第十三章 彩色影像處理

內容 13.1 前言 13.2 RGB彩色模式轉換為CIE Lu’v’彩色模式 13.3 彩色影像調色盤的最佳對應 13.4 彩色影像測邊 13.4.1 改良式的Prewitt測邊算子 13.4.2 以向量排序統計為基礎的彩色測邊器 13.5 彩色影像的分割 13.6 彩色影像的對比加強 13.7 馬賽克影像回復

13.1 前言 在本章中，我們首先介紹如何將RGB彩色模式轉換為CIE Lu’v’彩色模式。接下來，我們介紹 彩色影像調色盤的對應 測邊與分割 彩色對比加強 馬賽克影像回復

13.2 RGB彩色模式轉換為Lu’v’彩色模式 範例1：如何將RGB色彩模式轉換為CIE Lu'v'彩色模式 解答： ， 範例1：如何將RGB色彩模式轉換為CIE Lu'v'彩色模式 解答： Y可以視為色彩的亮度L，得到 解答完畢 (13.2.1) (13.2.2)

範例2：一個RGB彩色模式轉換到CIE Lu’v’彩色模式的例子 解答： 解答完畢 117 62 70 162 101 115 136 73 132 97 102 116 159 100 156 113 154 93 (a) L u’ v’ 71.82 0.2629 0.5916 111.94 0.2478 0.5577 84.44 0.2609 0.587 81.26 0.2620 0.5895 112.76 0.2470 0.5557 110.60 0.2471 0.5559 107.61 0.2480 0.5582 109.48 0.2444 0.55 (b)

CIE u’v’色彩分布 其中三頂點R’、G’及B’座標分別為： 、 及 ，在三角形內部的點 則是被對應到白色點。

範例4：如何由CIE Lu’v’彩色模式轉回成RGB彩色模式 解答： 首先，我們將CIE Lu’v’ 彩色模式先透過式(13.2.3)轉換到CIE xyY彩色模式： 之後，我們便可以利用x、y和Y得到到CIE XYZ中三個元素值，其轉換式如下： 在式(13.2.4)中， 及 。最後再透過式(13.2.1)的逆過程便可將CIE Lu’v’彩色模式轉回成RGB彩色模式。 解答完畢 (13.2.3) (13.2.4)

13.3　彩色影像調色盤的最佳對應 彩色影像調色盤 彩色影像上，假設一個像素的可能顏色有n種，調色盤的用意在於利用一個整數集將這些顏色對應起來，例如，假設只有四種顏色可用，顯示於圖13.3.1，如果將各個顏色賦予一個整數編號，則可得到圖13.3.2的調色盤圖表。 R G B 100 255 200 編號 R G B 1 100 2 255 3 200 圖13.3.1 一個例子 圖13.3.2 賦予編號

範例2：小例子以明白調色盤的功用 解答： 有了編號圖後，根據調色盤圖表自然很容易將編號圖轉換回原色彩影像。 解答完畢 200 255 100 圖13.3.3一個子影像 3 2 1 圖13.3.4按編號轉換

範例3：改變調色盤圖表中的顏色及對應關係，是否可達到壓縮效果? 解答： JPEG-LS壓縮標準中，

編號 R G B 200 1 2 255 3 100 1 2 3 圖13.3.5改良後的編號圖 圖13.3.6改良後的對應表 將13.3.4編號圖改變成圖13.3.5的編號圖，的確可達到鄰近像素值較接近的效果。 編號 R G B 200 1 2 255 3 100 1 2 3 圖13.3.5改良後的編號圖 圖13.3.6改良後的對應表 解答完畢

範例4：利用圖論的技巧設計出有效的調色盤對應關係。 解答： 假設某一4×4 的子影像經調色盤的對應轉換為 依據列優先的掃描次序，我們得到序列〈3, 3, 3, 2, 2, 1, 1, 1, 2, 1, 0, 0, 3, 3, 0, 0〉。可得到下列的兩兩關係圖 3 2 1 1 2 3

述的兩兩關係圖可表示為 找出一條最重的漢彌頓路徑(Heaviest Hamiltonian Path) 如此一來，我們就取得〈0, 1, 2, 3〉和〈0, 3, 2, 1〉的對應了。依據此調色盤新的對應關係，原子影像就可以轉換為 就左預測而言，上述的新調色盤對應關係可達到較好的壓縮效果。 解答完畢 1 2 3 1 2 3 1 2 3

13.4 彩色影像的測邊 13.4.1 改良式的Prewitt測邊算子 (a) 水平面罩 (b) 垂直面罩

範例2：利用改良式Prewitt測邊算子測得的水平反應值H和平均垂直 反應值V來決定像素為可能邊點。 解答： 只需計算出合成的值即可，下式是常用的計算方式 解答完畢 邊的方向性也可透過下式求得 (13.4.1.1) (13.4.1.2)

範例3：利用局部最大(Local Maxima)的概念只濾出較細的邊出來。 解答： 若一可能為邊點E( x, y)同方向性的兩邊點其合成反應值M皆小於E( x, y) 的合成反應值，則E( x, y)就可成為真正的邊點。圖13.4.1.2為此情形之示意圖。

範例4:加強細邊的連結性(Linking Property) 。 解答： 如果 則將EM中的e2加入細邊集中以便加強細邊e1的連結性。 圖13.4.1.3 加強細邊的連結性 解答完畢

實作結果 給一張輸入的彩色影像，如圖13.4.1.4所示，利用上述的測邊法並細化邊圖，我們得到圖13.4.1.5的彩色測邊的結果。 圖 13.4.1.4 F16原影像 圖 13.4.1.5 F16細化邊圖

13.4.2 向量排序統計為基礎的彩色測邊器 範例2:向量式排序應用到側邊上。 解答:我們先利用一個 大小的面罩取出一塊等大的彩色子影像，像素 可為RGB彩色空間的像素。 求出像素 與其餘的像素之差異總和 ： 所得之序列為 利用 ，我們可以得到一個較簡單的測邊器。當VR (vector range)值高於一個門檻值時，我們便將面罩中心的像素視為一邊點。 解答完畢

範例3:提高VR測邊器的抗雜訊能力 解答:(1)將VR修改成最小化向量化(Minimum VR,MVR)測邊器。 (2)使用取平均值的方式來分散雜訊，VR可修改成Vector Dispersion (VD): (3)結合MVR與VD， 當MVD值高於一個門檻值，面罩中心的像素則可視為一個邊點。 解答完畢

範例4：在一張彩色影像上展示一下測邊實作結果 解答: 給一張輸入的彩色影像，如圖13.4.2.1示，利用上述的MVD測邊法，我們得到圖13.4.2.2彩色測邊的結果。 解答完畢 圖 13.4.2.1 F16原影像 圖 13.4.2.2 F16邊圖

13.5 彩色影像的分割 (option) 彩色影像的分割的元素 彩色影像上邊的訊息 彩色影像上的色調訊息 彩色影像上粗糙區域的訊息

得到彩色影像上邊和粗糙區域的訊息 先將彩色影像轉換成灰階影像。接下來，利用測邊法來求得該灰階影像的邊訊息。再利用分水嶺分割法求得灰階影像的粗糙區域。令這些粗糙的區域集為 。 利用所得的邊和粗糙區域訊息來進行粗糙區域的合併: 色調距離度= 交界邊近似度 = :界邊點數;: 交界像素數 綜合差異度

13.6 彩色影像的對比加強 圖13.6.1色彩飽和化示意圖 範例1： 在CIE Lu‘v’彩色模式下做彩色影像的對比加強 解答:輸入的彩色像素 。將C點沿著 移動，便會與 相交於 ，我們稱 為C的最大飽和色彩。由於在彩色區域三角形做 u’及v’的色彩飽和，並不會影響到Y值，因此 。 解答完畢 圖13.6.1色彩飽和化示意圖

圖13.6.2 色彩反飽和示意圖 範例2:增加飽和影像的色彩 解答： 為了增加飽和影像的色彩，我們必須對飽和影像做「反飽和」的動作，如圖13.6.2所示。 圖13.6.2 色彩反飽和示意圖

我們透過針對Cs與W 做CIE色彩混合 ，以達到反飽和的效果，得到的色彩為 其中， ， 為整張圖片的平均亮度值，k則是由使用者自定的參數，用以調整增強後影像的亮度。 解答完畢

在對比增強時做保邊的處理 在保邊的處理上，我們首先必須先透過13.4.2節所介紹的測邊器求得原影像的邊圖，而後我們尋找適當的顏色以達到色彩對比加強與保邊的平衡，此平衡點稱為 ，如圖13.6.3所示。 圖13.6.3 對比加強與保邊的平衡點 示意圖

圖13.6.4 一個被3×3的遮罩覆蓋的子影像 圖13.6.5交錯搜尋示意圖 圖13.6.4顯示一個被3×3的遮罩覆蓋的子影像，在以「列優先」的影像處理的方式之下，標示為P的像素代表已經做過加強的像素，標示為U的則為尚未加強的像素，中心標示為C的像素，即是我們正在做色彩對比加強處理的像素。 圖13.6.4 一個被3×3的遮罩覆蓋的子影像 圖13.6.5交錯搜尋示意圖

對比加強與保邊的效果 圖13.6.11 保邊加強影像邊圖 圖13.6.6 Pepper原影像 圖13.6.8對比 加強影像 圖13.6.10 保邊加強影像 圖13.6.7 原影像邊圖 圖13.6.9對比加強影像邊圖 圖13.6.11 保邊加強影像邊圖

13.7 馬賽克影像回復 為了節省彩色相機的成本，近幾年在相機市場上出現只有一個CCD(Charge Coupled Device)的數位靜態相機(Digital Still Camera, DSC)，圖13.7.1為此一類型相機較廣泛使用的拜耳濾波陣列。圖13.7.2及圖13.7.3為單一CCD及三CCD相機示意圖。 圖13.7.1 拜耳彩色濾波陣列

圖13.7.2 三個CCD的DSC相機 圖13.7.3 一個CCD的CFA相機

範例1：傳統去馬賽克方法 解答: 圖13.7.4 編號後的馬賽克影像

依據平均內插方式，對紅色值為R7得像素而言，其內的綠色和藍色值可被估計為 同理對綠色值為G3的像素而言，其內的藍色值為 下圖13.7.5和圖13.7.6分別為馬賽克影像與去馬賽克結果。 解答完畢

圖13.7.5 馬賽克影像 圖13.7.6 去馬賽克後的結果