第８章 彩色图像处理 内容提要: 8.1 人类视觉与色度学基础 8.2 颜色空间的表示及其转换 三基色原理、光度学基本知识 第８章 彩色图像处理 内容提要: 8.1 人类视觉与色度学基础 三基色原理、光度学基本知识 8.2 颜色空间的表示及其转换 RGB模型、Munsell模型、HSV模型、HSI模型、YUV模型 RGB与HSV空间的相互转换 RGB与YUV空间的相互转换 RGB与HSI空间的相互转换

8.2 颜色空间的量化 抖动技术、假彩色处理 彩色图像增强、真彩色增强 8.6.2 伪彩色增强 实验：彩色空间的表示和转换 本章小结

教学建议 本章的先修知识主要有： 要求了解彩色图像处理的基本概念和一些常用的彩色图像处理技术。 用MATLAB工具对彩色图像进行处理 光学、线性代数、图像的量化等。 要求了解彩色图像处理的基本概念和一些常用的彩色图像处理技术。 用MATLAB工具对彩色图像进行处理 如进行颜色空间的变换等。

8.1 人类视觉与色度学基础 人类色觉的产生是一个复杂的过程。 人感受到的物体颜色主要取决于反射光的特性。 色度学（colorimetry） 8.1 人类视觉与色度学基础 人类色觉的产生是一个复杂的过程。 除了光源对眼睛的刺激，还需要人脑对光刺激的解释。 人感受到的物体颜色主要取决于反射光的特性。 如果物体比较均衡地反射各种光谱，则看起来是白的。 如果物体对某些光谱反射得较多，则看起来物体就呈现相对应的颜色。 色度学（colorimetry） 进行图像的彩色分析，建立的研究彩色计量的学科。

8.1.1 人类的基本视觉特性 视觉系统中存在着杆状和锥状细胞两种感光细胞。 杆状细胞为暗视器官 8.1.1 人类的基本视觉特性 视觉系统中存在着杆状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，并能分辨颜色。 锥状细胞大致将电磁光谱的可见部分分为三个波段：红、绿、蓝。 这三种颜色被称为三基色

图8.1 人类视觉系统三类锥状细胞的光谱敏感曲线 图8.1 人类视觉系统三类锥状细胞的光谱敏感曲线

人类视觉对颜色的主观感觉 颜色的三种主观感觉：色调、饱和度和亮度。 色调（hue） 饱和度（saturation） 从一个物体反射过来的或透过物体的光波长 是由颜色种类来辨别的，如红、橙、绿。 饱和度（saturation） 即色纯度，指颜色的深浅 例如：深红和浅红。 亮度（brightness） 颜色的明暗程度，从黑到白，主要受光源强弱影响。

8.1.2 三基色原理 由三基色混配各种颜色通常有两种方法： 相加混色和相减混色的主要区别： 相加混色法。 相减混色法。 8.1.2 三基色原理 由三基色混配各种颜色通常有两种方法： 相加混色法。 彩色电视机上的颜色。 相减混色法。 彩色电影、幻灯片、绘画原料 相加混色和相减混色的主要区别： （1）相加法是由发光体发出的光相加而产生的各种颜色，而相减法是先有白色光，然后从中减去某些成份（吸收）得到各种颜色。 （2）相加混色的三基色是红、绿、蓝，而相减混色的三基色是黄、青、品红。相加混色的补色就是相减混色的基色。 （3）相加混色和相减混色有不同的规律。

Grassman定律 指出了视觉对颜色的响应取决于红、绿、蓝三输入量的代数和。 （1）所有颜色都可以用相互独立的三基色混合得到； （2）假如三基色的混合比相等，则色调和饱和度也相等； （3）任意两种颜色相混合产生的新颜色与采用三基色分别合成这两种颜色的各自成份混合起来得到的结果相等； （4）混合色的光亮度是原来各分量光亮度的总和。

颜色向量C的计算 CIE的R、G、B颜色表示系统。 颜色向量C C=RR0+GG0+BB0 （8.1） 选择标准红色，绿色和蓝色三种单色光作为表色系统的三基色。 颜色向量C 红（R）、绿（G）、蓝（B）三刺激值所构成的（R，G，B）向量的和构成。 C=RR0+GG0+BB0 （8.1） R、G、B为C的三刺激值（tristimulus values） （R0，G0，B0）称为原刺激值，是单位向量。

图8.2 颜色的向量表示与光谱三刺激值 （a）颜色的向量表示 （b）光谱三刺激值

8.1.3 光度学基本知识 光度学 在可见光谱段以外的景物图像也可用类似的方法。 8.1.3 光度学基本知识 光度学 光学中研究光的辐射、吸收、照射、反射、散射、漫射等度量的学科 同时结合视觉特征来确定光的度量及吸收的单位。 在可见光谱段以外的景物图像也可用类似的方法。 可见光谱段以外所形成的图像，其处理的各个过程也常常要变换成人眼可以观察的图像 例如热成像、X光照片等

光度学中的基本概念 1. 光通量 2. 发光强度 3. 视敏度 4. 亮度 5. 照度 亮度是发光面的明亮程度的度量，它决定于单位面积的发光强度，单位为cd/m2。 5. 照度 照度指照射在单位面积上的光通量，单位为勒（lx）。

8.2 颜色空间的表示及其转换 实际应用中常用的颜色空间有 常用的颜色空间可分为两类 RGB、HSV、HSI、YUV、YIQ等。 8.2 颜色空间的表示及其转换 实际应用中常用的颜色空间有 RGB、HSV、HSI、YUV、YIQ等。 常用的颜色空间可分为两类 面向硬设备的应用 RGB颜色空间，如：彩色显示器、打印机等 面向以彩色处理为目的的应用 HSI颜色空间以及HSV颜色空间

8.2.1 RGB模型 颜色模型 颜色模型都是建立在三维空间中的 RGB模型 规定了颜色的建立、描述和观察方式。 与颜色空间密不可分。 用三维空间中的一个点来表示一种颜色，如图8.3 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]。

图8.3 RGB模型坐标

图8.4 图像的R、G、B分解 　（a）原图像 （b）R分量 （c）G分量 （d）B分量图

8.2.2 Munsell模型 某个颜色可以唯一地用一个色调（H）、色纯度（C）及亮暗值（V）的颜色片来表示，如图8.5所示。 色调沿圆周分成10个区域，其中5个是主色调，5个是中间色调。 分别是红、红黄、黄、黄绿、绿、蓝绿、蓝、蓝紫、紫、紫红。 色纯度表示了色的浓淡，从中心向外逐渐增强。 颜色的亮暗分成11个等级，记为0到10级，其中0级对应黑而10级对应白。

图8.5 Munsell彩色空间

Munsell颜色空间具有的特点 （1）坐标之间的心理感知独立性。 （2）线性伸缩性。 （3）该空间在感知上并不是均匀的 可以独立感知各颜色分量的变化； （2）线性伸缩性。 可感知的颜色差是与颜色分量的相应样值上的欧氏测度之间的距离成比例的。 （3）该空间在感知上并不是均匀的 也不能直接根据加色原理进行组合。

8.2.3 HSV模型 重要性 由色度（H），饱和度（S），亮度（V）三个分量组成 与人的视觉特性比较接近。

图8.6 HSV颜色模型 （a）HSV颜色模型 （b）颜色轮 （c）柱形彩色空间

8.2.4 HSI模型 色调（H）和饱和度（S）的含义与HSV系统一致，而强度（I）对应与颜色的亮度或灰度。 HSI彩色模型如图8.7(a)所示，而图8.7(b)显示的是标准HSI三角形 三角形的顶点代表了三个归一化的彩色分量（R、G、B）的三角系数。 色调H定义为颜色点P至中心的线段与R轴之间的夹角。

（a）HSI彩色模型坐标系统 （b）HSI彩色三角形

8.2.5 YUV模型 YUV颜色模型在广泛性方面仅次于RGB模型。 由于人眼对于亮度的敏感程度大于对于色度的敏感程度，所以完全可以让相邻的像素使用同一个色度值，而人眼的感觉不会引起太大的变化。 UV的基本思想是通过损失色度信息来达到节省存储空间的目的。 可以定义出许多YUV的格式 相邻两个像素使用一个色度值的YUYV，JPEG、MPEG中相邻四个像素使用一个色度值的YUV12等。

其他的彩色模型 NTSC模型广泛应用于美国等国家的电视信号。 YCbCr模型广泛应用于数字视频。 特点是信号的强度信息和颜色信息相分离，同一个信号可以方便地同时表示彩色图像和黑白图像。 在NTSC格式中，图像由三个分量表示：亮度用Y表示；色度用I表示；饱和度用Q表示。 YCbCr模型广泛应用于数字视频。 在YCbCr模型中，Y为亮度，Cb和Cr共同描述图像的色调，其中Cb、Cr分别为蓝色分量和红色分量相对于参考值的坐标。

8.2.6 RGB与HSV空间的相互转换 同一颜色可以用不同的彩色空间表示，自然可以相互转换。 MATLAB提供了相应的转换函数。 　　　　　　　Temp1=max(R,G,B) （8.2a） 　　　　　　Temp2=min(R,G,B) （8.2b）

（8.4） 　　　　　　H=60H1 （8.5a） 　　　　　S=(Temp1-Temp2)/Temp1 （8.5b） 　　　　　　V=Temp1/255 （8.5c）

图8.8 图像的HSV分解 （a）原RGB图像 （b） H分量 （c）S分量 （d）V分量

2．从HSV转换到RGB （8.6a） （8.6b） （8.6c）

8.2.7 RGB与YUV空间的相互转换

图8.9 图像的YUV分解 （a）原RGB图像 （b）Y分量 （c）U分量 （d）V分量

8.2.8 RGB与HSI空间的相互转换 1．从RGB空间转换到HSI空间

图8.10 图像的HSI分解 （a）原RGB图像 （b）H分量 （c）S分量 （d）I分量

2. 从HIS空间转换到RGB空间 设S、I的值在[0，1]之间，R、G、B的值也在[0，1]之间，则从HSI到RGB的转换公式分成3段以利用对称性,以当H在[0o，120o]之间为例：

8.3 颜色空间的量化 H、S、V任何一个分量都可构成自己的直方图，其反映了图像颜色的统计分布。 8.3 颜色空间的量化 以HSV模型为例，讨论颜色空间的量化过程。 H、S、V任何一个分量都可构成自己的直方图，其反映了图像颜色的统计分布。 HSV色彩空间各分量的独立性较强，并且主要由H色调直方图决定图像的颜色分布。 人眼对视觉的分辨能力有一定的局限性，因此对整个颜色空间进行适当的量化是必要的。 如果对HSV空间进行适当的量化后再计算直方图，则计算量要少得多。

HSV色彩空间中颜色特征的非等间隔量化

把量化后的3个颜色分量合成为一维特征矢量 其中，QS（分量S的量化级数）=3，QV（分量V的量化级数）=3。 根据上式，H、S、V三个分量可获得72柄（Bin）的一维直方图。

8.4 抖动技术 利用仅能重现较少颜色种类的设备来显示含有丰富色彩图像的有效的方法。 产生抖动图像的基本原理： 8.4 抖动技术 利用仅能重现较少颜色种类的设备来显示含有丰富色彩图像的有效的方法。 产生抖动图像的基本原理： 采用能直接显示其色彩的像素模式来替换那些其色彩不能直接显示的像素。 利用了空间混色原理——人的肉眼能将两种不同颜色的相邻像素融合成第三种颜色。 Bayer抖动法是有序抖动法中的一种。

有序抖动的基本原理 设v为输出像素值，c为输入像素值，d(x，y)为一M×M的抖动矩阵，则抖动过程可用下式表示： MATLAB提供了抖动技术的函数： 　　X = dither(RGB,map) 或 BW = dither(I) 上述函数通过颜色抖动，把真彩图像RGB转换成索引图像X或灰度图像I转换成二值图像。

图8.11 抖动处理 （a）原图像（24位显示） 　 （b）抖动图像（16色显示）

8.5 假彩色处理 处理的对象是三基色描绘的自然图像或同一景物的多光谱图像。 对自然图像，假彩色的处理 8.5 假彩色处理 处理的对象是三基色描绘的自然图像或同一景物的多光谱图像。 对自然图像，假彩色的处理 方法之一：将关注的目标物映射为与原色不同的假彩色，即原有的彩色图像变换成给定彩色分布的图像。 绿色草原置成红色，蓝色海洋换成绿色等。这样做的目的是使目标物置于奇特的环境中以引起观察者的注意。 方法之二：根据眼睛的色觉灵敏度，重新分配图像成分的颜色。 眼网膜中视锥体和视杆体对可见光区的绿色波长比较敏感，于是可将原来非绿色描述的图像细节或目标物经假彩色处理变成绿色以达到提高目标分辨率的目的。

Rf、Gf、Bf为原基色分量；RF、GF、BF为假三基色分量；Tij为（i,j=1,2,3）转移函数。 自然图像的假彩色映射可定义为：

8.6 彩色图像增强 8.6.1 真彩色增强 “真彩色”图像指接近人眼能够分辨的最大颜色数目的彩色图像 8.6 彩色图像增强 8.6.1 真彩色增强 “真彩色”图像指接近人眼能够分辨的最大颜色数目的彩色图像 一般指能达到照片质量的24位彩色图像。 尽管对R、G、B各分量直接使用对灰度图的增强方法可以增加图像中可视细节亮度，但得到的增强图中的色调有可能完全没有意义。

一种真彩色增强方法基本步骤 在增强图像中对应同一个像素的R、G、B这三个分量都发生了变化，它们的相对数值与原来不同了。 若将RGB图转化为HSI图，亮度分量和色度分量就分开了，避免了相对数值发生变化。 （1）将原始彩色图R、G、B分量图转化为H、S、I分量图； （2）利用对灰度图增强的方法增强其中的某个分量图； （3）再将结果转换为用R、G、B分量图以便用彩色显示器显示。 ，

图8.12 图像的饱和度变化 （a）原图像 （b）饱和度增强后的图像 （c）饱和度减弱后的图像

图8.13 图像的亮度变化 （a）原图像 （b）亮度增强后的图像 （c）亮度减弱后的图像

8.6.2 伪彩色增强 人眼分辨灰度级能力较差，一般只有几十级，有时无法从图像的灰度中提取有用信息。 8.6.2 伪彩色增强 人眼分辨灰度级能力较差，一般只有几十级，有时无法从图像的灰度中提取有用信息。 而人眼对彩色分辨率较强，达几百种甚至上千种。 伪彩色增强是将灰度或单一波段的图像变换为彩色图像。 彩色图像中的彩色根据黑白图像的灰度级或其他图像特征（如空间频率成分）人为给定。

伪彩色处理技术的应用 适用于航摄和遥感图片、云图等方面，也可以用于医学图像的判读等方面。 在质量较高的黑白底片和X光片中，往往有些灰度级相差不大，却包含着丰富的信息。 通常将图像中的黑白度级变换成不同的彩色，且分割越细，彩色越多，人眼所能提取信息也越多。 处理可以用通用计算机完成，也可以用便于实时观察的专用硬设备（伪彩色仪等）来实现。

常用的伪彩色增强方法 伪彩色处理技术可以在空间域或频率域中实现。 有三种： 1. 利用色彩阶梯变化曲线 2. 三基色变化法 空间域伪彩色处理技术。 2. 三基色变化法 3. 频率域伪彩色增强