1、-1-12-12-(1)去噪处理的效果-(1)去噪处理的效果Image Denoising Based on PDE Method-(2)去模糊处理的效果-(2)去模糊处理的效果-学术研讨CV Conference1、ICCV,International Conference on Computer Vision2、CVPR,International Conference on Computer Vision and Pattern Recognition3、ECCV,European Conference on Computer VisionCV JournalBest:PAMI,IEEE
2、 Trans.on Patt.Analysis and Machine Intelligence IJCV,Inter.Jour.on Comp.VisionGood:CVIU,Computer Vision and Image Understanding PR,Pattern Reco.Graphics Conference1、Siggraph,ACM SigGraph2、Euro GraphGraphics Journal 1、IEEE(ACM)Trans.on Graphics 2、IEEE Trans.on Visualization and Computer Graphics-从CV
3、PR2013看计算机视觉领域的最新热点1、RGB-D 数据的分析2、中层patch的分析在局部特征很难具有足够的描述力的情况下,中层特征的提取和分析就显得更加重要。3、深度学习以及特征学习在慢慢具备海量数据处理能力的今天,深度学习确实是解决问题的一个很好的途径。深度学习必须结合好的特征学习,才是解决问题的王道。-从CVPR2014看计算机视觉领域的最新热点1、深度学习(Deep Learning)是当下最热门的方向之一;2、基础模型研究 3D几何模型3、Low-level Vision主要针对图像本身及其内在属性的分析及处理,比如判断图片拍摄时所接受的光照,反射影响以及光线方向,进一步推断拍摄
4、物体的几何结构;再如图片修复,如何去除图片拍摄中所遇到的抖动和噪声等不良影响。4、Depth Sensor(深度传感器)及深度图像相关-120.1 数字图像1、数字图像是能够在计算机上显示和处理的图像,根据其特性可分为位图和矢量图。通常使用数字阵列来表示,如BMP、JPG、GIF等 矢量图由矢量数据库表示,如PNG图形2、数字图像模型其对应的矩阵模型为111212122212NNNNNNfffffffff其中 代表在坐标 处的像素色彩或灰度值。ijf(,)i j0.2 数字图像处理与识别0.3 数字图像处理的预备知识-3、数字图像分类 二值图像:0表示黑色,1表示白色 灰度图像:0255,25
5、6级,介于黑色与白色之间的颜色深度。RGB图像:三原色可以表示颜色各类 256*256*256=224 索引图像:作用就是体积小,方便传输,只需要把索引表传输过去,接收方用对应的RGB颜色表还原颜色信息。011100001I100220250180501202001500I00255800255240240255R02550160255255801600G25525525524000160800B0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-4、图像的空间分辨率 概念:图像中每单位长度所包含的像素或点的数目,常以像素/英寸(pixels per inch,ppi)为
6、单位来表示。分辨率越高,图像越清晰,图像文件所需的磁盘空间也越大,编辑和处理所需的时间也越长。一般来说,采样间隔越大,所得图像像素数越少,空间分辨率低,质量差,严重时出现像素呈块状的棋盘格效应(Checkerboard Effect);采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-5、图像的灰度级/辐射计量分辨率 概念:灰度级指图像中可分辨的灰度级数目。量化等级越多,所得图层次越丰富,灰度分辨率高,图像质量好,但数据量大;量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差
7、,但数据量小。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-(1)图像预处理图像预处理改善象质,以便于目视判读。校正技术校正技术:对形状变形的图象进行几何校正、辐射校正。增强技术增强技术:去除干扰,突出主要特征,包括:平滑与锐化技术。恢复技术恢复技术:1)去除噪音干扰,恢复原图像;2)运动模糊图像、退化图像的恢复、相位恢复等。(2)图像分析:图像分析:图像分割,纹理分析,平面几何参数,三维参数测量技术等。(3)图像编码与压缩:图像编码与压缩:PCM(脉冲编码调制),统计编码,预测编码,变换编码
8、,无损压缩,有损编码等;图像编码的国际标准,图像压缩的国际标准。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-(4)图像重建:图像重建:基于变换的重建,卷积法重建,代数重建,重建的优化。(5)图像修复:图像修复:平滑修复,基于总变分(TV)的修复,基于PDE的修复等。(6)图像识别:图像识别:模式识别与景物分析 图像处理的特点图像处理的特点:(1)再现性好:数字图像可多次拷贝,不失真,不退化。(2)精度高:采样量化一定,多次处理可保精度。(3)适用面宽:可处理抽象数据、可做非线性处理(光学处理多为线性处理)0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处
9、理的预备知识-图像处理的应用领域森林覆盖计算,农作物估产,水质及大气污染调查。资源勘探,地图绘制,地理信息系统(GIS)。森林火灾监护客观反映火灾情况、面积。鱼群探查,海洋污染检测;河流分布,水利及水害调查。军事侦察,导弹制导,电子沙盘,军事训练等。身份认证:指纹、掌纹、虹膜等识别。医学应用:CT、MRI、血管造影、红外乳腺、显微病理、电子显微镜、远程医疗图像、皮肤图象、X线、刀与刀脑外科等都离不开图像。工业图像:X线控探伤(轴)、X线检察、三维测量(定位、形状测量)机器人视觉、商检。民用:数码相机、数字视频、照片扫描等。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识
10、-视觉系统的功能结构机器(计算机)视觉要达到的三个基本目的:(1)根据一幅或多幅二维投影图象计算出观察点到目标物体的距离;(2)根据一幅或多幅二维投影图象计算出目标物体的运动参数;(3)根据一幅或多幅二维投影图象计算出目标物体的表面物理特性。0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识-机器(计算机)视觉技术的应用举例工业领域(生产装配、质量检验)机器人(星球探测机器人)遥感图像分析(植被分析)医学图像分析(骨骼定位)安全鉴别、监视与跟踪(门禁系统、视频监控)国防系统(目标自动识别与目标跟踪)图像与视频检索(基于内容的检索)文物保护(数字博物馆)其他(游戏、动画、体
11、育、人机交互)0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识火星车CMU月球探测实验车Nomad漫游者-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识1、像素的邻域4-邻域4对角邻域8-邻域P的4领域N4(P)P的对角领域ND(P)P的8领域N8(P)+=-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识2、像素间的邻接,连接和连通 像素的邻接(Pixel Adjacency)两个像素是否邻接就看它们是否接触,一个像素和在它邻域中的像素是接触的,所以也是邻接的。邻接只考虑像素间的空间关系。-0.1 数字图像0.2 数字
12、图像处理与识别0.3 数字图像处理的预备知识 像素的连接(Pixel Connectivity)对两个像素来说,要确定它们是否连接需要考虑两点:它们在空间上是否接触(即它们是否邻接)它们的灰度值是否满足某个特定的相似准则(例如它们灰度值相等,或同在一个灰度值集合中取值)-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识以下三种常用的连接:(1)4-连接:2个像素 p 和 r 在V中取值且 r 在N4(p)中,则它们为4-连接。(2)8-连接:2个像素 p 和 r 在V中取值且 r 在N8(p)中,则它们为8-连接。(3)m-连接(混合连接):2个像素 p 和 r 在V中
13、取值且满足下列条件之一,则它们为m-连接:r 在N4(p)中;r 在ND(p)中且N4(p)N4(r)没有V值的元素-4连接 8连接 m连接0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识这种m-连接的引入目的之一就是消除8-连接的多路问题。8-连接在像素距离的选择时有多种路径,引发歧义,而m-连接则没有-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识 像素的连通(pixel Connectivity)定义两个像素间的通路:从具有像素p(x,y)到像素q(s,t)的一条通路是由一系列具有坐标(x0,y0),(x1,y1),(xn,yn)的独立像
14、素组成的。这里(x0,y0)(x,y),(xn,yn)=(s,t),且(xi,yi)与(xi-1,yi-1)相邻接,其中 1in,n为通路长度。设p和q是一个图像子集S中的2个像素,那么如果存在一条完全由S中的像素组成的从p到q的通路,那么就称p在S中与q相连通。-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识例:计算点例:计算点p p和和q q之间之间m-m-通路的长度通路的长度 p=1,q=1-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识 像素间的距离Connectivity)(1)点p和q之间的欧氏(Euclidean)距离:(2)点
15、p和q之间的城区(city-block)距离:(3)点p和q之间的棋盘(chessboard)距离:221/2,EDp qxsyt4,|Dp qxsyt8,max(|,|)Dp qxsytp(x,y)q(s,t)欧式距离p(x,y)q(s,t)城区距离p(x,y)q(s,t)棋盘距离-0.1 数字图像0.2 数字图像处理与识别0.3 数字图像处理的预备知识图像处理的基本算子举例 1)点运算(Point operation):B(i,j)=fA(i,j)例:线性点运算 DB=f(DA)=aDA+ba1:对比度增强;0a1:对比度减弱a=1&b0:灰度偏移;a”与闪烁的光标一起表明系统就绪,等待输
16、入。与闪烁的光标一起表明系统就绪,等待输入。命令窗口脱离命令窗口脱离MATLABMATLAB桌面。桌面。(1 1)在)在MATLABMATLAB命令窗口输入:命令窗口输入:(12+2(12+2*(7-4)/32(7-4)/32(2 2)按)按【EnterEnter】键,指令执行。键,指令执行。(3 3)返回的计算结果:)返回的计算结果:ans=2-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示2、常见通用命令常见通用命令命令命令含义含义clc清除命令窗口的显示内容clear清除Matlab工作空间中保存
17、的变量who或whos显示Matlab工作空间中的变量信息dir显示当前工作目录的文件和子目录清单cd显示或设置当前工作目录type显示指定m文件的内容Help,doc或lookfor 取在线帮助quit或exit关闭/退出MATALB-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示3、内部变量变量名意义ans最近的计算结果的变量名epsMATLAB定义的正的极小值=2.2204e-16pi圆周率inf值,无限大i或j虚数单元,sqrt(-1)NaN非数,0/0、/nargin函数输入参数个数nargo
18、ut函数输出参数个数-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示4、数据类型及其转换变量名意义doubleMATLAB中最常见也是默认的数据类型uint8,int88位无符号整数,8位有符号整数uint16,int16 16位无符号整数,16位有符号整数uint32,unit3232位无符号整数,32位有符号整数single单精度浮点数char字符型变量logical布尔型变量-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1
19、.5 图像的显示5、矩阵的使用(1)定义:A=1,2,3;4,5,6;7,8,9A=123456789V=2:1:10,或省略间隔为1的中间参数:V=2:10V=2 3 4 5 6 7 8 9 10-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用(2)生成矩阵的函数函数名称用途函数名称用途eye产生单位矩阵Linspace产生线性等分的矩阵zeros产生全部元素为0的矩阵Logspace产生对数等分向量ones产生全部元素为1的矩阵Company产生伴随矩阵true产生全部元素为真的逻辑矩
20、阵Hadamarb产生Hadamarb矩阵false产生全部元素为假的逻辑矩阵Magic产生幻方矩阵rand产生均匀分布随机矩阵Hilb产生Hibert矩阵randn产生正态分布随机矩阵Invhilb产生逆Hilbert矩阵randperm产生随机排列-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用(3)提取矩阵元素或子块的方法命令用途A(m,n)提取m行n列位置的一个元素A(:,n)提出第n列A(m,:)提出第m行A(m1:m2,n1:n2)提出m1到m2行,n1到n2列的一个子块A(m
21、:end,n)提出第m行到最后一行,第n列的一个子块A(:)将矩阵按列存储得到一个长列向量-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示5、矩阵的使用(4)矩阵的运算运算符号对应函数说明加+plus(A,B)减-minus(A,B)乘*mtimes(A,B)点乘.*times(A,B)两个同样大小的矩阵对应元素相乘乘方.mpower(A,B)对矩阵的每一个元素进行指定幂次的乘方矩阵乘方power(A,B)矩阵左除mldevide(A,B)AB等价于inv(A)*B矩阵右除/mrdevide(A,B)A
22、/B等价于B*inv(A)左除.ldevide(A,B)矩阵中对应位置的元素的左除右除./rdevide(A,B)矩阵中对应位置的元素的右除矩阵与向量转置.transpose(A,B)复数矩阵转置ctranspose(A,B)-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示6、运算符和表达式运算数学表达式MATLAB运算符MATLAB表达式加a+b+a+b减a-b-a-b乘axb*a*b除a/b或ab/或a/b或ab幂ab、=、=、=(不等于)(不等于)&(与)、(与)、|(或)、(或)、(非)(非)-
23、1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示7、常用的逻辑函数和矩阵函数函数用途函数用途all是否所有元素非零flipud上下翻转any是否至少有一元素非零inv求逆矩阵isempty是否空矩阵lu三角分解isequal是否两矩阵相同norm求范数isinf判断有无inf元素orth正交化isnan判断有无nan元素poly求特征多项式isreal判断是否实矩阵qr正交三角分解find返回一个由非零元素下标组成的矩阵rank求矩阵的秩det计算方阵对应的行列式值svd奇异值分解diag抽取对角线元素t
24、race求矩阵的迹eig求特征值和特征向量trill抽取上三角阵fliplr左右翻转tnu抽取下三角阵-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示8、Matlab流程控制例1:产生一幅亮度按对角线方向的余弦规律变化的灰度图,比较一维方法和二维方法所需的时间。-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示8、Matlab流程控制例2:使用meshgrid函数生成坐标网格,同时绘制高斯函数:2222,3,10:
25、0.1:10uvH u veu v-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示9、Matlab函数 函数的定义:function output=name(input)function name(args)函数的命名为functionname.m 函数的调用:a=name(input);name(args);-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示 亮度图像/灰度图像 RGB图像 索引图像 二值图像-1
26、.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示1、图像格式转换函数函数描述gray2ind从灰度图转换成索引图X,MAP=gray2ind(I,N);X为图像数据,MAP为颜色表,N为索引颜色数目grayslice使用阈值法从灰度图创建索引图X=grayslice(I,N);X=grayslice(I,V);X为输出的索引图像,N为阈值个数,V为给定的阈值向量im2bw使用阈值法从灰度图、索引图或RGB图创建二值图ind2gray从索引图创建灰度图ind2rgb从索引图创建RGB图mat2gray使用归一
27、化方法将一个矩阵中的数据扩展成对应的灰度图rgb2gray从RGB图创建灰度图rgb2ind从RGB图创建索引图-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示2、图像数据类型转换函数im2uint8将图像转换为unit8类型im2uint16将图像转换为unit16类型im2double将图像转换为unit32类型-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示imreadA=imread(FILENAME,F
28、MT);读取图像文件(BMP,GIF,PNG,JPEG,and TIFF)imwriteimwrite(A,FILENAME,FMT);保存图像imfinfoimfinfo(FILENAME,FMT);读取图像文件中的属性信息例3:读入一幅tif图像文件,并在写入磁盘时将bmp图像转换为jpg图像。-1.1 Matlab操作简介1.2 Matlab图像类型及其存储方式1.3 Matlab的图像转换1.4 读取和写入图像1.5 图像的显示imshow显示图像imshow(filename)imshow(I,MAP)imshow(I,low high,param1,value1,param2,va
29、lue2,)figure弹出显示窗口subplot(m,n,i)子窗口显示zoom on开放开放图像缩放例4:显示图像。-总结 Matlab命令窗口、帮助、变量的使用,矩阵的使用,数学函数,流程控制 Matlab的图像转换 读取和写入图像文件 图像的显示-12-1666年,Newton:红、橙、黄、绿、青、蓝、紫red,orange,yellow,green,cyan,blue,violet-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、人眼看到的彩色图9.1 可见范围电磁波谱的波长组成(微米)-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、颜色是外来的光刺激作
30、用于人的视觉器官而产生的主观感觉,它具有色调、饱和度和亮度三个特性。色调(hue)又称为色相,是当人眼看到一种或多种波长的光时所产生的彩色感觉,它反映颜色的种类。饱和度(saturation)是指颜色的纯度,可用来区别颜色的深浅程度。混入的白光越少,饱和度越高,颜色越鲜明。亮度(intensity)是视觉系统对可见物体辐射或者发光多少的感知属性。通常把色调和饱和度称为色度(chromaticity)。亮度表示颜色的明亮程度,而色度则表示颜色的类别与深浅程度。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、三原色光的三基色:red,green,blue颜料的三基色:magenta
31、(洋红色),cyan(青色),yellowMagenta=Red+BlueCyan=Blue+GreenYellow=Red+Green加色法减色法-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、三原色原理:任何颜色都可以用3种不同的基本颜色按照不同比例混合得到,即 C=aC1+bC2+cC3 a,b,c=0 为三种原色的权值或者比例,C1、C2、C3为三原色(又称为三基色)。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础形成任何特殊颜色需要的红、绿、蓝的量称做三色值,并分别表示为X,Y,Z。进而,一种颜色可用它的3个色系数表示,它们分别是:XxXYZYyXYZZ
32、zXYZ从以上公式可得:x x+y y+z z=1=1 -7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色到灰度的转换相同亮度的三原色,人眼看去的感觉是,绿色光的亮度最亮,而红色光其次,蓝色光最弱。如果用Y来表示白色光,即光的亮度(灰度),则有如下关系:Y=0.299R+0.587G+0.114B-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础5、CIE色度图1931年CIE制定了一个色度图,如图所示,图中横轴代表红色色系数,纵轴代表绿色色系数,蓝色系数可由:z=1-(x+y)求得。例如,标记为绿的点有62%的绿和25%的红成分,从而得到蓝的成分约为13%。-7.
33、1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础 彩色模型(也称彩色空间或彩色系统)的用途是在某些标准下用通常可接受的方式简化彩色规范。本质上,彩色模型是坐标系统和子空间的规范。位于系统中的每种颜色都由单个点来表示。RGB,CMY、CMYK,HSI,HSV,YUV,YIQ-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、RGB CCD技术直接感知R、G、B三个分量 是图像成像、显示、打印等设备的基础-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、RGB 考虑RGB图像,其中每一幅红、绿、蓝图像都是一幅8bit图像,在这种条件下,每一个RGB彩色像素有24bi
34、t深度(3个图像平面乘以每平面比特数,即38)。24bit的彩色图像也称全彩色图像。在24bitRGB图像中颜色总数是224=16777216。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、RGB例1:生成一幅128*128的RGB图像,该图像左上角为红色,左下角为蓝色,右上角为绿色,右下角为黑色。在在Matlab中,若一幅中,若一幅RGB图像是图像是 double类型的,则其取值范围在类型的,则其取值范围在0,1之间,而如果是之间,而如果是uint8或者或者uint16类型的,则取值范围分别是类型的,则取值范围分别是0,255和和0,65535。B=cat(dim,A1,A
35、2,A3,)其中,其中,dim为维数,为维数,cat函数将函数将A1,A2,A3等矩阵连接成维数为等矩阵连接成维数为dim的矩阵。的矩阵。RGB彩 色 图 像-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYK CMY(青、深红、黄),运用在大多数在纸上沉积彩色颜料的设备,如彩色打印机和复印机 CMYK(青、深红、黄、黑)l 打印中的主要颜色是黑色l 等量的CMY原色产生黑色,但不纯l 在CMY基础上,加入黑色,形成CMYK彩色空间-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYKBGRYMC111RGBCMYRGBCMYK)1/()1
36、()1/()1()1/()1()1,1,1min(KKBYKKGMKKRCBGRK负像(负像(Color Negatives)R 1 RG 1 GB 1 B-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、CMY、CMYK例2:实现RGB和CMY的相互转换在在Matlab中,中,imcomplement函数实现函数实现RGB和和CMY之间的转换。之间的转换。RGB图 像CMY图 像-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSI HSI(色调、饱和度、亮度)l 两个特点:I分量与图像的彩色信息无关l H和S分量与人感受颜色的方式是紧密相连的 避免颜色受到光照
37、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-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSI 色度H(Hue)由角度表示,彩色的色度反映了该彩色最接近什么样的光谱波长(即彩虹中的哪种颜色)。假定0o的彩色为红色,120o的为绿色,240o的为蓝色。色度从0o360o覆盖了所有可见光谱的彩色。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSI饱和度S(Saturation)用矢量长表示,三角形边上点的S=1,中心S=0.亮度I(Intensity)截平面在I轴上的位置,最底端I=0,最上端I=1.柱形
38、彩色空间-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIRGB转换成HSI模型 从RGB到HSI的变换是一个非线性变换。对任何三个在0,1范围内的R,G,B 值,)(31BGRI),min()(31BGRBGRSBGBGH2212)()()()(21arccosBGBRGRBRGR,-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIRGB转换成HSI模型 chapter7/code/usergb2hsi.m3:实现RGB转换到HSI的函数rgb2hsi,并调用该函数。rgbhsi-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIHS
39、I转换成RGB模型1200H)(3)60cos()cos(1)1(BRIGHHSIRSIB用等亮度面表示HIS模型HIS模型色调角度坐标-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIHSI转换成RGB模型240120H)(3)60cos()cos(1)1(120GRIBHHSIGSIRHH-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、HSIHSI转换成RGB模型360240H)(3)60cos()cos(1)1(240BGIRHHSIBSIGHHhsirgb-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、HSV色调H(Hue),饱和度S
40、(Saturation),值V(Value)HSV对应于画家的配色方法:在纯色中加入白色改变色浓,加入黑色改变色深。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、HSVRGB到HSV模型的转换 1,0,),(),(bgrbgrMINnbgrMAXm其中设000/)(mmmnmsmvmbnmgrmgnmrbbgmrnmbgbgmrnmbgsh)/()(60240)/()(60120&)/()(60360&)/()(6000RGBHSV-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、HSVHSV到RGB模型的转换表示取整设则如果,60/,60/;0,360ihfh
41、ihh5,4,3,2,1,0,)1(*1(*)*1(*)1(*iqbpgvrivbpgtrivbqgpritbvgpripbvgqripbtgvrfsvtfsvqsvp则设-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础 人眼对彩色细节的分辨能力远比对亮度细节的分辨能力低,通常把RGB空间表示的彩色图像变换到YUV或者YIQ颜色空间。每一种彩色空间都产生一种亮度分量和两种色度分量,而且亮度信号(Y)和色度信号(U、V)是相互独立的。彩色电视信号中采用YIQ或者YUV空间一是为了兼容黑白电视,二是为了实现压缩。YCbCr主要用于数字电视。-7.1 彩色基础7.2 彩色模型7.3 全彩
42、色图像处理基础5、YUVY指亮度,也可提供黑白电视机的所有影像信息U和V指色调,U和V的比值决定色调,而(U2+V2)1/2代表颜色的饱和度。1.1400.3940.5812.032101.14010.3940.58112.0320RYVGYUVBYURYGUBV0.2990.5870.1140.493()0.1470.2890.4360.877()0.6150.5150.1000.2990.5870.1140.1470.2890.4360.6150.5150.100YRGBUBYRGBVRYRGBYRUGVB -7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础5、YUV1.1400
43、.3950.5812.032RYVGYUVBYU0.2990.5870.1140.493()0.877()YRGBUBYVRYRGB转换成YUVYUV转换成RGBrgbyuvyuvrgb-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础6、YIQYIQ模型与YUV模型类似,用于NTSC制式的电视系统。I和Q分量相当于将YUV空间中的UV分量做了一个33度的旋转。代入下式将)(493.0),(877.0YBUYRV的变换到可完成YIQRGBUVQUVI33cos33sin33sin33cosQIYBQIYGQIYRBGRQBGRIBGRY703.1106.1000.1647.0272.
44、0000.1621.0956.0000.1,312.0523.0211.0322.0274.0596.0114.0587.0299.0RGB转换成YIQ-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础两类处理方法:1、单独处理颜色空间的每一个通道,再复合成结果图像;2、把像素的颜色看作颜色空间中的一个点,也可以看作是一个向量,在向量空间中处理图像。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础1、彩色图像的常规处理彩色变换-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分
45、割例例1:消除红眼(:消除红眼(red eye)算法算法:(基于(基于HSI颜色空间实现图像分割)颜色空间实现图像分割)(1)RGB HSI(2)if -pi/4 Hue 0.3make it gray:Saturation 0(3)HSI RGB-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割例例2:检测皮肤:检测皮肤算法:(在RGB向量空间中实现图像分割)(1)基于感兴趣区域(Region of Interest,ROI)采样;(2)统计样本的颜色特征:平均值
46、和标准差;(3)定义合适的包围盒;判断当前像素颜色,若处于包围盒内,则保留;否则去除。三种常用的包围盒三种常用的包围盒-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础2、彩色图像的常规处理图像分割-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿问题的提出:由于常用的彩色图像设备具有较宽而且相互覆盖的光谱敏感区,加上待拍摄图像的染色是变化的,所以很难在三个分量图中将物体分离出来。这种现象称为颜色扩散。对颜色扩散的校正过程就称为彩色补偿。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿彩色补偿算法1)在
47、画面上找到主观视觉看是纯红、绿、蓝的三个点。(如果可以根据硬件知道频段的覆盖则无须这样做)。),(1111BGRp),(2222BGRp),(3333BGRp 它们的理想值为:)0,0,(*1Rp)0,0(*2Gp),0,0(*3Bp-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿2)计算R*,G*,B*的值 考虑到彩色补偿之后图像的亮度不变,对R*,G*,B*的计算如下:111*11.059.030.0BGRR222*11.059.030.0BGRG333*11.059.030.0BGRB-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3
48、、彩色图像的常规处理彩色补偿3)构造变换矩阵 将所取到的三个点的RGB值分别如下所示构成彩色补偿前及补偿后的两个矩阵A1和A2。3213213211BBBGGGRRRA*2000000BGRA-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础3、彩色图像的常规处理彩色补偿4)进行彩色补偿 设 分别为新、旧图像的像素值,则:),(),(),(),(yxByxGyxRyxSsss),(),(),(),(yxByxGyxRyxFFFF),(*),(1yxFCyxS121*AAC彩色补偿原 始 图补 偿 后-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色
49、平衡问题的提出:当一幅彩色图像数字化后,在显示时颜色经常看起来有些不正常,这是因为颜色通道的不同敏感度、增光因子、偏移量等原因导致,称之为三基色不平衡,将其校正的过程就是彩色平衡。-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色平衡彩色平衡算法1)从画面中选出两点颜色为灰色,设为2)设以 G 分量为基准,匹配 R 和 B 分量,则1111(,)FR G B2222(,)FR G B2222(,)FR G B1111(,)FR G B*1111(,)FR G B*2222(,)FR G B-7.1 彩色基础7.2 彩色模型7.3 全彩色图像处理基础4、彩色图像的常规处理彩色平衡3)由 和 求出 和 ;和 求出 和 。4)用处理后得到的图像就是彩色平衡后的图像。*1112*RkRk*12*12*,*,*,R x ykR x ykB x ylB x ylG x yG x y*2122*RkRk1k2k*1112*BlBl*2122*BlBl1l2l原 始 图平 衡 后-总结 自然界中的颜色可以用三种原色合成得到,因此彩色图像可以在一个三维的颜色空间中表示。常用的颜色空间模型有RGB模型、CMY模型、HSI模型、HSV模型等。本章介绍了彩色图像处理的一些基础问题,主要包括彩色变化、图像分割、彩色补偿和彩色平衡等方法。-100