冈萨雷斯DIP第6章知识点

文章目录

6.1 彩色基础
6.2 彩色模型
- 6.2.4 设备无关彩色模型
6.3 假彩色图像处理
- 6.3.1 灰度分层和彩色编码
- 6.3.2 灰度到彩色的变换
6.4 全彩色图像处理基础
6.5 彩色变换
- 6.5.2 补色
- 6.5.3 彩色分层
- 6.5.4 色调（Tone）和彩色校正
- 6.5.5 彩色图像的直方图处理

6.1 彩色基础

区分不同颜色的特性？

区分不同颜色的特性通常是亮度、色调和饱和度。

亮度：亮度体现的是发光强度的消色概念（不包含颜色的概念）

色调：表示被观察者感知的主导色，通常是混合光波中与主波长相关的属性

饱和度：饱和度是相对纯度，指的是与一种颜色混合的白光量，饱和度和所加的白光量是成反比的

CIE 色度图有等能量点的概念，等能量点处的饱和度是零。

为什么我们在 RGB、CMY 和 CMYK 模型建立以后要运用 HSI 颜色模型？

我们人类不认为彩色图像是由 3 幅原色图像合成的单幅图像。同时已知每种原色的百分比，我们并不能给出一辆汽车的颜色。可以说 RGB 对于图像彩色生成而言是理想的，但对于颜色描述而言则存在许多局限性。

光的三原色：红绿蓝 RGB；

颜料的三原色：青色、深红色、黄色 CMY；

色度图对于色彩混合而言非常有用，因为色度图中连接任意两点的直线段定义了所有不同颜色的变化，这些颜色可由这两种颜色以不同的比例相加得到。

6.2 彩色模型

就数字图像处理而言，实际中最常用的面向硬件的模型有：

针对彩色显示器和彩色摄像机开发的 RGB( 红、绿、蓝模型
针对彩色打印开发的 CMY( 青 Cyan 、粉红 Magenta 、黄 Yellow) 模型和 CMYK( 青、粉红、黄、黑 Black）模型
针对人们描述和解释颜色的方式开发的 HSI( 色调 Hue、饱和度Saturation、亮度 Intensity) 模型。 HSI 模型还有一个优点，即它能解除图像中颜色和灰度级信息的联系，使其更适合于本书中给出的许多灰度级处理技术。

6.2.4 设备无关彩色模型

L*a*b 模型

6.3 假彩色图像处理

6.3.1 灰度分层和彩色编码

按照图像的物理性质细分灰度时，灰度分层的意义和作用更大。

6.3.2 灰度到彩色的变换

6.4 全彩色图像处理基础

全彩色图像处理方法分为两大类

首先分别处理每幅灰度级分量图像，然后将处理后的各幅分量图像合成为一幅彩色图像；
直接处理彩色像素。

6.5 彩色变换

6.5.2 补色

6.5.3 彩色分层

突出图像中某个特定的彩色范围，有助于将目标从周围分离出来。

6.5.4 色调（Tone）和彩色校正

图像的色调范围也称主特性是指图像中颜色亮度的一般分布可分为高主特性、中主特性和低主特性图像。

我们通常希望彩色图像的亮度在高光和阴影之间是等间隔分布的。

6.5.5 彩色图像的直方图处理

HSI 彩色空间是适合这类方法的理想空间。

掌握彩色图像平滑和边缘检测的编程实现

6.16

C = ( 1 − R ) C ′ = ( 1 − R ′ ) M = ( 1 − G ) M ′ = ( 1 − G ′ ) Y = ( 1 − B ) Y ′ = ( 1 − B ′ ) \begin{array}{c} C=(1-R)\quad&C^{\prime}=\left(1-R^{\prime}\right) \\ M=(1-G)\quad&M^{\prime}=\left(1-G^{\prime}\right) \\ Y=(1-B)\quad&Y^{\prime}=\left(1-B^{\prime}\right) \end{array} C=(1−R)M=(1−G)Y=(1−B)C′=(1−R′)M′=(1−G′)Y′=(1−B′)

让亮度降低在RGB颜色模型中的公式如下：

R ′ = k R R^{\prime}=k R R′=kR

即：

1 − C ′ = k ( 1 − C ) 1-C^{\prime}=k(1-C) 1−C′=k(1−C)

因此，我们很容易推导得出

C ′ = 1 − k ( 1 − C ) = 1 − k + k C = k C + ( 1 − k ) \begin{aligned} C^{\prime} & =1-k(1-C) \\ & =1-k+k C \\ & =k C+(1-k) \end{aligned} C′=1−k(1−C)=1−k+kC=kC+(1−k)