彩色圖象分割課程設(shè)計(jì)-RGB模型教材

沈陽理工大學(xué)數(shù)字圖象處理課程設(shè)計(jì)彩色圖象分割課程設(shè)計(jì)—RGB模型1設(shè)計(jì)目的及要求1.1設(shè)計(jì)目的（1）綜合運(yùn)用相關(guān)課程中所學(xué)到的理論知識去獨(dú)立完成設(shè)計(jì)課題。（2）通過查閱手冊和相關(guān)文獻(xiàn)資料，培養(yǎng)獨(dú)立分析和解決問題的能力。（3）進(jìn)一步熟悉Matlab運(yùn)用和圖像處理的知識，加深對專業(yè)知識和理論知識學(xué)習(xí)的認(rèn)識和理解。（4）學(xué)會撰寫課程設(shè)計(jì)的總結(jié)報(bào)告。（5）培養(yǎng)嚴(yán)肅認(rèn)真的工作作風(fēng)和嚴(yán)謹(jǐn)?shù)目茖W(xué)態(tài)度。1.2課程設(shè)計(jì)要求（1）熟悉和掌握MATLAB程序設(shè)計(jì)方法；

（2）學(xué)習(xí)和熟悉MATLAB圖像處理工具箱；

（3）學(xué)會運(yùn)用MATLAB工具箱對圖像進(jìn)行處理和分析；

（4）對給定的彩色圖像的顏色，使用RGB顏色模型，來對其進(jìn)處理（5）并且設(shè)計(jì)MATLAB程序，使其能完成輸入圖像便自動使用RGB模型來進(jìn)行圖像分割。-2圖像處理簡介2.1圖像處理技術(shù)圖像處理技術(shù)包括：空域處理方法和變換域處理方法。(1)圖像信息的獲取為了在計(jì)算機(jī)上進(jìn)行圖像處理，必須把作為處理對象的模擬圖像轉(zhuǎn)換成數(shù)字圖像信息。圖像信息的獲取，一般包括圖像的攝取、轉(zhuǎn)換及數(shù)字化等幾個(gè)步驟。該部分主要由處理系統(tǒng)硬件實(shí)現(xiàn)。(2)圖像信息的存儲于交換由于數(shù)字圖像信息量大，且在處理過程中必須對數(shù)據(jù)進(jìn)行存儲和交換，為了解決大數(shù)據(jù)量及交換與傳輸時(shí)間的矛盾，通常除采用大容量機(jī)內(nèi)存存儲器進(jìn)行并行傳送，直接存儲訪問外，還必須采用外部磁盤、光盤及磁帶存儲方式，從而達(dá)到提高處理的目的。該部分組要功能也由硬件完成。(3)數(shù)字圖像處理數(shù)字圖像處理，即把在空間上離散的，在幅度上量化分層的數(shù)字圖像，在經(jīng)過一些特定數(shù)理模式的加工處理，以達(dá)到有利于人眼視覺或某種接收系統(tǒng)所需要的圖像過程。(4)數(shù)字圖像通訊80年代以來，由于計(jì)算機(jī)技術(shù)和超大規(guī)模集成電路技術(shù)的巨大發(fā)展，推動了通訊技術(shù)（包括語言、數(shù)據(jù)、圖像）的飛速發(fā)展。因?yàn)閳D像通訊具有形象直觀、可靠、高效率等一系列優(yōu)點(diǎn)，尤其是數(shù)字圖像通訊比模擬圖像通訊更具抗干擾性，便于壓縮編碼處理和易于加密，因此在圖像通訊工程中數(shù)字處理技術(shù)獲得廣泛應(yīng)用。2.2圖像處理的內(nèi)容圖像處理的內(nèi)容包括：圖像變換，圖像增強(qiáng)，圖像編碼與壓縮，圖像復(fù)原，圖像重建，圖像識別以及圖像理解。(1)圖像數(shù)字化圖像數(shù)字化即圖像采樣和量化，是指把連續(xù)的圖像信號變?yōu)殡x散的數(shù)字信號，以適應(yīng)計(jì)算機(jī)的處理。(2)圖像編碼壓縮把數(shù)字化的圖像數(shù)據(jù)按一定規(guī)則進(jìn)行排列或運(yùn)算過程，稱為圖像編碼。利用圖像本身的內(nèi)在特性，通過某種特殊的編碼方式，達(dá)到減少原圖像數(shù)據(jù)時(shí)空占用量的處理叫做圖像壓縮編碼。(3)圖像變換一般指利用正交變換的性質(zhì)和特點(diǎn)，將圖像轉(zhuǎn)換到變換域中進(jìn)行處理，并且大部分變換都有快速算法。(4)圖像增強(qiáng)圖像增強(qiáng)的目的是突出圖像中所感興趣的部分，如強(qiáng)化圖像的高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯。(5)圖像復(fù)原圖像復(fù)原是盡可能恢復(fù)圖像的本來面貌，是對圖像整體而言，而且在復(fù)原處理時(shí)，往往必須追求降質(zhì)原因，以便“對癥下藥”，而增強(qiáng)往往是局部。(6)圖像分割將圖像中包含的物體，按其灰度或幾何特性分割，并進(jìn)行處理分析，從中提取有效分量、數(shù)據(jù)等有用信息。這是進(jìn)一步進(jìn)行圖像處理如模式識別、機(jī)器視覺等技術(shù)的基礎(chǔ)。(7)圖像分類簡單地說就是在圖像分割的基礎(chǔ)上，進(jìn)行我體的判決分類。3設(shè)計(jì)原理RGB顏色空間是最基本的色彩空間主要是面向硬件設(shè)備的，它是與人類視覺系統(tǒng)有著密切關(guān)系的空間模型，它通常用于顯示器，打印機(jī)和其他設(shè)備，是最常見的和最常用的色彩空間。通常，RGB空間用數(shù)據(jù)立方體模型來表示，由圖3.1可知。在圖中，R，G，B這三個(gè)分量分別位于三角上，綠色,紅色和黃色在其他三個(gè)角落,黑色在原點(diǎn),白色的角度離原點(diǎn)最遠(yuǎn)的。在這個(gè)空間中，灰度等級是沿著黑白兩點(diǎn)之間的連線分布。圖3.1RGB色彩空間示意圖比色法則：1、通過R，G，B三種顏色可以產(chǎn)生任意顏色，這三種顏色組合后形成的顏色也是唯一的；2、如果兩種顏色的三個(gè)分量相等，則這兩種顏色是相同的，這三個(gè)分量乘以或除以相同的數(shù)得到的顏色依舊是一樣的；3、各種顏色組成的混合色的亮度等于其中每個(gè)顏色亮度的總和。RGB色彩空間適用于彩色顯示，同時(shí)，R，G，B這三個(gè)分量有很高的相關(guān)性，如果強(qiáng)度發(fā)生變化，則這三個(gè)顏色分量也會發(fā)生相應(yīng)的變化。此外，在RGB空間不能用距離來衡量兩個(gè)顏色相似性。4設(shè)計(jì)方案4.1設(shè)計(jì)思想對于彩色圖像，傳統(tǒng)的閾值分割算法是先將彩色圖像轉(zhuǎn)換成灰度圖像，再取一個(gè)灰度值作為閾值，逐個(gè)像素進(jìn)行處理，若此像素灰度值小于等于閾值的為前景，置為黑色，若大于閾值的為背景，置為白色。RGB三原色到灰度的轉(zhuǎn)換公式為：（4.1）在灰度值一定的情況下，此公式是三元一次方程，在笛卡爾坐標(biāo)系中對應(yīng)著一個(gè)平面[7]。設(shè)灰度值取為60，則方程為：(4.2)對應(yīng)的空間平面在RGB顏色空間中的位置由圖4.1可知。．圖4.1灰度轉(zhuǎn)換與RGB顏色空間模型對照RGB顏色空間模型看，位于此平面上的所有點(diǎn)，經(jīng)灰度轉(zhuǎn)換后，其灰度值都是60。如果以灰度值60為閾值對彩色圖像進(jìn)行分割，則圖像中所有顏色值位于此閾值分割平面下方的，其顏色經(jīng)灰度轉(zhuǎn)換后都將小于60，因此都將判定為前景；同樣的，圖像中所有顏色值位于此閾值分割平面上方的，將被判定為背景。相應(yīng)的判定準(zhǔn)則是：｛(4.3)考察當(dāng)三原色當(dāng)中的藍(lán)色為0時(shí)的情況，由圖4.2可知圖4.2藍(lán)色為0時(shí)的閾值分割情況對應(yīng)的灰度轉(zhuǎn)換方程為：（4.4)此平面上的點(diǎn)，以閾值分割線為界，上方的將被判定為背景，下方的將被判定為前景。當(dāng)紅色或綠色為0時(shí)，也有相同的情況?；赗GB顏色空間的閾值分割算法,考察藍(lán)色為0時(shí)的顏色分布情況，由圖4.3可知。圖4.3藍(lán)色為0時(shí)的顏色分布情況由圖4.3中，左下角為黑色，左上角為紅色，右上角為黃色，右下角為綠色。觀察圖4種的顏色分布情況，可以發(fā)現(xiàn)，接近黑色的顏色分布在左下角近似正方形的部分，而不是由圖4.3中的三角形部分中，也就是說，就紅、綠兩原色組合成的色彩而言，將彩色圖形轉(zhuǎn)換為灰度圖形后，有一部分色彩在彩色情況下視覺上明顯不是黑色，但轉(zhuǎn)換為灰度顏色后視覺上會感覺比較接近黑色。在由紅、藍(lán)及藍(lán)、綠甚至紅、藍(lán)、綠三原色組合成的色彩中，也都存在著同樣的情況。由于灰度轉(zhuǎn)換造成的這種誤差，在對圖像進(jìn)行閾值分割時(shí)會形成誤判[5]。對于彩色圖像，由于傳統(tǒng)的閾值分割算法是對圖像顏色進(jìn)行灰度轉(zhuǎn)換后進(jìn)行分割，還原到彩色空間中相當(dāng)于是取了圖2中靠近坐標(biāo)原點(diǎn)的一個(gè)四面體所包含的顏色為前景。此四面體中遠(yuǎn)離原點(diǎn)的四個(gè)角部分的色彩已經(jīng)較大地偏離了黑色，而轉(zhuǎn)換為灰度顏色后這種偏離將被掩蓋，從而造成對圖像進(jìn)行閾值分割時(shí)的不準(zhǔn)確[3]。基于以上分析，提出新的對彩色圖像進(jìn)行閾值分割的思路：在RGB色彩空間中取靠近原點(diǎn)的一個(gè)立方體，其中所包含的顏色為前景，其余的顏色為背景。相應(yīng)的判定準(zhǔn)則是：｛(4.5)4.2設(shè)計(jì)流程圖4.4基于RGB模型的彩色圖像分割流程圖用Matlab來分割彩色圖像的過程如下：

（1）獲取圖像的RGB顏色信息。通過與用戶的交互操作來提示用戶輸入待處理的彩色圖像文件路徑;

（2）RGB彩色空間到lab彩色空間的轉(zhuǎn)換。通過函數(shù)makecform()和applycform()來實(shí)現(xiàn);

（3）對ab分量進(jìn)行Kmean聚類。調(diào)用函數(shù)kmeans()來實(shí)現(xiàn)；

（4）顯示分割后的各個(gè)區(qū)域。用三副圖像分別來顯示各個(gè)分割目標(biāo)，背景用黑色表示代碼實(shí)現(xiàn)（1）使用函數(shù)imread()獲取圖像的RGB顏色信息，然后通過函數(shù)makecform()和applycform()來實(shí)現(xiàn)RGB彩色空間到lab彩色空間的轉(zhuǎn)換，其核心代碼如下：clear;clc;file_name=input('請輸入圖像文件路徑：','s');I_rgb=imread(file_name);%讀取文件數(shù)據(jù)figure();subplot(2,3,1);imshow(I_rgb);%顯示原圖title('原始圖像');%將彩色圖像從RGB轉(zhuǎn)化到lab彩色空間C=makecform('srgb2lab');%設(shè)置轉(zhuǎn)換格式I_lab=applycform(I_rgb,C);%進(jìn)行K-mean聚類將圖像分割成3個(gè)區(qū)域ab=double(I_lab(:,:,2:3));%取出lab空間的a分量和b分量nrows=size(ab,1);ncols=size(ab,2);ab=reshape(ab,nrows*ncols,2);nColors=3;%分割的區(qū)域個(gè)數(shù)為3（2）再調(diào)用函數(shù)kmeans()，來實(shí)現(xiàn)對ab分量進(jìn)行Kmean聚類。最后，通過subplot()函數(shù)顯示分割后的各個(gè)區(qū)域。進(jìn)而實(shí)現(xiàn)基于RGB模型的彩色圖像的分割，核心代碼如下:[cluster_idxcluster_center]=kmeans(ab,nColors,'distance','sqEuclidean','Replicates',3);%重復(fù)聚類3次pixel_labels=reshape(cluster_idxcluster_center,nrows,ncols);subplot(2,3,2);imshow(pixel_labels,[]),title('聚類結(jié)果');%顯示分割后的各個(gè)區(qū)域segmented_images=cell(1,3);rgb_label=repmat(pixel_labels,[113]);fork=1:nColorscolor=I_rgb;color(rgb_label~=k)=0;segmented_images{k}=color;endsubplot(2,3,3);imshow(segmented_images{1}),title('分割結(jié)果——區(qū)域1');subplot(2,3,4);imshow(segmented_images{2}),title('分割結(jié)果——區(qū)域2');subplot(2,3,5);imshow(segmented_images{3}),title('分割結(jié)果——區(qū)域3');6仿真與結(jié)果分析6.1仿真結(jié)果（1）獲取圖像的RGB顏色信息。通過與用戶的交互操作來提示用戶輸入待處理的彩色圖像的文件路徑原始圖片，得到圖6.1:圖6.1原始圖像由圖6.1可知:是一幅多姿多彩的摩天輪圖片（2）RGB彩色空間到lab彩色空間的轉(zhuǎn)換。通過函數(shù)makecform()和applycform()來實(shí)現(xiàn)；再調(diào)用函數(shù)kmeans()對ab分量進(jìn)行Kmean聚類，得到圖6.2:圖6.2聚類結(jié)果由圖6.2可知:經(jīng)過了聚類處理后變成了一幅灰度圖像（3）顯示分割后的各個(gè)區(qū)域。用三副圖像分別來顯示各個(gè)分割目標(biāo)，背景用黑色表示,得到如下6.3;6.4以及6.5的三個(gè)圖像：分割結(jié)果——區(qū)域1：圖6.3分割結(jié)果——區(qū)域1由圖6.3可知:經(jīng)過了圖像分割與圖像增強(qiáng)提取了圖像中的R分量，紅色細(xì)節(jié)明顯分割結(jié)果——區(qū)域2：圖6.4分割結(jié)果——區(qū)域2由圖6.4可知:經(jīng)過圖像分割與圖像增強(qiáng)圖像提取了圖像中的B分量，藍(lán)色特征清晰分割結(jié)果——區(qū)域3：圖6.5分割結(jié)果——區(qū)域3由圖6.5可知:經(jīng)過了圖像分割與圖像增強(qiáng)提取了圖像的G分量，綠色特征明顯6.2結(jié)果分析見圖6.1是預(yù)處理的原始圖像；圖6.2則是通過函數(shù)makecform()和applycform()，將RGB彩色空間轉(zhuǎn)換到lab彩色空間，再調(diào)用函數(shù)kmeans()，對ab分量進(jìn)行Kmean聚類得到的結(jié)果。圖6.3,圖6.4，圖6.5則是顯示分割后的各個(gè)區(qū)域。用三副圖像分別來顯示各個(gè)分割目標(biāo)，背景用黑色表示結(jié)論本次課程設(shè)計(jì)考察了對輸入的圖像進(jìn)行分割化處理，然后進(jìn)行區(qū)域測量的基于matlab軟件的編程能力，經(jīng)過了幾天的設(shè)計(jì)之后，我取得了如下的一些成果：（1）)首先，在matlab代碼中可用imread（）函數(shù)將其讀入；然后，為了便于處理，通過函數(shù)makecform()和applycform()來實(shí)現(xiàn)RGB彩色空間到lab彩色空間的轉(zhuǎn)換。（2）得到灰度圖像后，采用基于RGB顏色空間的閾值分割算法進(jìn)行邊界提取，對于提取邊緣后的圖像，就可以進(jìn)行下列處理了