数字图像处理-胡学龙等-第08章-彩色图像处理

上一页下一页home8.1.2三基色原理•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。–（2）相加混色的三基色是红、绿、蓝，而–相减混色的三基色是黄、青、品红。–相加混色的补色就是相减混色的基色。–（3）相加混色和相减混色有不同的规律。上一页下一页homeGrassman（格拉斯曼）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，则色调和色饱和度也相等；–（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。上一页下一页home颜色向量C的计算•CIE(国际照明委员会）的R、G、B颜色表示系统。–选择标准红色（波长：700nm)，绿色（波长：546.1nm)和蓝色（波长：435.8nm)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。•C=RR0+GG0+BB0（8.1）–R、G、B为C的三刺激值（tristimulusvalues）–（R0，G0，B0）称为原刺激值，是单位向量。上一页下一页home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）光谱三刺激值上一页下一页home8.1.3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–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光照片等上一页下一页home光度学中的基本概念•1.光通量•光源以电磁波的形式辐射出的光功率称为光通量，单位是流明（lm)•2.发光强度•设某个点光源向各方向都均匀辐射，则可定义发光强度为发射到单位立体角的光通量增强与该单位角的比值。单位：坎（cd)•3.视敏度:人眼对不同波长的可见光的敏感程度不同，根据人眼对不同波长敏感程度可得到一曲线，称为视敏感曲线。•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）。上一页下一页home8.2颜色空间的表示及其转换•实际应用中常用的颜色空间（colorspace)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颜色空间上一页下一页home8.2.1RGB模型•颜色模型(colormodel)–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]。上一页下一页home图8.3RGB模型坐标•任一基色均没有亮度，即原点为黑色；•三基色都达到最高亮度则表示为白色；•亮度较低且等量的三种基色产生灰色，所有这些点均落在彩色立方体的对角线上，称该对角线为灰色线；•三个角对应三基色-红、绿、蓝•其余三个角对应三补色-黄、青、品红上一页下一页home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分量图上一页下一页home8.2.2Munsell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。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。上一页下一页home图8.5Munsell彩色空间上一页下一页homeMunsell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。•（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。上一页下一页home8.2.3HSV模型•在许多应用系统中，大量应用HSV模型•HSV（Hue,Saturation,Value)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。上一页下一页home图8.6HSV颜色模型120°绿240°蓝0°红HSI红绿蓝120°0°240°（a）HSV颜色模型（b）颜色轮（colorwheel)（c）柱形彩色空间在颜色轮上，主要颜色沿一个园均匀分布，次要颜色位于主要颜色之间，例绿色位于黄色和青色之间，因此黄色和青色可产生绿色，每种颜色与它的补色相对。上一页下一页home•HSV颜色空间目前广泛应用于计算机图像形学、科学计算可视化等领域。•是一个均匀颜色空间；•在所有的颜色空间中，HSV模型对应于画家配色模型，比HSI更接近于人对颜色的主观感受，因此很适合基于颜色的图像相似比较。上一页下一页home8.2.4HSI模型•色调（H）和饱和度（S）的含义与HSV系统一致，而强度（I）对应与颜色的亮度或灰度。•HSI彩色模型如图8.7(a)所示，而图8.7(b)显示的是标准HSI三角形–三角形的顶点代表了三个归一化的彩色分量（R、G、B）的三角系数。–色调H定义为颜色点P至中心的线段与R轴之间的夹角。上一页下一页home图8.7HSI彩色模型（a）HSI彩色模型坐标系统（b）HSI彩色三角形上一页下一页home•H:表示色调，由角度表示。反映了该颜色最接近什么样的光谱波长。0度为红色，120度为绿色，240度为蓝色。上一页下一页home•I表示亮度，它确定了像素的整体亮度，而不管其颜色是什么，与灰度图像的灰度值类似。上一页下一页home8.2.5YUV模型•YUV颜色模型在广泛性方面仅次于RGB模型。–在彩色电视系统中，采用的就是YUV色彩空间。•由于人眼对于亮度的敏感程度大于对于色度的敏感程度，所以完全可以让相邻的像素使用同一个色度值，而人眼的感觉不会引起太大的变化。–YUV的基本思想是通过损失色度信息来达到节省存储空间的目的。•可以定义出许多YUV的格式–相邻两个像素使用一个色度值的YUYV，JPEG、MPEG中相邻四个像素使用一个色度值的YUV12等。上一页下一页home其他的彩色模型•NTSC模型广泛应用于美国等国家的电视信号。–特点是信号的强度信息和颜色信息相分离，同一个信号可以方便地同时表示彩色图像和黑白图像。–在NTSC格式中，图像由三个分量表示：亮度用Y表示；色度用I表示；饱和度用Q表示。•YCbCr模型广泛应用于数字视频。–在YCbCr模型中，Y为亮度，Cb和Cr共同描述图像的色调，其中Cb、Cr分别为蓝色分量和红色分量相对于参考值的坐标。上一页下一页home8.2.6RGB与HSV空间的相互转换•同一颜色可以用不同的彩色空间表示，自然可以相互转换。•1．•从RGB•转换到•HSV上一页下一页home•MATLAB提供了相应的转换函数：•hsvmap=rgb2hsv(rgbmap)•HVS=rgb2hsv(rgb)上一页下一页home图8.8图像的HSV分解•（a）原RGB图像（b）H分量（a）原RGB图像（b）H分量（c）S分量（d）V分量上一页下一页home•2．从HSV转换到RGB上一页下一页home•MATLAB提供了相应的转换函数:•rgbmap=hsv2rgb(hsvmap)•RGB=hsv2rgb(hsv)上一页下一页home8.2.7RGB与YUV空间的相互转换BGRVUY081.0419.0500.0500.0332.0169.0114.0587.0299.0上一页下一页home图8.9图像的YUV分解（a）原RGB图像（b）Y分量（c）U分量（d）V分量上一页下一页home8.2.8RGB与HSI空间的相互转换1．从RGB空间转换到HSI空间GBBGBRGRBRGRBRGRBGBRGRBRGRH2/122/12)])(()[(2/)]()[(arccos2)])(()[(2/)]()[(arccos或),,min(31BGRBGRS)(31BGRI上一页下一页home图8.10图像的HSI分解（a）原RGB图像（b）H分量（c）S分量（d）I分量上一页下一页home•2.从HSI空间转换到RGB空间•设S、I的值在[0，1]之间，R、G、B的值也在[0，1]之间，则从HSI到RGB的转换公式分成3段以利用对称性,以当H在[0o，120o]之间为例：)60cos(cos10HHSIR)(3RBIG)1(SIB上一页下一页home上一页下一页home上一页下一页home8.2.9RGB与YIQ空间的相互转换上一页下一页home–在YCbCr模型中，Y为亮度，Cb和Cr共同描述图像的色调，其中Cb、Cr分别为蓝色分量和红色分量相对于参考值的坐标。8.2.9RGB与YCbCr空间的相互转换上一页下一页home8.3颜色空间的量化–以HSV模型为例，讨论颜色空间的量化过程。•H、S、V任何一个分量都可构成自己的直方图，其反映了图像颜色的统计分布。–HSV色彩空间各分量的独立性较强，并且主要由H色调直方图决定图像的颜色分布。•人眼对视觉的分辨能力有一定的局限性，因此对整个颜色空间进行适当的量化是必要的。•即选择有一定代表性的颜色，丢弃那些无显著视觉意义的信息，从而在解决某些问题时能节约大量的计算空间。上一页下一页home–如果对HSV空间进行适当的量化后再计算直方图，则计算量要少得多。–在实际应用中，需要将HSV三个分量进行量化以减少特征值的数量。•HSV色彩空间中颜色特征的量化有两种方式：一种等间隔量化，另一种非等间隔量化上一页下一页home•一幅图像色调H的范围为【0,360】，饱和度S的范围为【0,1】，亮度V的范围为【0,1】•在等间隔量化中，依据各自的范围分别按相应的要求均匀等分，然后将之归类，最后以类别作为特征量。•比如色调H(0-360),可以均分为6等分，然后将之归类，即每60为一类，这样总共可分为6等份，即为六维特征量。上一页下一页home•非等间隔量化可依据以下几个方面进行：•（1）人的视觉分辨能力，将色调H空间划分为8份，饱和度S和亮度V空间划分为3份；•（2）根据H、S、V的不同范围和人的主观感知进行色彩量化。•（3）根据光学理论，颜色与光的波长和频率有关，而不同色光的波长和频率范围是不同的，因而决定了将色调进行不等间隔量化的准确性。上一页下一页homeHSV色彩空间中颜色特征的非等间隔量化315296729527162701915190156415576375412402113603162000HHHHHHHHHH或0.17.027.02.012.000SSSS0.17.027.02.012.000VVVV上一页下一页home•把量化后的3个颜色分量合成为一维特征矢量VSQHQIVSVSHI39根据上式，H、S