02–4交通监控system.pptVIP

第二章 交通监控系统 本章内容 色度学基础与颜色模型 色度学基础 在计算机上显示一幅彩色图像时，每一个像素的颜色是通过三种基本颜色（即红、绿、蓝）合成的，即最常见的RGB颜色模型。要理解颜色模型， 首先应了解人的视觉系统。 色度学基础与颜色模型 灰度模型 在灰度图像中，像素灰度级用8 bit表示，所以每个像素都是介于黑色和白色之间的256（28=256）种灰度中的一种。 色度学基础与颜色模型 三色原理 在人的视觉系统中存在着杆状细胞和锥状细胞两种感光细胞。杆状细胞为暗视器官，锥状细胞是明视器官在照度足够高时起作用，并能分别辨颜色。锥状细胞将电磁光谱的可见部分分为三个波段：红、绿、蓝。 根据人眼的结构，所有颜色都可看作是三种基本颜色——R表示红（Red）、 G表示绿（Green)和B表示蓝（Blue)按照不同的比例组合而成。 色度学基础与颜色模型 颜色模型：为了科学地定量描述和使用颜色，人们提出了各种颜色模型。 面向硬件设备的最常用彩色模型是RGB模型。 面向彩色处理的HSI模型。 面向印刷工业的CMYK模型 面向电视信号传输的YUV模型。 色度学基础与颜色模型 RGB模型 RGB模型用三维空间中的一个点来表示一种颜色。每个点有三个分量，分别代表该点颜色的红、绿、蓝亮度值， 亮度值限定在［0, 1］。 色度学基础与颜色模型 HSI模型 H表示色调(Hue) S表示饱和度(Saturation) I表示亮度(Intensity)。 模型的建立基于两个重要的事实 ① I分量与图像的彩色信息无关 ② H和S分量与人感受颜色的方式是紧密相联的。 色度学基础与颜色模型 饱和度是指颜色的鲜明程度，饱和度越高，颜色越深。 饱和度参数是色相环的原点（圆心）到彩色点的半径的长度。 色度学基础与颜色模型 亮度是指光波作用于物体上所发生的效应，反射系数越大，物体的亮度愈大。 HSI模型的三个属性定义了一个三维柱形空间。 色度学基础与颜色模型 RGB转换到HSI 色度学基础与颜色模型 HSI转换到RGB 色度学基础与颜色模型 YUV电视信号彩色坐标系统 PAL制式将R、G、B三色信号改组成Y、U、V信号， 其中Y信号表示亮度，U、V信号是色差信号。 色度学基础与颜色模型 Lab表色系 Lab 颜色由亮度分量L 和a、b两个色度分量组成。 a在的正向数值越大表示越红，在负向的数值越大则表示越绿。 b在的正向数值越大表示越黄，在负向的数值越大表示越蓝。 Lab颜色与设备无关， 无论使用何种设备（如显示器、打印机、计算机或扫描仪）创建或输出图像，这种模型都能生成一致的颜色。 色度学基础与颜色模型 图像增强与平滑 直方图 表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。 图像增强与平滑 图像增强与平滑 灰 度 变 换 假定原图像f(x, y)的灰度范围为［a, b］，希望变换后图像g(x, y)的灰度范围扩展至［c, d］，则线性变换可表示为 图像增强与平滑 图像噪声 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。 产生原因 由光和电的基本性质所引起的噪声。 电器的机械运动产生的噪声。 元器件材料本身引起的噪声。 系统内部设备电路所引起的噪声。 图像增强与平滑 图像增强与平滑 去除噪声(时空相关性) 模板操作 卷积运算 中值滤波 其他去噪技术 图像增强与平滑 模板操作：常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作 图像增强与平滑 邻域平均法 图像增强与平滑 图像增强与平滑 卷积运算 图像增强与平滑 中值滤波 中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。 原理：中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。假设窗口内有五点，其值为80、 90、 200、 110和120， 那么此窗口内各点的中值即为110。 图像增强与平滑 其他去噪技术 空间域低通滤波 图像增强与平滑 多幅图像平均法 把针对一目标物(景物)在相同条件下，把作M次重复摄取的图像相加，取平均值作为输出图像，便可对图像中的噪声进行平滑。 图像增强与平滑 要明确的一点是：没有一种十全十美的去除噪声方法，应根据处理目的，通过实际试验选择合适的方法。 图像锐化 微分法 Sobel算子 拉普拉斯运算 图像锐化 图像锐化 图像锐化 图像锐化 图像锐化 3.拉普拉斯运算 频域处理 傅立叶变换 小波变换 小波包分析 频域处理 频域世界与频域变换 时域和频域之间的变换可用数学公式表示如下：