數(shù)字圖像處理ch9colorimageprocessing第一頁，共87頁。第9章彩色圖像處理

（ColorImage

Processing）

9.1彩色圖像基礎(chǔ)（FundamentalsofColorImage）

9.2彩色模型（Color

Models）9.3

偽彩色處理（PseudocolorImageProcessing）9.4全彩色圖像處理（Full-ColorImage

Processing）9.5彩色圖像分割（ColorImageSegmentation）

9.6彩色圖像處理的應(yīng)用（ApplicationsofCIP）

第二頁，共87頁。Background在圖像處理中要引入顏色主要由以下兩個因素驅(qū)動。其一，顏色是一個強有力的描述子，它常常可以簡化目標(biāo)物的區(qū)分及從場景中抽取目標(biāo)；其二，人類可以辨別幾千種顏色色調(diào)和亮度，相比之下只能辨別幾十種灰度層次。

第三頁，共87頁。9.1.1

彩色圖像的概念

（ConceptsofColorImage）彩色圖像（ColorImage）直觀地說對應(yīng)我們對周圍彩色環(huán)境的感知（即對應(yīng)人的視覺器官的感知）。從計算的角度，一幅彩色圖像被看做一個向量函數(shù)（一般具有三個分量），設(shè)函數(shù)的范圍是一個具有范數(shù)的向量空間，也稱為彩色空間（ColorSpace）。對于一幅（三通道的）彩色數(shù)字圖像c，賦給一個像素三個向量分量f1、f2、f3：=（9.1）

設(shè)向量分量各自具有L個量化等級（通常情況下L可以取256)。第四頁，共87頁。9.1.1

彩色圖像的概念

（ConceptsofColorImage）假彩色圖像（False-ColorImage）與真彩色圖像的定義形式類似，它允許將可見光以外的光譜也轉(zhuǎn)換為彩色圖像的向量分量。比如紅外圖像，其信息內(nèi)容并不是來自可見光，將處在紅外光譜的信息轉(zhuǎn)換到了可見光的范圍內(nèi)。偽彩色圖像（PseudocolorImage）是指將所選的像素編碼或彩色化的圖像。對這些像素，相關(guān)聯(lián)的像素值（灰度值或彩色向量）被給定的彩色向量所替換。原始圖像可以是灰度圖像。彩色量化一般通過索引的彩色（IndexedColor）來實現(xiàn)。例如，根據(jù)量化算法，從圖像中選擇256個彩色向量并放入彩色圖（Colormap）或調(diào)色板（Palette）中，對每個像素列出其相關(guān)聯(lián)的索引值，基于這個索引值，在顯示器上選擇索引彩色來表示彩色圖像。第五頁，共87頁。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）白光

在17世紀(jì)，牛頓通過三棱鏡研究對白光的折射就已發(fā)現(xiàn)：

白光可被分解成一系列從紫到紅的連續(xù)光譜，從而證明白光是由不同顏色（而且這些顏色并不能再進(jìn)一步被分解）的光線相混合而組成的。第六頁，共87頁。可見光

可見光是由電磁波譜中相對較窄的波段組成，如果一個物體比較均衡地反射各種光譜，則人看到的物體是白的；而如果一個物體對某些可見光譜反射的較多，則人看到的物體就呈現(xiàn)相對應(yīng)的顏色。例如，綠色物體反射具有500~570nm（納米）范圍的光，吸收其他波長光的多數(shù)能量。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第七頁，共87頁。圖9.1可見范圍電磁波譜的波長組成9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第八頁，共87頁。人眼的吸收特性：

人眼的錐狀細(xì)胞是負(fù)責(zé)彩色視覺的傳感器，人眼的錐狀細(xì)胞可分為三個主要的感覺類別。大約65%的錐狀細(xì)胞對紅光敏感，33%對綠光敏感，只有2%對藍(lán)光敏感。由于人眼的這些吸收特性，被看到的彩色是所謂的原色紅（R，red）、綠(G，green)和藍(lán)（B，blue）的各種組合。

9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第九頁，共87頁。三原色原理

其基本內(nèi)容是：任何顏色都可以用3種不同的基本顏色按照不同比例混合得到，即

C=aC1+bC2+cC3(9.1)

式中a，b，c>=0為三種原色的權(quán)值或者比例，C1、C2、C3為三原色（又稱為三基色）。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十頁，共87頁。三原色原理指出自然界中的可見顏色都可以用三種原色按一定比例混合得到；反之，任意一種顏色都可以分解為三種原色。作為原色的三種顏色應(yīng)該相互獨立，即其中任何一種都不能用其他兩種混合得到。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十一頁，共87頁。三原色原理為了標(biāo)準(zhǔn)化起見，國際照明委員會（CIE）規(guī)定用波長為700nm、546.1nm、435.8nm的單色光分別作為紅(R)、綠(G)、藍(lán)(B)三原色。紅綠藍(lán)三原色按照比例混合可以得到各種顏色，其配色方程為：

C=aR+bG+cB

(9.4)9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十二頁，共87頁。原色相加可產(chǎn)生二次色。

例如：紅色+藍(lán)色=深紅色(M，magenta)，綠色+藍(lán)色=青色(C，cyan)，紅色+綠色=黃色(Y，yellow)。以一定的比例混合光的三種原色或者以一種二次色與其相反的原色相混合可以產(chǎn)生白色(W，white)，即：紅色+綠色+藍(lán)色=白色。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十三頁，共87頁。彩色到灰度的轉(zhuǎn)換相同亮度的三原色，人眼看去的感覺是，綠色光的亮度最亮，而紅色光其次，藍(lán)色光最弱。如果用Y來表示光的亮度(灰度)，則有如下關(guān)系：Y=0.299R+0.587G+0.114B

9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十四頁，共87頁。區(qū)分顏色常用三種基本特性量

亮度：如果無彩色就只有亮度一個維量的變化。色調(diào)：是光波混合中與主波長有關(guān)的屬性，色調(diào)表示觀察者接收的主要顏色。這樣，當(dāng)我們說一個物體是紅色、橘黃色、黃色時，是指它的色調(diào)。

飽和度：與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十五頁，共87頁。色調(diào)和飽和度一起稱為彩色，因此，顏色用亮度和彩色表征。形成任何特殊顏色需要的紅、綠、藍(lán)的量稱做三色值，并分別表示為X，Y，Z。進(jìn)一步，一種顏色可用它的3個色系數(shù)表示，它們分別是：從以上公式可得：

x+y+z=19.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十六頁，共87頁。

1931年CIE制定了一個色度圖，如圖9.4所示，圖中波長單位是nm，用組成某種顏色的三原色的比例來規(guī)定這種顏色。圖中橫軸代表紅色色系數(shù)，縱軸代表綠色色系數(shù)，藍(lán)色系數(shù)可由z=1-(x+y)求得。例如，圖9.4中標(biāo)記為綠的點有62%的綠和25%的紅成分，從而得到藍(lán)的成分約為13%。9.1.2

彩色基礎(chǔ)

（

ColorFundamentals

）第十七頁，共87頁。9.2彩色模型（ColorModels）彩色模型（也稱彩色空間或彩色系統(tǒng)）的用途是在某些標(biāo)準(zhǔn)下用通常可接受的方式簡化彩色規(guī)范。本質(zhì)上，彩色模型是坐標(biāo)系統(tǒng)和子空間的規(guī)范。位于系統(tǒng)中的每種顏色都由單個點來表示。本節(jié)主要討論幾種圖像處理應(yīng)用的主要模型。第十八頁，共87頁。9.2.1RGB模型（RGBColorModel）RGB模型RGB模型是目前常用的一種彩色信息表達(dá)方式，它使用紅、綠、藍(lán)三原色的亮度來定量表示顏色。該模型也稱為加色混色模型，是以RGB三色光相互疊加來實現(xiàn)混色的方法，因而適合于顯示器等發(fā)光體的顯示。

第十九頁，共87頁。9.2.1RGB模型（RGBColorModel）圖9.5RGB混色效果圖

第二十頁，共87頁。9.2.1RGB模型（RGBColorModel）

圖9.6中，R，G，B位于三個角上；二次色深紅(Magenta)、青(Cyan)、黃(Yellow)位于另外3個角上，黑色在原點處，白色位于離原點最遠(yuǎn)的角上（點（1，1，1））。在本模型中，不同的顏色處在立方體上或其內(nèi)部，并可用從原點分布的向量來定義。為方便起見，假定所有的顏色值都?xì)w一化，即所有R，G，B的值都在[0，1]范圍內(nèi)取值。

第二十一頁，共87頁。9.2.1RGB模型（RGBColorModel）

考慮RGB圖像，其中每一幅紅、綠、藍(lán)圖像都是一幅8bit圖像，在這種條件下，每一個RGB彩色像素有24bit深度（3個圖像平面乘以每平面比特數(shù)，即3×8）。24bit的彩色圖像也稱全彩色圖像。在24bitRGB圖像中顏色總數(shù)是224=16777216。第二十二頁，共87頁。9.2.1RGB模型（RGBColorModel）一幅m*n（m，n為正整數(shù)，分別表示圖像的高度和寬度）的RGB彩色圖像可以用一個m*n*3的矩陣來描述，圖像中的每一個像素點對應(yīng)于紅、綠、藍(lán)三個分量組成的三元組。在Matlab中，不同的圖像類型，其圖像矩陣的取值范圍也不一樣。例如若一幅RGB圖像是double類型的，則其取值范圍在[0,1]之間，而如果是uint8或者uint16類型的，則取值范圍分別是[0,255]和[0,65535]。第二十三頁，共87頁。9.2.1RGB模型（RGBColorModel）在Matlab中要生成一幅RGB彩色圖像可以采用cat函數(shù)來得到。其基本語法如下：

B=cat(dim,A1,A2,A3,…)其中，dim為維數(shù)，cat函數(shù)將A1，A2，A3等矩陣連接成維數(shù)為dim的矩陣。第二十四頁，共87頁。9.2.1RGB模型（RGBColorModel）對圖像生成而言，可以取dim=3，然后將三個分別代表RGB分量的矩陣連接在一起：I=cat(3,rgb_R,rgb_G,rgb_B)在這里，rgb_R，rgb_G，rgb_B分別為生成的RGB圖像I的三個分量的值，可以使用下列語句：rgb_R=I(:,:,1);rgb_G=I(:,:,2);rgb_B=I(:,:,3);第二十五頁，共87頁。9.2.1RGB模型（RGBColorModel）例：生成一幅128*128的RGB圖像，該圖像左上角為紅色，左下角為藍(lán)色，右上角為綠色，右下角為黑色。clearrgb_R=zeros(128,128);rgb_R(1:64,1:64)=1;rgb_G=zeros(128,128);rgb_G(1:64,65:128)=1;rgb_B=zeros(128,128);rgb_B(65:128,1:64)=1;rgb=cat(3,rgb_R,rgb_G,rgb_B);figure,imshow(rgb),title('RGB彩色圖像');

結(jié)果：第二十六頁，共87頁。9.2.2CMY和CMYK模型在用彩色打印機將彩色圖像打印輸出時，使用的是CMY和CMYK彩色模型。紅、綠、藍(lán)稱為加色基色，RGB模型稱為加色混色模型。在CMY彩色模型中，青（Cyan）、品紅（Magenta）、黃（Yellow）是在白光中減去紅、綠、藍(lán)而得到的，它們分別是紅、綠、藍(lán)的補色，所以，青、品紅、黃稱為減色基色，CMY模型稱為減色混色模型。大多數(shù)在紙上沉積彩色顏料的設(shè)備，如彩色打印機和復(fù)印件，要求輸入CMY數(shù)據(jù)或在內(nèi)部做RGB到CMY的轉(zhuǎn)換。轉(zhuǎn)換操作（假設(shè)所有的彩色值都?xì)w一化為[0，1]范圍）

：第二十七頁，共87頁。9.2.3HSI模型（HSIColorModel）HSI(Hue-Saturation-Intensity，HSI)模型用H、S、I三參數(shù)描述顏色特性。H定義顏色的波長，稱為色調(diào)；S表示顏色的深淺程度，稱為飽和度；I表示強度或亮度。

第二十八頁，共87頁。9.2.2HSI模型（HSIColorModel）HSI模型在圖像處理和識別中廣泛采用主要基于兩個重要的事實：其一I分量與圖像的彩色信息無關(guān)；其二H和S分量與人感受顏色的方式是緊密相連的。第二十九頁，共87頁。9.2.2HSI模型（HSIColorModel）包含彩色信息的兩個參數(shù)是色調(diào)(H)和飽和度(S)。色調(diào)H由角度表示，彩色的色調(diào)反映了該彩色最接近什么樣的光譜波長（即彩虹中的那種顏色）。不失一般性，可以假定0o的彩色為紅色，120o的為綠色，240o的為藍(lán)色。色度從0o~360o覆蓋了所有可見光譜的彩色。

第三十頁，共87頁。9.2.2HSI模型（HSIColorModel）

飽和度S表示顏色的深淺程度，飽和度越高，顏色越深，如深紅，深綠等。飽和度參數(shù)是色環(huán)的原點（圓心）到彩色點的半徑的長度。

如圖9.9所示。在環(huán)的外圍圓周是純的或稱飽和的顏色，其飽和度值為1。在中心是中性（灰色），即飽和度為0。

亮度I是指光波作用于感受器所發(fā)生的效應(yīng)，其大小由物體反射系數(shù)來決定。反射系數(shù)越大，物體的亮度越大，反之越小。第三十一頁，共87頁。9.2.2HSI模型（HSIColorModel）如果把亮度作為色環(huán)的垂線，那么H、S、I構(gòu)成一個柱形彩色空間。HSI模型的三個屬性定義了一個三維柱形空間，如圖9.10所示：圖9.10柱形彩色空間第三十二頁，共87頁。1.ConvertingColorsfromRGBtoHSI

從RGB到HSI的變換是一個非線性變換。對任何三個在[0，1]范圍內(nèi)的R，G，B值，其中：第三十三頁，共87頁。若設(shè)H，S，I的值在[0，1]之間，R，G，B的值也在[0，1]之間，則從HSI到RGB的轉(zhuǎn)換公式為：(1)當(dāng)H在[0，2/3]之間B=I(1-S)G=3I-(B+R)

(2)當(dāng)H在[2/3，4/3]之間(3)當(dāng)H在[4/3，2]之間2.ConvertingColorsfromHSItoRGB第三十四頁，共87頁。【例9.2】將一幅彩色圖像從RGB空間轉(zhuǎn)換到HSI空間。其主要MATLAB程序如下：rgb=imread('i_flower673.jpg');rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I=(r+g+b)/3;tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2==0)=eps;%避免除數(shù)為0S=1-3.*tmp1./tmp2;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;hsi=cat(3,H,S,I);figure,imshow(rgb);figure,imshow(H);figure,imshow(S);figure,imshow(I);（a）RGB原圖像（b）H分量（c）S分量（d）I分量圖9.11RGB原圖像到HSI空間的轉(zhuǎn)換Example第三十五頁，共87頁。9.3偽彩色處理

（PseudocolorImageProcessing）在遙感、醫(yī)學(xué)、安全檢查等圖像處理中，為了直觀地觀察和分析圖像數(shù)據(jù)，常采用將灰度圖像映射到彩色空間的方法，突出興趣區(qū)域或待分析的數(shù)據(jù)段，這種顯示方法稱為偽彩色處理。偽彩色處理不改變像素的幾何位置，而僅僅改變其顯示的顏色。偽彩色處理是一種很實用的圖像增強技術(shù)，主要用于提高人眼對圖像的分辨能力。這種處理可以用計算機來完成，也可以用專用硬件設(shè)備來實現(xiàn)。第三十六頁，共87頁。9.3偽彩色處理

（PseudocolorImageProcessing）9.3.1背景（Background）

已知人類僅可以區(qū)分幾十級灰度值而可以分辨幾千種彩色，所以通過使用彩色可以增加人類所能辨識的目標(biāo)種類。在此之上，彩色還能增強圖像的活潑性，這樣就會減少厭倦感并增加安檢人員的關(guān)注度。

彩色編碼的主要作用就是利用人類視覺系統(tǒng)的感知能力以從圖像中提取更多的信息，這也將提供更好的對復(fù)雜數(shù)據(jù)集合的定性綜合觀察，并能幫助在場景中相鄰的相似區(qū)域中辨識出感興趣區(qū)域以進(jìn)行更仔細(xì)的定量分析。第三十七頁，共87頁。9.3.1Background基本原理：將灰度圖像或者單色圖像的各個灰度級匹配到彩色空間中的一點，從而使單色圖像映射成彩色圖像。設(shè)f(x，y)為一幅灰度圖像，R(x，y)，G(x，y)，B(x，y)為f(x，y)映射到RGB空間的三個顏色分量，則偽彩色處理可以表示為：R(x，y)=fR(f(x，y))(9.20)G(x，y)=fG(f(x，y))(9.21)B(x，y)=fB(f(x，y))(9.22)其中fR，fG，fB為某種映射函數(shù)。給定不同的映射函數(shù)就能將灰度圖像轉(zhuǎn)化為不同的偽彩色圖像。偽彩色處理雖然能將灰度轉(zhuǎn)化為彩色，但這種彩色并不是真正表現(xiàn)圖像的原始顏色，而僅僅是一種便于識別的偽彩色。偽彩色處理方法主要有強度分層和灰度級到彩色變換。第三十八頁，共87頁。9.3.2IntensitySlicing強度分層技術(shù)是偽彩色圖像處理最簡單的例子之一。如果一幅圖像被描述為空間坐標(biāo)（x，y）的強度函數(shù)f(x，y)，分層的方法可以看成是放置一些平行于圖像坐標(biāo)平面(x，y)的平面，然后每一個平面在相交的區(qū)域中切割圖像函數(shù)。圖9.12顯示了利用平面把圖像函數(shù)f(x，y)=li（li表示灰度級）切割為兩部分的情況。第三十九頁，共87頁。一般地，該技術(shù)可以總結(jié)如下：令[0，L-1]表示灰度級，使l0代表黑色（f(x，y)=0），lL-1代表白色（f(x，y)=L-1）。假定垂直于強度軸的P個平面定義為量級l1，l2，…，lM。并假定，0<M<L-1，M個平面將灰度級分為M+1個間隔，V1，V2，…，VM+1?；叶燃壍讲噬馁x值根據(jù)如下關(guān)系進(jìn)行：f(x，y)=Ckf(x，y)∈Vk(9.23)這里Ck是與強度間隔Vk第k級強度有關(guān)的顏色，Vk是由在l=k-1和l=k分割平面定義的。9.3.2IntensitySlicing第四十頁，共87頁。例9.3灰度圖像的強度分層。其主要Matlab程序?qū)崿F(xiàn)如下。

I=imread('i_peppers_gray.bmp');GS8=grayslice(I,8);GS64=grayslice(I,64);subplot(1,3,1),imshow(I),title('原始灰度圖像');subplot(1,3,2),subimage(GS8,hot(8)),title('分成8層偽彩色');subplot(1,3,3),subimage(GS64,hot(64)),title('分成64層偽彩色'); 結(jié)果如圖9.14所示。9.3.2IntensitySlicing第四十一頁，共87頁。9.3.3Transformation

ofGrayLevelstoColor這一方法的基本概念是對任何輸入像素的灰度級執(zhí)行三個獨立的變換。然后，三個變換結(jié)果分別送入彩色電視監(jiān)視器的紅、綠、藍(lán)通道。這種方法產(chǎn)生一幅合成圖像，其彩色內(nèi)容受變換函數(shù)特性調(diào)制。第四十二頁，共87頁。（a）紅色分量的傳遞函數(shù)（b）綠色分量的傳遞函數(shù)（c）藍(lán)色分量的傳遞函數(shù)圖9.16典型的傳遞函數(shù)一組典型的灰度級到彩色變換的傳遞函數(shù)如圖9.16所示。9.3.3Transformation

ofGrayLevelstoColor第四十三頁，共87頁。

圖中三個圖形依次表示紅色、綠色、藍(lán)色的傳遞函數(shù)。第1個圖形中可看出：凡灰度級小于L/2的像素將被轉(zhuǎn)變?yōu)楸M可能暗的紅色；灰度位于L/2到3L/4之間的像素則是紅色從暗到亮的線性變換；灰度級大于3L/4的像素均被轉(zhuǎn)變成最亮的紅色。第2個圖形可看出：第3個圖形可看出：

9.3.3Transformation

ofGrayLevelstoColor第四十四頁，共87頁。9.3.4False-ColorImageProcessing

假彩色圖像處理可以允許將可見光以外的光譜也轉(zhuǎn)換為彩色圖像的向量分量，例如紅外圖像，其信息內(nèi)容并不是來自可見光，為了表達(dá)和顯示，將處在紅外光譜的信息轉(zhuǎn)換到可見光的范圍內(nèi)。我們也可以把真實的自然彩色圖像或遙感多光譜圖像處理成假彩色圖像。內(nèi)容見教材（自學(xué)）。第四十五頁，共87頁。9.4全彩色圖像處理

（Full-ColorImageProcessing）全彩色圖像處理研究分為兩大類。第一類——分別處理每一分量圖像，然后，從分別處理過的分量圖像形成合成彩色圖像。第二類——直接對彩色像素進(jìn)行處理。第四十六頁，共87頁。9.4.1全彩色圖像處理基礎(chǔ)

（BasicsofFull-ColorImageProcessing）全彩色圖像至少有3個分量，彩色像素實際上是一個向量。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上的RGB分量。彩色分量是坐標(biāo)（x,y）的函數(shù)，表示為：第四十七頁，共87頁。9.4.1全彩色圖像處理基礎(chǔ)

（BasicsofFull-ColorImageProcessing）為了使每一彩色分量處理和基于向量的處理等同，必須滿足兩個條件：第一，處理必須對向量和標(biāo)量都可用，第二，對向量每一分量的操作對于其他分量必須是獨立的。

可以用前面的第3、5章介紹的標(biāo)準(zhǔn)的灰度圖像處理方法分別處理彩色圖像的每一分量。但是，單獨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，這種情況下，就必須采用新的方法。第四十八頁，共87頁。9.4.2彩色平衡

（ColorBalance）當(dāng)一幅彩色圖像數(shù)字化后，在顯示時顏色經(jīng)?？雌饋碛行┎徽！＿@是因為顏色通道中不同的敏感度、增光因子、偏移量等因素會導(dǎo)致數(shù)字化中的三個圖像分量出現(xiàn)不同的線性變換，使得結(jié)果圖像的三原色“不平衡”，從而造成圖像中所有物體的顏色都偏離其原有的真實色彩。彩色平衡處理方法見教材（自學(xué)）。第四十九頁，共87頁。9.4.3彩色圖像增強

（ColorImageEnhancement）1．彩色圖像增強(ColorImageEnhancement)

對R、G、B三個分量分別增強

RGBHSI，對HSI增強，RGB在HSI模型，僅對I分量增強第五十頁，共87頁。2彩色圖像直方圖處理

(ColorImageHistogramProcessing)

在灰度圖像處理中，直方圖均衡自動地確定一種變換，該變換試圖產(chǎn)生具有均勻的灰度值的直方圖。

RGBHSI，對HSI直方圖，RGB在HSI模型，僅對I分量直方圖均衡第五十一頁，共87頁。（ColorImageHistogramProcessing）圖9.9HSI彩色空間的直方圖均衡第五十二頁，共87頁。9.4.4彩色圖像平滑

（ColorImageSmoothing）令Sxy表示在RGB彩色圖像中定義一個中心在（x，y）的鄰域的坐標(biāo)集，在該鄰域中RGB分量的平均值為：可以得出結(jié)論：用鄰域平均值平滑可以在每個彩色平面的基礎(chǔ)上進(jìn)行,其結(jié)果與用RGB彩色向量執(zhí)行平均是相同的。平滑濾波可以使圖像模糊化，從而減少圖像中的噪聲。(9.4)第五十三頁，共87頁。ColorImageSmoothing用空間濾波法--鄰域平均進(jìn)行彩色圖像平滑濾波。

其主要Matlab程序?qū)崿F(xiàn)如下：rgb=imread('flower608.jpg');fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:,3);w=fspecial('average');fR_filtered=imfilter(fR,w);fG_filtered=imfilter(fG,w);fB_filtered=imfilter(fB,w);rgb_filtered=cat(3,fR_filtered,fG_filtered,fB_filtered);第五十四頁，共87頁。ColorImageSmoothing圖9.10彩色圖像的平滑濾波第五十五頁，共87頁。ColorImageSmoothing彩色圖像平滑中兩種方法的比較。

a|b|c圖9.11用5×5平均模板平滑圖像。（a）處理RGB每一分量圖像的結(jié)果，（b）處理HSI圖像強度分量，而色調(diào)和飽和度分量不變，并轉(zhuǎn)換為RGB的結(jié)果，（c）兩種結(jié)果之間的差別第五十六頁，共87頁。9.4.5彩色圖像銳化

（ColorImageSharpening）銳化的主要目的是突出圖像的細(xì)節(jié)。在這一節(jié)考慮用Laplacian算子的銳化處理，其它銳化算子的處理類似。從向量分析知道向量的Laplacian被定義為一向量，其分量等于輸入向量的獨立標(biāo)量分量的Laplacian微分。第五十七頁，共87頁。ColorImageSharpening在RGB彩色系統(tǒng)中，向量c的Laplacian變換為：它告訴我們可以通過分別計算每一分量圖像的Laplacian去計算全彩色圖像的Laplacian。第五十八頁，共87頁。ColorImageSharpening使用經(jīng)典的Laplacian濾波模板分別對每個分量圖像進(jìn)行銳化。其主要Matlab程序?qū)崿F(xiàn)如下：rgb=imread('flower608.jpg');fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:,3);lapMatrix=[111;1-81;111];fR_tmp=imfilter(fR,lapMatrix,'replicate');fG_tmp=imfilter(fG,lapMatrix,'replicate');fB_tmp=imfilter(fB,lapMatrix,'replicate');rgb_tmp=cat(3,fR_tmp,fG_tmp,fB_tmp);rgb_sharped=imsubtract(rgb,rgb_tmp);第五十九頁，共87頁。ColorImageSharpening圖9.12彩色圖像的銳化第六十頁，共87頁。ColorImageSharpening彩色圖像銳化中兩種方法的比較

a|b|c圖9.13彩色圖像銳化。（a）處理每一個RGB通道的結(jié)果，（b）僅處理強度分量而色調(diào)和飽和度分量不變，并轉(zhuǎn)換為RGB的結(jié)果，（c）兩種結(jié)果的差別第六十一頁，共87頁。9.5彩色圖像分割

（ColorImageSegmentation）彩色圖像分割圖像分割是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。

彩色圖像分割方法=單色圖像分割方法：閾值法（人工確定閾值、迭代法、最大類間方差法、最大熵法、最小誤差法）邊緣檢測（邊緣檢測和連接）區(qū)域分割（區(qū)域生長法、區(qū)域分裂合并法）混合方法+彩色空間：

RGBHSIHSVCMYCIEXYZCIEL*a*b*YUV第六十二頁，共87頁。9.5.1HSI彩色空間分割

（SegmentationinHSIColorSpace）HSI模型（HSIModel）是面向顏色處理的，用色調(diào)(Hue)、飽和度(Saturation)

、亮度(Intensity)來描述顏色。用色調(diào)和飽和度描述色彩，用亮度描述光的強度。這個模型有二個特點：（1）I分量與圖像的彩色信息無關(guān)；（2）H和S分量與人感受顏色的方式是緊密相連的。這些特點使得HSI模型非常適合于借助人的視覺系統(tǒng)來感知彩色特性的圖像處理算法。第六十三頁，共87頁。SegmentationinHSIColorSpace圖像中用色度描述彩色。以飽和度作為一個模板圖像，從色調(diào)圖像中分離出感興趣的特征區(qū)。由于強度不攜帶彩色信息，彩色圖像分割一般不使用強度圖像。下面是在HSI系統(tǒng)中進(jìn)行分割的例子。第六十四頁，共87頁。SegmentationinHSIColorSpace

在HSI空間的圖像分割。假定興趣是分割圖9.25中紅色花朵。注意：我們感興趣的區(qū)域有相對高的色度值。第六十五頁，共87頁。SegmentationinHSIColorSpace以飽和度作為一個模板圖像：在飽和度圖像中選擇門限值等于最大飽和度的30%，任何比門限大的像素值賦1值(白)，其他賦0值(黑)。從色調(diào)圖像中分離出感興趣的特征區(qū)：用飽和度二值模板作用于色調(diào)圖像就產(chǎn)生出紅色花朵分割的結(jié)果。其主要Matlab程序如下：S1=(S>0.3*(max(max(S))));F=S1.*H;第六十六頁，共87頁。SegmentationinHSIColorSpaceabcdef圖9.14在HSI空間的圖像分割。(a)原RGB圖像，(b)色調(diào)分量H，(c)飽和度分量S，(d)強度分量I，(e)二值飽和度模板（黑=0），（f）紅色花的分割結(jié)果第六十七頁，共87頁。9.5.2RGB彩色空間分割

（SegmentationinRGBColorSpace）雖然在HSI空間彩色圖像較直觀。通常用RGB彩色向量進(jìn)行分割。方法：假設(shè)目標(biāo)是在RGB圖像中分割特殊彩色區(qū)域的物體,給定一個感興趣彩色的有代表性的彩色點樣品集，可得到一個彩色“平均”估計，這種彩色是我們希望分割的彩色。

第六十八頁，共87頁。令這個平均彩色用RGB向量a來表示。分割的目標(biāo)是對給定圖像中每一個RGB像素進(jìn)行分類。這就需要一個相似性度量。令z代表RGB空間中的任意一點，如果它們之間的距離小于特定的閾值D0，我們就說z與a是相似的。最簡單的度量之一是歐氏距離，z和a之間的距離可以是歐氏距離，如：SegmentationinRGBColorSpace第六十九頁，共87頁。z和a之間的距離SegmentationinRGBColorSpace第七十頁，共87頁。對一幅RGB彩色圖像，選擇要分割的區(qū)域，計算該區(qū)域中的彩色點的平均向量a。盒子的中點在a，它的尺度沿每一個RGB軸以沿相應(yīng)軸的數(shù)據(jù)標(biāo)準(zhǔn)差的1.25倍選擇。例如，令R代表樣點紅分量的標(biāo)準(zhǔn)偏差，aR代表平均向量a的紅分量：（aR-1.25R，aR+1.25R），這里在整個彩色圖像中編碼每一點的結(jié)果為：如果點位于盒子表面或內(nèi)部為白色，否則為黑色。

SegmentationinRGBColorSpace第七十一頁，共87頁。rgb=imread('flower608.jpg');rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);r1=r(129:256,86:170);r1_u=mean(mean(r1(:)));[m,n]=size(r1);sd1=0.0;fori=1:mforj=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;SegmentationinRGBColorSpace第七十二頁，共87頁。SegmentationinRGBColorSpaceabcde圖9.15RGB空間分割。（a）RGB原圖像，（b）R分量，（c）G分量，（d）B分量，（e）RGB向量空間彩色分割的結(jié)果第七十三頁，共87頁。9.5.3彩色邊緣檢測

（ColorEdgeDetection）邊緣檢測對圖像分割是一個重要的工具。比較：（1）以各個單獨顏色分量圖像為基礎(chǔ)計算邊緣（2）在彩色空間直