计算机图形学颜色模型.ppt

数字图像处理 图像描述-彩色图像处理 图像描述 区域的描述 彩色图像处理 颜色模型 RGB颜色模型 CMY颜色模型 HSV颜色模型 CIE（国际照明委员会）颜色模型 CIE XYZ CIE L*a*b* CIE YUV 各种颜色模型之间的转换算法 色彩量化技术 分色技术 真彩图像包含多达224种颜色，直接比较这些颜色不可行。 进行真彩图像处理时往往需要首先对图像进行量化，减少需要处理的颜色数目。 量化即为图像选择一个调色板，它包含的颜色数目远小于224，然后为图像的每个像素点选择一个调色板中与它最接近的颜色。 颜色量化方法 Y. Linde, A. Buzo and R. M. Gray, “An algorithm for vector quantizer design”, IEEE Trans. Commun., vol.COM-28, no.1, pp.84-95, 1980. LBG方法 DSQ方法 Pei S C. Cheng C M. Dependent scalar quantization of color images. IEEE trans. on Circuits and Systems for Video Technology. 1995, 5(2): 124~139. LBG方法 算法4.2：LBG聚类。{x(s)}是所有元素的集合。 选择初始类别中心 {q(n)|n=1,2,…,M} Do 根据最邻近方法对元素x(s)分类，形成类别{C(m)|m=1,2,…,M} 对C(m)中元素取平均值，得到新的分类中心{q(n)} While 每一步都使分类误差TSE减小 该算法能达到TSE的局部极值，但是否能达到最小值与初始聚类中心的选择有关系。 这个算法计算量较大。每步迭代需计算MN次距离，N是元素的总数。 用在颜色量化上，对像素点的(r, g, b)聚类，终止条件改为| TSEi+1 – TSEi | 1，即迭代使TSE的改变小于1就停止。该精度对颜色量化在很多场合是足够的。 DSQ方法 DSQ算法是一个层次的颜色空间分解算法。算法每次用垂直于坐标轴的平面将颜色子空间一分为二。 空间划分的方法是，对属于该颜色子空间的像素点，计算相应颜色分量的直方图，确定阈值t和z1, z2, 其中z1tz2, 若将所有小于t的颜色分量用z1代替，所有大于t的颜色分量用z2代替，要求直方图的三个矩保持不变。设I(x, y)表示点(x, y)的某个颜色分量，其前三个矩是： N是图像的像素点数。 先求I(x, y)t的像素点占的比例p， t由下式决定 nk是颜色分量为k的像素点数。 电子科技大学 计算机科学与工程学院——陈雷霆 * 电子科技大学计算机科学与工程学院 陈雷霆 richardchen@ 对图像进行分割后，将图像分成了若干个区域，包括不同特征的物体和背景，其中可能包含某些形状，如长方形、圆、曲线及任意形状的区域。 分割完成后，下一步就是用数据、符号、形式语言来表示这些具有不同特征的小区，这就是图像描述。 以特征为基础进行区别或分类是计算机理解景物的基础。图像区域的描述可以分为对区域本身的描述和区域之间的关系、结构进行描述。 这些描述包括对线、曲线、区域、几何特征等各种形式的描述，是图像处理的基础技术。 区域边界的描述 区域的描述往往依赖于边界的描述，离散图像的边界描述用连通的像素来表示，我们先看看连通的定义。 像素的邻接和连通 相邻像素及编码 定义 一个像素的4－邻接像素包括它的上下左右四个像素，如上图中的编码为0,2,4,6的四个像素。而8－邻接像素则为它的所有8个像素。 (a) (b) (c) (d) 邻接和连通：(a)4－邻接；(b)8－邻接；(c)八连通边界；(d)四连通边界 定义 像素集合P称为n-连通(n=4, 8)区域，如果对于任意两个P中的像素p和q，满足 p和q是n-邻接像素，或者 存在P的子集合{p1, p2, …, pk}，pi和pi+1是n-邻接，i=1,…,k–1。 在上图中，(c)的阴影部分像素构成八连通边界，(d)的阴影部分像素构成四连通边界。有了连通和连通域的概念，才能对分割出的区域描述其边界。 距离 距离是描述边界长度走向以及分割出的区域内图像像素之间关系的重要几何参数，也是相似性的重要测度。记d(x, y)为像素x和y之间的距离，它应该满足以下条件： 当且仅当x = y时，d(x, y)＝0； d(x, y)＝d(y,x)； 满足这三个条件的距离有多种定义方法。 设p1(x1,y1), p2(x2,y2)为