怎样识别图像中目标的颜色

怎样识别图像中目标的颜色
计算机与信息工程系 管庶安
一 颜色的描述
描述物体的彩色有多种计色体系.如RGB 、HLS 、YUV 等，各有独到之处.已知一种，可求出另一种.
1 RGB 三基色计色体系
像素的颜色由R （红色）、G （绿色）、B （蓝色）三个分量按不同的比例混合而成.在24位真彩色位图（.BMP ）中，R 、G 、B 的取值范围为0~255.若三个基色分量确定了，则像素的颜色就完全确定了.
RGB 计色体系虽然物理概念清楚，计算简单，可直接用于图像的显示.但不利于人们对颜色的认知，若已知三个基色分量，要回答该像素是什么颜色，应在三维空间进行，并非易事；三个分量值处于同等重要的地位，加强其中某个分量，就会破坏三个分量之间的比例关系，导致颜色的改变.为此，引入如下计色体系.
2 YUV 计色体系
研究视觉生理特性表明，人眼在感知物体的颜色时，主要通过如下信息进行： （1） 物体是何种颜色？即色调是何值；
（2） 该颜色的深浅如何？即该颜色的色饱和度是多少； （3） 该颜色是亮还是暗？即该颜色的亮度是多少；
研究还表明，图像清晰与否主要取决于亮度信息.即人眼对图像细节的辨认主要通过亮度信息进行，色调和色饱和度对辨认细节的贡献远低于亮度.因此，亮度分量在图像中占有突出地位.
YUV 计色体系也用三个分量来描述彩色，其中，Y 为亮度分量，也称为灰度，即颜色的明暗程度；U 为蓝差分量；V 为红差分量.已知RGB ，可计算出YUV ：
0.30.590.110.30.590.890.70.590.11Y R G B
U B Y R G B V R Y R G B
=++=-=--+=-=-- 可以证明，U 、V 与亮度无关.U 、V 合称为色度，可在复平面上描述：
U
若知U 和V ，则可求出复数 U +jV 的模S 和幅角ϕ：
1S V tg U
ϕ-==
其中，S 称为色饱和度，表示颜色的深浅；ϕ称为色调，表示颜色的种类.用S 和ϕ表示色度，更便于人眼对颜色的感知.
为了便于颜色识别，将上表的色度分量用矢量的形式绘于U -V 坐标系中：
3 HLS 计色体系
若已知三基色值RGB ，求
亮度 L = 色饱和度（%） S = 色调（弧度或度） ()H if B G ≤ 1
1
2
2
22cos ()2()()()R G B
H if B G R G R B G B π---=->⎡⎤-+--⎣⎦
类似地，亮度表示颜色的明暗程度；色饱和度和色调合称为色度，分别表示颜色的深浅和种类.为了直观地表示色度，用极坐标形式表示色度，称为色度图.径向坐标为色饱和度S ， 环向坐标为色调H .
环向坐标) 180°(青) 径向坐标)
(红)
图中，圆心处的色饱和度S = 0，表示无颜色，即黑白色.此时，究竟是黑色还是白色，要看亮度L 的大小.
二颜色的识别
1 单个像素的颜色识别
举例：设某像素的三个基色值为R=100，G=20，B=200.计算得：
亮度L=(100+20+200)/3=107 亮度中等（0为全黑，255为最亮）
色饱和度S=1－20/107=81.3% 颜色较深（100%为最深）
色调H=257°紫偏蓝
2区域的颜色识别
图像中的目标，往往是由许多像素排列形成的连通区.这些像素的三基色值不一定严格相等，而是集中分布在色度图的某一区域，从整体上表现出某种颜色.因此，取该连通区中的某像素点作为整体颜色不一定准确，应该采用统计的方法，以出现概率最大的三基色值作为整体颜色.算法如下：
Ⅰ建立三个数组：
int Cr[256]，Cg[256]，Cb[256]；
将三个数组的各个元素的初始值置为0；
Ⅱ对待识别区域的所有像素点（R，G，B），作如下操作：
Cr[R]++；Cg[G]++，Cb[B]++；
Ⅲ分别求出各数组中值最大的元素的下标：
Rm=Index(max{ Cr[ ]})；Gm= Index(max{ Cg[ ]})；Bm= Index(max{ Cb[ ]})；
Ⅳ按单个像素的颜色识别方法，求（Rm，Gm，Bm）表示的颜色.。