1、computer vision,1,第六章 颜色和纹理,6.1 色度学基础与颜色模型 6.2 纹理的概念及表示,computer vision,2,6.1 色度学基础与颜色模型,色度学基础在灰度图像时，图像的像素值是光强（亮度值）， 即二维空间变量的函数f(x, y)。 实际中，一幅图像对应着一个波段或多个波段光谱样本，例如气象卫星云图的红外波段。 如果把灰度值看成是二维空间变量和光谱变量的函数f(x,y,)，即多光谱图像，也就是通常所说的彩色图像。 在计算机上显示一幅彩色图像时，每一个像素的颜色是通过三种基本颜色（即红、绿、蓝）合成的，即最常见的RGB颜色模型。要理解颜色模型， 首先应了解人
2、的视觉系统。,computer vision,3,6.1 色度学基础与颜色模型,颜色的基本性质 颜色是外界光刺激作用于人的视觉器官而产生的主观感觉。所以颜色特性既可以从客观刺激方面来衡量，也可以从观察者的主观感觉方面来描述。 描述客观刺激的概念是心理物理学概念；描述观察者主观感觉的概念是心理学概念。 颜色视觉有三种特性，描述颜色的心理物理量是亮度、主波长和纯度，相应的心理量是明度，色调和饱和度。 确定光的心理物理量与心理量的关系是感觉心理学研究的重要任务,computer vision,4,6.1 色度学基础与颜色模型,颜色的基本性质 颜色分两大类：非彩色和彩色。 非彩色是指黑色、白色和介于这
3、两者之间深浅不同的灰色。它们可以排成一个系列，由白色逐渐到浅灰、中灰、深灰直到黑色。这叫白黑系列或无色系列。白黑系列的非彩色的反射率代表物体的明度。反射率越高时接近白色，反射率低时接近黑色。一张洁白的纸的反射率可达85%以上。用来测量颜色、定标用的标准白板的反射率可达90%以上。一张黑纸的反射率可低至5%以下，黑色天鹅绒的反射率甚至可低于0.05%。,computer vision,5,6.1 色度学基础与颜色模型,颜色的基本性质 表示光的强度的心理物理学概念是亮度（Luminosity） 与之对应的是心理学概念是明度（brightness）。 通常明度的变化相应于亮度的变化。物体表面或光源的
4、亮度越高，人感觉到的明度就越高。 但二者的关系并不固定。若亮度的微小增加或减少达不到人眼的分辨阈限，眼睛就觉察不出明度的变化。这时亮度虽有变化而明度却不变。 在暗环境中观察一张高反射率的书页和在亮环境中观察一块低反射率的黑墨相比 。会受到观察者对书页和黑墨的记忆和经验的影响，产生不同的明度感觉。,computer vision,6,6.1 色度学基础与颜色模型,颜色的基本性质 彩色图像除了受到前面亮度和明度影响外，还受到其他性质影响。 心理物理学概念是主波长（dominant wavelength）和心理学概念是色调（hue）相对应。 不同颜色的光在物理学上有不同的主波长，同时在心理上会产生不
5、同色调的感觉。 两种主波长不同的光以适当的比例加以混合也能产生白色。这样的一对主波长的光叫做互补波长，一对互补波长的色调叫互补色 。 光源的色调决定于人眼对辐射光的光谱组成产生的感觉。物体的色调决定于光源的光谱组成和物体表面反射（透射）的各波长的比例对人眼产生的感觉 。,computer vision,7,6.1 色度学基础与颜色模型,颜色的基本性质 心理物理学的颜色纯度（purity）对应着心理学概念的饱和度（saturation）。 纯色是指没有混入白色的窄带单色光。在视觉上就是高饱和度的颜色。可见光谱的各种单色光是最饱和的彩色。 颜色的交互作用和颜色恒常性,computer vision
6、,8,6.1 色度学基础与颜色模型,颜色的交互作用和颜色恒常性 当被看的颜色向它周围颜色的对立方向转化，即向周围颜色的补色方向变化时，叫做颜色的交互作用，或颜色对比 在红色背景中放一小块白纸或灰纸，用眼睛注视白纸几分钟，白纸会表现出绿色。如果背景是黄色，白纸会出现蓝色。红和绿是互补色，黄和蓝也是互补色。,computer vision,9,6.1 色度学基础与颜色模型,颜色的交互作用和颜色恒常性 当在一个颜色（包括灰色）的周围呈现高亮度或低亮度刺激时，这个颜色就向其周围明度的对立方向转化，这叫做明度对比。 白背景上的灰方块呈浅黑色，而黑背景上的灰方块则呈白色等。对比效应在视觉中有重要作用，明度
7、对比更是这样。它与视觉中的颜色恒常性相联系 一块煤在阳光下单位面积反射光比一张白纸在黑暗处时高一千倍。但我们仍然把煤看成是黑的，而把纸看成是白的、灰的、或黑的。 这是由这个物体与周围物体的相对明度关系决定的。,computer vision,10,三色原理 在人的视觉系统中存在着杆状细胞和锥状细胞两种感光细胞。杆状细胞为暗视器官，锥状细胞是明视器官，在照度足够高时起作用， 并能分别辨颜色。锥状细胞将电磁光谱的可见部分分为三个波段：红、绿、蓝。由于这个原因，这三种颜色被称为三基色，下图表示了人类视觉系统三类锥状细胞的光谱敏感曲线。,6.1 色度学基础与颜色模型,computer vision,1
8、1,图： 人类感光细胞的敏感曲线,6.1 色度学基础与颜色模型,computer vision,12,根据人眼的结构，所有颜色都可看作是三种基本颜色R表示红（Red）、 G表示绿（Green)和B表示蓝（Blue)按照不同的比例组合而成。为了建立标准，国际照度委员会(CIE)早在1931年就规定三种基本色的波长分别为R：700 nm，G ：546.1 nm，B ：435.8 nm。 前面已讲过，一幅彩色图像的像素值可看作是光强和波长的函数值f(x, y, )，但实际使用时，将其看作是一幅普通二维图像， 且每个像素有红、绿、蓝三个灰度值会更直观些。,6.1 色度学基础与颜色模型,computer
9、 vision,13,颜色的三个属性 颜色是外界光刺激作用于人的视觉器官而产生的主观感觉。 颜色分两大类：非彩色和彩色。 非彩色是指黑色、白色和介于这两者之间深浅不同的灰色， 也称为无色系列。 彩色是指除了非彩色以外的各种颜色。颜色有三个基本属性， 分别是色调、 饱和度和亮度。基于这三个基本属性，提出了一种重要的颜色模型HSI（Hue、 Saturation、 Intensity）。在HSI颜色模型部分中， 我们将详细介绍这三个基本属性。,6.1 色度学基础与颜色模型,computer vision,14,颜色模型 为了科学地定量描述和使用颜色，人们提出了各种颜色模型。 目前常用的颜色模型按用
10、途可分为两类，一类面向诸如视频监视器、 彩色摄像机或打印机之类的硬件设备。 另一类面向以彩色处理为目的的应用，如动画中的彩色图形。 面向硬件设备的最常用彩色模型是RGB模型，而面向彩色处理的最常用模型是HSV模型。另外，在印刷工业上和电视信号传输中，经常使用CMYK和YUV色彩系统。,6.1 色度学基础与颜色模型,computer vision,15,RGB模型 RGB模型用三维空间中的一个点来表示一种颜色，如图6-8所示。每个点有三个分量，分别代表该点颜色的红、绿、蓝亮度值， 亮度值限定在0, 1。 在RGB模型立方体中，原点所对应的颜色为黑色，它的三个分量值都为零。距离原点最远的顶点对应的
11、颜色为白色，它的三个分量值都为1。从黑到白的灰度值分布在这两个点的连线上， 该线称为灰色线。立方体内其余各点对应不同的颜色。彩色立方体中有三个角对应于三基色红、绿、蓝。剩下的三个角对应于三基色的三个补色黄色、 青色（蓝绿色）、品红（紫色）。,6.1 色度学基础与颜色模型,computer vision,16,图6-8 RGB模型单位立方体,6.1 色度学基础与颜色模型,computer vision,17,RGB模型 一般表示一定亮度的彩色光C的光通量为：如果不考虑光的亮度，只考虑色度，则可以使用R，G，B的相对值表示：r,g,b分别表示色度坐标。由于r+g+b=1,所以可以将色度空间转换到r
12、-g的二维空间中。,6.1 色度学基础与颜色模型,computer vision,18,r-g色度图,6.1 色度学基础与颜色模型,computer vision,19,HSV模型 HSV模型是Munsell提出的，它反映了人的视觉系统观察彩色的方式，在艺术上经常使用HSV模型。HSV模型中，H表示色调(Hue)，S表示饱和度(Saturation)， V表示亮度(Value)，对应成像亮度和图像灰度)。 这个模型的建立基于两个重要的事实： V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联的。这些特点使得HSV模型非常适合借助人的视觉系统来感知彩色特性的图像处理算法。,6.
13、1 色度学基础与颜色模型,computer vision,20,色相环,6.1 色度学基础与颜色模型,computer vision,21,图中的色相环描述了色相和饱和度两个参数。 色相由角度表示，它反映了该彩色最接近什么样的光谱波长。一般假定0表示的颜色为红色， 120的为绿色， 240的为蓝色。0到240的色相覆盖了所有可见光谱的彩色，在240到300之间为人眼可见的非光谱色（紫色）。 饱和度是指一个颜色的鲜明程度，饱和度越高，颜色越深， 如深红，深绿。饱和度参数是色环的原点（圆心）到彩色点的半径的长度。由色相环可以看出，环的边界上纯的或饱和的颜色， 其饱和度值为1。在中心是中性（灰色）阴
14、影， 饱和度为0。,6.1 色度学基础与颜色模型,computer vision,22,亮度是指光波作用于感受器所发生的效应，其大小由物体反射系数来决定，反射系数越大，物体的亮度愈大，反之愈小。 HSV模型的三个属性定义了一个三维柱形空间， 如图6-10所示。灰度阴影沿着轴线从底部的黑变到顶部的白，具有最高亮度。最大饱和度的颜色位于圆柱上顶面的圆周上。,6.1 色度学基础与颜色模型,computer vision,23,图6-10 柱形彩色空间,V,6.1 色度学基础与颜色模型,computer vision,24,1) RGB转换到HSV 对任何3个0， 1范围内的R、G、B值，其对应HSV
15、模型中的V、S、H分量的计算公式为,(6-4),6.1 色度学基础与颜色模型,computer vision,25,2) HSV转换到RGB 假设S、V的值在0，1之间，R、G、B的值也在0，1之间，则HSV转换为RGB的公式为(分成3段以利用对称性) （1）当H在0，120之间,(6-5),6.1 色度学基础与颜色模型,computer vision,26,(2) 当H在120，240之间,(6-6),6.1 色度学基础与颜色模型,computer vision,27,(3) 当H在240，360之间,(6-7),6.1 色度学基础与颜色模型,computer vision,28,6.1 色
16、度学基础与颜色模型,RGB,HSV,Matlab中 rgb2hsv,SEG,computer vision,29,6.1 色度学基础与颜色模型,computer vision,30,6.1 色度学基础与颜色模型,computer vision,31,3. CMYK表色系统 CMYK表色系统也是一种常用的表示颜色的方式。计算机屏幕显示通常用RGB表色系统，它是通过相加来产生其他颜色， 这种做法通常称为加色合成法(Additive Color Synthesis)。而在印刷工业上则通常用CMYK表色系统，它是通过颜色相减来产生其他颜色的，所以称这种方式为减色合成法(Subtractive Colo
17、r Synthesis)。 CMYK模式的原色为青色(Cyan)、品红色(Magenta)、黄色(Yellow)和黑色（Black）。在处理图像时，一般不用CMYK模式， 主要是因为这种模式的文件大， 占用的磁盘空间和内存大。这种模式一般在印刷时使用。,6.1 色度学基础与颜色模型,computer vision,32,4. 其他表色系 1） YUV电视信号彩色坐标系统 YUV彩色电视信号传输时，将R、G、B改组成亮度信号和色度信号。PAL制式将R、G、B三色信号改组成Y、U、V信号， 其中Y信号表示亮度，U、V信号是色差信号。 RGB与YUV之间的对应关系如下：,6.1 色度学基础与颜色模型
18、,computer vision,33,（6-9）,（6-8）,6.1 色度学基础与颜色模型,computer vision,34,2） Lab表色系 Lab颜色模型是CIE于1976年推荐的设计成符合孟塞尔彩色系统的表色系。Lab 颜色由亮度或光亮度分量L 和a、b两个色度分量组成。其中a在的正向数值越大表示越红，在负向的数值越大则表示越绿；b在的正向数值越大表示越黄，在负向的数值越大表示越蓝。Lab颜色与设备无关， 无论使用何种设备（如显示器、打印机、计算机或扫描仪）创建或输出图像，这种模型都能生成一致的颜色。,6.1 色度学基础与颜色模型,computer vision,35,（6-10
19、）,式中X0、Y0、Z0为标准白色对应的X、Y、Z值。,computer vision,36,6.2 纹 理,6.2.1 概述 纹理通常被看作图像的局部性质，或是对局部区域中像素之间关系的一种度量，目前对纹理尚无正式定义，对纹理的感受是与心理效果相结合的，所以用语言或文字来描述纹理常很困难。 纹理可认为是灰度在空间以一定的形式变化而产生的图案，是真是图像区域固有的特征之一。 纹理特征有：粒度性、方向性和重复性。 纹理分析：纹理分类、纹理分割和从纹理恢复形状 纹理分析算法：统计分析和结构分析,computer vision,37,6.2 纹 理,6.2.1 概述 人们可用来描述纹理的性质有： 均
20、匀性（Uniformity） 密度（density） 粗细度（Coarseness） 粗糙度（roughness） 规律性（regularity） 线性度（linearity） 定向性（directionality） 方向性（direction） 频率（frequency） 相位（phase） 这些性质的理想化图示,computer vision,38,6.2 纹 理,6.2.1 概述 纹理的分析方法分为：统计分析方法和结构分析方法 统计方法：应用广泛，主要从灰度图像中计算灰度同现矩阵（co-occurrence matrix）,对比度（contrast）,熵（entropy）以及均匀度（ho
21、mogeneity）； 当纹理基元很小并成为微纹理时，统计方法很有用； 结构方法：自底而上的纹理特性分析方法是基于模型的方法，此方法首先假定一个纹理模型，然后通过图像区域估计模型参数。 实际应用中，结构分析方法要比统计方法困难很多。,computer vision,39,6.2 纹 理,6.2.1 概述 纹理一般分析方法：,computer vision,40,6.2 纹 理,6.2.2 纹理统计分析方法 灰度级同现矩阵GLCM（gray level co-occurrence matrix） 灰度级同现矩阵Pi,j是一个二维相关矩阵，其大小和原图像的灰度级n相关，即灰度级nnn的同现矩阵。
22、首先规定一个位移矢量d=(dx,dy). 然后统计原灰度图像中像素(i,j)处的灰度为Ik，同时与(i,j)沿任意方向相距位移d的像素(i,j)处的灰度为Ie的出现次数（概率），此处的两个灰度Ik，Ie即为同现矩阵中相应的坐标位置。,computer vision,41,6.2 纹 理,灰度级同现矩阵 例如： 一幅55图像具有0，1，2三个灰度级，所以同现矩阵Pi,j是一个33矩阵；距离矢量d=（1,1）。 同现矩阵Pi,j的形成过程是计算所有像素值i与像素值j相距d的像素对出现的数量，然后这个数填入矩阵Pi,j的第i行和第j列。,computer vision,42,6.2 纹 理,灰度级同
23、现矩阵 例如： 在规定的距离矢量d=(1,1)分离下，由三对像素值为2,1,因此在P2,1项中填写3，依次类推。,computer vision,43,6.2 纹 理,灰度级同现矩阵 同现矩阵Pi,j是非对称矩阵，因为灰度级i,j的像素对数量不一定等于灰度级j,i的像素对数量。 Pi,j与像素队的总数之比称为规范化矩阵，如下图右边的同现矩阵。,computer vision,44,6.2 纹 理,灰度级同现矩阵 用一个简单的二值图像的例子说明，灰度同现矩阵表示图像灰度空间分布。 一幅88的二值化图像，因为只有两个灰度级，所以GLCM是22的矩阵。,computer vision,45,6.2
24、纹 理,灰度级同现矩阵 GLCM在距离矢量d=(1,1)时，像素对仅仅在1,1和0,0才出现，所以GLCM只有对角有值，其他为零。 GLCM在距离矢量d=(1,0)时，像素对仅仅在0,1和1,0才出现，所以GLCM只有斜对角有值，其他为零。,computer vision,46,6.2 纹 理,灰度级同现矩阵 如果上面例子中的黑色像素随机分布在整个图像上，则没有一个固定模式，GLCM中不具有任何灰度级对的优先集合。 测量灰度级分布随机性的一种特征参数是熵：当GLCM矩阵Pi,j的所有项为零时，熵H最高；这样的矩阵对应着图像不存在任何规定位移矢量的优势灰度级对，即没有任何规则纹理。,comput
25、er vision,47,6.2 纹 理,灰度级同现矩阵 GLCM的能量特征、对比度特征和均匀度特征： 能量：对比度：均匀度： GLCM中位移矢量d很重要，有时也用GLCM计算极大值。GLCM适合于描述微小纹理，不适合大面积基元纹理,computer vision,48,6.2 纹 理,自相关函数 自相关函数可用来表示纹理基元的大小和分布情况。 设想把同一张纹理图象复制到两张透明胶片上。 开始时把这两张胶片对齐迭放，并置于均匀光照之下， 然后把其中一张胶片相对于另一张沿某一特定方向作相对位移，并记录这时两张重迭胶片的透光量。 透光量随胶片相对位移的变化函数就是图象的自相关函数。 根据自相关函数
26、的峰点和谷点分布就可以分析纹理基元的大小和分布情况。,computer vision,49,6.2 纹 理,自相关函数 一幅NN图像的自相关函数pk,l定义为：,computer vision,50,6.2 纹 理,自相关函数 对于含有重复纹理模式的图像，自相关函数表现出一定的周期性，其周期等于相邻纹理基元的距离。 当纹理粗糙时，自相关函数缓慢下降，如下左图，两个基元面积较大，即粗纹理，所以随着移动x，两个基元重复部分的面积下降速度较慢。 当细纹理时，自相关函数迅速下降，如下右图，两个基元面积较小，即细纹理，所以随着移动x，两个基元重复部分的面积下降速度很快。,computer vision,51,6.2 纹 理,自相关函数,
