第5章-彩色图像处理及MATLAB实现.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,第5章 彩色图像处理及MATLAB实现,5.1 概述,彩色,对我们并不陌生，比如说日常生活中通过摄影相机用彩色胶卷所拍的,照片,。它是指用,各种观测系统,，以不同形式和手段，观测客观世界而获得的，可以直接和间接作用于人眼，进而产生视觉的实体。,小,到分子内部结构图片，,大,至宇宙星体照片，人类通过视觉识别文字、图片和周围环境，人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人的心目中形成的影像。,我们生活在一个信息时代，科学研究和统计表明，,人类感知的外界信息,，80以上是通过视觉得到的，也就是从图像中获得。生活在色彩斑斓的世界中，人的视觉系统产生的图像,多为彩色图像,。对人类而言，对彩色图像信息的感知，具有至关重要的意义。,彩色图像信息可以从,科学,和,艺术,两方面来理解。,本章仅从科学,角度讨论彩色图像信息处理，当然通过科学手段对彩色图像进行处理自然也可能使彩色图像更具有艺术效果。,对彩色图像的科学处理，称为,图像技术,，也称为,图像工程,。内容非常丰富，根据抽象程度和研究方法等的不同可分为,三个层次,：彩色图像处理、彩色图像分析和彩色图像理解。,彩色图像处理,着重强调在,图像之间,进行的,变换,，,彩色图像分析,则主要是对彩色图像中,感兴趣的目标,进行,检测,和,测量,，以获得它们的客观信息，从而建立对图像的,描述,。,彩色图像理解,的重点是在彩色图像分析的基础上,进一步研究图像中,各目标的性质,和它们之间的,相互联系,，并得到图像内容含义的,理解,，以及对原来客观场景的,解释,，从而指导和规划行为，,彩色图像处理的,最终研究目标,为：通过二维彩色图像认识三维环境的信息。,随着信号处理及计算机技术和彩色图像处理技术的发展，人们试图用摄像机,获取,环境彩色图像并,转换成,数字信号，用计算机实现人类对视觉信息,处理,的全过程，进而形成了一门新学科,计算机视觉,，从而大大推动人工智能系统的发展。,彩色图像处理技术是,开发智能机器人的关键突破口,，当前彩色图像技术,已涉及,人类生活和社会发展的,各个方面,，展望未来，彩色图像处理技术将能得到进一步发展和应用，从而改变人们的生活方式以及社会结构。,本章,第二节,讨论人类彩色视觉系统有关知识，,第三节,讨论彩色图像处理，,第四节,讨论彩色图像分析。,由于篇幅的关系，有关彩色图像理解的内容请参考有关计算机视觉的论著。,5.2 彩色视觉与彩色图像,彩色图像处理的,许多目标,是帮助人更好地,观察,和,理解,图像中的信息，处理方案的选择和设计与信源和信宿的特征密切相关。,所谓,信源,就是处理前或者处理后的,图像,，,信宿,是处理前后,信息的接收者,人的视觉系统,。,因此,了解图像特点,和,人的视觉系统对彩色的感知规律是十分必要的,，本节将介绍有关这方面的内容，即,色度学,的知识。,亮度,是指彩色光所引起的人眼,对明暗程度的感觉,亮度和照射,光的强度,有关。,色调,是指光的,颜色,，例如，红、橙、黄、绿等都表示光的不同色调，,改变,色光的,光谱,成分，就会引起,色调,的,变化,。,色饱和度,是指色的,颜色的深浅程度,。如深红、淡红等等。,色调和饱和度又合称为,色度,，它既表示色光,颜色,类别，又能表示颜色的,深浅,程度。,5.2.2 三色成像原理,人眼视网膜中存在,着对不同光谱（红、绿、蓝）敏感的,三种锥状细胞,，由这三种锥状细胞，人类产生自然界所有彩色的感知觉。,科学实验与分析表明，自然界里常见的,各种色光,都可以由,红、绿、蓝,三种色光，,按不同比例相配而成,，同样，绝大多数色光也,可以分解成红、绿、蓝,三种色光。这便是色度学中的最基本原理,三基色原理,。,三基色的选择并不是惟一的,，也可以选其他三种颜色为三基色。但是,三种基色必须是相互独立的,即任何一种颜色都不能由其他两种颜色合成。,由于,人眼,对,红(R)、绿(G)、蓝(B),三种色光,最为敏感,，因此由这三种颜色所得的彩色范围最广，所以一般都选择这三种颜色作为基色。,由三基色混配各种颜色的方法,通常有,两种,，这就是,相加混色,和,相减混色,。,由红、绿、蓝三基色进行,相加混色,的情况如下：,红色绿色黄色,红色蓝色紫色,绿色蓝色青色,红色绿色蓝色白色,称,青色,、,紫色,和,黄色,分别是,红、绿、蓝三色的补色,。,由于,人眼对于相同强度单色光的主观感觉不同,，所以相同亮度的,三基色混色,时，如果把混色后所得的光亮度定为100%，那么，人的主观感觉是,绿光,仅次于白光，是三基色中,最亮,的，,红光次之,亮度约占绿光的一半，,蓝光最弱,，亮度约占红光的1/3。,于是当,白光的亮度用Y,来表示时，,它和红、绿、蓝三色光的关系,便可用如下方程加以描述：,Y0.299R0.587G0.114B （5.2.1）,这就是相加混色常用的量度公式。此式是根据,NTSC,(美国国家电视制式委员会)电视制式推得的，当采用,PAL(,相位逐行交变)电视制式时，公式形式为：,Y0.222R0.707G0.071B （5.2.2）,图8.1 相加混色之三基色及补色亮度比例,两方程之所以不同，是因为所选取的,显像三基色不同,，三基色及其补色的亮度比例如,图8.1,所示。,相减混色,是利用颜料、染料等的,吸色性质,实现的.,例：,青布,之所以呈现青颜色，是因为它用青色染料染过，而青色染料能吸收红色（青色的补色），在白光照射下，经,吸收红色,而反射,青色,，,同样,黄色颜料,因有,吸收蓝色,的能力，所以在白光照射下，它是,反射蓝色的补色,黄色。,如果把,青、黄,两种颜料,混合,，那么在,白光照射,下，由于混合颜料,吸收了红、蓝,两色而反射绿色，所以混合颜料,呈现绿颜色,。,由上例子可知，,相减混合色,是,以吸收三基色的比例不同,而,配成不同的颜色的,。,由于,红、绿、蓝,三基色的补色分别是,青色、紫色,和,黄色,，所以，用吸收三基色的不同比例配色，也就是用青色、紫色和黄色颜料的不同比例配色,因此，也称,青,、,紫色,和,黄色,为,颜色料三基色,。,在,颜色料三基色混色,情况下，可用如下公式描述：,（青色黄色）颜料白色红色蓝色绿色,（青色紫色）颜料白色红色绿色蓝色,（黄色紫色）颜料白色蓝色绿色红色,（青色黄色紫色）颜料白色红色绿色蓝色黑色,可见，由,颜料三基色相加,，由于混合颜料吸收白色，而,呈现黑色,。,本章,彩色图像处理中，,都是采用相加混色法,。所以，今后我们所讨论的三基色，都是指红、绿、蓝三色。,国际照明委员会(CIE)选择,红色,(波长=700.00nm)，,绿色,(波长546.1 nm)，,蓝色,(波长=435.8nm)三种单色光作为,表色系统的三基色,。这就是,CIE的R、G、B颜色表示系统,。,由三基色原理可知，任何颜色都可由三基色混配而得到，为了简单又方便地描绘出各种彩色与三基色的关系，采用,彩色三角形,与,色度图,的表示方法。,1931年CIE制定了1个,色度图,(如,图8.2,所示)，用组成某种颜色的,三原色的比例,来,规定这种颜色,。,图中,横轴,代表,红色,色系数，,纵轴,代表,绿色,色系数,蓝色,系可由,z=1-(x+y),求得。,图中各点给出光谱中各颜色的色度坐标，,蓝紫色,在图的,左下部,。,绿色,在图的,左上部,，,红色,在图的,右下部,，连接400nm和700nm的直线的光谱上所没有的由紫到红的系列。,通过对该图的观察分析可知：,1),在色度图中,每点,都对应,一种可见颜色,，或说任何可见颜色都在色度图中占据确定的位置，即在(0,0)，(0,1)，(1,0)为顶点的三角形内。而,色度图外的点,对应,不可见的颜色,。,2),在色度图中,边界上的点,代表,纯颜色,，移向中心表示混合的白光增加而纯度减少。到,中心点C处,各种光谱能量相等而显示为,白色,，此处,纯度为零,。,某种颜色的纯度,一般称为,该颜色的饱和度,。,3),在色度图中,连接任意2端点的直线上的各点,表示,将这2端所代表的颜色相加,可组成的一种颜色。根据这个方法，如果要确定由3个给定颜色所组合成的颜色范围，只需将这3种颜色对应的3个点连成三角形，见,图8.2,。在该三角形中的任意颜色都可由这3色组成，而在该三角形外的颜色则不能由这3色组成。由于给定3个固定颜色而得到的三角形并不能包含色度图中所有的颜色，所以只用（单波长）3基色并不能组合得到所有颜色。,图8.2 色度图示意,下面是一个色度图中一些点的3,特征量值,示例。图8.2中心的,C,点,对应白色,，由3原色各1/3组合产生。图8.2中,P,点,的色度坐标为x=0.48,y=0.40。由C通过P画1条直线至边界上的,Q点,（约590nm）,P点颜色的主波长,即为590nm，此处光谱的颜色即Q点的色调(橙色)。,图8.2,中,P点,位于从C到纯橙色点的66的地方，所以它的色纯度（饱和度）是66%。,5.2.3 彩色图像格式,通过前面有关,彩色视觉,和,三基色原理,的介绍，了解到引起人类彩色视知觉的彩色图像有多种表示方法。下面介绍,彩色图像的表示模式,：,1)RGB模式,RGB,是色光的彩色模式。,R,代表红色，,G,代表绿色，,B,代表蓝色，三种色彩,叠加,形成了其他的色彩。因为三种颜色都有,256,个亮度水平级，所以三种色彩叠加就能形成,1 670万,种颜色了，也就是“,真彩色,”，通过它们足以再现绚丽的世界。,在,RGB模式,中，由红、绿、蓝相,叠加,可以形成其他颜色，因此该模式也叫,加色模式,(,CMYK,是一种,减色模式,)。所有的,显示器,、,投影设备,以及,电视,等许多设备都是依赖于这种,加色模式,实现的。,就,编辑图像,而言，,RGB,色彩模式也是,最佳,的色彩模式,因为它可提供全屏幕的24bit的色彩范围，即,“真彩色”显示,。但是，,如果将RGB模式用于,打印,就,不是最佳,的了,因为RGB模式所提供的有些色彩已经超出了打印色彩范围之外，因此在打印一幅真彩的图像时，就必然会损失一部分亮度，并且比较鲜明的色彩肯定会失真的。这主要是因为,打印所用的是CMYK模式,，而CMYK模式所定义的色彩要比RGB模式定义的色彩少得多，因此打印时，系统将自动进行RGB模式与CMYK模式的转换，这样就难以避免损失一部分颜色，出现打印后的,失真,现象。,2)CMYK模式,CMYK,是,相减混色,，主要用在,印刷业,，以打印在纸张上的油墨的光线吸引特性为基础，理论上，,纯青色(C)、品红(M),和,黄(Y),色素能够合成吸收所有颜色并产生黑色。实际上，由于,油墨杂质,的影响，只能产生一种,土灰色,，必须以,黑色(K),油墨混合才能产生真正的黑色，因此，,CMYK,称为,四色印刷,，当所有四种分量值都是0时，就会产生,纯白色,，其他颜色由相应百分比的CMYK值相减混色而得。,CMYK模式是最佳的打印模式,，RGB模式尽管色彩多，但不能完全打印出来。,3)Lab模式,Lab模式,既不依赖于光线，又不依赖于颜料。它是CIE组织确定的一个,理论上,包括了人眼可见的所有色彩的色彩模式。Lab模式弥补了RGB与CMYK两种彩色模式的不足。,Lab模式由,三个通道,组成，但不是R，G，B通道。它的一个通道是,照度,L,。另外,两个,是,色彩通道,，用,a和b,来表示。,a,通道,包括的颜色是从,深绿,(低亮度值)到,灰,(中亮度值)，再到亮彩,红色,(高亮度值)；,b,通道,则是从,紫蓝色,(低亮度值)到,灰,(中灰度值)，再到,焦黄色,(高亮度值)。因此，这种彩色混合后将产生明亮的色彩。,在表达色彩范围上,，处于第一位的是Lab模式，第二位的是RGB模式，第三位的是CMYK模式。,Lab模式所定义的,色彩最多,，且与光线及设备无关，并且处理速度与RGB模式同样快，且比CMYK模式快数倍。因此，可以大胆地在图像编辑中使用Lab模式，而且，Lab模式保证在转换成CMYK模式时色彩没有丢失或被替代。因此，,最佳避免色彩损失的方法,是：,应用Lab模式编辑图像,，,再转换成CMYK模式打印,。,4)HSV模式,基于人类对颜色的感觉，,HSV模式,描述颜色的,三个基本特征,及色调、饱和度、亮度。,色相,也称,色调,；,是物体反射和投射光的颜色,，在通常的使用中，色相,由颜色名称标识,，比如红、橙或蓝色。,饱和度,，有时也称,彩度,，是指,颜色的强度或纯度,。饱和度表示色相中灰成分所占的比例，用从0%（灰色)到100%(完全饱和)的百分比值来度量。,亮度,：是,颜色的相对明暗程度,，通常用0%（黑）到100%（白）的百分比值来度量。,5.2.4 彩色坐标变换,上节指出,彩色模式,就是建立的一个,3-D坐标系统,表示一个,彩色空间,，采用不同的基本量（三基色）来表示彩色，就得到不同的彩色模式(彩色空间),不同的彩色空间都能表示同一种颜色，因此，它们之间是可以转换的，本节着重分析RGB模式与HSV模式之间的变换。,（1）从RGB变换到HSV,对任何3个在 0,1 范围内的,R，G，B值,，其对应HSV模式中的,V，S，H分量,可由下面给出的公式计算：,(8.2.3),由上式计算的 0,1 之间的R，G，B值。,当,S=0,时，对应无色中的点，此时H为0；,当,V=0,时，S、H也没有意义，取为0。,(2)从HSV变换到RGB,若设H，S，V的值在 0,1 之间，R，G，B的值在 0,1 之间，由从HSV到RGB的转换会成为,1)当H在 0,1/3 区间：,(8.2.4),2)当H在1/3,2/3区间：,(8.2.5),3)当H在 2/3,1 区间：,(8.2.6),5.2.5 彩色图像的MATLAB的实现,(1)MATLAB图像处理工具箱支持的彩色图像,MATLAB图像处理工具箱中,支持的彩色图像类型,为,索引图像,、RGB图像、HSV图像。,1)索引图像,索引图像包括,图像矩阵,与,颜色图数组,，,其中,颜色图,是按图像颜色值进行排序后的数组。颜色图为M3双精度值矩阵，各行分别指定红、绿、蓝（R、G、B）单色值。,对于每一个像素，,图像矩阵,包含一个值，这个值就是颜色数据组中的索引。,2)RGB图像,与索引图像一样，RGB图像分别用红、绿、蓝3个亮度值为一组，代表每个像素的颜色。这些亮度直接存在图像数组中，,图像数组,为mn3，m、n表示图像像素的行列数。,3)HSV图像,HSV图像分别用,色调(色相)、饱和度、灰度(亮度),三个值为一组，代表每个像素的颜色，HSV彩色图数据矩阵的三列分别表示色相，饱和度和亮度值，,图像数组,为mn3，m、n表示图像像素的行列数。,(2)MATLAB图像处理工具箱HSV模式与RGB模式之间的相互变换,MATLAB图像处理工具箱中提供了,HSV模式,与,RGB模式,之间的,相互变换,：,hsv2rgb()、rgb2hsv()。,1)HSV值与 RGB颜色空间的相互转换,hsv2rgb()、rgb2hsv(),RGBMAPhsv2rgb（HSVMAP）,其功能：将一个,HSV颜色图,转换为,RGB颜色图,。,输入矩阵HSVMAP,中的三列分别表示：色度、饱和度、纯度值；,输出矩阵RGBMAP,各列分别表示红、绿、蓝的亮度。矩阵元素在区间 0,1。,rgbhsv2rgb（hsv）,其功能是：将三维数组表示的,HSV模式图像,hsv转换为等价的,三维RGB模式图像,rgb。,当,色度值从0到1变化,时，,颜色,则从红经黄、绿、青、蓝、紫外线再回到红色。,当,饱和度为0,，颜色是,不饱和,的，颜色完全灰暗;,当,饱和度为1,，颜色是,完全饱和,的，颜色不含白色成分。,HSVMAPrgb2hsv（RGBMAP）,其功能是：将一个,RGB颜色图,转换为,HSV颜色图,。,hsvrgb2hsv(rgb),其功能是：将三维数组表示的,RGB模式图像,rgb转换为等价的三维,HSV模式图像,hsv。,2)NTSC值与RGB颜色空间相互转换函数：ntsc2rgb()、rgb2ntsc(),RGBMAPntsc2rgb(YIQMAP),其功能是：将,NTSC制电视图像颜色图,YIQMAP(m/3矩阵)转换到,RGB颜色空间。,如果YIQMAP为m/3矩阵，其各列分别表示NTSC制的,亮度（Y）,和,色度（I与Q）,颜色成分，,那么输出RGBMAP是一个m/3矩阵，其各列分别为与NTSC颜色相对应的红、绿、蓝成分值。,两矩阵元素值是在区间 0,1 上。,rgbntsc2rgb（yiq）,其功能是：转换,NTSC图像,yiq为等价的真彩,RGB图像,rgb。,YIQMAPrgb2ntsc（RGBMAP）,其功能是：将,RGB颜色图,转换到,NTSC颜色空间,。,yiqrgb2ntsc（rgb）,其功能是：将真彩,RGB图像,rgb转换为等价的,NTSC图像,yiq。,(3)相互转换的MATLAB实现,1)RGB图像与HSV图像的转换程序,RGB=imread(autumn.tif);,HSV=rgb2hsv(RGB);,RGB1=hsv2rgb(HSV);,subplot(2,2,1),imshow(RGB),title(RGB图像);,subplot(2,2,2),imshow(HSV),title(HSV图像);,subplot(2,2,3),imshow(RGB1),title(转换后RGB图像);,2)RGB图像与YCBCR图像的转换程序,RGB=imread(autumn.tif);,YCBCR=rgb2ycbcr(RGB);,RGB1=ycbcr2rgb(YCBCR);,subplot(2,2,1),imshow(RGB),title(RGB图像);,subplot(2,2,2),imshow(YCBCR),title(YCBCR图像);,subplot(2,2,3),imshow(RGB1),title(转换后RGB图像);,3)RGB图像与NTSC图像的转换程序,RGB=imread(autumn.tif);,subplot(2,2,1),imshow(RGB),title(RGB图像),yiq=rgb2ntsc(RGB);,RGB1=ntsc2rgb(yiq);,subplot(2,2,2),imshow(yiq),title(NTSC图像);,subplot(2,2,3),imshow(RGB1),title(转换后RGB图像);,5.3 彩色图像处理,彩色图像处理,就是对彩色图像信息进行,加工处理,首先强调在图像之间进行的变换，输人输出都是图像。,通过对彩色图像的各种加工处理，,以便于,进行图像,自动识别,或对图像进行,压缩编码,以,减少,对其所需,存储空间,或,传输时间,、,传输通路,的要求。,5.3.1 彩色平衡,由于彩色图像经过,数字化后,，颜色通道中不同的敏感度、增光因子、偏移量等因素导致图像三个分量出现不同的,线性变换,，使得图像的,三基色不平衡,，造成图像中物体的,颜色偏离原有的真实色彩,。,最突出,的现象是使,灰色,的物体着了,伪色,。,彩色图像的颜色分布可以用,直方图,表示，直方图的,横坐标,是颜色，,纵坐标,是这种颜色在图像中的相对值。这种颜色分布对于彩色图像的外观是很重要的。,对彩色图像进行颜色调整,时，每个调整过程都会,直接改变,图像中,各颜色值,。在一幅颜色图像中，各种颜色共同组成了一个有机整体，每一个,局部调整,都会影响图像的,色彩平衡,。,检查彩色是否平衡的最简单的方法：,是看图像中,原灰色物体,是否仍然为灰色，,高饱和度的颜色,是否有正常的色度。,如果,图像有明显的黑白或白色背景,，在RGB分量的,直方图中,会产生显著的“,峰,”。,倘若,各个直方图,中,“峰”处在三基色不同的灰度级上,，则表明彩色出现了,不平衡,。这种不平衡现象可通过对R，G，B三个分量分别使用,线性灰度变换,进行,纠正,。一般只需要变换分量图像中的,两个,与,第三个,的,匹配,情况。,最简单的灰度变换函数的设计方法,如下：,1),选择,图像中,相对均匀,的,浅灰,和,深灰,两个区域；,2),计算,这两个区域的三个分量图像的,平均灰度值,;,3)调节其中两个分量图像，用线性对比度使其与第三幅图像匹配。,如果所有,三个分量,图像在这两个区域中具有,相同的灰度级,，则就完成了彩色平衡调节。,5.3.2 彩色图像增强,彩色图像增强分两大类,：假彩色增强及伪彩色增强。,假彩色增强,是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。假彩色增强技术也可以用于线性或者非线性彩色的坐标变换，由原图像基色转变为另一组新基色。,伪彩色增强,则是把一幅黑白图像的不同灰度级映射为一幅彩色图像，由于人类视觉分辨不同彩色的能力特别强，而分辨灰度的能力相比之下较弱，因此，把人眼无法区别的灰度变化，施以不同的彩色，人眼便可以区别它们了，这便是伪彩色增强的基本依据。,本小节讨论,伪彩色增强,的一些基本方法。,(1)密度分割法,密度分割法,又称为,灰度分割法,，是伪彩色处理技术中最基本、最简单的方法。,设一幅,黑白,图像,f(x,y),，可以看成是坐标,（x,y）,的一个密度函数。把此图像的,灰度,分成,若干等级,即相当于用一些和坐标平面平行的平面切割此密度函数。例如，分成I,1,、I,2,、I,N,等N个区域,每个区域分配一种彩色，颜色的伪彩色图像如P285,图8.6,所示。,图8.6 简单的灰度到彩色变换,(2)灰度级彩色变换法,这是一种更为常用的，同时也是比密度分割法更易于在广泛的彩色范围内达到图像增强目的的方法。,我们知道，,绝大部分彩色,都可以用三原色红、绿、蓝三色，按不同比例进行组合而得到。因此,当把一幅图像,每一点的像素,，按,其灰度值,独立地经过,三种不同彩色的变换,，然后分别去,控制,彩色电视显示器的,不同彩色电子枪,之发射，便可以在彩色显像管的屏幕上，合成一幅含有多种彩色的图像，其变换过程如P285,图8.7,所示。,图8.7 伪彩色处理原理图,一组典型的灰度彩色变换的传递函数：,如P286,图8.8.图8.8(a),表示,红色,变换的传递函数，它指出，凡,小于L/2,的灰度级，将转变为尽可能,暗的红色,，而在,L/2到3L/4,之间的灰度交替使红色从暗到最亮,按线性关系变换,，凡,大于3L/4直到最大灰度级L,的灰度，均转变成,最亮,的红色。类似地，,图8.8(b),和,(c),分别表示,绿色,和,蓝色,变换的传递函数。最后，,图8.8(d),表示了,三种彩色,传递函数,组合,在一起的情况。由图可知，只有,两端点,和,中心点,的灰度，才是,纯三原色,。显然，用这种组合方案，将使整个灰度范围内的,任何两种灰度,，,都不具有相同的彩色,。,图8.8典型的变换函数,(a)红变换特性 (b)绿变换特性 (c)蓝变换特性,通常，为了加强灰度级彩色变换增强的效果，在进行伪彩色增强前，事先可对原图像进行一些其他增强处理。例如，先进行一次直方图均衡处理等等。,(3)频率彩色变换法,如P286,图8.9,所示，这是基于频率域的伪彩色编码的方法。首先将输人图像信号,f(x,y),进行,傅立叶变换,，然后分别用,三个不同的滤波器,进行,滤波,处理后，将三路信号进行,傅立叶反变换,得到三幅处理后的空间图像，,分别给予,三路信号,不同的三基色,，便可以得到对频率敏感的伪彩色图像。,典型的处理方法是采用,低通,，,带通,、,高通滤波,三种滤波器，把图像分成,低频、中频、高频,三个频率域分量，分别给予,不同的三基色,。,图8.9 频域彩色增强原理框图,值得提醒的是：前面,第3章,所介绍的图像增强技术同样适用于彩色图像处理，本小节只是针对图像的彩色增强问题给出了部分处理方法。,5.3.3 彩色补偿,在将目标图像中,各种颜色的物体,分别,分离,出来的应用中，通常,使用荧光染料着色分离,，,例,如将一个生物样本的,不同细胞,成分区别出来就是,采用彩色荧光染料着色,处理而实现的。由于,荧光染料荧光点发射光谱的不稳定性,，加上常用的彩色图像,数字化设备,具有,较宽,且,相互覆盖,的,光谱敏感区域,使得我们难以在三个分量图像中将,三类颜色,的物体,完全分离开,。一般来说，只有其中,两个对比度相对弱一些,，将造成所谓的,颜色扩散,现象。颜色扩散可用一个如,式(8.3.1),所示的,线性变换,来描述。即假设在每个彩色通道的,曝光时间相同,时，,数字化仪记录下,的实际RGB图像的,灰度级向量,为,YCXB （8.3.1）,式中矩阵,C,=c,ij,为颜色在三个颜色通道中的扩散情况，,c,ij,表示数字图像,彩色通道i,中,荧光点j,所占的亮度比例；,X,为31向量，它表示某像素,没有颜色扩散时,荧光点实际亮度的灰度级向量；向量,B,=b,i,(i=1,2,3)代表数字化仪的,黑度偏移,，,b,i,表示通道i中对应于,黑色的测量灰度值,。,于是，实际亮度,X,可由下式求得：,（8.3.2）,此式表示颜色扩散量可以用颜色扩散矩阵的逆矩阵乘以每个通道由数字化仪器记录的RGB灰度向量减去黑度偏移量实现。,由于,每个彩色通道,使用,不同的曝光时间,，,三个颜色,在,相同亮度,条件下有,较大差异,，因此要用一个曝光时间的对角矩阵T=t,ij,对,式(8.3.1),进行修正，,t,ij,表示彩色通道I,当前曝光时间,与颜色扩散标定图像的,曝光时间,的,比率,，则,式（8.3.1）,修改为,YTCXB （8.3.3）,同样可以解出,XC,-1,T,-1,(YB)（8.3.4）,颜色补偿能从一幅图像中显示特定类型的物体,，它为图像分割和物体测量奠定了基础，使图像分割和计量更易处理。,5.3.4 彩色图像恢复,彩色图像恢复,也称,彩色图像复原,，是彩色图像在某种情况下,退化,或,恶化,了（,图像品质下降,），现在需要,根据相应的退化模型,和,知识重建,或,恢复原始的图像,，,根本任务,就是,改善观察图像,（退化图像）的,色彩质量,，,尽可能恢复,退化图像的,本来面目,。换句话说，彩色图像恢复技术是要将图像退化的过程模型化，并据此采取相反的过程以得到原始的图像。,由此可见，彩色图像恢复要,根据,图像的一些,色彩退化模型进行,。,彩色图像色彩质量的,退化,可能是,由于镜头色差,，CCD摄像机等,彩色图像输人设备,的,光谱特性差异,等原因造成的。,例如,理想情况下，CCD摄像机或扫描仪在,以均匀的辐照度,作为,输人,时，,输出图像,每一个彩色通道的所有像素的,灰度值完全一样,然而，这些设备由于材料、生产过程及工艺的影响，,存在光子响应非均匀性,即输出图像各个像素的,灰度值不一致,，使得输出图像的颜色,在不同像点彩色表现不同,，从而图像,彩色质量受到影响,。因此，在对彩色图像做任何,分析之前,，必须对其进行,色彩恢复,，本小节讨论CCD,摄像机光谱特性,造成彩色图像,失真,的,色彩恢复,问题。,由于CCD,摄像机,或,扫描仪,的,光谱特性不满足彩色匹配原理,。,输出,的颜色与,输人,的,颜色存在偏差,，致使图像的,彩色细节信息失真,。,根据色度匹配原理，若使相机的,输出,色度值,再现原图像,的颜色，,需要三个变换函数,将记录图像的,三个彩色分量,映射到彩色图表的,三个彩色分量上.,彩色补偿,一般用已知真值的,彩色图表,作为,测试目标,，设彩色图表包含N种均匀的颜色，|(R,i,G,i,B,i,)|i=1N|表示,彩色图表上,第I个颜色区域的彩色真值，用|(R,i,G,i,B,i,)|i=1N|表示,图像上,相应的第I个颜色区域的色度值。则,彩色补偿函数,可用公式来描述，即,变换函数,。,彩色补偿,分别,对每个像素,的,三个彩色通道,进行,处理,，若对每个像素的三分量进行,处理时同时补偿彩色失真,，则,每一个像素产生的颜色,向对应输人的彩色真值,转换,。,（8.3.5）,R,ij,、G,ij,、B,ij,、R,ij,、G,ij,、B,ij,视作,10个自变量,，则,非线性方程,转换成,线性方程,，选取N,幅,彩色图像，用,多元线性回归分析求出多项式的系数,，即可进行失真彩色图像的,彩色恢复,（,彩色补偿,）。,多项式的,次数,和,项数,的,选择,依赖于相机特性和精度、处理速度的要求。,如果,相机,总的光谱灵敏度曲线与,标准观察者,的光谱三刺激值曲线,相似,，用33矩阵就可以实现彩色校正；两者偏差较大，多项式的次数和项数随之增加，则变换矩阵越加复杂。,5.3.5 彩色图像处理的MATLAB实现,(1)色彩平衡MATLAB的实现,MATLAB可以使用histeq函数调整图像的颜色分布。,图像的,颜色分布,可以使用前面介绍的,直方图,表示,直方图的,横坐标,是颜色，,纵坐标,是这种颜色在图像中的相对丰度。,这种颜色分布对于图像的外观是很重要的，,例如,分布越均匀,则图像的,对比就越不突出,，如果分布在接近于,1,的地方,出现峰值,则图像显得,较亮,。,MATLAB可以使用histeq函数调整图像的颜色分布。,J=histeq(I,hist),其功能是：调整灰度图像数据,I,中的颜色分布，使得,J,的颜色分布近似地和hist保持一致。,hist,中存储的是在0和1之间等距离分布的,颜色亮度值对应的像素数目,，MATLAB自动地进行,比例变换,，使得,Sum(hist)=prod(size(I),即hist中只要指定相对丰度就可以了。,在hist的长度远小于图像的实际颜色数目,时可以达到,比较理想,的调整效果。,J=histeq(I,N),其功能是：调整图像,I,中的颜色离散层的个数为N个，并且产生新的图像数据,J,。J中的各个颜色层次的像素数目接近相等，因此,J的颜色分布图近似一条直线,。不难想象，和上面的格式一样，在,N较小时可以达到较理想的效果,，N的缺省值为64。,J,T=histeq(I),其功能是：在执行上面的操作的同时，返回变换有关的信息。,NEWMAP=histeq(X,MAP,HGRAM),其功能是：,对索引图像,执行同样的功能，这里同时需要索引图像的数据本身和对应的颜色查找表(和imadjust不同，不是使用当前的颜色查找表)。注意HGRAM的长度必须和size(MAP,1)相等。,NEWMAP=histeq(X,MAP),其功能是：返回索引图像Z的经过调整的颜色查找表，新世界查找表的颜色分布仅仅均匀。,NEWMAP,Thisteq(X,),其功能是：在执行上面的操作的同时，返回变换有关的信息。,下面是一个实现,色彩调整,的程序清单：,RGB=imread(autumn.tif);,subplot(1,2,1),imshow(RGB),title(原始图像),J=histeq(RGB),subplot(1,2,2),imshow(J),title(色彩调整图像),(2)真彩色增强的MATLAB实现,在MATLAB中，调用,imfilter,函数对一幅真彩色（三维数据）图像使用二维滤波器进行滤波就相当于使用同一个二维滤波器对数据的每一个平面单独进行滤波。,下面是一个真彩色图像的每一个颜色平面进行滤波的程序清单：,RGB=imread(,flowers.tif,);,H=ones(5,5)/25;,RGBI=imfilter(RGB,H);,subplot(1,2,1),imshow(RGB),title(滤波前图像);,subplot(1,2,2),imshow(RGB1),title(滤波后图像);,RGB=imread(autumn.tif);,H=ones(5,5)/25;,RGB1=imfilter(RGB,H);,subplot(1,2,1),imshow(RGB),title(滤波前图像);,subplot(1,2,2),imshow(RGB1),title(滤波后图像);,(3)彩色图像恢复的MATLAB实现,*下面是,对两幅图像进行匹配,的程序清单：,lily=imread(lily.tif);,flowers=imread(flowers.tif);,subplot(2,3,1),imshow(lily),title(原始图像1);,subplot(2,3,2),imshow(flowers),title(原始图像2);,rect_lily=93 13 81 69;,rect_flowers=190 68 235 210;,sub_lily=imcrop(lily,rect_lily);,sub_flowers=imcrop(flowers,rect_flowers);,subplot(2,3,3),imshow(sub_lily1),title(子图像1);,subplot(2,3,4),imshow(sub_flowers);,title(子图像2);,c=normxcorr2(sub_lily(:,:,1),sub_flowers(:,:,1);,subplot(2,3,5),surf(c);,title(两幅子图像的相关性图形),shading flat;,max_c,imax=max(abs(c(:);,ypeak,xpeak=ind2sub(size(c),imax(1);,corr_offset=(xpeak-size(sub_lily,2),(ypeak-size(sub_lily,1);,rect_offset=(rect_flowers(1)-rect_lily(1),(rect_flowers(2)-rect_lily(2);,offset=corr_offset+rect_offset;,xoffset=offset(1);,yoffset=offset(2);,xbegin=xoffset+1;,xend=xoffset+size(lily,2);,ybegin=xoffset+1;,yend=yoffset+size(lily,1);,extracted_lily=flowers(ybegin:yend,xbegin:xend,:);,if isequal(lily,extracted_lily),disp(lily.tif was extracted from flowers.tif),end,recovered_lily=uint8(zeros(size(flowers);,recovered_lily(ybegin:yend,xbegin:xend,:)=lily;,m,n,p=size(flowers);,i=find(recovered_lily(:,:,1)=0);,mask(i)=.2;,subplot(2,3,6),imshow(recovered_lily);,title(图像匹配效果);,hold on,h=imshow(recovered_lily);,set(h,AlphaData,mask),5.4 彩色图像分析,彩色图像分析,主要是指对图像中,感兴趣的目标,进行,检测,和,测量,，以获得它们的,客观信息,，从而建立对图像的描述。,图像分析,是一个,从图像到数据,的过程。这里的,数据,可以是对目标特征测量的结果，或是基于测量的符号表示。它们,指出,了图像中,目标的特点和性质,。,这种处理基本上,用于,自身图像分析、模式识别、计算机视觉等模式。,例如,彩色体的分类、排列等。,为了描述图像，首先要进行分割，然后进行测量和特征提取等处理。,值得注意的一点是，没有惟一的、标准的分割法，因此也就没有规定成功分割的原则。本小节只讨论一些彩色图像的基本分割和测量方法。,5.4.1 彩色图像分割,彩色图像分割,是按照彩色图像的色彩规则将一幅彩色图像分成若干个部分或子集，将图像中有意义的特征或者需要应用的特征提取出来。,彩色图像中的每个像素由红（R）、绿（G）和蓝（B）三基色按一定比例合成而表示。通过线性或非线性变换可以从三基色计算出色调（hue）、饱和度（saturation）、亮度（brightness）等各彩色特征。,色调,决定了彩色光的光谱成分，反映了彩色光在“质”方面的特征；,饱和度,是某种彩