第三讲：数字图像处理之颜色
数字图像处理中的颜色分割技术研究
数字图像处理中的颜色分割技术研究数字图像处理是计算机科学中的一大分支，在日常生活和工作中广泛应用。
其中，颜色分割技术是数字图像处理中的一个热门研究领域。
本文将就数字图像处理中的颜色分割技术进行探讨，着重讨论其算法原理和实际应用。
一、颜色分割技术的基本原理1、RGB模型在颜色分割技术的研究中，最基本的是RGB模型。
RGB模型是指用红、绿、蓝三种基本颜色来描绘各种颜色的方法。
在RGB模型中，每一种颜色都由三个参数表示其红、绿、蓝三个分量的强度，三个参数之和为255。
2、HSV模型HSV模型是比RGB模型更直观的颜色模型。
HSV模型将颜色描述为三个参数——色相（H）、饱和度（S）、亮度（V）。
色相是指颜色的基本属性，它由一个0~360的角度值来表示；饱和度是指颜色的纯度，也可用一个0~100的值来表示；亮度是指颜色的明暗程度，亮度值越高，颜色越接近白色。
3、颜色分割原理颜色分割是通过对图像的颜色信息进行处理，将其分割为若干个不同的颜色块，达到分离、区分、计算和显现的目的。
其基本原理是，将图像中的各种颜色按照一定的规则分类，如将若干种类似的颜色划归为同一类，或将颜色分为若干颜色区间，达到数值统计或图像分割的效果。
二、颜色分割技术的研究和应用1、基于聚类算法的颜色分割技术聚类算法是数字图像处理中广泛应用的一种图像分割算法。
在基于聚类算法的颜色分割技术中，将图像颜色作为聚类的对象，以RGB模型为例，将图像中所有的颜色点映射到三维坐标系的立方体中，相同颜色的像素点会聚集在立方体的同一区域内。
然后，将立方体分割为若干不同的小立方体，每个小立方体中都包含一些像素点。
最后，将相同的小立方体划为同一类，即可得到分割出来的颜色块。
2、基于图像分割技术的颜色分割技术基于图像分割技术的颜色分割技术是将图像分割算法与颜色分割算法相结合而形成的。
在这种方法中，首先需要进行图像分割，然后再将分割后的图像中各个像素点的颜色进行分割。
数字图像处理中的颜色空间转换与均值滤波技术
数字图像处理中的颜色空间转换与均值滤波技术数字图像处理是现代计算机科学和数字信号处理中一个非常重要的研究领域。
在数字图像处理中，颜色空间转换和均值滤波是其中两个基本且常见的技术。
一、颜色空间转换颜色空间转换是将图像从一种颜色表示方式转换到另一种颜色表示方式的过程。
常见的颜色空间包括RGB（红绿蓝）、CMYK（青黄洋红黑）和HSV（色调饱和度明度）等。
在数字图像处理中，颜色空间转换的目的往往是为了满足特定的应用需求。
例如，在计算机视觉中，HSV颜色空间常用于目标检测和跟踪，因为它更符合人类感知颜色的方式，能够更好地区分不同颜色之间的差异。
另外，颜色空间转换也经常用于图像增强和颜色校正。
通过将图像从RGB颜色空间转换到LAB（明度a通道b通道）颜色空间，可以实现对图像的亮度和对比度进行调整，以达到更好的视觉效果。
而在印刷行业，CMYK颜色空间常用于图像的输出和打印，因为它能够更好地模拟出印刷过程中的真实颜色。
二、均值滤波技术均值滤波是一种基础的图像平滑处理技术，通过将每个像素的值替换为其周围邻域像素值的平均值来实现。
均值滤波的主要目的是去除图像中的噪声，使得图像更加清晰和平滑。
在数字图像处理中，均值滤波的具体实现方式有很多种，包括简单平均滤波器、加权平均滤波器和自适应平均滤波器等。
其中，简单平均滤波器是最基础的一种，它将周围像素的值全部取平均，然后得到新的像素值。
然而，简单平均滤波器存在一个问题，即在去除噪声的同时也会模糊图像的细节。
为了解决这个问题，加权平均滤波器和自适应平均滤波器被提出。
它们通过赋予不同的权重给邻域像素，使得滤波器更加关注图像的纹理细节，从而在去噪的同时保留更多的图像信息。
总结：数字图像处理中的颜色空间转换和均值滤波是常见且重要的技术。
颜色空间转换可以帮助我们更好地理解和处理图像的颜色信息，同时也提供了更多的应用选择。
均值滤波则可以在去除图像噪声的同时保持图像细节，提供更好的视觉效果。
数字图像处理PPT
I 2 R B 2
I 3 2G R B 4
I1是最佳特征，I2是次佳特征 变型 I '2 R B I '3 2G R B 2
2.1 面向硬设备的彩色模型
归一化颜色模型： 对观察方向、物体几何、照明方向和亮度 变化具有不变性
1.2 三基色与色匹配
三原色特点：
1. 任意两色的混合不能生成第三色； 2. 人眼所感受到的彩色可认为是三原色 （RGB）的不同组合。 3. 三原色不能组成所有的颜色。
1.2 三基色与色匹配
三色混合/匹配： 相加配对（混合以得到白色和彩色）： C rR + gG + bB R，G，B：三原色 r，g，b：比例系数，r + g + b = 1 计算发光强度时，各个系数取值不同。适 合于现代摄像机和显示器的CIE亮度公式为： Ｙ＝0.2125R+0.7154G+0.0721B
2.1 面向硬设备的彩色模型
CMY模型： 主要用于彩色打印，这三种补色可分别由 从白光中减去三种基色而得到 从CMY到RGB的转换为
R 1 C G 1 M
红色与蓝绿色互补
绿色与品红互补
B 1 Y
蓝色与黄色互补
2.1 面向硬设备的彩色模型
I1，I2，I3模型： 将彩色用RGB的不同组合来表达
1.3 色度图
Y 1.0 520 0.8 510 530
0.6
色度图： (舌形图)
500
0.4
540 550 绿 560 570 黄 580 590 600 C 紫 400 0.4 0.6 0.8 1.0 620 红 700~770 530 X
数字图像处理学：第3章 图像处理中的正交变换(第3-3讲)
的模2移位序列，则
Wz (n)
1 N
N 1
z(t) wal(n, t)
t 0
1
N 1
f (t l) wal(n, t)
N t0
令 r t l ，则有 t r l ，并且当 t 取值由
0到N-1时，r 也取同样的值，只不过取值的顺序不 同而已。于是可写成如下形式：
Wz (n)
1 N
另外，沃尔什函数可写成如下形式
p 1
t p1k (ik 1ik ) wal(i, t) (1) h0 式中 t (t p1t p2 tk t2t1t0 )二进
i (i p1i p2 ik t2t1t0 )二进
N 2p
因此，可得到指数形式的沃尔什变换式
p 1
1 N 1
t p1h (ik 1ik )
因此
p 1
g(i)k g( j)k
wal(i,t) wal( j,t) R(k 1,t)
k 0
p 1
g(i)k g( j)k
R(k 1,t)
wal(i j,t)
k 0
以上便是乘法定理的证明。
（４） 沃尔什函数有归一化正交性
1
0 i j
0 wal(i,t) wal( j,t)dt 1 i j
N 1
f
r 0
(r) wal(n, r
l)
1
N 1
f (r) wal(n, r) wal(n, l)
N r0
wal(n, l)[ 1
N 1
f (r) wal(n, r)]
N r0
wal(n, l)[ 1
N 1
f (t) wal(n, t)]
N t0
wal(n, l) W (n)
颜色选取算法在数字图像处理中的应用
颜色选取算法在数字图像处理中的应用一、引言数字图像处理在现代科技中起到重要的作用。
随着科技的不断发展，数字图像处理的应用越来越广泛，从医学到娱乐等各个领域都得到了广泛应用。
然而，在数字图像处理中，颜色的选取是一个关键的步骤。
为了使得图像处理的结果更加准确和美观，我们需要对颜色进行精准的选取。
在这种情况下，颜色选取算法的应用成为了必不可少的。
二、颜色选取算法简介颜色选取算法是一种将图像中的颜色划分为多个类别的算法。
在数字图像处理中，颜色是一种十分重要的信息。
正确地选取颜色将会使得图像的质量得到有效的提高。
现在，常用的颜色选取算法有欧氏距离法、聚类法、神经网络法和多智能体算法等。
这些算法通过对不同颜色之间的距离、相似度以及分布频率等信息的计算，寻找到最合适的颜色方案。
三、颜色选取算法在数字图像处理中的应用1. 图像压缩颜色选取算法可以用于对数字图像进行有损压缩。
在压缩图像的过程中，颜色的选取对于图像的质量起到了重要的作用。
传统的压缩算法主要是将原始图像中的像素点通过一定的压缩方式进行转换，以达到减小数据量的目的。
在颜色选取算法的辅助下，压缩算法可以通过优化像素点的颜色值来进一步减小数据量，并在保证图像质量的同时，达到更高的压缩比例。
2. 图像去噪颜色选取算法还可以用于去除数字图像中的噪声。
在数字图像处理中，图像噪声是由图像采集过程的不可控因素引起的。
噪声会严重影响图像的质量。
颜色选取算法可以通过聚类的方式将颜色进行分类，并进一步消除扰动信号，达到有效的降噪效果。
3. 图像分割颜色选取算法还可以用于图像分割。
图像分割是一种将图像划分为多个区域的过程，每个区域具有相似的特征。
图像分割应用广泛，例如在医学图像中用于识别病灶，在计算机视觉中用于目标检测等。
颜色选取算法可以通过聚类和分类的方式，得到每个区域的颜色方案，在图像分割的过程中起到了重要的作用。
四、不同颜色选取算法的比较上文提到，常用的颜色选取算法有欧氏距离法、聚类法、神经网络法和多智能体算法等。
第三讲数字图像处理之颜色课件
波长来定义颜紫色。
435-380
光与颜色
颜色是视觉系统对可见光的感知结果，它与光 有着密切的联系。 一个物体的表面必须与光发生作用，才能产生 颜色的感觉。 在光与物体表面原子相互作用时，物体吸收了一 些波长的光，并反射其余波长的光。
查看色彩的方式
• 光源色彩 • “光源色彩”这一术语是指光源（如太阳
• 为什么苹果看起来是红色的？简单地说，物体将光反射到 我们的眼睛中，随即相应信息传输至大脑，于是大脑感知 到了色彩。 苹果之所以看起来是红色的，是因为苹果表 面反射了红色的光，而吸收了其它的色光。
红光显红色是因为...
绿光显绿色是因为…
一、关于颜色
颜色的存在包含三个实体：光源、物体、观察者 物体经光源照射，吸收和反射不同波长的红、绿、 蓝光，经由人的眼睛，传到大脑形成了我们看到的 各种颜色。
● 色彩三要素
● 亮度 ——彩色光作用于人眼时，视觉上引起
的明暗程度，它与光的发射功率有关。
● 色调 ——颜色的种类，取决于该种颜色的主
色波长。
自然光中纯度最高的颜色
黑白灰没有色调信息
● 饱和度 ——色彩的饱和程度，亦称“鲜艳度”、
“纯净度”。纯度不够时，色调区分不明显，亮度 也受到影响。
亮度（Intensity）
现的色调也不同。
• 在色环中，色调是连续变化。
黄
红 绿
紫 蓝
饱和度saturation
一、关于颜色 • 颜色是视觉系统对可见光的感知结果。
• 可见光是波长在380 nm～780 nm之间的电磁波
380 nm～780 nm
● 颜色的波长范围
可见光是电颜磁波色谱中相对较窄的波长段范组围成的/n。m一般来说， 人类和其他动物的视觉系统接收到一个物体的颜色，是 由物体反射光红的性质决定的。 780-622
数字图像处理-常用的色彩模型
1
颜色是什么
• •
人 ， 察 光 化 经 眼 原 如 解 全 。 或 不 力 可 決
类解析颜色是根据光源 光线反射的主体，和观 者 的眼睛和脑 线进入眼睛在视网膜转 成神经中枢的信号，再 由 视觉神经到达脑部。 睛回 忆三种红、绿、蓝 色和头 脑解析颜色，就 同綜合以 上三种信号。 析颜色的变 化极大，完 是根据外在的 环境而定 当一样的颜色经 由日光 是烛光所看到的颜 色会 一样。然而，人类的 势 可适应于光线的来源， 以让我门在两种情況下 定同一种颜色。
测量颜色也可以利用称为分光光度計的特殊仪器测量。不管何时需要精确的颜色管理时， 例如在汽车的颜色等等，都可以用此种测量方式
•
11
纸张和色彩
•
每在彩色打印机的商业打印环境中，常常需要使用一般纸以外的打印材料，例如 金属片和相片纸等。不同颜色、平滑度的材料，会产生不同的打印效果。同样的， 如果您使用高品质的平滑或光面白色打印用纸，可以让打印结果拥有相片一般的 效果
10
测量颜色和比色法
•
•
每一个人有不同的方式解析颜色。我门的环境 对我门解析的影响也是极为巨大的。那么我门 应该如何传达正确有关颜色的讯息给其它的人？ 既然颜色包括电磁波，它门可以根据物理原理 而比较。我门可由建立标准的光线来源开始。 一張轻巧的桌子或是观察者都是标准的光线来 源。几种不同的标准光线来源是可以被建立的， 例如光线来源是相当于影响云或是天空的平均 免于太阳的光线( 5,000 克尔文氏绝对温度颜 色温度)。颜色是由那些标准的光线来源所测 量 的。
2
颜色是什么
•
•
•
如 同 气 味 、声音、味觉和其它的感觉，每个人对颜色的解析度 也 极为不同。我门可能解析颜色为温暖的、寒冷的、重的、轻 的、 柔软的、強硬的、放松的、明亮的或是暖和的。然而，在 每一个 个案中的颜色解析是根据一个人的文化、语言、年龄、 性別、居 住环境和过去的经验等等。两个人永远不会对单一一 个颜色有完 全一致的印象。甚至在显而易見的光线中，每个人 对光线的敏感 度也不一样。 物 件 的 尺 寸 也 会 造 成 其 差 异 性 。每个人可能都有此经验， 当我门 根据样品的色卡选购衣服或是器具，往往会发現产品原 本的颜色 和从样品中看到的颜色是有差异的。 現 在 对 光 线 的 定 义 是 解 析 物 件 照 明 的 传 递 意 义 。当我 门的眼睛被 物件的反射光线所刺激，我门解析对光线的认知如 同光线。
第3章_数字图像处理技术
居中。 在不太严格的场合，明度也可以看作是亮度。如果由明 而暗，制作一系列代表不同等级亮度(称为灰阶)的灰色方 块，则某个有色方块的亮度，可以在同一白光照射下， 忽略其色彩与饱和度属性，依靠视觉比较，找出亮暗感 觉相近的灰色方块，而以该灰色方块的亮度为其亮度
9
3.2 数字图像的基本概念
1. 图像的基本属性
图像的像素数目（Pixel
dimensions），是指位图图像 的宽度和高度方向上含有的像素数目。 一幅图像在显示器上的显示效果由像素数目和显示器的 设定共同决定。 (1)图像分辨率（Image resolution）指组成一幅图像的 像素密度的度量方法，通常使用单位打印长度上的图像 像素的数目多少，即用每英寸多少点(dot per inch，dpi) 表示。对同样大小的一幅图，如果组成该图的图像像素 数目越多，则说明图像的分辨率越高，看起来就越逼真。 相反，图像显得越粗糙。在同样大小的面积上，图像的 分辨率越高，则组成图像的像素点越多，像素点越小， 图像的清晰度越高。(图象清晰度、图象分解力) 10
矢量图主要用于工程图、白描图、卡通漫画、图例和三
维建模等。 矢量文件中的图形元素称为对象。每个对象都是一个自 成一体的实体，它具有颜色、形状、轮廓、大小和屏幕 位置等属性。在维持它原有清晰度和弯曲度的同时，多 次移动和改变它的属性，而不会影响图例中的其它对象。 例如：一个圆可以表示成圆心在(x1,y1)，半径为r的图形； 一个矩形可以通过指定左上角坐标(x1,y1)和右下角坐标 (x2,y2)的四边形来表示。 基于矢量的绘图同分辨率无关。存盘后文件的大小与图 形中元素的个数和每个元素的复杂程度成正比 19
29
颜色特征的分析(数字图像处理课件)
8
项目二 单目标果实识别 2.1颜色空间分析
9
项目二 单目标果实识别 2.1颜色空间分析
HIS颜色空间是比RGB颜色空间更符合人的视觉特性，它克服了RGB 颜色空间不直观的缺点。
RGB颜色空间是图像处理中最基础的颜色模型，它是在配色实验基础上 建立的。
RGB颜色空间的主要观点是人的眼睛有红、绿、蓝3种色感细胞，它们的最大 感光灵敏度分何彩色都可以用红、绿、蓝3种基色来配制。
c[C] n[N ] p[P] q[Q]
注意： R表示红色分量，在提取近红色的果实目标时，可以加大红色分量（R
分量）的权重，因此可以如下几种颜色空间模型：
1. 2*R-G-B 2. 2*R-G 3. 2*R-B
6
项目二 单目标果实识别 2.1颜色空间分析
2. HSI颜色空间
HSI空间是Munseu（孟塞尓）提出的一种颜色系统格式，它非常接近人对色
H
2
arctan
3(G B) 2R G B
3
2
arctan
3(G B) 2R G B
GB GB
S 1 3 [min(R,G, B)] (R G B)
I 1 (R G B) 3
11
项目二 单目标果实识别 2.1颜色空间分析
900
tan 1
2R 3
GB
G B
255
1. RGB颜色空间
国际照明委员会（CIE）规定以700nm（红）、546.1nm（绿）、 435.8nm（蓝）
数字图像处理色度学
CIE标准照明与标准光源
◦ 标准照明A：标准照明A所指的是由完全黑体在2856 K所发 出的光。
◦ 标准照明B和C：标准照明B代表由太阳直射，具有4870 K 同色温的光；标准照明C代表平均日光，即具有6770 K同 色温的光。
◦ 标准照明D65：标准照明D65代表一个时段的日光，其色温 为6500 K。
1931CIE-XYZ系统，就是在RGB系统的基础上， 用数学方法，选用3个理想的原色来代替实际的三 原色，从而将CIE-RGB系统中的光谱三刺激值和色 度坐标都变为正值。
10
CIE-XYZ系统与CIE-RGB系统的转换关系
◦ CIE-XYZ系统所选择的理想三原色并不是物理上真实的颜 色，而是虚拟的假想色。它们在CIE-rg色度图上的色度坐 标分别是：
其反射率在可见的光谱(380nm至780nm)均为1。 实用上，理想的均匀漫射体，即“工作标准”或俗 称的“标准白”，可用氧化镁(MgO)或硫酸钡 (BaSO4)压制而成。
25
Munsell色彩系统是等直观色感间隔的色彩系统。
17
其目的是要将1931CIE-XYZ色彩空间转变成和Munsell色彩 空间一样具有等直观色感间隔。
L*a*b*系统是非自照明的色彩空间。适用于不发光的物体。
L*
100Y
25
Y0
1
3
16
1 Y 100
a*
500
X X0
1
和不同亮度的一组色彩，将使用同样的色度坐标。
7
CIE-rg色度图
XYZ虚线圈成的三角形，即CIE-XYZ系统
8
RGB彩色立方体
9
1931CIE-RGB系统的光谱三刺激值是从实验得出 来的，本来可以用于颜色的测量以及色度学的计算， 但实验结果却出现了负刺激值，既不便于计算又不 便于理解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
色彩的混合
• 颜色相加与相减
–相加：有源物体发出某些波长的光波， 这些波长的光波叠加在一起。
–相减：白光照在某种颜色的无源物体上，部分 波长的光波被吸收，剩下波长的光波 进入人的眼睛。
●
● 色彩构成
为了某种目的，把两个或两个以上的色彩按照一定的原则 进行组合和搭配，形成新的色彩关系。
现代颜色视觉理论中的三色学说认为人眼的锥状细胞是 由红、绿、蓝三种感光细胞组成的。 自然界中的任何一种颜色都可以由R、G、B这3种颜色值 之和来确定。
了其它的色彩。
形象化为一个立方体
（已归一化）。黑色
B
位于原点处，白色位
品红
(0,0,1) 蓝
青 于离原点最远的对角
上，灰度等级沿着这
白
两点的连线分布。
(1,0,0) R红
黑
灰度级
黄
在RGB坐标系中，不同 绿(0,1,的0) 颜色G 处在立方体上
或者内部，并可以用
从原点分布的向量来
定义。
三、颜色空间
数字图像处理之颜色
空天院 孙彬
学习目标
1、了解颜色的形成原理 2、了解颜色的基本属性 3、理解颜色空间
感知色彩
• 扫视一下您的周围，您肯 定能发现好多不同的颜色。 那我们到底是怎样感知这 些色彩的呢？
• 如果闭上眼睛，在一个全 黑的环境中，我们是感知 不到苹果的颜色的。
• 当然，你见与不见，它就 在那里，不多不少。
紫
435-380
光与颜色
颜色是视觉系统对可见光的感知结果，它与光 有着密切的联系。 一个物体的表面必须与光发生作用，才能产生 颜色的感觉。 在光与物体表面原子相互作用时，物体吸收了 一些波长的光，并反射其余波长的光。
查看色彩的方式
• 光源色彩 • “光源色彩”这一术语是指光源（如太阳
或荧光灯）发出光的色彩。这时，我们看 到的色彩取决于来自该物体的光中包含了 哪些波长。
• 黄色颜料吸收蓝光，反射绿光和红光。因 此它在人眼中呈现黄色。
• 品红（M）
• 品红颜料吸收绿光，反射红光和蓝光。因 此它在人眼中呈现品红
• 青色颜料吸收红光，反射绿光和蓝光。因 此它在人眼中呈现青色。
油墨或颜料的3基色是：青（Cyan）、品 红（Magenta）和黄（Yellow），简称为 CMY。
RGB颜色空间
• 原理：三基色原理 • 光学三基色：红（Red，R）绿（Green，G）蓝
（Blue，B）
RGB颜色空间
数学描述： 在RGB颜色空间，色光F都
可以用R、G、B这3种颜色 不同分量的相加混合而成 ， 即
F r[R] g[G] b[B]
RGB彩色模型
R代表红色，G代表绿色，B代表R蓝G色B ，颜三色种色空彩间叠可加形以成被
一、关于颜色 • 颜色是视觉系统对可见光的感知结果。
• 可见光是波长在380 nm～780 nm之间的电磁波
380 nm～780 nm
● 颜色的波长范围
可见光是电颜磁波色谱中相对较窄的波长段范组围成的/n。m一般来说， 人类和其他动物的视觉系统接收到一个物体的颜色，是 由物体反射光红的性质决定的。 780-622
（9.2 a） （9.2 b） （9.2 c）
补色
• 补色：从白色中减去颜色A所形成的颜色，称之 为颜色A的补色 （complementary color)。
着色原理
利用颜料和染料等的吸收性质可以实现相减混色。
• 既然是减色系统，其着色原理是基于光吸收 的，这有别于RGB的光射入的方式。
• C与M叠加：同时吸收了R与G，则为蓝色； • C与Y叠加：同时吸收了R与B，则为绿色； • M与Y叠加：同时吸收了G与B，则为红色。
三、颜色空间
2、CMYK颜色空间—减色混合
• 印刷三原色 CMY青(C)、品(M)、黄(Y) • 颜料是吸收光线，而不是增强光线，因此颜料的 三原色必须是可以个别吸收红、绿、蓝的颜色，那就 是红绿蓝的补色：CMY • 例：黄色+青色颜料 黄色颜料—吸收蓝色光，青色颜料—吸收红色光 只剩下绿色光可以反射出来，故黄色+青色=绿色
• 当阳光穿越三棱镜， 会产生一条如彩虹般 的色带。这条色带就 被称为色谱。这种分 离光的方式称作“色 散”。彩虹就是阳光 穿越水汽（水滴）形 成的三棱镜而产生的 一个色谱。
了解光
• 从物理学的角度来说， 光是一种电磁波。这 些波的波谷间（波峰 间）的距离被称作波 长。
• 色谱的顺序为红、橙、 黄、绿、蓝、靛蓝、 紫。这是因为每一种 光的波长都是不同的。 我们可感知的波长最 长的光是红色光的， 而波长最短的是紫色 光。人眼可以看到的 波长范围被称为“可 见光”。
反射色彩
• 物体而不是光源所反射出来的相应波长的 光的色彩，即是我们看到的“反射色彩”。 这种色彩取决于物体反射出来的波长范围， 以及它所吸收的波长范围。当物体吸收了 可视色谱上所有波长的光的时候，它呈现 黑色；相反，当物体反射所有波长的光时 就会呈现白色。
•
过滤色彩
• “过滤色彩”指光透过某个物体后的色彩。 物体的色彩取决于透过它的光的波长范围， 以及它所吸收的波长范围。交通灯就是这 种过滤色彩的例子。
右边的更亮一些。 • 而且，左圈的颜色更
饱满一些，右边则显 得灰暗一些。 • 因此，颜色可以从不 同角度加以描述。
• 光的物理性质：波长（光速，频率）和幅 度
• 人眼对色彩的感觉：色调、饱和度和亮度
• 色调——波长 • 亮度——幅度 • 饱和度——色光的纯度
● 色彩三要素
● 亮度 ——彩色光作用于人眼时，视觉上引起
有源v.s.无源
• 哪些物体可以产生颜色？
• 能发出光波的物体，称为有源物体，它的颜色 由该物体发出的光波决定。
• 但是有些物体本身是不发光的，称为无源物体， 它的颜色由该物体吸收或者反射哪些光波决定， 提供视觉系统识别颜色所需要的反射光。 比如：计算机屏幕等发光物体，通过发射不同 强度的电子束，产生不同的颜色。 但是，彩色印刷或彩色打印的纸张不能发射光 线，它们是使用一些能够吸收特定光波而反射 其它光波的油墨或颜料。
• 颜色信息能否量化？
• 实验表明：一些颜色的混合可以产生几乎所有 的可见颜色。
• 数学问题：在一个什么样的坐标系下，如何定 义某种颜色？---颜色空间
颜色空间
• 用来描述可以看到的和使用的颜色。 • 每个颜色模型代表一种描述和分类色
彩的方法，而所有的颜色模型都使用 数值来代表可见的色彩光谱。 • 强调，不同的空间只是同一种物理量 的不同表达方式而已。
• 由光学三基色（红绿蓝）的互补色（青、 品红、黄）构成了油墨或者颜料的三基色。
• 同样，用补色的叠加形成其它颜色，或者 说是从白色中减掉相应的原色形成其它颜 色，因此也称为减色合成法。
颜色的度量
• 可以用色调、饱和度、亮度来描述颜色，但是 这种描述方式是很主观的，如何用数学方法来 定量描述颜色信息呢？
最常用的用途就是显示器系统，彩色阴极射线管使 用R、G、B数值来驱动R、G、B 电子枪发射电子， 并分别激发荧光屏上的R、G、B三种颜色的荧光粉 发出不同亮度的光线，并通过相加混合产生各种颜 色。
CRT的颜色产生
控制电路 电子枪
荧光面
像
素
发
光
电子束
点CTR结构示意图RGB模型在RGB模式中，由红、绿、蓝相叠加可以产生其它 颜色，因此该模式也叫加色模式。所有显示器、 投影设备以及电视机等等许多设备都依赖于这种 RGB加色模式来实现的。
• 虽然红色和黄色是完全不同的两种色调， 但我们可以混合它们来得到橙色。混合黄 色和绿色可以得到黄绿色或青豆色，而绿 色和蓝色混合则产生蓝绿色。因此，色调 之间是互相关联的，我们把这些色相排列 成圈。这个圈就是“色环”。
色环
颜色的基本特征，它是用以判别物体颜色是红、绿、黄、 蓝，还是中间过渡色的感觉属性。可见光谱波长不同，表 现的色调也不同。
彩色空间
（1）面向诸如彩色监视器、彩色视频摄像机和彩色打印 机的硬件设备。面向硬件设备的彩色模型主要有RGB模型、 CMY（青、品红、黄）模型和CMYK（青、品红、黄、黑） 模型。RGB模型主要用于彩色监视器和彩色视频摄像机； CMYK主要用于彩色打印机。 （2）面向诸如彩色动画图形创作等的彩色处理应用。面 向彩色处理应用的模型主要是HSI模型（hue-saturationintensity，即色调、亮度和饱和度）。 （3）面向电视信号应用的，如YUV、YIQ空间
人眼之所以能看到 色谱，是因为这些 特定的波长刺激了 人眼中的视网膜，
从而能够感知色彩。
人眼的视网膜上有三种椎体细胞
感红椎体细胞 感绿椎体细胞 感蓝椎体细胞
我们是怎样感知到色彩的？
• 为什么苹果看起来是红色的？简单地说，物体将光反射到 我们的眼睛中，随即相应信息传输至大脑，于是大脑感知 到了色彩。 苹果之所以看起来是红色的，是因为苹果表 面反射了红色的光，而吸收了其它的色光。
的明暗程度，它与光的发射功率有关。
● 色调 ——颜色的种类，取决于该种颜色的
主色波长。
自然光中纯度最高的颜色
黑白灰没有色调信息
● 饱和度 ——色彩的饱和程度，亦称“鲜艳度”、
“纯净度”。纯度不够时，色调区分不明显，亮度 也受到影响。
亮度（Intensity）
–人眼感受到的颜色的光的强度 –同一种色块，在不同强度的白光照射下，
• 在色环中，色调是连续变化。
黄
红 绿
紫 蓝
饱和度saturation
• 饱和度saturation：指颜色的纯正程度。 –与亮度有关：某一色调参入白光，色调不变但饱和度 降低 –与参入其它颜色的光有关：饱和度与色调都会改变。 –纯色（可见光谱中包含的一系列单色光）是全饱和的， 随着白光的加入饱和度会逐渐降低，也即变成欠饱和。