彩色图像处理
计算机图像处理 第09章 彩色图像处理
下一页
home
上一页
图8.7 HSI彩色模型
（a）HSI彩色模型坐标系统
（b）HSI彩色三角形
下一页
home
上一页
下一页
home
上一页
• HIS色系-亮度分量I • I表示光照强度或称为亮度，它确定了像素 的整体亮度，而不管其颜色是什么。
下一页
home
上一页
• 亮度(I)效果示意图
下一页
home
• 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。
• 色饱和度（saturation）
– 即色纯度，指颜色的深浅 – 例如：深红和浅红。
• 亮度（brightness）
– 颜色的明暗程度，从黑到白，主要受光源强弱影响。
下一页
home
上一页
8.1.2 三基色原理
– 与人的视觉特性比较接近。
• 重要性
– 消除了亮度成分V在图像中与颜色信息的联系
– 色调H和饱和度S分量与人的视觉感受密切相关。
下一页
home
上一页
图8.6 HSV颜色模型
绿
绿 ° 120
S H 0° 红
红 蓝 1 20 ° I
240 ° 蓝
0° 2 40 °
（a）HSV颜色模型
（b）颜色轮
（c）柱形彩色空间
（8.2a） （8.2b）
B' Tem p 1 B Tem p 1 Tem p2
•
G'
Tem p 1 G Tem p 1 Tem p2
下一页
home
上一页
5 B' 1 G ' 1 R' H1 3 B ' 3 G ' 5 R '
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。
真彩色图像处理
第四部分真彩色增强一、真彩色增强方法图4.1 真彩色增强原理图1、对HSI图像亮度增强⑴、将R，G，B分量图转化为H，S，I分量图；⑵、利用对灰度图增强的方法增强其中的I分量图；⑶、再将结果转化为用R，G，B分量图来显示。
以上方法并不改变原图的彩色内容，但增强后的图看起来会有些不同。
这是因为尽管色调和饱和度没有变化，但亮度分量得到了增强，整个图会比原来更亮一些。
图4.3是基于matlab以增强亮度的方法进行真彩色增强的图像，其代码见附录（a）增强前图像（b）增强后图像图4.2 对HSI进行亮度增强结果结论：图（b）明显比图（a）要亮的多，在视觉效果上，图（b）比较让人觉得美好。
2、对HSI图像进行对比度增强图4.4是基于matlab以增强对比度的方法进行真彩色增强的图像，其代码见附录图4.3 对HSI增强对比度增强的结论：图（b）的视觉效果明显比图（a）要好的多，清晰的多，颜色比（a）要深。
3、对HSI图像进行亮度和饱和度的增强图4.5是基于matlab以增强亮度和饱和度的方法进行真彩色增强的图像，其代码见附录图4.4 对HSI图像进行增强结果结论：这是对前两个方法的综合，很显然，图（b）比图（a）要亮，要清晰，视觉效果比以上两种方法分别做要好的多。
二、直接在rgb空间对图像增强图4.6是基于matlab在rgb空间增强图像，其代码见附录图4.5 对RGB图像进行增强结果以下是基于matlab以增强亮度的方法进行真彩色增强的代码：%% 彩色图像亮度增强（执行速度较慢）clcclearfc = imread('E:\maomao.jpg');figure(1);imshow(fc)title('原始真彩色（256*256*256色）图像')fr = fc(:,:,1);fg = fc(:,:,2);fb = fc(:,:,3);% imshow(fr)% title('红色分量图像')% imshow(fg)% title('绿色分量图像')% imshow(fb)% title('蓝色分量图像')h = rgb2hsi(fc);H = h(:,:,1);S = h(:,:,2);I = h(:,:,3);I =I*1.5;% imshow(H)% title('色调分量图像')% imshow(S)% title('饱和度分量图像')% imshow(I)% title('亮度分量图像')h = cat(3,H,S,I);%cat函数是拼接数组的函数，这里将在第3维上进行拼接。
灰度图像处理vs彩色图像处理：适用领域和优缺点的比较
灰度图像处理vs彩色图像处理：适用领域和优缺点的比较随着数字图像技术的不断发展，图像处理领域也日益壮大，而图像的颜色信息是我们最直观的视觉感受之一。
因此，图像处理中最常见的便是对彩色图像进行处理。
但是，在实际的图像处理任务中，灰度图像有时也会被使用。
那么，灰度图像处理与彩色图像处理之间的关系和差异是什么呢？接下来，我们将详细讨论这两种图像处理技术的适用领域，以及各自的优缺点。
1.适用领域比较灰度图像处理灰度图像是一种仅包含黑、灰、白三种颜色的图像，它可以降低图像数据的复杂度，提高图像处理速度。
由于灰度图只需要处理单通道数据，因此在一些算法中，灰度图图像处理通常比彩色图像处理速度更快且计算成本更低。
同时，灰度图像处理技术不仅适用于图像增强、边缘检测等方面，还在计算机视觉领域中使用广泛，特别是在人脸识别、匹配、测量等领域。
彩色图像处理彩色图像处理则包含了RGB、HSV等多种色彩空间，可以更好地表现真实世界中的色彩信息，并能够更好的反应图像的细节和维度。
彩色图像处理技术被广泛应用于数字媒体、互联网影视和广告、航空航天等领域。
与灰度图像相比，彩色图像处理不但可以降低图像处理数据的复杂度，还能够表现具体的色彩信息，使得图像处理更加精准，更加全面。
2.优缺点比较灰度图像处理优点：（1）细节更加清晰。
由于灰度图像只有一种色调，因此图像的细节表现比彩色图像更加精准。
（2）处理速度快。
灰度图像处理通常只需要处理单通道数据，处理速度比彩色图像更快。
（3）计算成本更低。
灰度图像处理算法相对来说比较简单，因此计算成本更低。
缺点：（1）信息表达不完整。
由于灰度图像只有黑、灰、白三种颜色，因此它无法表现图像的色彩信息，限制了图像处理的深度和全面性。
（2）图像表现力较差。
灰度图像无法表现真实世界中色彩丰富的场景和细节。
彩色图像处理优点：（1）更加逼真。
由于考虑到色彩信息，彩色图像能够更加逼真地表现真实世界中的色彩和细节。
（2）图像处理深度更高。
第6章彩色图像处理资料
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
彩色图像分割
二值、灰度形态学
二值形态学中的运算对象是集合。设A为图像集合，S为结 构元素，数学形态学运算是用S对A进行操作。需要指出，实际 上结构元素本身也是一个图像集合。对每个结构元素可以指定 一个原点，它是结构元素参与形态学运算的参考点。应注意， 原点可以包含在结构元素中，也可以不包含在结构元素中，但 运算的结果常不相同。以下用阴影代表值为1的区域，白色代表 值为0的区域，运算是对值为1的区域进行的。二值形态学中两 个最基本的运算——腐蚀与膨胀，如图所示。
基本符号和术语
1. 元素和集合
在数字图像处理的数学形态学运算中，把一幅图像称为一个 集合。对于二值图像而言，习惯上认为取值为1的点对应于景 物中心，用阴影表示，而取值为0的点构成背景，用白色表示， 这类图像的集合是直接表示的。考虑所有值为1的点的集合为 A， 则A与图像是一一对应的。对于一幅图像A，如果点a在A
y S1
O
y
x X
X○ S1 X○ S2
O S2
x
(a)
(b)
X (c)
图 (a) 结构元素S1和S2
(b) X○S1
(c) X○S2
y S1
O
y
x
S1 X
X● S1
X● S2
O S2
x
X
S1
(a)
(b)
图 (a) 结构元素S1和S2
(c)
(b) X●S1； (c) X●S2
彩色图像处理
彩色图像处理彩色图像增强一般分为伪彩色增强和真彩色增强。
伪彩色图像增强常用的方法有亮度分割、灰度级-彩色变换和频率域伪彩色增强。
真彩色图像处理的发法一般分为两类：1是将彩色图像分解为3幅分量图像，在处理过程中首先对每幅分量图进行单独处理，然后再将3幅图像组合为彩色图；2是将彩色图像的每个像素看做一个矢量进行处理。
实例操作例1、RGB分量的显示clear allRGB=imread('peppers.png');R=RGB(:,:,1);G=RGB(:,:,2);B=RGB(:,:,3);subplot(2,2,1);imshow(RGB);title('原始图像');subplot(2,2,2);imshow(R);title('R分量图像');subplot(2,2,3);imshow(G);title('G分量图像');subplot(2,2,4);imshow(B);title('B分量图像');例2、RGB空间和HIS空间的转换function HIS=rgb2hsi(RGB)% RGB到HIS转换的函数RGB=im2double(RGB);R=RGB(:,:,1);G=RGB(:,:,2);B=RGB(:,:,3);fenzi=((R-G)+(R-B))/2;fenmu=sqrt((R-G).^2+(R-B).*(G-B));theta=acos(fenzi./(fenmu+eps));H=theta;H(B>G)=2*pi-H(B>G);H=H/(2*pi);%H范围归一化【0,1】MinC=min(min(R,G),B);S=1-3*MinC./(R+G+B+eps);H(S==0)=0;I=(R+G+B)/3;HIS=cat(3,H,S,I);function RGB=hsi2rgb(HSI)% HSI到RGB转换的函数H=HSI(:,:,1);H=2*pi*H;%[0 1]->[0 2*pi]S=HSI(:,:,2);I=HSI(:,:,3);%初始化RGB为0R=zeros(size(HIS,1),size(HSI,2));G=R;B=R;%0<=H<2*pi/3i=find((H>=0)&(H<2*pi/3));B(i)=I(i).*(1-S(i));R(i)=I(i).*(1+S(i).*cos(H(i))./cos(pi/3-H(i)));G(i)=3*I(i)-R(i)-B(i);%2*pi/3<=H<4*pi/3i=find((H>=2*pi/3)&(H<4*pi/3));H(i)=H(i)-2*pi/3;R(i)= I(i).*(1-S(i));G(i)=I(i).*(1+S(i).*cos(H(i))./cos(pi/3-H(i)));B(i)=3*I(i)-R(i)-G(i);%4*pi/3<=H<2*pii=find((H>=4*pi/3)&(H<=2*pi));H(i)=H(i)-4*pi/3;G(i)= I(i).*(1-S(i));B(i)=I(i).*(1+S(i).*cos(H(i))./cos(pi/3-H(i)));R(i)=3*I(i)-G(i)-B(i);RGB=cat(3,R,G,B);RGB=max(min(RGB,1),0);%RGB模型和HIS模型之间的转换及H、S、I分量显示代码如下：clear allRGB=imread('peppers.png');HSI=rgb2hsi(RGB);H=HSI(:,:,1);S=HSI (:,:,2);I=HSI (:,:,3);RGB2=hsi2rgb(HSI);subplot(2,3,1);imshow(RGB);title('原始RGB图像');subplot(2,3,2);imshow(H);title('H分量图像');subplot(2,3,3);imshow(S);title('S分量图像');subplot(2,3,4);imshow(I);title('I分量图像');subplot(2,3,5);imshow(I);title('HSI->RGB图像');例3、亮度分割法伪彩色图像处理clear allI1=imread('cameraman.tif');I2=imread('moon.tif');subplot(2,2,1);imshow(I1);title('灰度图像I1');subplot(2,2,2);imshow(I2);title('灰度图像I2');X1=grayslice(I1,16);subplot(2,2,3);imshow(X1,jet(16));title('伪彩色图像1'); X2=grayslice(I2,8);subplot(2,2,4);imshow(X2,hot(8));title('伪彩色图像2');例4、灰度级-彩色变换法clear allI=imread('moon.tif');subplot(1,2,1);imshow(I);title('灰度图像I');I=im2double(I);[W H]=size(I);R=zeros(W,H);G=zeros(W,H);B=zeros(W,H);L=1;for i=1:Wfor j=1:Hif ( I(i,j)>=L/2 & I(i,j)<=3*L/4)R(i,j)=4*(I(i,j)-L/2);elseif I(i,j)>3*L/4R(i,j)=1;endif I(i,j)<= L/4G(i,j)=4*I(i,j);elseif I(i,j)>=3*L/4G(i,j)= -4*(I(i,j)-L);elseG(i,j)=1;endif I(i,j)<= L/4B(i,j)=1;elseif I(i,j)>3*L/4 & I(i,j)<=L/2B(i,j)= -4*(I(i,j)-L/2);endendendRGB=cat(3,R,G,B);subplot(1,2,2);imshow(RGB);title('伪彩色图像');例5、彩色图像取反clear allRGB=imread('peppers.png');IRGB=255-RGB;subplot(1,2,1);imshow(RGB);title('原始图像I'); subplot(1,2,2);imshow(IRGB);title('取反图像');例6、彩色图像直方图均衡化clear allRGB=imread('peppers.png');R=RGB(:,:,1);G=RGB(:,:,2);B=RGB(:,:,3);R1=histeq(R);G1=histeq(G);B1=histeq(B);RGB1=cat(3,R1,G1,B1);HSV=rgb2hsv(RGB);V=HSV(:,:,3);V=histeq(V);HSV(:,:,3)=V;RGB2=hsv2rgb(HSV);subplot(1,2,1);imshow(RGB);title('RGB各分量均衡化'); subplot(1,2,2);imshow(RGB2);title('V分量均衡化');例7、图像饱和度调整clear allI=imread('peppers.png');HSV=rgb2hsv(I);S=HSV(:,:,2);S1=S*2;d=find(S1>1.0);S1(d)=1.0;S2=S*0.5;HSV(:,:,2)=S1;RGB1=hsv2rgb(HSV);HSV(:,:,2)=S2;RGB2= hsv2rgb(HSV);subplot(1,2,1);imshow(RGB1);title('饱和度乘上系数2'); subplot(1,2,2);imshow(RGB2);title('饱和度乘上系数0.5');。
实验五 彩色图像处理
实验五彩色图像处理一、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、实验要求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。
三、实验内容与步骤(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。
(2) 彩色图像的直方图均衡接内容(1)；显示这幅图像的R，G，B分量的直方图，分别进行直方图均衡处理，并显示均衡后的直方图和直方图均衡处理后的各分量；将处理完毕的各个分量合成彩色图像并显示其结果；观察处理前后图像的彩色、亮度、色调等性质的变化。
(3) 假彩色处理调入并显示红色可见光的灰度图像vl_red.jpg、绿色可见光的灰度图像vl_green.jpg 和蓝色可见光的灰度图像vl_blue.jpg；以及近红外灰度图像infer_near.jpg和中红外灰度图像infer_mid.jpg；以图像vl_red.jpg为R；图像vl_green.jpg为G；图像vl_blue.jpg为B，将这三幅图像组合成可见光RGB彩色图像；分别以近红外图像infer_near.jpg和中红外图像infer_mid替换R分量，形成假彩色图像；观察处理的结果，注意不同波长红外线图像组成图像的不同结果(4) 伪彩色处理1：灰度切片处理调入并显示灰度图像head.jpg；利用MATLAB提供的函数对图像在8~256级的范围内进行切片处理，并使用hot模式和cool 模式进行彩色化；观察处理的结果。
(5) 彩色变换(选做)调入并显示灰度图像Lenna.jpg；使用不同相位的正弦函数作为变换函数，将灰度图像变换为RGB图像。
- 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)。
关于彩色图像处理的认识与探究李时铨安徽大学信息与计算科学2016.5摘要随着信息技术的发展,彩色图像的应用也更加广泛。
与灰度图像相比,彩色图像携带了更多的可视化信息。
彩色图像处理已成为一个重要的研究领域。
由于彩色图像中颜色表示的复杂性,本作依照经典RGB模型来进行多重灰度图像处理再合成，而现代彩色图像的处理方法早已是无穷无尽，可见彩色信息在数字图像处理中正得到更大的关注。
灰度图像中的去噪、退化复原、压缩在经过历史的变革以及有层出不穷的办法应对，但是如何同样的作用于彩色图像，想必是有困难的。
一副图有许许多多像素的同时，每个像素还带着自己的色彩。
基于RGB模型，不难理解，每一幅彩图都是由几张看似灰度的图像叠加形成（基于三原色原理）；同时为了色彩更加丰富多变，各种模型体系也崭露头角。
想必全彩色图像处理是基于伪彩色图像处理，伪彩色处理试图将灰度分层，而全彩色处理试图将色彩分层，给予灰度图一样的“待遇”，完成各项操作之后合成回原来的色彩。
同时也不难理解，彩色图像的像素点，是一个个向量，这对未来直接处理彩色图像有着莫大的帮助与延伸。
关键词：彩色图像均值滤波去噪Lucy Richardson图像复原图像DCT变换与反变换AbstractWith the development of information technology, the application of color image is also more widely. Compared with the gray image, color images carry more visual information.Color image processing has become an important area of research.Because of the complexity of the color in the color image said, according to the classical RGB model to make a multiple gray image processing and synthesis,however，he modern color image processing method is endless, visible color information in digital image processing is of greater concern.In the gray image noise reduction, degradation of recovery and compression after historical change and there are endless way to deal with, but how also applied to color images, most presumably is difficult.There are many, many pixels of a figure at the same time, each pixel with its own color.Based on the RGB model, it is easy to understand, every color image is formed by some seemingly gray-scale image overlay; At the same time in order to more colorful and changeable, all sorts of model system is emerging.Must have full color image processing is based on pseudo color image processing, and pseudo color processing to gray-scale stratification, and full color processing to color layer, giving the "treatment", like the gray-scale complete synthesis of back to the original color after the operations.It is not difficult to understand at the same time, color image pixels, is a vector, this directly with color images for the future with a great deal of help and extension.Key Words：Color image processingNoise reduction with average filteringImage restoration by Lucy RichardsonImage DCT transform and inverse transform目录【摘要】 ----------------------------------------------------------------------------------------------------------- I【Abstract】------------------------------------------------------------------------------------------------------ II§1 彩色图像概论----------------------------------------------------------------------------------------- 11.1 RGB彩色模型 ---------------------------------------------------------------------------- 11.2 HSI彩色模型 ---------------------------------------------------------------------------- 11.3 伪彩色与全彩色处理 ---------------------------------------------------------------------------- 2§2 彩色图像去噪实现----------------------------------------------------------------------------------------- 32.1 图像去噪典型算法 ---------------------------------------------------------------------------- 32.2 matlab实现彩色图像去噪 ---------------------------------------------------------------------------- 4§3 彩色图像复原实现----------------------------------------------------------------------------------------- 53.1 图像复原相关算法 ---------------------------------------------------------------------------- 53.2 matlab实现彩色图像复原 ---------------------------------------------------------------------------- 6§4 彩色图像压缩实现----------------------------------------------------------------------------------------- 74.1 图像压缩算法 ---------------------------------------------------------------------------- 74.2 matlab实现彩色图像压缩 ---------------------------------------------------------------------------- 8【参考文献】 --------------------------------------------------------------------------------------------------- 111 彩色图像概论1.1 RGB彩色模型根据三基色原理,用基色光单位来表示光的量,则在RGB彩色模型中,任意色光F都可以用R、G、B三色不同分量的相加混合而成:F = r[R] + g[G] + b[B]自然界中任何一种色光都可由R、G、B三基色按不同的比例相加混合而成,当三基色分量都为0 (最弱)时混合为黑色光;当三基色分量都为1 (最强)时混合为白色光。
任意一种颜色F是这个立方体中的一个点,R、G、B中的任意一个系数的改变都会改变F的坐标值,也意味着改变了F的色值。
1.2 HSI彩色模型HSI彩色模型从人的视觉系统出发,用H代表色相(Hue)、用S代表饱和度(Saturation) 和I代表亮度(Intensity)来描述色彩。
由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度,为了便于色彩处理和识别,人的视觉系统经常采用HSI色彩空间,它比RGB色彩空间更符合人的视觉特性。
在图像处理和计算机视觉中大量算法都可在HSI色彩空间中方便地使用,它们可以分开处理而且是相互独立的。
因此,HSI色彩空间可以大大简化图像分析和处理的工作量。
色相(Hue):指物体传导或反射的波长。
更常见的是以颜色如蓝色、黄色或紫色来辨识,取0到360度的数值来衡量。
饱和度(Saturation):又称色度,是指色彩的强度或纯度。
饱和度代表灰色与色调的比例,并以0% (灰色)到100% (完全饱和)来衡量。
亮度(Intensity):是指颜色的相对明暗度,通常以0% (黑色)到100% (白色)的百分比来衡量。