数字图像处理教程(matlab版)精编版.ppt

9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） 虽然在HSI空间彩色图像较直观。 通常用RGB彩色向量进行分割。 方法： 假设目标是在RGB图像中分割特殊彩色区域的物体,给定一个感兴趣彩色的有代表性的彩色点样品集，可得到一个彩色“平均”估计，这种彩色是我们希望分割的彩色。 令这个平均彩色用RGB向量a来表示。 分割的目标是对给定图像中每一个RGB像素进行分类。这就需要一个相似性度量。 令z代表RGB空间中的任意一点，如果它们之间的距离小于特定的阈值D0，我们就说z与a是相似的。 最简单的度量之一是欧氏距离， z和a之间的距离可以是欧氏距离，如： 9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） z和a之间的距离 9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） 对一幅RGB彩色图像，选择要分割的区域，计算该区域中的彩色点的平均向量a。 盒子的中点在a，它的尺度沿每一个RGB轴以沿相应轴的数据标准差的1.25倍选择。 例如，令?R代表样点红分量的标准偏差，aR代表平均向量a的红分量： （aR-1.25?R，aR+1.25?R）， 这里在整个彩色图像中编码每一点的结果为：如果点位于盒子表面或内部为白色，否则为黑色。 9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） 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(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; 9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） 9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space） a b c d e 图9.15 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 9.5.3 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 9.5.3 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。 得到的结果行否？ 向量的梯度 ? 9.5.3 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： 9.5.3 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）。 标量函数f（x，y）在坐标（x，y）处的梯度：是指向f的最大变化率方向的向量。 将这一思想扩展到向量梯度，下面介绍各种方法中的一种。 令r，g，b是RGB彩色空间沿R，G，B轴的单位向量，可定义向量为： 9.5.3 彩色边缘检测（Color Edge Detection） 数量gxx，gyy，gxy定义为这些向量的点乘，如下所示： 9.5.3 彩色边缘检测（Color Edge Detection） 参考文献指出，c（x，y）的最大变化率方向由角度给出： （x，y）点在?方向上变化率的值由下式给出： 9.5.3 彩色边缘检测（Color Edge Detection） Di Zenzo, S. “A Note on the Gradient of a Multi-Image”, Computer Vision, Graphics, and Image Processing, 1