2. 程式人生 > >第六章 彩色影象處理

第六章 彩色影象處理

阿新 • • 發佈：2019-01-09

MATLAB中影象的表示

影象處理工具箱會將彩色影象當做索引影象或RGB影象(紅，綠，藍)來處理。

RGB影象

一幅RGB影象是一個M * N * 3的彩色畫素陣列，其中每個色彩畫素是一個三值組，這三個值分別對應一個特定空間位置處該RGB影象的紅，綠，藍分量。
RGB影象
另 fR,fG,fB分別表示三幅RGB影象，一幅RGB影象就是使用cat(連線)運算子通過堆疊這些分量影象形成的：rgb_image = cat(3,fR,fG,fB),該運算中，要求影象按順序放置。
用下面的命令提取三幅分量影象：
fR = rgb_image(:,:,1)
fG = rgb_image(:,:,2)
fB = rgb_image(:,:,3)
RGB色彩空間通常以圖解方式顯示為一個RGB色彩立方體
這裡寫圖片描述


為從任意角度檢視該彩色立方體，可使用自定義函式 rgbcube(vx,vy,vz)

rgbcube(5,5,2)

彩色立方體

索引影象

索引影象有兩個分量：一個整數資料矩陣X和一個彩色對映矩陣map.矩陣map是一個m*3的double類陣列，其值是區間[0,1]上的浮點數。
要顯示一幅索引影象，可寫出imshow(x,map)或image(x);colormap(map)
有時需要用具有較少顏色的對映去近似一個索引對映。為此，我們使用函式imapprox
語法：[Y,newmap] = imapprox(X,map,n)

處理RGB和索引影象的函式

dither 採用“抖動”方法從RGB影象建立索引影象
grayslice 從灰度影象通過閾值處理建立索引影象
gray2ind 從灰度影象建立索引影象
ind2gray 從索引影象建立灰度影象
rgb2ind 從RGB影象建立索引影象
ind2rgb 從索引影象建立RGB影象
rgb2gray 從RGB影象建立灰度影象

使用dither
dither
使用grayslice
grayslice

[X map]=rgb2ind(f,256);subplot(241),imshow(X,map);title('256索引'
 
);
[X map]=rgb2ind(f,128);subplot(242),imshow(X,map);title('128索引');
[X map]=rgb2ind(f,64);subplot(243),imshow(X,map);title('64索引');
[X map]=rgb2ind(f,32);subplot(244),imshow(X,map);title('32索引');
[X map]=rgb2ind(f,16);subplot(245),imshow(X,map);title('16索引');
[X map]=rgb2ind(f,8);subplot(246),imshow(X,map);title('8索引');
[X map]=rgb2ind(f,4);subplot(247),imshow(X,map);title('4索引');
[X map]=rgb2ind(f,2);subplot(248),imshow(X,map);title('2索引');

索引影象

彩色空間轉換

顏色基本概念：

  • 亮度

    明亮程度，光作用於人眼時所引起的明亮程度不同。
    它與被觀察物體的發光強度有關，強度大小，決定我們的感覺亮或暗。
    如果彩色光的強度降到使人們看不到了，在亮度這個分量上他就以黑色對應，如果其強度變得很大，那麼亮度就以白色對應。亮度是非彩色的屬性，它描述亮還是暗，彩色圖象中的亮度對應於黑白圖象中的灰度。
    對同一物體照射的光越強，反射光也越強，則越亮。
    對不同物體在相同照射情況下，發射越強者看起來越亮。（例如：鏡子的反射）
    亮度還與人類視覺系統的視覺敏感函式相關，即使強度相同，不同顏色的光當照射同一物體時也會產生不同的亮度。

  • 色調

    明亮程度，光作用於人眼時所引起的明亮程度不同。
    它與被觀察物體的發光強度有關，強度大小，決定我們的感覺亮或暗。
    如果彩色光的強度降到使人們看不到了，在亮度這個分量上他就以黑色對應，如果其強度變得很大，那麼亮度就以白色對應。亮度是非彩色的屬性，它描述亮還是暗，彩色圖象中的亮度對應於黑白圖象中的灰度。
    對同一物體照射的光越強，反射光也越強，則越亮。
    對不同物體在相同照射情況下，發射越強者看起來越亮。（例如：鏡子的反射）
    亮度還與人類視覺系統的視覺敏感函式相關，即使強度相同，不同顏色的光當照射同一物體時也會產生不同的亮度。

  • 飽和度

    飽和度是指顏色的純度即摻入白光的程度。
    飽和度（saturation）是顏色的另一個屬性，它描述純顏色用白色沖淡的程度，高飽和度的顏色含有較少的白色。
    飽和度也是可以指顏色的深淺程度。對於同一個色調的彩色光，飽和度越深顏色越鮮明或者說越純。
    例如：當紅色加進白光之後沖淡為粉紅色，其基本色調還是紅色，但飽和度降低；也就是說，淡色的飽和度比鮮豔的顏色要低一些。
    飽和度還和亮度有關，如果在就飽和的彩色光中加入白光的成分，增加了光的強度，會變得更亮，但它的飽和度降低了。如果在某色調的彩色光中，摻入別的彩色光，則會引起色調的變化，既基本的顏色變了，只有摻入白光時，僅僅引起飽和度的變化。

  • 色度

    通常，把色調和飽和度稱為色度，則亮度表示某彩色光的明亮程度，色度表示顏色的類別和深淺程度。

NTSC彩色空間

NTSC彩色空間用於模擬電視。這種格式的主要優勢是灰度資訊和彩色資料是分離開來的，所以同一訊號可以用於彩色電視機和黑白電視機。在NTSC格式中，影象資料由三部分組成：亮度(Y)、色調(I)和飽和度(Q)。在這裡，字母YIQ的選擇常常是按照慣例進行的。亮度分量描述灰度資訊，其他兩個分量攜帶電視訊號的彩色資訊。YIQ分量都是用線性變換從一幅影象的RGB分量得到的：

NTSC

f = imread('hua.png');
g = rgb2ntsc(f);
subplot(121),imshow(f),title('原圖');
subplot(122),imshow(g),title('rgb2ntsc');

相應的函式ntsc2rgb可以將圖片轉化回去
rgb2ntsc

YCbCR彩色空間

YCbCr彩色空間廣泛用於數字視訊。在這種格式中，亮度資訊用單獨的分量Y來表示，彩色資訊是用兩個色差分量Cb和Cr來儲存的。分量Cb是藍色分量與參考值的差，分量Cr是紅色分量與參考值的差。工具箱採用的從RGB轉換為YcbCr的變換是：

g = rgb2ycbcr(f);
subplot(121),imshow(f),title('原圖');
subplot(122),imshow(g),title('rgb2ycbcr');

相應的函式ycbr2rgb可以將圖片轉化回去
ycbcr

HSV彩色空間

HSV(色調、飽和度、值)是人們用來從顏色輪或調色盤中挑選顏色(例如顏料或墨水)時使用的彩色系統之一，值得考慮的是，這個顏色系統比RGB系統更接近人們的經驗和對彩色的感知。在畫家的術語裡，色調、飽和度和數值被稱作色調、明暗和色值。
HSV彩色空間可以通過從RGB彩色立方體沿灰度軸(連線黑色頂點和白色頂點的軸)用公式來表達，從而得出圖6-5(a)所示的六邊形表示的彩色調色盤。當我們沿著圖6-5(b)中的垂直軸(灰)軸移動時，這個與軸垂直的六邊形平面的大小是變化的，併產生了圖中描述的量。
這裡寫圖片描述這裡寫圖片描述

g = rgb2hsv(f);
subplot(121),imshow(f),title('原圖');
subplot(122),imshow(g),title('rgb2hsv');

使用函式rgb2hsv,hsv2rgb可以轉換回去
rgb2hsv

CMY和CMYK彩色空間

imcomplement
imcomplement

HSI彩色空間

HSI模型是美國色彩學家孟塞爾(H.A.Munseu)於1915年提出的，它反映了人的視覺系統感知彩色的方式，以色調、飽和度和強度三種基本特徵量來感知顏色。
rgb = rgb2hsi(‘img’),rgb = hsi2rgb(‘img’)可以轉換回來
rgb2hsi

彩色影象處理的基礎知識

1) 顏色變換(也叫彩色對映)
2) 單獨彩色平面的空間處理
3) 顏色向量的處理

  • ice函式(互動顏色編輯)
    屬 性 名 屬 性 值
    image 一幅RGB或單色輸入影象f，由互動指定的對映來變換
    space 被修改的分量彩色空間。可能的值是’rgb’、’cmy’、’hsi’、’hsv’、’ntsc’(或’yiq’)和’ycbcr’，預設值是’rgb’
    wait 如果是’on’(預設)，g是被對映的影象；如果是’off’，g是對映輸入影象的控制代碼
g = ice('image',f);
![ice](https://img-blog.csdn.net/20170628173852874?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzY3NzE4NTA=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) ![這裡寫圖片描述](https://img-blog.csdn.net/20170628174242345?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzY3NzE4NTA=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) ![這裡寫圖片描述](https://img-blog.csdn.net/20170628174909261?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzY3NzE4NTA=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) ![這裡寫圖片描述](https://img-blog.csdn.net/20170628192501656?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzY3NzE4NTA=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) ![這裡寫圖片描述](https://img-blog.csdn.net/20170629133220145?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzY3NzE4NTA=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

彩色影象的空間濾波

彩色影象平滑

  • 抽取三幅分量圖
f = imread('hua.png');
 fR = f(:, :, 1);
fG = f(:, :, 2);
fB = f(:, :, 3);
subplot(221);imshow(f);title('原圖');
subplot(222);imshow(fR);title('原圖');
subplot(222);imshow(fR);title('RED');
subplot(223);imshow(fG);title('GREEN');
subplot(224);imshow(fB);title('BLUE');

這裡寫圖片描述

  • 分別對每幅分量影象濾波
w = fspecial('average',5);
fR_filtered = imfilter(fR,w,'replicate');
fR_filtered = imfilter(fG,w,'replicate');
fR_filtered = imfilter(fB,w,'replicate');
  • 重建濾波後的RGB影象
fc_filtered = cat(3,fR_filtered,fG_filtered,fB_filtered);

rgb
上訴三步可以合併為：fc_filtered = imfilter(f,w,’replicate’);

HSI亮度分量平滑

h = rgb2hsi(f);
H = h(:,:,1);
S = h(:,:,2);
I = h(:,:,3);
w = fspecial('average',25);
I_filtered = imfilter(I,w,'replicate');
h = cat(3,H,S,I_filtered);
fc = hsi2rgb(h);
imshow(fc)

hsi

彩色影象銳化

w = fspecial('average',5);
fa = imfilter(f, w, 'replicate');
lapmask = [1 1 1; 1 -8 1; 1 1 1];
fen = imsubtract(fa, imfilter(fa, lapmask, 'replicate'));
subplot(121),imshow(fa);
subplot(122),imshow(fen);

銳化

直接在RGB向量空間的處理

使用梯度進行色彩邊緣檢測

[VG,A,PPG] = colorgrad(f);

其中，f是RGB影象，T是[0,1]範圍內的閾值選項(預設為0)；VG是RGB向量梯度Fθ(x, y)；A是以弧度計的角度θ(x, y)，並且PPG是由單獨彩色平面的2D梯度之和形成的梯度影象。計算上述方程時，要求全部微分都可用函式clorgrad中的Sobel運算元來實現。輸出VG和PPG通過clorgrad被歸一化到[0, 1]範圍內，並且把它們作為閾值進行處理。所以，它們的值小於或等於T，VG(x,y)=0；對於其他的情況，VG(x,y) = VG(x,y)。類似的解釋可用於PPG。

f1 = imread('1.jpg');
f2 = imread('2.jpg');
f3 = imread('3.jpg');
g = cat(3,f1,f2,f3);
[VG, A, PPG] = colorgrad(g);

這裡寫圖片描述

在RGB向量空間中進行影象分割

 mask = roipoly(f); % Select region interactively.
red = immultiply(mask, f(:, :, 1));
green = immultiply(mask, f(:, :, 2));
blue = immultiply(mask, f(:, :, 3));
g = cat(3, red, green, blue);
figure, imshow(g);

這裡寫圖片描述

相關推薦

第六章 彩色影象處理

MATLAB中影象的表示 影象處理工具箱會將彩色影象當做索引影象或RGB影象(紅，綠，藍)來處理。 RGB影象 一幅RGB影象是一個M * N * 3的彩色畫素陣列，其中每個色彩畫素是一個三值組，這三個值分別對應一個特定空間位置

【第二部分-影象處理】第1章 Opencv影象處理入門

1.1基礎影象容器Mat類的使用 1.1.1基本影象容器Mat 在正式講解OpenCV之前，首先要介紹的就是Mat。 在2001年剛剛出現的時候，OpenCV基於 C 語言介面而建。為了在記憶體（memory）中存放影象，當時採用名為 IplImage

第九章 php影象處理(水印)

給圖片加文字水印 <?php header('Content-type:image/jpeg'); $img=imagecreatefromjpeg('images/lzs.jpg'); $color=imagecolorallocate($img, 209, 224, 239); $

第九章 php影象處理(驗證碼)

<?php header('Content-type:image/jpeg'); $width=120; $height=40; $element=array('a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p

第九章 php影象處理(影象建立的基本步驟)

php不僅可以處理文字資料，還可以建立不同的動態影象，比如GIF等 注：在php中可以通過GD擴充套件庫實現對影象的處理，不僅可以建立影象而且可以處理已有影象 建立影象 繪製圖像 生成影象 釋放資源 圖形驗證碼 水印 縮放與裁剪 在php

《OpenCV影象處理》 第七章 加速影象處理

OpenCV庫包括了對OpenCL和CUDA GPU架構的支援。 OpenCL（Open Computing Language）：開放計算語言，可以附加在主機處理器的CPU或GPU上執行。 OpenCV有一個新的統一資料結構UMat，用於在必要和可能的時候，負責將資料傳輸

第三章-數字影象處理學習筆記

3.5平滑空間濾波器 3.5.1平滑線形濾波器（均值濾波器）：其輸出是包含在濾波器模板鄰域內的畫素的簡單平均值，其結果降低了影象灰度的“尖銳”變化；由於典型的隨機噪聲由灰度級的急劇變化組成，因此常見的平滑處理應用就是降低噪聲； 其缺點：由於影

《影象處理、分析與機器視覺》（第4版）閱讀筆記——第六章 分割Ⅰ

分割是處理影象資料前最重要的步驟之一，其主要目標是將影象劃分為與其中含有的真實世界的物體或區域強相關性的組成部分。 分割方法根據所使用的主要特徵可劃分為三組：第一組是有關影象或部分的全域性知識（global knowledge），這一般由影象特徵的直方圖來表達。第二部分是基

第六章，文本處理工具和正則表達式

文本處理工具 vim 正則表達式 更多筆記點擊查看Linux學習從入門到打死也不放棄，完全筆記整理（持續更新）http://blog.51cto.com/13683480/2095439筆記整理起始時間：2018年4月7日14:15:07 本章內容：各種文本工具來查看、分析、統計文本cat，tac

Android群英傳知識點回顧——第六章：Android繪圖機制與處理技巧

ride ets 常用 結合 管理 一個 sla 浮雕效果 調用 6.1 屏幕的尺寸信息 6.1.1 屏幕參數 6.1.2 系統屏幕密度 6.1.3 獨立像素密度dp 6.1.4 單位轉換 6.2 2D繪圖基礎 6.3 Android X

結構體的處理（以c++primer plus 第六章習題4為例）

類型 數據 frame bsp 傳遞 sign 習題 bre xxxxxxxx 1 const unsigned int strsize = 50; 2 struct bop //結構體就像一個數據類型如int 使用前應該先給他一個變量如本題中的bop 3

CLR via C#學習筆記-第六章-對類型進行版本控制時的虛方法的處理

兩種 編譯器 當前 new 學習筆記 on() 定義 類定義 sealed 6.6.3 對類型進行版本控制時的虛方法的處理 如果類型要作為基類型使用，增加或修改它的成員時務必非常小心。 隱藏基類的同名實例方法 假定CompanyA定義了Phone類型 namespac

[uboot] （第六章）uboot流程——命令列模式以及命令處理介紹

轉自https://blog.csdn.net/ooonebook/article/details/53164198   以下例子都以project X專案tiny210（s5pv210平臺,armv7架構）為例 [uboot] uboot流程系列： [project

第六章樹和二叉樹--樹和森林-計算機17級 7-2 家譜處理 （30 分）

7-2 家譜處理 （30 分） 人類學研究對於家族很感興趣，於是研究人員蒐集了一些家族的家譜進行研究。實驗中，使用計算機處理家譜。為了實現這個目的，研究人員將家譜轉換為文字檔案。下面為家譜文字檔案的例項： John Robert Frank And

C++11多執行緒程式設計 第六章: 多執行緒之間的事件處理

C++11 Multithreading – Part 6: Need of Event Handling Varun June 1, 2015 C++11 Multithreading – Part 6: Need of Event Handling2018-08-18T1

組合語言之第五章至第八章知識彙總 組合語言之第五章【BX】和loop指令 組合語言之第六章包含多個段的程式 組合語言之第七章更靈活的定位記憶體地址的方法 彙編實驗之第八章資料處理的兩個基本問題

      組合語言之第五章【BX】和loop指令   一：【bx】 　　【bx】和之前用過的【0】有些類似，都是表示記憶體單元，而它的偏移地址在bx中。段地址預設在ds中 　　描述一個記憶體單元 需要知道，1記憶體單元的地址，

快學scala第十六章習題——XML處理

本章主要講解對XML的處理，要處理xml需要引入scala-xml-x.x.x.x.jar包，建立普通scala 類不會自動新增此jar包，需要手動引入之後就可以使用了 1.(0)得到什麼，(0)(0)又得到什麼，為什麼? 仍然為<fred/>

第六章（1.3）自然語言處理實戰——使用tf-idf演算法實現簡單的文字聚類

一、原理 使用jieba切詞 用td-idf計算文字的詞頻和逆文件詞頻 排序選出最重要的2個或3個詞作為這段文字的id 具有相同id的文字被歸為一類 二、使用python實現簡單的文字聚類，其中使用了tf-idf演算法，jieba分詞，把相似的文字聚合在

第六章（1.2）自然語言處理實戰——打造屬於自己的中文word2vector工具

一、環境 二、實戰演練 訓練語料source.txt 9月12日隨著頒獎典禮的結束,我院獲得了商委系統運動會系列活動之一——足球比賽的季軍,本次比賽立時十天,十二隻球隊分成兩個小組比賽。我院代表隊以小組第二名的成績出現,在和另一小組第二名石油公

第六章（1.4）自然語言處理實戰——時間語義抽取

一、簡介 本工具是由復旦NLP中的時間分析功能修改而來，做了一些細節和功能的優化，經SpringBoot封裝成web工具。 泛指時間的支援，如：早上、晚上、中午、傍晚等。 時間未來傾向。 如：在週五輸入“週一早上開會”，則識別到下週一早上的時間；在下午