多媒體技術(shù)彩色數(shù)字圖像基礎(chǔ)

多媒體技術(shù)彩色數(shù)字圖像基礎(chǔ)第一頁，共五十五頁，2022年，8月28日217世紀(jì)，牛頓通過用三棱鏡研究對白光的折射發(fā)現(xiàn)白光可被分解成一系列從紅到紫的連續(xù)光譜。證明白光是由不同顏色（這些顏色不能再進一步分解）的光線相混合而組成的。一個物體反射的光若在所有的可見光波長范圍內(nèi)是平衡的，對觀察者來說顯示白色。若一個物體對某些光譜反射得較多，則物體呈現(xiàn)相應(yīng)的顏色。視覺系統(tǒng)對顏色的感知第二頁，共五十五頁，2022年，8月28日3視覺系統(tǒng)對顏色的感知可見光的波長范圍為380nm～780nm，大多數(shù)自然光都是由不同波長的光組合而成。人的視網(wǎng)膜有對紅、綠、藍(lán)顏色敏感程度不同的三種錐體細(xì)胞，顏色只存在于眼睛和大腦中。顏色是視覺系統(tǒng)對可見光的感知結(jié)果。紅、綠和藍(lán)三種錐體細(xì)胞對不同頻率的光的感知程度不同，對不同亮度的感知程度也不同，第三頁，共五十五頁，2022年，8月28日4視覺系統(tǒng)對顏色的感知視覺系統(tǒng)對顏色和亮度的響應(yīng)特性曲線（各個波長的光的強度相等）第四頁，共五十五頁，2022年，8月28日5視覺系統(tǒng)對顏色的感知上面的顏色響應(yīng)曲線表明，人類眼睛對藍(lán)光的靈敏度遠(yuǎn)遠(yuǎn)低于對紅光和綠光的靈敏度。亮度響應(yīng)曲線表明人眼對波長為550nm左右的黃綠色最為敏感。第五頁，共五十五頁，2022年，8月28日6視覺系統(tǒng)對顏色的感知許多具有不同光譜分布的光產(chǎn)生的視覺效果（顏色）是一樣的。即光譜與顏色的對應(yīng)是多對一的。光譜分布不同而看上去相同的兩種顏色稱為條件等色（匹配等色）。絕大部分可見光譜對眼睛的刺激效果都可以用紅（700nm）、綠（546.1nm）、藍(lán)（435.8nm）三色光按不同比例和強度的混合來等效表示。（三刺激理論）第六頁，共五十五頁，2022年，8月28日7視覺系統(tǒng)對顏色的感知匹配任意可見光所需的三原色光比例曲線第七頁，共五十五頁，2022年，8月28日8視覺系統(tǒng)對顏色的感知從人的主觀感覺角度，顏色包含三個要素：1、色調(diào)（hue）：色調(diào)反映顏色的類別，分為紅黃、綠、藍(lán)、紫5種主色調(diào)。第八頁，共五十五頁，2022年，8月28日9視覺系統(tǒng)對顏色的感知2、飽和度（Saturation）飽和度是指彩色光所呈現(xiàn)顏色的深淺或純潔程度。對于同一色調(diào)的彩色光，其飽和度越高，顏色就越深，或越純；而飽和度越小，顏色就越淺，或純度越低。高飽和度的彩色光可因摻入白光而降低純度或變淺，變成低飽和度的色光。100%飽和度的色光就代表完全沒有混入白光的純色光。第九頁，共五十五頁，2022年，8月28日10視覺系統(tǒng)對顏色的感知3、明亮度（luminance）明亮度是光作用于人眼時引起的明亮程度的感覺。一般來說，彩色光能量大則顯得亮，反之則暗。大量試驗表明，人的眼睛能分辨128種不同的色調(diào)，10－30種不同的飽和度，而對亮度非常敏感。第十頁，共五十五頁，2022年，8月28日11顏色模型顏色模型（colormodel）是用來精確標(biāo)定和生成各種顏色的一套規(guī)則和定義。某種顏色模型所標(biāo)定的所有顏色就構(gòu)成了一個顏色空間。顏色空間通常用三維模型表示，空間中的顏色通常使用代表三個參數(shù)的三維坐標(biāo)來指定對于人來說，可以通過色調(diào)、飽和度和亮度來定義顏色（HSV顏色模型）；對于顯示設(shè)備來說，可以用紅、綠、藍(lán)磷光體的發(fā)光量來描述顏色（RGB顏色模型）；對于打印設(shè)備來說，可以使用青色、品紅、黃色和黑色顏料的用量來指定顏色（CMYK顏色模型）。第十一頁，共五十五頁，2022年，8月28日12

理論上絕大部分可見光譜都可用紅、綠和藍(lán)(RGB)三色光按不同比例和強度的混合來表示。顏色C＝R(紅色的百分比)＋G(綠色的百分比)＋B(藍(lán)色的百分比)

RGB模型稱為相加混色模型，用于光照、視頻和顯示器。例如，顯示器通過紅、綠和藍(lán)熒光粉發(fā)射光線產(chǎn)生彩色。RGB顏色模型第十二頁，共五十五頁，2022年，8月28日13RGB顏色模型RGB顏色模型（R-red,G-green,B-blue）第十三頁，共五十五頁，2022年，8月28日14RGB顏色模型第十四頁，共五十五頁，2022年，8月28日15RGB圖像R分量圖像G分量圖像B分量圖像第十五頁，共五十五頁，2022年，8月28日16第十六頁，共五十五頁，2022年，8月28日17CMYK顏色模型在理論上，絕大多數(shù)顏色都可以用三種基本顏料（青色cyan、品紅magenta、和黃色yellow）按一定比例混合得到，記為CMY模型。理論上，青色、品紅和黃色三種基本色素等量混合能得到黑色。但實際上，因為所有打印油墨都會包含一些雜質(zhì)，這三種油墨混合實際上產(chǎn)生一種土灰色，必須與黑色(K)油墨混合才能產(chǎn)生真正的黑色，所以再加入黑色作為基本色形成CMYK顏色模型。CMYK模型稱為相減混色模型。第十七頁，共五十五頁，2022年，8月28日18CMY顏色模型第十八頁，共五十五頁，2022年，8月28日19CMY顏色模型RGB彩色空間和CMY彩色空間的表示法第十九頁，共五十五頁，2022年，8月28日20HSV顏色模型

HSV色彩模型示意圖

HSV（Hue，Saturation，Value）顏色模型

在HSV顏色模型中，每一種顏色和它的補色相差180o，

圓錐的頂面對應(yīng)于V=1，它包含RGB模型中的R=1，G=1，B=1三個面，故所代表的顏色較亮。色度H由繞V軸的旋轉(zhuǎn)角給定。紅色對應(yīng)于角度0o，綠色對應(yīng)于角度120o，藍(lán)色對應(yīng)于角度240o。

H:[0,360o],S:[0,1],V:[0,1]在圓錐的頂點處，V=0，H和S無定義，代表黑色。

圓錐的頂面中心處S=0，V=1，H無定義，代表白色。

第二十頁，共五十五頁，2022年，8月28日21HSV顏色模型第二十一頁，共五十五頁，2022年，8月28日22HSV圖像H分量圖像S分量圖像V分量圖像第二十二頁，共五十五頁，2022年，8月28日23

HSV顏色模型具有以下的優(yōu)點

符合人眼對顏色的感覺。當(dāng)采用RGB（或者CMY）顏色模型時，改變某一顏色的屬性，比如改變色調(diào)就必須同時改變R、G、B（或者C、M、Y）三個坐標(biāo)；而采用HSV顏色模型時只需改變H坐標(biāo)。也就是說，HSV顏色模型中的三個坐標(biāo)是獨立的。

HSV顏色模型構(gòu)成的是一個均勻的顏色空間，采用線性的標(biāo)尺，彩色之間感覺上的距離與HSV顏色模型坐標(biāo)上點的歐幾里德距離成正比。

HSV顏色模型第二十三頁，共五十五頁，2022年，8月28日24CIE（國際照明委員會）顏色模型

CIE顏色模型包括一系列顏色模型，這些顏色模型是由國際照明委員會提出的，是基于人的眼睛對RGB的反應(yīng)，被用于精確表示對色彩的接收。這些顏色模型被用來定義所謂的獨立于設(shè)備的顏色。它能夠在任何類型的設(shè)備上產(chǎn)生真實的顏色，例如：掃描儀、監(jiān)視器和打印機。這些模型被廣泛地使用，因為它們很容易被用于計算機，描述顏色的范圍。CIE的模型包括：CIEXYZ,CIEL*a*b和CIEYUV等。設(shè)備無關(guān)性：

CIE顏色模型的提出

CIE顏色模型的類型第二十四頁，共五十五頁，2022年，8月28日25CIEXYZRGB三基色系統(tǒng)匹配需要負(fù)值，XYZ三刺激值的概念是以色視覺的三元理論為根據(jù)的，它說明人眼具有接受三基色(紅、綠、藍(lán))的接受器，系統(tǒng)采用假想的三基色XYZ，Y是人眼對亮度的響應(yīng),而所有的顏色均被視作該三基色的混合色。

1931年CIE制定了一種假想的標(biāo)準(zhǔn)觀察者，配色函數(shù)XYZ三刺激值是利用這些標(biāo)準(zhǔn)觀察者配色函數(shù)計算得來的。

在此基礎(chǔ)上，CIE于1931年規(guī)定了CIE

Yxy顏色空間，其中Y為亮度，x,y是從三刺激值XYZ計算得來的色坐標(biāo)。它代表人類可見的顏色范圍。CIE彩色圖表第二十五頁，共五十五頁，2022年，8月28日26CIEL*a*b*L*a*b*顏色空間是在1976年制定的，它是基于四色理論，它是CIEXYZ顏色模型的改進型，以便克服原來的Yxy顏色空間存在的在x，y色度圖上相等的距離并不相當(dāng)于我們所覺察到的相等色差的問題。與XYZ比較，CIEL*a*b*顏色更適合于人眼的感覺。利用CIEL*a*b*，顏色的亮度（L）、灰階和飽和度（a,b）可以單獨修正，這樣，圖像的整個顏色都可以在不改變圖像或其亮度的情況下，發(fā)生改變。L*a*b*的概念圖L:明亮度a:從綠色到紅色b:從藍(lán)色到黃色第二十六頁，共五十五頁，2022年，8月28日27CIEYUV

在現(xiàn)代彩色電視系統(tǒng)中，通常采用三管彩色攝像機或彩色CCD（點耦合器件）攝像機，它把攝得的彩色圖像信號，經(jīng)分色、分別放大校正得到RGB，再經(jīng)過矩陣變換電路得到亮度信號Y和兩個色差信號R－Y、B－Y，最后發(fā)送端將亮度和色差三個信號分別進行編碼，用同一信道發(fā)送出去。這就是我們常用的YUV顏色空間。采用YUV顏色空間的重要性是它的亮度信號Y和色度信號U、V是分離的。如果只有Y信號分量而沒有U、V分量，那么這樣表示的圖就是黑白灰度圖。彩色電視采用YUV空間正是為了用亮度信號Y解決彩色電視機與黑白電視機的兼容問題，使黑白電視機也能接收彩色信號。根據(jù)美國國家電視制式委員會，NTSC制式的標(biāo)準(zhǔn)，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)系可用如下式的方程描述：色差U、V是由、按不同比例壓縮而成的。第二十七頁，共五十五頁，2022年，8月28日28第二十八頁，共五十五頁，2022年，8月28日29各種顏色模型之間的轉(zhuǎn)換算法

RGB與CMY顏色模型之間轉(zhuǎn)換算法c=1–rm=1–gy=1–b

RGB與HSV顏色模型之間轉(zhuǎn)換算法查表法RGB顏色模型到HSV顏色模型之間轉(zhuǎn)換的算法要復(fù)雜一些。從RGB顏色模型到HSV顏色模型的最可靠的方法是首先把RGB坐標(biāo)轉(zhuǎn)換為1931CIE-XYZ系統(tǒng)中的（x，y，Y）坐標(biāo)，然后根據(jù)（x，y，Y）查找對應(yīng)表，得到相應(yīng)的（H，S，V）坐標(biāo)。逆向操作則可以從HSV坐標(biāo)轉(zhuǎn)換到RGB坐標(biāo)。xyY坐標(biāo)與HSV坐標(biāo)的對照表已由色度學(xué)實驗得到[Newhall1943]。但是這種方法需要依賴對照表，比較笨重。第二十九頁，共五十五頁，2022年，8月28日30數(shù)學(xué)公式設(shè)m=max(r,g,b)，n=min(r,g,b)，其中r,g,b分別是歸一化的RGB顏色空間中的值

從RGB顏色坐標(biāo)轉(zhuǎn)換到HSV顏色坐標(biāo)(foleyVanDam)第三十頁，共五十五頁，2022年，8月28日31從HSV顏色坐標(biāo)到RGB顏色坐標(biāo)的轉(zhuǎn)換其中％為取余數(shù)運算，即f為h除以60的余數(shù)第三十一頁，共五十五頁，2022年，8月28日32

RGB與CIEXYZ顏色模型之間轉(zhuǎn)換算法

CIEXYZ與CIEL*a*b*顏色模型之間轉(zhuǎn)換算法L的范圍是0~100，a,b的范圍是-300~300。從-a到+a表示綠到紅過渡，-b到+b表示藍(lán)到黃過渡。從-a到+a表示綠到紅過渡，-b到+b表示藍(lán)到黃過渡。第三十二頁，共五十五頁，2022年，8月28日33

RGB與CIEYUV顏色模型之間轉(zhuǎn)換算法

RGB與YCC顏色模型之間轉(zhuǎn)換算法

為了區(qū)分YCC顏色空間中的兩個C，我們分別用Cr和Cb來表示

第三十三頁，共五十五頁，2022年，8月28日34色彩量化技術(shù)

真彩圖像包含多達(dá)224種顏色，直接比較這些顏色不可行。

進行真彩圖像處理時往往需要首先對圖像進行量化，減少需要處理的顏色數(shù)目。

量化即為圖像選擇一個調(diào)色板，它包含的顏色數(shù)目遠(yuǎn)小于224，然后為圖像的每個像素點選擇一個調(diào)色板中與它最接近的顏色。顏色量化方法Y.Linde,A.BuzoandR.M.Gray,“Analgorithmforvectorquantizerdesign”,IEEETrans.Commun.,vol.COM-28,no.1,pp.84-95,1980.

LBG方法DSQ方法PeiSC.ChengCM.Dependentscalarquantizationofcolorimages.IEEEtrans.onCircuitsandSystemsforVideoTechnology.1995,5(2):124~139.

第三十四頁，共五十五頁，2022年，8月28日35

LBG方法算法4.2：LBG聚類。{x(s)}是所有元素的集合。選擇初始類別中心{q(n)|n=1,2,…,M}Do

根據(jù)最鄰近方法對元素x(s)分類，形成類別{C(m)|m=1,2,…,M}

對C(m)中元素取平均值，得到新的分類中心{q(n)}While每一步都使分類誤差TSE減小

該算法能達(dá)到TSE的局部極值，但是否能達(dá)到最小值與初始聚類中心的選擇有關(guān)系。這個算法計算量較大。每步迭代需計算MN次距離，N是元素的總數(shù)。用在顏色量化上，對像素點的(r,g,b)聚類，終止條件改為|TSEi+1–TSEi|<1，即迭代使TSE的改變小于1就停止。該精度對顏色量化在很多場合是足夠的。

第三十五頁，共五十五頁，2022年，8月28日36

DSQ方法DSQ算法是一個層次的顏色空間分解算法。算法每次用垂直于坐標(biāo)軸的平面將顏色子空間一分為二。

空間劃分的方法是，對屬于該顏色子空間的像素點，計算相應(yīng)顏色分量的直方圖，確定閾值t和z1,z2,其中z1<t<z2,若將所有小于t的顏色分量用z1代替，所有大于t的顏色分量用z2代替，要求直方圖的三個矩保持不變。設(shè)I(x,y)表示點(x,y)的某個顏色分量，其前三個矩是：

N是圖像的像素點數(shù)。

先求I(x,y)<t的像素點占的比例p，t由下式?jīng)Q定nk是顏色分量為k的像素點數(shù)。

第三十六頁，共五十五頁，2022年，8月28日37調(diào)色板的顏色取為顏色子空間中所有像素點的平均顏色。

算法大致需要3L(N–1)次整數(shù)乘法操作，L是顏色直方圖的尺寸，N是量化等級數(shù)目。第三十七頁，共五十五頁，2022年，8月28日38分色技術(shù)四色分色技術(shù)在彩色印刷行業(yè)，一般都采用C(青)、M(品紅)、Y(黃)、K(黑)四種油墨來印刷由于染料的成分不純，100%的品紅、青色、黃色只能形成深咖啡色，而不能形成理論上的黑色。為了彌補黑色調(diào)的不足，額外增加了一個黑色。四色分色的過程是一個從RGB顏色空間(三維)到CMYK顏色空間(四維)的過程。從RGB顏色空間到CMYK顏色空間轉(zhuǎn)換的過程如下圖所示。第三十八頁，共五十五頁，2022年，8月28日39設(shè)R、G、B的取值范圍是[0,1]C、M、Y、K的取值范圍也是[0,1]，1表示最大的染料量首先，轉(zhuǎn)換的第一步是一個理想的過程其次，轉(zhuǎn)換的最后一步是產(chǎn)生具體的CMYK值的過程第三十九頁，共五十五頁，2022年，8月28日40黑板的產(chǎn)生目前產(chǎn)生黑版的主要方法有兩種：

UCR（UnderColorRemoval）

是將原始RGB圖像中的較黑部分用黑色代替，其余部分再用CMY三種顏色來復(fù)合產(chǎn)生。

GCR（GrayComponentReplacement）

是將原始RGB圖像中的灰度部分用黑色代替，其余部分再用CMY三種顏色來復(fù)合產(chǎn)生。GCR不僅從彩色區(qū)域的中性灰部分去除灰部分，而且還擴散到彩色部分，昂貴的彩色染料以各種比例組合所形成的灰色部分被黑色所取代。

實驗表明，在印染行業(yè)，用GCR方法的效果要比UCR的好，故主要介紹GCR為主。

第四十頁，共五十五頁，2022年，8月28日41中間的一步是色彩校正，雖然這一步驟在RGB到CMYK轉(zhuǎn)換（分色）的過程中是可選的，但是在實際的應(yīng)用中，這一步驟不僅是不可少的，而且往往在保證分色的質(zhì)量中起到很關(guān)鍵的作用。

定義

其中

是指三個參數(shù)中的第二大那個參數(shù)的值第四十一頁，共五十五頁，2022年，8月28日42色彩校正的過程如下：

其中：

spQ表示對于式顏色族p的輸出的校正量Q，如對于每單位的藍(lán)加上50%M，減去10%Y可以表示為綜合以上過程，有：

第四十二頁，共五十五頁，2022年，8月28日43可得四色分色的具體步驟和公式如下（以GCR為例）：

其中，G是GCR的因子，取值范圍為[0,1]，α是控制黑版程度的常量，β是控制色彩飽和度的常量。

第四十三頁，共五十五頁，2022年，8月28日44源圖（512*400像素，120DPI）

四色分色的例子

第四十四頁，共五十五頁，2022年，8月28日45圖像的分類矢量圖與點位圖

矢量圖是用一系列計算機指令來表示一幅圖，如畫點、畫線、畫曲線、畫圓、畫矩形等。這種方法實際上是用數(shù)學(xué)方法來描述一幅圖。矢量圖的優(yōu)點是：（1）縮放、旋轉(zhuǎn)、移動時圖像不會失真。（2）存儲和傳輸時數(shù)據(jù)量較小。矢量圖的缺點是：（1）圖像顯示時花費時間比較長。（2）真實世界的彩色圖像難以轉(zhuǎn)化為矢量圖。第四十五頁，共五十五頁，2022年，8月28日46圖像的分類矢量圖與點位圖

點位圖是將一副圖像在空間上離散化，即將圖像分成許許多多的像素，每個象素用若干個二進制位來指定該像素的顏色或灰度值。點位圖的優(yōu)點是：（1）顯示速度快。（2）真實世界的圖像可以通過掃描儀、數(shù)碼相機、攝像機等設(shè)備方便的轉(zhuǎn)化為點位圖。點位圖的缺點是：（1）存儲和傳輸時數(shù)據(jù)量比較大。（2）縮放、旋轉(zhuǎn)時算法復(fù)雜且容易失真。第四十六頁，共五十五頁，2022年，8月28日47圖像的分類矢量圖點位圖第四十七頁，共五十五頁，2022年，8月28日48圖像的分類灰度圖標(biāo)準(zhǔn)單色圖標(biāo)準(zhǔn)灰度圖第四十八頁，共五十五頁，2022年，8月28日49

把圖象函數(shù)的值離散化的過程叫量化。Zi+1ZZi-1Qi+1QQi-1連續(xù)的灰度值

量化值（整數(shù)值）量化黑色灰色白色 從白到黑的連續(xù)變化黑色灰色白色灰度標(biāo)度2552541281001128254255灰度級的分配把從白到黑的灰度值(graylevel)量化成8比特圖像的分類第四十九頁，共五十五頁，2022年，8月28日50圖像的分類c表示RGB彩色空間中的向量，c的分量是一幅彩色圖像在一點上的RGB分量，表示為：第五十頁，共五十五頁，2022年，8月28日51圖像的分類第五十一頁，共五十五頁，2022年，8月28日52圖像的分類彩色圖256色標(biāo)準(zhǔn)圖像24位標(biāo)準(zhǔn)