《数字图像处理与机器视觉课件.pptx》由会员分享，可在线阅读，更多相关《数字图像处理与机器视觉课件.pptx（100页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数字图像处理与机器视觉12第第0 0 章章 数字图像处理概述数字图像处理概述第第1 1章章 MatlabMatlab图像处理编程基础图像处理编程基础第第7 7章章 彩色图像处理彩色图像处理重点：重点：MatlabMatlab编程基础编程基础难点：彩色图像处理难点：彩色图像处理12内 容30.1 0.1 数字图像数字图像0.2 0.2 数字图像处理与识别数字图像处理与识别0.3 0.3 数字图像处理的预备知识数字图像处理的预备知识12第0章 数字图像处理概述4(1)去噪处理的效果图像处理的典型示例（一）5(1)去噪处理的效果ImageDenoisingBasedonPDEMethod图像处理的典
2、型示例（二）6(2)去模糊处理的效果图像处理的典型示例（三）7(2)去模糊处理的效果图像处理的典型示例（四）8学术研讨CV Conference1、ICCV，InternationalConferenceonComputerVision2、CVPR，InternationalConferenceonComputerVisionandPatternRecognition3、ECCV，EuropeanConferenceonComputerVisionCV JournalBest:PAMI，IEEETrans.onPatt.AnalysisandMachineIntelligenceIJCV，In
3、ter.Jour.onComp.VisionGood:CVIU，ComputerVisionandImageUnderstandingPR,PatternReco.Graphics Conference1、Siggraph，ACMSigGraph2、EuroGraphGraphics Journal 1、IEEE(ACM)Trans.onGraphics2、IEEETrans.onVisualizationandComputerGraphics9从CVPR2013看计算机视觉领域的最新热点1、RGB-D数据的分析2、中层patch的分析在局部特征很难具有足够的描述力的情况下，中层特征的提取和分
4、析就显得更加重要。3、深度学习以及特征学习在慢慢具备海量数据处理能力的今天，深度学习确实是解决问题的一个很好的途径。深度学习必须结合好的特征学习，才是解决问题的王道。10从CVPR2014看计算机视觉领域的最新热点1、深度学习（DeepLearning）是当下最热门的方向之一；2、基础模型研究3D几何模型3、Low-levelVision主要针对图像本身及其内在属性的分析及处理，比如判断图片拍摄时所接受的光照，反射影响以及光线方向，进一步推断拍摄物体的几何结构；再如图片修复，如何去除图片拍摄中所遇到的抖动和噪声等不良影响。4、DepthSensor（深度传感器）及深度图像相关11120.1 数
5、字图像1、数字图像是能够在计算机上显示和处理的图像，根据其特性可分为位图和矢量图。位图位图位图位图通常使用数字阵列来表示，如BMP、JPG、GIF等矢量图由矢量数据库表示，如PNG图形2、数字图像模型其对应的矩阵模型为其中 代表在坐标 处的像素色彩或灰度值。0.2 数字图像处理与识别0.3 数字图像处理的预备知识123、数字图像分类二值图像：0表示黑色，1表示白色灰度图像：0255，256级，介于黑色与白色之间的颜色深度。RGB图像：三原色可以表示颜色各类 256*256*256=224索引图像：作用就是体积小，方便传输，只需要把索引表传输过去，接收方用对应的RGB颜色表还原颜色信息。0.1
6、数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识134、图像的空间分辨率概念：图像中每单位长度所包含的像素或点的数目，常以像素/英寸(pixels per inch,ppi)为单位来表示。分辨率越高，图像越清晰，图像文件所需的磁盘空间也越大，编辑和处理所需的时间也越长。一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的棋盘格效应(Checkerboard Effect)；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识145、图像的灰度级/辐射计
7、量分辨率概念：灰度级指图像中可分辨的灰度级数目。量化等级越多，所得图层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识150.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识16（1）图像预处理图像预处理改善象质，以便于目视判读。校正技术校正技术：对形状变形的图象进行几何校正、辐射校正。增强技术增强技术：去除干扰，突出主要特征，包括：平滑与锐化技术。恢复技术恢复技术：1）去除噪音干扰，恢复原图像；2）运动模糊图像、退
8、化图像的恢复、相位恢复等。（2）图像分析：图像分析：图像分割，纹理分析，平面几何参数，三维参数测量技术等。（3）图像编码与压缩：图像编码与压缩：PCM（脉冲编码调制），统计编码，预测编码，变换编码,无损压缩,有损编码等；图像编码的国际标准,图像压缩的国际标准。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识17（4）图像重建：图像重建：基于变换的重建，卷积法重建，代数重建，重建的优化。（5）图像修复：图像修复：平滑修复，基于总变分（TV）的修复，基于PDE的修复等。（6）图像识别：图像识别：模式识别与景物分析 图像处理的特点图像处理的特点：（1）再现性好：数字图像可多次
9、拷贝，不失真，不退化。（2）精度高：采样量化一定，多次处理可保精度。（3）适用面宽：可处理抽象数据、可做非线性处理（光学处理多为线性处理）0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识18图像处理的应用领域(1)森林覆盖计算，农作物估产，水质及大气污染调查。(2)资源勘探，地图绘制，地理信息系统（GIS）。(3)森林火灾监护客观反映火灾情况、面积。(4)鱼群探查，海洋污染检测；河流分布，水利及水害调查。(5)军事侦察，导弹制导，电子沙盘，军事训练等。(6)身份认证：指纹、掌纹、虹膜等识别。(7)医学应用：CT、MRI、血管造影、红外乳腺、显微病理、电子显微镜、远程医疗
10、图像、皮肤图象、X线、刀与刀脑外科等都离不开图像。(8)工业图像：X线控探伤（轴）、X线检察、三维测量（定位、形状测量）机器人视觉、商检。(9)民用：数码相机、数字视频、照片扫描等。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识19 视觉系统的功能结构机器(计算机)视觉要达到的三个基本目的：(1)根据一幅或多幅二维投影图象计算出观察点到目标物体的距离;(2)根据一幅或多幅二维投影图象计算出目标物体的运动参数；(3)根据一幅或多幅二维投影图象计算出目标物体的表面物理特性。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识20机器(计算机)视觉技术的
11、应用举例工业领域（生产装配、质量检验）机器人（星球探测机器人）遥感图像分析（植被分析）医学图像分析（骨骼定位）安全鉴别、监视与跟踪（门禁系统、视频监控）国防系统（目标自动识别与目标跟踪）图像与视频检索（基于内容的检索）文物保护（数字博物馆）其他（游戏、动画、体育、人机交互）0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识火星车CMU月球探测实验车Nomad漫游者210.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识1、像素的邻域P的4领域N4(P)P的对角领域ND(P)P的8领域N8(P)+=220.1 数字图像0.2 数字图像处理与识别0.3 数
12、字图像处理的预备知识2、像素间的邻接，连接和连通像素的邻接(PixelAdjacency)两个像素是否邻接就看它们是否接触，一个像素和在它邻域中的像素是接触的，所以也是邻接的。邻接只考虑像素间的空间关系。230.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识像素的连接(PixelConnectivity)对两个像素来说，要确定它们是否连接需要考虑两点：它们在空间上是否接触（即它们是否邻接）它们的灰度值是否满足某个特定的相似准则（例如它们灰度值相等，或同在一个灰度值集合中取值）240.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识以下三种常用的连接：（
13、1）4-连接：2个像素p和r在V中取值且r在N4(p)中，则它们为4-连接。（2）8-连接：2个像素p和r在V中取值且r在N8(p)中，则它们为8-连接。（3）m-连接（混合连接）：2个像素p和r在V中取值且满足下列条件之一，则它们为m-连接：r在N4(p)中；r在ND(p)中且N4(p)N4(r)没有V值的元素25 4连接 8连接 m连接0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识这种m-连接的引入目的之一就是消除8-连接的多路问题。8-连接在像素距离的选择时有多种路径，引发歧义，而m-连接则没有260.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的
14、预备知识像素的连通(pixelConnectivity)定义两个像素间的通路：从具有像素p（x,y）到像素q（s,t）的一条通路是由一系列具有坐标（x0,y0），（x1,y1），（xn,yn）的独立像素组成的。这里（x0,y0）（x,y），（xn,yn）=（s,t）,且（xi,yi）与（xi-1,yi-1）相邻接，其中1in，n为通路长度。设p和q是一个图像子集S中的2个像素，那么如果存在一条完全由S中的像素组成的从p到q的通路，那么就称p在S中与q相连通。270.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识例：例：计算点计算点p p和和q q之间之间m-m-通路的通路
15、的长度长度 p=1,q=1280.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识像素间的距离Connectivity)（1）点p和q之间的欧氏（Euclidean）距离:（2）点p和q之间的城区（city-block）距离:（3）点p和q之间的棋盘（chessboard）距离:p(x,y)q(s,t)欧式距离p(x,y)q(s,t)城区距离p(x,y)q(s,t)棋盘距离290.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识图像处理的基本算子举例 1）点运算（Pointoperation）：B(i,j)=fA(i,j)例：线性点运算 DB=f(DA)
16、=aDA+ba1:对比度增强;0a1:对比度减弱a=1&b0:灰度偏移;a”与闪烁的光标一起表明系统就绪，等待输入。与闪烁的光标一起表明系统就绪，等待输入。命令窗口脱离命令窗口脱离MATLABMATLAB桌面。桌面。（1 1）在）在MATLABMATLAB命令窗口输入：命令窗口输入：(12+2*(7-4)/32(12+2*(7-4)/32（2 2）按）按【EnterEnter】键，指令执行。键，指令执行。（3 3）返回的计算结果：）返回的计算结果：ans=2351.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的
17、显示2、常见通用常见通用命令命令命令命令含义含义clc清除命令窗口的显示内容clear清除Matlab工作空间中保存的变量who或whos显示Matlab工作空间中的变量信息dir显示当前工作目录的文件和子目录清单cd显示或设置当前工作目录type显示指定m文件的内容Help，doc或lookfor 取在线帮助quit或exit关闭/退出MATALB361.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示3、内部变量变量名意义ans最近的计算结果的变量名epsMATLAB定义的正的极小值=2.2204e-16
18、pi圆周率inf值，无限大i或j虚数单元，sqrt(-1)NaN非数，0/0、/nargin函数输入参数个数nargout函数输出参数个数371.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示4、数据类型及其转换变量名意义doubleMATLAB中最常见也是默认的数据类型uint8,int88位无符号整数，8位有符号整数uint16,int1616位无符号整数，16位有符号整数uint32,unit3232位无符号整数，32位有符号整数single单精度浮点数char字符型变量logical布尔型变量381
19、.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用（1）定义：A=1,2,3;4,5,6;7,8,9A=123456789V=2:1:10，或省略间隔为1的中间参数:V=2:10V=2345678910391.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用（2）生成矩阵的函数函数名称用途函数名称用途eye产生单位矩阵Linspace产生线性等分的矩阵zeros产生全部元素为0的矩阵Logspac
20、e产生对数等分向量ones产生全部元素为1的矩阵Company产生伴随矩阵true产生全部元素为真的逻辑矩阵Hadamarb产生Hadamarb矩阵false产生全部元素为假的逻辑矩阵Magic产生幻方矩阵rand产生均匀分布随机矩阵Hilb产生Hibert矩阵randn产生正态分布随机矩阵Invhilb产生逆Hilbert矩阵randperm产生随机排列401.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用（3）提取矩阵元素或子块的方法命令用途A(m,n)提取m行n列位置的一个元素A(:,n
21、)提出第n列A(m,:)提出第m行A(m1:m2,n1:n2)提出m1到m2行，n1到n2列的一个子块A(m:end,n)提出第m行到最后一行，第n列的一个子块A(:)将矩阵按列存储得到一个长列向量411.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用（4）矩阵的运算运算符号对应函数说明加+plus(A,B)减-minus(A,B)乘*mtimes(A,B)点乘.*times(A,B)两个同样大小的矩阵对应元素相乘乘方.mpower(A,B)对矩阵的每一个元素进行指定幂次的乘方矩阵乘方powe
22、r(A,B)矩阵左除mldevide(A,B)AB等价于inv(A)*B矩阵右除/mrdevide(A,B)A/B等价于B*inv(A)左除.ldevide(A,B)矩阵中对应位置的元素的左除右除./rdevide(A,B)矩阵中对应位置的元素的右除矩阵与向量转置.transpose(A,B)复数矩阵转置ctranspose(A,B)421.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示6、运算符和表达式运算数学表达式MATLAB运算符MATLAB表达式加a+b+a+b减a-b-a-b乘axb*a*b除a/
23、b或ab/或a/b或ab幂ab、=、=、=（不等于）（不等于）&（与）、（与）、|（或）、（或）、（非）（非）431.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示7、常用的逻辑函数和矩阵函数函数用途函数用途all是否所有元素非零flipud上下翻转any是否至少有一元素非零inv求逆矩阵isempty是否空矩阵lu三角分解isequal是否两矩阵相同norm求范数isinf判断有无inf元素orth正交化isnan判断有无nan元素poly求特征多项式isreal判断是否实矩阵qr正交三角分解find返回
24、一个由非零元素下标组成的矩阵rank求矩阵的秩det计算方阵对应的行列式值svd奇异值分解diag抽取对角线元素trace求矩阵的迹eig求特征值和特征向量trill抽取上三角阵fliplr左右翻转tnu抽取下三角阵441.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示8、Matlab流程控制例1：产生一幅亮度按对角线方向的余弦规律变化的灰度图，比较一维方法和二维方法所需的时间。451.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5
25、 图像的显示8、Matlab流程控制例2：使用meshgrid函数生成坐标网格，同时绘制高斯函数：461.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示9、Matlab函数函数的定义：functionoutput=name(input)functionname(args)函数的命名为functionname.m函数的调用：a=name(input);name(args);471.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的
26、显示亮度图像/灰度图像RGB图像索引图像二值图像481.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示1、图像格式转换函数函数描述gray2ind从灰度图转换成索引图X,MAP=gray2ind(I,N);X为图像数据，MAP为颜色表，N为索引颜色数目grayslice使用阈值法从灰度图创建索引图X=grayslice(I,N);X=grayslice(I,V);X为输出的索引图像，N为阈值个数，V为给定的阈值向量im2bw使用阈值法从灰度图、索引图或RGB图创建二值图ind2gray从索引图创建灰度图in
27、d2rgb从索引图创建RGB图mat2gray使用归一化方法将一个矩阵中的数据扩展成对应的灰度图rgb2gray从RGB图创建灰度图rgb2ind从RGB图创建索引图491.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示2、图像数据类型转换函数im2uint8将图像转换为unit8类型im2uint16将图像转换为unit16类型im2double将图像转换为unit32类型501.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图
28、像的显示imreadA=imread(,FMT);读取图像文件（BMP,GIF,PNG,JPEG,and TIFF）imwriteimwrite(A,FMT);保存图像imfinfoimfinfo(,FMT);读取图像文件中的属性信息例3：读入一幅tif图像文件，并在写入磁盘时将bmp图像转换为jpg图像。511.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示imshow显示图像imshow()imshow(I,MAP)imshow(I,low high,param1,value1,param2,value
29、2,)figure弹出显示窗口subplot(m,n,i)子窗口显示zoom on开放开放图像缩放例4：显示图像。52总结Matlab命令窗口、帮助、变量的使用，矩阵的使用，数学函数，流程控制Matlab的图像转换读取和写入图像文件图像的显示537.1 7.1 彩色基础彩色基础7.2 7.2 彩色模型彩色模型7.3 7.3 全彩色图像处理基础全彩色图像处理基础12第7章 彩色图像处理541666年,Newton：红、橙、黄、绿、青、蓝、紫red,orange,yellow,green,cyan,blue,violet557.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、人眼看到的彩
30、色图9.1可见范围电磁波谱的波长组成（微米）567.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、颜色是外来的光刺激作用于人的视觉器官而产生的主观感觉，它具有色调、饱和度和亮度三个特性。色调（hue）又称为色相，是当人眼看到一种或多种波长的光时所产生的彩色感觉，它反映颜色的种类。饱和度（saturation）是指颜色的纯度，可用来区别颜色的深浅程度。混入的白光越少，饱和度越高，颜色越鲜明。亮度（intensity）是视觉系统对可见物体辐射或者发光多少的感知属性。通常把色调和饱和度称为色度（chromaticity）。亮度表示颜色的明亮程度，而色度则表示颜色的类别与深浅程度。577.
31、1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、三原色光的三基色：光的三基色：red,green,bluered,green,blue颜料的三基色颜料的三基色:magenta(magenta(洋红色洋红色),cyan(),cyan(青色青色),yellow),yellowMagenta=Red+BlueMagenta=Red+BlueCyan=Blue+GreenCyan=Blue+GreenYellow=Red+GreenYellow=Red+Green加色法减色法587.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、三原色原理：任何颜色都可以用3种不同的基本颜色按照不
32、同比例混合得到，即C=aC1+bC2+cC3a，b，c=0为三种原色的权值或者比例，C1、C2、C3为三原色（又称为三基色）。597.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础形成任何特殊颜色需要的红、绿、蓝的量称做三色值，并分别表示为X，Y，Z。进而，一种颜色可用它的3个色系数表示，它们分别是：从以上公式可得：x x+y y+z z=1=1 607.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色到灰度的转换相同亮度的三原色，人眼看去的感觉是，绿色光的亮度最亮，而红色光其次，蓝色光最弱。如果用Y来表示白色光，即光的亮度(灰度)，则有如下关系：Y=0.299R+0.5
33、87G+0.114B617.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础5、CIE色度图1931年CIE制定了一个色度图，如图所示，图中横轴代表红色色系数，纵轴代表绿色色系数，蓝色系数可由：z=1-(x+y)求得。例如，标记为绿的点有62%的绿和25%的红成分，从而得到蓝的成分约为13%。627.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础彩色模型（也称彩色空间或彩色系统）的用途是在某些标准下用通常可接受的方式简化彩色规范。本质上，彩色模型是坐标系统和子空间的规范。位于系统中的每种颜色都由单个点来表示。RGB，CMY、CMYK，HSI，HSV，YUV，YIQ637.1 彩色
34、基础7.2 彩色模型7.3 全彩色图像处理基础1、RGBCCD技术直接感知R、G、B三个分量是图像成像、显示、打印等设备的基础647.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、RGB考虑RGB图像，其中每一幅红、绿、蓝图像都是一幅8bit图像，在这种条件下，每一个RGB彩色像素有24bit深度（3个图像平面乘以每平面比特数，即38）。24bit的彩色图像也称全彩色图像。在24bitRGB图像中颜色总数是224=16777216。657.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、RGB例1：生成一幅128*128的RGB图像，该图像左上角为红色，左下角为蓝色，右上
35、角为绿色，右下角为黑色。在在Matlab中中，若，若一幅一幅RGB图像是图像是 double类型的，则其取值范围在类型的，则其取值范围在0,1之间，而如果是之间，而如果是uint8或者或者uint16类型的，则取值范围分别是类型的，则取值范围分别是0,255和和0,65535。B=cat(dim,A1,A2,A3,)其中，其中，dim为维数，为维数，cat函数将函数将A1，A2，A3等矩阵连接成维数为等矩阵连接成维数为dim的矩阵的矩阵。667.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYKCMY（青、深红、黄），运用在大多数在纸上沉积彩色颜料的设备，如彩色打印机和
36、复印机CMYK（青、深红、黄、黑）l打印中的主要颜色是黑色l等量的CMY原色产生黑色，但不纯l在CMY基础上，加入黑色，形成CMYK彩色空间677.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYKRGBCMYRGBCMYK负像（负像（Color Negatives）R 1 RG 1 GB 1 B687.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYK例2：实现RGB和CMY的相互转换在在Matlab中中，imcomplement函数实现函数实现RGB和和CMY之间的转换。之间的转换。697.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基
37、础3、HSIHSI（色调、饱和度、亮度）l两个特点：I分量与图像的彩色信息无关lH和S分量与人感受颜色的方式是紧密相连的避免颜色受到光照明暗(I)等条件的干扰仅仅分析反映色彩本质的色调和饱和度广泛用于计算机视觉、图像检索和视频检索707.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSI色度H（Hue）由角度表示，彩色的色度反映了该彩色最接近什么样的光谱波长（即彩虹中的哪种颜色）。假定0o的彩色为红色，120o的为绿色，240o的为蓝色。色度从0o360o覆盖了所有可见光谱的彩色。717.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSI饱和度S（Saturatio
38、n）用矢量长表示，三角形边上点的S=1，中心S=0.亮度I（Intensity）截平面在I轴上的位置，最底端I=0，最上端I=1.柱形彩色空间727.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIRGB转换成HSI模型从RGB到HSI的变换是一个非线性变换。对任何三个在0，1范围内的R，G，B 值，737.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIRGB转换成HSI模型chapter7/code/usergb2hsi.m3：实现RGB转换到HSI的函数rgb2hsi，并调用该函数。747.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIH
39、SI转换成RGB模型用等亮度面表示HIS模型HIS模型色调角度坐标757.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIHSI转换成RGB模型767.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIHSI转换成RGB模型777.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、HSV色调H（Hue）,饱和度S（Saturation）,值V（Value）HSV对应于画家的配色方法：在纯色中加入白色改变色浓，加入黑色改变色深。787.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、HSVRGB到HSV模型的转换797.1 彩色基础7.2 彩色模型
40、7.3 全彩色图像处理基础4、HSVHSV到RGB模型的转换807.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础人眼对彩色细节的分辨能力远比对亮度细节的分辨能力低，通常把RGB空间表示的彩色图像变换到YUV或者YIQ颜色空间。每一种彩色空间都产生一种亮度分量和两种色度分量，而且亮度信号(Y)和色度信号(U、V)是相互独立的。彩色电视信号中采用YIQ或者YUV空间一是为了兼容黑白电视，二是为了实现压缩。YCbCr主要用于数字电视。817.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础5、YUVY指亮度，也可提供黑白电视机的所有影像信息U和V指色调，U和V的比值决定色调，而(U2
41、+V2)1/2代表颜色的饱和度。827.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础5、YUVRGB转换成YUVYUV转换成RGB837.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础6、YIQYIQ模型与YUV模型类似，用于NTSC制式的电视系统。I和Q分量相当于将YUV空间中的UV分量做了一个33度的旋转。RGB转换成YIQ847.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础两类处理方法：1、单独处理颜色空间的每一个通道，再复合成结果图像；2、把像素的颜色看作颜色空间中的一个点，也可以看作是一个向量，在向量空间中处理图像。857.1 彩色基础7.2 彩色模型7.
42、3 全彩色图像处理基础867.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、彩色图像的常规处理彩色变换877.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割例例1：消除红眼（：消除红眼（red eye）算法算法:（基于（基于HSI颜色空间实现图像分割）颜色空间实现图像分割）（1）RGB HSI（2）if -pi/4 Hue 0.3make it gray:Saturation 0（3）HSI RGB887.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割897.1 彩色基础7.2 彩色模型7.3 全彩色图像处
43、理基础2、彩色图像的常规处理图像分割例例2：检测皮肤：检测皮肤算法：（在RGB向量空间中实现图像分割）（1）基于感兴趣区域（Region of Interest,ROI）采样；（2）统计样本的颜色特征：平均值和标准差；（3）定义合适的包围盒；判断当前像素颜色，若处于包围盒内，则保留；否则去除。三种常用的包围盒三种常用的包围盒907.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割917.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿问题的提出：由于常用的彩色图像设备具有较宽而且相互覆盖的光谱敏感区，加上待拍摄图像的染色是
44、变化的，所以很难在三个分量图中将物体分离出来。这种现象称为颜色扩散。对颜色扩散的校正过程就称为彩色补偿。927.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿彩色补偿算法1）在画面上找到主观视觉看是纯红、绿、蓝的三个点。（如果可以根据硬件知道频段的覆盖则无须这样做）。它们的理想值为：937.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿2）计算R*,G*,B*的值 考虑到彩色补偿之后图像的亮度不变，对R*,G*,B*的计算如下：947.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿
45、3）构造变换矩阵 将所取到的三个点的RGB值分别如下所示构成彩色补偿前及补偿后的两个矩阵A1和A2。957.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿4）进行彩色补偿 设 分别为新、旧图像的像素值，则：彩色补偿967.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色平衡问题的提出：当一幅彩色图像数字化后，在显示时颜色经常看起来有些不正常，这是因为颜色通道的不同敏感度、增光因子、偏移量等原因导致，称之为三基色不平衡，将其校正的过程就是彩色平衡。977.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色平衡彩色平衡算法1）从画面中选出两点颜色为灰色，设为2）设以G 分量为基准，匹配R 和B 分量，则987.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色平衡3）由和求出和；和求出和。4）用处理后得到的图像就是彩色平衡后的图像。99总结自然界中的颜色可以用三种原色合成得到，因此彩色图像可以在一个三维的颜色空间中表示。常用的颜色空间模型有RGB模型、CMY模型、HSI模型、HSV模型等。本章介绍了彩色图像处理的一些基础问题，主要包括彩色变化、图像分割、彩色补偿和彩色平衡等方法。谢 谢！100