岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件

第五章彩色圖像處理1.彩色基礎(chǔ)2.MATLAB中彩色圖像的表示方法3.彩色空間及其轉(zhuǎn)換4.彩色圖像處理基礎(chǔ)5.彩色圖像的空間濾波6.在RGB向量直接處理第五章彩色圖像處理1.彩色基礎(chǔ)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。5.1彩色基礎(chǔ)白光5.1彩色基礎(chǔ)5.1彩色基礎(chǔ)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。5.1彩色基礎(chǔ)可見光圖

可見范圍電磁波譜的波長組成圖可見范圍電磁波譜的波長組成人眼的吸收特性：

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。

5.1彩色基礎(chǔ)人眼的吸收特性：5.1彩色基礎(chǔ)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

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）。5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)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(dú)立，即其中任何一種都不能用其他兩種混合得到。5.1彩色基礎(chǔ)三原色原理指出5.1彩色基礎(chǔ)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+cB5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)三原色原理原色相加可產(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。5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)5.2MATLAB中彩色圖像的表示方法

5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.2MATLAB中彩色圖像的表示方法5.2.1RGRGB模型

RGB模型采用CIE規(guī)定的三基色構(gòu)成表色系統(tǒng)。自然界的任一顏色都可通過這三種基色按不同比例混合而成。由于RGB模型將三基色同時加入以產(chǎn)生新的顏色，所以，它是一個加色系統(tǒng)。

設(shè)顏色傳感器把數(shù)字圖像上的一個像素編碼成(R，G，B)，每個分量量化范圍為［0，255］共256級。因此，RGB模型可以表示

256×256×256=16777216≈1670萬種顏色。這足以表示自然界的任一顏色，故又稱其為24位真彩色。RGB模型

RGB模型采用CIE規(guī)定的三基色構(gòu)成表色系統(tǒng)一幅圖像中的每一個像素點(diǎn)均被賦予不同的RGB值，便可以形成真彩色圖像，如紅色(255，0，0)、綠色(0，255，0)、藍(lán)色(0，0，255)、青色(0，255，255)、品紅(255，0，255)、黃色(255，255，0)、白色(255，255，255)、黑色(0，0，0)等，等比例混合三基色產(chǎn)生的是灰色。

RGB顏色模型可用一個三維空間中的單位立方體來表示，如圖所示。一幅圖像中的每一個像素點(diǎn)均被賦予不同的RGB值，便可以形成真RGB立方體及rgbcube函數(shù)(1,0,0)(0,0,1)(0,1,0)RBG紅綠藍(lán)黑白青黃品紅灰度級RGB立方體及rgbcube函數(shù)(1,0,0)(0,functionrgbcube(vx,vy,vz)vertices_matrix=[000;001;010;011;100;101;110;111];faces_matrix=[1562;1375;1243;2486;3784;5687];colors=vertices_matrix;patch('Vertices',vertices_matrix,'Faces',faces_matrix,...'FaceVertexCData',colors,'FaceColor','interp',...'EdgeAlpha',0)%Setupviewingpoint.ifnargin==0vx=10;vy=10;vz=4;elseifnargin~=3error('Wrongnumberofinputs.')endaxisoffview([vx,vy,vz])axissquarefunctionrgbcube(vx,vy,vz)RGB圖像一幅RGB圖像就是彩色像素有一個M×N×3數(shù)組,其中每一個彩色像素點(diǎn)都是在特定空間位置的彩色圖像對應(yīng)的紅,綠,藍(lán)三個分量.紅色分量圖像綠色分量圖像藍(lán)色分量圖像RGB圖像一幅RGB圖像就是彩色像素有一個M×N×3數(shù)組,利用cat函數(shù)將分量圖像合成彩色圖像

rgb_image=cat(3,fR,fG,fB)從彩色圖像中提取三幅分量圖像

fR=rgb_image(:,:,1)fG=rgb_image(:,:,2)fB=rgb_image(:,:,3)利用cat函數(shù)將分量圖像合成彩色圖像5.1MATLAB中彩色圖像的表示

5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.1MATLAB中彩色圖像的表示5.2.1RGB2.索引圖像

索引圖像:由數(shù)據(jù)矩陣X和色彩映射矩陣map組成

X是一個整數(shù)的數(shù)據(jù)矩陣矩陣map是一個大小為L×3，取值在[0，1]的double類的數(shù)組，其長度L同它所定義的顏色數(shù)目相等。2.索引圖像索引圖像:由數(shù)據(jù)矩陣X和色彩映射矩陣map組

X與map之間的對應(yīng)X為double型

X(i,j)?map(1,:)，當(dāng)X(i,j)<=1

X(i,j)?map(n,:)，當(dāng)X(i,j)<=n(n≥2)X為uint8或uint16

X(i,j)?map(1,:),當(dāng)X(i,j)≤0

X(i,j)?map(n,:),當(dāng)X(i,j)=n-1(n≥2)X與map之間的對應(yīng)r1g1b1r2g2b2......rkgkbk......rLgLbL圓圈圈過的元素之值=k-1(X為uint8uint16)Xmap

索引圖像X與對應(yīng)示意圖r1g1b1r2g2b2......rkgkbk......

索引圖像文件的讀取[X,map]=imread(filename,fmt)[X,map]=imread(filename,fmt)readstheindexedimageinfilenameintoXanditsassociatedcolormapinto

map.Thecolormapvaluesarerescaledtotherange[0,1].

索引圖像的顯示imshow(X,map)或image(X)colormap(map)索引圖像文件的讀取

索引圖像的存儲imwrite(X,map,filename,fmt)imwrite(X,map,filename,fmt)writestheindexedimageinXanditsassociatedcolormapmaptofilenameintheformatspecifiedby

fmt.IfXisofclassuint8oruint16,imwritewritestheactualvaluesinthearraytothefile.IfXisofclassdouble,theimwritefunctionoffsetsthevaluesinthearraybeforewriting,usinguint8(X-1).ThemapparametermustbeavalidMATLABcolormap.Notethatmostimagefileformatsdonotsupportcolormapswithmorethan256entries.索引圖像的存儲

索引圖像的近似表示IPT函數(shù)imapprox

[Y,newmap]=imapprox(X,map,n)

利用彩色映射newmap返回一個數(shù)組Y，該數(shù)組最多有n種顏色；X可以是uint8類,unit16類或double類；若n小于等于256，則Y是uint8，若n大于256，則Y為double類。索引圖像的近似表示

指定圖像背景顏色I(xiàn)PT函數(shù)whitebgwhitebg(‘g’)whitebg(‘green’)whitebg([010])指定彩色圖像的方法map(k,:)=[r(k),g(k),b(k)]

使用預(yù)定義彩色映射顯示索引圖像imshow(X,預(yù)定義彩色映射)指定圖像背景顏色I(xiàn)PT函數(shù)whitebg5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.2MATLAB中彩色圖像的表示方法5.2.1RGB圖像5.2MATLAB中彩色圖像的3.用來處理RGB圖像和索引圖像的IPT函數(shù)函數(shù)目的dither采用“抖動”從RGB圖像創(chuàng)建索引圖像grayslice從灰度級亮度圖像通過多級閾值創(chuàng)建索引圖像gray2ind從灰度級亮度圖像創(chuàng)建索引圖像ind2gray從索引圖像創(chuàng)建灰度級亮度圖像rgb2ind從RGB圖像創(chuàng)建索引圖像ind2rgb從索引圖像創(chuàng)建RGB圖像rgb2gray從RGB圖像創(chuàng)建灰度級亮度圖像表5.3RGB、索引和灰度級亮度圖像間轉(zhuǎn)換的IPT函數(shù)3.用來處理RGB圖像和索引圖像的IPT函數(shù)函數(shù)目的dit

函數(shù)dither

處理灰度圖bw=dither(gray_image)gray_image是一幅灰度圖像bw是抖動的結(jié)果（一幅二值圖像）處理彩色圖像主要與函數(shù)rgb2ind結(jié)合使用，以減少圖像中顏色數(shù)目函數(shù)ditherf=imread('Fig0635(top_left_flower).tif');figure(1)imshow(f)[X1,map1]=rgb2ind(f,8,'nodither');figure(2)imshow(X1,map1)[X2,map2]=rgb2ind(f,8,'dither');figure(3)imshow(X2,map2)g=rgb2gray(f);g1=dither(g);figure(4)imshow(g)figure(5)imshow(g1)f=imread('Fig0635(top_left_fl

函數(shù)grayslice格式一:X=grayslice(gray_image,n)格式二:X=grayslice(gray_image,v)函數(shù)grayslice

函數(shù)gray2ind

函數(shù)ind2gray

函數(shù)rgb2ind

函數(shù)ind2rgb

函數(shù)rgb2gray函數(shù)gray2ind1.顏色模型為了科學(xué)地定量描述和使用顏色，人們提出了各種顏色模型。目前常用的顏色模型按用途可分為三類：計算顏色模型、視覺顏色模型和工業(yè)顏色模型。

計算顏色模型用于進(jìn)行有關(guān)顏色的理論研究。常見的RGB模型、CIEXYZ模型、Lab模型等均屬于此類型。視覺顏色模型是指與人眼對顏色感知的視覺模型相似的模型，它主要用于色彩的理解，常見的有HSI模型、HSV模型和HSL模型。

5.3彩色空間轉(zhuǎn)換1.顏色模型為了科學(xué)地定量描述和使用顏色，人們提出了各種工業(yè)顏色模型側(cè)重于實(shí)際應(yīng)用，包括彩色顯示系統(tǒng)、彩色傳輸系統(tǒng)及電視傳輸系統(tǒng)等。如印刷中用的CMYK模型、電視系統(tǒng)用的YUV模型、用于彩色圖像壓縮的YCbCr模型等。工業(yè)顏色模型側(cè)重于實(shí)際應(yīng)用，包括彩色顯示系統(tǒng)、彩色傳輸系統(tǒng)及1.NTSC彩色空間NTSC彩色制式在美國用于電視系統(tǒng)。這種形式的一個主要優(yōu)勢是灰度信息和彩色信息是分離的，所以同一個信號既可用于彩色電視機(jī)，也可以用于黑白電視機(jī)。在NTSC制式中，圖像數(shù)據(jù)由三個部分組成：亮度（Y）、色調(diào)（I）和飽和度（Q）。1.NTSC彩色空間NTSC彩色制式在美國用于電視系統(tǒng)。這NTSC彩色空間與RGB彩色空間之間的轉(zhuǎn)換NTSC彩色空間與RGB彩色空間之間的轉(zhuǎn)換NTSC圖像與RGB圖像之間的轉(zhuǎn)換IPT函數(shù)

函數(shù)rgb2ntscyiq_image=rgb2ntsc(rgb_image)函數(shù)ntsc2rgbrgb_image=ntsc2rgb(yiq_image)NTSC圖像與RGB圖像之間的轉(zhuǎn)換IPT函數(shù)2.YCbCr彩色空間YCbCr彩色空間廣泛應(yīng)用于數(shù)字視頻。在這種格式中，亮度信息用單個分量Y表示，彩色信息用兩個色差分量和來存儲。Cb是藍(lán)色分量和一個參考值的差，Cr是紅色分量和一個參考值的差。RGB轉(zhuǎn)換成YCbCr2.YCbCr彩色空間YCbCr彩色空間廣泛應(yīng)用于數(shù)字視頻YCbCr圖像與RGB圖像之間的轉(zhuǎn)換IPT函數(shù)函數(shù)rgb2ycbcryiq_image=rgb2ycbcr(rgb_image)函數(shù)ycbcr2rgbrgb_image=ycbcr2rgb(yiq_image)YCbCr圖像與RGB圖像之間的轉(zhuǎn)換IPT函數(shù)HSI模型是美國色彩學(xué)家孟塞爾(H.A.Munseu)于1915年提出的，它反映了人的視覺系統(tǒng)感知彩色的方式，以色調(diào)、飽和度和強(qiáng)度三種基本特征量來感知顏色。

色調(diào)H(Hue)：與光波的波長有關(guān)，它表示人的感官對不同顏色的感受，如紅色、綠色、藍(lán)色等，它也可表示一定范圍的顏色，如暖色、冷色等。

飽和度S(Saturation)：表示顏色的純度，純光譜色是完全飽和的，加入白光會稀釋飽和度。飽和度越大，顏色看起來就會越鮮艷，反之亦然。3.HSI彩色空間HSI模型是美國色彩學(xué)家孟塞爾(H.A.強(qiáng)度I(Intensity)：對應(yīng)成像亮度和圖像灰度，是顏色的明亮程度。

HSI模型的建立基于兩個重要的事實(shí)：①I分量與圖像的彩色信息無關(guān)；②H和S分量與人感受顏色的方式是緊密相聯(lián)的。這些特點(diǎn)使得HSI模型非常適合彩色特性檢測與分析。

若將RGB單位立方體沿主對角線進(jìn)行投影，可得到圖所示的六邊形，這樣，原來沿主對角線的灰色都投影到中心白色點(diǎn)，而紅色點(diǎn)(1，0，0)則位于右邊的角上，綠色點(diǎn)(0，1，0)位于左上角，藍(lán)色點(diǎn)(0，0，1)則位于左下角。強(qiáng)度I(Intensity)：對應(yīng)成像亮度和圖像灰度，是顏圖HSI顏色模型(1,0,0)(0,0,1)(0,1,0)RBG紅綠藍(lán)黑白青黃品紅灰度級圖HSI顏色模型(1,0,0)(0,0,1圖(b)是HSI顏色模型的雙六棱錐表示，I是強(qiáng)度軸，色調(diào)H的角度范圍為［0，2π］，其中，純紅色的角度為0，純綠色的角度為2π/3，純藍(lán)色的角度為4π/3。飽和度S是顏色空間任一點(diǎn)距I軸的距離。當(dāng)然，若用圓表示RGB模型的投影，則HSI色度空間為雙圓錐3D表示。注意：當(dāng)強(qiáng)度I=0時，色調(diào)H、飽和度S無定義；當(dāng)S=0時，色調(diào)H無定義。

HSI模型也可用圓柱來表示，如圖所示。若將其展開，并按圖進(jìn)行定義，可得到HSI調(diào)色板。圖(b)是HSI顏色模型的雙六棱錐表示，I是強(qiáng)度軸，色調(diào)HHSI調(diào)色板HSI調(diào)色板圓柱HSI模型圓柱HSI模型HSI模型與RGB模型之間可按下述方法相互轉(zhuǎn)換。

(1)RGB轉(zhuǎn)換到HSI。HSI模型與RGB模型之間可按下述方法相互轉(zhuǎn)換。functionhsi=rgb2hsi(rgb)rgb=im2double(rgb);r=rgb(:,:,1);g=rgb(:,:,2);b=rgb(:,:,3);%Implementtheconversionequations.num=0.5*((r-g)+(r-b));den=sqrt((r-g).^2+(r-b).*(g-b));theta=acos(num./(den+eps));H=theta;H(b>g)=2*pi-H(b>g);%B>G時，H[1800,3600]，而2-H[1800,3600]H=H/(2*pi);functionhsi=rgb2hsi(rgb)num=min(min(r,g),b);den=r+g+b;den(den==0)=eps;S=1-3.*num./den;H(S==0)=0;I=(r+g+b)/3;%Combineallthreeresultsintoanhsiimage.hsi=cat(3,H,S,I);num=min(min(r,g),b);figure(2)subplot(2,2,1)imshow(H)title(‘色調(diào)圖像)subplot(2,2,2)imshow(S)title(‘飽和度圖像')subplot(2,2,3)imshow(I)title(‘強(qiáng)度圖像')subplot(2,2,4)imshow(hsi)title(‘HIS圖像')oìé?·?á?figure(2)oìé?·?á?（2）從HSI轉(zhuǎn)換到RGB：a.當(dāng)H在之間時：b.當(dāng)H在之間時：（2）從HSI轉(zhuǎn)換到RGB：b.當(dāng)H在c.當(dāng)H在之間時：c.當(dāng)H在之間時：functionrgb=hsi2rgb(hsi)H=hsi(:,:,1)*2*pi;S=hsi(:,:,2);I=hsi(:,:,3);%Implementtheconversionequations.R=zeros(size(hsi,1),size(hsi,2));G=zeros(size(hsi,1),size(hsi,2));B=zeros(size(hsi,1),size(hsi,2));%RGsector(0<=H<2*pi/3).functionrgb=hsi2rgb(hsi)idx=find((0<=H)&(H<2*pi/3));B(idx)=I(idx).*(1-S(idx));R(idx)=I(idx).*(1+S(idx).*cos(H(idx))./...cos(pi/3-H(idx)));G(idx)=3*I(idx)-(R(idx)+B(idx));%BGsector(2*pi/3<=H<4*pi/3).idx=find((2*pi/3<=H)&(H<4*pi/3));R(idx)=I(idx).*(1-S(idx));G(idx)=I(idx).*(1+S(idx).*cos(H(idx)-2*pi/3)./...cos(pi-H(idx)));idx=find((0<=H)&(H<2*pi/3));B(idx)=3*I(idx)-(R(idx)+G(idx));%BRsector(4*pi/3<=H<=2*pi).idx=find((4*pi/3<=H)&(H<=2*pi));G(idx)=I(idx).*(1-S(idx));B(idx)=I(idx).*(1+S(idx).*cos(H(idx)-4*pi/3)./...cos(5*pi/3-H(idx)));R(idx)=3*I(idx)-(G(idx)+B(idx));rgb=cat(3,R,G,B);rgb=max(min(rgb,1),0);B(idx)=3*I(idx)-(R(idx)+G(idx)HIS圖像RGB圖像HIS圖像RGB圖像例題：正確顯示彩色圖像的R，G，B分量。解：彩色圖像中的各分量可以用灰度圖形式表示，例如淺色表示分量值較大，而深色表示分量值較小。顯示彩色圖像R，G，B分量的源程序如下：f=imread('.jpg');fR=f(:,:,1);fG=f(:,:,2);fB=f(:,:,3);g=cat(3,fR,fG,fB);subplot(231)imshow(f)title(‘原始圖像')subplot(232)imshow(fR,[])title(‘紅色分量')subplot(233)imshow(fG,[])title(‘綠色分量')subplot(234)imshow(fR,[])title(‘藍(lán)色分量')subplot(235)imshow(g,[])title(‘分量合成圖像')例題：正確顯示彩色圖像的R，G，B分量。本程序運(yùn)行結(jié)果如下：本程序運(yùn)行結(jié)果如下：gR=g;gG=g;gB=g;gR(:,:,2)=0;gR(:,:3)=0;gG(:,:,1)=0;gG(:,:3)=0;gB(:,:,1)=0;gB(:,:2)=0;subplot(131)imshow(fR,[])title(‘紅色分量')subplot(132)imshow(fG,[])title(‘綠色分量')subplot(133)imshow(fR,[])title(‘藍(lán)色分量')gR=g;gG=g;gB=g;岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件例題：RGB彩色立方體圖像的HSI分量圖像。f=imread('rgbcube.tif');subplot(221)imshow(f,[])title('原圖')hsi1=rgb2hsi(f);subplot(222)imshow(hsi(:,:,1),[])title('色調(diào)分量')subplot(223)imshow(hsi(:,:,2),[])title('飽和度分量')subplot(224)imshow(hsi(:,:,3),[])title('亮度分量')例題：RGB彩色立方體圖像的HSI分量圖像。岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件CMY模型也是一種常用的表示顏色的方式。印刷工業(yè)常采用CMY色彩系統(tǒng)，它是通過顏色相減來產(chǎn)生其它顏色的，所以，稱這種方式為減色合成法(SubtractiveColorSynthesis)。

CMY模式的原色為青色(Cyan)、品紅色(Magenta)、黃色(Yellow)。青色、品紅色、黃色是該表色系統(tǒng)的三基色，它們分別對應(yīng)三種墨水。青色吸收紅光，品紅色吸收綠光，黃色吸收藍(lán)光，印刷好的圖像被白光照射時會產(chǎn)生合適的反射，從而形成不同的色彩。部分顏色的CMY編碼為：白色(0，0，0)，因?yàn)榘咨獠粫晃眨缓谏?255，255，255)，因?yàn)榘坠獾乃谐煞侄紩晃?；黃色(0，0，255)，因?yàn)槿肷浒坠庵械乃{(lán)色成分容易被墨水吸收，從而留下了紅色和綠色成分，使人感覺到黃色。4.CMY顏色模型CMY模型也是一種常用的表示顏色的方式。印CMY與RGB的轉(zhuǎn)換關(guān)系為式中：C、M、Y，R、G、B都?xì)w一化到［0，1］范圍。在實(shí)際應(yīng)用中，由于黑色(Black)用量較大，印刷中往往直接用黑色墨水來產(chǎn)生黑色，從而節(jié)約青色、品紅色、黃色三種墨水的用量。因此，常常用CMYK來表示CMY模型。CMY與RGB的轉(zhuǎn)換關(guān)系為式中：C、M、Y，R、G、B都?xì)w式中：x、y、z稱為標(biāo)準(zhǔn)計色系統(tǒng)下的色度坐標(biāo)，可表示為顯然，x＋y＋z≡1。5．CIEXYZ模型

采用RGB模型表示各種不同顏色時，存在有負(fù)值表示顏色。為此，CIE1931年制定了XYZ模型，其中，X、Y、Z分別表示三種標(biāo)準(zhǔn)原色。對于可見光中的任一種顏色F，可以找到一組權(quán)值使：式中：x、y、z稱為標(biāo)準(zhǔn)計色系統(tǒng)下的色度坐標(biāo)，可表示為顯然x、y、z中，只有兩個是相互獨(dú)立的，因此，表示某種顏色只需兩個坐標(biāo)即可。據(jù)此，CIE制定了如圖所示的色度圖，圖中橫軸代表標(biāo)準(zhǔn)紅色分量x，縱軸代表標(biāo)準(zhǔn)綠色分量y，標(biāo)準(zhǔn)藍(lán)色分量z=1－(x＋y)。x、y、z中，只有兩個是相互獨(dú)立的，因此，表示某種顏色只需兩

該圖以x（紅）和y（綠）表示顏色組成，對于x和y的任何值，其相應(yīng)的藍(lán)值可由公式得到（見右圖），圖中標(biāo)記為綠的點(diǎn)有62％的綠和25％的紅成分，由公式得到藍(lán)的成分約為13％。該圖以x（紅）和y（綠）表示顏色組成，對于x和y從觀察可知：色度圖中每點(diǎn)都對應(yīng)一種可見的顏色；色度圖邊界上的點(diǎn)代表純顏色；白色的等能量點(diǎn)C由3原色各1/3組合而成；顏色點(diǎn)P的色調(diào)：由CP連線與色度圖邊界交點(diǎn)Q決定；顏色點(diǎn)P的飽和度：由CP/CQ決定；三角形內(nèi)的任意顏色由三角形三頂點(diǎn)上的三色組合而成。從觀察可知：CIEXYZ模型與RGB模型之間可以相互轉(zhuǎn)換，其轉(zhuǎn)換公式為CIEXYZ模型與RGB模型之間可以相互轉(zhuǎn)換，其轉(zhuǎn)換公式為Lab顏色模型是CIE于1976年制定的等色空間。Lab顏色由亮度或光亮度分量L和a、b兩個色度分量組成。其中，a在正向的數(shù)值越大表示越紅，在負(fù)向的數(shù)值越大則表示越綠；b在正向的數(shù)值越大表示越黃，在負(fù)向的數(shù)值越大表示越藍(lán)。Lab顏色與設(shè)備無關(guān)，無論使用何種設(shè)備(如顯示器、打印機(jī)、計算機(jī)或掃描儀)創(chuàng)建或輸出圖像，這種模型都能生成一致的顏色。Lab模型與XYZ模型的轉(zhuǎn)換公式為5.Lab顏色模型Lab顏色模型是CIE于1976年制定的等色空間。Lab顏色式中：X0、Y0、Z0為標(biāo)準(zhǔn)白色對應(yīng)的X、Y、Z值。式中：X0、Y0、Z0為標(biāo)準(zhǔn)白色對應(yīng)的X、Y、Z值。什么叫偽彩色圖像處理?也叫假彩色圖像處理根據(jù)一定的準(zhǔn)則對灰度值按照一種線性或非線性函數(shù)關(guān)系映射成相應(yīng)的彩色區(qū)分：偽彩色圖像、真彩色圖像、單色圖像應(yīng)用為人們觀察和解釋圖像中的灰度目標(biāo)怎樣進(jìn)行偽彩色圖像處理？

1. 強(qiáng)度分層技術(shù)

2. 灰度級到彩色轉(zhuǎn)換技術(shù)5.4偽彩色處理

什么叫偽彩色圖像處理?5.4偽彩色處理岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件

若將灰度圖像級用M個切割平面去切割。就會得到M+1個不同灰度級的區(qū)域S1，S2，…，SM，SM+1。對這M+1個區(qū)域中的像素人為分配給M+1種不同顏色，就可以得到具有M+1種顏色的偽彩色圖像。優(yōu)點(diǎn)是簡單易行，便于用軟件或硬件實(shí)現(xiàn)。若將灰度圖像級用M個切割平面去切割。就會得

(a)單色圖像(b)強(qiáng)度分為8個彩色的結(jié)果(a)單色圖像

(a)降雨的灰度圖像(b)對強(qiáng)度值賦予的彩色

(c)彩色編碼圖像(d)南美區(qū)域的放大圖(a)降雨的灰度圖像(b)對強(qiáng)度偽彩色處理的灰度分層方法I=imread('moon.tif');imshow(I);x=grayslice(I,16);figure;imshow(x,hot(16));hot是M軟件預(yù)定義的色圖矩陣，如：cool，copper偽彩色處理的灰度分層方法I=imread('moon.tif

其變換過程為：將灰度圖像送入具有不同變換特性的紅、綠、藍(lán)3個變換器，再將輸出分別送到彩色顯像管的紅、綠、藍(lán)電子槍，從而在彩色顯像管里合成某種色彩?？梢?，不同大小灰度級一定可以合成不同色彩。2.灰度級到彩色轉(zhuǎn)換其變換過程為：將灰度圖像送入具有不同變換特

從圖中可見，若f（x,y）=0，則IB(x,y)=L,IR(x,y)=IG(x,y)=0，從而顯示藍(lán)色。同樣，若f(x,y)=L／2，則IG(x,y)=L，IR(x,y)=IB(x,y)=0，從而顯示綠色。若f(x,y)=L,則IR(x,y)=L，IB(x,y)=IG(x,y)=0，從而顯示紅色。因此不難理解，若灰度圖像f(x,y)灰度級在0～L之間變化，IR

、IB

、IG會有不同輸出，從而合成不同的彩色圖像。從圖中可見，若f（x,y）=0，則IB(x,突出裝在行李內(nèi)的爆炸物的偽彩色應(yīng)用突出裝在行李內(nèi)的爆炸物的偽彩色應(yīng)用多光譜圖像彩色編碼(a)紅圖像(b)綠圖像(c)藍(lán)圖像(d)近紅外圖像(e)RGB圖像（由(a)(b)(c)合成）(f)由(d)(b)(c)合成（生物顯示紅色，混凝土顯示淺藍(lán)色）多光譜圖像彩色編碼(a)紅圖像(a)木星的偽彩色圖像(b)靠近的圖像岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件知識回顧1、如何表示圖像中一點(diǎn)的彩色值?在常用的顏色空間中，哪個顏色空間最接近人的視覺系統(tǒng)的特點(diǎn)？圖像中一點(diǎn)的彩色值用顏色三維空間中的一個點(diǎn)來表示，每個點(diǎn)有三個分量，不同的顏色空間各分量的含義不同。許多實(shí)用系統(tǒng)中，大量應(yīng)用的是HSI模型，這個模型是由色度（H），飽和度（S

），亮度（I）三個分量組成的，與人的視覺特性比較接近。該模型的重要性在于：一方面消除

了亮度成分I在圖像中與顏色信息的聯(lián)系，另一方面色調(diào)H

和飽和度S

分量與人的視覺感受密切相關(guān)?；谌说囊曈X系統(tǒng)的顏色感覺特性，這些特征使HSI模型成為一個研究圖像處理的重要工具。知識回顧1、如何表示圖像中一點(diǎn)的彩色值?在常用的顏色空間中，2、色調(diào)、色飽和度和亮度的定義是什么？在表征圖像一點(diǎn)顏色時，各起什么作用？HSI模型由色度（H

），飽和度（S

），亮度（I）三個分量組成的，與人的視覺特性比較接近。色調(diào)（H）表示顏色的種類，用角度來標(biāo)定，用-180～180或0

～360

度量。

色飽和度（S

）表示顏色的深淺，在徑向方向上的用離開中心線的距離表示。用百分比來度量，從0%到完全飽和的100%。

亮度（I）表示顏色的明亮程度，用垂直軸表示。也通常用百分比度量，從0%（黑）到100%（白）。2、色調(diào)、色飽和度和亮度的定義是什么？在表征圖像一點(diǎn)顏色時，3、什么是彩色的減性模型和加性模型？哪一種模型更適合用于顯示、圖片和打印場合？由三基色混配各種顏色通常有兩種方法：相加混色法和相減混色法。相加混色和相減混色的主要區(qū)別表現(xiàn)在以下三個方面：

（1

）相加混色是由發(fā)光體發(fā)出的光相加而產(chǎn)生的各種顏色，而相減混色是先有白色光，然后從中減去某些成份（吸收）得到各種顏色。

（2

）相加混色的三基色是紅、綠、藍(lán)，而相減混色的三基色是黃、青、品紅。也就是說，相加混色的補(bǔ)色就是相減混色的基色。

（3

）相加混色和相減混色有不同的規(guī)律。

彩色電視機(jī)顯示的顏色是通過相加混色產(chǎn)生的。而彩色電影和幻燈片等與繪畫原料、打

印機(jī)打印圖片等是通過相減混色產(chǎn)生各種顏色的。3、什么是彩色的減性模型和加性模型？哪一種模型更適合用于顯示5.5彩色變換彩色圖像處理包括：（1）分別處理每一個分量圖像，再合成（2）直接對彩色像素處理用于灰度級圖像和RGB彩色圖像的空間掩模5.5彩色變換彩色圖像處理包括：用于灰度級圖像和RGB彩1.彩色變換公式

或式中：ri、si為f(x，y)和g(x，y)在圖像中任一點(diǎn)的彩色分量值；{T1，T2，…，Tn}為變換函數(shù)集。n的值由顏色模型而定，若選擇RGB模型，則n=3；r1、r2、r3分別表示輸入圖像的紅、綠、藍(lán)分量；選擇CMYK模型，則n=4。1.彩色變換公式式中：ri、si為f(x，y)和g(全彩色CMYK圖像RGB圖像HSI圖像全彩色要改進(jìn)圖像的亮度HSI彩色空間，RGB彩色空間，CMY彩色空間，要改進(jìn)圖像的亮度HSI彩色空間，用彩色變換調(diào)整圖像亮度。(a)原圖(b)減少亮度30%的結(jié)果。(c)~(e)所要求的RGB、CMY和HIS變換函數(shù)。IH，S用彩色變換調(diào)整圖像亮度。IH，S2.補(bǔ)色與一種色調(diào)直接相對立的另一種色調(diào)稱為補(bǔ)色。類似彩色照片的負(fù)片

RGB彩色圖像g(x,y)=1-f(x,y)2.補(bǔ)色(a)原像(b)補(bǔ)色變換函數(shù)(c)基于RGB的變換(d)基于HSI的變換岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件3.色調(diào)和彩色校正對灰度進(jìn)行變換主調(diào)型：一幅圖像的灰度范圍。高主調(diào)圖像的多數(shù)信息集中在高亮度處。

RGB和CMY空間，用相同的變換函數(shù)映射3個彩色分量

HSI彩色空間，則僅改進(jìn)亮度分量等量地調(diào)整紅、綠、藍(lán)分量沒有改變圖像色調(diào)3.色調(diào)和彩色校正對灰度進(jìn)行變換岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件彩色平衡彩色平衡4.直方圖處理均勻地擴(kuò)展彩色強(qiáng)度，保留彩色本身（即色調(diào)）不變獨(dú)立地進(jìn)行彩色圖像分量的直方圖均衡，將產(chǎn)生不正確的彩色4.直方圖處理(a)原像(b)變換函數(shù)(c)只均衡強(qiáng)度分量(d)增加飽和度分量，再調(diào)整強(qiáng)度分量岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件5.6平滑和銳化1.彩色圖像平滑

RGB彩色圖像的鄰域SxyHSI彩色模型，只對強(qiáng)度分量平滑（原色調(diào)和飽和度不變）5.6平滑和銳化1.彩色圖像平滑HSI彩色模型原圖像RGB分量圖像HSI分量圖像原圖像rgb=imread('Fig0646(a)(lenna_original_RGB).tif');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);rgb=imread('Fig0646(a)(lenna_ohsi=rgb2hsi(rgb);hsi(:,:,3)=imfilter(hsi(:,:,3),w);hsi_filtered=hsi2rgb(hsi);imwrite(hsi_filtered,'R2.bmp')sub=double(rgb_filtered)-hsi_filtered;figure(1)subplot(221)imshow(rgb)subplot(222)imshow(rgb_filtered)subplot(223)imshow(hsi_filtered)subplot(224)imshow(sub)hsi=rgb2hsi(rgb);用5×5均值模板平滑濾波(1)原圖(2)RGB分量處理(3)處理強(qiáng)度分量并轉(zhuǎn)換為RGB(4)兩種結(jié)果的差別用5×5均值模板平滑濾波2.彩色圖像銳化

RGB彩色系統(tǒng)中，分別計算每一分量圖像的拉普拉斯再去計算全彩色圖像

HSI彩色系統(tǒng)中，只計算強(qiáng)度分量的拉普拉斯而色調(diào)和飽和度分量不變2.彩色圖像銳化使用經(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(‘Fig0646(a)(lenna_original_RGB).tif’)；

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);使用經(jīng)典的Laplacian濾波模板分別對每個分量圖像進(jìn)行銳用拉普拉斯進(jìn)行圖像銳化(a)RGB分量處理(b)處理強(qiáng)度分量并轉(zhuǎn)換為RGB(c)兩種結(jié)果的差別用拉普拉斯進(jìn)行圖像銳化5.7彩色分割HSI彩色空間分割為了在色調(diào)圖像中分離出感興趣的特征區(qū)，飽和度被用做一個模板圖像。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(qiáng)度不攜帶彩色信息，彩色圖像分割一般不使用強(qiáng)度圖像。5.7彩色分割HSI彩色空間分割

在HSI空間的圖像分割。假定興趣是分割圖中紅色花朵。注意：我們感興趣的區(qū)域有相對高的色度值。在HSI空間的圖像分割。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;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abcdef圖在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(qiáng)度分量I，(e)二值飽和度模板（黑=0），（f）紅色花的分割結(jié)果abcdef圖在HSI空間的圖像分割。(a)原像(b)色調(diào)(c)飽和度(d)強(qiáng)度(e)二值飽和度模板(f)(b)*(e)(g)(f)的直方圖(h)(a)中紅分量的分割(a)原像假設(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(diǎn)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。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(diǎn)，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：令這個平均彩色用RGB向量a來表示。z和a之間的距離z和a之間的距離對一幅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(diǎn)的平均向量a。盒子的中點(diǎn)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(diǎn)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(diǎn)的結(jié)果為：如果點(diǎn)位于盒子表面或內(nèi)部為白色，否則為黑色。

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(diǎn)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;rgb=imread('flower608.jpg');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)果圖9.15RGB空間分割。（a）RGB原圖像，（b）R分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(dú)顏色分量圖像為基礎(chǔ)計算邊緣（2）在彩色空間直接計算邊緣的問題。3.彩色邊緣檢測

邊緣檢測對圖像分割是一個重要的工具。3.彩色邊緣檢測標(biāo)量函數(shù)的梯度標(biāo)量函數(shù)的梯度一般方法：分別計算各個顏色分量圖像的梯度，然后形成彩色圖像的梯度。得到的結(jié)果行否？向量的梯度?岡薩雷斯數(shù)字圖像處理第五章彩色圖像處理課件令c代表RGB彩色空間中的任意向量，c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：首要的問題：定義向量c在任意點(diǎn)（x，y）處的梯度（幅度和方向）。令c代表RGB彩色空間中的任意向量，c的分量是一幅彩色圖像在標(biāo)量函數(shù)f（x，y）在坐標(biāo)（x，y）處的梯度：是指向f的最大變化率方向的向量。將這一思想擴(kuò)展到向量梯度，下面介紹各種方法中的一種。令r，g，b是RGB彩色空間沿R，G，B軸的單位向量，可定義向量為：標(biāo)量函數(shù)f（x，y）在坐標(biāo)（x，y）處的梯度：是指向f的最大數(shù)量gxx，gyy，gxy定義為這些向量的點(diǎn)乘，如下所示：數(shù)量gxx，gyy，gxy定義為這些向量的點(diǎn)乘，如下所示：參考文獻(xiàn)指出，c（x，y）的最大變化率方向由角度給出：（x，y）點(diǎn)在方向上變化率的值由下式給出：參考文獻(xiàn)指出，c（x，y）的最大變化率方向由角度給出：（x，在向量空間的邊緣檢測例子比較兩種彩色圖像邊緣檢測：（1）由各個顏色分量圖像梯度的混合檢測邊緣（2）用彩色空間的向量梯度檢測邊緣。計算時，偏導(dǎo)數(shù)用Sobel算子實(shí)現(xiàn)在向量空間的邊緣檢測計算時，偏導(dǎo)數(shù)用Sobel算子實(shí)現(xiàn)圖（a）RGB圖像，（b）R分量邊緣，（c）G分量邊緣，（d）B分量邊緣，（e）三分量疊加后邊緣，（f）彩色向量梯度計算后邊緣，（g）（f）和（e）之間的差別圖（a）RGB圖像，（b）R分量邊緣，（c）G分量邊緣，（d在向量空間的邊緣檢測例子比較兩種彩色圖像邊緣檢測：由各個顏色分量圖像梯度的混合檢測邊緣和用彩色空間的向量梯度檢測邊緣。圖（f）是圖（a）圖像的梯度，它是用剛剛討論的向量方法得到的。圖（b）~（d）顯示了由計算每一個RGB分量圖像的梯度，通過在每一坐標(biāo)點(diǎn)（x，y）處疊加相應(yīng)的3個分量值混合的梯度圖像得到圖（e）。圖（f）中向量梯度圖像的邊緣細(xì)節(jié)比圖（e）中單獨(dú)平面梯度圖像混合的細(xì)節(jié)更完全。圖（g）圖像顯示了在每一點(diǎn)（x，y）處的兩種梯度圖像間的差別。圖（f）中可以產(chǎn)生額外的細(xì)節(jié)，但同時也增加了附加計算量，是否值得僅由給定問題的要求決定。在向量空間的邊緣檢測小結(jié)

自然界中的顏色可以用三種原色合成得到，因此彩色圖像可以在一個三維的顏色空間中表示。常用的顏色空間模型有RGB模型、HSI模型等。本章介紹了彩色圖像處理的一些基礎(chǔ)問題，主要包括彩色圖像增強(qiáng)、平滑、銳化、分割等方法。

小結(jié)第五章彩色圖像處理1.彩色基礎(chǔ)2.MATLAB中彩色圖像的表示方法3.彩色空間及其轉(zhuǎn)換4.彩色圖像處理基礎(chǔ)5.彩色圖像的空間濾波6.在RGB向量直接處理第五章彩色圖像處理1.彩色基礎(chǔ)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。5.1彩色基礎(chǔ)白光5.1彩色基礎(chǔ)5.1彩色基礎(chǔ)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。5.1彩色基礎(chǔ)可見光圖

可見范圍電磁波譜的波長組成圖可見范圍電磁波譜的波長組成人眼的吸收特性：

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。

5.1彩色基礎(chǔ)人眼的吸收特性：5.1彩色基礎(chǔ)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

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）。5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)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(dú)立，即其中任何一種都不能用其他兩種混合得到。5.1彩色基礎(chǔ)三原色原理指出5.1彩色基礎(chǔ)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+cB5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)三原色原理原色相加可產(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。5.1彩色基礎(chǔ)三原色原理5.1彩色基礎(chǔ)5.2MATLAB中彩色圖像的表示方法

5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.2MATLAB中彩色圖像的表示方法5.2.1RGRGB模型

RGB模型采用CIE規(guī)定的三基色構(gòu)成表色系統(tǒng)。自然界的任一顏色都可通過這三種基色按不同比例混合而成。由于RGB模型將三基色同時加入以產(chǎn)生新的顏色，所以，它是一個加色系統(tǒng)。

設(shè)顏色傳感器把數(shù)字圖像上的一個像素編碼成(R，G，B)，每個分量量化范圍為［0，255］共256級。因此，RGB模型可以表示

256×256×256=16777216≈1670萬種顏色。這足以表示自然界的任一顏色，故又稱其為24位真彩色。RGB模型

RGB模型采用CIE規(guī)定的三基色構(gòu)成表色系統(tǒng)一幅圖像中的每一個像素點(diǎn)均被賦予不同的RGB值，便可以形成真彩色圖像，如紅色(255，0，0)、綠色(0，255，0)、藍(lán)色(0，0，255)、青色(0，255，255)、品紅(255，0，255)、黃色(255，255，0)、白色(255，255，255)、黑色(0，0，0)等，等比例混合三基色產(chǎn)生的是灰色。

RGB顏色模型可用一個三維空間中的單位立方體來表示，如圖所示。一幅圖像中的每一個像素點(diǎn)均被賦予不同的RGB值，便可以形成真RGB立方體及rgbcube函數(shù)(1,0,0)(0,0,1)(0,1,0)RBG紅綠藍(lán)黑白青黃品紅灰度級RGB立方體及rgbcube函數(shù)(1,0,0)(0,functionrgbcube(vx,vy,vz)vertices_matrix=[000;001;010;011;100;101;110;111];faces_matrix=[1562;1375;1243;2486;3784;5687];colors=vertices_matrix;patch('Vertices',vertices_matrix,'Faces',faces_matrix,...'FaceVertexCData',colors,'FaceColor','interp',...'EdgeAlpha',0)%Setupviewingpoint.ifnargin==0vx=10;vy=10;vz=4;elseifnargin~=3error('Wrongnumberofinputs.')endaxisoffview([vx,vy,vz])axissquarefunctionrgbcube(vx,vy,vz)RGB圖像一幅RGB圖像就是彩色像素有一個M×N×3數(shù)組,其中每一個彩色像素點(diǎn)都是在特定空間位置的彩色圖像對應(yīng)的紅,綠,藍(lán)三個分量.紅色分量圖像綠色分量圖像藍(lán)色分量圖像RGB圖像一幅RGB圖像就是彩色像素有一個M×N×3數(shù)組,利用cat函數(shù)將分量圖像合成彩色圖像

rgb_image=cat(3,fR,fG,fB)從彩色圖像中提取三幅分量圖像

fR=rgb_image(:,:,1)fG=rgb_image(:,:,2)fB=rgb_image(:,:,3)利用cat函數(shù)將分量圖像合成彩色圖像5.1MATLAB中彩色圖像的表示

5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.1MATLAB中彩色圖像的表示5.2.1RGB2.索引圖像

索引圖像:由數(shù)據(jù)矩陣X和色彩映射矩陣map組成

X是一個整數(shù)的數(shù)據(jù)矩陣矩陣map是一個大小為L×3，取值在[0，1]的double類的數(shù)組，其長度L同它所定義的顏色數(shù)目相等。2.索引圖像索引圖像:由數(shù)據(jù)矩陣X和色彩映射矩陣map組

X與map之間的對應(yīng)X為double型

X(i,j)?map(1,:)，當(dāng)X(i,j)<=1

X(i,j)?map(n,:)，當(dāng)X(i,j)<=n(n≥2)X為uint8或uint16

X(i,j)?map(1,:),當(dāng)X(i,j)≤0

X(i,j)?map(n,:),當(dāng)X(i,j)=n-1(n≥2)X與map之間的對應(yīng)r1g1b1r2g2b2......rkgkbk......rLgLbL圓圈圈過的元素之值=k-1(X為uint8uint16)Xmap

索引圖像X與對應(yīng)示意圖r1g1b1r2g2b2......rkgkbk......

索引圖像文件的讀取[X,map]=imread(filename,fmt)[X,map]=imread(filename,fmt)readstheindexedimageinfilenameintoXanditsassociatedcolormapinto

map.Thecolormapvaluesarerescaledtotherange[0,1].

索引圖像的顯示imshow(X,map)或image(X)colormap(map)索引圖像文件的讀取

索引圖像的存儲imwrite(X,map,filename,fmt)imwrite(X,map,filename,fmt)writestheindexedimageinXanditsassociatedcolormapmaptofilenameintheformatspecifiedby

fmt.IfXisofclassuint8oruint16,imwritewritestheactualvaluesinthearraytothefile.IfXisofclassdouble,theimwritefunctionoffsetsthevaluesinthearraybeforewriting,usinguint8(X-1).ThemapparametermustbeavalidMATLABcolormap.Notethatmostimagefileformatsdonotsupportcolormapswithmorethan256entries.索引圖像的存儲

索引圖像的近似表示IPT函數(shù)imapprox

[Y,newmap]=imapprox(X,map,n)

利用彩色映射newmap返回一個數(shù)組Y，該數(shù)組最多有n種顏色；X可以是uint8類,unit16類或double類；若n小于等于256，則Y是uint8，若n大于256，則Y為double類。索引圖像的近似表示

指定圖像背景顏色I(xiàn)PT函數(shù)whitebgwhitebg(‘g’)whitebg(‘green’)whitebg([010])指定彩色圖像的方法map(k,:)=[r(k),g(k),b(k)]

使用預(yù)定義彩色映射顯示索引圖像imshow(X,預(yù)定義彩色映射)指定圖像背景顏色I(xiàn)PT函數(shù)whitebg5.2.1RGB圖像

5.2.2索引圖像

5.2.3用來處理RGB圖像和索引圖像的IPT函數(shù)5.2MATLAB中彩色圖像的表示方法5.2.1RGB圖像5.2MATLAB中彩色圖像的3.用來處理RGB圖像和索引圖像的IPT函數(shù)函數(shù)目的dither采用“抖動”從RGB圖像創(chuàng)建索引圖像grayslice從灰度級亮度圖像通過多級閾值創(chuàng)建索引圖像gray2ind從灰度級亮度圖像創(chuàng)建索引圖像ind2gray從索引圖像創(chuàng)建灰度級亮度圖像rgb2ind從RGB圖像創(chuàng)建索引圖像ind2rgb從索引圖像創(chuàng)建RGB圖像rgb2gray從RGB圖像創(chuàng)建灰度級亮度圖像表5.3RGB、索引和灰度級亮度圖像間轉(zhuǎn)換的IPT函數(shù)3.用來處理RGB圖像和索引圖像的IPT函數(shù)函數(shù)目的dit

函數(shù)dither

處理灰度圖bw=dither(gray_image)gray_image是一幅灰度圖像bw是抖動的結(jié)果（一幅二值圖像）處理彩色圖像主要與函數(shù)rgb2ind結(jié)合使用，以減少圖像中顏色數(shù)目函數(shù)ditherf=imread('Fig0635(top_left_flower).tif');figure(1)imshow(f)[X1,map1]=rgb2ind(f,8,'nodither');figure(2)imshow(X1,map1)[X2,map2]=rgb2ind(f,8,'dither');figure(3)imshow(X2,map2)g=rgb2gray(f);g1=dither(g);figure(4)imshow(g)figure(5)imshow(g1)f=imread('Fig0635(top_left_fl

函數(shù)grayslice格式一:X=grayslice(gray_image,n)格式二:X=grayslice(gray_image,v)