数图9-彩色.ppt

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(r1(:)); [m,n]=size(r1); sd1=0.0; for i=1:m for j=1:n sd1=sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u); end end r1_d=sqrt(sd1/(m*n)); r2=zeros(size(rgb1,1),size(rgb1,2)); ind=find((rr1_u-1.25*r1_d)(rr1_u+1.25*r1_d)); r2(ind)=1; RGB彩色空间分割（Segmentation in RGB Color Space） RGB彩色空间分割（Segmentation in RGB Color Space） a b c d e RGB空间分割。（a）RGB原图像，（b）R分量，（c）G分量，（d）B分量，（e）RGB向量空间彩色分割的结果 彩色边缘检测（Color Edge Detection） 边缘检测对图像分割是一个重要的工具。 比较： （1）以各个单独颜色分量图像为基础计算边缘 （2）在彩色空间直接计算边缘的问题。 标量函数的梯度 彩色边缘检测（Color Edge Detection） 一般方法： 分别计算各个颜色分量图像的梯度，然后形成彩色图像的梯度。 彩色边缘检测（Color Edge Detection） 令c代表RGB彩色空间中的任意向量，c的分量是一幅彩色图像在一点上的RGB分量。 彩色分量是坐标（x，y）的函数，表示为： 彩色边缘检测（Color Edge Detection） 首要的问题：定义向量c在任意点（x，y）处的梯度（幅度和方向）。 彩色边缘检测（Color Edge Detection） 在向量空间的边缘检测 例子比较两种彩色图像边缘检测： （1）由各个颜色分量图像梯度的混合检测边缘 （2）用彩色空间的向量梯度检测边缘。 计算时，偏导数用Sobel算子实现 彩色边缘检测（Color Edge Detection） （a）RGB图像，（b）R分量边缘，（c）G分量边缘，（d）B分量边缘，（e）三分量叠加后边缘，（f）彩色向量梯度计算后边缘，（g）（f）和（e）之间的差别 彩色图像处理（Color Image Processing） 小 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、HSI模型等。 本章介绍了彩色图像处理的一些基础问题，主要包括彩色图像增强、平滑、锐化、分割等方法。 2. 从HSI模型转换到RGB模型 若设H，S，I的值在[0，1]之间，R，G，B的值也在[0，1]之间，则从HSI到RGB的转换公式为： (1)当H在[0，2?/3]之间 B=I(1-S) G=3I-(B+R) (2)当H在[2?/3，4?/3]之间 (3)当H在[4?/3，2?]之间 伪彩色处理（Pseudocolor Image Processing） 伪彩色（pseudocoloring，也称为假彩色）处理 定义：指将灰度图像转化为彩色图像，或者将单色图像变换成给定彩色分布的图像。 目的：为了提高人眼对图像的细节分辨能力，以达到图像增强的目的。 伪彩色处理（Pseudocolor Image Processing） 基本原理：将灰度图像或者单色图像的各个灰度级匹配到彩色空间中的一点，从而使单色图像映射成彩色图像。 设f(x，y)为一幅灰度图像，R (x，y)，G (x，y)，B (x，y)为f(x，y)映射到RGB空间的三个颜色分量，则伪彩色处理可以表示为： R(x，y)=fR(f(x，y)) G(x，y)=fG(f(x，y)) B(x，y)=fB(f(x，y)) 其中fR，fG，fB为某种映射函数。给定不同的映射函数就能将灰度图像转化为不同的伪彩色图像。 伪彩色处理虽然能将灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色。 伪彩色处理方法主要有强度分层和灰度级到彩色变换。 强度分层（Intensity Slicing） 强度分层 强度分层技术是伪彩色图像处理最简单的例子之一。 如果一幅图像被描述为空间坐标（x，y）的强度函数f(x，y)，分层的方法可以看