数字图像处理与深度学习技术应用 课件 第2章彩色图像特效处理

第2章彩色图像特效处理目录2.1图像的颜色表示2.2彩色图像的灰度化处理2.3彩色图像的着色处理2.4彩色图像的亮度调整2.5彩色图像的对比度调整2.6彩色图像的曝光处理2.7彩色图像的马赛克处理2.8彩色图像的锐化处理2.9彩色图像的浮雕处理2.10彩色图像的霓虹处理2.1图像的颜色表示图像的颜色表示图像的颜色表示红、绿、蓝被称为三原色，简称RGB三原色。f(x,y,z)={fred(x,y,z)，fgreen(x,y,z)，fblue(x,y,z)}其中f表示空间坐标为(x,y,z)位置点的颜色，fred、fgreen、fblue分别表示该位置点的红、绿、蓝三种原色的颜色分量值。图像的存储结构图像的存储结构图像由数字阵列信息组成，用以描述图像中各像素点的强度与颜色，图像的存储结构图像通常用由采样点的值所组成的矩阵来表示。每一个采样单元叫作一个像素（pixel），图像的存储结构在计算机内通常用二维数组来表示数字图像的矩阵。抽象为数字矩阵：单色图像的数据示意图单色图像图像的存储结构8位灰度图像8位灰度图像（1）8位灰度图像的存储文件带有图像颜色表，颜色表共有256项，每一表项均由红、绿、蓝颜色分量值组成，并且红、绿、蓝颜色分量值都相等，即：fred(x,y)=fgreen(x,y)=fblue(x,y)（2）图像中每一个像素信息是图像颜色表的索引号。8位伪彩色图像8位伪彩色图像（1）图像颜色表中的红、绿、蓝颜色分量值不全相等，如表2-2所示，即：fred(x,y)≠fgreen(x,y)≠fblue(x,y)（2）图像中每一个像素信息也是图像颜色表的索引号。24位真彩色图像24位真彩色图像（1）图像中每一个像素信息由RGB三个分量组成，每个分量各占8位，每个像素需24位。（2）fred(x,y)、fgreen(x,y)、fblue(x,y)取值范围均为0～255。将红、绿、蓝三种颜色的数据分离出来，可以得到三个8位平面数据。空间分辨率空间分辨率空间分辨率指图像数字化的空间精细程度，说明了数字图像的实际精细度。空间分辨率越高，图像越逼真。灰度级分辨率灰度级分辨率数字图像的灰度级分辨率表示每一像素的颜色值所占的二进制位数，也叫颜色深度。灰度级分辨率越高，则能表示的颜色数目越多，图像越清晰。2.2彩色图像的灰度化处理函数说明．函数说明（1）retval=cv2.imread(filename,flags)用于从指定的文件读取图像。（2）cv2.cvtColor()用于实现色彩空间的转换retval=cv2.cvtColor(src,code[,dstCn])（3）cv2.imwrite(filename,img[,params])用于保存图像。理论基础理论基础灰度图像中颜色的R、G、B分量值相等，只有灰度而没有彩色。常用的转换方式为：Gray(i,j)=0.11×R(i,j)+0.59×G(i,j)+0.3×B(i,j)转换后：R(i,j)=G(i,j)=B(i,j)=Gray(i,j)2.3彩色图像的着色处理彩色图像的着色处理（1）将彩色图像转换为灰度图像，使得红、绿、蓝三个分量值相等。（2）通过对话框获取想要着色的颜色信息。（3）根据想要着色的颜色信息，分别改变对应的红、绿、蓝三个分量的值，即可得到想要着色的图像。函数说明函数说明OpenCV中，image.shape用于返回图像对象的高度、宽度和通道数的属性说明。其中，image.shape[:2]，表示获取图像的高度、宽度；image.shape[:3]，表示获取图像的的高度、宽度和通道数；image.shape[0]，表示获取图像的垂直尺寸，即高度；image.shape[1]，表示获取图像的水平尺寸，即宽度；image.shape[2]，表示获取图像的通道数。2.4彩色图像的亮度调整理论基础理论基础亮度的调整，是指人眼亮度感觉的调整，可以通过对R、G、B颜色增加（增加亮度）或减少（减少亮度）相同的增量来显示。亮度的调整就是给每个分量乘以一个值，这个值由对话框输入，三个颜色分别乘以这个值后再返回给原来的颜色分量：①当输入值为1时，图像保持原来亮度；②当输入值小于1时，图像亮度的就减少，图像就变暗；③当输入值大于1时，就可以使图像的亮度增加。函数说明（1）PythonImagingLibrary，它为Python解释器提供了图像编辑函数。PIL的ImageEnhance模块包含许多可用于图像增强的类。其中，ImageEnhance.Brightness()方法用于控制图像的亮度。用法：obj=ImageEnhance.Brightness(image)retval=obj.enhance(factor)image：输入的图像；factor：增强因子，当增强因子输入为0.0时则给出黑色图像，输入为1.0时则给出原始图像；retval：变换亮度后的图像。2.5彩色图像的对比度调整理论基础理论基础增加对比度的意思就是把所感兴趣的颜色范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，从而达到了增强对比度的目的。从对话框获得调整的对比度的参数：①当参数为1时，图像保持原来亮度；②当参数小于1时，图像对比度减弱；③当参数大于1时，图像对比度增加。函数说明（1）ImageEnhance.Contrast()方法是PIL包中提供用于控制图像的对比度。用法：obj=ImageEnhance.Contrast(image)retval=obj.enhance(factor)image：输入的图像；factor：增强因子，增强因子为0.0将产生纯灰色图像，增强因子为1.0是原始图像，增强因子大于1.0对比度增强，增强因子小于1.0对比度减弱；retval：变换对比度后的图像。2.6彩色图像的曝光处理理论基础曝光图像的算法原理是逆转数值小于128的R、G、B三分量。例如，三分量值为（60，210，135）的像素，只是红色被逆转，经过转换后为（195，210，135）；而对于三分量值为（50，100，70）的像素，各分量均小于128，所以都需要逆转，得到（205，155，185）。g(i,j)=255-f(i,j)如果f(i,j)<1282.7彩色图像的马赛克处理理论基础马赛克效果，其原理是将图像从形式上划分为很多小块，在每块内的各个像素都取到相同的红、绿、蓝颜色分量值，从而对某些细节进行模糊化处理，使图像粗糙化。马赛克处理后，图像每一小块矩阵内的所有像素值都应该取相同的值2.8彩色图像的锐化处理理论基础突出图像的变化部分，使模糊的图像变得更加清晰。这里采用的算法原理是先将要处理的图像像素与它左对角线上的像素之间的像素差值乘上一个锐化度数，然后再加上原先的像素值Red=R+(R-r)/4;Blue=B+(B-b)/4;Green=G+(G-g)/4;R、G、B为当前原像素f(i,j)的红、绿、蓝三个分量值，r、g、b为原像素相邻像素f(i-1,j-1)的红、绿、蓝三个分量值，2.9彩色图像的浮雕处理理论基础浮雕效果就是只将图像的变化部分突出出来，而相同颜色部分则被淡化，使图像出现纵深感，从而达到浮雕效果。算法是先计算要处理的像素与其相邻像素间的像素值之差，将差值作为处理后的像素值。Red=R-r+128;Blue=B-b+128;Green=G-g+128;R、G、B为当前原像素f(i,j)的红绿蓝三个分量值，r、g、b为前一个相邻像素f(i-1,j)的红、绿、蓝三个分量值2.10彩色图像的霓虹处理理论基础先计算原图像当前像素f(i,j)的红、绿、蓝分量值与其相同行f(i+1,j)及相同列f(i,j+1)相邻像素的梯度，即差的平方之和的平方根，然后将梯度值作为处理后像素g(i,j)的红、绿、蓝的三个分量值。R1=(r1-r2)2R2=(r1-r3)2G1=(g1-g2)2G2=