冈萨雷斯数字图像处理第五章彩色图像处理
合集下载
数字图像处理实验5 冈萨雷斯
一、 实验目的：实验五 彩色图像处理1、使用 RGB 、Indexed 和 Gray 图像间转换函数2、掌握彩色图像平滑与锐化的算法3、彩色图像的分割二、 实验内容1、使用 RGB 、Indexed 和 Gray 图像间转换函数对图像“Fig0630(01)(strawberries_fullcolor).tif ”使用 rgb2ind 分别产生 8 色抖 动和非抖动图像；使用 rgb2gray 实现图像转换，并使用函数 dither 产生其抖 动形式的图像。
分别显示如下：2、彩色图像平滑与锐化对图像“ F ig0604(a)(iris).tif ” 在 RGB 空 间 实 现 彩色图像的平滑 （ w =ones（25）./(25*25)）与锐化（w= [1 1 1 1 1; 1 1 1 1 1; 1 1 -24 1 1 ; 1 1 1 1 1; 1 1 1 1 1];）（函数 imfilter ）;输出结果分别如下：在 HSI 空间实现彩色图像的平滑（w=ones （25）./(25*25)），（函数 imfilter, rgb2hsi, cat ），观察仅平滑亮度分量（intensity ）和平滑全部三个分量结果的差 别。
3、彩色图像分割用 colorseg 函 数 实 现 基 于 肤 色 的 人 脸 分 割 。
对 图 像“'Fig0636(woman_baby_original).tif ”在 HSI 空间，用函数 colorseg 分别用参 数“euclidean ”和“mahalanobis ”实现人脸分割。
结果类似如下：三、显示以上各图f=imread('Fig0630(01)(strawberries_fullcolor).tif');[x1,map1]=rgb2ind(f,8,'nodither');figure,imshow(x1,map1);title('ind nodither');[x2,map1]=rgb2ind(f,8,'dither');figure,imshow(x2,map1);title('ind dither');g=rgb2gray(f);g1=dither(g);figure,imshow(g);title('gray nodither');figure,imshow(g1);title('gray dither');i=imread('Fig0604(a)(iris).tif');figure,imshow(i);w1=ones(25)./(25*25);w2=[1 1 1 1 1;1 1 1 1 1;1 1 -24 1 1;1 1 1 1 1;1 1 1 1 1]; i1=imfilter(i,w1,'replicate');i2=imfilter(i,w2,'replicate');figure,imshow(i1);title('rgb平滑');figure,imshow(i2)title('rgbr锐化');h=rgb2hsi(i);H=h(:,:,1);S=h(:,:,2);I=h(:,:,3);h1=imfilter(h,w1,'replicate');%平滑全部三个分量I2=imfilter(I,w1,'replicate');%仅平滑亮度分量h2=cat(3,H,S,I2);hi1=hsi2rgb(h1);hi2=hsi2rgb(h2);hi1=min(hi1,1);hi2=min(hi2,1);figure,imshow(hi1);title('平滑全部三个分量')figure,imshow(hi2);title('仅平滑亮度分量')a=imread('Fig0636(woman_baby_original).tif'); mask=roipoly(a);r=immultiply(mask,a(:,:,1));g=immultiply(mask,a(:,:,2));b=immultiply(mask,a(:,:,3));g=cat(3,r,g,b);[M,N,K]=size(g);b=reshape(g,M*N,3);idx=find(mask);b=double(b(idx,1:3));[C,d]=covmatrix(b);aa1=colorseg('euclidean',a,25,d);aa2=colorseg('mahalanobis',a,25,d);figure,imshow(aa1,[]);figure,imshow(aa2,[]);。
数字图像处理第五章
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。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）。
因此还有
f ( x , y ) f ( x, y) ( x , y )
二维线性位移不变系统 如果对二维函数施加运算T[· ] ，满足 ⑴ T f1 x, y f 2 x, y T f1 x, y T f 2 x, y ⑵ T af x, y aT f x, y
但实际获取的影像都有噪声，因而只能求F(u,v)的估 ˆ (u, v) 。 计值 F
N (u, v) ˆ F (u, v) F (u, v) H (u, v)
再作傅立叶逆变换得
1 j 2 ( ux vy) ˆ ( x, y) f ( x, y) f N ( u , v ) H ( u , v ) e dudv
采用线性位移不变系统模型的原由： 1）由于许多种退化都可以用线性位移不变模型来近似， 这样线性系统中的许多数学工具如线性代数，能用于 求解图像复原问题，从而使运算方法简捷和快速。 2）当退化不太严重时，一般用线性位移不变系统模型来 复原图像，在很多应用中有较好的复原结果，且计算 大为简化。 3）尽管实际非线性和位移可变的情况能更加准确而普遍 地反映图像复原问题的本质，但在数学上求解困难。 只有在要求很精确的情况下才用位移可变的模型去求 解，其求解也常以位移不变的解法为基础加以修改而 成。
(848页PPT幻灯片)数字图像处理(冈萨雷斯)课件
例3：镜头边界检测
பைடு நூலகம்
例4：基于内容的图像检索 例5：基于内容的镜头检索
例6：基于内容的视频片断检索
例7：视频字幕识别
例7：视频字幕识别
T. B$alr
Boat
Fish
H. Jlntao J.
E. Lah oud MaI•
MeetJn
MJIIta Mono§o us Motorbike
News pa per
为什么要用SAN
存传储统区存域储网解S决AN方(S案tor—ag—e A信re息a 岛Network)
SAN
SAN是什么？
SAN是什么？（续）
不是client/server,而是client/storage devices 独立于LAN之外的高速存储网络 一般采用高速的光纤通道作为传输媒体（ 2Gbit/s） 将存储设备通过光通道互连设备构成一个存 储子网 支持服务器和存储设备之间任意到任意的连 接 S A N上的任何一台服务器均可存取网络中的任何一个 存 储设备 对网上的存储资源实施集中统一的管理
Vision (IJCV) ✓ Pattern Recognition (PR) ✓ Image and Vision Computing (IVC)
✓…
目前需要做的事情
选课学生发送下列信息给老师: pengyuxin@
✓ 姓名 ✓ 学号 ✓ 联系方式：E_mail,电话 ✓ 硕士生或博士生，年级 ✓ 所在院系、实验室、导师 ✓ 研究方向
✓灰度图像是一个二维灰度（或亮度）函数f(x,y) ✓彩色图像由三个（如RGB,HSV）二维灰度（或亮度）函数 f(x,y)组成
y
y
x
x
什么是数字图像？
冈萨雷斯数字图像处理5
十、维纳滤波
用维纳滤波对图像进行复原 fr1 = deconvwnr(g, PSF);%直接复原 Sn=abs(fft2(noise)).^2; %噪声功率谱 nA=sum(Sn(:))/prod(size(noise)); %噪声平均功率 Sf=abs(fft2(f)).^2; %图像功率谱 fA=sum(Sf(:)/prod(size(f)); %图像平均功率 R = nA/fA; %R是噪信比 fr2 = deconvwnr(g, PSF, R); NOCRR=fftshift(real(ifft2(Sn))); ICORR=fftshift(real(ifft2(Sf))); fr3=deconvwnr(g, PSF, NCORR, ICORR)
四、周期噪声模型
周期噪声的模型是二维正弦波:
r ( x, y) Asin[2u0 ( x Bx ) / M 2v0 ( y By ) / N ]
其中A是振幅，u0和v0分别是关于x轴和y轴的正 弦频率，Bx和By是关于原点的相移 其傅里叶变换为：
A j 2u0 Bx / M [( e ) (u u0 , v v0 ) (e j 2v0 By / N ) (u u0 , v v0 )] 2
在频域，H(u,v)称为光学传递函数(OTF) 对应的，在空间域，h(x,y)称为点扩散函数(PSF) OTF和PSF是傅里叶变换对：
H (u, v) h( x, y)
图像退化过程可以描述为用OTF或PSF对原图像 进行卷积，图像复原过程可以描述为对原图像进 行反卷积。
三、随机噪声模型
第5章 图像复原
一、背景知识
彩色图像处理(冈萨雷斯 )
◆例如：用均值滤波器减少噪声，在向量空间中对其分量图像单独ห้องสมุดไป่ตู้ 行类似的处理，可以给出相同的结果。
◆然而，其他滤波器却不能按这样的方式明确表达。例如各种排序统 计滤波器（中值、最大、最小、中点等），当处理标量时还比较简 单，但处理向量时就相当复杂。
彩色图像压缩
◆一张原始图像(1920x1080)，如果每个像素24比特表示（RGB），那 么，图像需要的内存大小 1920*1080*3 = 6220800 Byte，大约6M。如果 这样，1G硬盘才存100多张图片。视频也一样，如果视频是1920*1080， 30fps， 1小时。那不压缩大概需要的内存： 6M*30*60*60 = 648000M，大约600G！
便可以通过分别计算每一幅分量图像的拉普拉斯来计算全彩色图像的 拉普拉斯。
用拉普拉斯进行图像锐化
原图像
RGB分量处理
处理强度分量并转换 两种结果的差别 为RGB
HSI彩色空间的分割
◆如果我们希望以彩色为基础分割一幅图像，并且想在各个平面上执 行这一处理，会很自然地首先想到HSI空间，因为在色调图像中描绘彩色 很方便。典型地，为了在色调图像中分离出感兴趣的孤立区域，将饱和 度用作一幅模板图像。在彩色图像分割中不常使用亮度图像，因为它不 携带彩色信息。
亮度分量稍微平 滑一些，这是因 为亮度分量是 RGB三个分量平 均。
彩色图像中的噪声
绿色图像被椒盐噪声污染，无 论盐粒还是胡椒粒噪声的概率 都是0.5.
单个RGB通道受到噪声污染， 会把噪声散步到HSI所有的分量 图像上。这是因为HSI分量的计 算会用到RGB的所有分量。
彩色图像中的噪声
◆全彩色图像滤波可以在每一幅图像的基础上或依靠该过程直接在彩 色向量空间中执行。
◆然而，其他滤波器却不能按这样的方式明确表达。例如各种排序统 计滤波器（中值、最大、最小、中点等），当处理标量时还比较简 单，但处理向量时就相当复杂。
彩色图像压缩
◆一张原始图像(1920x1080)，如果每个像素24比特表示（RGB），那 么，图像需要的内存大小 1920*1080*3 = 6220800 Byte，大约6M。如果 这样，1G硬盘才存100多张图片。视频也一样，如果视频是1920*1080， 30fps， 1小时。那不压缩大概需要的内存： 6M*30*60*60 = 648000M，大约600G！
便可以通过分别计算每一幅分量图像的拉普拉斯来计算全彩色图像的 拉普拉斯。
用拉普拉斯进行图像锐化
原图像
RGB分量处理
处理强度分量并转换 两种结果的差别 为RGB
HSI彩色空间的分割
◆如果我们希望以彩色为基础分割一幅图像，并且想在各个平面上执 行这一处理，会很自然地首先想到HSI空间，因为在色调图像中描绘彩色 很方便。典型地，为了在色调图像中分离出感兴趣的孤立区域，将饱和 度用作一幅模板图像。在彩色图像分割中不常使用亮度图像，因为它不 携带彩色信息。
亮度分量稍微平 滑一些，这是因 为亮度分量是 RGB三个分量平 均。
彩色图像中的噪声
绿色图像被椒盐噪声污染，无 论盐粒还是胡椒粒噪声的概率 都是0.5.
单个RGB通道受到噪声污染， 会把噪声散步到HSI所有的分量 图像上。这是因为HSI分量的计 算会用到RGB的所有分量。
彩色图像中的噪声
◆全彩色图像滤波可以在每一幅图像的基础上或依靠该过程直接在彩 色向量空间中执行。
数字图像处理课件(冈萨雷斯第三版)
图像理解 抽 象 程 度 图像分析 图像处理 符号 数据 图像 数 据 量
1.1.3 相关学科和领域
• 图象工程是一门系统地研究各种图象理论、技术和应用的 交叉学科。 从它的研究方法看，它与数学、物理学、生物学、心 理学、电子学、计算机科学可以互相借鉴，从它的研究范 围看，它与模式识别、计算机视觉、计算机图形学等学科 交叉。
图像数据文件主要是用光栅形式,即图像是一些图像点 的集合，比较适合变化复杂的图像。它的主要缺点是缺少 对象和像素点之间的联系,且在伸缩图像的过程中图像会 改变。例如，常见的图象文件类型有bmp,jpg等等。图象 处理的程序必须考虑图象文件的格式，否则无法正确地打 开和保存图象文件。
pgm格式
美国的许多大学用pgm格式，避免使用压缩文件格式，对 初学者来说是很方便的。下面是一幅该格式的图象。
• 哪些属于图象技术？ 图象技术是与图象有关部门的技术的总称。它是一类综合 技术工程。它包括图象的采集、获取、编码、存储和传输、 图象的生成、显示和输出、图象的变换、增强、恢复和重 建、图象的分割、目标的检测、表达和描述、特征的提取、 图象的分类、识别、图象模型的建立和匹配、图象和场景 的理解。 狭义的数字图象处理是指图象的增强、恢复和重建， 操作的对象是图象的象素，输出的是图象。
bmp(Bitmap)格式
• BMP(Bitmap-File)图形文件是Windows采用的图形文件格 式，在Windows环境下运行的所有图象处理软件都支持 BMP图象文件格式。Windows系统内部各图像绘制操作都 是以BMP为基础的。 • Windows 3.0以前的BMP图文件格式与显示设备有关，因 此把这种BMP图象文件格式称为设备相关位图 DDB(device-dependent bitmap)文件格式。 • Windows 3.0以后的BMP图象文件与显示设备无关，因此 把这种BMP图象文件格式称为设备无关位图DIB(deviceindependent bitmap)格式（注：Windows 3.0以后，在系统 中仍然存在DDB位图，象BitBlt()这种函数就是基于DDB 位图的。
1.1.3 相关学科和领域
• 图象工程是一门系统地研究各种图象理论、技术和应用的 交叉学科。 从它的研究方法看，它与数学、物理学、生物学、心 理学、电子学、计算机科学可以互相借鉴，从它的研究范 围看，它与模式识别、计算机视觉、计算机图形学等学科 交叉。
图像数据文件主要是用光栅形式,即图像是一些图像点 的集合，比较适合变化复杂的图像。它的主要缺点是缺少 对象和像素点之间的联系,且在伸缩图像的过程中图像会 改变。例如，常见的图象文件类型有bmp,jpg等等。图象 处理的程序必须考虑图象文件的格式，否则无法正确地打 开和保存图象文件。
pgm格式
美国的许多大学用pgm格式，避免使用压缩文件格式，对 初学者来说是很方便的。下面是一幅该格式的图象。
• 哪些属于图象技术？ 图象技术是与图象有关部门的技术的总称。它是一类综合 技术工程。它包括图象的采集、获取、编码、存储和传输、 图象的生成、显示和输出、图象的变换、增强、恢复和重 建、图象的分割、目标的检测、表达和描述、特征的提取、 图象的分类、识别、图象模型的建立和匹配、图象和场景 的理解。 狭义的数字图象处理是指图象的增强、恢复和重建， 操作的对象是图象的象素，输出的是图象。
bmp(Bitmap)格式
• BMP(Bitmap-File)图形文件是Windows采用的图形文件格 式，在Windows环境下运行的所有图象处理软件都支持 BMP图象文件格式。Windows系统内部各图像绘制操作都 是以BMP为基础的。 • Windows 3.0以前的BMP图文件格式与显示设备有关，因 此把这种BMP图象文件格式称为设备相关位图 DDB(device-dependent bitmap)文件格式。 • Windows 3.0以后的BMP图象文件与显示设备无关，因此 把这种BMP图象文件格式称为设备无关位图DIB(deviceindependent bitmap)格式（注：Windows 3.0以后，在系统 中仍然存在DDB位图，象BitBlt()这种函数就是基于DDB 位图的。
数字图像处理(冈萨雷斯)-5
示为
gx, y hx, y★ f x, y x, y
空间域上的卷积等同于频率域上的乘积
hx, y表示退化系
统的系统函数
Gu,v Hu,vFu,v Nu,v
有噪声情况下的图像复原
• 必须知道噪声的统计特性以及噪声和图像信号的相 关情况，这是非常复杂的。在实际应用中，往往假 设噪声是白噪声，即它的频谱密度为常数，且与图 像不相关。
3×3算术均值滤波器 3×3几何均值滤波器，图像更清晰
5.3.1 均值滤波器 例5.2 均值滤波举例
“胡椒”噪声干扰图像 “盐”噪声干扰图像
3×3大小，Q=1.5的 3×3大小，Q=-1.5的 逆谐波均值滤波器 逆谐波均值滤波器
⑥脉冲噪声（椒盐噪声） 脉冲噪声（椒盐噪声）的PDF
Pa p ( z ) Pb 1 P P a b za zb 其它 (5.2 14)
如果pa或pb为零，则脉冲噪声称为单极脉冲 如果pa或pb均不为零，则脉冲噪声称为双极脉冲噪声或椒盐噪声,在图像上
表现为孤立的亮点或暗点
与图像增强相似，图像复原的目的也是改善图像质量
目的是取得较好的视觉效果，不需要考虑图像退化的真实物理过
图像增强主要是一个主观过程，一般要利用人的的视觉系统特性， 程，增强后的图像也不一定要逼近原始图像;而图像复原主要是一
个客观过程,需要针对图像的退化原因设法进行补偿，因此需要对 图像的退化过程有一定的先验知识，利用图像退化的逆过程去恢 复原始图像，使复原后的图像尽可能的接近原图像。
频率分量一般位置的某些知识时，自动分析
噪声参数的估计
计算一小块带有(a)高斯 (b)瑞利 (c)均匀噪声的图像的直方图
计算小块图像的灰度值的均值和方差。考虑由S定义的一条子 带(子图像)
数字图像处理第5章：图像复原
5.1 图像退化 / 复原过程的模型
退化模型的数学描述
如果系统H是一个线性、位置不变的系统，且噪声对 成像图像有污染，那么在空间域中给出的退化图像可由下 式给出：
g x, y hx, y * f x, y x, y
其中，h(x,y)是退化函数的空间描述，*表示空间卷 积。由于空间域的卷积等同于频域上的乘积，因此，模型 在频域上描述为：
5.3仅有噪声的复原—空间滤波
被不同频率的 正弦噪声干扰 了的图像 呈圆形分布 的亮点为噪 声频谱
5.2 噪声模型
• 周期噪声趋向于产生频率尖峰，其参数可以通过检测图像的傅里叶 谱来进行估计。 周 期 噪 声 污 染
?
带 阻 滤 波 器
5.2 噪声模型
• 噪声PDF参数的估计一般可以从传感器的技术说明中得知，
但对于特殊的成像装置，常常有必要估计这些参数。
( z )2 2 2
z 表灰度值，μ 表 z 的平均值或期望 值，σ 表标准差，σ 2为方差。 • 其值有70%落在范围[(μ-σ),(μ+σ)] 之内，且有95%落在范围落在 [(μ-2σ),(μ+2σ)]内。
z
• 高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的 传感器噪声。高斯噪声数学上易于处理，实践中经常使用。
高斯噪声
b确定后，噪声的概率密度函数
( z )2 2
2
1 p( z ) b a 0
均匀噪声
if a z b otherwise
5.3仅有噪声的复原—空间滤波
5.3仅有噪声的复原—空间滤波
• 均值滤波器 算术均值滤波器、几何均值滤波器、谐波均值滤波器、 逆谐波均值滤波器 • 顺序统计滤波器 中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、 修正后的Alpha均值滤波器
- 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)。
由于人眼的这些吸收特性，被看到的彩色 是所谓的原色红（R，red）、绿(G，green)和 蓝（B，blue）的各种组合。
第五章 彩色图象处理
5.1 彩色基础
• 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
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）。
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理指出
• 自然界中的可见颜色都可以用三种原色按一定 比例混合得到；反之，任意一种颜色都可以分 解为三种原色。
• 作为原色的三种颜色应该相互独立，即其中任 何一种都不能用其他两种混合得到。
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理
为了标准化起见，国际照明委员会（CIE） 规定用波长为700nm、546.1nm、435.8nm的 单色光分别作为红(R)、绿(G)、蓝(B)三原色。
0.38 0.43 0.47 0.5 0.56 0.59 0.62 0.76(m)
图 可见范围电磁波谱的波长组成
第五章 彩色图象处理
5.1 彩色基础
• 人眼的吸收特性：
人眼的锥状细胞是负责彩色视觉的传感器， 人眼的锥状细胞可分为三个主要的感觉类别。
大约65%的锥状细胞对红光敏感，33%对绿 光敏感，只有2%对蓝光敏感。
白光可被分解成一系列从紫到红的连续光谱， 从而证明白光是由不同颜色（而且这些颜色并不 能再进一步被分解）的光线相混合而组成的。
第五章 彩色图象处理
5.1 彩色基础
• 可见光 可见光是由电磁波谱中相对较窄的波段组
成，如果一个物体比较均衡地反射各种光谱， 则人看到的物体是白的；
而如果一个物体对某些可见光谱反射的较 多，则人看到的物体就呈现相对应的颜色。
红绿蓝三原色按照比例混合可以得到各种 颜色，其配色方程为：
C=aR+bG+cB
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理
• 原色相加可产生二次色。 例如：红色+蓝色=深红色(M，magenta)，
绿色+蓝色=青色(C，cyan)，红色+绿色=黄色 (Y，yellow)。 • 以一定的比例混合光的三种原色或者以一种二 次色与其相反的原色相混合可以产生白色(W， white)，即：红色+绿色+蓝色=白色。
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
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。
第五章 彩色图象处理
• 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。 RGB颜色模型可用一个三维空间中的单位立方体 来表示，如图所示。
第五章 彩色图象处理
RGB立方体及rgbcube函数
B
蓝 (0, 0, 1)
青
品红
白
黑
灰度级
红
R (1, 0, 0)
黄
(0, 1, 0) 绿G
第五章 彩色图象处理
function rgbcube(vx,vy,vz) vertices_matrix=[0 0 0;0 0 1;0 1 0;0 1 1;1 0 0;1 0 1;1 1 0;1 1 1]; faces_matrix=[1 5 6 2;1 3 7 5;1 2 4 3;2 4 8 6;3 7 8 4;5 6 8 7]; colors=vertices_matrix; patch('Vertices',vertices_matrix,'Faces',faces_matrix,...
rgb_image = cat(3, fR, fG, fB) 从彩色图像中提取三幅分量图像
第五章 彩色图象处理
第五章 彩色图像处理
1. 彩色基础 2.MATLAB中彩色图像的表示方法 3. 彩色空间及其转换 4. 彩色图像处理基础 5. 彩色图像的空间滤波 6. 在RGB向量直接处理
第五章 彩色图象处理
5.1 彩色基础 白光
在17世纪，牛顿通过三棱镜研究对白 光的折射就已发现：
第五章 彩色图象处理
R一个M×N×3数组, 其中 每一个彩色像素点都是在特定空间位置的彩色图像对应 的红, 绿, 蓝三个分量.
zR
zG
zB
蓝色分量图像 绿色分量图像
红色分量图像
第五章 彩色图象处理
利用cat函数将分量图像合成彩色图像
'FaceVertexCData',colors,'FaceColor','interp',... 'EdgeAlpha',0) %Set up viewing point. if nargin==0 vx=10;vy=10;vz=4; elseif nargin~=3 error('Wrong number of inputs.') end axis off view([vx,vy,vz]) axis square
例如，绿色物体反射具有500~570nm（纳 米）范围的光，吸收其他波长光的多数能量。
第五章 彩色图象处理
可见光
γ 射 X 射线 紫外
线
线
红外线
无线电波 微波 超 短 中 长
短 波波波
0.01nm 1nm 0.1μ 10μ 0.1cm 10cm 10m 1km 100km 电磁波谱分布
紫 蓝 青绿黄 橙 红
第五章 彩色图象处理
5.2 MATLAB中彩色图像的表示方法
5.2.1 RGB图像 5.2.2 索引图像 5.2.3 用来处理RGB图像和索引图像的IPT函数
第五章 彩色图象处理
• 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。
第五章 彩色图象处理
5.1 彩色基础
• 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
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）。
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理指出
• 自然界中的可见颜色都可以用三种原色按一定 比例混合得到；反之，任意一种颜色都可以分 解为三种原色。
• 作为原色的三种颜色应该相互独立，即其中任 何一种都不能用其他两种混合得到。
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理
为了标准化起见，国际照明委员会（CIE） 规定用波长为700nm、546.1nm、435.8nm的 单色光分别作为红(R)、绿(G)、蓝(B)三原色。
0.38 0.43 0.47 0.5 0.56 0.59 0.62 0.76(m)
图 可见范围电磁波谱的波长组成
第五章 彩色图象处理
5.1 彩色基础
• 人眼的吸收特性：
人眼的锥状细胞是负责彩色视觉的传感器， 人眼的锥状细胞可分为三个主要的感觉类别。
大约65%的锥状细胞对红光敏感，33%对绿 光敏感，只有2%对蓝光敏感。
白光可被分解成一系列从紫到红的连续光谱， 从而证明白光是由不同颜色（而且这些颜色并不 能再进一步被分解）的光线相混合而组成的。
第五章 彩色图象处理
5.1 彩色基础
• 可见光 可见光是由电磁波谱中相对较窄的波段组
成，如果一个物体比较均衡地反射各种光谱， 则人看到的物体是白的；
而如果一个物体对某些可见光谱反射的较 多，则人看到的物体就呈现相对应的颜色。
红绿蓝三原色按照比例混合可以得到各种 颜色，其配色方程为：
C=aR+bG+cB
第五章 彩色图象处理
5.1 彩色基础
• 三原色原理
• 原色相加可产生二次色。 例如：红色+蓝色=深红色(M，magenta)，
绿色+蓝色=青色(C，cyan)，红色+绿色=黄色 (Y，yellow)。 • 以一定的比例混合光的三种原色或者以一种二 次色与其相反的原色相混合可以产生白色(W， white)，即：红色+绿色+蓝色=白色。
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
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。
第五章 彩色图象处理
• 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。 RGB颜色模型可用一个三维空间中的单位立方体 来表示，如图所示。
第五章 彩色图象处理
RGB立方体及rgbcube函数
B
蓝 (0, 0, 1)
青
品红
白
黑
灰度级
红
R (1, 0, 0)
黄
(0, 1, 0) 绿G
第五章 彩色图象处理
function rgbcube(vx,vy,vz) vertices_matrix=[0 0 0;0 0 1;0 1 0;0 1 1;1 0 0;1 0 1;1 1 0;1 1 1]; faces_matrix=[1 5 6 2;1 3 7 5;1 2 4 3;2 4 8 6;3 7 8 4;5 6 8 7]; colors=vertices_matrix; patch('Vertices',vertices_matrix,'Faces',faces_matrix,...
rgb_image = cat(3, fR, fG, fB) 从彩色图像中提取三幅分量图像
第五章 彩色图象处理
第五章 彩色图像处理
1. 彩色基础 2.MATLAB中彩色图像的表示方法 3. 彩色空间及其转换 4. 彩色图像处理基础 5. 彩色图像的空间滤波 6. 在RGB向量直接处理
第五章 彩色图象处理
5.1 彩色基础 白光
在17世纪，牛顿通过三棱镜研究对白 光的折射就已发现：
第五章 彩色图象处理
R一个M×N×3数组, 其中 每一个彩色像素点都是在特定空间位置的彩色图像对应 的红, 绿, 蓝三个分量.
zR
zG
zB
蓝色分量图像 绿色分量图像
红色分量图像
第五章 彩色图象处理
利用cat函数将分量图像合成彩色图像
'FaceVertexCData',colors,'FaceColor','interp',... 'EdgeAlpha',0) %Set up viewing point. if nargin==0 vx=10;vy=10;vz=4; elseif nargin~=3 error('Wrong number of inputs.') end axis off view([vx,vy,vz]) axis square
例如，绿色物体反射具有500~570nm（纳 米）范围的光，吸收其他波长光的多数能量。
第五章 彩色图象处理
可见光
γ 射 X 射线 紫外
线
线
红外线
无线电波 微波 超 短 中 长
短 波波波
0.01nm 1nm 0.1μ 10μ 0.1cm 10cm 10m 1km 100km 电磁波谱分布
紫 蓝 青绿黄 橙 红
第五章 彩色图象处理
5.2 MATLAB中彩色图像的表示方法
5.2.1 RGB图像 5.2.2 索引图像 5.2.3 用来处理RGB图像和索引图像的IPT函数
第五章 彩色图象处理
• 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。