修改数字图象处理.docVIP

第1章 相关知识 1.1 RGB颜色空间 由于图像采集使用的RGB彩色空间，所以RGB颜色空间是彩色图像处理中最基础、最常用的颜色空间。该模型用红、绿、蓝的光谱色作为三基色，并分别用R、G、B表示。 RGB模型所考虑的彩色空间如下图所示，图中R、G、B分别位于三个角上；青、深红和黄位于另外三个角上，黑点在原点处，白色位于离远点最远的角上，在该模型中，灰度等级沿着这两点的连线分布，不同的颜色处在立方体表面或者内部，并可用从原点分布的向量来定义，为方便起见，一般将所有的颜色值归一化，图就是单位立方体，即所有的R、G、B都在[0，1]范围内取值。 图 RGB颜色空间 RGB颜色空间主要缺点：（1）不直观，从各个分量的取值中很难看出其表示颜色的认知属性；（2）不均匀性，两个色点之间的距离不等于颜色之间的知觉差异；（3）对硬件设备有依赖性。因此，RGB颜色空间是一个与设备相关的、颜色描述不完全直观的空间。为了克服RGB颜色空间存在的缺点，在彩色图像处理中，很多情况下会采用更加符合人类视觉特性的颜色空间，这时候RGB空间必须要转换成所需要的其它彩色空间。由于任何三个基色都能表示一种颜色，根据三基色理论的实现要求，就可以使用不同颜色空间中的不同基色来表达同一种颜色，颜色空间变换提供了一种三基色空间向另一种三基色空间的映射方法，实现从一组原色向另外一组原色转换，这是因为任何原色刺激都可以用别的原色刺激的混合来生成。HSV颜色空间 HSV彩色空间与HSI彩色空间很相似，它们之间的区别在于，在明确亮度和饱和度的分配和动态范围上，计算亮度的成份。HSI色彩空间由于I是随着R,G,B而变化的，光强也是随之变化的，因此更适合用于传统图像处理方法，比如卷积、均匀化、直方图等。HSV彩色空间由于其饱和度的动态范围更加的广，从而更加善于控制色度和饱和度。 图是六边形锥体HSV色彩模型。六边形锥体的顶端是在V=1时，即为最高密度颜色。六边形锥体的顶端在V=0时，表示黑色。图中，在[0，1]范围内的饱和度S，都与V的值相关。当S=0时，V=1时，表示白色。在S=0时，V中间的值表示灰度。任何颜色在V=1，S=1时就是一个纯色，这些颜色是由H来定义的。若要增加白色，就要在V不变情况下减少S；若要增加黑色，就要在S不变的情况下减少V；若要增加颜色，就要同时减少S和V。 图 HSV颜色空间RGB模型增强 将RGB三个颜色分量分别进行增强操作，增强后再合成彩色图像。这种方法通常用来增加许多图像的全局对比度细节。我们创建一个形式为,其中可以代表R、G、B三个分量的任意分量的一个值，对于灰度图像中的每个值产生一个，这样的累积计概率函数就可以在所有值范围内进行线性化， （1.1） 其中是图像的累积归一化直方图，G、B两个分量用同一个转换公式，将不同的等级映射到[0,1]，为了将这些值映射回它们最初的域，需要在结果上应用下面的简单变换: （1.2） 第2章 课程设计分析 2.1 RGB模型增强算法 RGB模型增强算法是最基础、最常用的彩色图像增强算法，其原理是对RGB模型的三个分量分别进行直方图均衡，然后将经过直方图均衡的三个分量重新合成彩色图像。该方法可以实现彩色图像的增强，但是它是会使增强后的图像颜色失真。在本论文的彩色图像增强中，将它分为3个步骤： （1）选取将要进行增强的彩色图像； （2）分别对图像的R、G、B三个分量直方图均衡； （3）将直方图均衡后的R、G、B三个分量合成新的图像后得到增强后的彩色图像；close all, clear, clc; I = imread(tuxiang1.jpg); % I = imread(tuxiang2.jpg); % I = imread(tuxiang3.jpg); J = zeros(size(I)); R = I(:, :, 1); G = I(:, :, 2); B = I(:, :, 3); RR = histeq(R); GG = histeq(G); BB = histeq(B); J(:, :, 1) = RR; J(:, :, 2) = GG; J(:, :, 3) = BB; J = uint8(J); figure, imshow(I), title(原图像 ); figure, imshow(J); imwrite(J,a.jpg);title(增强后的图像); figure,imhist(R) , title(原图像的R分量直方图); figure, imhist(G) , title(原图像的G分量直方图); figure, imhist(B) , titl