1、第 8 章 彩 色 图 像 处 理 及 MATLAB 实 现8.1 概述彩色对我们并不陌生，比如说日常生活中通过摄影相机用彩色胶卷所拍的照片。它是指用各种观测系统，以不同形式和手段，观测客观世界而获得的，可以直接和间接作用于人眼，进而产生视觉的实体。小到分子内部结构图片，大至宇宙星体照片，人类通过视觉识别文字、图片和周围环境，人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人的心目中形成的影像。我们生活在一个信息时代，科学研究和统计表明，人类感知的外界信息，80以上是通过视觉得到的，也就是从图像中获得。生活在色彩斑斓的世界中，人的视觉系统产生的图像多为彩色图像。对人类而言，对彩色图
2、像信息的感知，具有至关重要的意义。彩色图像信息可以从科学和艺术两方面来理解。本章仅从科学角度讨论彩色图像信息处理，当然通过科学手段对彩色图像进行处理自然也可能使彩色图像更具有艺术效果。对彩色图像的科学处理，称为图像技术，也称为图像工程。内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层次：彩色图像处理、彩色图像分析和彩色图像理解。彩色图像处理着重强调在图像之间进行的变换，彩色图像分析则主要是对彩色图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。彩色图像理解的重点是在彩色图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得到图像内容含义的理
3、解，以及对原来客观场景的解释，从而指导和规划行为，彩色图像处理的最终研究目标为：通过二维彩色图像认识三维环境的信息。随着信号处理及计算机技术和彩色图像处理技术的发展，人们试图用摄像机获取环境彩色图像并转换成数字信号，用计算机实现人类对视觉信息处理的全过程，进而形成了一门新学科计算机视觉，从而大大推动人工智能系统的发展，彩色图像处理技术是开发智能机器人的关键突破口，当前彩色图像技术已涉及人类生活和社会发展的各个方面，展望未来，彩色图像处理技术将能得到进一步发展和应用，从而改变人们的生活方式以及社会结构。本章第二节讨论人类彩色视觉系统有关知识，第三节讨论彩色图像处理，第四节讨论彩色图像分析。由于篇
4、幅的关系，有关彩色图像理解的内容请参考有关计算机视觉的论著。8.2 彩色视觉与彩色图像彩色图像处理的许多目标是帮助人更好地观察和理解图像中的信息，处理方案的选择和设计与信源和信宿的特征密切相关。所谓信源就是处理前或者处理后的图像，而信宿就是处理前后信息的接收者人的视觉系统。因此了解图像特点和人的视觉系统对彩色的感知规律是十分必要的，本节将介绍有关这方面的内容，即色度学的知识。8.2.1 彩色视觉人的视觉的产生是一个复杂的过程，除了光源对眼睛的刺激，还需要人脑对刺激的解释。即人的视觉系统是由眼球、神经系统及大脑的视觉中枢构成，人眼的形状为一球形，其平均直径约 20 毫米，这球形之外壳有三层薄膜，
5、最外层是角膜和巩膜，最里层的膜是视网膜，它布满在整个后部的内壁上。视网膜可看做是大脑分化出来的一部分，其构造比其他感觉器官都要复杂，具有高度的信息处理机能。眼睛中的光感受器主要是视觉细胞，视网膜上存在不同的光感受器，即锥状细胞与杆状细胞。杆状细胞对彩色不敏感，锥状细胞具有辨别光波波长的能力，因此对彩色十分敏感，锥状细胞又分为对不同光谱(红、绿、蓝)敏感的 三种细胞，对外膝体与大脑视觉皮层的分析表明，它们都有专门的区域从事彩色信息的处理与识别，这就是人类视觉系统的彩色信息通道。周围环境中的物体，在可见光的照射下，通过眼球的聚焦作用，在人眼的视网膜上形成彩色图像，通过人类视觉信息系统彩色信息通道各
6、个环节的处理，使人获得彩色图像信息的感知觉。对彩色图像信息的感知觉就是人类的彩色视觉，彩色视觉是一种明视觉，常用亮度、色调和饱和度三个基本特性量来描述，称为彩色三要素。亮度是指彩色光所引起的人眼对明暗程度的感觉，亮度和照射光的强度有关。色调是指光的颜色，例如，红、橙、黄、绿等都表示光的不同色调，改变色光的光谱成分，就会引起色调的变化。色饱和度是指色的颜色的深浅程度。如深红、淡红等等。色调和饱和度又合称为色度，它既表示色光颜色类别，又能表示颜色的深浅程度。8.2.2 三色成像原理人眼视网膜中存在着对不同光谱（红、绿、蓝）敏感的三种锥状细胞，由这三种锥状细胞，人类产生自然界所有彩色的感知觉。科学实
7、验与分析表明，自然界里常见的各种色光都可以由红、绿、蓝三种色光，按不同比例相配而成，同样，绝大多数色光也可以分解成红、绿、蓝三种色光。这便是色度学中的最基本原理三基色原理。三基色的选择并不是惟一的，也可以选其他三种颇色为三基色。但是三种基色必须是相互独立的，即任何一种颜色都不能由其他两种颜色合成。由于人眼对红(R)、绿(G)、蓝(B) 三种色光最为敏感，因此由这三种颜色所得的彩色范围最广，所以一般都选择这三种颜色作为基色。由三基色混配各种颜色的方法通常有两种，这就是相加混色和相减混色。由红、绿、蓝三基色进行相加混色的情况如下：红色绿色黄色红色蓝色紫色绿色蓝色二青色红色绿色蓝色白色称青色、紫色和
8、黄色分别是红、绿、蓝三色的补色。由于人眼对于相同强度单色光的主观感觉不同，所以相同亮度的三基色混色时，如果把混色后所得的光亮度定为 100%，那么，人的主观感觉是，绿光仅次于白光，是三基色中最亮的，红光次之，亮度约占绿光的一半，蓝光最弱，亮度约占红光的 1/3。于是当白光的亮度用 Y 来表示时，它和红、绿、蓝三色光的关系便可用如下方程加以描述：Y0. 299R0. 587G0. 114B （8.2.1）这就是相加混色常用的量度公式。此式是根据 NTSC(美国国家电视制式委员会) 电视制式推得的，当采用 PAL(相位逐行交变)电视制式时，公式形式为：Y0. 222R0.707G0. 071B （
9、8.2.2）两方程之所以不同，是因为所选取的显像三基色不同，三基色及其补色的亮度比例如图 8.1 所示。图 8.1 相加混色之三基色及补色亮度比例相减混色是利用颜料、染料等的吸色性质实现的。例如青布之所以呈现青颜色，是因为它用青色染料染过，而青色染料能吸收红色（青色的补色），在白光照射下，经吸收红色而反射青色，同样黄色颜料因有吸收蓝色的能力，所以在白光照射下，它是反射蓝色的补色黄色。如果把青、黄两种颜料混合，那么在白光照射下，由于混合颜料吸收了红、蓝两色而反射绿色，所以混合颜料呈现绿颜色。由上例子可知，相减混合色是以吸收三基色的比例不同而配成不同的颜色的。由于红、绿、蓝三基色的补色分别是青色、
10、紫色和黄色，所以，用吸收三基色的不同比例配色，也就是用青色、紫色和黄色颜料的不同比例配色，因此，也称青、紫色和黄色为颜色料三基色。在颜色料三基色混色情况下，可用如下公式描述：（青色黄色）颜料白色红色蓝色绿色（青色紫色）颜料白色红色绿色蓝色（黄色紫色）颜料白色蓝色绿色红色（青色黄色紫色）颜料白色红色绿色蓝色黑色可见，由颜料三基色相加，由于混合颜料吸收白色，而呈现黑色。本章彩色图像处理中，都是采用相加混色法。所以，今后我们所讨论的三基色，都是指红、绿、蓝三色。国际照明委员会（CIE）选择红色（波长 = 700. 00nm），绿色（波长546. 1 nm），蓝色（波长 =435. 8nm）三种单色光
11、作为表色系统的三基色。这就是 CIE 的 R、G、B 颜色表示系统。由三基色原理可知，任何颜色都可由三基色混配而得到，为了简单又方便地描绘出各种彩色与三基色的关系，采用彩色三角形与色度图的表示方法。1931 年 CIE 制定了 1 个色度图（如图8.2 所示），用组成某种颜色的三原色的比例来规定这种颜色。图中横轴代表红色色系数，纵轴代表绿色色系数，蓝色系可由 z=1-(x+y)求得。图中各点给出光谱中各颜色的色度坐标，蓝紫色在图的左下部。绿色在图的左上部，红色在图的右下部，连接 400nm 和 700nm 的直线的光谱上所没有的由紫到红的系列。通过对该图的观察分析可知：1)在色度图中每点都对应
12、一种可见颜色，或说任何可见颜色都在色度图中占据确定的位置，即在(0,0)，(0,1) ，(1,0)为顶点的三角形内。而色度图外的点对应不可见的颜色。2)在色度图中边界上的点代表纯颜色，移向中心表示混合的白光增加而纯度减少。到中心点 C 处各种光谱能量相等而显示为白色，此处纯度为零。某种颜色的纯度一般称为该颜色的饱和度。3)在色度图中连接任意 2 端点的直线上的各点表示将这 2 端所代表的颜色相加可组成的一种颜色。根据这个方法，如果要确定由 3 个给定颜色所组合成的颜色范围，只需将这 3 种颜色对应的 3 个点连成三角形，见图 8.2。在该三角形中的任意颜色都可由这 3 色组成，而在该三角形外的
13、颜色则不能由这 3 色组成。由于给定 3 个固定颜色而得到的三角形并不能包含色度图中所有的颜色，所以只用（单波长）3基色并不能组合得到所有颜色。图 8.2 色度图示意下面是一个色度图中一些点的 3 特征量值示例。图 8.2 中心的 C 点对应白色，由 3 原色各 1/3 组合产生。图 8.2 中 P 点的色度坐标为 x=0.48 , y=0.40。由C 通过 P 画 1 条直线至边界上的 Q 点（约 590nm）, P 点颜色的主波长即为590nm，此处光谱的颜色即 Q 点的色调(橙色) 。图 8.2 中 P 点位于从 C 到纯橙色点的 66的地方，所以它的色纯度（饱和度）是 66%。8.2.
14、3 彩色图像格式通过前面有关彩色视觉和三基色原理的介绍，了解到引起人类彩色视知觉的彩色图像有多种表示方法。下面介绍彩色图像的表示模式：1) RGB 模式RGB 是色光的彩色模式。R 代表红色，G 代表绿色，B 代表蓝色，三种色彩叠加形成了其他的色彩。因为三种颜色都有 256 个亮度水平级，所以三种色彩叠加就能形成 1 670 万种颜色了，也就是“真彩色”，通过它们足以再现绚丽的世界。在 RGB 模式中，由红、绿、蓝相叠加可以形成其他颜色，因此该模式也叫加色模式（CMYK 是一种减色模式）。所有的显示器、投影设备以及电视等许多设备都是依赖于这种加色模式实现的。就编辑图像而言，RGB 色彩模式也是
15、最佳的色彩模式，因为它可提供全屏幕的 24bit 的色彩范围，即 “真彩色”显示 。但是，如果将 RGB 模式用于打印就不是最佳的了，因为 RGB 模式所提供的有些色彩已经超出了打印色彩范围之外，因此在打印一幅真彩的图像时，就必然会损失一部分亮度，并且比较鲜明的色彩肯定会失真的。这主要是因为打印所用的是 CMYK 模式，而 CMYK模式所定义的色彩要比 RGB 模式定义的色彩少得多，因此打印时，系统将自动进行 RGB 模式与 CMYK 模式的转换，这样就难以避免损失一部分颜色，出现打印后的失真现象。2) CMYK 模式CMYK 是相减混色 ，主要用在印刷业，以打印在纸张上的油墨的光线吸引特性为
16、基础，理论上，纯青色(C)、品红(M)和黄(Y)色素能够合成吸收所有颜色并产生黑色。实际上，由于油墨杂质的影响，只能产生一种土灰色，必须以黑色(K)油墨混合才能产生真正的黑色，因此， CMYK 称为四色印刷，当所有四种分量值都是 0时，就会产生纯白色，其他颜色由相应百分比的 CMYK 值相减混色而得。CMYK 模式是最佳的打印模式，RGB 模式尽管色彩多，但不能完全打印出来。3) Lab 模式Lab 模式既不依赖于光线，又不依赖于颜料。它是 CIE 组织确定的一个理论上包括了人眼可见的所有色彩的色彩模式。Lab 模式弥补了 RGB 与 CMYK两种彩色模式的不足。Lab 模式由三个通道组成，但
17、不是 R，G，B 通道。它的一个通道是照度，即 L。另外两个是色彩通道，用 a 和 b 来表示。a 通道包括的颜色是从深绿（低亮度值）到灰（中亮度值），再到亮彩红色（高亮度值）；b 通道则是从紫蓝色（低亮度值）到灰（中灰度值），再到焦黄色（高亮度值）。因此，这种彩色混合后将产生明亮的色彩。在表达色彩范围上，处于第一位的是 Lab 模式，第二位的是 RGB 模式，第三位的是 CMYK 模式。Lab 模式所定义的色彩最多，且与光线及设备无关，并且处理速度与 RGB模式同样快，且比 CMYK 模式快数倍。因此，可以大胆地在图像编辑中使用Lab 模式，而且，Lab 模式保证在转换成 CMYK 模式时色
18、彩没有丢失或被替代。因此，最佳避免色彩损失的方法是：应用 Lab 模式编辑图像，再转换成CMYK 模式打印 。4) HSV 模式基于人类对颜色的感觉，HSV 模式描述颜色的三个基本特征及色调、饱和度和亮度。色相也称色调；是物体反射和投射光的颜色，在通常的使用中，色相由颜色名称标识，比如红、橙或蓝色。饱和度，有时也称彩度，是指颜色的强度或纯度。饱和度表示色相中灰成分所占的比例，用从 0%（灰色）到 100%（完全饱和）的百分比值来度量。亮度：是颜色的相对明暗程度，通常用 0%（黑）到 100%（白）的百分比值来度量。8.2.4 彩色坐标变换上节指出彩色模式就是建立的一个 3-D 坐标系统，表示一
19、个彩色空间，采用不同的基本量（三基色）来表示彩色，就得到不同的彩色模式（彩色空间），不同的彩色空间都能表示同一种颜色，因此，它们之间是可以转换的，本节着重分析 RGB 模式与 HSV 模式之间的变换。（1）从 RGB 变换到 HSV对任何 3 个在 0,1 范围内的 R，G ，B 值，其对应 HSV 模式中的V，S ，H 分量 可由下面给出的公式计算：(8.2.3)12 213/arcos /3601min,VRGBRGRBH GS B 由上式计算的 0,1 之间的 R，G，B 值。当 S=0 时，对应无色中的点，此时H 为 0；当 V=0 时，S、H 也没有意义，取为 0。(2) 从 HSV
20、 变换到 RGB若设 H，S， V 的值在 0,1 之间，R，G，B 的值在 0,1 之间，由从HSV 到 RGB 的转换会成为1) 当 H 在 0,1/3 区间：(8.2.4)13cos(2)BVSGVBRHR 2) 当 H 在1/3,2/3区间：(8.2.5)13 2cos(2)31RVSBVRGHGV 3) 当 H 在 2/3,1 区间：(8.2.6)134cos(2)315s()GVSRVGBHBV 8.2.5 彩色图像的 MATLAB 的实现(1) MATLAB 图像处理工具箱支持的彩色图像MATLAB 图像处理工具箱中支持的彩色图像类型为索引图像、RGB 图像和 HSV 图像。1)
21、索引图像索引图像包括图像矩阵与颜色图数组，其中颜色图是按图像颜色值进行排序后的数组。对于每一个像素，图像矩阵包含一个值，这个值就是颜色数据组中的索引。颜色图为 M3 双精度值矩阵，各行分别指定红、绿、蓝（RGB）单色值。2) RGB 图像与索引图像一样，RGB 图像分别用红、绿、蓝 3 个亮度值为一组，代表每个像素的颜色。这些亮度直接存在图像数组中，图像数组为 mn3，m 、n表示图像像素的行列数。3) HSV 图像HSV 图像分别用色调(色相) 、饱和度、灰度( 亮度)三个值为一组，代表每个像素的颜色，HSV 彩色图数据矩阵的三列分别表示色相，饱和度和亮度值，图像数组为 mn3，m、n 表示
22、图像像素的行列数。(2) MATLAB 图像处理工具箱 HSV 模式与 RGB 模式之间的相互变换MATLAB 图像处理工具箱中提供了 HSV 模式与 RGB 模式之间的相互变换：hsv2rgb( )、rgb2hsv( )。1) HSV 值与 RGB 颜色空间的相互转换 hsv2rgb( )、 rgb2hsv( )RGBMAPhsv2rgb（HSVMAP）其功能是：将一个 HSV 颜色图转换为 RGB 颜色图。输入矩阵 HSVMAP中的三列分别表示：色度、饱和度和纯度值；输出矩阵 RGBMAP 各列分别表示红、绿、蓝的亮度。矩阵元素在区间 0,1。rgbhsv2rgb（hsv）其功能是：将三维
23、数组表示的 HSV 模式图像 hsv 转换为等价的三维 RGB模式图像 rgb。当色度值从 0 到 1 变化时，颜色则从红经黄、绿、青、蓝、紫外线红回到红色。当饱和度为 0，颜色不是不饱和的，颜色完全灰暗；当饱和度为 1，颜色是完全饱和的，颜色不含白色成分。HSVMAP rgb2hsv（RGBMAP ）其功能是：将一个 RGB 颜色图转换为 HSV 颜色图。hsvrgb2hsv( rgb)其功能是：将三维数组表示的 RGB 模式图像 rgb 转换为等价的三维 HSV模式图像 hsv。2) NTSC 值与 RGB 颜色空间相互转换函数：ntsc2rgb( )、rgb2ntsc( )RGBMAP
24、ntsc2rgb (YIQMAP )其功能是：将 NTSC 制电视图像颜色图 YIQMAP (m/3 矩阵) 转换到 RGB颜色空间。如果 YIQMAP 为 m/3 矩阵，其各列分别表示 NTSC 制的亮度（Y ）和色度（I 与 Q）颜色成分，那么输出 RGBMAP 是一个 m/3 矩阵，其各列分别为与 NTSC 颜色相对应的红、绿、蓝成分值。两矩阵元素值是在区间 0,1 上。rgbntsc2rgb（yiq）其功能是：转换 NTSC 图像 yiq 为等价的真彩 RGB 图像 rgb。YIQMAP rgb2ntsc（ RGBMAP ）其功能是：将 RGB 颜色图转换到 NTSC 颜色空间。yiq
25、 rgb2ntsc（rgb）其功能是：将真彩 RGB 图像 rgb 转换为等价的 NTSC 图像 yiq。(3) 相互转换的 MATLAB 实现1) RGB 图像与 HSV 图像的转换程序RGB=imread(autumn.tif);HSV=rgb2hsv(RGB);RGB1=hsv2rgb(HSV);subplot(2,2,1),imshow(RGB),title(RGB 图像 );subplot(2,2,2),imshow(HSV),title(HSV 图像);subplot(2,2,3),imshow(RGB1),title(转换后 RGB 图像);2)RGB 图像与 YCBCR 图像的
26、转换程序RGB=imread(autumn.tif);YCBCR=rgb2ycbcr(RGB);RGB1=ycbcr2rgb(YCBCR);subplot(2,2,1),imshow(RGB),title(RGB 图像 );subplot(2,2,2),imshow(YCBCR),title(YCBCR 图像);subplot(2,2,3),imshow(RGB1),title(转换后 RGB 图像);3) RGB 图像与 NTSC 图像的转换程序RGB=imread(autumn.tif);subplot(2,2,1),imshow(RGB),title(RGB 图像 )x,y,z=rgb2
27、ntsc(RGB);RGB1=ntsc2rgb(x,y,z);subplot(2,2,2),surf(x,y,z),title(NTSC 图像);subplot(2,2,3),imshow(RGB1),title(转换后 RGB 图像);8.3 彩色图像处理彩色图像处理就是对彩色图像信息进行加工处理，首先强调在图像之间进行的变换，输人输出都是图像。通过对彩色图像的各种加工处理，以便于进行图像自动识别或对图像进行压缩编码以减少对其所需存储空间或传输时间、传输通路的要求。8.3.1 彩色平衡由于彩色图像经过数字化后，颜色通道中不同的敏感度、增光因子、偏移量等因素导致图像三个分量出现不同的线性变换，
28、使得图像的三基色不平衡，造成图像中物体的颜色偏离原有的真实色彩。最突出的现象是使灰色的物体着了伪色。彩色图像的颜色分布可以用直方图表示，直方图的横坐标是颜色，纵坐标是这种颜色在图像中的相对值。这种颜色分布对于彩色图像的外观是很重要的。对彩色图像进行颜色调整时，每个调整过程都会直接改变图像中各颜色值。在一幅颜色图像中，各种颜色共同组成了一个有机整体，每一个局部调整都会影响图像的色彩平衡。检查彩色是否平衡的最简单的方法是看图像中原灰色物体是否仍然为灰色，高饱和度的颜色是否有正常的色度。如果图像有明显的黑白或白色背景，在RGB 分量的直方图中会产生显著的“峰” 。倘若各个直方图中“峰”处在三基色不同
29、的灰度级上，则表明彩色出现了不平衡。这种不平衡现象可通过对R， G，B 三个分量分别使用线性灰度变换进行纠正。一般只需要变换分量图像中的两个与第三个的匹配情况。最简单的灰度变换函数的设计方法如下：1)选择图像中相对均匀的浅灰和深灰两个区域；2)计算这两个区域的三个分量图像的平均灰度值；3)调节其中两个分量图像，用线性对比度使其与第三幅图像匹配。如果所有三个分量图像在这两个区域中具有相同的灰度级，则就完成了彩色平衡调节。8.3.2 彩色图像增强彩色图像增强分两大类：假彩色增强及伪彩色增强。假彩色增强是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。假彩色增
30、强技术也可以用于线性或者非线性彩色的坐标变换，由原图像基色转变为另一组新基色。伪彩色增强则是把一幅黑白图像的不同灰度级映射为一幅彩色图像，由于人类视觉分辨不同彩色的能力特别强，而分辨灰度的能力相比之下较弱，因此，把人眼无法区别的灰度变化，施以不同的彩色，人眼便可以区别它们了，这便是伪彩色增强的基本依据。本小节讨论伪彩色增强的一些基本方法。(1) 密度分割法密度分割法又称为灰度分割法，是伪彩色处理技术中最基本、最简单的方法。设一幅黑白图像 f(x,y)，可以看成是坐标（x,y）的一个密度函数。把此图像的灰度分成若干等级，即相当于用一些和坐标平面平行的平面切割此密度函数。例如，分成 I1、I 2、
31、I N 等 N 个区域，每个区域分配一种彩色，颜色的伪彩色图像如图 8.6 所示。图 8.6 简单的灰度到彩色变换(2)灰度级彩色变换法这是一种更为常用的，同时也是比密度分割法更易于在广泛的彩色范围内达到图像增强目的的方法。我们知道，绝大部分彩色都可以用三原色红、绿、蓝三色，按不同比例进行组合而得到。因此，当把一幅图像每一点的像素，按其灰度值独立地经过三种不同彩色的变换，然后分别去控制彩色电视显示器的不同彩色电子枪之发射，便可以在彩色显像管的屏幕上，合成一幅含有多种彩色的图像，其变换过程如图 8.7 所示。图 8.7 伪彩色处理原理图一组典型的灰度彩色变换的传递函数如图 8.8 所示。图 8.
32、8(a)表示红色变换的传递函数，它指出，凡小于 L/2的灰度级，将转变为尽可能暗的红色，而在 L/2 到 3L/4 之间的灰度交替使红色从暗到最亮按线性关系变换，凡大于 3L/4 直到最大灰度级 L 的灰度，均转变成最亮的红色。类似地，图 8.8(b)和(c) 分别表示绿色和蓝色变换的传递函数。最后，图 8.8(d)表示了三种彩色传递函数组合在一起的情况。由图可知，只有两端点和中心点的灰度，才是纯三原色。显然，用这种组合方案，将使整个灰度范围内的任何两种灰度，都不具有相同的彩色。通常，为了加强灰度级彩色变换增强的效果，在进行伪彩色增强前，事先可对原图像进行一些其他增强处理。例如，先进行一次直方
33、图均衡处理等等。(3) 频率彩色变换法如图 8.9 所示，这是基于频率域的伪彩色编码的方法。首先将输人图像信号 f(x,y)进行傅立叶变换，然后分别用三个不同的滤波器进行滤波处理后，将三路信号进行傅立叶反变换得到三幅处理后的空间图像，分别给予三路信号不同的三基色，便可以得到对频率敏感的伪彩色图像，典型的处理方法是采用低通，带通和高通滤波三种滤波器，把图像分成低频、中频和高频三个频率域分量，分别给予不同的三基色。值得提醒的是：前面第 5 章所介绍的图像增强技术同样适用于彩色图像处理，本小节只是针对图像的彩色增强问题给出了部分处理方法。图 8.8 典型的变换函数（a）红变换特性（b）绿变换特性（c
34、 ）蓝变换特性图 8.9 频域彩色增强原理框图8.3.3 彩色补偿在将目标图像中各种颜色的物体分别分离出来的应用中，通常使用荧光染料着色分离，例如将一个生物样本的不同细胞成分区别出来就是采用彩色荧光染料着色处理而实现的。由于荧光染料荧光点发射光谱的不稳定性，加上常用的彩色图像数字化设备具有较宽且相互覆盖的光谱敏感区域，使得我们难以在三个分量图像中将三类颜色的物体完全分离开。一般来说，只有其中两个对比度相对弱一些，将造成所谓的颜色扩散现象。颜色扩散可用一个如式(8.3.1)所示的线性变换来描述。即假设在每个彩色通道的曝光时间相同时，数字化仪记录下的实际 RGB 图像的灰度级向量为YCX B （8
35、.3.1）式中矩阵 C = cij 为颜色在三个颜色通道中的扩散情况，c ij 表示数字图像彩色通道 i 中荧光点 j 所占的亮度比例；X 为 31 向量，它表示某像素没有颜色扩散时荧光点实际亮度的灰度级向量；向量 B = bi( i =1,2,3 )代表数字化仪的黑度偏移，b i 表示通道 i 中对应于黑色的测量灰度值。于是，实际亮度 X 可由下式求得：（8.3.2）1CYB此式表示颜色扩散量可以用颜色扩散矩阵的逆矩阵乘以每个通道由数字化仪器记录的 RGB 灰度向量减去黑度偏移量实现。由于每个彩色通道使用不同的曝光时间，三个颜色在相同亮度条件下有较大差异，因此要用一个曝光时间的对角矩阵 T
36、= tij 对式(8.3.1)进行修正，t ij表示彩色通道 I 当前曝光时间与颜色扩散标定图像的曝光时间的比率，则式（8.3.1）修改为YTCXB （8.3.3）同样可以解出XC 1 T1 (YB) （8.3.4）颜色补偿能从一幅图像中显示特定类型的物体，它为图像分割和物体测量奠定了基础，使图像分割和计量更易处理。8.3.4 彩色图像恢复彩色图像恢复也称彩色图像复原，是彩色图像在某种情况下退化或恶化了（图像品质下降），现在需要根据相应的退化模型和知识重建或恢复原始的图像，根本任务就是改善观察图像（退化图像）的色彩质量，尽可能恢复退化图像的本来面目。换句话说，彩色图像恢复技术是要将图像退化的过
37、程模型化，并据此采取相反的过程以得到原始的图像。由此可见，彩色图像恢复要根据图像的一些色彩退化模型进行。彩色图像色彩质量的退化可能是由于镜头色差，CCD 摄像机等彩色图像输人设备的光谱特性差异等原因造成的。例如理想情况下，CCD 摄像机或扫描仪在以均匀的辐照度作为输人时，输出图像每一个彩色通道的所有像素的灰度值完全一样，然而，这些设备由于材料、生产过程及工艺的影响，存在光子响应非均匀性即输出图像各个像素的灰度值不一致，使得输出图像的颜色在不同像点彩色表现不同，从而图像彩色质量受到影响。因此，在对彩色图像做任何分析之前，必须对其进行色彩恢复，本小节讨论 CCD 摄像机光谱特性造成彩色图像失真的色
38、彩恢复问题。由于 CCD 摄像机或扫描仪的光谱特性不满足彩色匹配原理。输出的颜色与输人的颜色存在偏差，致使图像的彩色细节信息失真。根据色度匹配原理，若使相机的输出色度值再现原图像的颜色，需要三个变换函数将记录图像的三个彩色分量映射到彩色图表的三个彩色分量上。彩色补偿一般用已知真值的彩色图表作为测试目标，设彩色图表包含 N 种均匀的颜色，|(R i,Gi,Bi,)|i=1N|表示彩色图表上第 I 个颜色区域的彩色真值，用|(R i,Gi,Bi,)|i=1N|表示图像上相应的第 I 个颜色区域的色度值。则彩色补偿函数可用公式来描述，即变换函数。彩色补偿分别对每个像素的三个彩色通道进行处理，若对每个
39、像素的三分量进行处理时同时补偿彩色失真，则每一个像素产生的颜色向对应输人的彩色真值转换。1011218193031323839202 2829ijijijij ijijijijijij ijijRaGaaRGBaij ijijijBaRaaRBaGa a （8.3.5）Rij、G ij、B ij、R ij、G ij、B ij 视作 10 个自变量，则非线性方程转换成线性方程，选取 N 幅彩色图像，用多元线性回归分析求出多项式的系数，即可进行失真彩色图像的彩色恢复（彩色补偿）。多项式的次数和项数的选择依赖于相机特性和精度、处理速度的要求。如果相机总的光谱灵敏度曲线与标准观察者的光谱三刺激值曲线相
40、似，用 33 矩阵就可以实现彩色校正；两者偏差较大，多项式的次数和项数随之增加，则变换矩阵越加复杂。8.3.5 彩色图像处理的 MATLAB 实现(1)色彩平衡 MATLAB 的实现MATLAB 可以使用 histeq 函数调整图像的颜色分布。图像的颜色分布可以使用前面介绍的直方图表示，直方图的横坐标是颜色，纵坐标是这种颜色在图像中的相对丰度。这种颜色分布对于图像的外观是很重要的，例如分布越均匀则图像的对比就越不突出，如果分布在接近于 1 的地方出现峰值则图像显得较亮。MATLAB 可以使用 histeq 函数调整图像的颜色分布。Jhisteq（ I，hist ）其功能是：调整灰度图像数据 I
41、 中的颜色分布，使得 J 的颜色分布近似地和 hist 保持一致。hist 中存储的是在 0 和 1 之间等距离分布的颜色亮度值对应的像素数目，MATLAB 自动地进行比例变换，使得Sum (hist)prod （size(I)）即 hist 中只要指定相对丰度就可以了。在 hist 的长度远小于图像的实际颜色数目时可以达到比较理想的调整效果。Jhisteq ( I ，N)其功能是：调整图像 I 中的颜色离散层的个数为 N 个，并且产生新的图像数据 J。J 中的各个颜色层次的像素数目接近相等，因此 J 的颜色分布图近似一条直线。不难想象，和上面的格式一样，在 N 较小时可以达到较理想的效果，N
42、 的缺省值为 64。J,T histeq（I ）其功能是：在执行上面的操作的同时，返回变换有关的信息。NEWMAPhisteq(X,MAP,HGRAM)其功能是：对索引图像执行同样的功能，这里同时需要索引图像的数据本身和对应的颜色查找表（和 imadjust 不同，不是使用当前的颜色查找表）。注意 HGRAM 的长度必须和 size(MAP,1)相等。NEWMAPhisteq(X,MAP)其功能是：返回索引图像 Z 的经过调整的颜色查找表，新世界查找表的颜色分布仅仅均匀。NEWMAP,Thisteq(X,)其功能是：在执行上面的操作的同时，返回变换有关的信息。下面是一个实现色彩调整的程序清单：
43、RGB=imread(autumn.tif);subplot(1,2,1),imshow(RGB),title(原始图像)J=histeq(RGB)subplot(1,2,2),imshow(J),title(色彩调整图像 )(2)真彩色增强的 MATLAB 实现在 MATLAB 中，调用 imfilter：函数对一幅真彩色（三维数据）图像使用二维滤波器进行滤波就相当于使用同一个二维滤波器对数据的每一个平面单独进行滤波。下面是一个真彩色图像的每一个颜色平面进行滤波的程序清单：RGB=imread(flowers.tif);H=ones(5,5)/25;RGBI=imfilter(RGB,H);
44、subplot(1,2,1),imshow(RGB),title(滤波前图像);subplot(1,2,2),imshow(RGB1),title(滤波后图像);RGB=imread(autumn.tif);H=ones(5,5)/25;RGB1=imfilter(RGB,H);subplot(1,2,1),imshow(RGB),title(滤波前图像);subplot(1,2,2),imshow(RGB1),title(滤波后图像);(3) 彩色图像恢复的 MATLAB 实现*下面是对两幅图像进行匹配的程序清单：lily=imread(lily.tif);flowers=imread(fl
45、owers.tif);subplot(2,3,1),imshow(lily),title(原始图像 1);subplot(2,3,2),imshow(flowers),title(原始图像 2);rect_flowers=190 68 235 210;sub_lily=imcrop(lily,rect_lily);sub_flowers=imcrop(flowers,rect_flowers);subplot(2,3,3),imshow(sub_lily1),title(子图像 1);subplot(2,3,4),imshow(sub_flowers),title(子图像 2);c=normx
46、corr2(sub_lily(:,:,1),sub_flowers(:,:,1);subplot(2,3,5),surf(c),title(两幅子图像的相关性图形),shading flat;max_c,imax=max(abs(c(:);ypeak,xpeak=ind2sub(size(c),imax(1);corr_offset=(xpeak-size(sub_lily,2)(ypeak-size(sub_lily,1);rect_offset=(rect_flowers(1)-rect_lily(1)(rect_flowers(2)-rect_lily(2);offset=corr_of
47、fset+rect_offset;xoffset=offset(1);yoffset=offset(2);xbegin=xoffset+1;xend=xoffset+size(lily,2);ybegin=xoffset+1;yend=yoffset+size(lily,1);extracted_lily=flowers(ybegin:yend,xbegin:xend,:);if isequal(lily,extracted_lily)disp(lily.tif was extracted from flowers.tif)endrecovered_lily=uint8(zeros(size(
48、flowers);recovered_lily(ybegin:yend,xbegin:xend,:)=lily;m,n,p=size(flowers);i=find(recovered_lily(:,:,1)=0);mask(i)=.2;subplot(2,3,6),imshow(recovered_lily),title(图像匹配效果 );hold onh=imshow(recovered_lily);set(h,AlphaData,mask)8.4 彩色图像分析彩色图像分析主要是指对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。图像分析是一个从图像到数据的过程。这里的数据可以是对目标特征测量的结果，或是基于测量的符号表示。它们指出了图像中目标的特点和性质。这种处理基本上用于自身图像分析、模式识别和计算机视觉等模式。例如彩色体的分类、排列等。为了描述图像，首先要进行分割，然后进行测量和特征提取等处理。值得注意的一点是，没有惟一的、标准的分割法，因此也就没有规定成功分割的原则。本小节只讨论一些彩色图像的基本分割和测量方法。8.4.1 彩色图像分割彩色图像分割是按照彩色图像的色彩规则将一
