数字图像处理：彩色图像处理

数字图像处理

彩色图像处理1目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理2彩色图像处理彩色：是一个强有力的描述子--可简化目标物的区分及从场景中提取和识别目标；人可以辨别几千种彩色色调和亮度，灰度色调：只有几十种；两个重要领域：全彩色处理：全彩色传感器，如彩色电视摄像机或彩色扫描仪；伪彩色处理：对特定的单色灰度或灰度范围赋予一种颜色，数字彩色图像处理多为伪彩色处理。可视化2022/11/17数字图像处理3彩色基础

图6.1白光通过棱镜时看到的色谱人类接收一个物体的颜色由物体反射光的性质决定。2022/11/17数字图像处理4彩色基础图6.2可见范围电磁波谱的波长组成2022/11/17数字图像处理5彩色基础人眼中的6-7百万锥状细胞中可分为3个主要的感觉类别，它们对应红、绿和蓝。大约65%的锥状细胞对红光敏感，33%对绿光敏感，只有2%对蓝光敏感。2022/11/17数字图像处理6彩色基础2022/11/17数字图像处理7彩色基础视锥细胞对0.55微米的光最敏感—黄绿光视杆细胞对0.5微米的光最敏感—蓝绿光均对应于绿光—所以人眼对绿色最为敏感2022/11/17数字图像处理8彩色基础区别颜色的特性是亮度、色调和饱和度：亮度：色彩明亮度，无色的强度；色调：光波混合中与主波长有关的属性，表示观察者接收的主要颜色，如红色、黄色；饱和度相对的纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的。淡紫色是欠饱和的。2022/11/17数字图像处理9彩色基础色调与饱和度一起称为色度，因此，颜色用亮度和色度表征。形成任何特殊彩色所需要的红绿蓝的数量称为三色值，并分别表示为X,Y,Z。一种颜色由三色值系数定义为：2022/11/17数字图像处理10目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理11彩色模型RGB模型：最通用的面向硬件的模型；CMY（青、深红、黄）、CMYK（青、深红、黄、黑）：针对彩色打印机；HSI（色调、饱和度、强度）：更符合描述和解释颜色的方式；YCbCr：数字电视系统。2022/11/17数字图像处理12彩色模型：RGB模型2022/11/17数字图像处理RGB彩色向量：(R,G,B)13彩色模型：RGB模型图6.8RGB24比特彩色立方体（每个通道为8比特，实心）2022/11/17数字图像处理14彩色模型：RGB模型图6.9(a)生成彩色剖面(127,G,B)的RGB图像；(b)图6.8的彩色立方体的三个隐藏面。2022/11/17数字图像处理15彩色模型：RGB模型稳定RGB色集合，或全系统稳定色集合：在与观察者的硬件性能无关的条件下可以保证彩色的真实再现的彩色子集；在网络应用中称为稳定Web色，或者稳定浏览器色。假定256种颜色是最小颜色数，这些颜色可用任何系统真实再现，40种用于各种操作系统进行不同的处理，216种颜色为各系统通用—稳定色。2022/11/17数字图像处理16彩色模型：RGB模型216种稳定色的每一种都可以由RGB值形成，但每一个值仅可能取0,51,102,153,204或255.这样RGB三元组数值给出63=216可能值。表6.1稳定色中每个RGB分量的有效值2022/11/17数字图像处理17彩色模型：RGB模型图6.10(a)216种稳定RGB色，(b)256色RGB系统中的所有灰度（底部显示了稳定色组的部分灰度）2022/11/17数字图像处理18彩色模型：RGB模型

图6.11RGB稳定色立方体（表面有效）2022/11/17数字图像处理19彩色模型：CMY和CMYK模型彩色打印机和复印机：输入是CMY数据等量的颜料原色（青、深红和黄色）可以产生黑色。实际上，为打印这些颜色产生的黑色是不纯的。为了生成真正的黑色加入了第四种颜色--黑色，提出了CMYK彩色模型。2022/11/17数字图像处理20CMY和CMYK模型2022/11/17数字图像处理CMYvs.CMYK21彩色模型：HSI彩色模型HSI系统更好地解释人眼看到的颜色。色调：描述纯色的属性（纯黄色、橘黄或红色）；饱和度：给出一种纯色被白光稀释的程度的度量；强度：主观描述子，体现了无色的强度概念。2022/11/17数字图像处理22黑顶点（0,0,0），白顶点（1,1,1）确定任何点的强度分量，通过一个垂直于强度轴的平面，平面包含该彩色点，该平面与强度轴的交点就给出了在[0,1}范围内的强度值。强度轴上点的饱和度是零，轴上都是灰度。2022/11/17数字图像处理23彩色模型：HSI彩色模型彩色模型：从RGB到HSI的彩色转换给定一幅RGB彩色格式的图像，每一个RGB像素的H分量可用下列公式得到：2022/11/17数字图像处理24彩色模型：从RGB到HSI的彩色转换饱和度：强度分量：2022/11/17数字图像处理25彩色模型：从RGB到HSI的彩色转换图6.15图6.8中的图像分量。(a)色调；(b)饱和度；(c)强度。2022/11/17数字图像处理26彩色模型：处理HSI分量图像图6.16(a)RGB图像及与之对应的HSI图像的分量；(b)色调；(c)饱和度；(d)强度。2022/11/17数字图像处理27目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理28伪彩色处理：灰度分层根据一种指定的规则对灰度值赋以颜色的处理；伪彩色对单色图像赋予彩色的处理；伪彩色应用：为了人目视观察和解释一幅图像或序列图像中的灰度级事件；原因：人类可以辨别几千种色调和强度，而只能辨别20多种灰度。2022/11/17数字图像处理29伪彩色处理：灰度分层灰度分层或彩色编码2022/11/17数字图像处理图6.18灰度分层技术的几何解释30伪彩色处理：灰度分层灰度分层：令[0,L-1]表示灰度级，使代表黑色(f(x,y)=0),代表白色(f(x,y)=L-1)。假定垂直于灰度轴的P个平面定义为灰度级：。并假定0<P<L-1，P个平面将灰度级分为P+1个区间。灰度级到彩色的赋值根据如下关系进行：2022/11/17数字图像处理31伪彩色处理：灰度分层图6.19灰度分层技术的另一种表示2022/11/17数字图像处理32伪彩色处理：灰度分层图6.20(a)Picker甲状腺模型的单色图像；(b)密度分为8个颜色的结果。（a）图暗灰色，以灰度形式分辨病变相对很困难2022/11/17数字图像处理33伪彩色处理：灰度分层图6.21(a)焊接的单色X光图像；(b)彩色编码的结果。焊接中的裂痕和气孔，人工检测焊接质量，图（b）简化检测者的工作。2022/11/17数字图像处理34伪彩色处理：灰度分层图6.22(a)与月平均降雨相对应的灰度图像；（显示为较亮的水平条带）(b)赋给灰度值的彩色；(c)彩色编码图像；(d)南美区域的放大图。2022/11/17数字图像处理可视化技术35伪彩色处理：灰度到彩色的变换灰度级到彩色转换2022/11/17数字图像处理36伪彩色处理：灰度到彩色的变换图6.24使用图6.25所示灰度级到彩色的变换的伪彩色增强。2022/11/17数字图像处理突出装在行李内的爆炸物的伪彩色应用。左边的图像含有普通物品，右边的图像含有相同的物品以及一块塑料仿真爆炸物。37伪彩色处理：灰度到彩色的变换多幅单色图像组合为一幅彩色图像。常见于多光谱图像处理，不同的传感器在不同的谱段产生独立的单色图像。2022/11/17数字图像处理38伪彩色处理：灰度到彩色的变换2022/11/17数字图像处理39伪彩色处理：灰度到彩色的变换6.27(a)-(d)是图1.10中的1到4波段的图像；(e)将图(a)、(b)、(c)作为RGB图像的红、绿、蓝分量得到的彩色合成图像；(f)用相同的方法，但在红通道使用(d)中近红外图像得到的图像。(f)显示生物（红色）和场景中人造目标的特性间有十分明显的差别，由混凝土和柏油组成的部分在图像中呈现浅蓝色。2022/11/17数字图像处理40伪彩色处理：灰度到彩色的变换图6.28(a)木星卫星的伪彩色图像；(b)靠近摄取的图像。(a)宇宙飞船的几幅传感器图像混合并以伪彩色显示。(b)中的伪彩色图像中，亮红色表示从活火山所喷出的物质，而周围黄色物质是陈旧的硫沉积物。2022/11/17数字图像处理41目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理42全彩色图像处理基础全彩色图像处理研究：分别处理每一分量图像，然后合成彩色图像；直接对彩色像素（向量）处理。2022/11/17数字图像处理43全彩色图像处理基础令c代表RGB彩色空间中的任意向量：彩色分量是坐标(x,y)的函数，表示为：2022/11/17数字图像处理44全彩色图像处理基础单独的彩色分量的处理结果并不总等同于在彩色向量空间的直接处理。为使每一彩色分量处理和基于向量的处理等同，必须满足两个条件：处理必须对向量和标量都可用；对向量每一分量的操作对于其他分量必须是独立的。2022/11/17数字图像处理45全彩色图像处理基础2022/11/17数字图像处理46目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理47彩色变换彩色变换模型：n取决于彩色空间的选择。如果选择RGB空间，则n=3，分别表示输入图像的红、绿、蓝分量。若选择CMYK或HSI彩色空间，则n=4或n=3。2022/11/17数字图像处理482022/11/17数字图像处理图6.30（a）一碗草莓和一个咖啡杯的高分辨率彩色图像。第二行CMYK图像。第三行：CMYK转换为RGB图像；第四行RGB转换为HSI图像。49彩色变换彩色变换图6.31用彩色调整图像亮度。(a)原图像；(b)减少亮度30%的结果(k=0.7)；(c)-(e)所需的RGB、CMY和HSI变换函数。2022/11/17数字图像处理50彩色变换：补色补色对于增强嵌在彩色图像暗区的细节，特别是在大小上占支配地位的细节很有用。2022/11/17数字图像处理图6.32彩色环上的补色51彩色变换：补色图6.33补色变换。(a)原图像；(b)补色变换函数；(c)基于RGB映射函数的(a)的补色；(d)使用HSI变换的RGB补色的近似。饱和度分量不可改变。对(c)、(d)之间的视觉差别有响应。2022/11/17数字图像处理52彩色变换：直方图处理图6.37

HSI彩色空间的直方图均衡（后面是饱和度调整）。(c)不改变色调和饱和度，均衡亮度分量的结果；(d)采用增加图像饱和度分量部分校正的结果。灰度改变通常影响到图像中颜色的相对表现。2022/11/17数字图像处理53目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理54彩色图像的平滑和锐化基于周围像素特点的改进处理；彩色图像的平滑：令表示在RGB彩色图像中定义一个中心在(x,y)的邻域的坐标集，在该邻域中RGB分量的平均值为：2022/11/17数字图像处理55彩色图像的平滑6.38(a)RGB图像；(b)红分量图像；(c)绿分量图像；(d)蓝分量图像。2022/11/17数字图像处理56彩色图像的平滑图6.39图6.38(a)中RGB彩色图像的HSI分量。(a)色调；(b)饱和度；(c)强度。2022/11/17数字图像处理57彩色图像的平滑图6.40用5*5平均模板平滑图像。(a)处理RGB每一分量图像的结果；(b)处理HSI图像强度分量，转换为RGB图像的结果；(c)两种结果间的差别。(b)保留了原图像的彩色（色调和饱和度）。2022/11/17数字图像处理58彩色图像锐化向量c的拉普拉斯变换为：2022/11/17数字图像处理59彩色图像锐化图6.41用拉普拉斯进行图像锐化。(a)处理每一个RGB通道的结果；(b)处理强度分量并转换为RGB的结果；(c)两种结果的差别。2022/11/17数字图像处理60目录彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理61彩色图像中的噪声彩色图像的噪声内容在每个彩色通道中具有相同的特性；但噪声对不同的彩色通道所造成的影响不同。2022/11/17数字图像处理62彩色图像中的噪声图6.48(a)-(c)由均值为0、方差为800的高斯噪声污染的红、绿和蓝色分量图像；(d)最终的RGB图像。2022/11/17数字图像处理63彩色图像中的噪声2022/11/17数字图像处理图6.49图6.48(d)中带噪声的彩色图像的HIS分量：(a)色调图像；(b)饱和度图像；(c)亮度图像。64彩色图像中的噪声图6.50(a)绿平面被椒盐噪声污染的RGB图像；(b)HIS图像的色调分量；(c)饱和度分量；(d)亮度分量。2022/11/17数字图像处理65去马赛克彩色基础彩色模型伪彩色图像处理全彩色图像处理基础彩色变换平滑和锐化彩色图像中的噪声去马赛克(demosaicking)2022/11/17数字图像处理66去马赛克涉及数码相机的成像原理2022/11/17数字图像处理67去马赛克感光剂是氯化银。当光线照射氯化银，后者会分解成纯银和氯气，纯银在空气中很快氧化变成黑色。因此，底片颜色越深代表光线越强，颜色越浅代表光线越弱。黑白照片就是这样拍出来。2022/11/17数字图像处理68去马赛克人眼的锥状细胞对三种颜色——红、绿、蓝特别敏感。伟大的英国物理学家麦克斯韦因此假设，红绿蓝作为基色，可以拍出彩色照片。2022/11/17数字图像处理69去马赛克采用的方法是在镜头前，分别用红丝带、绿丝带、蓝丝带过滤光线，曝光形成三张底片，然后用三部放映机向同一处投影这三张底片，每部放映机的镜头前都拧上对应颜色的镜头，它们的合成效果就是一张彩照。2022/11/17数字图像处理70去马赛克真正意义上的彩色胶卷，1933年诞生于柯达公司，底片之上依次有三个感光层，分别对红、绿、蓝三种颜色进行曝光，最后叠加形成一张彩色底片。2022/11/17数字图像处理71去马赛克二战后，计算机诞生，科学家发现图像可以用数字形式表示。如果将光信号转变成电信号，就可以直接拍出数码照片。这意味着，照相机不再需要胶卷，而是需要一个图像传感器。2022/11/17数字图像处理72去马赛克图像传感器有一个很严重的缺陷：它只能感受光的强弱，无法感受光的波长。由于光的颜色由波长决定，所以图像传播器无法记录颜色，也就是说，它只能拍黑白照片，这肯定是不能接受的。2022/11/17数字图像处理73去马赛克一种解决方案是照相机内置三个图像传感器，分别记录红、绿、蓝三种颜色，然后再将这三个值合并。这种方法能产生最准确的颜色信息，但是成本太高，无法投入实用(早期的专业级数码摄影机多采用此技术)。2022/11/17数字图像处理74去马赛克1974年，柯达公司的工程师布赖斯·拜尔提出了一个全新方案，只用一块图像传感器，就解决了颜色的识别。他的做法是在图像传感器前面，设置一个滤光层(Colorfilterarray)，上面布满了滤光点，与下层的像素一一对应。也就是说，如果传感器是1600×1200像素，那么它的上层就有1600×1200个滤光点。2022/11/17数字图像处理75去马赛克每个滤光点只能通过红、绿、蓝之中的一种颜色，这意味着在它下层的像素点只可能有四种颜色：红、绿、蓝、黑(表示没有任何光通过)。2022/11/17数字图像处理76去马赛克不同颜色的滤光点的排列是有规律的：每个绿点的四周，分布着2个红点、2个蓝点、4个绿点。这意味着，整体上，绿点的数量是其他两种颜色点的两倍。这是因为研究显示人眼对绿色最敏感，所以滤光层的绿点最多。2022/11/17数字图像处理77去马赛克问题：如果一个像素只可能有四种颜色，那么怎么能拍出彩色照片呢？每个滤光点周围有规律地分布其他颜色的滤光点，那么就有可能结合它们的值，判断出光线本来的颜色。2022/11/17数字图像处理78去马赛克以黄光为例：它由红光和绿光混合而成，那么通过滤光层以后，红点和绿点下面的像素都会有值，但是蓝点下面的像素没有值，因此看一个像素周围的颜色分布有红色和绿色，但是没有蓝色-就可以推测出来这个像素点的本来颜色应该是黄色。2022/11/17数字图像处理79去马赛克去马赛克2022/11/17数字图像处理80去马赛克每个像素的颜色都是算出来的，并不是真正的值，但是由于计算的结果相当准确，因此这种做法得到广泛应用。目前，绝大部分的数码相机都采用它，来生成彩色数码照片。高级的数码相机，还提供未经算法处理的原始马赛克图像，这就是raw格式(rawimageformat)。2022/11/17数字图像处理81去马赛克问题：如何插值得到每个像素的RGB值？2022/11/17数字图像处理82去马赛克一种是没有利用相关性的插值方法。例如最近邻域复制，双线性插值，三次样条插值等方法[3]。在这些方法中未知的绿色分量值仅由已知的绿色像素值进行估算，对红色和蓝色通道也采用同样的方法。其中最典型的是双线性插值法。这一类算法容易实现，在平滑区域内也可以得到比较满意的效果，但在高频区域，尤其是在边缘区域却失真明显。2022/11/17数字图像处理83去马赛克另一种是利用相关性的插值方法。相关性包括每个色彩通道内像素之间空间关系的相关性和多通道间色彩的相关性。2022/11/17数字图像处理84去马赛克：图像空间相关性彩色图像的空间相关性是指在图像或者景色中一个小的均质区域，每个像素有相似的色彩值。利用这种相关性可以确定对图像局部结构邻域采样的近似，如图像中某个小区域在水平方向灰度值相似，沿着水平边缘插值比垂直方向插值更相近，从而保证了边缘的清晰性。2022/11/17数字图像处理85去马赛克：图像色彩相关性不同色彩平面中色彩具有很强的相关性：色比恒定性：在一个平滑的小邻域内，由于图像的色彩亮度是均匀过渡的，不会有很大的突变，因此可认为两种通道的强度比成恒定的值：这一简化模型看起来过于简单，但它符合图像成像局部区域的物理特性，因而在图像处理过程中很有用。2022/11/17数字图像处理86去马赛克：图像色彩相关性色差规律：假定在一个小的邻域中：色比规律和色差规律本质上是相同的，在一个小的邻域中像素值比较接近。只要对色比取对数运算就可以得到色差规律。当然要对那些分母是零的地方做些修正。色差规律由于没有非线性的除法运算，运算更快些。2022/11/17数字图像处理87去马赛克：色比恒定法2022/11/17数字图像处理88去马赛克：色比恒定法在上面的等式中，如果为测出的值，为插值得到的结果，为了得到(m,n)点的R分量，则通过等式变形可以得到2022/11/17数字图像处理89去马赛克：色比恒定法算法：首先利用双线性法则重建出绿色分量，此时整幅图像的绿色分量均可以插值获得；然后用色比恒定来重建红色和蓝色通道的信息