智能图像处理：Python和OpenCV实现第十一章 彩色图像处理.pptx

第11章;彩色图像（color image）直观的说对应我们周围彩色环境的感知（即人的视觉器官的感知）。从计算的角度，一幅彩色图像被看作一个向量函数（一般具有三个分量），设函数的范围是一个具有范数的向量空间，也称为彩色空间（color space）。 1666年牛顿发现了一个现象，当一束太阳光穿过一个玻璃棱镜时，出现的光束不是白色，而是由从一端为紫色到另一端为红色的连续彩色谱组成。 彩色谱可分为六个宽的区域：紫色、蓝色、绿色、黄色、橘红色和红色。 彩色定义：彩色是物体的一种属性，它依赖于以下三个方面的因素。 （1）光源——照射光的谱性质或谱能量分布； （2）物体——被照射物体的反射性质； （3）成像接收器（眼睛或成像传感器）——光谱能量吸收性质。 ;11.1 彩色模型;11.1.1 RGB彩色模型;?;11.1.2 CMY和CMYK彩色模型;CMYK(Cyan, Magenta,Yellow, blacK)颜色空间应用于印刷工业,印刷业通过青(C)、品(M)、黄(Y)三原色油墨的不同，网点面积率的叠印来表现丰富多彩的颜色和阶调，这便是三原色的CMY颜色空间。 实际印刷中，一般采用青 (C)、品(M)、黄(Y)、黑(BK)四色印刷，在印刷的中间调至暗调增加黑版。当红绿蓝三原色被混合时，会产生白色，但是当混合青、品红和黄三原色时会产生黑色。因为相同数量的各个原色相加产生的黑色不纯正，为了生成纯正的黑色，所以实际中要加上第4种彩色K（黑色）,这样的模型称之为CMYK。 从CMY到CMYK的转换公式为：;11.1.3 HSI彩色模型;1.颜色从RGB转换为HIS 从RGB到HSI的转换是一个非线性变换。对任何一个在[0,1]范围内的R、G、B值，其对应HSI模型中的I、S、H分量可由下面的公式计算。;?;11.1.4 YIQ（NTSC）彩色模型;11.1.5 YCrCb彩色模型;11.2 色彩空间的转换;11.2.1 色彩空间类型转换函数;11.2.2 RGB色彩空间;【例11.1】BGR色彩空间转换为RGB色彩空间,程序代码如下：;11.2.3 GRAY色彩空间;【例11.2】RGB色彩空间转换为GRAY色彩空间。程序代码如下：;11.2.4 YCrCb色彩空间;【例11.3】RGB色彩空间转换为YCrCb色彩空间。程序代码如下：;11.2.5 HSV色彩空间;?;【例11.4】RGB色彩空间转换为HSV色彩空间。代码如下：;11.3 彩色图像通道的分离与合并;11.3.1 彩色图像的通道分离;???例11.5】利用通道分离函数，将彩色图像分离成RGB三通道图像，程序代码如下：;【例11.6】扩展通道，使分离出来的RGB三个通道显示其对应的颜色，程序代码如下：;11.3.2 彩色图像的通道合并;【例11.7】利用通道合并函数，将RGB三通道图像合成为彩色图像，程序代码如下：;11.4 全彩色图像处理;11.4.1 彩色变换;?;11.4.2 直方图处理;在OpenCV中:;【例11.8】对彩色图像各个通道分别进行直方图均衡化，程序代码如下：;程序运行结果如图11-9所示。可以看出，直方图均衡化达到了图像像素均匀分布的结果。;11.4.3 彩色图像平滑和锐化;从11-30式中可以看出，通过对各个单独的彩色通道用标准的灰度邻域处理方法来执行邻域平均得到平滑的效果。类似的，对用RGB彩色模型表示的彩色图像的锐化可通过对各个分量图像分别使用锐化操作符（如，拉普拉斯算子）再将结果结合起来实现。 在RGB彩色模型中，向量c的Laplacian变换为：;平滑和锐化操作也可通过处理一幅采用合适彩色模型（如，YIQ或HSI）表示的图像强度（亮度）分量并将结果与原始色度通道结合来进行。 用均值滤波来实现图像平滑，在OpenCV中，提供了cv2.blur()函数来实现图像的均值滤波。其一般语法格式为： dst = cv2.blur(src,ksize, anchor, borderType) 其中，dst表示返回的均值滤波处理的结果图像；src表示原始图像，该图像不限制通道数目；ksize表示滤波卷积核的大小；Anchor表示图像处理的锚点，其默认值为（-1，-1），表示位于卷积核中心点；borderType 表示以哪种方式处理边界值。通常情况下，在使用均值滤波时，anchor和borderType参数直接使用默认值即可。 ;【例11.9】定义不同卷积核大小，对彩色加噪图像进行平滑处理。程序代码如下：;程序运行结果如图11-10所示：从图中对比可以看出，随着卷积核的增大，图像的失真情况越来越严重。;【例11.10】定义不同卷积核大小，对彩色图像进行锐化处理。程序代码如下：;(a) 原始图像;11.4.4 基于彩色的图像分割;【例11.