニットと RGB エフェクトにはオーロラ светодиодный RGB コントローラー (商品：： 1013887) が必要とます。。。。。ますますますますますますなりなりなり

Эти опции недоступны для коммерческих Composite RGB .

これらのオプションは、印刷業者の　［簡易カラー校正用　 RGB ］　では使用せきま　

Пример #1 Доступ к отдельным значениям RGB

Пример 1　個々の　 RGB 　値へのアクセス

Каждый ключ с индивидуальными RGB Светодиодная лампа.

3）　すべてのキーは、個々　の　 RGB 　LED　ランプ.

Не очень быстро в случае ввода/вывода RGB .

RGB 　入出力の場合はあまり速くない。

Последовательность данных RGB имеет длину 1370 бит.

RGB データシーケンスのビット長は1370です。

Цвет представлен с использованием системы RGB .

色は、 RGB 　で表されます。

Возможно неприемлемый контент

Примеры используются только для того, чтобы помочь вам перевести искомое слово или выражение в различных контекстах. Они не отбираются и не проверяются нами и могут содержать неприемлемые термины или идеи. Пожалуйста, сообщайте о примерах, которые нужно отредактировать или не отображать. Грубые или разговорные переводы обычно выделены красным или оранжевым цветом.

Зарегистрируйтесь, чтобы увидеть больше примеров Это простой и бесплатный

регистр Соединять

`Мультимодельная платформа Fusion Framework для преобразования NIR в RGB`

 title={Мультимодельная платформа Fusion для преобразования NIR в RGB},
 автор = {Лунбинь Янь, Сюхэн Ван, Минь Чжао, Шуминь Лю и Цзе Чен},
 journal={2020 Международная конференция IEEE по визуальным коммуникациям и обработке изображений (VCIP)},
 год = {2020},
 страницы={459-462}
}  Longbin Yan, Xiuheng Wang, Jie Chen
 Опубликовано 1 декабря 2020 г.
 Информатика
 2020 Международная конференция IEEE по визуальным коммуникациям и обработке изображений (VCIP)
 Изображения в ближней инфракрасной области спектра предоставляют информацию за пределами спектра видимого света и, таким образом, полезны во многих приложениях. Однако одноканальные NIR-изображения содержат меньше информации на пиксель, чем RGB-изображения, и не воспринимаются человеком. Преобразование изображений NIR в изображения RGB необходимо для выполнения дальнейшего анализа и задач компьютерного зрения. В этой работе мы предлагаем новый метод преобразования NIR в RGB. Он содержит две подсети и оператора слияния. В частности… 
 Посмотреть на IEEE
 doi.org
 Многодиапазонная NIR-раскраска с использованием сети с учетом структуры 
 Minje Park, Ju-Han Lee, Sang-Ho Lee, Jong-Ok Kim
 Информатика
3
3 2 
3 Ежегодный саммит и конференция Азиатско-Тихоокеанской ассоциации обработки сигналов и информации (APSIPA ASC)
 2021
 Диапазон NIR и RGB с использованием многодиапазонных изображений N IR.
 Feature Distillation Network для многодиапазонной NIR-раскраски
 Tae-Sung Park, Tae-Hyeon Kim, Jong-Ok Kim
 Информатика
 2022 Ежегодный саммит и конференция Азиатско-Тихоокеанской ассоциации обработки сигналов и информации (APSIPA) ASC)
 2022
 Предлагается новая сетевая архитектура, которая передает знания о преобразовании из «RGB + NIR» в RGB в сети учителя ученику за счет потерь при дистилляции, и создается новый набор данных, который включает NIR multi -полосные изображения с соответствующей правдой RGB.
 DB-GAN: средство улучшения изображения с низким контрастом на основе объединения NIR-RGB на основе генератора формирует информативные, высококачественные совмещенные изображения.
 Остаточная сеть на основе DCT для раскрашивания NIR-изображений
 В этом документе предлагается остаточная сеть на основе дискретного косинусного преобразования (DCT-RCAN) для раскрашивания NIR-изображений, а модуль RIR используется в качестве базового модуля в сети, который может сложность модели.
 Слияние видимого и ближнего ИК-изображений на основе многомасштабной модели сглаживания краев, управляемой градиентом, и веса локального градиента
 Дэнпэн Цзоу, Бин Янг, Юэхуа Ли, Сяочжи Чжан, Лихуэй Пан
 Информатика
 9012 Журнал датчиков 9 01203 2023
 Субъективные и объективные результаты экспериментов демонстрируют превосходство предлагаемого метода над современными методами в части сохранения краевых деталей и сохранения естественности цвета.
 каскадный трансформатор U-Net для восстановления изображений
 Longbin Yan, Min Zhao, Shumin Liu, Shuai Shi, Jie Chen
. Fusion of Semantic and Texture Clues
 Xingxing Yang, Jie Chen, Zaifeng Yang, Zhenghua Chen
 Computer Science
 ArXiv
 2021
 This work proposes a novel Attention-based NIR image colorization framework via Adaptive Fusion семантических и текстурных подсказок (AAFSTNet), направленных на достижение этих целей в рамках той же структуры, и предлагает блок остаточного координированного внимания (RCAB), который включает координированное внимание в остаточную структуру обучения.
, показывающие 1-10 из 14 ссылок
 Сорт Byrelevancemost, повлиявшие на газету,
 Инфракрасная раскраска с использованием глубоких сверточных нейронных сетей
 Matthias Limmer, H. Lensch
 Environment Science Science
 9000 3
 9000 3
 9000 3
 9000 3
 Обучение и применение (ICMLA)
 2016
 Прямая интегрированная передача между пикселями NIR и RGB обучается, и обученная модель не требует каких-либо указаний пользователя или базы данных эталонных изображений на этапе повторного воспроизведения для получения изображений с естественным появление.
 Раскрашивание инфракрасных изображений с использованием S-образной сети
 В этом документе предлагается новый подход к раскрашиванию изображений в ближнем инфракрасном диапазоне (NIR) с использованием S-образной сети (SNet), основанный на использовании архитектуры кодер-декодер с последующим вторичным сеть помощников, которая превосходит современные передовые подходы.
 Асимметричный Cyclegan для преобразования непарного изображения лица из NIR в RGB
 Hao Dou, Chen Chen, Xiyuan Hu, S. Peng
 Информатика
 ICASSP 2019–2019 Международная конференция IEEE по акустике, обработке речи и сигналов (ICASSP)
 2019
 Модель асимметричного цикла-GAN с U-сетевыми генераторами неодинаковых размеров для адаптации к асимметричным потребностям в NIR -Предложена трансляция RGB, которая обеспечивает значительные улучшения по сравнению с современными методами для трех общедоступных наборов данных и недавно предложенного набора данных.
 Слияние изображений с управляемой фильтрацией
 Shutao Li, Xudong Kang, Jianwen Hu
 Науки об окружающей среде
 IEEE Transactions on Image Processing
 2013
 Экспериментальные результаты показывают, что предложенный метод может обеспечить самые современные характеристики для слияния многоспектральных, многофокусных, мультимодальных и многоэкспозиционных изображений.
 PCSGAN: перцептивные циклически-синтезированные генеративные состязательные сети для преобразования теплового и NIR-изображения в видимое
 Kancharagunta Kishan Babu, S. Dubey
 Компьютерная наука
 Нейрокомпьютеринг
 2020
 Окрашивание тепловой инфракрасной работы с помощью условной генеративной врачи
 xiaodong Kuang, xiubao Sui, chengwe liu, Qenue Liu, qianue Liu, qianue liu, gianue liu, qianue liu, gianue liu, gianue liu, gianue liu. ArXiv
 2018
 Быстрое окрашивание изображений и видео с помощью смешивания цветности
 На основе концепций смешивания цветности с взвешиванием по яркости и быстрых вычислений собственного расстояния высококачественные результаты окрашивания неподвижных изображений и видео получаются за доли секунды. сложности и вычислительной стоимости ранее описанных методов.
 U-NET: сверточные сети для сегментации биомедицинских изображений
 O. Ronneberger, P. Fischer, T. Brox
 Компьютерная наука
 Miccai
 2015
. Таким образом, It Is Seniest a It Is Swint Is It Is It Is Swint Is It Is It Is Swine IS It Is Swint. обучен от начала до конца на очень небольшом количестве изображений и превосходит предыдущий лучший метод ( сверточная сеть со скользящим окном ) в задаче ISBI для сегментации нейронных структур в электронно-микроскопических стопках.
 Система обнаружения взгляда на основе глубокого обучения для водителей автомобилей с использованием датчика NIR-камеры
 Р. А. Накви, Мухаммад Арсалан, Ганбаяр Батчулуун, Хё Сик Юн, К. Пак
 Информатика
 Сенсоры
 2018
 Метод глубокого обучения в ближней ИК-области Предложен датчик камеры, учитывающий движение головы и глаз водителя, который не требует начальной калибровки пользователя и продемонстрировал большую точность, чем предыдущие методы классификации взгляда.
 Управляемая фильтрация изображений
 Управляемый фильтр — это новый явный фильтр изображения, созданный на основе локальной линейной модели, который можно использовать в качестве оператора сглаживания с сохранением границ, подобно популярному двустороннему фильтру, но он лучше ведет себя вблизи границ.
 Значок цвета RGB перевода языка роялти бесплатно вектор 
 Значок цвета RGB перевода языка роялти бесплатно векторы лицензионные векторы
 Значок векторов
 г. ЛицензияПодробнее  Стандарт
Вы можете использовать вектор в личных и коммерческих целях.  Расширенный
Вы можете использовать вектор на предметах для перепродажи и печати по требованию. Тип лицензии определяет, как вы можете использовать этот образ.
 Стд.  Расшир.
 Печатный / редакционный 
 Графический дизайн 
 Веб-дизайн 
 Социальные сети 
 Редактировать и изменять 
 Многопользовательский  г.
 Предметы перепродажи 
 Печать по запросу 
 Владение
Узнать больше  Эксклюзивный
Если вы хотите купить исключительно этот вектор, отправьте художнику запрос ниже: Хотите, чтобы это векторное изображение было только у вас? Эксклюзивный выкуп обеспечивает все права этого вектора.
 Мы удалим этот вектор из нашей библиотеки, а художник прекратит продажу работ.
 Способы покупкиСравнить 
 Плата за изображение  $   14,99  Кредиты  $   1,00  Подписка  $   0,69  Оплатить стандартные лицензии можно тремя способами. Цены $  долларов США.
 Оплата с  Цена изображения
 Плата за изображение  $  14,99  Одноразовый платеж
 Предоплаченные кредиты  $  1  Загружайте изображения по запросу (1 кредит = 1 доллар США). Минимальная покупка 30р.
 План подписки  От  69 центов  Выберите месячный план. Неиспользованные загрузки автоматически переносятся на следующий месяц.
 Способы покупкиСравнить 
 Плата за изображение  $   39,99  Кредиты  $   30. 00  Существует два способа оплаты расширенных лицензий. Цены составляют $ $.
 Оплата с  Стоимость изображения
 Плата за изображение  $  39,99  Оплата разовая, регистрация не требуется.
 Предоплаченные кредиты  $  30  Загружайте изображения по запросу (1 кредит = 1 доллар США).
 Оплата 
 Плата за изображение  $   499  Дополнительные услугиПодробнее  Настроить изображение
Доступно только с оплатой за изображение  $   85,00  Нравится изображение, но нужны лишь некоторые модификации? Пусть наши талантливые художники сделают всю работу за вас!
 Мы свяжем вас с дизайнером, который сможет внести изменения и отправить вам изображение в выбранном вами формате.
 Примеры 
 Изменить текст
 Изменить цвета
 Изменить размер до новых размеров
 Включить логотип или символ
 Добавьте название своей компании или компании
 Включенные файлы 
 Подробности загрузки.

	Стд.	Расшир.
Печатный / редакционный
Графический дизайн
Веб-дизайн
Социальные сети
Редактировать и изменять
Многопользовательский		г.
Предметы перепродажи
Печать по запросу

Оплата с	Цена изображения
Плата за изображение $ 14,99 Одноразовый платеж
Предоплаченные кредиты $ 1 Загружайте изображения по запросу (1 кредит = 1 доллар США). Минимальная покупка 30р.
План подписки От 69 центов Выберите месячный план. Неиспользованные загрузки автоматически переносятся на следующий месяц.

Оплата с	Стоимость изображения
Плата за изображение $ 39,99 Оплата разовая, регистрация не требуется.
Предоплаченные кредиты $ 30 Загружайте изображения по запросу (1 кредит = 1 доллар США).

Перевод rgb: Конвертер Цветов Онлайн — HEX ⇒ RGB ⇒ RGBA ⇒ CMYK ⇒ HSL ⇒ HSLA ⇒ HSB ⇒ HSV ⇒ XYZ ⇒ LAB. Калькулятор цветов HTML. Генератор цветов CSS3 — ColorScheme.Ru

Конвертер RGB в HEX — Wizlogo Logo Maker

Ищете другие преобразователи цвета?

Как преобразовать RGB в HEX

Что такое RGB

Что такое шестнадцатеричный

Как преобразовать RGB в HEX

Как преобразовать HEX в RGB

Разница между RGB и Hex

RGB против HEX — что лучше

Каталог RAL. Перевод в системы CMYK, HEX, RGB, XYZ и CIE Lab

Преобразование цветов и управление красками (Adobe Acrobat Pro)

О преобразовании цветов

Обзор диалогового окна «Преобразование цветов»

Открытие диалогового окна «Преобразование цветов»

Преобразование цветов в другое цветовое пространство

Преобразование цветов в документе

Преобразование цветов объектов

Удалить встроенные профили из отдельных объектов

Обзор диспетчера красок

Открытие диспетчера красок в программе Acrobat

Цветоделение смесевых цветов как триадных

Создание псевдонима краски для смесевого цвета

Связанные материалы

Конвертер CMYK RGB в RAL-DESIGN и PANTONE

Как работает конвертер

Перевести цвет из PANTONE в RAL и наоборот

Поделиться

Конвертер RGB в Pantone — онлайн и бесплатно

Как преобразовать RGB в Pantone

Выберите приложение

Следуйте шагам

Наслаждайтесь результатом

В чем разница между RGB и Pantone

Все конвертеры RGB

RGB в HEX

RGB в HSL

RGB в HSV

RGB в HSB

RGB в HTML

RGB в CMYK

RGB в RAL

RGB в Pantone

Вам нравится PhotoRetrica? Помогите нам расти!

Конвертирование в CMYK в Photoshop CS

SAR в RGB с использованием CycleGAN

Мотивация

Данные и предварительная обработка

Экспорт обучающих выборок

Обучение модели преобразования изображений SAR в RGB

Подготовка данных

Обучение модели

Визуализация результатов

Вывод

Заключение

Благодарность

Об авторах

Гунит Мутреджа

Рохит Сингх

Обсуждение статьи:

Связанный контент:

SAR в RGB с использованием CycleGAN

Введение

Необходимый импорт

Подключиться к ГИС

Экспорт обучающих данных

Обучение модели

Подготовить данные

Визуализация обучающих данных

Загрузить архитектуру модели

Найти оптимальную скорость обучения

Подгонка модели

Визуализация результатов в проверочном наборе

Сохраните модель

Вывод модели

Результаты

Заключение

Ссылки

Была ли эта страница полезной?

Трансляция кросс-модальной пирамиды для распознавания сцены RGB-D

`Результаты`

`Заключение`

`Ссылки`

`Была ли эта страница полезной?`

`Трансляция кросс-модальной пирамиды для распознавания сцены RGB-D`

`rgb - Перевод на японский - примеры английский`

`Мультимодельная платформа Fusion Framework для преобразования NIR в RGB`

3
Ежегодный саммит и конференция Азиатско-Тихоокеанской ассоциации обработки сигналов и информации (APSIPA ASC)

`Добавить комментарий Отменить ответ`