彩色圖像處理及實現(xiàn)

彩色圖像處理及實現(xiàn)第一頁，共一百零三頁，2022年，8月28日我們生活在一個信息時代，科學(xué)研究和統(tǒng)計表明，人類感知的外界信息，80％以上是通過視覺得到的，也就是從圖像中獲得。生活在色彩斑斕的世界中，人的視覺系統(tǒng)產(chǎn)生的圖像多為彩色圖像。對人類而言，對彩色圖像信息的感知，具有至關(guān)重要的意義。彩色圖像信息可以從科學(xué)和藝術(shù)兩方面來理解。本章僅從科學(xué)角度討論彩色圖像信息處理，當(dāng)然通過科學(xué)手段對彩色圖像進(jìn)行處理自然也可能使彩色圖像更具有藝術(shù)效果。第二頁，共一百零三頁，2022年，8月28日對彩色圖像的科學(xué)處理，稱為圖像技術(shù)，也稱為圖像工程。內(nèi)容非常豐富，根據(jù)抽象程度和研究方法等的不同可分為三個層次：彩色圖像處理、彩色圖像分析和彩色圖像理解。彩色圖像處理著重強(qiáng)調(diào)在圖像之間進(jìn)行的變換，彩色圖像分析則主要是對彩色圖像中感興趣的目標(biāo)進(jìn)行檢測和測量，以獲得它們的客觀信息，從而建立對圖像的描述。彩色圖像理解的重點是在彩色圖像分析的基礎(chǔ)上,進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互聯(lián)系，并得到圖像內(nèi)容含義的理解，以及對原來客觀場景的解釋，從而指導(dǎo)和規(guī)劃行為，彩色圖像處理的最終研究目標(biāo)為：通過二維彩色圖像認(rèn)識三維環(huán)境的信息。第三頁，共一百零三頁，2022年，8月28日隨著信號處理及計算機(jī)技術(shù)和彩色圖像處理技術(shù)的發(fā)展，人們試圖用攝像機(jī)獲取環(huán)境彩色圖像并轉(zhuǎn)換成數(shù)字信號，用計算機(jī)實現(xiàn)人類對視覺信息處理的全過程，進(jìn)而形成了一門新學(xué)科—計算機(jī)視覺，從而大大推動人工智能系統(tǒng)的發(fā)展。彩色圖像處理技術(shù)是開發(fā)智能機(jī)器人的關(guān)鍵突破口，當(dāng)前彩色圖像技術(shù)已涉及人類生活和社會發(fā)展的各個方面，展望未來，彩色圖像處理技術(shù)將能得到進(jìn)一步發(fā)展和應(yīng)用，從而改變?nèi)藗兊纳罘绞揭约吧鐣Y(jié)構(gòu)。第四頁，共一百零三頁，2022年，8月28日本章第二節(jié)討論人類彩色視覺系統(tǒng)有關(guān)知識，第三節(jié)討論彩色圖像處理，第四節(jié)討論彩色圖像分析。由于篇幅的關(guān)系，有關(guān)彩色圖像理解的內(nèi)容請參考有關(guān)計算機(jī)視覺的論著。第五頁，共一百零三頁，2022年，8月28日5.2彩色視覺與彩色圖像彩色圖像處理的許多目標(biāo)是幫助人更好地觀察和理解圖像中的信息，處理方案的選擇和設(shè)計與信源和信宿的特征密切相關(guān)。所謂信源就是處理前或者處理后的圖像，信宿是處理前后信息的接收者——人的視覺系統(tǒng)。因此了解圖像特點和人的視覺系統(tǒng)對彩色的感知規(guī)律是十分必要的，本節(jié)將介紹有關(guān)這方面的內(nèi)容，即色度學(xué)的知識。第六頁，共一百零三頁，2022年，8月28日5.2.1彩色視覺人的視覺的產(chǎn)生是一個復(fù)雜的過程，除了光源對眼睛的刺激，還需要人腦對刺激的解釋。人的視覺系統(tǒng)是由眼球、神經(jīng)系統(tǒng)、大腦的視覺中樞構(gòu)成，人眼的形狀為一球形，其平均直徑約20毫米，這球形之外殼有三層薄膜，最外層是角膜和鞏膜，最里層的膜是視網(wǎng)膜，它布滿在整個后部的內(nèi)壁上。視網(wǎng)膜可看做是大腦分化出來的一部分，其構(gòu)造比其他感覺器官都要復(fù)雜，具有高度的信息處理機(jī)能。眼睛中的光感受器主要是視覺細(xì)胞，視網(wǎng)膜上存在不同的光感受器，即錐狀細(xì)胞與桿狀細(xì)胞。桿狀細(xì)胞對彩色不敏感，錐狀細(xì)胞具有辨別光波波長的能力，因此對彩色十分敏感，錐狀細(xì)胞又分為對不同光譜(紅、綠、藍(lán))敏感的三種細(xì)胞，對外膝體與大腦視覺皮層的分析表明，它們都有專門的區(qū)域從事彩色信息的處理與識別，這就是人類視覺系統(tǒng)的彩色信息通道。第七頁，共一百零三頁，2022年，8月28日周圍環(huán)境中的物體，在可見光的照射下，通過眼球的聚焦作用，在人眼的視網(wǎng)膜上形成彩色圖像.通過人類視覺信息系統(tǒng)彩色信息通道各個環(huán)節(jié)的處理，使人獲得彩色圖像信息的感知覺。對彩色圖像信息的感知覺就是人類的彩色視覺，彩色視覺是一種明視覺，常用亮度、色調(diào)、飽和度三個基本特性量來描述，稱為彩色三要素。第八頁，共一百零三頁，2022年，8月28日亮度是指彩色光所引起的人眼對明暗程度的感覺,亮度和照射光的強(qiáng)度有關(guān)。色調(diào)是指光的顏色，例如，紅、橙、黃、綠……等都表示光的不同色調(diào)，改變色光的光譜成分，就會引起色調(diào)的變化。色飽和度是指色的顏色的深淺程度。如深紅、淡紅等等。色調(diào)和飽和度又合稱為色度，它既表示色光顏色類別，又能表示顏色的深淺程度。第九頁，共一百零三頁，2022年，8月28日5.2.2三色成像原理人眼視網(wǎng)膜中存在著對不同光譜（紅、綠、藍(lán)）敏感的三種錐狀細(xì)胞，由這三種錐狀細(xì)胞，人類產(chǎn)生自然界所有彩色的感知覺?？茖W(xué)實驗與分析表明，自然界里常見的各種色光都可以由紅、綠、藍(lán)三種色光，按不同比例相配而成，同樣，絕大多數(shù)色光也可以分解成紅、綠、藍(lán)三種色光。這便是色度學(xué)中的最基本原理—三基色原理。第十頁，共一百零三頁，2022年，8月28日三基色的選擇并不是惟一的，也可以選其他三種顏色為三基色。但是三種基色必須是相互獨立的,即任何一種顏色都不能由其他兩種顏色合成。由于人眼對紅(R)、綠(G)、藍(lán)(B)三種色光最為敏感，因此由這三種顏色所得的彩色范圍最廣，所以一般都選擇這三種顏色作為基色。第十一頁，共一百零三頁，2022年，8月28日由三基色混配各種顏色的方法通常有兩種，這就是相加混色和相減混色。由紅、綠、藍(lán)三基色進(jìn)行相加混色的情況如下：紅色＋綠色＝黃色紅色＋藍(lán)色＝紫色綠色＋藍(lán)色＝青色紅色＋綠色＋藍(lán)色＝白色稱青色、紫色和黃色分別是紅、綠、藍(lán)三色的補(bǔ)色。第十二頁，共一百零三頁，2022年，8月28日由于人眼對于相同強(qiáng)度單色光的主觀感覺不同，所以相同亮度的三基色混色時，如果把混色后所得的光亮度定為100%，那么，人的主觀感覺是,綠光僅次于白光，是三基色中最亮的，紅光次之,亮度約占綠光的一半，藍(lán)光最弱，亮度約占紅光的1/3。于是當(dāng)白光的亮度用Y來表示時，它和紅、綠、藍(lán)三色光的關(guān)系便可用如下方程加以描述：Y＝0.299R＋0.587G＋0.114B（）這就是相加混色常用的量度公式。此式是根據(jù)NTSC(美國國家電視制式委員會)電視制式推得的，當(dāng)采用PAL(相位逐行交變)電視制式時，公式形式為：Y＝0.222R＋0.707G＋0.071B（）第十三頁，共一百零三頁，2022年，8月28日圖8.1相加混色之三基色及補(bǔ)色亮度比例

兩方程之所以不同，是因為所選取的顯像三基色不同，三基色及其補(bǔ)色的亮度比例如圖8.1所示。第十四頁，共一百零三頁，2022年，8月28日相減混色是利用顏料、染料等的吸色性質(zhì)實現(xiàn)的.例：青布之所以呈現(xiàn)青顏色，是因為它用青色染料染過，而青色染料能吸收紅色（青色的補(bǔ)色），在白光照射下，經(jīng)吸收紅色而反射青色，同樣黃色顏料因有吸收藍(lán)色的能力，所以在白光照射下，它是反射藍(lán)色的補(bǔ)色——黃色。如果把青、黃兩種顏料混合，那么在白光照射下，由于混合顏料吸收了紅、藍(lán)兩色而反射綠色，所以混合顏料呈現(xiàn)綠顏色。第十五頁，共一百零三頁，2022年，8月28日由上例子可知，相減混合色是以吸收三基色的比例不同而配成不同的顏色的。由于紅、綠、藍(lán)三基色的補(bǔ)色分別是青色、紫色和黃色，所以，用吸收三基色的不同比例配色，也就是用青色、紫色和黃色顏料的不同比例配色,因此，也稱青、紫色和黃色為顏色料三基色。第十六頁，共一百零三頁，2022年，8月28日在顏色料三基色混色情況下，可用如下公式描述：（青色＋黃色）顏料＝白色－紅色－藍(lán)色＝綠色（青色＋紫色）顏料＝白色－紅色－綠色＝藍(lán)色（黃色＋紫色）顏料＝白色－藍(lán)色－綠色＝紅色（青色＋黃色＋紫色）顏料＝白色－紅色－綠色－藍(lán)色＝黑色可見，由顏料三基色相加，由于混合顏料吸收白色，而呈現(xiàn)黑色。本章彩色圖像處理中，都是采用相加混色法。所以，今后我們所討論的三基色，都是指紅、綠、藍(lán)三色。第十七頁，共一百零三頁，2022年，8月28日國際照明委員會(CIE)選擇紅色(波長λ=700.00nm)，綠色(波長λ＝546.1nm)，藍(lán)色(波長λ=435.8nm)三種單色光作為表色系統(tǒng)的三基色。這就是CIE的R、G、B顏色表示系統(tǒng)。由三基色原理可知，任何顏色都可由三基色混配而得到，為了簡單又方便地描繪出各種彩色與三基色的關(guān)系，采用彩色三角形與色度圖的表示方法。第十八頁，共一百零三頁，2022年，8月28日1931年CIE制定了1個色度圖(如圖8.2所示)，用組成某種顏色的三原色的比例來規(guī)定這種顏色。圖中橫軸代表紅色色系數(shù)，縱軸代表綠色色系數(shù),藍(lán)色系可由z=1-(x+y)求得。圖中各點給出光譜中各顏色的色度坐標(biāo)，藍(lán)紫色在圖的左下部。綠色在圖的左上部，紅色在圖的右下部，連接400nm和700nm的直線的光譜上所沒有的由紫到紅的系列。通過對該圖的觀察分析可知：第十九頁，共一百零三頁，2022年，8月28日1)在色度圖中每點都對應(yīng)一種可見顏色，或說任何可見顏色都在色度圖中占據(jù)確定的位置，即在(0,0)，(0,1)，(1,0)為頂點的三角形內(nèi)。而色度圖外的點對應(yīng)不可見的顏色。2)在色度圖中邊界上的點代表純顏色，移向中心表示混合的白光增加而純度減少。到中心點C處各種光譜能量相等而顯示為白色，此處純度為零。某種顏色的純度一般稱為該顏色的飽和度。第二十頁，共一百零三頁，2022年，8月28日3)在色度圖中連接任意2端點的直線上的各點表示將這2端所代表的顏色相加可組成的一種顏色。根據(jù)這個方法，如果要確定由3個給定顏色所組合成的顏色范圍，只需將這3種顏色對應(yīng)的3個點連成三角形，見圖8.2。在該三角形中的任意顏色都可由這3色組成，而在該三角形外的顏色則不能由這3色組成。由于給定3個固定顏色而得到的三角形并不能包含色度圖中所有的顏色，所以只用（單波長）3基色并不能組合得到所有顏色。第二十一頁，共一百零三頁，2022年，8月28日圖8.2色度圖示意

第二十二頁，共一百零三頁，2022年，8月28日下面是一個色度圖中一些點的3特征量值示例。圖8.2中心的C點對應(yīng)白色，由3原色各1/3組合產(chǎn)生。圖8.2中P點的色度坐標(biāo)為x=0.48,y=0.40。由C通過P畫1條直線至邊界上的Q點（約590nm）,P點顏色的主波長即為590nm，此處光譜的顏色即Q點的色調(diào)(橙色)。圖8.2中P點位于從C到純橙色點的66％的地方，所以它的色純度（飽和度）是66%。第二十三頁，共一百零三頁，2022年，8月28日5.2.3彩色圖像格式通過前面有關(guān)彩色視覺和三基色原理的介紹，了解到引起人類彩色視知覺的彩色圖像有多種表示方法。下面介紹彩色圖像的表示模式：1)RGB模式RGB是色光的彩色模式。R代表紅色，G代表綠色，B代表藍(lán)色，三種色彩疊加形成了其他的色彩。因為三種顏色都有256個亮度水平級，所以三種色彩疊加就能形成1670萬種顏色了，也就是“真彩色”，通過它們足以再現(xiàn)絢麗的世界。第二十四頁，共一百零三頁，2022年，8月28日在RGB模式中，由紅、綠、藍(lán)相疊加可以形成其他顏色，因此該模式也叫加色模式(CMYK是一種減色模式)。所有的顯示器、投影設(shè)備以及電視等許多設(shè)備都是依賴于這種加色模式實現(xiàn)的。就編輯圖像而言，RGB色彩模式也是最佳的色彩模式,因為它可提供全屏幕的24bit的色彩范圍，即“真彩色”顯示。但是，如果將RGB模式用于打印就不是最佳的了,因為RGB模式所提供的有些色彩已經(jīng)超出了打印色彩范圍之外，因此在打印一幅真彩的圖像時，就必然會損失一部分亮度，并且比較鮮明的色彩肯定會失真的。這主要是因為打印所用的是CMYK模式，而CMYK模式所定義的色彩要比RGB模式定義的色彩少得多，因此打印時，系統(tǒng)將自動進(jìn)行RGB模式與CMYK模式的轉(zhuǎn)換，這樣就難以避免損失一部分顏色，出現(xiàn)打印后的失真現(xiàn)象。第二十五頁，共一百零三頁，2022年，8月28日2)CMYK模式CMYK是相減混色，主要用在印刷業(yè)，以打印在紙張上的油墨的光線吸引特性為基礎(chǔ)，理論上，純青色(C)、品紅(M)和黃(Y)色素能夠合成吸收所有顏色并產(chǎn)生黑色。實際上，由于油墨雜質(zhì)的影響，只能產(chǎn)生一種土灰色，必須以黑色(K)油墨混合才能產(chǎn)生真正的黑色，因此，CMYK稱為四色印刷，當(dāng)所有四種分量值都是0％時，就會產(chǎn)生純白色，其他顏色由相應(yīng)百分比的CMYK值相減混色而得。CMYK模式是最佳的打印模式，RGB模式盡管色彩多，但不能完全打印出來。第二十六頁，共一百零三頁，2022年，8月28日3)Lab模式Lab模式既不依賴于光線，又不依賴于顏料。它是CIE組織確定的一個理論上包括了人眼可見的所有色彩的色彩模式。Lab模式彌補(bǔ)了RGB與CMYK兩種彩色模式的不足。Lab模式由三個通道組成，但不是R，G，B通道。它的一個通道是照度L。另外兩個是色彩通道，用a和b來表示。a通道包括的顏色是從深綠(低亮度值)到灰(中亮度值)，再到亮彩紅色(高亮度值)；b通道則是從紫藍(lán)色(低亮度值)到灰(中灰度值)，再到焦黃色(高亮度值)。因此，這種彩色混合后將產(chǎn)生明亮的色彩。第二十七頁，共一百零三頁，2022年，8月28日在表達(dá)色彩范圍上，處于第一位的是Lab模式，第二位的是RGB模式，第三位的是CMYK模式。Lab模式所定義的色彩最多，且與光線及設(shè)備無關(guān)，并且處理速度與RGB模式同樣快，且比CMYK模式快數(shù)倍。因此，可以大膽地在圖像編輯中使用Lab模式，而且，Lab模式保證在轉(zhuǎn)換成CMYK模式時色彩沒有丟失或被替代。因此，最佳避免色彩損失的方法是：應(yīng)用Lab模式編輯圖像，再轉(zhuǎn)換成CMYK模式打印。第二十八頁，共一百零三頁，2022年，8月28日4)HSV模式基于人類對顏色的感覺，HSV模式描述顏色的三個基本特征及色調(diào)、飽和度、亮度。色相也稱色調(diào)；是物體反射和投射光的顏色，在通常的使用中，色相由顏色名稱標(biāo)識，比如紅、橙或藍(lán)色。飽和度，有時也稱彩度，是指顏色的強(qiáng)度或純度。飽和度表示色相中灰成分所占的比例，用從0%（灰色)到100%(完全飽和)的百分比值來度量。亮度：是顏色的相對明暗程度，通常用0%（黑）到100%（白）的百分比值來度量。第二十九頁，共一百零三頁，2022年，8月28日5.2.4彩色坐標(biāo)變換上節(jié)指出彩色模式就是建立的一個3-D坐標(biāo)系統(tǒng),表示一個彩色空間，采用不同的基本量（三基色）來表示彩色，就得到不同的彩色模式(彩色空間),不同的彩色空間都能表示同一種顏色，因此，它們之間是可以轉(zhuǎn)換的，本節(jié)著重分析RGB模式與HSV模式之間的變換。第三十頁，共一百零三頁，2022年，8月28日（1）從RGB變換到HSV對任何3個在[0,1]范圍內(nèi)的R，G，B值，其對應(yīng)HSV模式中的V，S，H分量可由下面給出的公式計算：

(8.2.3)第三十一頁，共一百零三頁，2022年，8月28日由上式計算的[0,1]之間的R，G，B值。當(dāng)S=0時，對應(yīng)無色中的點，此時H為0；當(dāng)V=0時，S、H也沒有意義，取為0。第三十二頁，共一百零三頁，2022年，8月28日(2)從HSV變換到RGB若設(shè)H，S，V的值在[0,1]之間，R，G，B的值在[0,1]之間，由從HSV到RGB的轉(zhuǎn)換會成為1)當(dāng)H在[0,1/3]區(qū)間：

(8.2.4)第三十三頁，共一百零三頁，2022年，8月28日2)當(dāng)H在［1/3,2/3］區(qū)間：

(8.2.5)第三十四頁，共一百零三頁，2022年，8月28日3)當(dāng)H在[2/3,1]區(qū)間：

(8.2.6)第三十五頁，共一百零三頁，2022年，8月28日5.2.5彩色圖像的MATLAB的實現(xiàn)(1)MATLAB圖像處理工具箱支持的彩色圖像MATLAB圖像處理工具箱中支持的彩色圖像類型為索引圖像、RGB圖像、HSV圖像。1)索引圖像索引圖像包括圖像矩陣與顏色圖數(shù)組，其中顏色圖是按圖像顏色值進(jìn)行排序后的數(shù)組。顏色圖為M×3雙精度值矩陣，各行分別指定紅、綠、藍(lán)（R、G、B）單色值。對于每一個像素，圖像矩陣包含一個值，這個值就是顏色數(shù)據(jù)組中的索引。第三十六頁，共一百零三頁，2022年，8月28日2)RGB圖像與索引圖像一樣，RGB圖像分別用紅、綠、藍(lán)3個亮度值為一組，代表每個像素的顏色。這些亮度直接存在圖像數(shù)組中，圖像數(shù)組為m×n×3，m、n表示圖像像素的行列數(shù)。3)HSV圖像HSV圖像分別用色調(diào)(色相)、飽和度、灰度(亮度)三個值為一組，代表每個像素的顏色，HSV彩色圖數(shù)據(jù)矩陣的三列分別表示色相，飽和度和亮度值，圖像數(shù)組為m×n×3，m、n表示圖像像素的行列數(shù)。第三十七頁，共一百零三頁，2022年，8月28日(2)MATLAB圖像處理工具箱HSV模式與RGB模式之間的相互變換MATLAB圖像處理工具箱中提供了HSV模式與RGB模式之間的相互變換：

hsv2rgb()、rgb2hsv()。1)HSV值與RGB顏色空間的相互轉(zhuǎn)換

hsv2rgb()、rgb2hsv()RGBMAP＝hsv2rgb（HSVMAP）其功能：將一個HSV顏色圖轉(zhuǎn)換為RGB顏色圖。輸入矩陣HSVMAP中的三列分別表示：色度、飽和度、純度值；輸出矩陣RGBMAP各列分別表示紅、綠、藍(lán)的亮度。矩陣元素在區(qū)間[0,1]。第三十八頁，共一百零三頁，2022年，8月28日rgb＝hsv2rgb（hsv）其功能是：將三維數(shù)組表示的HSV模式圖像hsv轉(zhuǎn)換為等價的三維RGB模式圖像rgb。當(dāng)色度值從0到1變化時，顏色則從紅經(jīng)黃、綠、青、藍(lán)、紫外線再回到紅色。當(dāng)飽和度為0，顏色是不飽和的，顏色完全灰暗;當(dāng)飽和度為1，顏色是完全飽和的，顏色不含白色成分。第三十九頁，共一百零三頁，2022年，8月28日HSVMAP＝rgb2hsv（RGBMAP）其功能是：將一個RGB顏色圖轉(zhuǎn)換為HSV顏色圖。hsv＝rgb2hsv(rgb)

其功能是：將三維數(shù)組表示的RGB模式圖像rgb轉(zhuǎn)換為等價的三維HSV模式圖像hsv。第四十頁，共一百零三頁，2022年，8月28日2)NTSC值與RGB顏色空間相互轉(zhuǎn)換函數(shù)：ntsc2rgb()、rgb2ntsc()RGBMAP＝ntsc2rgb(YIQMAP)

其功能是：將NTSC制電視圖像顏色圖YIQMAP(m/3矩陣)轉(zhuǎn)換到RGB顏色空間。如果YIQMAP為m/3矩陣，其各列分別表示NTSC制的亮度（Y）和色度（I與Q）顏色成分，那么輸出RGBMAP是一個m/3矩陣，其各列分別為與NTSC顏色相對應(yīng)的紅、綠、藍(lán)成分值。兩矩陣元素值是在區(qū)間[0,1]上。第四十一頁，共一百零三頁，2022年，8月28日rgb＝ntsc2rgb（yiq）其功能是：轉(zhuǎn)換NTSC圖像yiq為等價的真彩RGB圖像rgb。YIQMAP＝rgb2ntsc（RGBMAP）其功能是：將RGB顏色圖轉(zhuǎn)換到NTSC顏色空間。yiq＝rgb2ntsc（rgb）其功能是：將真彩RGB圖像rgb轉(zhuǎn)換為等價的NTSC圖像yiq。第四十二頁，共一百零三頁，2022年，8月28日(3)相互轉(zhuǎn)換的MATLAB實現(xiàn)1)RGB圖像與HSV圖像的轉(zhuǎn)換程序RGB=imread('autumn.tif');HSV=rgb2hsv(RGB);RGB1=hsv2rgb(HSV);subplot(2,2,1),imshow(RGB),title('RGB圖像');subplot(2,2,2),imshow(HSV),title('HSV圖像');subplot(2,2,3),imshow(RGB1),title('轉(zhuǎn)換后RGB圖像');第四十三頁，共一百零三頁，2022年，8月28日2)RGB圖像與YCBCR圖像的轉(zhuǎn)換程序RGB=imread('autumn.tif');YCBCR=rgb2ycbcr(RGB);RGB1=ycbcr2rgb(YCBCR);subplot(2,2,1),imshow(RGB),title('RGB圖像');subplot(2,2,2),imshow(YCBCR),title('YCBCR圖像');subplot(2,2,3),imshow(RGB1),title('轉(zhuǎn)換后RGB圖像');第四十四頁，共一百零三頁，2022年，8月28日3)RGB圖像與NTSC圖像的轉(zhuǎn)換程序RGB=imread('autumn.tif');subplot(2,2,1),imshow(RGB),title('RGB圖像')yiq=rgb2ntsc(RGB);RGB1=ntsc2rgb(yiq);subplot(2,2,2),imshow(yiq),title('NTSC圖像');subplot(2,2,3),imshow(RGB1),title('轉(zhuǎn)換后RGB圖像');第四十五頁，共一百零三頁，2022年，8月28日5.3彩色圖像處理

彩色圖像處理就是對彩色圖像信息進(jìn)行加工處理,首先強(qiáng)調(diào)在圖像之間進(jìn)行的變換，輸人輸出都是圖像。通過對彩色圖像的各種加工處理，以便于進(jìn)行圖像自動識別或?qū)D像進(jìn)行壓縮編碼以減少對其所需存儲空間或傳輸時間、傳輸通路的要求。第四十六頁，共一百零三頁，2022年，8月28日5.3.1彩色平衡由于彩色圖像經(jīng)過數(shù)字化后，顏色通道中不同的敏感度、增光因子、偏移量等因素導(dǎo)致圖像三個分量出現(xiàn)不同的線性變換，使得圖像的三基色不平衡，造成圖像中物體的顏色偏離原有的真實色彩。最突出的現(xiàn)象是使灰色的物體著了偽色。彩色圖像的顏色分布可以用直方圖表示，直方圖的橫坐標(biāo)是顏色，縱坐標(biāo)是這種顏色在圖像中的相對值。這種顏色分布對于彩色圖像的外觀是很重要的。對彩色圖像進(jìn)行顏色調(diào)整時，每個調(diào)整過程都會直接改變圖像中各顏色值。在一幅顏色圖像中，各種顏色共同組成了一個有機(jī)整體，每一個局部調(diào)整都會影響圖像的色彩平衡。第四十七頁，共一百零三頁，2022年，8月28日檢查彩色是否平衡的最簡單的方法：是看圖像中原灰色物體是否仍然為灰色，高飽和度的顏色是否有正常的色度。如果圖像有明顯的黑白或白色背景，在RGB分量的直方圖中會產(chǎn)生顯著的“峰”。倘若各個直方圖中“峰”處在三基色不同的灰度級上，則表明彩色出現(xiàn)了不平衡。這種不平衡現(xiàn)象可通過對R，G，B三個分量分別使用線性灰度變換進(jìn)行糾正。一般只需要變換分量圖像中的兩個與第三個的匹配情況。第四十八頁，共一百零三頁，2022年，8月28日最簡單的灰度變換函數(shù)的設(shè)計方法如下：1)選擇圖像中相對均勻的淺灰和深灰兩個區(qū)域；2)計算這兩個區(qū)域的三個分量圖像的平均灰度值;3)調(diào)節(jié)其中兩個分量圖像，用線性對比度使其與第三幅圖像匹配。如果所有三個分量圖像在這兩個區(qū)域中具有相同的灰度級，則就完成了彩色平衡調(diào)節(jié)。第四十九頁，共一百零三頁，2022年，8月28日5.3.2彩色圖像增強(qiáng)彩色圖像增強(qiáng)分兩大類：假彩色增強(qiáng)及偽彩色增強(qiáng)。假彩色增強(qiáng)是將一幅彩色圖像映射為另一幅彩色圖像，從而達(dá)到增強(qiáng)彩色對比，使某些圖像達(dá)到更加醒目的目的。假彩色增強(qiáng)技術(shù)也可以用于線性或者非線性彩色的坐標(biāo)變換，由原圖像基色轉(zhuǎn)變?yōu)榱硪唤M新基色。偽彩色增強(qiáng)則是把一幅黑白圖像的不同灰度級映射為一幅彩色圖像，由于人類視覺分辨不同彩色的能力特別強(qiáng)，而分辨灰度的能力相比之下較弱，因此，把人眼無法區(qū)別的灰度變化，施以不同的彩色，人眼便可以區(qū)別它們了，這便是偽彩色增強(qiáng)的基本依據(jù)。第五十頁，共一百零三頁，2022年，8月28日本小節(jié)討論偽彩色增強(qiáng)的一些基本方法。(1)密度分割法密度分割法又稱為灰度分割法，是偽彩色處理技術(shù)中最基本、最簡單的方法。設(shè)一幅黑白圖像f(x,y)，可以看成是坐標(biāo)（x,y）的一個密度函數(shù)。把此圖像的灰度分成若干等級,即相當(dāng)于用一些和坐標(biāo)平面平行的平面切割此密度函數(shù)。例如，分成I1、I2、……、IN等N個區(qū)域,每個區(qū)域分配一種彩色，顏色的偽彩色圖像如P285圖8.6所示。圖8.6簡單的灰度到彩色變換第五十一頁，共一百零三頁，2022年，8月28日(2)灰度級－彩色變換法這是一種更為常用的，同時也是比密度分割法更易于在廣泛的彩色范圍內(nèi)達(dá)到圖像增強(qiáng)目的的方法。我們知道，絕大部分彩色都可以用三原色——紅、綠、藍(lán)三色，按不同比例進(jìn)行組合而得到。因此,當(dāng)把一幅圖像每一點的像素，按其灰度值獨立地經(jīng)過三種不同彩色的變換，然后分別去控制彩色電視顯示器的不同彩色電子槍之發(fā)射，便可以在彩色顯像管的屏幕上，合成一幅含有多種彩色的圖像，其變換過程如P285圖8.7所示。第五十二頁，共一百零三頁，2022年，8月28日圖8.7偽彩色處理原理圖

第五十三頁，共一百零三頁，2022年，8月28日一組典型的灰度－彩色變換的傳遞函數(shù)：如P286圖8.8.圖8.8(a)表示紅色變換的傳遞函數(shù)，它指出，凡小于L/2的灰度級，將轉(zhuǎn)變?yōu)楸M可能暗的紅色，而在L/2到3L/4之間的灰度交替使紅色從暗到最亮按線性關(guān)系變換，凡大于3L/4直到最大灰度級L的灰度，均轉(zhuǎn)變成最亮的紅色。類似地，圖8.8(b)和(c)分別表示綠色和藍(lán)色變換的傳遞函數(shù)。最后，圖8.8(d)表示了三種彩色傳遞函數(shù)組合在一起的情況。由圖可知，只有兩端點和中心點的灰度，才是純?nèi)ｏ@然，用這種組合方案，將使整個灰度范圍內(nèi)的任何兩種灰度，都不具有相同的彩色。圖8.8典型的變換函數(shù)(a)紅變換特性(b)綠變換特性(c)藍(lán)變換特性第五十四頁，共一百零三頁，2022年，8月28日通常，為了加強(qiáng)灰度級－彩色變換增強(qiáng)的效果，在進(jìn)行偽彩色增強(qiáng)前，事先可對原圖像進(jìn)行一些其他增強(qiáng)處理。例如，先進(jìn)行一次直方圖均衡處理等等。第五十五頁，共一百零三頁，2022年，8月28日(3)頻率－彩色變換法如P286圖8.9所示，這是基于頻率域的偽彩色編碼的方法。首先將輸人圖像信號f(x,y)進(jìn)行傅立葉變換，然后分別用三個不同的濾波器進(jìn)行濾波處理后，將三路信號進(jìn)行傅立葉反變換得到三幅處理后的空間圖像，分別給予三路信號不同的三基色，便可以得到對頻率敏感的偽彩色圖像。典型的處理方法是采用低通，帶通、高通濾波三種濾波器，把圖像分成低頻、中頻、高頻三個頻率域分量，分別給予不同的三基色。第五十六頁，共一百零三頁，2022年，8月28日圖8.9頻域－彩色增強(qiáng)原理框圖第五十七頁，共一百零三頁，2022年，8月28日值得提醒的是：前面第3章所介紹的圖像增強(qiáng)技術(shù)同樣適用于彩色圖像處理，本小節(jié)只是針對圖像的彩色增強(qiáng)問題給出了部分處理方法。第五十八頁，共一百零三頁，2022年，8月28日5.3.3彩色補(bǔ)償

在將目標(biāo)圖像中各種顏色的物體分別分離出來的應(yīng)用中，通常使用熒光染料著色分離，例如將一個生物樣本的不同細(xì)胞成分區(qū)別出來就是采用彩色熒光染料著色處理而實現(xiàn)的。由于熒光染料熒光點發(fā)射光譜的不穩(wěn)定性，加上常用的彩色圖像數(shù)字化設(shè)備具有較寬且相互覆蓋的光譜敏感區(qū)域,使得我們難以在三個分量圖像中將三類顏色的物體完全分離開。一般來說，只有其中兩個對比度相對弱一些，將造成所謂的顏色擴(kuò)散現(xiàn)象。顏色擴(kuò)散可用一個如式(8.3.1)所示的線性變換來描述。即假設(shè)在每個彩色通道的曝光時間相同時，數(shù)字化儀記錄下的實際RGB圖像的灰度級向量為第五十九頁，共一百零三頁，2022年，8月28日Y＝CX＋B（）式中矩陣C=[cij]為顏色在三個顏色通道中的擴(kuò)散情況，cij表示數(shù)字圖像彩色通道i中熒光點j所占的亮度比例；X為3×1向量，它表示某像素沒有顏色擴(kuò)散時熒光點實際亮度的灰度級向量；向量B=[bi](i=1,2,3)代表數(shù)字化儀的黑度偏移，bi

表示通道i中對應(yīng)于黑色的測量灰度值。于是，實際亮度X可由下式求得：

（）此式表示顏色擴(kuò)散量可以用顏色擴(kuò)散矩陣的逆矩陣乘以每個通道由數(shù)字化儀器記錄的RGB灰度向量減去黑度偏移量實現(xiàn)。第六十頁，共一百零三頁，2022年，8月28日由于每個彩色通道使用不同的曝光時間，三個顏色在相同亮度條件下有較大差異，因此要用一個曝光時間的對角矩陣T=[tij]對式(8.3.1)進(jìn)行修正，tij表示彩色通道I當(dāng)前曝光時間與顏色擴(kuò)散標(biāo)定圖像的曝光時間的比率，則式（）修改為Y＝TCX＋B（）同樣可以解出X＝C-1T-1(Y－B)（）顏色補(bǔ)償能從一幅圖像中顯示特定類型的物體，它為圖像分割和物體測量奠定了基礎(chǔ)，使圖像分割和計量更易處理。第六十一頁，共一百零三頁，2022年，8月28日5.3.4彩色圖像恢復(fù)彩色圖像恢復(fù)也稱彩色圖像復(fù)原，是彩色圖像在某種情況下退化或惡化了（圖像品質(zhì)下降），現(xiàn)在需要根據(jù)相應(yīng)的退化模型和知識重建或恢復(fù)原始的圖像，根本任務(wù)就是改善觀察圖像（退化圖像）的色彩質(zhì)量，盡可能恢復(fù)退化圖像的本來面目。換句話說，彩色圖像恢復(fù)技術(shù)是要將圖像退化的過程模型化，并據(jù)此采取相反的過程以得到原始的圖像。由此可見，彩色圖像恢復(fù)要根據(jù)圖像的一些色彩退化模型進(jìn)行。第六十二頁，共一百零三頁，2022年，8月28日彩色圖像色彩質(zhì)量的退化可能是由于鏡頭色差，CCD攝像機(jī)等彩色圖像輸人設(shè)備的光譜特性差異等原因造成的。例如理想情況下，CCD攝像機(jī)或掃描儀在以均勻的輻照度作為輸人時，輸出圖像每一個彩色通道的所有像素的灰度值完全一樣,然而，這些設(shè)備由于材料、生產(chǎn)過程及工藝的影響，存在光子響應(yīng)非均勻性——即輸出圖像各個像素的灰度值不一致，使得輸出圖像的顏色在不同像點彩色表現(xiàn)不同，從而圖像彩色質(zhì)量受到影響。因此，在對彩色圖像做任何分析之前，必須對其進(jìn)行色彩恢復(fù)，本小節(jié)討論CCD攝像機(jī)光譜特性造成彩色圖像失真的色彩恢復(fù)問題。第六十三頁，共一百零三頁，2022年，8月28日由于CCD攝像機(jī)或掃描儀的光譜特性不滿足彩色匹配原理。輸出的顏色與輸人的顏色存在偏差，致使圖像的彩色細(xì)節(jié)信息失真。根據(jù)色度匹配原理，若使相機(jī)的輸出色度值再現(xiàn)原圖像的顏色，需要三個變換函數(shù)將記錄圖像的三個彩色分量映射到彩色圖表的三個彩色分量上.彩色補(bǔ)償一般用已知真值的彩色圖表作為測試目標(biāo)，設(shè)彩色圖表包含N種均勻的顏色，|(Ri,Gi,Bi,)||i=1…N|表示彩色圖表上第I個顏色區(qū)域的彩色真值，用|(Ri,Gi,Bi,)||i=1…N|表示圖像上相應(yīng)的第I個顏色區(qū)域的色度值。則彩色補(bǔ)償函數(shù)可用公式來描述，即變換函數(shù)。第六十四頁，共一百零三頁，2022年，8月28日彩色補(bǔ)償分別對每個像素的三個彩色通道進(jìn)行處理，若對每個像素的三分量進(jìn)行處理時同時補(bǔ)償彩色失真，則每一個像素產(chǎn)生的顏色向?qū)?yīng)輸人的彩色真值轉(zhuǎn)換。

（）第六十五頁，共一百零三頁，2022年，8月28日Rij、Gij、Bij、…、Rij、Gij、Bij視作10個自變量，則非線性方程轉(zhuǎn)換成線性方程，選取N幅彩色圖像，用多元線性回歸分析求出多項式的系數(shù)，即可進(jìn)行失真彩色圖像的彩色恢復(fù)（彩色補(bǔ)償）。多項式的次數(shù)和項數(shù)的選擇依賴于相機(jī)特性和精度、處理速度的要求。如果相機(jī)總的光譜靈敏度曲線與標(biāo)準(zhǔn)觀察者的光譜三刺激值曲線相似，用3×3矩陣就可以實現(xiàn)彩色校正；兩者偏差較大，多項式的次數(shù)和項數(shù)隨之增加，則變換矩陣越加復(fù)雜。第六十六頁，共一百零三頁，2022年，8月28日5.3.5彩色圖像處理的MATLAB實現(xiàn)(1)色彩平衡MATLAB的實現(xiàn)MATLAB可以使用histeq函數(shù)調(diào)整圖像的顏色分布。圖像的顏色分布可以使用前面介紹的直方圖表示,直方圖的橫坐標(biāo)是顏色，縱坐標(biāo)是這種顏色在圖像中的相對豐度。這種顏色分布對于圖像的外觀是很重要的，例如分布越均勻則圖像的對比就越不突出，如果分布在接近于1的地方出現(xiàn)峰值則圖像顯得較亮。第六十七頁，共一百零三頁，2022年，8月28日MATLAB可以使用histeq函數(shù)調(diào)整圖像的顏色分布。J=histeq(I,hist)

其功能是：調(diào)整灰度圖像數(shù)據(jù)I中的顏色分布，使得J的顏色分布近似地和hist保持一致。hist中存儲的是在0和1之間等距離分布的顏色亮度值對應(yīng)的像素數(shù)目，MATLAB自動地進(jìn)行比例變換，使得Sum(hist)=prod(size(I))即hist中只要指定相對豐度就可以了。在hist的長度遠(yuǎn)小于圖像的實際顏色數(shù)目時可以達(dá)到比較理想的調(diào)整效果。第六十八頁，共一百零三頁，2022年，8月28日J(rèn)=histeq(I,N)其功能是：調(diào)整圖像I中的顏色離散層的個數(shù)為N個，并且產(chǎn)生新的圖像數(shù)據(jù)J。J中的各個顏色層次的像素數(shù)目接近相等，因此J的顏色分布圖近似一條直線。不難想象，和上面的格式一樣，在N較小時可以達(dá)到較理想的效果，N的缺省值為64。[J,T]=histeq(I)其功能是：在執(zhí)行上面的操作的同時，返回變換有關(guān)的信息。第六十九頁，共一百零三頁，2022年，8月28日NEWMAP=histeq(X,MAP,HGRAM)

其功能是：對索引圖像執(zhí)行同樣的功能，這里同時需要索引圖像的數(shù)據(jù)本身和對應(yīng)的顏色查找表(和imadjust不同，不是使用當(dāng)前的顏色查找表)。注意HGRAM的長度必須和size(MAP,1)相等。NEWMAP=histeq(X,MAP)

其功能是：返回索引圖像Z的經(jīng)過調(diào)整的顏色查找表，新世界查找表的顏色分布僅僅均勻。[NEWMAP,T]＝histeq(X,……)

其功能是：在執(zhí)行上面的操作的同時，返回變換有關(guān)的信息。第七十頁，共一百零三頁，2022年，8月28日下面是一個實現(xiàn)色彩調(diào)整的程序清單：RGB=imread('autumn.tif');subplot(1,2,1),imshow(RGB),title('原始圖像')J=histeq(RGB)subplot(1,2,2),imshow(J),title('色彩調(diào)整圖像')第七十一頁，共一百零三頁，2022年，8月28日(2)真彩色增強(qiáng)的MATLAB實現(xiàn)在MATLAB中，調(diào)用imfilter函數(shù)對一幅真彩色（三維數(shù)據(jù)）圖像使用二維濾波器進(jìn)行濾波就相當(dāng)于使用同一個二維濾波器對數(shù)據(jù)的每一個平面單獨進(jìn)行濾波。下面是一個真彩色圖像的每一個顏色平面進(jìn)行濾波的程序清單：第七十二頁，共一百零三頁，2022年，8月28日RGB=imread('flowers.tif');H=ones(5,5)/25;RGBI=imfilter(RGB,H);subplot(1,2,1),imshow(RGB),title('濾波前圖像');subplot(1,2,2),imshow(RGB1),title('濾波后圖像');RGB=imread('autumn.tif');H=ones(5,5)/25;RGB1=imfilter(RGB,H);subplot(1,2,1),imshow(RGB),title('濾波前圖像');subplot(1,2,2),imshow(RGB1),title('濾波后圖像');第七十三頁，共一百零三頁，2022年，8月28日(3)彩色圖像恢復(fù)的MATLAB實現(xiàn)*下面是對兩幅圖像進(jìn)行匹配的程序清單：lily=imread('lily.tif');flowers=imread('flowers.tif');subplot(2,3,1),imshow(lily),title('原始圖像1');subplot(2,3,2),imshow(flowers),title('原始圖像2');rect_lily=[93138169];rect_flowers=[19068235210];sub_lily=imcrop(lily,rect_lily);sub_flowers=imcrop(flowers,rect_flowers);subplot(2,3,3),imshow(sub_lily1),title('子圖像1');第七十四頁，共一百零三頁，2022年，8月28日subplot(2,3,4),imshow(sub_flowers);title('子圖像2');c=normxcorr2(sub_lily(:,:,1),sub_flowers(:,:,1));subplot(2,3,5),surf(c);title('兩幅子圖像的相關(guān)性圖形'),shadingflat;[max_c,imax]=max(abs(c(:)));[ypeak,xpeak]=ind2sub(size(c),imax(1));corr_offset=[(xpeak-size(sub_lily,2))(ypeak-size(sub_lily,1))];rect_offset=[(rect_flowers(1)-rect_lily(1))(rect_flowers(2)-rect_lily(2))];offset=corr_offset+rect_offset;第七十五頁，共一百零三頁，2022年，8月28日xoffset=offset(1);yoffset=offset(2);xbegin=xoffset+1;xend=xoffset+size(lily,2);ybegin=xoffset+1;yend=yoffset+size(lily,1);extracted_lily=flowers(ybegin:yend,xbegin:xend,:);ifisequal(lily,extracted_lily)disp('lily.tifwasextractedfromflowers.tif')end第七十六頁，共一百零三頁，2022年，8月28日recovered_lily=uint8(zeros(size(flowers)));recovered_lily(ybegin:yend,xbegin:xend,:)=lily;[m,n,p]=size(flowers);i=find(recovered_lily(:,:,1)==0);mask(i)=.2;subplot(2,3,6),imshow(recovered_lily);title('圖像匹配效果');holdonh=imshow(recovered_lily);set(h,'AlphaData',mask)第七十七頁，共一百零三頁，2022年，8月28日5.4彩色圖像分析

彩色圖像分析主要是指對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量，以獲得它們的客觀信息，從而建立對圖像的描述。圖像分析是一個從圖像到數(shù)據(jù)的過程。這里的數(shù)據(jù)可以是對目標(biāo)特征測量的結(jié)果，或是基于測量的符號表示。它們指出了圖像中目標(biāo)的特點和性質(zhì)。這種處理基本上用于自身圖像分析、模式識別、計算機(jī)視覺等模式。例如彩色體的分類、排列等。為了描述圖像，首先要進(jìn)行分割，然后進(jìn)行測量和特征提取等處理。第七十八頁，共一百零三頁，2022年，8月28日值得注意的一點是，沒有惟一的、標(biāo)準(zhǔn)的分割法，因此也就沒有規(guī)定成功分割的原則。本小節(jié)只討論一些彩色圖像的基本分割和測量方法。第七十九頁，共一百零三頁，2022年，8月28日5.4.1彩色圖像分割彩色圖像分割是按照彩色圖像的色彩規(guī)則將一幅彩色圖像分成若干個部分或子集，將圖像中有意義的特征或者需要應(yīng)用的特征提取出來。彩色圖像中的每個像素由紅（R）、綠（G）和藍(lán)（B）三基色按一定比例合成而表示。通過線性或非線性變換可以從三基色計算出色調(diào)（hue）、飽和度（saturation）、亮度（brightness）等各彩色特征。色調(diào)決定了彩色光的光譜成分，反映了彩色光在“質(zhì)”方面的特征；飽和度是某種彩色光純度的反映，純光譜色的含量越多，其飽和度也就越高；亮度決定了彩色光的強(qiáng)度，是彩色光在“量”方面的特征。色調(diào)、飽和度和亮度特征集表示了人眼視覺對彩色的感受。第八十頁，共一百零三頁，2022年，8月28日對于彩色圖像不同的分割目的，可以選用不同的彩色特征組合。例如，我們要提取彩色圖像的邊緣，可以定義彩色圖像的亮度場作為特征，即亮度場中存在邊緣便是彩色邊緣，顯然，這種定義忽略了在亮度不變區(qū)域內(nèi)可能存在色調(diào)、飽和度的不連續(xù)性。也可定義為分別作三基色圖像陣列的邊緣提取，如果在三個陣列中某處均檢測到邊緣，就認(rèn)為是一個彩色邊緣。即三基色邊緣邏輯“與”結(jié)果為彩色邊緣，則存在彩色邊緣。第八十一頁，共一百零三頁，2022年，8月28日因此，選擇適當(dāng)?shù)牟噬卣鲗Σ噬珗D像進(jìn)行分割是一個非常有價值的研究課題，不少學(xué)者對此進(jìn)行了深入的研究。Ohta等人通過對區(qū)域分割的系統(tǒng)研究，導(dǎo)出了一個有效的正交的彩色特征集{I1,I2,I3}。I1=(R+B+G)/3I2=(R-B)/2或I2=(B-R)/2(8.4.1)I3=(2G-R-B)/4第八十二頁，共一百零三頁，2022年，8月28日5.4.2彩色圖像測量圖像分割的直接結(jié)果是得到了區(qū)域內(nèi)或區(qū)域邊界上的像素集合。在圖像分析應(yīng)用中我們感興趣的常常是圖像中的某些區(qū)域，稱之為目標(biāo)。一般對目標(biāo)常用不同于原始圖像的形式來描述，這也是對彩色圖像進(jìn)一步作模式識別或理解的基礎(chǔ)，對目標(biāo)的描述常借助一些稱為目標(biāo)特征的描述符來進(jìn)行，它們代表了目標(biāo)區(qū)域的特性。彩色圖像分析的主要目的就是要從圖像中獲得彩色目標(biāo)特征的測量值。本小節(jié)討論彩色圖像測量即彩色圖像容量特征的測量。第八十三頁，共一百零三頁，2022年，8月28日顏色信息作為彩色圖像最基本的特征，在彩色圖像分析中，有不可替代的重要作用。例如，常用的彩色圖像檢索系統(tǒng)如IBM的QBIC系統(tǒng)，美國伊利諾斯大學(xué)的MARS系統(tǒng)等，均利用顏色信息進(jìn)行圖像檢查，其應(yīng)用的彩色圖像測量方法是顏色直方圖，即把顏色空間進(jìn)行均勻分割，計算每一種顏色在圖像像素中所占的比例，并將其作為圖像的特征矢量加以保存。在查詢時，使用者只需要定義各種顏色之間的比例，如75％橄欖綠和25％橘紅色，或者查詢者給出一幅模板圖像，從中計算出該圖像的顏色直方圖，即可查到并返回直方圖與模板顏色直方圖最為接近的圖像。第八十四頁，共一百零三頁，2022年，8月28日5.4.3圖像的偽彩色和假彩色處理假彩色處理是將一幅彩色圖像或多光譜圖像映射到RGB空間中新位置上的過程。人眼只能區(qū)分二十余種不同等級的灰度，但卻可辨別幾千種不同亮度的彩色。因此若在顯示或記錄時把黑白圖像變換成彩色圖像，無疑可提高圖像的可鑒別度。偽彩色和假彩色圖像處理是圖像處理中的兩項很實用的技術(shù)。第八十五頁，共一百零三頁，2022年，8月28日所謂的偽彩色處理技術(shù)，就是將黑白圖像變成偽彩色圖像，或者是將原來自然彩色圖像變成給定彩色分布的圖像，如不同譜能的遙感圖像。偽彩色圖像中的彩色根據(jù)黑白圖像的灰度級或者其他圖像特征（如空間頻率成分）人為給定。即偽彩色處理是將一幅圖像的每個灰度級匹配到彩色空間中一點的方法，即將一幅單色圖像用某種方法映射到一幅彩色圖像的過程。這種技術(shù)是一種視覺效果明顯但又不太復(fù)雜的圖像增強(qiáng)技術(shù)，在國內(nèi)也是發(fā)展較快的一種圖像處理技術(shù)。缺點是相同物體或者大物體各個部分由于光照等條件的不同，形成不同的灰度級，結(jié)果出現(xiàn)了不同的彩色，往往產(chǎn)生錯誤的判斷。假彩色處理與偽彩色一樣，也是一種彩色映射的增強(qiáng)方法，但處理的原始圖像不是黑白圖像，而是一幅真實的自然彩色圖像，或者是遙感多光譜圖像。第八十六頁，共一百零三頁，2022年，8月28日在質(zhì)量較高的黑白底片或者X光片中，往往有些灰度級差別不大，但是卻包含著豐富的信息。眾所周知，人眼能區(qū)分的灰度等級只有二十幾個，而無法從圖像中提取這些信息，但是人眼對彩色分辨率較強(qiáng)，能區(qū)分不同亮度、色調(diào)和飽和度的幾千種彩色，而且人看彩色圖像比看黑白圖像舒服得多。因此通常將圖像中的黑白灰度級變換成不同的色彩，且分割越細(xì)，彩色越多，人眼所能提取的信息也就越多，從而到達(dá)圖像增強(qiáng)的效果。第八十七頁，共一百零三頁，2022年，8月28日偽彩色處理技術(shù)不僅適用于航攝和遙感圖片，也可以用于X光片及云圖判讀等方面，可以用計算機(jī)完成，也可以用專用設(shè)備來實現(xiàn)。偽彩色處理技術(shù)可以在空間域?qū)崿F(xiàn)，也可以在頻域?qū)崿F(xiàn)。第八十八頁，共一百零三頁，2022年，8月28日(1)偽彩色處理1)空域偽彩色處理偽彩色處理是圖像處理中常用的一種方法。所謂偽彩色增強(qiáng)是把黑白圖像的各個不同灰度按照線性或非線性的映射函數(shù)變換成不同的彩色，也可以將原來不是圖像的數(shù)據(jù)表示成黑白圖像，再轉(zhuǎn)換成彩色圖像達(dá)到增強(qiáng)的目的。例如反映語音能量的語音能譜圖是時間和頻率的函數(shù)，它就可以表示成彩色圖像，將寂靜片段、發(fā)音片段和不發(fā)音片段等用不同的彩色區(qū)分，并用彩色的亮度來表示能量的大小，使我們對語音能譜的理解更直觀。第八十九頁，共一百零三頁，2022年，8月28日最簡單的實現(xiàn)從灰度到彩色的變換的方法如圖8.6所示，它是把黑白圖像的灰度級從0(黑)到Mi(白)分成N個區(qū)間，i＝1，2，...，N。給每個區(qū)間Ii指定一種色彩Ci。這個方法比較直觀簡單，缺點是變換出的彩色有限。從灰度到彩色的一種更具代表性的變換方式如圖8.7所示。它是根據(jù)色度學(xué)的原理，將原圖像f(x,y)的灰度分段經(jīng)過紅、綠、藍(lán)三種不同的變換TR(?)、TG(?)、和TB(?)，變成三基色分量R(x,y)，G(x,y)，B(x,y)，然后用它們分別去控制彩色顯示器的紅、綠、藍(lán)電子槍，以產(chǎn)生相應(yīng)的彩色信號，彩色的含量由變換函數(shù)TR(?)、TG(?)、TB(?)的形狀而定，典型的變換函數(shù)如圖8.8所示。其中圖(a),(b),(c)分別為紅、綠、藍(lán)三種變換函數(shù)，而圖(d)是把三種變換畫在同一張圖上以便看清相互間的關(guān)系。第九十頁，共一百零三頁，2022年，8月28日從圖可見，若f(x,y)=0，則IB(x,y)=L，IR(x,y)=IG(x,y)=0，從而顯示藍(lán)色。若f(x,y)=L/2，則IG(x,y)=L，IR(x,y)=IB(x,y)=0，從而顯示綠色。若f(x,y)=L，則IR(x,y)=L，IB(x,y)=IG(x,y)=0，從而顯示紅色。由此不難理解，若黑白圖像f(x,y)灰度級在。0～L之間變化，IR、IG、IB會有不同的輸出，從而合成不同的偽彩色圖像，如果f(x,y)灰度級在0～L/4之間變化，輸出偽彩色圖像是又由藍(lán)色(L)和綠色(從0線性增加到L)合成而得到的。第九十一頁，共一百零三頁，2022年，8月28日2)頻域偽彩色處理這種方法是先把黑白圖像經(jīng)過傅立葉變換到頻域中，在頻域內(nèi)用三