数字图像处理-第六章
合集下载
数字图像处理-第六章图像分割与分析
设平面上有若干点,过每点的直线族分别对应于极坐标上的 一条正弦曲线。若这些正弦曲线有共同的交点(ρ′,θ′),如图 (e),则这些点共线,且对应的直线方程为 ρ′=xcosθ′+ysinθ′
这就是Hough变换检测直线的原理。
y
A 60
B
F E
C
G 60
D 120
x
x-y空间的边缘点
D
120
C
w1 w 2 w3
可以指定模板为:
w
4
w5
w
6
w 7 w 8 w 9
9
模板响应记为: R | w i z i | i1
输出响应R>T时对应孤立点。
888 8 128 8 888
图像
-1 -1 -1 -1 8 -1 -1 -1 -1
模板
R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106
3、阈值分割法(相似性分割)
根据图像像素灰度值的相似性
通过选择阈值,找到灰度值相似的区域 区域的外轮廓就是对象的边
阈值分割法(thresholding)的基本思想: 确定一个合适的阈值T(阈值选定的好坏是此方法成败 的关键)。 将大于等于阈值的像素作为物体或背景,生成一个二值 图像。
f(x0,y0) T
2h
r2 2 4
exp
r2 2 2
是一个轴对称函数:
2h
-σ
σ
0
由图可见,这个函数 在r=±σ处有过零点,在 r │r│<σ时为正,在│r│>σ 时为负。
由于图像的形状,马尔算子有时被称为墨西哥草帽函数。 用▽2h对图像做卷积,等价于先对图像做高斯平滑,然后再用▽2对 图像做卷积。 因为▽2h的平滑性质能减少噪声的影响,所以当边缘模糊或噪声较 大时,利用▽2h检测过零点能提供较可靠的边缘位置。
数字图像处理第六章
彩色图像锐化(拉普拉斯微分)
RGB图像的 拉普拉斯变换 HSI图像的亮度I分量 图像的拉普拉斯变换 a图像和b图像的
差别图像
图a
图bLeabharlann 图c图c的原因:图a像素的锐化是不同彩色的锐化,而图b仅仅是亮度的 锐化,原彩色分量(色调H和饱和度S)保持不变
(把一幅图像分成多个区域)
基于彩色的图像分割
例: 多 R 光 谱 图 像 B 彩 色 编 码 R
G B 合 成
华盛顿特区的光谱卫星图像 G
近 红 外 近 红 外 代 替 R
木星卫星的伪彩色图像
在复杂图像中对感 兴趣的事物进行可 视化处理
活火山最 近喷出的 物质
第六章 彩色图像处理
彩色图像基础知识 彩色空间 伪彩色图像处理
全彩色图像处理
彩色变换
彩色图像平滑和尖锐化
全彩色图像处理
全彩色图像处理研究分为两大类:
分别处理每一分量图像,然后,合成彩色图像
直接对彩色像素处理:3个颜色分量表示像素
向量。令c代表RGB彩色空间中的任意向量
全彩色图像处理
彩色分量是坐标(x,y)的函数,有MN个这样的向量
对大小为 M N 的图像
彩色变换
彩色变换的简单形式
si Ti r1 , r2 ,..., rn
ri 和 si 是 f x , y 和
变量
g x, y
i 1,2,..., n
在任何点处彩色分量的
T1 , T2 ,...Tn 是一个对
射函数集
ri 操作产生 s i 的变换或彩色映
选择的彩色空间决定n的值,如RGB彩色空间,n=3,
第6章彩色图像处理资料
V=max(红色、蓝色、绿色);
补充 YUV彩色空间
YUV是被欧洲电视系统所采用的一种颜色编 码方法(属于PAL) 。
Y为颜色的亮度 U 为色差信号,为红色的浓度偏移量成份 V 为色差信号,为蓝色的浓度偏移量成份 YUV格式有:4∶4∶4 ;4∶2∶2 ;
4∶1∶1 ;4∶2∶0
YUV与RGB间的转换
6.1 彩色基础 p252
将红、绿、蓝的量称为三色值,表示为X,Y,Z, 则一种颜色由三色值系数定义为:
x X X Y Z
y Y X Y Z
z Z X Y Z
x y z 1
CIE色度图
纯色在色度图边 界上,任何不在 边界上而在色度 图内的点都表示 谱色的混合色;
越靠近等能量点 饱和度越低,等 能量点的饱和度 为0;
Y 0.299 0.587 0.114R
U
0.147
0.289
0.436 G
V 0.615 0.515 0.1 B
R 1 0
1.1398 Y
G 1
0.3946
Hale Waihona Puke 0.5805UB 1 2.032 0.0005V
6.3 伪彩色图像处理
伪彩色(又称假彩色)图像处理是根据特定的 准则对灰度值赋以彩色的处理,即将灰度 图转换为彩色图。
6.2.2 CMY和CMYK模型
CMY模型和RGB模型间的关系:
C 1 R
M
1
G
Y 1 B
RGB三个值已归一化为[0,1]
等量的青色、品红和黄色应该产生黑色。但实 际产生的黑色不够纯正,另外加上价格因素, 引入黑色(打印的主色),构成CMYK模型。
6.2.2 CMY和CMYK模型
补充 YUV彩色空间
YUV是被欧洲电视系统所采用的一种颜色编 码方法(属于PAL) 。
Y为颜色的亮度 U 为色差信号,为红色的浓度偏移量成份 V 为色差信号,为蓝色的浓度偏移量成份 YUV格式有:4∶4∶4 ;4∶2∶2 ;
4∶1∶1 ;4∶2∶0
YUV与RGB间的转换
6.1 彩色基础 p252
将红、绿、蓝的量称为三色值,表示为X,Y,Z, 则一种颜色由三色值系数定义为:
x X X Y Z
y Y X Y Z
z Z X Y Z
x y z 1
CIE色度图
纯色在色度图边 界上,任何不在 边界上而在色度 图内的点都表示 谱色的混合色;
越靠近等能量点 饱和度越低,等 能量点的饱和度 为0;
Y 0.299 0.587 0.114R
U
0.147
0.289
0.436 G
V 0.615 0.515 0.1 B
R 1 0
1.1398 Y
G 1
0.3946
Hale Waihona Puke 0.5805UB 1 2.032 0.0005V
6.3 伪彩色图像处理
伪彩色(又称假彩色)图像处理是根据特定的 准则对灰度值赋以彩色的处理,即将灰度 图转换为彩色图。
6.2.2 CMY和CMYK模型
CMY模型和RGB模型间的关系:
C 1 R
M
1
G
Y 1 B
RGB三个值已归一化为[0,1]
等量的青色、品红和黄色应该产生黑色。但实 际产生的黑色不够纯正,另外加上价格因素, 引入黑色(打印的主色),构成CMYK模型。
6.2.2 CMY和CMYK模型
数字图像处理第6章1
提高对比度举例
第6章 图像增强
灰度动态范围较窄 观察直方图分布
第6章 图像增强
对比度拉伸 灰度动态范围变宽
第6章 图像增强
灰度动态范围变宽 观察直方图分布
第6章 图像增强
第6章 图像增强
255 216
23
0
48
196 255
第6章 图像增强
非线性拉伸:是在整个灰度值范围内按照统一的 变换函数来实现对不同灰度值区间的扩展与压缩。 常用的有按对数函数扩展和按指数函数扩展。
(1)在0≤r≤1中,T(r)是单调递增函数, 且0≤T(r)≤1;
(2)反变换r=T-1(s),T-1(s)也为单调递增函 数,0≤s≤1。
第6章 图像增直强方图均衡化变换公式推导图示
sj+s sj
rj rj+r
第6章 图像增强
考虑到灰度变换不影响像素的位置分 布,也不会增减像素数目。所以有
1. 改善图像的视觉效果。 2. 突出图像的特征,便于计算机处理。
返回
第6章 图像增强
图像增强的技术方法
主要有空域处理法和频域处理法
(1)空域处理法:直接在图像所在的二 维空间进行处理,即直接对每一像元的灰 度值进行处理。 (2)频域处理法:将图像从空间域变换 到频率域对图像进行处理。
第6章 图像增强
S k舍入 S k 1/7 s0 3/7 s1 5/7 s2
6/7 6/7 s3
1 1 s4
1
nsk P (s k ) 790 0.19 1023 0.25 850 0.21
985 0.24
448 0.11
第6章 图像增强
例 均衡化前后直方图比较
直方图均衡化
第6章 图像增强
第6章 图像增强
灰度动态范围较窄 观察直方图分布
第6章 图像增强
对比度拉伸 灰度动态范围变宽
第6章 图像增强
灰度动态范围变宽 观察直方图分布
第6章 图像增强
第6章 图像增强
255 216
23
0
48
196 255
第6章 图像增强
非线性拉伸:是在整个灰度值范围内按照统一的 变换函数来实现对不同灰度值区间的扩展与压缩。 常用的有按对数函数扩展和按指数函数扩展。
(1)在0≤r≤1中,T(r)是单调递增函数, 且0≤T(r)≤1;
(2)反变换r=T-1(s),T-1(s)也为单调递增函 数,0≤s≤1。
第6章 图像增直强方图均衡化变换公式推导图示
sj+s sj
rj rj+r
第6章 图像增强
考虑到灰度变换不影响像素的位置分 布,也不会增减像素数目。所以有
1. 改善图像的视觉效果。 2. 突出图像的特征,便于计算机处理。
返回
第6章 图像增强
图像增强的技术方法
主要有空域处理法和频域处理法
(1)空域处理法:直接在图像所在的二 维空间进行处理,即直接对每一像元的灰 度值进行处理。 (2)频域处理法:将图像从空间域变换 到频率域对图像进行处理。
第6章 图像增强
S k舍入 S k 1/7 s0 3/7 s1 5/7 s2
6/7 6/7 s3
1 1 s4
1
nsk P (s k ) 790 0.19 1023 0.25 850 0.21
985 0.24
448 0.11
第6章 图像增强
例 均衡化前后直方图比较
直方图均衡化
第6章 图像增强
数字图像处理第六章色彩模型与彩色处理课件
Chapter 6 Color Image Processing
6.1 彩色基础
在颜料或着色剂中 ,原色的定义是这样 的:
白:减去一种原色 , 反射或传输另两种 原色。故其原色是: 深红、青、黄。而二 次色是R、G、B。如 图6.4所示。
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
6.2 彩色模型
6.2.1 RGB彩色模型
下面介绍所谓 全RGB彩色子集。
Chapter 6
Color Image Processing
6.2 彩色模型
Chapter 6 Color Image Processing
6.2 彩色模型
6.3 伪彩色处理
6.3 伪彩色处理 给特定的灰度值赋以彩色。伪彩色的 目的是为了人眼观察和解释图像中的目标。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.1 强度分层
参见图6.18,图像被看成三维函数。
Chapter 6 Color Image Processing
6.3.2 灰度级到 彩色转换
例6.5是一突出 装在行李内的爆炸物 的伪彩色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.2 灰度级到彩 色转换
例6.5是一突出装 在行李内的爆炸物的伪彩 色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
Chapter 6 Color Image Processing
6.3 伪彩色处理
数字图像处理06章04与07章
u
边、噪音、变化陡峭部分
变化平缓部分
v
第6章 图像增强
第6章 图像增强
第6章 图像增强
➢ 低通滤波器 ➢ 高通滤波器 ➢ 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
常见的图像中的信息冗余
视觉冗余: 一些信息在一般视觉处理中比其它信
息的相对重要程度要小,这种信息就被称为 视觉冗余。
第6章 图像增强
空间冗余(像素冗余):
由于任何给定的像素值,原理上都可以 通过它的邻居预测到,单个像素携带的信息 相对是小的。
对于一个图像,很多单个像素对视觉的 贡献是冗余的。这是建立在对邻居值预测的 基础上。
原始图像越有规则,各像素之间的相关 性越强,它可能压缩的数据就越多。
时间冗余:
以视频图像为代表,视频图像序列中存在 的关联性产生的信息冗余。
第6章 图像增强
信息熵冗余(编码冗余): 如果一个图像的灰度级编码,使
用了多于实际需要的编码符号,就称该图 像包含了编码冗余。
例:如果用8位表示该图像的像素,我们就说 该图像存在着编码冗余,因为该图像的像素 只有两个灰度,用一位即可表示。
第6章 图像增强
图像编码的分类
图像压缩技术
无损压缩
哈夫曼编码 行程编码 算术编码
有损压缩
有损预测编码 变换编码 其他编码
第6章 图像增强
※ 无损压缩算法中删除的仅仅是图像数据中冗 余的信息,因此在解压缩时能精确恢复原图像。常 用于要求高的场合。
边、噪音、变化陡峭部分
变化平缓部分
v
第6章 图像增强
第6章 图像增强
第6章 图像增强
➢ 低通滤波器 ➢ 高通滤波器 ➢ 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
常见的图像中的信息冗余
视觉冗余: 一些信息在一般视觉处理中比其它信
息的相对重要程度要小,这种信息就被称为 视觉冗余。
第6章 图像增强
空间冗余(像素冗余):
由于任何给定的像素值,原理上都可以 通过它的邻居预测到,单个像素携带的信息 相对是小的。
对于一个图像,很多单个像素对视觉的 贡献是冗余的。这是建立在对邻居值预测的 基础上。
原始图像越有规则,各像素之间的相关 性越强,它可能压缩的数据就越多。
时间冗余:
以视频图像为代表,视频图像序列中存在 的关联性产生的信息冗余。
第6章 图像增强
信息熵冗余(编码冗余): 如果一个图像的灰度级编码,使
用了多于实际需要的编码符号,就称该图 像包含了编码冗余。
例:如果用8位表示该图像的像素,我们就说 该图像存在着编码冗余,因为该图像的像素 只有两个灰度,用一位即可表示。
第6章 图像增强
图像编码的分类
图像压缩技术
无损压缩
哈夫曼编码 行程编码 算术编码
有损压缩
有损预测编码 变换编码 其他编码
第6章 图像增强
※ 无损压缩算法中删除的仅仅是图像数据中冗 余的信息,因此在解压缩时能精确恢复原图像。常 用于要求高的场合。
遥感数字图像处理-第6章 几何校正
3
二、几何校正原理
几何校正涉及两个过程: ➢ 一是空间位置(像元坐标)的变换 ➢ 二是像元灰度值的重新计算(重采样)
4
二、几何校正原理
坐标转换 (a)直接法;(b)间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据,回避了成像的空间 几何过程,主要借助地面控制点实现校正。其主要校正步 骤为:
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点:图像匹配 重点:几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像(数据),经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点(GCP),按照GCP选择原则,在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型,利用选择的GCP数据求取校正模型的参数,
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择,图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的,即都涉及到空间位置(像 元坐标)变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同:几何校正注重的是数据 本身的处理,目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图(数据)之间的一种几何关系,其目的是为 了和参考数据达成一致,而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外,几何校正更像前期数据处理,几何配准更像 后期处理。
二、几何校正原理
几何校正涉及两个过程: ➢ 一是空间位置(像元坐标)的变换 ➢ 二是像元灰度值的重新计算(重采样)
4
二、几何校正原理
坐标转换 (a)直接法;(b)间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据,回避了成像的空间 几何过程,主要借助地面控制点实现校正。其主要校正步 骤为:
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点:图像匹配 重点:几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像(数据),经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点(GCP),按照GCP选择原则,在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型,利用选择的GCP数据求取校正模型的参数,
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择,图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的,即都涉及到空间位置(像 元坐标)变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同:几何校正注重的是数据 本身的处理,目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图(数据)之间的一种几何关系,其目的是为 了和参考数据达成一致,而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外,几何校正更像前期数据处理,几何配准更像 后期处理。
数字图像处理课件第6章图像的几何变换
由点的齐次坐标(Hx, Hy, H)求点的规范化齐次坐标(x, y, 1),可按下式进行:
x Hx H
y Hy H
第6章 图像的几何变换
齐次坐标的几何意义相当于点(x, y)落在3D空间H=1
的平面上,如图6-2所示。如果将xOy平面内的三角形abc的 各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式,就变成H =1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章 图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是:如某 点S(60 000,40 000)在16位计算机上表示,由于大于32767 的最大坐标值,需要进行复杂的处理操作。但如果把S的坐 标形式变成(Hx, Hy, H)形式的齐次坐标,则情况就不同了。 在齐次坐标系中,设H=1/2,则S(60 000,40 000)的齐次坐 标为(x/2,y/2,1/2),那么所要表示的点变为(30 000, 20 000,1/2),此点显然在16位计算机上二进制数所能表示 的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章 图像的几何变换 设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章 图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换 图像的镜像(Mirror)变换不改变图像的形状。 镜像变换分为两种:一种是水平镜像,另外一种是垂直镜
x Hx H
y Hy H
第6章 图像的几何变换
齐次坐标的几何意义相当于点(x, y)落在3D空间H=1
的平面上,如图6-2所示。如果将xOy平面内的三角形abc的 各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式,就变成H =1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章 图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是:如某 点S(60 000,40 000)在16位计算机上表示,由于大于32767 的最大坐标值,需要进行复杂的处理操作。但如果把S的坐 标形式变成(Hx, Hy, H)形式的齐次坐标,则情况就不同了。 在齐次坐标系中,设H=1/2,则S(60 000,40 000)的齐次坐 标为(x/2,y/2,1/2),那么所要表示的点变为(30 000, 20 000,1/2),此点显然在16位计算机上二进制数所能表示 的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章 图像的几何变换 设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章 图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换 图像的镜像(Mirror)变换不改变图像的形状。 镜像变换分为两种:一种是水平镜像,另外一种是垂直镜
数字图像处理6ppt课件
数字图像处理6数字图像处理数字图像处理6图像恢复61退化模型及恢复技术基础61退化模型及恢复技术基础62空间域滤波恢复62空间域滤波恢复63频率域滤波恢复63频率域滤波恢复64逆滤波64逆滤波65最小均方误差滤波器维纳滤波65最小均方误差滤波器维纳滤波数字图像处理6图像恢复和图像增强一样都是为了改善图像视觉效果以及便于后续处理
img_median=medfilt2(img_noise); %对附加有椒盐噪声的图像实行中 值滤波
figure; imshow(img_median,[]); %显示中值滤波后的图像
img_median2=medfilt2(img_median); %对中值滤波处理后的图像再次 实行中值滤波
figure; imshow(img_median2,[]); %显示再次中值滤波后的图像
erage',3));
figure; imshow(img_mean,[]); %显示逆谐波滤波后的图像
Q=1.5;
%对高斯噪声图像实行Q取正数的逆谐波滤波
img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('av
%矩阵点乘实现频域滤波
out = ifftshift(out);
%原点移回左上角
out = ifft2(out);
%傅里叶逆变换
out = abs(out);
%取绝对值
out = out/max(out(:)); figure,imshow(out,[]);
%归一化 %显示滤波结果数字图像处理6
数字图像处理6
for i=1:M
img_median=medfilt2(img_noise); %对附加有椒盐噪声的图像实行中 值滤波
figure; imshow(img_median,[]); %显示中值滤波后的图像
img_median2=medfilt2(img_median); %对中值滤波处理后的图像再次 实行中值滤波
figure; imshow(img_median2,[]); %显示再次中值滤波后的图像
erage',3));
figure; imshow(img_mean,[]); %显示逆谐波滤波后的图像
Q=1.5;
%对高斯噪声图像实行Q取正数的逆谐波滤波
img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('av
%矩阵点乘实现频域滤波
out = ifftshift(out);
%原点移回左上角
out = ifft2(out);
%傅里叶逆变换
out = abs(out);
%取绝对值
out = out/max(out(:)); figure,imshow(out,[]);
%归一化 %显示滤波结果数字图像处理6
数字图像处理6
for i=1:M
数字图像处理第六章课件
HSI2RGB, page299-300
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
改变HIS成分及其合成图
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
电磁波谱中可见光波长范围
不同色光之间过渡平滑
Chapter 6 Color Image Processing
在人眼视网膜上
• 两种人眼感光细胞: 锥状,彩色、昼视觉。
700万个细胞
杆状,灰色、夜视觉。
7500万~1.5亿个细胞
• 锥状细胞进一步分为3 种。 感蓝,感绿,感红
Chapter 6 Color Image Processing
CIE_xy色度图
x=X/(X+Y+Z)
y=Y/(X+Y+Z) z=Z/(X+Y+Z) =1-x-y x+y+z=1 x,y即可决定z
参考白为 X=Y=Z=1 x=y=1/3
Chapter 6 Color Image Processing
(c)
Chapter 6 Color Image Processing
利用各正弦型的相位和频率变化,可以用 彩色(分量)来增强不同灰度范围
• 图6.25表示所用的(多对一)转换。这些正弦形函数 包含峰值附近的相对不变值的区域,以及谷底附 近的变化强烈的区域。每个正弦形的相位和频率 变化可以用彩色(分量)来增强灰度的范围。 • 例如,如果所有3个变换有相同的相位和频率,输 出图像将是单色的。3个变换之间相位的小变化会 使那些灰度级对应峰值的像素产生很小的变化, 特别是正弦形低频时。对应正弦形陡峭区域的像 素灰度值被赋予更强的彩色,作为由于相位间位 移引起的3个正弦形幅值间的显著差异的效果。
数字图像处理第六章
L 1
平均码长
B
i 0
L 1
i
pi
i
是灰度值为i的编码长度
B 冗余度为 r H 1
编码效率为
H 1 B 1 r
6.3 统计编码方法
6.3.2 霍夫曼编码 Huffman编码是1952年由Huffman提出的一种编码方法。 这种编码方法是根据信源数据符号发生的概率进行编码的。 思想:在信源数据中出现概率越大的符号,编码以后相应 的码长越短;出现概率越小的符号,其码长越长,从而达 到用尽可能少的码符表示信源数据。它在无损变长编码方 法中是最佳的。下面通过实例来说明这种编码方法。 设输入编码为 X x1 , x2 , x3 , x4 , x5 , x6 ,其频率 分布分别为P(x1)=0.4 ,P(x2)=0.3,P(x3)=0.1,P(x4) =0.1,P(x5)=0.06,P(x6)=0.04。求其最佳霍夫曼编码
图像数据的特点之一是信息量大。海量数据 需要巨大的存储空间。如多媒体中的海量图像数 据,不进行编码压缩处理,一张600M字节的光盘, 能存放20秒左右的640× 480像素的图像,没有 编码压缩多媒体信息保存有多么困难是可想而知 的。 在现代通信中,图像传输已成为重要内容之 一。采用编码压缩技术,减少传输数据量,是提 高通信速度的重要手段。 可见,没有图像编码与压缩技术的发展,大 容量图像信息的存储与传输是难以实现的,多媒 体、信息高速公路等新技术在实际中的应用会遇 到很大困难。
行程编码:4a3b2c1d5e7f (共(8+3)*6=66Bits )
Huffman编码: f=0 e=10 a=110 b=1111 c=11100 d=11101
110110110110111111111111111001110011101101010101000000 00 (共 4*3+3*4+ 2*5+1*5+5*2+7*1=56 bits) 176 66 56
数字图像处理第六章
1 H(u,v) 0
D(u,v) D0 D(u,v) D0
D0 :截止(断)频率
D(u, v) : 从频率域原点到(u点, v)的距离(以原点为中 )心
D(u,v) (u2 v ) 数2字图12像处理第六章
a 理想低通滤波器转移函数透视图 b 对应的图象 c 滤波器转移函数剖面图
以截至频D率0为半径的圆内的频损率的无通过, 圆外频率完全被衰减。 (大于D0的频率完全衰减,D小 0的于频率全部通过) D0小:保留的低频少D0大:保留的低频多
H(u,v) eD2(u,v)/22 :表高斯曲线扩展的程度
指数高通滤波器:
H
(u , v )
1-
e
D
( u ,v ) D0
n
若
D
定义为衰减到最大值
0
结果:
(因比其衰减快,低频
无振铃效应(有平滑过
D 0 : 截止频率
1
2 处的频率
包含少) 渡带)
D (u , v ) (u 2 v 2 )1 2
指数高通滤波器:
H
(u , v )
1-
e
D
(u ,v D0
)
n
若
D
定义为衰减到最大值
0
结果:
D 0 : 截止频率 1 2 处的频率
(因比其衰减快,低频
包含少)
无振铃效应(有平滑过
渡带)
D (u ,v) (u 2 v 2 )1 2
梯形高通滤波器 形状理想及有平滑过渡
带的滤波器之间
0
H
(u , v )
D 0 D1
a 高斯低通滤波器转移函数透视图数字b 图像对处应理的第图六象章 c 不同D0的转移函数剖面图
- 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)。
6.1 RGB 图像
令 rgb_ image代表一幅 RGB 图像,下面的 命令可以提取出三幅分量图像: fr = rgb_image(:,:,1) fg = rgb_image(:,:,2) fb = rgb_image(:,:,3) 注:直接将fr,fg,fb显示,则得不到单色图的 视频效果。只是将三个颜色成份取出分别当成灰度 图来保存到三个变量中,所以显示出来看到的是三 个灰度图。 必需分别将原图的其它任意两个置零只留一种 种颜色成分,则可得到单色的图以适合视觉效果。
三色学说
一种假设:在人眼视网膜中有 3种对颜色敏感的锥体细胞,它 们分别对红、绿、蓝3种颜色最 敏感。 第1种锥体细胞专门感受红光 第2种锥体细胞专门感受绿光 第3种锥体细胞专门感受蓝光 三者共同作用,使人们产生 了不同的颜色感觉
人眼对3种颜 色的敏感度
三色学说
三色学说是真实感图形学的生理视觉基础。 计算机图形学中采用颜色模型都是根据这个学说提出 来的。 由三色学说,任何一种颜色可以通过红、绿、蓝三原 色按照不同比例混合来得到。 自然界中各种颜色都能由 这3 种原色光按一定的比 例混合而成(RGB系统): C=rR+gG+bB
第六章
颜色论——光谱
CIE(国际照明委员会)规定的标准红、绿、蓝三种光 的波长分别为: 红光(R)λR=700μm 绿光(G)λG=546.1μm 蓝光(B)λB=435.8μm。
颜色论——物理参数
从光学的角度出发,颜色的客观物理量分别 为: 主波长( dominant wavelength):主波 长是产生颜色光的波长,对应于视觉感知的 色调 纯度(purity):光的纯度对应于色饱和度 明度(luminance):明度就是光的亮度。 这是从两个不同方面来描述颜色的特性。
(3)用于彩色广播电视系统的YIQ模型
另一些模型是以易用性为目的,为用户提供更 直觉的颜色参数,如HSV模型。
原色系统
最基础和最重要的是两种原色混合系统:
基于红(Red)、绿(Green)、蓝(Blue)三原色定义 RGB加色系统
基于青(Cyan)、品红(Magenta)和黄(Yellow)CMY 减色系统
颜色论——颜色双锥体
色饱和度,从圆心向圆周过渡 表示同一色调下色饱和度的提 高。在颜色双锥体的一个平面 圆形上,它们的色调和色饱和 度不同,而亮度是相同的。 例如,颜色点C, 半径S决定C点颜色的色饱 和度 与水平轴S的夹角H决定C 点颜色的色调, C点所在平面的高度L决定 C点的亮度。
颜色论——颜色双锥体
双锥体表示颜色的三 种基本特性。 亮度,在颜色双锥体 的垂直轴线上表示黑 白系列的亮度变化, 顶部是白色,底部是 黑色,由下往上,亮 度越来越大。
颜色论——颜色双锥体
色调(俗称色相) 由水平圆周表示,圆周上 不同角度的点代表了不同 色调的颜色,如红、橙、 黄、绿、青、蓝、紫等。 圆周中心的色调是中灰色, 它的亮度和该水平圆周上 各色调的亮度相同。
6.2 索引图像
6.2 索引图像
常用的索引颜色缩写
6.1.2 索引图像
f = imread('2000.jpg'); imshow(f); whitebg('b'); % whitebg('green'); whitebg([1 0 1]);
6.1.3 操作RGB和索引图像的IPT函数
6.3表列出了RGB和索引图像的转换操作IPT函数。
6.1.3 操作RGB和索引图像的IPT函数
For clarity of notation in this section , we use rgb_image to denote RGB images , gray_image to denote gray-scale images , bw to denote black and white images , and x , to denote the data matrix component of indexed images . Recall that an indexed image is composed of an interger data matrix and a colormap matrix . Function dither is applicable both to gray-scale and color images . Dithering is a process used mostly in the printing and publishing industry to give the visual impression of shade variations on a printed page that consists of dots .
6.1 RGB 图像
RGB 彩色空间常常用一个RGB 彩色立方体加以图解展 示,如图 6 . 2 所示。这个立方体的顶点是光的原色(红、 绿、蓝)和合成色(青、品红、黄)
6.1 RGB 图像
RGB颜色模型可以用一个三维立方体来表示,如图10-2 所示。顶点(0,0,0)代表黑色,顶点(1,1,1)代表 白色。坐标轴上的三个立方体顶点(1,0,0)、(0,1, 0)、(0,0,1)分别表示RGB三原色,余下的三个顶点 (1,0,1)、(1,1,0)、(0,1,1)则表示每一个原 色的补色,它们分别由同一平面上的两个相邻的顶点
fg
fb
frr
fgg
fbb
6.2 索引图像
索引图像有两个分量,整数的数据矩阵x和彩 色映射矩阵map。 矩阵map是一个大小为mx3,且范围在[0,1] 之间的浮点值构成的double类数组。 m同颜色数 目相等。每一行都定义一种颜色的红、绿、蓝三个 分量。 索引图像将像素的数据矩阵中的整数值直接映 射到map中的彩色值。每个像索的颜色由对应的整 数矩阵 x 的值作为指向 map 的一个指针决定。 如果x中的像素值为1,则该像素的颜色为 map中的第一种颜色,如果为2,则为map中的第 2颜色,依此类推。
在立方体的主对角线上,颜色从黑色原点过渡到白色 顶点,各原色的变化数量相等,产生了由暗到明的颜色变 化,这称为灰度颜色。
在具体实现时,可以使RGB函数的三个分量保持相等, 就生成灰度色。例如(0,0,0)代表黑色,(255,255,255)代 表白色,而(128,128,128)代表其中一个灰度, 但当R、G、B三种颜色的数值变化不同步时,就会显示 出彩色。
6.1.3 操作RGB和索引图像的IPT函数
In the case of gray-scale images , dithering attempts to capture shades of gray by producing a binary image of black dots on a white background ( or vice versa ) . The sizes of the dots vary , from small dots in light areas to increasingly larger dots for dark areas . The key issue in implementing a dithering algorithm is a tradeoff between accuracy of visual perception and computational complexity . The dithering approach used in IPT is based on the Floyd Steinberg algorithm.
在计算机图形学中,为了对颜色进行融合以 产生透明效果,往往还给RGB模型添加一个Alpha 分量,形成RGBA模型。当两种颜色进行融合时, Alpha因子决定了两种颜色为融合操作各贡献了多 少颜色成分。
在计算机上进行颜色设计时,可以选择RGB颜 色模型。每个原色分量用一个字节表示,最大强 度为255,最小强度为0。MATLAB将颜色强度规范 化为浮点数闭区间[0.0,1.0]范围内,使用时将 颜色分量直接乘以常数255,再转换为字节类型就 可以使用RGB函数来显示颜色。
6.1 RGB 图像
f = imread('2000.jpg'); %1 fr = f(:,:,1); fg = f(:,:,2);fb = f(:,:,3); %2 imshow(fr), title('fr'); %3 figure,imshow(fg), title('fg'); %4 figure,imshow(fb);title('fb'); %5 frr = f; frr(:,:,2) =0; frr(:,:,3) =0; figure,imshow(frr);title('frr'); %6 fgg=f; fgg(:,:,1) =0; fgg(:,:,3)=0; figure,imshow(fgg);title('fgg');%7 fbb = f; fbb(:,:,1) =0; fbb(:,:,2) =0; figure,imshow(fbb);title('fbb'); %8
两种系统的颜色互为补色:青-红、品红-绿、黄-蓝, 但习惯上把红、绿、蓝作为原色。
6.1 RGB 图像
用来代表这些分量图像像素值的比特数决定了 一幅 RGB 图像的比特深度。 例如,若每个分量图像都是 8 比特的图像, 则对应的 RGB 图像的深度就是 24 比特,所有分 量图像的比特数都是相同的。 在这种情况下,一幅 RGB 图像可能有的色彩 数就是(2b)3 ,其中是每个分量图像的比特数。对 于 8 比特的例子,颜色数(28)3即为167772160