圖像處理的MATLAB實現(xiàn)

1、數(shù)字圖像處理數(shù)字圖像處理第9章 彩色圖像處理（Color Image Processing） 9.1 彩色基礎(chǔ)（彩色基礎(chǔ)（Fundamentals of Color and Vision） 9.2 彩色模型（彩色模型（Color Models）9.3 偽彩色處理（偽彩色處理（Pseudocolor Image ProcessingPseudocolor Image Processing）9.4 全彩色圖像處理（全彩色圖像處理（Full-Color Image Processing）9.5 彩色圖像分割（彩色圖像分割（Color Image Segmentation） 9.1 彩色基礎(chǔ)（Fund

2、amentals of Color and Vision） 白光白光 在在17世紀(jì)，牛頓通過三棱鏡研究對白世紀(jì)，牛頓通過三棱鏡研究對白光的折射就已發(fā)現(xiàn)：光的折射就已發(fā)現(xiàn)： 白光白光可被分解成一系列從紫到紅的連續(xù)光可被分解成一系列從紫到紅的連續(xù)光譜，從而證明白光是由不同顏色（而且這些譜，從而證明白光是由不同顏色（而且這些顏色并不能再進(jìn)一步被分解）的光線相混合顏色并不能再進(jìn)一步被分解）的光線相混合而組成的。而組成的。可見光可見光 可見光可見光是由電磁波譜中相對較窄的波段組成，是由電磁波譜中相對較窄的波段組成，如果一個物體比較均衡地反射各種光譜，則人看如果一個物體比較均衡地反射各種光譜，則人看到的物

3、體是白的；到的物體是白的； 而如果一個物體對某些可見光譜反射的較多，而如果一個物體對某些可見光譜反射的較多，則人看到的物體就呈現(xiàn)相對應(yīng)的顏色。則人看到的物體就呈現(xiàn)相對應(yīng)的顏色。 例如，綠色物體反射具有例如，綠色物體反射具有500570nm（納米）范圍的光，吸收其他波長光的多數(shù)能量。（納米）范圍的光，吸收其他波長光的多數(shù)能量。9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）圖圖9.1 可見范圍電磁波譜的波長組成可見范圍電磁波譜的波長組成9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）人眼的吸收特性：人眼的吸收特性： 人眼的錐

4、狀細(xì)胞是負(fù)責(zé)彩色視覺的傳感器，人眼的錐狀細(xì)胞是負(fù)責(zé)彩色視覺的傳感器，人眼的錐狀細(xì)胞可分為三個主要的感覺類別。人眼的錐狀細(xì)胞可分為三個主要的感覺類別。 大約大約65%65%的錐狀細(xì)胞對紅光敏感，的錐狀細(xì)胞對紅光敏感，33%33%對綠光對綠光敏感，只有敏感，只有2%2%對藍(lán)光敏感。對藍(lán)光敏感。 由于人眼的這些吸收特性，被看到的彩色是由于人眼的這些吸收特性，被看到的彩色是所謂的原色紅（所謂的原色紅（R R，redred）、綠）、綠(G(G，green)green)和藍(lán)和藍(lán)（B B，blueblue）的各種組合。）的各種組合。 9.1 彩色基礎(chǔ)（Fundamentals of Color and Vi

5、sion）三原色原理三原色原理 其基本內(nèi)容是：其基本內(nèi)容是： 任何顏色都可以用任何顏色都可以用3種不同的基本顏色按照不種不同的基本顏色按照不同比例混合得到，即同比例混合得到，即 C=aC1+bC2+cC3 (9.1) 式中式中a，b，c =0 為三種原色的權(quán)值或者比例，為三種原色的權(quán)值或者比例，C1、C2、C3為三原色（又稱為三基色）。為三原色（又稱為三基色）。9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）三原色原理指出三原色原理指出自然界中的可見顏色都可以用三種原色按一定比自然界中的可見顏色都可以用三種原色按一定比例混合得到；反之，任意一種顏色都可以分解

6、為例混合得到；反之，任意一種顏色都可以分解為三種原色。三種原色。作為原色的三種顏色應(yīng)該相互獨立，即其中任何作為原色的三種顏色應(yīng)該相互獨立，即其中任何一種都不能用其他兩種混合得到。一種都不能用其他兩種混合得到。9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）三原色原理三原色原理 為了標(biāo)準(zhǔn)化起見，國際照明委員會（為了標(biāo)準(zhǔn)化起見，國際照明委員會（CIE）規(guī)定用波長為規(guī)定用波長為700nm、546.1nm、435.8nm的單的單色光分別作為紅色光分別作為紅(R)、綠、綠(G)、藍(lán)、藍(lán)(B)三原色。三原色。 紅綠藍(lán)三原色按照比例混合可以得到各種顏紅綠藍(lán)三原色按照比例混

7、合可以得到各種顏色，其配色方程為：色，其配色方程為： C=aR+bG+cB (9.2)9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）三原色原理三原色原理原色相加可產(chǎn)生二次色。原色相加可產(chǎn)生二次色。 例如：紅色例如：紅色+藍(lán)色藍(lán)色=深紅色深紅色(M，magenta)，綠色綠色+藍(lán)色藍(lán)色=青色青色(C，cyan)，紅色，紅色+綠色綠色=黃色黃色(Y，yellow)。以一定的比例混合光的三種原色或者以一種二次以一定的比例混合光的三種原色或者以一種二次色與其相反的原色相混合可以產(chǎn)生白色色與其相反的原色相混合可以產(chǎn)生白色(W，white)，即：紅色即：紅色+綠色綠色

8、+藍(lán)色藍(lán)色=白色。白色。9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）彩色到灰度的轉(zhuǎn)換彩色到灰度的轉(zhuǎn)換相同亮度的三原色，人眼看去的感覺是，綠色光相同亮度的三原色，人眼看去的感覺是，綠色光的亮度最亮，而紅色光其次，藍(lán)色光最弱。的亮度最亮，而紅色光其次，藍(lán)色光最弱。如果用如果用Y來表示白色光，即光的亮度來表示白色光，即光的亮度(灰度灰度)，則，則有如下關(guān)系：有如下關(guān)系： Y=0.299R+0.587G+0.114B 9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision）區(qū)分顏色常用三種基本特性量區(qū)分顏色常用三種基本特性量 亮度亮度

9、：如果無彩色就只有亮度一個維量的變化。：如果無彩色就只有亮度一個維量的變化。 色調(diào)色調(diào)：是光波混合中與主波長有關(guān)的屬性，色：是光波混合中與主波長有關(guān)的屬性，色調(diào)表示觀察者接收的主要顏色。這樣，當(dāng)我們說調(diào)表示觀察者接收的主要顏色。這樣，當(dāng)我們說一個物體是紅色、橘黃色、黃色時，是指它的色一個物體是紅色、橘黃色、黃色時，是指它的色調(diào)。調(diào)。 飽和度飽和度：與一定色調(diào)的純度有關(guān)，純光譜色是：與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。完全飽和的，隨著白光的加入飽和度逐漸減少。9.1 彩色基礎(chǔ)（Fundamentals of Color and Vision） 色調(diào)和飽和度一

10、起稱為彩色，因此，顏色用亮度和彩色表征。 形成任何特殊顏色需要的紅、綠、藍(lán)的量稱做三色值，并分別表示為X，Y，Z。進(jìn)一步，一種顏色可用它的3個色系數(shù)表示，它們分別是：ZYXXxZYXYyZYXZz從以上公式可得： x+y+z=1 1931年CIE制定了一個色度圖，如圖9.4所示，圖中波長單位是nm，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)色系數(shù)可由z=1-(x+y)求得。例如，圖9.4中標(biāo)記為綠的點有62%的綠和25%的紅成分，從而得到藍(lán)的成分約為13%。9.2 彩色模型彩色模型（Color Models）彩色模型（也稱彩色空間或彩色系統(tǒng)）的

11、用彩色模型（也稱彩色空間或彩色系統(tǒng)）的用途是在某些標(biāo)準(zhǔn)下用通常可接受的方式簡化途是在某些標(biāo)準(zhǔn)下用通?？山邮艿姆绞胶喕噬?guī)范。彩色規(guī)范。本質(zhì)上，彩色模型是坐標(biāo)系統(tǒng)和子空間的規(guī)本質(zhì)上，彩色模型是坐標(biāo)系統(tǒng)和子空間的規(guī)范。位于系統(tǒng)中的每種顏色都由單個點來表范。位于系統(tǒng)中的每種顏色都由單個點來表示。示。本節(jié)主要討論幾種圖像處理應(yīng)用的主要模型。本節(jié)主要討論幾種圖像處理應(yīng)用的主要模型。9.2.1 RGB模型模型（RGB Color Model）RGB模型模型RGB模型是目前常用的一種彩色信息表達(dá)方式，模型是目前常用的一種彩色信息表達(dá)方式，它使用紅、綠、藍(lán)三原色的亮度來定量表示顏色。它使用紅、綠、藍(lán)三原色的

12、亮度來定量表示顏色。該模型也稱為該模型也稱為加色混色模型加色混色模型，是以，是以RGB三色光相三色光相互疊加來實現(xiàn)混色的方法，因而適合于顯示器等互疊加來實現(xiàn)混色的方法，因而適合于顯示器等發(fā)光體的顯示。發(fā)光體的顯示。 9.2.1 RGB模型模型（RGB Color Model）圖圖9.2 RGB混色效果圖混色效果圖 9.2.1 RGB模型模型（RGB Color Model） 圖圖9.3中，中，R，G，B位于三個角上；二次色深紅位于三個角上；二次色深紅(Magenta)、青、青(Cyan)、黃、黃(Yellow)位于另外位于另外3個角上，黑色在原點處，白色位于離原個角上，黑色在原點處，白色位于離

13、原點最遠(yuǎn)的角上（點（點最遠(yuǎn)的角上（點（1，1，1）。）。 在本模型中，不同的顏色處在立方體上或其內(nèi)部，并可用從原點分布的在本模型中，不同的顏色處在立方體上或其內(nèi)部，并可用從原點分布的向量來定義。為方便起見，假定所有的顏色值都?xì)w一化，即所有向量來定義。為方便起見，假定所有的顏色值都?xì)w一化，即所有R，G，B的值都在的值都在0，1范圍內(nèi)取值。范圍內(nèi)取值。 9.2.1 RGB模型模型（RGB Color Model） 考慮考慮RGB圖像，其中每一幅紅、綠、藍(lán)圖像圖像，其中每一幅紅、綠、藍(lán)圖像都是一幅都是一幅8bit圖像，在這種條件下，每一個圖像，在這種條件下，每一個RGB彩色像素有彩色像素有24bit

14、深度（深度（3個圖像平面乘以每平面?zhèn)€圖像平面乘以每平面比特數(shù)，即比特數(shù)，即38）。）。 24bit的彩色圖像也稱全彩色圖像。在的彩色圖像也稱全彩色圖像。在24bitRGB圖像中顏色總數(shù)是圖像中顏色總數(shù)是224=16777216。9.2.1 RGB模型模型（RGB Color Model） 一幅一幅m*n（m，n為正整數(shù)，分別表示圖像為正整數(shù)，分別表示圖像的高度和寬度）的的高度和寬度）的RGB彩色圖像可以用一個彩色圖像可以用一個m*n*3的矩陣的矩陣來描述，圖像中的每一個像素點對來描述，圖像中的每一個像素點對應(yīng)于紅、綠、藍(lán)三個分量組成的三元組。應(yīng)于紅、綠、藍(lán)三個分量組成的三元組。 在在Matla

15、b中，不同的圖像類型，其圖像矩陣中，不同的圖像類型，其圖像矩陣的取值范圍也不一樣。例如若一幅的取值范圍也不一樣。例如若一幅RGB圖像是圖像是 double類型的，則其取值范圍在類型的，則其取值范圍在0, 1之間，而之間，而如果是如果是uint8或者或者uint16類型的，則取值范圍分類型的，則取值范圍分別是別是0, 255和和0, 65535。9.2.1 RGB模型模型（RGB Color Model）在在Matlab中要生成一幅中要生成一幅RGB彩色圖像可以采用彩色圖像可以采用cat函數(shù)函數(shù)來得到。來得到。其基本語法如下：其基本語法如下： B=cat(dim, A1, A2, A3, ) 其

16、中，其中，dim為維數(shù)，為維數(shù)，cat函數(shù)將函數(shù)將A1，A2，A3等等矩陣連接成維數(shù)為矩陣連接成維數(shù)為dim的矩陣。的矩陣。9.2.1 RGB模型模型（RGB Color Model）對圖像生成而言，可以取對圖像生成而言，可以取dim=3，然后將三個，然后將三個分別代表分別代表RGB分量的矩陣連接在一起：分量的矩陣連接在一起： I=cat(3, rgb_R, rgb_G, rgb_B)在這里，在這里，rgb_R，rgb_G，rgb_B分別為生成分別為生成的的RGB圖像圖像I的三個分量的值，可以使用下列語的三個分量的值，可以使用下列語句：句：rgb_R=I(:, :, 1);rgb_G=I(:,

17、 :, 2);rgb_B=I(:, :, 3);9.2.1 RGB模型模型（RGB Color Model）例：生成一幅例：生成一幅128*128的的RGB圖像，該圖像左上角為圖像，該圖像左上角為紅色，左下角為藍(lán)色，右上角為綠色，右下角為黑色。紅色，左下角為藍(lán)色，右上角為綠色，右下角為黑色。程序：程序：clearrgb_R=zeros(128,128);rgb_R(1:64,1:64)=1;rgb_G=zeros(128,128);rgb_G(1:64,65:128)=1;rgb_B=zeros(128,128);rgb_B(65:128,1:64)=1;rgb=cat(3,rgb_R,rgb

18、_G,rgb_B);figure, imshow(rgb), title(RGB彩色彩色圖像圖像); 結(jié)果：結(jié)果：9.2.2 HSI模型（HSI Color Model）HSI(HSI(Hue-Saturation-Intensity，HSI) )模型用模型用H H、S S、I I三參數(shù)描述顏色特性。三參數(shù)描述顏色特性。H H定義顏色的波長，稱為色調(diào)；定義顏色的波長，稱為色調(diào)；S S表示顏色的深淺程度，稱為飽和度；表示顏色的深淺程度，稱為飽和度；I I表示強(qiáng)度或亮度。表示強(qiáng)度或亮度。 9.2.2 HSI模型（HSI Color Model）HSI模型在圖像處理和識別中廣泛采用模型在圖像處理和識

19、別中廣泛采用主要基于兩個重要的事實：主要基于兩個重要的事實：其一其一 I分量與圖像的彩色信息無關(guān)；分量與圖像的彩色信息無關(guān)；其二其二 H和和S分量與人感受顏色的方式是緊密相連分量與人感受顏色的方式是緊密相連的。的。 9.2.2 HSI模型（HSI Color Model）包含彩色信息的兩個參數(shù)是色度包含彩色信息的兩個參數(shù)是色度(H)和飽和度和飽和度(S)。色度色度H由角度表示，彩色的色度反映了該彩色最接近什么由角度表示，彩色的色度反映了該彩色最接近什么樣的光譜波長（即彩虹中的那種顏色）。樣的光譜波長（即彩虹中的那種顏色）。不失一般性，可以假定不失一般性，可以假定0o的彩色為紅色，的彩色為紅色，

20、120o的為綠色，的為綠色，240o的為藍(lán)色。色度從的為藍(lán)色。色度從0o360o覆蓋了所有可見光譜覆蓋了所有可見光譜的彩色。的彩色。 9.2.2 HSI模型（HSI Color Model） 飽和度飽和度S表示顏色的深淺程度，飽和度越高，顏表示顏色的深淺程度，飽和度越高，顏色越深，如深紅，深綠等。飽和度參數(shù)是色環(huán)的色越深，如深紅，深綠等。飽和度參數(shù)是色環(huán)的原點（圓心）到彩色點的半徑的長度。原點（圓心）到彩色點的半徑的長度。 如圖如圖9.9所示。在環(huán)的外圍圓周是純的或稱飽和的顏色，其飽和度值所示。在環(huán)的外圍圓周是純的或稱飽和的顏色，其飽和度值為為1。在中心是中性（灰色），即飽和度為。在中心是中性

21、（灰色），即飽和度為0。 亮度亮度I是指光波作用于感受器所發(fā)生的效應(yīng)，其大是指光波作用于感受器所發(fā)生的效應(yīng)，其大小由物體反射系數(shù)來決定。反射系數(shù)越大，物體小由物體反射系數(shù)來決定。反射系數(shù)越大，物體的亮度越大，反之越小。的亮度越大，反之越小。9.2.2 HSI模型（HSI Color Model） 如果把亮度作為如果把亮度作為色環(huán)的垂線，那么色環(huán)的垂線，那么H、S、I構(gòu)成一個構(gòu)成一個柱形彩色空間。柱形彩色空間。 HSI模型的三個模型的三個屬性定義了一個三屬性定義了一個三維柱形空間，維柱形空間， 如圖如圖9.10所示：所示：圖圖9.10 柱形彩色空間柱形彩色空間1. 從從RGB模型轉(zhuǎn)換到模型轉(zhuǎn)換到

22、HSI模型模型 從從RGBRGB到到HSIHSI的變換是一個非線性變換。的變換是一個非線性變換。 對任何三個在對任何三個在00，11范圍內(nèi)的范圍內(nèi)的R R，G G，B B值，值，)(31BGRI),min()(31BGRBGRSBGBGH2212)()()()(21arccosBGBRGRBRGR其中：2. 從從HSI模型轉(zhuǎn)換到模型轉(zhuǎn)換到RGB模型模型 若設(shè)H，S，I的值在0，1之間，R，G，B的值也在0，1之間，則從HSI到RGB的轉(zhuǎn)換公式為：(1)當(dāng)H在0，2/3之間B=I(1-S) )3cos(cos1HHSIRG=3I-(B+R) (2)當(dāng)H在2/3，4/3之間(3)當(dāng)H在4/3，2之

23、間9.3 偽彩色處理偽彩色處理（Pseudocolor Image Processing）偽彩色（偽彩色（pseudocoloring，也稱為假彩色）處理，也稱為假彩色）處理定義：定義：指將灰度圖像轉(zhuǎn)化為彩色圖像，或者將單色指將灰度圖像轉(zhuǎn)化為彩色圖像，或者將單色圖像變換成給定彩色分布的圖像。圖像變換成給定彩色分布的圖像。目的：目的：為了提高人眼對圖像的細(xì)節(jié)分辨能力，以達(dá)為了提高人眼對圖像的細(xì)節(jié)分辨能力，以達(dá)到圖像增強(qiáng)的目的。到圖像增強(qiáng)的目的。9.3 偽彩色處理偽彩色處理（Pseudocolor Image Processing）基本原理：基本原理：將灰度圖像或者單色圖像的各個灰度級匹配到彩色將

24、灰度圖像或者單色圖像的各個灰度級匹配到彩色空間中的一點，從而使單色圖像映射成彩色圖像。空間中的一點，從而使單色圖像映射成彩色圖像。 設(shè)設(shè)f(xf(x，y)y)為一幅灰度圖像，為一幅灰度圖像，R (xR (x，y)y)，G (xG (x，y)y)，B (xB (x，y)y)為為f(xf(x，y)y)映射到映射到RGBRGB空間的三個顏色分量，則偽彩色處理空間的三個顏色分量，則偽彩色處理可以表示為：可以表示為： R(x R(x，y)=fy)=fR R(f(x(f(x，y) (9.20)y) (9.20) G(x G(x，y)=fy)=fG(G(f(xf(x，y) (9.21)y) (9.21) B

25、(x B(x，y)=fy)=fB B(f(x(f(x，y) (9.22)y) (9.22) 其中其中f fR R，f fG G，f fB B為某種映射函數(shù)。給定不同的映射函數(shù)就為某種映射函數(shù)。給定不同的映射函數(shù)就能將灰度圖像轉(zhuǎn)化為不同的偽彩色圖像。能將灰度圖像轉(zhuǎn)化為不同的偽彩色圖像。 偽彩色處理雖然能將灰度轉(zhuǎn)化為彩色，但這種彩色并不是偽彩色處理雖然能將灰度轉(zhuǎn)化為彩色，但這種彩色并不是真正表現(xiàn)圖像的原始顏色，而僅僅是一種便于識別的偽彩色。真正表現(xiàn)圖像的原始顏色，而僅僅是一種便于識別的偽彩色。 偽彩色處理方法主要有強(qiáng)度分層和灰度級到彩色變換。偽彩色處理方法主要有強(qiáng)度分層和灰度級到彩色變換。9.3.

26、1 強(qiáng)度分層（Intensity Slicing） 強(qiáng)度分層強(qiáng)度分層強(qiáng)度分層技術(shù)是偽彩色圖像處理最簡單的例子之一。強(qiáng)度分層技術(shù)是偽彩色圖像處理最簡單的例子之一。如果一幅圖像被描述為空間坐標(biāo)（如果一幅圖像被描述為空間坐標(biāo)（x，y）的強(qiáng)度函數(shù)）的強(qiáng)度函數(shù)f(x，y)，分層的方法可以看成是放置一些平行于圖像坐標(biāo)平面分層的方法可以看成是放置一些平行于圖像坐標(biāo)平面(x，y)的平的平面，然后每一個平面在相交的區(qū)域中切割圖像函數(shù)。面，然后每一個平面在相交的區(qū)域中切割圖像函數(shù)。圖圖9.12顯示了利用平面把圖像函數(shù)顯示了利用平面把圖像函數(shù)f(x，y)=li（li表示灰度級）切表示灰度級）切割為兩部分的情況。割為

27、兩部分的情況。 一般地，該技術(shù)可以總結(jié)如下：令0，L-1表示灰度級，使l0代表黑色（f(x，y)=0），lL-1代表白色（f(x，y)=L-1）。 假定垂直于強(qiáng)度軸的P個平面定義為量級l1，l2，lM。并假定，0M0.3*(max(max(S);F=S1.*H;9.5.1 HSI彩色空間分割（Segmentation in HSI Color Space）abcdef圖圖9.14 在在HSI空間的圖像分割?？臻g的圖像分割。(a)原原RGB圖像，圖像，(b)色調(diào)分量色調(diào)分量H，(c)飽和度分量飽和度分量S，(d)強(qiáng)度分量強(qiáng)度分量I，(e)二值飽和度模板（黑二值飽和度模板（黑=0），（），（f）紅

28、色花的分割結(jié)果）紅色花的分割結(jié)果9.5.2 RGB彩色空間分割（Segmentation in RGB Color Space）雖然在雖然在HSI空間彩色圖像較直觀?？臻g彩色圖像較直觀。通常用通常用RGB彩色向量進(jìn)行分割。彩色向量進(jìn)行分割。方法：方法： 假設(shè)目標(biāo)是在假設(shè)目標(biāo)是在RGB圖像中分割特殊彩色圖像中分割特殊彩色區(qū)域的物體區(qū)域的物體,給定一個感興趣彩色的有代表性給定一個感興趣彩色的有代表性的彩色點樣品集，可得到一個彩色的彩色點樣品集，可得到一個彩色“平均平均”估估計，這種彩色是我們希望分割的彩色。計，這種彩色是我們希望分割的彩色。 令這個平均彩色用令這個平均彩色用RGB向量向量a來表示。

29、來表示。分割的目標(biāo)分割的目標(biāo)是對給定圖像中每一個是對給定圖像中每一個RGB像素進(jìn)像素進(jìn)行分類。這就需要一個相似性度量。行分類。這就需要一個相似性度量。令令z代表代表RGB空間中的任意一點，如果它們之間空間中的任意一點，如果它們之間的距離小于特定的閾值的距離小于特定的閾值D0，我們就說，我們就說z與與a是相是相似的。似的。最簡單的度量之一是歐氏距離，最簡單的度量之一是歐氏距離， z和和a之間的距離可以是歐氏距離，如：之間的距離可以是歐氏距離，如： 212221)()()()()(|),(BBGGRRTazazazazazazazD9.5.2 RGB彩色空間分割（Segmentation in R

30、GB Color Space）212221)()()()()(|),(BBGGRRTazazazazazazazD211)()(),(azCazazDTz和a之間的距離| |,| |,max|),(BBGGRRazazazazD9.5.2 RGB彩色空間分割（Segmentation in RGB Color Space）對一幅對一幅RGB彩色圖像，選擇要分割的區(qū)域，計彩色圖像，選擇要分割的區(qū)域，計算該區(qū)域中的彩色點的平均向量算該區(qū)域中的彩色點的平均向量a。盒子的中點在盒子的中點在a，它的尺度沿每一個，它的尺度沿每一個RGB軸以沿軸以沿相應(yīng)軸的數(shù)據(jù)標(biāo)準(zhǔn)差的相應(yīng)軸的數(shù)據(jù)標(biāo)準(zhǔn)差的1.25倍選擇。倍

31、選擇。例如，令例如，令 R代表樣點紅分量的標(biāo)準(zhǔn)偏差，代表樣點紅分量的標(biāo)準(zhǔn)偏差，aR代表代表平均向量平均向量a的紅分量：的紅分量： （aR-1.25 R，aR+1.25 R），），這里在整個彩色圖像中編碼每一點的結(jié)果為：如這里在整個彩色圖像中編碼每一點的結(jié)果為：如果點位于盒子表面或內(nèi)部為白色，否則為黑色。果點位于盒子表面或內(nèi)部為白色，否則為黑色。 9.5.2 RGB彩色空間分割（Segmentation in RGB Color Space）rgb=imread(flower608.jpg);rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rg

32、b1(:,:,3);r1=r(129:256,86:170);r1_u=mean(mean(r1(:);m,n=size(r1);sd1=0.0;for i=1:m for j=1:n sd1=sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u); endendr1_d=sqrt(sd1/(m*n);r2=zeros(size(rgb1,1),size(rgb1,2);ind=find(rr1_u-1.25*r1_d)&(rr1_u+1.25*r1_d);r2(ind)=1;9.5.2 RGB彩色空間分割（Segmentation in RGB Color Space）9.5.2

33、 RGB彩色空間分割（Segmentation in RGB Color Space）abcde圖圖9.15 RGB空間分割。（空間分割。（a）RGB原圖像，（原圖像，（b）R分量，（分量，（c）G分量，分量，（d）B分量，（分量，（e）RGB向量空間彩色分割的結(jié)果向量空間彩色分割的結(jié)果9.5.3 彩色邊緣檢測（Color Edge Detection）邊緣檢測對圖像分割是一個重要的工具。邊緣檢測對圖像分割是一個重要的工具。 比較：比較：（1）以各個單獨顏色分量圖像為基礎(chǔ)計算邊緣）以各個單獨顏色分量圖像為基礎(chǔ)計算邊緣（2）在彩色空間直接計算邊緣的問題。）在彩色空間直接計算邊緣的問題。標(biāo)量函數(shù)的

34、梯度9.5.3 彩色邊緣檢測（Color Edge Detection）yfxfGGfyx2122)(yxGGfmag一般方法： 分別計算各個顏色分量圖像的梯度，然后形成彩色圖像的梯度。得到的結(jié)果行否？得到的結(jié)果行否？向量的梯度 ?9.5.3 彩色邊緣檢測（Color Edge Detection）令令c代表代表RGB彩色空間中的任意向量，彩色空間中的任意向量，c的分量的分量是一幅彩色圖像在一點上的是一幅彩色圖像在一點上的RGB分量。分量。彩色分量是坐標(biāo)（彩色分量是坐標(biāo)（x，y）的函數(shù)，表示為：）的函數(shù)，表示為：),(),(),(),(),(),(),(yxByxGyxRyxcyxcyxcyx

35、cBGR9.5.3 彩色邊緣檢測（Color Edge Detection）首要的問題：定義向量定義向量c在任意點（在任意點（x，y）處的）處的梯度（幅度和方向）。梯度（幅度和方向）。標(biāo)量函數(shù)f（x，y）在坐標(biāo)（x，y）處的梯度：是指向f的最大變化率方向的向量。將這一思想擴(kuò)展到向量梯度，下面介紹各種方法中的一種。令r，g，b是RGB彩色空間沿R，G，B軸的單位向量，可定義向量為：bxBgxGrxRubyBgyGryRv9.5.3 彩色邊緣檢測（Color Edge Detection）數(shù)量gxx，gyy，gxy定義為這些向量的點乘，如下所示：222xBxGxRuuuugTxx222yByGyRvvvvgTyyyBxByGxGyRxRvuvugTxy9.5.3 彩色邊緣檢測（Color Edge Detection）參考文獻(xiàn)指出，c（x，y）的最大變化率方向由角度給出：)(2arctan21yyxxxyggg（x，y）點在方向上變化率的值由下式給出：212sin22cos)()(21)(xyyyxxyyxxgggggF9.5.3 彩色邊緣檢測（Color Edge Detection） Di Zenzo, S. “A Note on the Gradient of a Multi-Image”, Computer Vision, Graphics, and Image