图像空间转换和锐化处理.pptx

彩色图在RGB和HIS下进行锐化处理 1 HIS空间简介 HSI颜色空间是从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或Brightness）来描述色彩。HSI颜色空间可以用一个圆锥空间模型来描述。用这种描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。 RGB 向HSI 模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB 中的亮度因素分离，将色度分解为色调和饱和度，并用角向量表示色调，如下图所示。 几何推导法基本思路是先分离出亮度信息，将三维空间降为二维。在二维平面内利用解析几何的向量点积公式求出HSI 模型的色调分量值。 RGB转HIS的方法可由下列推导得出。 2 HIS空间与RGB空间的转化 3 锐化处理的基本方法 图像的边缘或线条的细节（边缘）部分 与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化。 图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。 其中单方向一阶微分锐化，包括：水平方向、垂直方向、Kirsch算子；无方向微分锐化，包括：Roberts算子、Sobel算子、Prewitt算子Laplacian算子（二阶微分）、LOG算子（二阶微分）。 4 程序的流程 （1）程序的基本流程如左图所示。 （1）RGB空间转HIS空间 private void rgbToHsi(byte R, byte G, byte B, out double H, out double S, out byte I) { double sum = R + G + B; double min = Math.Min(R, Math.Min(G, B)); double num = 2*R - G - B; double den = 2*Math.Sqrt((R - G)*(R - G) + (R - B)*(G - B)); den = den 0.001 ? 0.001 : den; double theta = Math.Acos(num/den); I = (byte) (sum/3); S = (I 0.001) ? 1.0 : 1.0 - min / I; H = G = B ? theta : 2 * Pi - theta; } （2）HIS空间转RGB空间 private void hsiToRgb(double H, double S, double I, out byte R, out byte G, out byte B) { double r, g, b; if (H = 0 H = 2*Pi/3) { b = I*(1.0 - S); r = I*(1 + S*Math.Cos(H)/Math.Cos(Pi/3 - H)); g = 3*I - r - b; } else if (H = Pi*4/3) { r = I*(1.0 - S); g = I*(1 + S*Math.Cos(H - 2*Pi/3)/Math.Cos(Pi - H)); b = 3*I - r - g; } else { g = I*(1.0 - S); b = I*(1 + S*Math.Cos(H - Pi*4/3)/Math.Cos(Pi*5/3 - H)); r = 3*I - g - b; } R = clamTobyte(r + 0.5);