- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第7章 彩色图象处理 第7章 彩色图象处理 第7章 彩色图象处理 7.1 彩色视觉和描述 7.1.1 彩色视觉基础 7.1.1 彩色视觉基础 7.1.1 彩色视觉基础 7.1.1 彩色视觉基础 7.1.1 彩色视觉基础 7.1.2 三基色与色匹配 7.1.2 三基色与色匹配 7.1.2 三基色与色匹配 7.1.2 三基色与色匹配 7.1.2 三基色与色匹配 7.1.2 三基色与色匹配 7.1.3 色度图 7.1.3 色度图 7.1.3 色度图 7.1.3 色度图 7.1.3 色度图 7.1.3 色度图 7.2 彩色模型 7.2 彩色模型 7.2 彩色模型 7.2 彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.1 面向硬设备的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.2.2 面向视觉感知的彩色模型 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.3 伪彩色增强 7.4 真彩色处理 7.4 真彩色处理 7.4.1 处理策略 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.2 单分量变换增强 7.4.3 全彩色增强 7.4.3 全彩色增强 7.4.3 全彩色增强 联 系 信 息 程序示例 (3) 频域滤波 对原来灰度图象中的不同频率分量(可分别借助低通,带通/带阻,高通滤波器获得)赋予不同的颜色 真彩色增强中,被增强的图像原本就是彩色的。一般真彩色RGB图可用24比特表示,R, G, B各8比特,即每个像素在R, G, B 分量图中各取256个值。也可以将R, G, B 都归一化到[0,1]范围。一幅真彩色RGB图也可以用H,S,I 各8个比特的三个分量图表示。 7.4.1 处理策略 7.4.2 单分量变换增强 7.4.3 全彩色增强 两种处理策略 (1) 将一幅彩色图象看作三幅分量图象的 组合体,先分别单独处理,再将结果合成 (2) 将一幅彩色图象中的每个象素看作具 有三个属性值,即属性现在为一个矢量,利 用对矢量的表达方法进行处理 不是任何处理操作都满足上述过程,只有线性处理操作两种结果才等价 变换增强 变换增强 对单分量进行增强 (1) 将R,G,B分量图转化为H,S,I分量图 (2) 利用对灰度图增强的方法增强其中的 某个分量图 (3) 再将结果转换为R,G,B分量图 亮度增强 只需对亮度变换 不改变原图的彩色内容,但增强后的图看起来还可能会有些色感不同 饱和度增强 对饱和度的增强与对图像亮度的增强有相似的地方。例如,通过对图像中每个像素的饱和度分量乘以一个大于1的常熟可使图像中的彩色更鲜明,而如果乘以一个小于1的常数则会使图像的彩色感减少。 饱和度增强 色调增强 对色调的增强有其特殊性。 根据HIS模型的表示方法,色调对应一个角度而且是循环的。如果对每个像素的色调值加一个常数(角度值),将会使每个目标的颜色在色谱上移动。当这个常数比较小时,一般会是彩色图像的色调变“暖”或变“冷”;而当这个常数较大时,则有可能会使对彩色图像的感受发生比较激烈的变化,使得增强图中的色调有可能完全没有意义。 色调增强 单分量变换 优点:由于将亮度、饱和度和色调分解开来,对增强的操作比较容易进行; 缺点:总会产生整
原创力文档


文档评论(0)