彩色图像处理数字图像处理
数字图像处理技术
数字图像处理技术一．数字图像处理概述数字图像处理是指人们为了获得一定的预期结果和相关数据利用计算机处理系统对获得的数字图像进展一系列有目的性的技术操作。
数字图像处理技术最早出现在上个世纪中期，伴随着计算机的开展，数字图像处理技术也慢慢地开展起来。
数字图像处理首次获得成功的应用是在航空航天领域，即1964年使用计算机对几千月球照片使用了图像处理技术，并成功的绘制了月球外表地图，取得了数字图像处理应用中里程碑式的成功。
最近几十年来，科学技术的不断开展使数字图像处理在各领域都得到了更加广泛的应用和关注。
许多学者在图像处理的技术中投入了大量的研究并且取得了丰硕的成果，使数字图像处理技术到达了新的高度，并且开展迅猛。
二．数字图象处理研究的容一般的数字图像处理的主要目的集中在图像的存储和传输，提高图像的质量，改善图像的视觉效果，图像理解以及模式识别等方面。
新世纪以来，信息技术取得了长足的开展和进步，小波理论、神经元理论、数字形态学以及模糊理论都与数字处理技术相结合，产生了新的图像处理方法和理论。
比方，数学形态学与神经网络相结合用于图像去噪。
这些新的方法和理论都以传统的数字图像处理技术为依托，在其理论根底上开展而来的。
数字图像处理技术主要包括：⑴图像增强图像增强是数字图像处理过程中经常采用的一种方法。
其目的是改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或加强特征的措施就称为图像增强。
⑵图像恢复图像恢复也称为图像复原，其目的是尽可能的减少或者去除数字图像在获取过程中的降质，恢复被退化图像的本来面貌，从而改善图像质量，以提高视觉观察效果。
从这个意义上看，图像恢复和图像增强的目的是一样的，不同的是图像恢复后的图像可看成时图像逆退化过程的结果，而图像增强不用考虑处理后的图像是否失真，适应人眼视觉和心理即可。
⑶图像变换图像变换就是把图像从空域转换到频域，就是对原图像函数寻找一个适宜变换的数学问题，每个图像变换方法都存在自己的正交变换集，正是由于各种正交换集的不同而形成不同的变换。
数字图像处理_实验报告书(八)彩色图像处理
rgb=cat(3,rgb_R,rgb_G,rgb_B);figure,imshow(rgb),title('RGB彩色图像');截图：（2）编写MATLAB程序，将一彩色图像从RGB空间转换为HIS空间，并观察其效果。
如例9.2所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I=(r+g+b)/3figure,imshow(I);tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2==0)=eps;S=1-3.*tmp1./tmp2;figure,imshow(S);tmp1=0.5*((r-g)+(r-b));tmp2=sqrt((r-g).^2+(r-b).*(g-b));theta=acos(tmp1./(tmp2+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);H(S==0)=0;figure,imshow(H);截图：（3）编写MATLAB程序，将一彩色图像在RGB空间进行彩色分割，并观察其效果。
如例9.11所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);figure,imshow(r);g=rgb1(:,:,2);figure,imshow(g);b=rgb1(:,:,3);figure,imshow(b);r1=r;r1_u=mean(mean(r1(:)));[m,n]=size(r1);sd1=0.0;for i=1:mfor j=1:nsd1= sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u);endendr1_d=sqrt(sd1/(m*n));r2=zeros(size(rgb1,1),size(rgb1,2));ind=find((r>r1_u-1.25*r1_d)&(r<r1_u+1.25*r1_d));r2(ind)=1;figure,imshow(r2);截图：（4）编写MATLAB程序，将一彩色图像在向量空间进行边缘检测，并观察其效果。
数字图像处理实验八
数字图像处理实验实验八：彩色图像处理学院：信息工程学院姓名：学号：专业及班级：指导教师：一、实验目的使用MatLab 软件对图像进行彩色处理。
使学生通过实验熟悉使用MatLab软件进行图像彩色处理的有关方法，并体会到图像彩色处理技术以及对图像处理的效果。
二、实验内容要求学生能够完成彩色图像的分析，能正确讨论彩色图像的亮度、色调等性质；会对彩色图像进行直方图均衡，并能正确解释均衡处理后的结果；能够对单色图像进行伪彩色处理、利用多波长图像进行假彩色合成、进行单色图像的彩色变换。
利用MATLAB软件实现彩色图像处理的程序：rgb_image=imread('flower1.tif'); %读取图像flower1.tiffR=rgb_image(:,:,1); %获取图像的红色分量fG=rgb_image(:,:,2); %获取图像的绿色分量fB=rgb_image(:,:,3); %获取图像的蓝色分量figure(1),imshow(fR) %分别显示图像figure(2),imshow(fG)figure(3),imshow(fB)%实现rgb图像转化为NTSC彩色空间的图像yiq_image=rgb2ntsc(rgb_image);fY=yiq_image(:,:,1); %图像flower1.tif的亮度fI=yiq_image(:,:,2); %图像flower1.tif的色调fQ=yiq_image(:,:,3); %图像flower1.tif的饱和度figure(4),imshow(fY)figure(5),imshow(fI)figure(6),imshow(fQ)fR=histeq(fR,256); %对彩色图像的分量进行直方图均衡化fG=histeq(fG,256);fB=histeq(fB,256);RGB_image=cat(3,fR,fG,fB); %将直方图均衡化后的彩色图像合并figure,imshow(RGB_image) %观察处理后的彩色图色度，亮度参照前面f1=imread('v1_red.jpg');f2=imread('v1_green.jpg');f3=imread('v1_blue.jpg');f4=imread('infer_near.jpg');ture_color=cat(3,f1,f2,f3);figure,imshow(ture_color) %显示由红、绿、蓝三幅图合成的彩色图false_color=cat(3,f4,f2,f3); %用近红外图像代替R分量figure,imshow(false_color) %显示由近红外、绿、蓝三幅图合成的假彩色图f=imread('head.jpg');cut_1=imadjust(f,[0.0925 0.5],[0.0925 0.5]);%提取灰度在16-128之间的像素cut_2=imadjust(f,[0.5 1],[0.5 1]); %提取灰度在128-256之间的像素figure,imshow(cut_1),colormap(hot) %显示图像cut_1,并使用hot模型彩色化figure,imshow(cut_2),colormap(cool) %显示图像cut_2,并使用cool模型彩色化三、实验具体实现(1) 彩色图像的分析调入并显示彩色图像flower1.tif ；拆分这幅图像，并分别显示其R，G，B分量；根据各个分量图像的情况讨论该彩色图像的亮度、色调等性质。
[数字图像处理]（一）彩色图像转灰度图像的三种方式与效果分析
![[数字图像处理]（一）彩色图像转灰度图像的三种方式与效果分析](https://img.taocdn.com/s3/m/a9ad791dbb1aa8114431b90d6c85ec3a87c28bdb.png)
[数字图像处理]（⼀）彩⾊图像转灰度图像的三种⽅式与效果分析图像处理（⼀）彩⾊图⽚转灰度图⽚三种实现⽅式最⼤值法imMax=max(im(i,j,1),im(i,j,2),im(i,j,3))平均法imEva=im(i,j,1)3+im(i,j,2)3+im(i,j,3)3加权平均值法imKeyEva=0.2989×im(i,j,1)+0.5870×im(i,j,2)+0.1140×im(i,j,3)matlba实现clc;close all;clear all;% 相对路径读⼊图⽚（和代码在同⼀⽂件夹下）im = imread('p2.jpg');%---查看图⽚，检测是否成功读⼊% 对显⽰的图⽚进⾏排版subplot(2,3,4);imshow(im);% 对图⽚进⾏命名title('原图');[col,row,color] = size(im);%col为图⽚的⾏数，row为图⽚的列数，color对于彩⾊图⽚⼀般为3，每层对应RGB %利⽤matlab⾃带的函数进⾏ rgb_to_gray;im_matlab = rgb2gray(im);subplot(2,3,1);imshow(im_matlab);title('matlab⾃带rgb2gray');%--------------------------------------------------------%---⽤最⼤值法% 创建⼀个全为1的矩阵，长宽等同于原图的im_max = ones(col,row);for i = 1:1:colfor j = 1:1:rowim_max(i,j) = max( im(i,j,:) );endend% 将矩阵变为8byte⽆符号整型变量（不然⽆法显⽰图⽚）% 最好在计算操作结束后再变化，不然会有精度问题！！im_max = uint8(im_max);subplot(2,3,2);imshow(im_max);title('最⼤值法');%--------------------------------------------------------% 平均值法im_eva = ones(col,row);for i = 1:1:colfor j = 1:1:rowim_eva(i,j) = im(i,j,1)/3 + im(i,j,2)/3 + im(i,j,3)/3 ;% 两种的结果其实⼀样，但是如果先转换为uint8就会出现精度问题%sum1 = im(i,j,1)/3 + im(i,j,2)/3 + im(i,j,3)/3%sum2 = ( im(i,j,1) + im(i,j,2)+ im(i,j,3) )/3;%fprintf( " %.4f %.4f \n",sum1 ,sum2 ) ;endendim_eva = uint8(im_max);subplot(2,3,3);imshow(im_eva);title('平均值法');%--------------------------------------------------------% 加权平均法（rgb2gray所使⽤的权值）im_keyeva = ones(col,row);% 加权算法先转换为uint8计算效果更好im_keyeva = uint8(im_max);for i = 1:1:colfor j = 1:1:rowim_keyeva(i,j) = 0.2989*im(i,j,1) + 0.5870*im(i,j,2) + 0.1140*im(i,j,3) ;endendsubplot(2,3,5);imshow(im_keyeva);title('加权平均法');Processing math: 100%附matlab——rgb2gray源码function I = rgb2gray(X)%RGB2GRAY Convert RGB image or colormap to grayscale.% RGB2GRAY converts RGB images to grayscale by eliminating the% hue and saturation information while retaining the% luminance.%% I = RGB2GRAY(RGB) converts the truecolor image RGB to the% grayscale intensity image I.%% NEWMAP = RGB2GRAY(MAP) returns a grayscale colormap% equivalent to MAP.%% Class Support% -------------% If the input is an RGB image, it can be of any numeric type. The output% image I has the same class as the input image. If the input is a% colormap, the input and output colormaps are both of class double.%% Notes% -----% RGB2GRAY converts RGB values to grayscale values by forming a weighted % sum of the R, G, and B components:%% 0.2989 * R + 0.5870 * G + 0.1140 * B%% The coefficients used to calculate grayscale values in RGB2GRAY are% identical to those used to calculate luminance (E'y) in% Rec.ITU-R BT.601-7 after rounding to 3 decimal places.%% Rec.ITU-R BT.601-7 calculates E'y using the following formula:%% 0.299 * R + 0.587 * G + 0.114 * B%% Example% -------% I = imread('example.tif');%% J = rgb2gray(I);% figure, imshow(I), figure, imshow(J);%% indImage = load('clown');% gmap = rgb2gray(indImage.map);% figure, imshow(indImage.X,indImage.map), figure, imshow(indImage.X,gmap);%% See also RGB2IND, RGB2LIGHTNESS.% Copyright 1992-2020 The MathWorks, Inc.narginchk(1,1);isRGB = parse_inputs(X);if isRGBI = matlab.images.internal.rgb2gray(X);else% Color map% Calculate transformation matrixT = inv([1.0 0.956 0.621; 1.0 -0.272 -0.647; 1.0 -1.106 1.703]);coef = T(1,:);I = X * coef';I = min(max(I,0),1);I = repmat(I, [1 3]);end%--------------------------------------------------------------------------function is3D = parse_inputs(X)is3D = (ndims(X) == 3);if is3D% RGBif (size(X,3) ~= 3)error(message('MATLAB:images:rgb2gray:invalidInputSizeRGB'))end% RGB can be single, double, int8, uint8,% int16, uint16, int32, uint32, int64 or uint64validateattributes(X, {'numeric'}, {}, mfilename, 'RGB');elseif ismatrix(X)% MAPif (size(X,2) ~= 3 || size(X,1) < 1)error(message('MATLAB:images:rgb2gray:invalidSizeForColormap'))end% MAP must be doubleif ~isa(X,'double')error(message('MATLAB:images:rgb2gray:notAValidColormap'))endelseerror(message('MATLAB:images:rgb2gray:invalidInputSize'))end总结通过上⾯的代码结合实际的测试，果然，matlab⾃带的rgb2gray也就是加权平均的⽅法，对光线明暗的处理是最好的。
数字图像及处理的基础知识
数字图像1 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。
2 图像种类：二值图像(Binary Image): 图像中每个像素的亮度值(Intensity)仅可以取自0到1的图像。
灰度图像(Gray Scale Image)，也称为灰阶图像: 图像中每个像素可以由0(黑)到255(白)的亮度值表示。
0-255之间表示不同的灰度级。
彩色图像(Color Image)：每幅彩色图像是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色。
伪彩色图像（false-color）multi-spectral thematic 立体图像(Stereo Image)：立体图像是一物体由不同角度拍摄的一对图像，通常情况下我们可以用立体像计算出图像的深度信息。
三维图像(3D Image):三维图像是由一组堆栈的二位图像组成。
每一幅图像表示该物体的一个横截面。
数字图像也用于表示在一个三维空间分布点的数据，例如计算机断层扫描（:en:tomographic，CT）设备生成的图像，在这种情况下，每个数据都称作一个体素。
3 图像显示目前比较流行的图像格式包括光栅图像格式BMP、GIF、JPEG、PNG等，以及矢量图像格式WMF、SVG等。
大多数浏览器都支持GIF、JPG以及PNG图像的直接显示。
SVG格式作为W3C的标准格式在网络上的应用越来越广。
4 图像校准：数字图像与看到的现象之间关系的知识，也就是几何和光度学或者传感器校准。
图像的基本属性亮度：也称为灰度，它是颜色的明暗变化，常用0 ％～100 ％( 由黑到白) 表示。
对比度：是画面黑与白的比值，也就是从黑到白的渐变层次。
比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。
直方图：表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率。
图像在计算机中的存储形式，就像是有很多点组成一个矩阵，这些点按照行列整齐排列，每个点上的值就是图像的灰度值，直方图就是每种灰度在这个点矩阵中出现的次数。
数字图像处理 算法原理
数字图像处理算法原理
数字图像处理是指应用数字计算机对图像进行处理与分析的技术。
其中涉及到的算法原理包括：
1. 灰度变换算法：通过改变图像中像素的灰度级分布，实现对图像亮度、对比度、伽马校正等属性的调整。
常用的灰度变换算法有线性变换、逆变换、非线性自适应直方图均衡化等。
2. 图像滤波算法：用于平滑图像、强调图像细节或检测图像中的边缘。
常用的滤波算法包括均值滤波、中值滤波、高斯滤波、导向滤波等。
3. 图像增强算法：通过改善图像的质量和可视化效果，使图像更适合人眼观察和计算机分析。
常用的图像增强算法有直方图均衡化、局部对比度增强、锐化增强等。
4. 彩色图像处理算法：针对彩色图像的特点，进行颜色空间转换、亮度调整、色彩增强、色彩平衡等操作。
常用的彩色图像处理算法有RGB空间转换为HSV空间、色彩补偿、白平衡调整等。
5. 图像分割与边缘检测算法：将图像划分为不同的区域或提取图像中感兴趣的目标，常用的算法包括阈值分割、基于边缘的分割、基于区域的分割等。
6. 图像压缩与编解码算法：将图像数据经过压缩编码处理，以减少存储空间和传输带宽。
常用的压缩算法有无损压缩算法
（如RLE、Huffman编码）和有损压缩算法（如JPEG）。
除了以上算法原理外，还包括图像配准、图像恢复、形态学处理、基于特征的图像分析等其他算法。
这些算法原理的应用能够有效地处理数字图像，对于图像识别、图像搜索、医学图像分析等领域具有广泛的应用价值。
数字图像处理,冈萨雷斯,课件英文版Chapter06 彩色图像处理
(Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2nd Edition.
RGB Safe-color Cube
The RGB Cube is divided into 6 intervals on each axis to achieve the total 63 = 216 common colors. However, for 8 bit color representation, there are the total 256 colors. Therefore, the remaining 40 colors are left to OS.
C 1 R M 1 G Y 1 B
HSI Color Model
RGB, CMY models are not good for human interpreting HSI Color model: Hue: Dominant color Saturation: Relative purity (inversely proportional to amount of white light added) Intensity: Brightness Color carrying information
(Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2nd Edition.
RGB Color Cube
R = 8 bits G = 8 bits B = 8 bits Color depth 24 bits = 16777216 colors
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
- 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)。
– （3）相加混色和相减混色有不同的规律。
Grassman定律
• 指出了视觉对颜色的响应取决于红、绿、 蓝三输入量的代数和。
– （1）所有颜色都可以用相互独立的三基色混合得到； – （2）假如三基色的混合比相等，则色调和饱和度也相
•
C=RR0+GG0+BB0
（8.1）
– R、G、B为C的三刺激值（tristimulus values）
– （R0，G0，B0）称为原刺激值，是单位向量。
图8.2 颜色的向量表示与光谱三刺激值
（a）颜色的向量表示
（b）光谱三刺激值
8.1.3 光度学基本知识
• 光度学
– 光学中研究光的辐射、吸收、照射、反射、散射、漫 射等度量的学科
图8.4 图像的R、G、B分解
•
（a）原图像
（b）R分量
•
（c）G分量
（d）B分量图
8.2.2 Munsell模型
某个颜色可以唯一地用一个色调（H）、色纯度（C） 及亮暗值（V）的颜色片来表示，如图8.5所示。
色调沿圆周分成10个区域，其中5个是主色调，5个 是中间色调。
分别是红、红黄、黄、黄绿、绿、蓝绿、蓝、蓝紫、紫、 紫红。
第８章 彩色图像处理
内容提要:
8.1 人类视觉与色度学基础
三基色原理、光度学基本知识
8.2 颜色空间的表示及其转换
RGB模型、Munsell模型、HSV模型、HSI模型、YUV模型
RGB与HSV空间的相互转换 RGB与YUV空间的相互转换 RGB与HSI空间的相互转换
8.2 颜色空间的量化
– 进行图像的彩色分析，建立的研究彩色计量的学科。
8.1.1 人类的基本视觉特性
• 视觉系统中存在着杆状和锥状细胞两种感光细胞。
– 杆状细胞为暗视器官 – 锥状细胞是明视器官，在照度足够高时起作用，并能
分辨颜色。 – 锥状细胞大致将电磁光谱的可见部分分为三个波段：
红、绿、蓝。 – 这三种颜色被称为三基色
• 亮度（brightness）
– 颜色的明暗程度，从黑到白，主要受光源强弱影响。
8.1.2 三基色原理
• 由三基色混配各种颜色通常有两种方法：
– 相加混色法。
• 彩色电视机上的颜色。
– 相减混色法。
• 彩色电影、幻灯片、绘画原料
• 相加混色和相减混色的主要区别：
– （1）相加法是由发光体发出的光相加而产生的各种颜色，而相减 法是先有白色光，然后从中减去某些成份（吸收）得到各种颜色。
色纯度表示了色的浓淡，从中心向外逐渐增强。 颜色的亮暗分成11个等级，记为0到10级，其中0级
对应黑而10级对应白。
图8.5 Munsell彩色空间
Munsell颜色空间具有的特点
• （1）坐标之间的心理感知独立性。
– 可以独立感知各颜色分量的变化；
• （2）线性伸缩性。
– 可感知的颜色差是与颜色分量的相应样值上的 欧氏测度之间的距离成比例的。
– 同时结合视觉特征来确定光的度量及吸收的单位。
• 在可见光谱段以外的景物图像也可用类似的方法。
– 可见光谱段以外所形成的图像，其处理的各个过程也 常常要变换成人眼可以观察的图像
– 例如热成像、X光照片等
光度学中的基本概念
• 1. 光通量 • 2. 发光强度 • 3. 视敏度 • 4. 亮度
– 亮度是发光面的明亮程度的度量，它决定于单位面积 的发光强度，单位为cd/m2。
• 5. 照度
– 照度指照射在单位面积上的光通量，单位为勒（lx）。
8.2 颜色空间的表示及其转换
• 实际应用中常用的颜色空间有
– RGB、HSV、HSI、YUV、YIQ等。
• 常用的颜色空间可分为两类
– 面向硬设备的应用
• RGB颜色空间，如：彩色显示器、打印机等
– 面向以彩色处理为目的的应用
• HSI颜色空间以及HSV颜色空间
抖动技术、假彩色处理 彩色图像增强、真彩色增强 8.6.2 伪彩色增强
实验：彩色空间的表示和转换 本章小结
教学建议
• 本章的先修知识主要有：
– 光学、线性代数、图像的量化等。
• 要求了解彩色图像处理的基本概念和一些常用的 彩色图像处理技术。
• 用MATLAB工具对彩色图像进行处理
– 如进行颜色空间的变换等。
8.1 人类视觉与色度学基础
• 人类色觉的产生是一个复杂的过程。
– 除了光源对眼睛的刺激，还需要人脑对光刺激的解释。
• 人感受到的物体颜色主要取决于反射光的特性。
– 如果物体比较均衡地反射各种光谱，则看起来是白的。 – 如果物体对某些光谱反射得较多，则看起来物体就呈
现相对应的颜色。
• 色度学（colorimetry）
图8.1 人类视觉系统三类锥状细胞的光谱敏感曲线
人类视觉对颜色的主观感觉
• 颜色的三种主观感觉：色调、饱和度和亮度。 • 色调（hue）
– 从一个物体反射过来的或透过物体的光波长 – 是由颜色种类来辨别的，如红、橙、绿。
• 饱和度（saturation）
– 即色纯度，指颜色的深浅 – 例如：深红和浅红。
8.2.1 RGB模型
• 颜色模型
– 规定了颜色的建立、描述和观察方式。
• 颜色模型都是建立在三维空间中的
– 与颜色空间密不可分。
• RGB模型
– 用三维空间中的一个点来表示一种颜色，如图8.3 – 每个点有三个分量，分别代表该点颜色的红、绿、蓝亮度值 – 亮度值限定在[0，1]。
图8.3 RGB模型坐标
• （3）该空间在感知上并不是均匀的
– 也不能直接根据加色原理进行组合。
8.2.3 HSV模型
• HSV模型
– 由色度（H），饱和度（S），亮度（V）三个分量组成 – 与人的视觉特性比较接近。
• 重要性
– 消除量与人的视觉感受密切相关。
等； – （3）任意两种颜色相混合产生的新颜色与采用三基色
分别合成这两种颜色的各自成份混合起来得到的结果 相等； – （4）混合色的光亮度是原来各分量光亮度的总和。
颜色向量C的计算
• CIE的R、G、B颜色表示系统。
– 选择标准红色，绿色和蓝色三种单色光作为表色系统的 三基色。
• 颜色向量C
– 红（R）、绿（G）、蓝（B）三刺激值所构成的（R， G，B）向量的和构成。