基于Lab空间的色彩分割.doc

基于L*a*b空间的色彩分割 实验原理 数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各 方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视 觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。 L*a*b空间中L：亮度层，a：颜色在红绿轴的分量，b:颜色在蓝黄轴的分量。 基于L*a*b空间的色彩分割的基本步骤如下： 1. 读取图像并选择合适的样本区域；为每种颜色的样本选择一个很小的样本区域，然后计算每个样本区域中这种颜色的平均值。 fabric = imread(fabric.png);%读取图像figure; subplot(121); imshow(fabric), %显示title(fabric);load regioncoordinates;%下载颜色区域坐标到工作空间nColors = 6;sample_regions = false([size(fabric,1) size(fabric,2) nColors]);for count = 1:nColors sample_regions(:,:,count) = roipoly(fabric,... region_coordinates(:,1,count), ... region_coordinates(:,2,count));%选择每一小块颜色的样本区域endsubplot(122),imshow(sample_regions(:,:,2));%显示红色区域的样本title(sample region for red); 2. 转换色彩空间；利用彩色空间转换函数把图像从RGB色彩空间转换到L*a*b色彩空间。 cform = makecform(srgb2lab);%rgb空间转换成L*a*b*空间结构lab_fabric = applycform(fabric,cform);%rgb空间转换成L*a*b*空间a = lab_fabric(:,:,2); b = lab_fabric(:,:,3);color_markers = repmat(0, [nColors, 2]);%初始化颜色均值for count = 1:nColorscolor_markers(count,1)= mean2(a(sample_regions(:,:,count)));%a均值color_markers(count,2)= mean2(b(sample_regions(:,:,count)));%b均值enddisp(sprintf([%0.3f,%0.3f],color_markers(2,1),... color_markers(2,2)));%显示红色分量样本的均值color_labels = 0:nColors-1;a = double(a); b = double(b);distance = repmat(0,[size(a), nColors]);%初始化距离矩阵for count = 1:nColors distance(:,:,count) = ( (a - color_markers(count,1)).^2 + ... (b - color_markers(count,2)).^2 ).^0.5;%计算到各种颜色的距离end 3. 根据样本区域的颜色对图像进行分割；通过计算每个像素点和六种颜色平均值的欧氏距离，这六种距离中最小的距离既为该像素点的颜色，这种方法称为最近邻近法，例如：如果像素点距离红色平均值的欧氏距离最小，那么该像素点就为红色。 [value, label] = min(distance,[],3);%求出最小距离的颜色label = color_labels(label);clear value distance;rgb