彩色基础
光特性是颜色科学的核心,描述彩色光的3个基本量:
- 辐射率:从光源流出能量的总量,用瓦特(W)度量
- 光强:观察者从光源接收的能量总和,用流明度表示
- 亮度:主观描绘子
人眼中的600—700万个锥状体分别对红色、绿色和蓝色敏感:65%对红光敏感、 33%对绿光敏感、 2%对蓝光敏感。红色、绿色和蓝色是波形,而非一个值,只是人为确定一个值而已。
三基色(RGB)原理
自然界常见的各种颜色光,都是由红(R)($\lambda$=700nm)、绿(G) ($\lambda$=546nm)、蓝(B)($\lambda$=435.8nm)三种颜色光按不同比例相配而成,同样绝大多数颜色也可以分解成红、绿、蓝三种单色光,这就是色度学中最基本的原理—三基色原理。(红色+绿色=黄色,红色+蓝色=品红,绿色+蓝色=青色,红色+绿色+蓝色=白色)
颜色的确定
区别颜色的特性:亮度、色调、色饱和度。
颜色通常用亮度和彩色表征,色调和饱和度统称为彩色色度。
RGB 24比特彩色立方体,用3个字节来表示颜色。
彩色模型
- RGB彩色模型(216种安全RGB色)
- CMY和CMYK模型:充满颜色时,为黑色;没有颜色时,为白色;使用RGB的补色做基本色:青(Cyan)、品红(Magenta)和黄(Yellow);C(青)=W(白)-R(红);M(品红)= W(白)-G(绿);Y(黄)=W(白)-B(蓝);CMYK是印刷业的标准,在印刷时,用这种方法显示黑色时,油墨很少能将颜色都吸收掉,深色效果较差,故加入一种黑色K。
- HSI彩色模型:H ( Hue )色调指光的颜色,如赤、橙、黄、绿、青、蓝、紫为基色调。它是以单一波长得到的成分。S(Saturation)饱和度指色彩纯度的程度,加入的白光越多就饱和度越低。I( Intensity)亮度指彩色光对人眼引起的光刺激强度,它与光的能量有关。
- I分量与图像的彩色信息无关
- H和S分量与人感受颜色的方式是紧密相连的
- 将亮度(I)与色调(H)和饱和度(S)分开,避免颜色收到光照明暗(I)等条件的干扰,仅仅分析反映色彩本质的色调和饱和度
- 广泛用于计算机视觉、图像检索和视频检索
伪彩色处理
人类可以辨别上千种颜色和强度,只能辨别二十几种灰度,根据一定的准则对灰度值赋以彩色的处理(区分:伪彩色图像、真彩色图像、单色图像),也叫假彩色图像处理。
强度分层
- 把一幅图像描述为三维函数(x, y, f( x, y))
- 分层技术:放置平行于(x, y)坐标面的平面
- 每一个平面在相交区域切割图像函数
强度分层技术
令$[0,L-1]$表示灰度级,使$l_0$代表黑色($f(x,y)=0$),$l_{L-1}$代表白色($f(x,y)=1$)。假设垂直于强度轴的$P$个平面定义为量级$l_1,l_2,\ldots,l_p$,将灰度级分为$P+1$个间隔,$V_1,V_2,\ldots,V_{P+1}$,则灰度级到彩色的赋值关系:$f(x,y)=c_k,f(x,y)\in V_k$,$c_k$是与强度间隔$V_k$级强度相关的颜色,$V_k$是由$l=k-1$和$l=k$分割平面定义的。
灰度级到彩色转换
对任何输入像素的灰度级执行3个独立变换,3个变换结果分别送入彩色监视器的红、绿、蓝三个通道,产生一幅合成图像。
全彩色图像处理基础
全彩色图像处理研究分为两大类:
- 分别处理每一分量图像,然后,合成彩色图像
- 直接对彩色像素处理:3个颜色分量表示像素向量。令c代表RGB彩色空间中的任意向量
彩色变换
彩色变换函数:$g(x,y)=T[f(x,y)]$,$T$是在空间领域$(x,y)$上对$f$的操作。
补色:在如图所示的彩色环上,与一种色调直接相对立的另一色调称为补色。可以增强嵌在彩色图像暗区的细节。
平滑和尖锐化
彩色图像平滑
令$s_{x,y}$表示在RGB彩色图像中定义一个中心在$(x, y)$
的邻域的坐标集,在该邻域中RGB分量的平均值为$\overline{c}(x,y)=\frac{1}{k}\sum_{(x,y)\in s_{x,y}}c(x,y)$
彩色图像的锐化
RGB彩色空间,分别计算每一分量图像的拉普拉斯变换,再合并
彩色分割
HSI彩色空间分割:直观
- H色调图像方便描述彩色
- S饱和度图像做模板分离感兴趣的特征区
- I强度图像不携带彩色信息
门限产生的二值图像:饱和度图像中门限值等于最大饱和度的10%,大于门限的像素赋1,其它赋0
RGB彩色空间:直接,结果更好
令z代表RGB空间中的任意一点,a是分割颜色样本集的平均颜色向量$D(z,a)=|\vec{z}-\vec{a}|$。D0是距离(欧氏距离)阈值,如果$D(z,a)\le D_0$,则z和a相似;如果$D(z,a)>D_0$,则$z$和$a$不相似。
彩色边缘检测
处理3个独立平面形成的合成梯度图可导致错误的结果!Di Zenzo提出处理方法。
原文地址:https://www.cnblogs.com/lutaishi/p/12088507.html