数字图像处理第九章解读

合集下载

数字图像处理第九章分析

数字图像处理第九章分析
第九章 形态学图像处理
➢预备知识 ➢膨胀与腐蚀 ➢开操作和闭操作 ➢击中或击不中变换 ➢一些基本的形态学算法 ➢灰度级形态学
数字图像处理第九章分析
第九章 形态学图像处理
形态学:一般指生物学中研究动物和植物结 构的一个分支。 数学形态学(也称图像代数):以形态为 基础对图像进行分析的数学工具。 形态学图像处理的应用可以简化图像数据, 保持它们基本的形状特性,并除去不相干的 结构。
数字图像处理第九章分析
开操作的几何解释:
A B 的边界通过B中的点建立:
——当B在A的边界内侧滚动时,B所能到达的A的边界的 最远点。 B对A的开操作是通过拟合到A的B的所有平移的并集得到 的。
数字图像处理第九章分析
闭操作的几何解释:
A• B 的边界通过B中的点建立
B在A的边界外侧滚动
开操作和闭操作彼此对偶
A z cc a z,a A
数字图像处理第九章分析
•二值图像的逻辑运算
1.主要逻辑运算
数字图像处理第九章分析
2.二值图像的基本逻辑运算
数字图像处理第九章分析
➢ 膨胀与腐蚀
• 膨胀和腐蚀是形态学算法的基础 膨胀:使图像扩大 腐蚀:使图像缩小
数字图像处理第九章分析
膨胀
• A被B膨胀的定义:
数字图像处理第九章分析
集合B关于原点对称 方形结构元
长形结构元
数字图像处理第九章分析
桥接裂缝
➢ 膨胀最简单的应用之一是将裂缝桥接起来 ➢ 形态学方法结果。
数字图像处理第九章分析
左图:带有间断的图像,已知间断的最大长度为两个像素。
数字图像处理第九章分析
• 开操作的性质:
• 闭操作的性质:
(1)AB是A的子集合。 (1)A是A•B的子集。

数字图像处理_第九章_形态学图像处理

数字图像处理_第九章_形态学图像处理

A X ( AB1 ) ( AcB2 )
B1在A内找到匹配 B2在AC中找到匹配 根据腐蚀与膨胀间的对偶关系
A B ( AB1 ) ( Ac B2 )
以上3个公式叫形态学上的击中或击不中变换。
数字图像处理
Chapter 9 Morphological Image Processing
C A B D A B
AC {w | w A} A的补:
A B {w | w , A B} A BC
ˆ {w | w b, b B} 集合B的反对 B
集合A平移到点 z ( z1 , z 2 )
,表示为(A)z
(A)z {c | c a z, a A}
数字图像处理
Chapter 9 Morphological Image Processing
9.1 序言 图9.1为集合论基本概念图示
数字图像处理
Chapter 9 Morphological Image Processing
9.1 序言 图9.2为平移、反射图示
数字图像处理Байду номын сангаас
Chapter 9 Morphological Image Processing
数字图像处理
Chapter 9 Morphological Image Processing
9.5 一些基本的形态学算法
9.5.5 细化
A B=A-(A*B)=A (A*B)C {B}={B1 ,B2 ,B3 ...Bn }
Bi是Bi-1旋转后的形式 更有用的形式: A {B}=((...((A B1 ) B2 )...) Bn
A B ( A B)B

数字图像处理课件 第九章 目标表达与描述

数字图像处理课件 第九章 目标表达与描述

bi B , b j B
3.曲率 是斜率(s1ope)的改变率,它描述了边界上各点沿边界 方向变化的情况。在一个边界点的曲率的符号描述了边界在 该点的凹凸性。 · 如果曲率大于零,则曲线凹向朝着该点法线的正向。 · 如果曲率小于零,则曲线凹向朝着该点法线的负向。 · 如沿顺时钟方向跟踪边界,当在一个点的曲率大于零则该 点属于凸段的一部分,否则为凹段的一部分。
二值图像
骨架
人腿骨和分层叠加显示的区域骨架
9.4 边界描述
9.4.1 简单描述符
1.边界的长度:边界所包围区域的轮廓的周长。 区域R的边界B是由R的所有边界点按4-方向或8-方向 连接组成的,区域的其它点称为区域的内部点。对区域R 来说,它的每一个边界点P都应满足两个条件: ① P本身属于区域R; ② P的邻域中有像素不属于区域R。 注意: 如果区域R的内部点是用8-方向连通来判定的,则得到 的边界为4-方向连通的。而如果区域尺的内部点是用4 -方向连通来判定的,则得到的边界为8-方向连通的。
9.3.3 骨架
骨架的主要思想是去除冗余信息,同时保留有助于识别的 物体结构的拓扑信息。骨架方法的代表为Blum提出的中轴变 换(medial axis transform,MAT) 。 具有边界B 的区域R 的MAT确定: 对每个R中的点x,在B中搜寻与它最近的点。如果对x能找 到多于一个这样的点,就可认为x属于R 的中线或骨架,或者 说x是一个骨架点。 假设为从点x到边界B 的最近距离,定义为
d ( x , B ) inf{ d ( x , y ) | y B }
在物体形状区域R上有一些点具有下面的特性
a, b B | d ( x, B ) d ( x, a ) d ( x, b)

数字图像处理第9章

数字图像处理第9章

第九章 图像分割与边缘检测
分割区域的一种方法叫区域生长或区域生成。假定区域的数 目以及在每个区域中单个点的位置已知,则从一个已知点开始, 加上与已知点相似的邻近点形成一个区域。
相似性准则可以是灰度级、彩色、组织、梯度或其他特性, 相似性的测度可以由所确定的阈值来判定。
从满足检测准则的点开始,在各个方向上生长区域,当其邻 近点满足检测准则就并入小块区域中。当新的点被合并后再用 新的区域重复这一过程,直到没有可接受的邻近点时生成过程 终止。
• 连通是指集合中任意两个点之间都存在着完全 属于该集合的连通路径;
• 对于离散图像而言,连通有4连通和8连通之分, 如图9-1所示。
第九章 图像分割与边缘检测
(a)
(b)
图9-1 4连通和8连通
第九章 图像分割与边缘检测
4连通指的是从区域上一点出发,可通过4个方向,即上、 下、左、右移动的组合,在不越出区域的前提下,到达区域内 的任意像素;
第九章 图像分割与边缘检测
物体边缘的作用
图9-7 物体边缘的作用
第九章 图像分割与边缘检测
边缘的类型
• 尽管边缘在数字图像处理和分析中具有 重要作用,但是到目前为止,还没有关 于边缘的被广泛接受和认可的精确的数 学定义。
• 一方面是因为图像的内容非常复杂,很 难用纯数学的方法进行描述,另一方面 则是因为人类对本身感知目标边界的高 层视觉机理的认识在还处于善之中。
第九章 图像分割与边缘检测
• 目前,具有对边缘的描述性定义,即两 个具有不同灰度的均匀图像区域的边界, 即边界反映局部的灰度变化。
• 局部边缘是图像中局部灰度级以简单 (即单调)的方式作极快变换的小区域。 这种局部变化可用一定窗口运算的边缘 检测算子来检测。

Matlab数字图像处理9-PPT精选文档

Matlab数字图像处理9-PPT精选文档

9.2.2 MATLAB中颜色模型转换

颜色模式就是建立的一个3-D坐标系统,表示一个彩色空间,采用不同的 基本量来表示颜色,就得到不同的颜色模型(彩色空间),不同的颜色模 型都能表示同一种颜色,因此,它们之间是可以相互转换的。
9.3本章小结

本章主要介绍了彩色图像处理的一些基本知识。首先介绍了彩色图像的基 础,彩色图像的基本概念。其次,介绍了彩色图像的坐标变换,其中包括 MATLAB中支持的几种彩色模型,和基本彩色模型之间的转换。
9.1彩色图像基础

彩色图像处理和人的视觉系统有着非常密切的关系。一个彩色的光源能够 发射400~700n的电磁波,一部分被物体吸收,一部分反射至人眼,引起了 人眼对物体颜色的感知。大部分电磁波都被吸收物体时,人眼感知物体为 黑色,大部分电磁波都被物体反射时,人眼感知物体为白色,某一波段的 电磁波被物体反射回人眼,人眼感知的物体就是彩色的,例如, 569~590nm电磁波反射回人眼,人的视觉系统感知的就是黄色。本小节主 要介绍三原色概念,色调、饱和度和亮度的概念。
习题



9.1 列举两组除红绿蓝以外的其他三原色。 9.2 RGB模型的应用特点是什么? 9.3 HSV模型的应用特点是什么? 9.4 读入一幅HSV图像,将其转换成RGB图像。 9.5 读入一幅YCbCr图像,将其转换成RGB图像。
9.1.1三原色

人的视觉系统中有两种细胞,一种为杆状细胞,另一种为锥状细胞,杆状 细胞为亮度感知细胞,锥状细胞为颜色感知细胞,在亮度足够的条件下, 锥状细胞对红、绿、蓝这三种颜色波段的电磁波最为敏感,因此这三种颜 色被称为三原色,人类视觉系统锥状细胞对可见光敏感曲线如下图所示。 根据人眼的视觉特性,自然界中的任何颜色都可以由三原色按照不同比例 组合而成。

数字图像处理第八、九章

数字图像处理第八、九章

(8.3 2)
此外,常用的特征量还有区域的幅宽、占有 率和直径等 。
2.区域外部形状特征提取与分析
区域的边界、骨架空间域分析
1)方向链码描述 边界的方向链码表示既便于有关形状
特征的提取,又节省存储空间。从链码可 以提取一系列的几何形状特征。如周长、 面积某方向的宽度、矩、形心 、两点 之间的距离等。
收缩和膨胀是数学形态学最基本的变换,数学
令E = R2和E=Z2分别为二维欧几里德空间和欧几 里德栅格。二值图像目标X是E的子集。用B代表 结构元素,Bs代表结构元素B关于原点(0 , 0) 的对称集合:
Bs b : b B
即Bs是B旋转180°获得的。图给出了三种简单的 结构元素。膨胀和腐蚀变换的定义式为:
腐蚀处理的应用
• 腐蚀处理可以将粘连在一起的不同目 标物分离,并可以将小的颗粒噪声去 除。
膨胀
• 膨胀是将与目标区域的背景点合并到该目标 物中,使目标物边界向外部扩张的处理。
例:
膨胀的基本设计思想
• 设计一个结构元素,结构元素的原点定位在背景像 素上,判断是否覆盖有目标点,来确定是否该点被
膨胀为目标点。
膨胀就是把连接成分的边界扩大一层的处理。 收缩则是把连接成分的边界点去掉从而缩小一层 的处理。若输出图像为g(i,j),则它们的定义式为
膨胀:g(i,
j)

1 0
像元(i, j)为1或其4 - /8 - 邻域的一个像素为1 其他
收缩:g(i,
j)

0 1
像元(i, j)或其4 - /8 - 邻域的一个像元为0 其他
到该点; 3)判断该结构元素所覆盖范围内的像素值是否全部为1:
如果是,则腐蚀后图像中的相同位置上的像素值为1; 如果不是,则腐蚀后图像中的相同位置上的像素值为0; 4)重复2)和3),直到所有原图中像素处理完成。

数字图像处理ch9colorimageprocessing

数字图像处理ch9colorimageprocessing

22
9.2.1 RGB模型(RGB Color Model)
一幅m*n(m,n为正整数,分别表示图像 的高度和宽度)的RGB彩色图像可以用一个 m*n*3的矩阵来描述,图像中的每一个像素点对 应于红、绿、蓝三个分量组成的三元组。 在Matlab中,不同的图像类型,其图像矩阵 的取值范围也不一样。例如若一幅RGB图像是 double类型的,则其取值范围在[0, 1]之间,而 如果是uint8或者uint16类型的,则取值范围分 别是[0, 255]和[0, 65535]。
26
结果:
9.2.2 CMY和CMYK模型
• 在用彩色打印机将彩色图像打印输出时,使用的是CMY和 CMYK彩色模型。 • 红、绿、蓝称为加色基色,RGB模型称为加色混色模型。 • 在CMY彩色模型中,青(Cyan)、品红(Magenta)、黄( Yellow)是在白光中减去红、绿、蓝而得到的,它们分别是红、 绿、蓝的补色,所以,青、品红、黄称为减色基色,CMY模型 称为减色混色模型。 • 大多数在纸上沉积彩色颜料的设备,如彩色打印机和复印件, 要求输入CMY数据或在内部做RGB到CMY的转换。 • 转换操作(假设所有的彩色值都归一化为[0,1]范围) :
γ 射 线 可见光 X 射线 紫外 红外线 线 无线电波 微波 超 短 中 长 短 波 波 波 1km 100km 红 0.76(m)
0.01nm 1nm 紫 0.38 0.43
0.1μ 10μ 0.1cm 10cm 10m 电磁波谱分布 蓝 青 绿 黄 橙 0.47 0.5 0.56 0.59 0.62
9
9.1.2 彩色基础 ( Color Fundamentals )
三原色原理
其基本内容是: 任何颜色都可以用3种不同的基本颜色按照不 同比例混合得到,即 C=aC1+bC2+cC3 (9.1) 式中a,b,c >=0 为三种原色的权值或者比例, C1、C2、C3为三原色(又称为三基色)。

数字图像处理第九章至11章内容整理.

数字图像处理第九章至11章内容整理.

第九章1、设原图像f(x,y在[0,Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为2、梯度锐化法图像锐化法最常用的是梯度法。

对于图像f(x ,y,在(x ,y处的梯度定义为梯度是一个矢量,其大小和方向为伪彩色增强:密度分割法是把黑白图像的灰度级从0(黑到M0(白分成N 个区间Ii(i=1,2,…,N,给每个区间Ii 指定一种彩色Ci ,这样,便可以把一幅灰度图像变成一幅伪彩色图像。

该方法比较简单、直观。

缺点是变换出的彩色数目有限。

第十章1、图像退化模型假定成像系统是线性位移不变系统(退化性质与图像的位置无关,它的点扩散函数用h(x,y表示,则获取的图像g(x,y表示为g(x,y=f(x,y*h(x,y式中f(x,y表示理想的、没有退化的图像,g(x,y是劣化(被观察到的图像。

若受加性噪声n(x,y的干扰,则退化图像可表示为g(x,y=f(x,y*h(x,y+n(x,y这就是线性位移不变系统的退化模型。

2、图像的几何校正几何失真:图像在获取过程中,由于成像系统本身具有非线性、拍摄角度等因素的影响,会使获得的图像产生几何失真。

几何失真:系统失真和非系统失真。

系统失真是有规律的、能预测的;非系统失真则是随机的。

当对图像作定量分析时,就要对失真的图像先进行精确的几何校正(即将存在几何失真的图像校正成无几何失真的图像,以免影响定量分析的精度。

几何校正方法图像几何校正的基本方法是先建立几何校正的数学模型;其次利用已知条件确定模型参数;最后根据模型对图像进行几何校正。

几何校正通常分两步:①图像空间坐标变换;首先建立图像像点坐标(行、列号和物方(或参考图对应点坐标间的映射关系,解求映射关系中的未知参数,然后根据映射关系对图像各个像素坐标进行校正;②确定各像素的灰度值(灰度内插。

⎪⎩⎪⎨⎧≤≤+---<≤+---<≤=f f gMy x f b d b y x f b M d M b y x f a c a y x f a b c d a y x f y x f a c y x g ,(],(][/([(,(],(][/([(,(0,(/(,(⎥⎥⎦⎤⎢⎢⎣⎡=⎥⎥⎦⎤⎢⎢⎣⎡=∂∂∂∂y y x f x y x f y x f f y x grad ,(,('',(/(/(((ygrad(x,,(,(1''12,(2,(2'2'x y x f y y x f x y y y x f x y x f y x tg f f tg f f ∂∂∂∂--∂∂∂∂==+=+=θ几何校正方法可分为直接法和间接法两种。

数字图像处理技术初步

数字图像处理技术初步

第九章 数字图象处理技术初步第一节 采样理论一、几个基本概念1、信号:信号是表示信息的一个函数。

它通常表示为时间的函数,但是,也可以表示为其它变量中的函数。

因此,我们可以认为数字图象是空域中的信号,是空间坐标的函数,而不是时域中的信号,也不是时间的函数。

虽然数字图象是两个独立变量的二维函数,但为便于讨论采样理论,通常只讨论一维的情况。

2、连续信号和离散信号:在空间上一个连续的域内定义的信号称为连续信号,而在空间内一组离散点上定义的信号称为离散信号。

3、采样及样本:对于一个连续信号来说,当它的参数改变时,可以引起数值的非常迅速的变化,从而使连续信号可以拥有丰富的变化细节。

而离散信号则不同,它只能在确定的离散点上产生函数值的变化,因而只某一个最大的变化率。

因此,转换连续信号到离散会引起丢失,但应丢失得尽可能少。

从一个连续信号中选择有限个数值的过程称为采样,选择的数值称为样本。

当取得样本后,由样本重新产生原始的连续信号的过程称为重构。

二、采样理论1、图象信号的空域和频域表示根据数学中讲授的傅立叶级数的性质,一个周期函数可以用一系列具有不同,幅值和相移的正弦函数之和表示。

这些正弦函数的频率是该周期函数基波频率的整数倍。

而一个非周期函数可以被认为是周期无限长的一个函数,这时得到一个傅立叶级数的极限形式,原始的非周期函数不能用于多个正弦函数之和来表示,而必须表示为一个连续频谱的积分,称为傅立叶积分,其基波频率趋于零。

对于图象信号而言,一般具有非周期的性质,而其空间范围是有限的,可以认为该图象信号在图象区域之外的值是0,这样的图象信号可以按非周期函数来处理。

设一维图象信号以f(x)来表示,则其傅立叶积分F(u)为:其中:u 表示Sine 和Cosine 函数的频率,F(u)表示在原始信号f(x)中频率为u 的成份,是一个复数,其幅值为:其中:R 和I 为对应的实部和虚部,其相角为:在这里,傅立叶积分将图象信号在空域表示f(x)转换为相应的频域表示F(u),因此也称傅立叶变换。

《数字图像处理》课件1第9章

《数字图像处理》课件1第9章

21
图9.2.1右下角部分是自适应处理(学习)部分,用训练样本 根据某些规则求出一些判别规则后,对这些训练样本逐个 进行检测,观察是否有误差。这样不断改进判别规则,直 到满足要求为止。在该系统中,图像的增强和恢复等可以 看做预处理,其输入、输出均是图像,它是传统的图像处 理的内容。而图像分割、特征提取及结构分析等称为图像 识别,其输入是图像,输出是描述或解释。
20
9.2 统计模式识别
统计模式识别是研究每一个模式的各种测量数据的统 计特性,按照统计决策理论来进行分类的方法。
统计模式识别的大致过程如图9.2.1所示。图中上半部 分是识别部分,即对未知类别的图像进行分类;下半部分 是分析部分,即由已知类别的训练样本求出判别函数及判 别规则,进而用来对未知类别的图像进行分类。
15
nm
m(u,v) f (k u 1,l v 1) t(k,l)
k1 t1
(9.1.7) 如果在坐标(u,v)处的图像中有和模板一致的图案, 则 m(u,v)的值很小,相反则较大。特别是在模板和图像 重叠部分完全不一致的场合下,如果把模板内的各像素与 图像重合部分对应像素的差的绝对值依次增加下去,其和 就会急剧地增大。因此,在做加法的过程中,如果差的绝 对值部分的和超过了某一阈值时,就认为这位置上不存在 和模板一致的图案,从而转移到下一个位置上计算m(u,v)。
8
图9.1.1 模板匹配示例
9
模板匹配是图像处理中最基本、最常用的匹配方法。 匹配的用途很多,如在几何变换中,检测图像和地图之间 的对应点;不同的光谱或不同的摄影时间所得的图像之间 位置的配准(图像配准);在立体影像分析中提取左右影像 间的对应关系;运动物体的跟踪;图像中对象物位置的检 测等。
10

数字信号处理 第九章 图像分析与识别基础

数字信号处理 第九章 图像分析与识别基础

9.1.2 特征分析模式
特征分析模式是根据景物特征实现视觉再现 的理论,其过程为提取特征、特征分类、 分析与识别几个步骤。 需要较大的特征运算。难度在于:1)如何对 于不同的对象选择适合的特征;2)如何确 定各特征之间的关系。
9.1.3 结构描述模式
结构描述模式通常用“图”表示,“图”的 节点代表对象景物的某一部分或某一特性; 节点之间的有向边说明各部分或个特性之 间的关系。
l(x,y)
l(x,y)
9.2.2 边缘检测法
5 Kirsch边缘检测算子
g ( x , y ) max
5 3 3
3 3 5
f ( x , y ) g i ( x , y ), i
5 0 3 3 0 5 5 5 3 3 3 3 3 3 3 5 5 5 3 0 3 3 0 3 5 5 5 3 3 3
9.1 视觉再认模式
本节主要从心理学的角度分析视觉对景物的 再认模式,以便从更深的层次理解图像分 析与识别方法的原理。视觉再认模式主要 有以下四种: 9.1.1 模板匹配模式 9.1.2 特征分析模式 9.1.3 结构描述模式 9.1.4 傅立叶模式
9.1.1 模板匹配模式
随着经验和阅历的增长,人的记忆中存在着代 表各种景物形态的“模版”,当人注视某景 物时,大脑神经中枢就会搜索存储在大脑中 的各个模版,并与看到的景物进行匹配,一 旦匹配一致或相关性最大,则认为再认成功。 模版匹配模式可以看作是一个决策过程。
第9章
图像分析与识别基础
概述
图像分析(image analysis)也叫景物分析(scenery analysis)或图像理解(image understand),其目 的是从图像中提取有用测度(useful estimate)、 数据或信息,生成非图的描述或表示,如数值、 符号等等,不局限于对给定景物的区域在一定数 目的已知类别里进行分类,更重要是要对千变万 化和难以预测的复杂景物加以描述,从中找出潜 藏在景物图像中的深层次信息,涉及到物体的前 景与背景、物体之间的关系以及人工智能技术等 问题。其研究的内容包括特征提取、符号描述、 景物匹配和识别等等。

9第九章数字图像处理之图像分割资料

9第九章数字图像处理之图像分割资料
*代表卷积。令r是离原点的径向距离,即r2=x2+y2。
10/29/2018
对图像g(x,y)采用Laplacian算子进行边缘检测,可得:
g h( x, y ) * f ( x, y ) (
2 2
r
2
2

4
)e
e2 2 2
* f ( x, y )
2 h * f ( x, y )
• 模板:可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯 的基本要求是,作用于中心像素的系数是一个负数,而且其周围像素 的系数为正数,系数之和必为0。对于一个3x3的区域,经验上被推荐 最多的形式是:
0
1 0
10/29/2018
1
-4 1
0
1 0
1 1
1 -8
1 1
1
1
1
• 拉普拉斯算子的分析: – 优点: • 各向同性、线性和位移不变的; • 对细线和孤立点检测效果较好。 – 缺点: • 对噪音的敏感,对噪声有双倍加强作用; • 不能检测出边的方向; • 常产生双像素的边缘。
• 公式:
f x f ( x 1, y 1) f ( x 1, y 1) f y f ( x 1, y 1) f ( x 1, y 1)
• 模板:
-1
1 1
fx

fy’
-1
• 特点:与梯度算子检测边缘的方法类似,对噪声敏感,但效果较梯度 算子略好。
10/29/2018
例1:
原始图像
梯度算子
Roberts算子
Prewitt算子
10/29/2018
Sobel算子
Kirsch算子
  1. 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. 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. 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)。

1.8758
0.0454
Y
B 0.0528 - 0.2040 1.1512 Z
(9-3)
3. Lab颜色模型 Lab颜色模型是CIE于1976年制定的等色空间。Lab颜色 由亮度或光亮度分量L和a、b两个色度分量组成。其中,a 在正向的数值越大表示越红,在负向的数值越大则表示越绿; b在正向的数值越大表示越黄,在负向的数值越大表示越蓝。 Lab颜色与设备无关,无论使用何种设备(如显示器、打印机、 计算机或扫描仪)创建或输出图像,这种模型都能生成一致 的颜色。Lab模型与XYZ模型的转换公式为
2 h 4
3
3
(9-11)
hh4 /3
g i(1s)
b
i1
scosh cos6( 00 h)
r 3i (x y)
4 h2
3
(9-12)
由式(9-10)~(9-12)计算出的r、g、b值的范围为 [0,1],为便于理解与显示,常将其转换为[0,255]:
R r 255
G
g
255
B b 255
F xX yYzZ
(9-1)
式中: x、y、z称为标准计色系统下的色度坐标,可表示为
x X y Y z Z X Y Z X Y Z X Y Z
显然,x+y+z≡1。Fra bibliotek(9-2)
x、y、z中,只有两个是相互独立的,因此,表示某种 颜色只需两个坐标即可。据此,CIE制定了如图9-3所示的色 度图,图中横轴代表标准红色分量x,纵轴代表标准绿色分 量y,标准蓝色分量z=1-(x+y)。
ri(1s)0.392 gi1cos6 cso(0 0hsh)0.588 b3i(xy)
(3) 计算R、G、B:
R 255 r 100 G 255 g 150 B 255 b 200
与HSI相似的颜色模型还有HSV模型和HLS模型。HSV 和HLS模型中的H、S与HSI模型中的H、S含义相同,V、L 含义与I基本一致。但应注意,HSV模型和HLS模型与RGB 模型的转换方式与HSI不同,在此不再讨论,请参阅本书所 附光盘中的代码。
工业颜色模型侧重于实际应用,包括彩色显示系统、彩 色传输系统及电视传输系统等。如印刷中用的CMYK模型、 电视系统用的YUV模型、用于彩色图像压缩的YCbCr模型 等。
1. RGB模型 RGB模型采用CIE规定的三基色构成表色系统。自然界 的任一颜色都可通过这三种基色按不同比例混合而成。由于 RGB模型将三基色同时加入以产生新的颜色,所以,它是 一个加色系统。 设颜色传感器把数字图像上的一个像素编码成(R,G, B),每个分量量化范围为 [0,255]共256级。因此,RGB 模型可以表示28×28×28=224=256×256×256=16 777 216≈1670万种颜色。这足以表示自然界的任一颜色,故又 称其为24位真彩色。
R G B
R G B
(2) 用式(9-6)计算h,由于b>g,故
h2 co 1 ( sr (g r) 2g )( r (rb )b g ( ) /b 2 )1 /2 1 .1 67
(3) 计算s:
S 1 3 mr,ig n ,b ) (0 .333
(4) 计算H,S,I:
图9-1 人类感光细胞的敏感曲线
根据人眼的结构,所有颜色都可看做是三种基本颜色— —红(Red,R)、绿(Green,G)和蓝(Blue,B)按照不同的比例 组合而成的。国际照明委员会(CIE)早在1931年就规定三种 基本色的波长分别为R:700 nm,G:546.1 nm,B:435.8 nm。
H S
h 180
s 100
210 33 .3
I
R
G 3
B
150
再如,若一像素的颜色为(210°,33.3,150),分别求 其对应R、G、B值,步骤如下。
(1) 计算h、s、i:
hH 7 ,sS0 .3,3 i3 I 0 .588
186 0 100 255
(2) 由于h∈[2π/3,4π/3):
(9-13)
例如,有一像素的颜色为(100,150,200),求其对应H、 S、I值的步骤如下。
(1) 归一化处理:
r R 0 .2,g 2 2 G 0 .3,b
R G B
R G B
R 0 .2,g 2 2 G 0 .3,b 3 3 B 0 .4
R G B
R G B
R G B
2 2 G 0 .3,b 3 3 B 0 .444
1. 三色原理 在人的视觉系统中存在着杆状细胞和锥状细胞两种感光 细胞。杆状细胞为暗视器官,主要功能是辨别亮度信息;锥 状细胞是明视器官,在照度足够高时起作用,其功能是分辨 颜色。锥状细胞将电磁光谱的可见部分分为三个波段: 红、 绿、蓝。由于这个原因,这三种颜色被称为三基色,图9-1 表示了人类视觉系统三类锥状细胞的光谱敏感曲线。
强度I(Intensity): 对应成像亮度和图像灰度,是颜色 的明亮程度。
HSI模型的建立基于两个重要的事实: ① I分量与图 像的彩色信息无关;② H和S分量与人感受颜色的方式是 紧密相联的。这些特点使得HSI模型非常适合彩色特性检 测与分析。
若将RGB单位立方体沿主对角线进行投影,可得到图 9-4(a)所示的六边形,这样,原来沿主对角线的灰色都投影 到中心白色点,而红色点(1,0,0)则位于右边的角上,绿 色点(0,1,0)位于左上角,蓝色点(0,0,1) 则位于左下 角。
一幅彩色图像的像素值可看做是光强和波长的函数值 f(x,y,λ),但实际使用时,将其看做是一幅普通二维图像, 且每个像素有红、绿、蓝三个灰度值会更直观些。
2. 颜色的三个属性 颜色是外界光刺激作用于人的视觉器官而产生的主观感 觉。颜色分两大类: 非彩色和彩色。非彩色是指黑色、白 色和介于这两者之间深浅不同的灰色,也称为无色系列。彩 色是指除了非彩色以外的各种颜色。颜色有三个基本属性, 分别是色调、饱和度、亮度。基于这三个基本属性,提出了 一种重要的颜色模型HSI(Hue,Saturation,Intensity)。在 HSI颜色模型部分,将详细介绍这三个基本属性。
HSI模型也可用圆柱来表示,如图9-5所示。若将其展开, 并按图9-6进行定义,可得到HSI调色板。
图9-5 圆柱HSI模型
图9-6 HSI调色板
HSI模型与RGB模型之间可按下述方法相互转换。 (1) RGB转换到HSI。首先,对取值范围为[0,255] 的R、G、B值按式(9-5)进行归一化处理,得到3个[0, 1]范围内的r、g、b值:
s 100
(9-9)
I i 255
(2) HSI转换到RGB。利用h、s、i将HSI转换为RGB的公 式为
bi(1s)
r
scosh i1cos6(00 h)
g3i(xy)
0h2
3
(9-10)
hh2 /3
r i(1s)
g
i1
scosh cos6( 00 h)
b3i (x y)
式中
(rg)(rb)
arccos (rg)2
2 (rb)(gb)1/2
由式(9-6)~(9-8)计算出的h值的范围为[0,2π],s值
的范围为[0,1],i值的范围为[0,1] ,为便于理解,
常将其转换为[0°,360°],[0,100],[0,255]:
H h 180 /
S
RGB模型与显示器等设备有着很好的对应关系,RGB 显示器中,有三种荧光粉能够分别发射出红、绿、蓝三种颜 色,三个相邻的荧光点构成了一个像素,这些荧光点受到三 束强度分别为c1、c2、c3的电子束的轰击,会发出不同的亮 度,通过物理上的叠加或混合,便可显示出相应的颜色。
2. CIE XYZ模型 采用RGB模型表示各种不同颜色时,存在有负值表示 颜色。为此,CIE1931年制定了XYZ模型,其中,X、Y、Z 分别表示三种标准原色。对于可见光中的任一种颜色F,可 以找到一组权值使:
第9章 彩色图像处理
➢ 9.1 色度学基础与颜色模型 ➢ 9.2 颜色变换 ➢ 9.3 平滑与锐化 ➢ 9.4 彩色图像处理的应用
9.1 色度学基础与颜色模型
9.1.1 色度学基础 灰度图像的像素值是光强,即二维空间变量的函数f(x,
y)。如果把灰度值看成是二维空间变量和光谱变量的函数f(x, y,λ),则为多光谱图像,也就是通常所说的彩色图像。计 算机显示一幅彩色图像时,每一个像素的颜色是通过三种基 本颜色(红、绿、蓝)合成的,即利用了最常见的RGB颜色模 型。要理解颜色模型,首先应了解人的视觉系统。
不同应用系统采用的HSI、HSV、HLS模型不完全一样, 表9-1是这三种模型在常见系统中的应用。
表9-1 HSI、HSV、HLS模型在常见系统中的应用
5. CMY颜色模型 CMY模型也是一种常用的表示颜色的方式。印刷工业 常采用CMY色彩系统,它是通过颜色相减来产生其它颜色 的,所以,称这种方式为减色合成法(Subtractive Color Synthesis)。 CMY模式的原色为青色(Cyan)、品红色(Magenta)、黄 色(Yellow)。青色、品红色、黄色是该表色系统的三基色, 它们分别对应三种墨水。青色吸收红光,品红色吸收绿光,
图9-4 HSI颜色模型
图9-4(b)是HSI颜色模型的双六棱锥表示,I是强度轴, 色调H的角度范围为[0,2π],其中,纯红色的角度为0, 纯绿色的角度为2π/3,纯蓝色的角度为4π/3。饱和度S是颜 色空间任一点距I轴的距离。当然,若用圆表示RGB模型的 投影,则HSI色度空间为双圆锥3D
注意: 当强度I=0时,色调H、饱和度S无定义;当 S=0时,色调H无定义。
一幅图像中的每一个像素点均被赋予不同的RGB值, 便可以形成真彩色图像,如红色(255,0,0)、绿色(0,255, 0)、蓝色(0,0,255)、青色(0,255,255)、品红(255,0, 255)、黄色(255,255,0)、白色(255,255,255)、黑色(0, 0,0)等,等比例混合三基色产生的是灰色。
相关文档
最新文档