醫(yī)學圖像增強2課件

醫(yī)學影像圖像處理生物醫(yī)學工程系醫(yī)學影像圖像處理生物醫(yī)學工程系13.1圖像增強的目的、特點和方法一、目的：改善圖像視覺效果，便于觀察和分析便于人工或機器對圖像的進一步處理二、特點：人為地突出圖像中的部分細節(jié)，壓制另外一部分信號在不考慮圖像降質原因的條件下，用經驗和試探的方法進行加工尚無統(tǒng)一的質量評價標準，無法定量衡量處理效果的優(yōu)劣3.1圖像增強的目的、特點和方法一、目的：二、特點：2需要注意的問題：處理時應考慮人眼的視覺特性和硬件的表現(xiàn)能力，達到合理的匹配處理時必須考慮處理目的，選用合適的方法需要注意的問題：3三、處理技術分類從處理方法分類頻域方法全局處理局部處理（ROI）灰度圖像(偽)彩色圖像從處理對象分類從處理策略分類點處理（灰度變換）鄰域方法（空域濾波）空域方法從處理目的分類圖像銳化平滑去噪灰度調整三、處理技術分類從處理方法分類頻域方法全局處理局部處理（RO43.2灰度直方圖與圖像的點處理一、灰度直方圖：圖像中像素灰度分布的概率密度函數連續(xù)圖像：設A(r)代表灰度小于r的所有像素的面積，則數字圖像：設圖像尺寸為M×N，共有K級灰度，并且具有灰度級rk的像素數為g(rk)，則有：3.2灰度直方圖與圖像的點處理一、灰度直方圖：圖5二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態(tài)范圍，達到增強圖像整體對比度的效果。方法：計算累計分布函數(CumulativeDistributionFunction,CDF)，并將其作為灰度變換函數s=T(r),從而將原始圖像的關于灰度r的分布直方圖，轉換為關于灰度s的均勻分布。二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的6原理：從灰度直方圖定義出發(fā)加以證明，設圖像面積為A0，其灰度已經進行歸一化處理原理：從灰度直方圖定義出發(fā)加以證明，設圖像面積為A0，7例題：給定一幅圖像的灰度分布概率密度函數為:P(r)=-2r+2 0≤r≤10 其它對其進行均衡化處理rS=T(r)222rP(r)例題：給定一幅圖像的灰度分布概率密度函數為:P(r)=-28數字圖像的直方圖均衡化：計算公式：數字圖像的直方圖均衡化：計算公式：9均衡化效果實例：均衡化效果實例：10均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：11均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：12均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：133.3空域濾波增強一、原理和分類原理：利用相鄰像素的關系進行圖像增強，常借助模板進行鄰域操作。分類銳化平滑非線性線性非線性線性§3.3.1概述3.3空域濾波增強一、原理和分類原理：利用相鄰像素的關系進14二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模板中心與某像素重合將模板系數與模板下對應像素相乘將所有乘積相加將上述求和結果賦予模板中心對應像素K1,1K1,0K1,-1K0,1K0，0K0,-1K-1,1K-1,0K-1,-1模板二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模15三、空域線性濾波運算的原理－空域卷積三、空域線性濾波運算的原理－空域卷積16四、模板的可分解性：0-a0-a1+4a-a0-a0000010000000-aa00000000a00-a00000a-a0000-a00a0000四、模板的可分解性：0-a0-a1+4a-a0-a0000017§3.3.2圖像銳化銳化的目的：對正常圖像，通過銳化提取邊緣、輪廓、線條等信息，供進一步識別通過加重圖像輪廓克服降質，以達到更好的視覺效果§3.3.2圖像銳化銳化的目的：對正常圖像，通18圖像細節(jié)的灰度變化特性掃描線灰度漸變孤立點細線灰度躍變圖像細節(jié)的灰度分布特性平坦段圖像細節(jié)的灰度變化特性掃描線灰度漸變孤立點細線灰度躍變圖像細19三、常見的銳化方法1.單方向一階銳化單方向的一階銳化是指對某個特定方向上的邊緣信息進行增強2.無方向一階銳化Roberts,Sobel,Priwitt銳化3.二階銳化拉普拉斯銳化三、常見的銳化方法1.單方向一階銳化201.1水平方向一階銳化1232121262308761278623269000000-3-13-2000-6-13-130011250000001*1+2*2+1*3-1*3-2*0-1*8=-3問題：計算結果中出現(xiàn)了小于零的像素值1.1水平方向一階銳化1232121262308761278211.2垂直方向一階銳化1232121262308761278623269000000-7-17400-16-25500-17-22-30000001*1+2*2+1*3-1*3-2*2-1*8=-7問題：計算結果中出現(xiàn)了小于零的像素值1.2垂直方向一階銳化123212126230876127822銳化后處理方法1：整體加一個正整數，以保證所有的像素值均為正。這樣做的結果是：可以獲得類似浮雕的效果。2020202020201770202014772020213225202020202020000000-3-13-2000-6-13-13001125000000銳化后處理方法1：整體加一個正整數，以保證所有的像20223方法2：將所有的像素值取絕對值。這樣做的結果是，可以獲得對邊緣的有方向提取。000000313200061313001125000000000000-3-13-2000-6-13-13001125000000方法2：將所有的像素值取絕對值。00000031320242.無方向一階銳化（1）交叉微分算法（Roberts算法）計算公式如下：2.無方向一階銳化（1）交叉微分算法（Roberts算法）計25

Sobel、Priwitt銳化算法的計算公式如下：其中，Sobel、Priwitt銳化算法的計算公式如下：其中，26Sobel銳化Prewitt銳化Sobel銳化Prewitt銳化273.二階銳化從圖像的景物細節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明確，為此，采用二階微分能夠更加獲得更豐富的景物細節(jié)。3.二階銳化從圖像的景物細節(jié)的灰度分布特性可知，有些灰度變化28第三章醫(yī)學圖像增強2課件29上式對應的卷積和為常用的拉普拉斯卷積核為上式對應的卷積和為常用的拉普拉斯卷積核為30拉普拉斯銳化拉普拉斯銳化31§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲作為其它處理的前處理§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲32二、平滑的算子01/501/51/51/501/501/91/91/91/91/91/91/91/91/9鄰區(qū)平均1/101/101/101/101/51/101/101/101/101/161/81/161/81/41/81/161/81/16加權平均選擇平均：參考AnnScher,etal.,SomeNewImageSmoothingtechnique,IEEETrans.SMCVol.SMC10,No3二、平滑的算子01/501/51/51/501/501/9133三、線性平滑算子特性的分析1/91/91/91/91/91/91/91/91/9以右側的3×3鄰區(qū)平均模板為例：三、線性平滑算子特性的分析1/91/91/91/91/9134四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最小值濾波中值濾波是將選定的奇數像素窗口內的各像素灰度按大小排隊，用中間的灰度值代替窗口中原圖像中間位置的像素。因此是一種非線性濾波。四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最35第三章醫(yī)學圖像增強2課件36百分比濾波與中值濾波類似，是將選定的奇數像素窗口內的各像素灰度按大小排隊，用最接近某個亮度百分比的灰度值代替窗口中原圖像中間位置的像素。最大值濾波最小值濾波方法與上述類似，用于檢測圖像中最亮的點。方法與上述類似，用于檢測圖像中最暗的點。百分比濾波與中值濾波類似，是將選定的奇數像素窗口內的各像素灰373.4頻域濾波增強§3.4.1概述頻域濾波處理的一般方法：G(u,v)=H(u,v)F(u,v)f(x,y)F(u,v)G(u,v)g(x,y)變換乘H(u,v)反變換因此：頻域濾波處理的關鍵是選取合適的濾波器函數H(u,v)!3.4頻域濾波增強§3.4.1概述頻域濾波處理的一38§3.4.2低通濾波一、理想低通濾波器H(u,v)=式中D0是一個非負整數，D(u,v)是從點(u,v)到頻率平面原點的距離。1 當D(u,v)≦D00 當D(u,v)>D0D(u,v)＝(u2+v2)1/2§3.4.2低通濾波一、理想低通濾波器H(u,v)39理想低通濾波器的處理效果：低頻增強濾波后圖像原圖理想低通濾波器的處理效果：低頻增強濾波后圖像原圖40§3.4.3高通濾波一、理想高通濾波器H(u,v)=0 當D(u,v)≦D01 當D(u,v)>D0§3.4.3高通濾波一、理想高通濾波器H(u,v)=41理想高通濾波器的處理效果例高頻增強濾波后圖像原圖理想高通濾波器的處理效果例高頻增強濾波后圖像原圖42

§3.5（偽）彩色圖像增強§3.5.1彩色圖像一、顏色的基本物理特征色相：指能夠比較確切地表示某種顏色色別的名稱

明亮度：色彩的明亮程度

純度：色彩的純凈程度，它表示顏色中所含有色成分的比例

§3.5（偽）彩色圖像增強§3.5.1彩色圖像一、顏43二、加色與減色混色二、加色與減色混色44CIE(國際照明委員會)1931年定義三種標準基色和一組彩色匹配函數，稱為XYZ顏色模型。任何一種可以混出的色彩Cl都可以表示為：三、標準基色與色彩圖CIE(國際照明委員會)1931年定義三45為便于討論顏色的性質，可以對配色比例進行歸一化處理，定義：其中X，Y，Z稱為標準基色，x,y,z為為配出Cl所需的標準基色的量。為便于討論顏色的性質，可以對配色比例進行歸一化處理，定義：其46基于視覺的三刺激理論，認為人眼視網膜錐狀細胞通過對三種可見光的刺激強度的相對比較的感受而區(qū)分顏色。這三種光波分別在630nm，530nm，450nm達到刺激高峰。這種三刺激理論也是彩色視頻顯示器顯示彩色的機理。四、RGB顏色模型描述RGB三色混合顏色的模型稱為RGB顏色模型，可配出的顏色Cl

表為：基于視覺的三刺激理論，認為人眼視網膜錐狀細胞通過對三種可見光47其中向量R，G，B代表三個元色坐標軸上的單位向量上述配色公式可由R，G，B坐標系中的單位立方體表示，坐標原點代表黑色，而(1,1,1)代表白色。落在坐標軸上的頂點代表三個基色，而其余的頂點則代表每個基色的互補色。立方體的對角線為灰度線。其中向量R，G，B代表三個元色坐標軸上的上述配色公式可由48§3.5.2

灰度切割偽彩色增強灰度切割例§3.5.2灰度切割偽彩色增強灰度切割例49典型的彩色映射曲線之一§3.5.3

從灰度到彩色的映射變換紅映射綠映射藍映射f(x,y)f(x,y)f(x,y)f(x,y)r(x,y)g(x,y)b(x,y)D/AD/AD/ARGB彩色顯示器rR=TR(r)rG=TG(r)rB=TB(r)rRGB=T(r)藍青綠黃紅典型的彩色映射曲線之一§3.5.3從灰度到彩色的映50典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=TR(r)rRGB=T(r)典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=51偽彩色映射處理效果例1偽彩色映射處理效果例152偽彩色映射處理效果例2偽彩色映射處理效果例253偽彩色映射處理效果例1偽彩色映射處理效果例154偽彩色映射處理效果例2偽彩色映射處理效果例255偽彩色映射處理效果例1偽彩色映射處理效果例156偽彩色映射處理效果例2偽彩色映射處理效果例257

二進小波圖像增強技術二進小波圖像增強技術58論文結構引言(簡要介紹醫(yī)學圖像增強的研究背景及意義)算法原理(簡單介紹了本文所用到的數學知識)算法流程(提出了一種基于小波變換的模糊域增強算法)結果與討論（對圖像增強傳統(tǒng)方法與本文所用算法進行比較，驗證了該算法的可行性和優(yōu)越性）

結束語論文結構引言(簡要介紹醫(yī)學圖像增強的研究背景及意義)591、引言醫(yī)學影像是醫(yī)生臨床診斷和治療的重要輔助手段醫(yī)學圖像在采集、傳輸中會引入大量噪聲為了提高圖像的可讀性，進行更有效的觀察和診斷，對其進行計算機處理（去噪、增強）就顯得非常必要1、引言醫(yī)學影像是醫(yī)生臨床診斷和治療的重要輔助手段602、研究現(xiàn)狀傳統(tǒng)方法：頻域濾波（低通濾波、wiener濾波），空域濾波（中值濾波）新方法：1、經典的圖像增強方法的改進2、基于小波變換的圖像增強技術3、基于神經網絡、模擬退火法、遺傳算法的圖像增強技術4、基于數字形態(tài)學的圖像增強技術，如基于粗糙集理論、模糊數學的增強方法。2、研究現(xiàn)狀傳統(tǒng)方法：頻域濾波（低通濾波、wiener濾波）613、算法流程圖3、算法流程圖624、結果與討論4、結果與討論63軟閾值去噪圖像的噪聲主要分布在高頻區(qū)域經小波分解后，信號的小波系數幅值要大于噪聲的系數幅值，可以認為，幅值比較大的小波系數一般以信號為主，而幅值比較小的系數在很大程度上是噪聲軟閾值函數軟閾值去噪圖像的噪聲主要分布在高頻區(qū)域64第三章醫(yī)學圖像增強2課件65第三章醫(yī)學圖像增強2課件66模糊域增強模糊子集，隸屬函數

設U=(x)是一個集合，μ(x)是定義在U上并在[0,1]區(qū)間中取值的一個函數，則μ(x)刻劃了U中的一個模糊子集A，我們稱U是論域，A是U的模糊子集，μ(x)是A的隸屬函數。最大隸屬度原則最大隸屬度原則就是認為元素隸屬于隸屬度最大的集合。模糊域增強67模糊域增強流程圖F：隸屬函數T：模糊增強算子F’：逆映射（F的反函數）模糊域增強流程圖F：隸屬函數T：模糊增強算子F’：逆映射（F68低頻分量增強效果低頻分量增強效果69重構重構70結果討論結果分析：1、高頻去噪和低頻增強都取得了很好的效果2、重構后的圖像不太理想存在問題：1、邊緣模糊，低頻模糊域增強引起的。2、重構后圖像對比度下降解決方法：1、改進模糊算法2、改進重構方法，或對重構后的圖像進行處理結果討論結果分析：1、高頻去噪和低頻增強都取得了很好71醫(yī)學影像圖像處理生物醫(yī)學工程系醫(yī)學影像圖像處理生物醫(yī)學工程系723.1圖像增強的目的、特點和方法一、目的：改善圖像視覺效果，便于觀察和分析便于人工或機器對圖像的進一步處理二、特點：人為地突出圖像中的部分細節(jié)，壓制另外一部分信號在不考慮圖像降質原因的條件下，用經驗和試探的方法進行加工尚無統(tǒng)一的質量評價標準，無法定量衡量處理效果的優(yōu)劣3.1圖像增強的目的、特點和方法一、目的：二、特點：73需要注意的問題：處理時應考慮人眼的視覺特性和硬件的表現(xiàn)能力，達到合理的匹配處理時必須考慮處理目的，選用合適的方法需要注意的問題：74三、處理技術分類從處理方法分類頻域方法全局處理局部處理（ROI）灰度圖像(偽)彩色圖像從處理對象分類從處理策略分類點處理（灰度變換）鄰域方法（空域濾波）空域方法從處理目的分類圖像銳化平滑去噪灰度調整三、處理技術分類從處理方法分類頻域方法全局處理局部處理（RO753.2灰度直方圖與圖像的點處理一、灰度直方圖：圖像中像素灰度分布的概率密度函數連續(xù)圖像：設A(r)代表灰度小于r的所有像素的面積，則數字圖像：設圖像尺寸為M×N，共有K級灰度，并且具有灰度級rk的像素數為g(rk)，則有：3.2灰度直方圖與圖像的點處理一、灰度直方圖：圖76二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態(tài)范圍，達到增強圖像整體對比度的效果。方法：計算累計分布函數(CumulativeDistributionFunction,CDF)，并將其作為灰度變換函數s=T(r),從而將原始圖像的關于灰度r的分布直方圖，轉換為關于灰度s的均勻分布。二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的77原理：從灰度直方圖定義出發(fā)加以證明，設圖像面積為A0，其灰度已經進行歸一化處理原理：從灰度直方圖定義出發(fā)加以證明，設圖像面積為A0，78例題：給定一幅圖像的灰度分布概率密度函數為:P(r)=-2r+2 0≤r≤10 其它對其進行均衡化處理rS=T(r)222rP(r)例題：給定一幅圖像的灰度分布概率密度函數為:P(r)=-279數字圖像的直方圖均衡化：計算公式：數字圖像的直方圖均衡化：計算公式：80均衡化效果實例：均衡化效果實例：81均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：82均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：83均衡化效果實例（續(xù)）：均衡化效果實例（續(xù)）：843.3空域濾波增強一、原理和分類原理：利用相鄰像素的關系進行圖像增強，常借助模板進行鄰域操作。分類銳化平滑非線性線性非線性線性§3.3.1概述3.3空域濾波增強一、原理和分類原理：利用相鄰像素的關系進85二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模板中心與某像素重合將模板系數與模板下對應像素相乘將所有乘積相加將上述求和結果賦予模板中心對應像素K1,1K1,0K1,-1K0,1K0，0K0,-1K-1,1K-1,0K-1,-1模板二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模86三、空域線性濾波運算的原理－空域卷積三、空域線性濾波運算的原理－空域卷積87四、模板的可分解性：0-a0-a1+4a-a0-a0000010000000-aa00000000a00-a00000a-a0000-a00a0000四、模板的可分解性：0-a0-a1+4a-a0-a0000088§3.3.2圖像銳化銳化的目的：對正常圖像，通過銳化提取邊緣、輪廓、線條等信息，供進一步識別通過加重圖像輪廓克服降質，以達到更好的視覺效果§3.3.2圖像銳化銳化的目的：對正常圖像，通89圖像細節(jié)的灰度變化特性掃描線灰度漸變孤立點細線灰度躍變圖像細節(jié)的灰度分布特性平坦段圖像細節(jié)的灰度變化特性掃描線灰度漸變孤立點細線灰度躍變圖像細90三、常見的銳化方法1.單方向一階銳化單方向的一階銳化是指對某個特定方向上的邊緣信息進行增強2.無方向一階銳化Roberts,Sobel,Priwitt銳化3.二階銳化拉普拉斯銳化三、常見的銳化方法1.單方向一階銳化911.1水平方向一階銳化1232121262308761278623269000000-3-13-2000-6-13-130011250000001*1+2*2+1*3-1*3-2*0-1*8=-3問題：計算結果中出現(xiàn)了小于零的像素值1.1水平方向一階銳化1232121262308761278921.2垂直方向一階銳化1232121262308761278623269000000-7-17400-16-25500-17-22-30000001*1+2*2+1*3-1*3-2*2-1*8=-7問題：計算結果中出現(xiàn)了小于零的像素值1.2垂直方向一階銳化123212126230876127893銳化后處理方法1：整體加一個正整數，以保證所有的像素值均為正。這樣做的結果是：可以獲得類似浮雕的效果。2020202020201770202014772020213225202020202020000000-3-13-2000-6-13-13001125000000銳化后處理方法1：整體加一個正整數，以保證所有的像20294方法2：將所有的像素值取絕對值。這樣做的結果是，可以獲得對邊緣的有方向提取。000000313200061313001125000000000000-3-13-2000-6-13-13001125000000方法2：將所有的像素值取絕對值。00000031320952.無方向一階銳化（1）交叉微分算法（Roberts算法）計算公式如下：2.無方向一階銳化（1）交叉微分算法（Roberts算法）計96

Sobel、Priwitt銳化算法的計算公式如下：其中，Sobel、Priwitt銳化算法的計算公式如下：其中，97Sobel銳化Prewitt銳化Sobel銳化Prewitt銳化983.二階銳化從圖像的景物細節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明確，為此，采用二階微分能夠更加獲得更豐富的景物細節(jié)。3.二階銳化從圖像的景物細節(jié)的灰度分布特性可知，有些灰度變化99第三章醫(yī)學圖像增強2課件100上式對應的卷積和為常用的拉普拉斯卷積核為上式對應的卷積和為常用的拉普拉斯卷積核為101拉普拉斯銳化拉普拉斯銳化102§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲作為其它處理的前處理§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲103二、平滑的算子01/501/51/51/501/501/91/91/91/91/91/91/91/91/9鄰區(qū)平均1/101/101/101/101/51/101/101/101/101/161/81/161/81/41/81/161/81/16加權平均選擇平均：參考AnnScher,etal.,SomeNewImageSmoothingtechnique,IEEETrans.SMCVol.SMC10,No3二、平滑的算子01/501/51/51/501/501/91104三、線性平滑算子特性的分析1/91/91/91/91/91/91/91/91/9以右側的3×3鄰區(qū)平均模板為例：三、線性平滑算子特性的分析1/91/91/91/91/91105四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最小值濾波中值濾波是將選定的奇數像素窗口內的各像素灰度按大小排隊，用中間的灰度值代替窗口中原圖像中間位置的像素。因此是一種非線性濾波。四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最106第三章醫(yī)學圖像增強2課件107百分比濾波與中值濾波類似，是將選定的奇數像素窗口內的各像素灰度按大小排隊，用最接近某個亮度百分比的灰度值代替窗口中原圖像中間位置的像素。最大值濾波最小值濾波方法與上述類似，用于檢測圖像中最亮的點。方法與上述類似，用于檢測圖像中最暗的點。百分比濾波與中值濾波類似，是將選定的奇數像素窗口內的各像素灰1083.4頻域濾波增強§3.4.1概述頻域濾波處理的一般方法：G(u,v)=H(u,v)F(u,v)f(x,y)F(u,v)G(u,v)g(x,y)變換乘H(u,v)反變換因此：頻域濾波處理的關鍵是選取合適的濾波器函數H(u,v)!3.4頻域濾波增強§3.4.1概述頻域濾波處理的一109§3.4.2低通濾波一、理想低通濾波器H(u,v)=式中D0是一個非負整數，D(u,v)是從點(u,v)到頻率平面原點的距離。1 當D(u,v)≦D00 當D(u,v)>D0D(u,v)＝(u2+v2)1/2§3.4.2低通濾波一、理想低通濾波器H(u,v)110理想低通濾波器的處理效果：低頻增強濾波后圖像原圖理想低通濾波器的處理效果：低頻增強濾波后圖像原圖111§3.4.3高通濾波一、理想高通濾波器H(u,v)=0 當D(u,v)≦D01 當D(u,v)>D0§3.4.3高通濾波一、理想高通濾波器H(u,v)=112理想高通濾波器的處理效果例高頻增強濾波后圖像原圖理想高通濾波器的處理效果例高頻增強濾波后圖像原圖113

§3.5（偽）彩色圖像增強§3.5.1彩色圖像一、顏色的基本物理特征色相：指能夠比較確切地表示某種顏色色別的名稱

明亮度：色彩的明亮程度

純度：色彩的純凈程度，它表示顏色中所含有色成分的比例

§3.5（偽）彩色圖像增強§3.5.1彩色圖像一、顏114二、加色與減色混色二、加色與減色混色115CIE(國際照明委員會)1931年定義三種標準基色和一組彩色匹配函數，稱為XYZ顏色模型。任何一種可以混出的色彩Cl都可以表示為：三、標準基色與色彩圖CIE(國際照明委員會)1931年定義三116為便于討論顏色的性質，可以對配色比例進行歸一化處理，定義：其中X，Y，Z稱為標準基色，x,y,z為為配出Cl所需的標準基色的量。為便于討論顏色的性質，可以對配色比例進行歸一化處理，定義：其117基于視覺的三刺激理論，認為人眼視網膜錐狀細胞通過對三種可見光的刺激強度的相對比較的感受而區(qū)分顏色。這三種光波分別在630nm，530nm，450nm達到刺激高峰。這種三刺激理論也是彩色視頻顯示器顯示彩色的機理。四、RGB顏色模型描述RGB三色混合顏色的模型稱為RGB顏色模型，可配出的顏色Cl

表為：基于視覺的三刺激理論，認為人眼視網膜錐狀細胞通過對三種可見光118其中向量R，G，B代表三個元色坐標軸上的單位向量上述配色公式可由R，G，B坐標系中的單位立方體表示，坐標原點代表黑色，而(1,1,1)代表白色。落在坐標軸上的頂點代表三個基色，而其余的頂點則代表每個基色的互補色。立方體的對角線為灰度線。其中向量R，G，B代表三個元色坐標軸上的上述配色公式可由119§3.5.2

灰度切割偽彩色增強灰度切割例§3.5.2灰度切割偽彩色增強灰度切割例120典型的彩色映射曲線之一§3.5.3

從灰度到彩色的映射變換紅映射綠映射藍映射f(x,y)f(x,y)f(x,y)f(x,y)r(x,y)g(x,y)b(x,y)D/AD/AD/ARGB彩色顯示器rR=TR(r)rG=TG(r)rB=TB(r)rRGB=T(r)藍青綠黃紅典型的彩色映射曲線之一§3.5.3從灰度到彩色的映121典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=TR(r)rRGB=T(r)典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=122偽彩色映