1、彩色圖像的增強(qiáng)摘要：全彩色圖像處理分為兩大類。第一類是分別處理每一分量的圖像，然后，從分別處理過(guò)的分量圖像形成合成彩色圖像。第二類是直接對(duì)彩色像素進(jìn)行處理。因?yàn)槿噬珗D像至少有三個(gè)分量，彩色像素實(shí)際上是一個(gè)向量。例如，在RGB系統(tǒng)中，每一個(gè)彩色點(diǎn)可以用RGB坐標(biāo)系統(tǒng)原點(diǎn)延伸的向量來(lái)解釋。令c代表RGB彩色空間中的任意向量，c(x,y)的分量是一幅彩色圖像在一點(diǎn)上的RGB分量。彩色分量是坐標(biāo)(x,y)的函數(shù)，表示為：&(x,yNR(x,yc(x,y)=CG(x,y)=G(x,y)<Cb(x,y)儀y對(duì)于大小為MxN(M,N是正整數(shù)，分別表示圖像的高度和寬度)的圖像，有MxN個(gè)這樣的

2、向量，c(x,y),x=0,1,2.,M-1;y=0,1,2.,N-1;可以用標(biāo)準(zhǔn)的灰度圖像處理方法去分別處理彩色圖像的每一個(gè)分量。但是，單獨(dú)的彩色分量的處理結(jié)果并不總等同于在彩色向量空間的直接處理，在這種情況下，就必須采用新的方法。為了使每一個(gè)彩色分量處理和基于向量的處理等同，必須滿足兩個(gè)條件：第一，處理必須對(duì)向量和標(biāo)量都可用，第二，對(duì)向量的每一分量的操作對(duì)于其他分量必須是獨(dú)立的。假設(shè)該處理是鄰域平均的，鄰域灰度空間處理的平均是將鄰域內(nèi)的所有像素灰度級(jí)相加然后用鄰域內(nèi)像素總數(shù)去除，全彩色處理的平均是把鄰域內(nèi)所有向量相加并用鄰域內(nèi)向量總數(shù)去除每一個(gè)分量。但平均向量的每一個(gè)分量是對(duì)應(yīng)其分量的圖像

3、像素的平均。這與在每個(gè)彩色分量基礎(chǔ)上做平均，然后形成向量得到的結(jié)果是相同的。關(guān)鍵詞：全彩色、平滑、銳化、邊緣檢測(cè)1.灰度級(jí)到彩色轉(zhuǎn)換這種轉(zhuǎn)換方法是依據(jù)三基色原理：每一彩色由紅、綠、藍(lán)三基色適當(dāng)比例合成。變換法的實(shí)現(xiàn)過(guò)程：對(duì)輸入圖像的灰度值實(shí)行三種獨(dú)立的變換tr(),TG(),TB(),得到對(duì)應(yīng)的紅、綠、藍(lán)三基色。然后，根據(jù)要求場(chǎng)合不同，利用這三基色量對(duì)應(yīng)的電平值控制圖像顯示器的紅、綠、藍(lán)三色電子槍，得到偽彩色圖像的顯示輸出。利用變換法對(duì)灰白圖像進(jìn)行偽彩色處理表達(dá)式：R(x,v)=Trf(x，y"G(x,y)=Tgf(x，y"B(x,y)=TBf(x，其中R(x,y),G(x

4、,y),B(x,y)分別表示偽彩色中三基色分量的數(shù)值；f(x,y)為處理前圖像的灰度值；tr,Tg,tb表示三基色與原灰度值f(x,y)的變換關(guān)系。中y)J4&aRB圖c：偽彩色圖像處理的能力框圖程序如下：a=imread('i_horse.bmp');%灰度到彩色的轉(zhuǎn)換a=rgb2gray(a);c=zeros(size(a);pos=find(a>=60)&(a<105);c(pos)=a(pos);b(:,:,1)=c;c=zeros(size(a);pos=find(a>=105)&(a<150);c(pos)=a(pos

5、);b(:,:,2)=c;c=zeros(size(a);pos=find(a>=150);pos=find(a>=150);c(pos)=a(pos);b(:,:,3)=c;b=uint8(b);subplot(1,2,1),imshow(a,),title("原始圖像')；subplot(1,2,2),imshow(b,),title('灰度彩色變換后圖像);實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:灰度圖像變換成偽彩色圖像，圖像內(nèi)容的層次變得較清晰，改善了圖像的視覺(jué)效果。2彩色圖像的兩種平滑濾波彩色圖像實(shí)現(xiàn)平滑濾波共兩種方法:(1)彩色圖像用傳統(tǒng)的鄰域單獨(dú)平滑R、G、B三

6、個(gè)分量圖像，再對(duì)平滑后的分量圖像合成。(2)將RGB圖像轉(zhuǎn)換到HSI模型，僅對(duì)強(qiáng)度分量I進(jìn)行平滑處理，而保持色度和飽和度分量不變，再將其轉(zhuǎn)換到RGB空間進(jìn)行顯示。最后可計(jì)算兩種平滑濾波的差。1Xcx,ycx,ykx,ySxy式中,1%Rx,ykix,y衿(y1八cx,y=7Gx,ykx,yjSxy1-VBx,ykX,yjSxy可以看出，如標(biāo)量圖像那樣，該向量分量可以用傳統(tǒng)的灰度鄰域處理單獨(dú)的平滑RGB圖像的每一平面得到rgb1=imread('006.jpg');rgb=im2double(rgb1);fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:

7、,3);figure();imshow(fR);figure();imshow(fG);figure();imshow(fB);figure();imshow(rgb);w=fspecial('average');fR_filtered=imfilter(fR,w);fG_filtered=imfilter(fG,w);fB_filtered=imfilter(fB,w);figure();imshow(fR_filtered);figure();imshow(fG_filtered);figure();imshow(fB_filtered);rgb_filtered=cat(

8、3,fR_filtered,fG_filtered,fB_filtered);figure();imshow(rgb_filtered);I1=(fR+fG+fB)/3;tmp1=min(min(fR,fG),fB);tmp2=fR+fG+fB;tmp2(tmp2=0)=eps;S=1-3.*tmp1./tmp2;tmp1=0.5*(fR-fG)+(fR-fB);tmp2=sqrt(fR-fG),A2+(fR-fB),*(fG-fB);theta=acos(tmp1./(tmp2+eps);H1=theta;H1(fB>fG)=2*pi-H1(fB>fG);H1=H1/(2*pi)

9、;H1(S=0)=0;figure();imshow(H1);figure();imshow(S);figure();imshow(I1);w=fspecial('average');I=imfilter(I1,w);figure();imshow(I);H=H1*2*pi;R=zeros(size(rgb1,1),size(rgb1,2);G=zeros(size(rgb1,1),size(rgb1,2);B=zeros(size(rgb1,1),size(rgb1,2);ind=find(H>=0)&(H<2*pi/3);B(ind)=I(ind).*(

10、1.0-S(ind);R(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);G(ind)=1.0-(R(ind)+B(ind);ind=find(H>2*pi/3)&(H<4*pi/3);H(ind)=H(ind)-pi*2/3;R(ind)=I(ind).*(1.0-S(ind);G(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);B(ind)=1.0-(R(ind)+G(ind);ind=find(H>=4*pi/3)&(H<

11、2*pi);H(ind)=H(ind)-pi*4/3;G(ind)=I(ind).*(1.0-S(ind);B(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);R(ind)=1.0-(G(ind)+B(ind);hsi_rgb=cat(3,R,G,B);figure();imshow(hsi_rgb);diff=(abs(hsi_rgb-rgb_filtered);figure();imshow(diff);實(shí)驗(yàn)結(jié)果如下：R分量G分量B分量原始彩色圖像R分量平滑G分量平滑B分量平滑三分量平滑合成H分量S分量I分量I分量平滑僅I分量

12、平滑RGB兩種結(jié)果之差實(shí)驗(yàn)結(jié)果分析：從實(shí)驗(yàn)結(jié)果可以看出：用兩種方法對(duì)圖像進(jìn)行平滑所得結(jié)果不完全相同。3 .彩色圖像的兩種銳化濾波對(duì)圖像實(shí)行銳化濾波的方法有兩種(1)彩色圖像用傳統(tǒng)的Laplacian分別銳化R、G、B3個(gè)分量圖像，再對(duì)銳化后的分量圖像合成。(2)將RGB圖像轉(zhuǎn)換到HSI模型，僅對(duì)強(qiáng)度分量I進(jìn)行銳化處理，而保持色度和飽和度分量不變，再將其轉(zhuǎn)換到RGB空間進(jìn)行顯示。最后可計(jì)算兩種銳化濾波的差。在RGB彩色系統(tǒng)中，向量c的Laplacian變換為%、2cx,y1=F2R(x,y)、2G(x,y)F2B(x,y)theta=acos(tmp1./(tmp2+eps);可以通過(guò)分別計(jì)算每

13、一分量圖像的Laplacian去計(jì)算全彩色圖像的Laplacian。程序如下:rgb1=imread('006.jpg');%色圖像的銳化rgb=im2double(rgb1);fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:,3);figure();imshow(fR);figure();imshow(fG);figure();imshow(fB);figure();imshow(rgb);lapMatrix=111;1-81;111;fR_filtered=imfilter(fR,lapMatrix,fG_filtered=imfilter(fG

14、,lapMatrix,fB_filtered=imfilter(fB,lapMatrix,figure();imshow(fR_filtered);figure();imshow(fG_filtered);figure();imshow(fB_filtered);rgb_tmp=cat(3,fR_filtered,fG_filtered,fB_filtered);rgb_filtered=imsubtract(rgb,rgb_tmp);figure();imshow(rgb_filtered);I1=(fR+fG+fB)/3;tmp1=min(min(fR,fG),fB);tmp2=fR+fG

15、+fB;tmp2(tmp2=0)=eps;S=1-3.*tmp1./tmp2;tmp1=0.5*(fB-fG)+(fR-fB);tmp2=sqrt(fR-fG).A2+(fR-fB).*(fG-fB);'replicate''replicate''replicate'）；）；）；H1=theta;H1(fB>fG)=2*pi-H1(fB>fG);H1=H1/(2*pi);H1(S=0)=0;figure();imshow(H1);figure();imshow(S);figure();imshow(I1);lapMatrix=111;

16、1-81;111;I=imfilter(I1,lapMatrix,'replicate');figure();imshow(I);%I分量銳化實(shí)驗(yàn)結(jié)果:R分量銳化G分量銳化H分量S分量I分量I分量銳化實(shí)驗(yàn)結(jié)果分析：兩種方法對(duì)圖像進(jìn)行銳化所得結(jié)果不完全相同。4 .彩色圖像的邊緣檢測(cè)原理：令r,g,b是RGB彩色空間沿R,G,B軸的單位向量，可定義向量FR；:G:Bu=rgb、Jx二x二x刃FRFG；:B,v=rgb.yyty數(shù)量gxx,gyy,gxy定義為這些向量的點(diǎn)乘，如下所示:Tgxx=u*u=uu=ax.ex2Tgyy=v.v=VV=:RFB:y:y:y.R；R；G；G；:

17、B；:BTgxy=u,v=u*v+rvrvrv.rvrvrvx二y二x二y二x二y利用該表示法，c(x,y)的最大變化率方向可以由角度給出:日J(rèn)arctan2gxy2Jgxx-gyy)_(x,y)點(diǎn)在0方向上變化率的幅值由下式給出:gyygxx-gyyC0S212gxySin2程序如下:rgb=imread(sob=fspecial(figure();'chaopao.jpg');%邊緣檢測(cè)'sobel');imshow(rgb);%輸出彩色原圖Rx=imfilter(double(rgb(:,:,1),sob,Ry=imfilter(double(rgb(:,

18、:,1),sob,Gx=imfilter(double(rgb(:,:,2),sob,Gy=imfilter(double(rgb(:,:,2),sob,'replicate''replicate''replicate''replicate')Bx=imfilter(double(rgb(:,:,3),sob,By=imfilter(double(rgb(:,:,3),sob,gxx=Rx.A2+Gx.A2+Bx.A2;'replicate''replicate'gyy=Ry.A2+Gy.A2+By

19、.A2;gxy=Rx.*Ry+Gx.*Gy+Bx.*By;theta=0.5*(atan(2*gxy./(gxx-gyy+eps);G1=0.5*(gxx+gyy)+(gxx-gyy).*cos(2*theta)+2*gxy.*sin(2*theta);theta=theta+pi/2;G2=0.5*(gxx+gyy)+(gxx-gyy).*cos(2*theta)+2*gxy.*sin(2*theta);G1=G1.A0.5;G2=G2A0.5;rgb_gradiant=mat2gray(max(G1,G2);figure();imshow(rgb_gradiant);%向量梯度邊緣實(shí)驗(yàn)結(jié)果

20、:實(shí)驗(yàn)分析:通過(guò)對(duì)彩色圖像向量梯度計(jì)算，根據(jù)向量梯度的幅值檢測(cè)邊緣，能夠很好的提取出汽車的邊緣。5 .彩色圖像直方圖處理：在灰度圖像處理中，直方圖均衡自動(dòng)的確定一種變換，該變換試圖產(chǎn)生具有均勻的灰度值的直方圖。由于彩色圖像是由多個(gè)分量組成的，所以，必須考慮適應(yīng)多于一個(gè)分量的直方圖的灰度級(jí)技術(shù)。而獨(dú)立地進(jìn)行彩色圖像分量的直方圖均衡通常是不可取得，這將產(chǎn)生不正確的色彩，一個(gè)更符合邏輯的方法是均勻的擴(kuò)展彩色強(qiáng)度，而保留彩色本身(即色調(diào)飽和度)不變。下面程序?qū)?huì)呈現(xiàn)這兩種方法的對(duì)比：rgb=imread('006.jpg');rgb1=im2double(rgb);r=rgb1(:,:

21、,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I1=(r+g+b)/3;tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2=0)=eps;S=1-3.*tmp1./tmp2;tmp1=0.5*(r-g)+(r-b);tmp2=sqrt(r-g).A2+(r-b).*(g-b);theta=acos(tmp1./(tmp2+eps);H1=theta;H1(b>g)=2*pi-H1(b>g);H1=H1/(2*pi);H1(S=0)=0;figure();imshow(H1);figure();imshow(I1);I=histeq(

22、I1);%對(duì)圖像I1進(jìn)行均衡化figure();imshow(I);%勻衡化結(jié)果hsi=cat(3,H1,S,I);H=hsi(:,:,1)*2*pi;S=hsi(:,:,2);I=hsi(:,:,3);figure();imshow(S);imhist(I1);%I分量直方圖figure();imhist(I);%I分量直方圖均衡化后直方圖R=zeros(size(hsi,1),size(hsi,2);G=zeros(size(hsi,1),size(hsi,2);B=zeros(size(hsi,1),size(hsi,2);ind=find(H>=0)&(H<2*pi

23、/3);B(ind)=I(ind).*(1.0-S(ind);R(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);G(ind)=1.0-(R(ind)+B(ind);ind=find(H>2*pi/3)&(H<4*pi/3);H(ind)=H(ind)-pi*2/3;R(ind)=I(ind).*(1.0-S(ind);G(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);B(ind)=1.0-(R(ind)+G(ind);ind=find(H>

24、;=4*pi/3)&(H<2*pi);H(ind)=H(ind)-pi*4/3;G(ind)=I(ind).*(1.0-S(ind);B(ind)=I(ind).*(1.0+S(ind).*cos(H(ind)./cos(pi/3.0-H(ind);R(ind)=1.0-(G(ind)+B(ind);RGB=cat(3,R,G,B);figure();imshow(rgb1);%RGB原圖像figure();RGB圖像imshow(RGB);%寸I分量均衡化后的彩色圖像轉(zhuǎn)換成擁有顯示的實(shí)驗(yàn)結(jié)果：H分量I分量I分量直方圖S分量I分量直方圖均衡化后直方圖RGB原圖對(duì)I分量均衡化后的色彩圖像轉(zhuǎn)化成擁有顯示的RGB圖像實(shí)驗(yàn)結(jié)果分析:其強(qiáng)度分量I的范圍值歸一化后為0,1。正如在處理前強(qiáng)度分量I直方圖中看到的，強(qiáng)度分布還是比較寬的。只對(duì)強(qiáng)度I均衡化處理而不改變圖像的色調(diào)H和飽和度值S,將其結(jié)果轉(zhuǎn)換到RGB空間，從顯示的圖像上可以看出，它的