假彩色編碼小學期論文

1、 課程設計報告 設計題目 基于MATLAB圖像假彩色編碼 專 業(yè) 電子信息工程 班 級 一 班 學生姓名 黃 濤 實驗成績 指導教師 平 子 良 5年6月基于MATLAB圖像假彩色編碼黃濤(通信系電子信息工程1班)摘要: 通過對原始圖像進行假彩色編碼,可以提高圖像的可辨識灰度差異,再現(xiàn)圖像細節(jié).該項技術廣泛應用在工程實踐和數(shù)字圖像處理。 本文介紹了一些經(jīng)典的圖像假彩色編碼原理與思想,包含密度分層假彩色編碼頻率假彩色編碼等。其中主要介紹了單色密度三級-RGB復色密度、頻域編碼并以此進行試驗，并在幾種常規(guī)方法后進行自定義的基于MATLAB圖像的假彩色編碼。關鍵字: 密度分層法假彩色編碼； 頻域假彩

2、色編碼； MATLABFalse color coding based on MATLAB image黃濤(通信系電子信息工程1班)Huang Tao (Communication Electronic Information Engineering 1)摘要:Abstract:通過對原始圖像進行假彩色編碼,可以提高圖像的可辨識灰度差異,再現(xiàn)圖像細節(jié).該項技術廣泛應用在工程實踐和數(shù)字圖像處理。By using false color coding of the original image, the image can be improved to recognize the gray dif

3、ference and reproduce the image details. This technology is widely used in engineering practice and digital image processing.本文介紹了一些經(jīng)典的圖像假彩色編碼原理與思想,包含密度分層假彩色編碼頻率假彩色編碼等。其中主要介紹了單色密度三級-RGB復色密度、頻域編碼并以此進行試驗，并在幾種常規(guī)方法后進行自定義的基于MATLAB圖像的假彩色編碼。In this paper, some classical image false color coding is introduc

4、ed, including density, pseudo color coding, frequency false color coding and so on. The paper mainly introduces the monochrome density three RGB composite color density, frequency domain coding and thus test, and custom after several conventional methods of based on MATLAB image pseudo color coding.

5、關鍵字: 密度分層法假彩色處理 頻域假彩色編碼原理 MATLABKeywords: density stratification method false color processing frequency false color coding principle MATLAB1. 前言在實際生活中有著很多的黑白照片，比如B超照片、X射線底片、金相圖片等，但人類視覺能能同時分辨的灰度最多不過1520個層次，這就影響了人們對這些圖像的分析處理。然而人眼的視錐細胞對彩色的分辨力卻相當敏銳，以至于可以辨認出數(shù)以千萬記的不同顏色。假彩色編碼是通過光學手段給一張黑白圖片中的不同黑白層次賦予不同的顏色，

6、以提高人眼對黑白底片的辨識能力。但由于傳統(tǒng)的光學手段操作繁瑣，容易產(chǎn)生誤差，因而借助于MATLAB7.1軟件進行仿真實驗。MATLAB是MathWorks公司于1982年推出的一套高性能的數(shù)值計算和可視化數(shù)學軟件,它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體,構成了一個方便的、界面友好的用戶環(huán)境,被譽為“巨人肩上的工具”。MATLAB中除主包外，還包含許多功能各異的工具箱用于解決各個領域的特定問題。它的工具箱主要有通信、控制系統(tǒng)、濾波器設計、圖像處理、非線性控制設計、系統(tǒng)識別、神經(jīng)網(wǎng)絡、最優(yōu)化、模糊邏輯、信號處理、魯棒控制、統(tǒng)計等。借助于這些工具箱，用戶可以非常方便地迸行分析、計算及設計工

7、作。由于MATLAB有著上述種種的便捷之處，借助其進行假彩色編碼試驗將會很便利、快捷。因此借助其對單色密度、復色密度、頻域編碼將是高效便捷的。 隨著信息技術的發(fā)展，圖像信息被廣泛應用于多媒體通信和計算機系統(tǒng)中。但是圖像具有龐大的數(shù)據(jù)量，不便于儲存和傳輸，必須采用合適的方法對其進壓縮，因此有必要對圖像壓縮標準編碼進行研究。在眾多的圖像編碼標準中，假彩色編碼廣泛應用于靜態(tài)圖此案的壓縮，在數(shù)字圖像壓縮領域得到廣泛的應用。2.灰度圖像假彩色編碼原理2.1 密度分層假彩色編碼密度分層法假彩色處理又稱為灰度分層法，是假彩色處理技術中最基本、最簡單的方法。在圖像處理中，圖像灰度變換屬于點運算范疇。點運算（P

8、oint Operation）的概念是當算子T的作用域是以每一個單個像素為單位，圖像的輸出g(x,y)只與位于(x,y)處得輸入f(x,y)有關，實現(xiàn)的是像素點到點的運算處理時，稱這種運算為“點運算”。點運算的表達式為： s=T（r）或者 g(x,y)=Tf(x,y)式中：r和s分別為輸入、輸出像素的灰度級；T為灰度變換函數(shù)的映射關系。通過上述式子可以將原圖像（x，y）處的灰度f(x,y)變?yōu)門f(x,y),T算子描述了輸入灰度級和輸出灰度級之間的映射關系。 密度假彩色處理是對圖像的灰度值動態(tài)范圍進行分割，使分割后的每個灰度值區(qū)間甚至每個灰度值本身對應于某一顏色。具體而言，假定把一幅圖像看作一

9、個二維的強度函數(shù)，用于一個平行于圖像坐標平面的平面（稱之為密度切割平面）去切割圖像的強度函數(shù)，這樣圖像灰度在分割處被分為上、下兩部分，即兩個灰度值區(qū)間。如果再對每一個區(qū)間賦予某種顏色，就可以將原來的灰度圖像變換成只有兩種顏色的圖像。更進一步，如果用多個密度切割平面對圖像函數(shù)進行分割，那么就可以將圖像的灰度動態(tài)范圍切割成多個區(qū)間。應當指出的是，每一灰度值區(qū)間賦予何種顏色，是由具體應用決定的，并無規(guī)律可言。但相鄰灰度值區(qū)間的顏色差別不宜太小也不宜太大。太小將無法反映細節(jié)上的差異，太大則會導致圖像出現(xiàn)不連續(xù)性。實際應用中，密度切割平面之間可以使等間隔的，也可以是不等間隔的，而且切割平面的劃分也應依據(jù)

10、具體的應用范圍和研究對象而確定。結論：密度假彩色編碼不改變圖像的大小，不考慮質量的變化，只改變圖像的顏色，突出人想要突出的部分。 2.2 頻率假彩色編碼在頻域假彩色增強時，先把灰度圖像 f(x，y)中的不同頻率成分別經(jīng)過 FFT傅里葉變換到頻率域。在頻率域內，經(jīng)過三個不同傳遞特性的濾波器，f(x，y)被分離成三個獨立分量，然后對它們進行 IFFT傅里葉逆變換，便得到三幅代表不同頻率分量的單色圖像。接著對這三幅圖像作進一步的附加處理，最后將它們作為三基色分量分別加到彩色顯示器的紅、綠、藍顯示通道，從而實現(xiàn)頻率域分段的假彩色增強。頻率域濾波的假彩色增強處理原理如圖 2-1圖2_1頻域濾波的假彩色增

11、強處理框圖頻域假彩色編碼的意義圖像經(jīng)過變換后處理起來比變換前更加簡單方便，由于這種變化是對圖像函數(shù)而言的，所以稱為圖像變換?，F(xiàn)在研究的圖像變換基本上都是正交變換，正交變換可以減少數(shù)據(jù)的相關性，獲取圖像的整體特點，有利于用較少的數(shù)據(jù)量表示原始圖像，這對圖像的分析、存儲以及圖像的傳輸都是非常有意義的。圖像的傅里葉變換傅里葉變換分為連續(xù)函數(shù)的傅里葉變換和離散函數(shù)的傅里葉變換兩種，由于計算機只能處理離散數(shù)值，所以連續(xù)傅里葉變換在計算機上無法直接使用。為了在計算機上實現(xiàn)傅里葉變換計算，必須把連續(xù)的函數(shù)離散化，即將連續(xù)傅里葉變換轉換為離散傅里葉變換。頻域濾波頻域濾波增強方法是將圖像從空間域變換到頻域，在圖

12、像的頻域空間對圖像進行濾波處理。根據(jù)信號分析理論，傅里葉變換和卷積理論是頻域濾波技術的基礎，因此，在頻域空間的濾波與在空間域濾波一樣可以通過卷積運算實現(xiàn)。假定g（x,y）表示函數(shù)f（x,y）與線性不變算子h（x,y）進行卷積運算的結果，即 g（x,y）= f（x,y）* h（x,y） 式（2_2）因此可得 G（u,v）= F(u,v)H(u,v) 式（2_3）其中，H（u,v）為傳遞函數(shù)，為突出F（u,v）中的不同頻率部分而設計出不同的濾波器。濾波器分為很多種，常見的有高通濾波器，低通濾波器，帶通濾波器。低通濾波器，它能減弱或消除傅里葉空間的高頻分量，但不影響低頻分量。因為高頻分量對應圖像中的

13、區(qū)域邊緣等灰度值具有較大較快變化的部分,濾波器將這些分量濾去可使圖像平滑。高通濾波器，它能夠減弱或消除傅里葉空間的低頻分量，但不影響高頻分量。因為低頻分量對應圖像中灰度值緩慢變化的區(qū)域，因而與圖像的整體特性，如整體對比度和平均灰度值等有關，高通濾波器將這些分量濾去可使圖像銳化。帶通濾波器，它能夠減弱或消除傅里葉空間的特定頻率分量，既不是圖像中的高頻成分也不是低頻成分，而是在一個有限的頻帶范圍內。這三種濾波器的特性曲線是三維圖形，其二維剖面示意圖如圖2_2 所示：圖 2_2頻域低通、高通、帶通三種濾波器剖面示意圖本實驗用濾波器 常見的濾波器的類型有很多，如理想型、巴特沃斯型、指數(shù)型等。本次實驗中

14、應用的是巴特沃斯型濾波器。巴特沃斯低通濾波器的傳遞函數(shù)為： 式（2_4）式中，D0為截止頻率；n為濾波器的階次。和理想濾波器一樣，巴特沃斯低通濾波器的特性曲線同樣為三維圖型，其剖面示意圖如圖4-2所示。一般情況下，當H（u,v）下降到最大值1/2時，D（u,v）為截止頻率D0。 圖2_3 巴特沃斯低通濾波器剖面特性圖巴特沃斯濾波器又稱為最大平坦濾波器，其通帶與帶阻之間的過渡比較平坦。因此，巴特沃斯低通濾波器的特點是：在通過頻率與截止頻率之間沒有明顯的不連續(xù)性，不會出現(xiàn)“振鈴”效應，其效果好于理想低通濾波器。這也是本實驗采用其的原因。巴特沃斯高通濾波器的傳遞函數(shù)為：式（2_4）巴特沃斯高通濾波器

15、性能的剖面示意圖如圖4-3所示。截止頻率的取值方法也是降到最大值的1/2時取得。該通過頻率與截止頻率之間也沒有明顯的不連續(xù)性，圖像增強后，“振鈴”現(xiàn)象不明顯。圖2_4 巴特沃斯高通濾波器剖面特性圖3.試驗模擬結果及分析3.1單色密度實驗對圖像進行了灰度分段，對不同的灰度段賦予了三基色中不同的單色。編碼程序：I=imread('C:Documents and SettingsAdministrator桌面平野測試圖像2.jpg');J=zeros(256,256,3);I=double(I);m,n=size(I);for i=1:256(m)for j=1:256(n) if

16、0<=I(i,j)&&I(i,j)<=80 R(i,j)=255;G(i,j)=0;B(i,j)=0; else if 80<=I(i,j)&&I(i,j)<=190 R(i,j)=0;G(i,j)=255;B(i,j)=0; else if 190<=I(i,j)&&I(i,j)<=255 R(i,j)=0;G(i,j)=0;B(i,j)=255; end end endendend J(:,:,1)=R;J(:,:,2)=G;J(:,:,3)=B; figure, imshow(uint8(J);程序所得圖

17、像：圖（3-1）程序修改部分:for i=1:256(m)for j=1:256(n) if 0<=I(i,j)&&I(i,j)<=80 R(i,j)=0; G(i,j)=255; B(i,j)=0; else if 80<=I(i,j)&&I(i,j)<=190 R(i,j)=0; G(i,j)=0;B(i,j)=255; else if 190<=I(i,j)&&I(i,j)<=255 R(i,j)= 255;G(i,j)=0;B(i,j)= 0; 修改后程序所得圖像：圖（3-2）分析:該程序的修改使得紅綠

18、藍三色的所在位置發(fā)生了互換但其色域及顏色并沒有發(fā)生改變。程序自定義修改部分： m,n=size(I);for i=1:256(m)for j=1:256(n) if 0<=I(i,j)&&I(i,j)<=80 R(i,j)=0; G(i,j)=255; B(i,j)=0; else if 80<=I(i,j)&&I(i,j)<=190 R(i,j)=0; G(i,j)=0;B(i,j)=255; else if 190<=I(i,j)&&I(i,j)<=255 R(i,j)= 255;G(i,j)= 255;B

19、(i,j)= 0; 自定義修改后程序所得圖像：圖（3-3）分析：自定義修改后的程序所做出的圖像與圖（3-2）相比色域并未再次互換，但發(fā)生了混色現(xiàn)象，這是因為在該區(qū)域內程序設置了R(i,j)= 255;G(i,j)= 255，使得該區(qū)域中同時存在等量的紅色和綠色，發(fā)生混色后得到了黃色。3.2 復色密度實驗對圖像進行了灰度分段，對不同的灰度段賦予了不同量的三基色。編碼程序：I=imread('C:Documents and SettingsAdministrator桌面平野測試圖像 cat256rgb.png');J=zeros(256,256,3);I=double(I);for

20、 i=1:256for j=1:256 if 0<=I(i,j)&&I(i,j)<=63 R(i,j)=0;G(i,j)=4*I(i,j);B(i,j)=255; else if 63<=I(i,j)&&I(i,j)<=127 R(i,j)=0;G(i,j)=255;B(i,j)=511-4*I(i,j); else if 128<=I(i,j)&&I(i,j)<=191 R(i,j)=4*I(i,j);G(i,j)=255;B(i,j)=0; else if 192<=I(i,j)&&I

21、(i,j)<=255R(i,j)=255;G(i,j)=1025-4*I(i,j);B(i,j)=0; end end end endendend J(:,:,1)=R;J(:,:,2)=G;J(:,:,3)=B; figure, imshow(uint8(J);運行后所得圖像： 圖（3-4）程序修改部分：for i=1:256for j=1:256 if 0<=I(i,j)&&I(i,j)<=63 R(i,j)=0;G(i,j)=4*I(i,j);B(i,j)=255; else if 63<=I(i,j)&&I(i,j)<=12

22、7 R(i,j)=0;G(i,j)=255;B(i,j)=511-8*I(i,j); else if 128<=I(i,j)&&I(i,j)<=191 R(i,j)=4*I(i,j);G(i,j)=255;B(i,j)=0; else if 192<=I(i,j)&&I(i,j)<=255R(i,j)=255;G(i,j)=1025-8*I(i,j);B(i,j)=0; 修改后程序所的圖像： 圖（3-5）分析:由于該句程序的改變else if 63<=I(i,j)&&I(i,j)<=127 R(i,j)=0;G

23、(i,j)=255;B(i,j)=511-8I(i,j);使得圖像的色域發(fā)生改變。3.3 頻域編碼實驗對圖像先進行了轉化為灰度圖像的操作，然后將灰度圖像分頻處理，使高、中、低頻通過各自的濾波器后產(chǎn)生高、中、低頻各自的圖片，最后將三圖進行合成，得到頻域假彩色編碼圖。編碼程序：clcI1=imread(' C:Documents and SettingsAdministrator桌面平野測試圖像 9.jpg');I=rgb2gray(I1);figure,subplot(231),imshow(I1);subplot(234),imshow(I);M,N=size(I);I=dou

24、ble(I);F=fft2(I);fftshift(F);REDcut=100; %紅色高頻截止頻率GREENcut=200; %綠色低頻截止頻率BLUEcenter=150; %藍色頻帶中心BLUEwidth=100; %藍色頻帶寬度BLUEu0=10;BLUEv0=10;for u=1:Mfor v=1:N D(u,v)=sqrt(u2+v2); %頻率至中心距離 REDH(u,v)=1/(1+(sqrt(2)-1)*(D(u,v)/REDcut)2); %低通 GREENH(u,v)=1/(1+(sqrt(2)-1)*(GREENcut/D(u,v)2); %高通 BLUED(u,v)=

25、sqrt(u-BLUEu0)2+(v-BLUEv0)2); %藍色頻率至中心 if(BLUED(u,v)=BLUEcenter)&&(BLUED(u,v)=-BLUEcenter) BLUED(u,v)=BLUED(u,v)+1, else BLUED(u,v)=BLUED(u,v); endBLUEH(u,v)=1-1/(1+BLUED(u,v)*BLUEwidth/(BLUED(u,v)2-(BLUEcenter)2)2); %藍帶通endendRED=REDH.* F; %圖像紅頻率REDcolor=ifft2(RED); %圖像紅色成分,相應于低頻GREEN=GREEN

26、H.* F; %圖像綠頻率GREENcolor=ifft2(GREEN); %圖像綠色成分,相應于高頻BLUE=BLUEH.* F; %圖像藍頻率BLUEcolor=ifft2(BLUE); %圖像藍色成分,相應于中頻REDcolor=real(REDcolor)/256; %轉換成實數(shù)圖像GREENcolor=real(GREENcolor)/256;BLUEcolor=real(BLUEcolor)/256;R=abs(REDcolor);B=abs(BLUEcolor);G=abs(GREENcolor);subplot(232),imshow(R);subplot(233),imsho

27、w(G);subplot(235),imshow(B); for i=1:Mfor j=1:N OUT(i,j,1)=REDcolor(i,j); OUT(i,j,2)=GREENcolor(i,j); OUT(i,j,3)=BLUEcolor(i,j);endendOUT=abs(OUT);subplot(236),imshow(OUT);編碼程序所得圖像：低頻成分高頻成分原圖頻域編碼假彩色圖像中頻成分轉換成灰度圖像 圖（3-6）修改原始編碼程序：clcI1=imread(' C:Documents and SettingsAdministrator桌面平野測試圖像 9.jpg

28、9;);I=rgb2gray(I1);figure,subplot(231),imshow(I1);subplot(234),imshow(I);M,N=size(I);I=double(I);F=fft2(I);fftshift(F);REDcut=1500; %紅色高頻截止頻率GREENcut=2; %綠色低頻截止頻率BLUEcenter=150; %藍色頻帶中心BLUEwidth=100; %藍色頻帶寬度BLUEu0=10;BLUEv0=10;for u=1:Mfor v=1:N D(u,v)=sqrt(u2+v2); %頻率至中心距離 REDH(u,v)=1/(1+(sqrt(2)-1

29、)*(D(u,v)/REDcut)2); %低通 GREENH(u,v)=1/(1+(sqrt(2)-1)*(GREENcut/D(u,v)2); %高通 BLUED(u,v)=sqrt(u-BLUEu0)2+(v-BLUEv0)2); %藍色頻率至中心 if(BLUED(u,v)=BLUEcenter)&&(BLUED(u,v)=-BLUEcenter) BLUED(u,v)=BLUED(u,v)+1, else BLUED(u,v)=BLUED(u,v); endBLUEH(u,v)=1-1/(1+BLUED(u,v)*BLUEwidth/(BLUED(u,v)2-(BLU

30、Ecenter)2)2); %藍帶通endendRED=REDH.* F; %圖像紅頻率REDcolor=ifft2(RED); %圖像紅色成分,相應于低頻GREEN=GREENH.* F; %圖像綠頻率GREENcolor=ifft2(GREEN); %圖像綠色成分,相應于高頻BLUE=BLUEH.* F; %圖像藍頻率BLUEcolor=ifft2(BLUE); %圖像藍色成分,相應于中頻REDcolor=real(REDcolor)/256; %轉換成實數(shù)圖像GREENcolor=real(GREENcolor)/256;BLUEcolor=real(BLUEcolor)/256;R=a

31、bs(REDcolor);B=abs(BLUEcolor);G=abs(GREENcolor);subplot(232),imshow(R);subplot(233),imshow(G);subplot(235),imshow(B); for i=1:Mfor j=1:N OUT(i,j,1)=REDcolor(i,j); OUT(i,j,2)=GREENcolor(i,j); OUT(i,j,3)=BLUEcolor(i,j);endendOUT=abs(OUT);subplot(236),imshow(OUT);修改原始編碼程序后所得圖像：低頻成分高頻成分原圖頻域碼假彩色圖像中頻成分轉換為

32、灰度圖像 圖（3-7）分析:修改的程序編碼為fftshift(F);REDcut=1500; %紅色高頻截止頻率GREENcut=2; %綠色低頻截止頻率BLUEcenter=150; %藍色頻帶中心BLUEwidth=100; %藍色頻帶寬度將紅色高頻截止頻率和綠色低頻截止頻率進行了修改,致使紅色綠色的通過率發(fā)生了改變,從而發(fā)生了圖(3-7)的混色現(xiàn)象。4.實驗結論隨著技術的進步，數(shù)字圖像處理相關技術的應用也越發(fā)的廣泛。相對于傳統(tǒng)的文字信息，數(shù)字圖像擁有更大的信息量，更加便于人們接收信息，已經(jīng)應用到了社會的方方面面。本文首先介紹了基于MATLAB圖像的假彩色編碼，接著通過MATLAB7.1編

33、程分別實現(xiàn)了單色密度三級-RGB復色密度、頻域編碼三項實驗，對多幅圖像進行了仿真實驗，并對實驗數(shù)據(jù)進行分析，給出了對應的實驗圖像。實驗結果表明假彩色編碼實現(xiàn)簡單，在多數(shù)的情況下都能得到較好的實驗效果。利用MATLAB進行仿真實驗，方法簡單，誤差小，大大提高了假彩色編碼的效率和精度。借助基于MATLAB進行假彩色編碼仿真解決了人類視覺不能同時分辨出灰度超過1520個層次的圖像的問題，使人們對這些圖像的分析和處理變得容易。在黑白圖片中的不同黑白層次賦予不同的顏色，大大增強了圖像的辨識度，就如同在上述的三個實驗中所得到的圖片所示，清晰明了的將圖像的層次分開。經(jīng)過此次的MATLAB實驗課程設計，使得我