rgb和hsv的相互转换

rgb和hsv的相互转换
rgb和hsv的相互转换

// removehaze.cpp : 定义控制台应用程序的入口点。

//

#include "stdafx.h"

#include "cv.h"

#include "cxcore.h"

#include "highgui.h"

#include "cvaux.h"

//hsv: h:色彩s:纯度v:明度

int main( )

{

IplImage* src = NULL;//定义图像类型的指针

IplImage* floatsrc = NULL;

IplImage* floathsv = NULL;

IplImage* floatimgH = NULL;

IplImage* floatimgS = NULL;

IplImage* floatimgV = NULL;

cvNamedWindow( "src", 1 );

cvNamedWindow( "H通道", 1 );

cvNamedWindow( "S通道", 1 );

cvNamedWindow( "V通道", 1 );

src = cvLoadImage( " 6.jpg", -1);

cvShowImage( "src", src );

CvSize size = cvGetSize( src );

//cvCreateImage属性:

//IplImage* cvCreateImage( CvSize size, int depth, int channels )

//参数说明:size 图像宽、高.depth 图像元素的位深度.channels分配一个单通道字节图像

//先将图像转换成float型的

floatsrc = cvCreateImage( size, IPL_DEPTH_32F, 3 );

floathsv = cvCreateImage( size, IPL_DEPTH_32F, 3 );

floatimgH = cvCreateImage( size, IPL_DEPTH_32F, 1 );

floatimgS = cvCreateImage( size, IPL_DEPTH_32F, 1 );

floatimgV = cvCreateImage( size, IPL_DEPTH_32F, 1 );

//将src从8位转换到32位的float型

cvConvertScale( src, floatsrc, 1.0/255.0, 0 );//归一化之后方能够显示

//cvConvertScale( src, floatsrc, 1, 0 );

//cvShowImage("floatsrc",floatsrc);

//cvWaitKey(-1);

//cvCvtColor属性:

//CV_BGR2HSV将图片从RGB空间转换为HSV空间

//将float型图像从BGR转换到HSV 如果需要转换到其他的颜色空间那么改变CV_BGR2HSV即可

//cvCvtColor要求两个参数的类型必须完全相同,所以要转为float型

cvCvtColor( floatsrc, floathsv, CV_BGR2HSV );

//将三通道图像分解成3个单通道图像,H对应的通道时0,S、V对应的通道时1和2 //cvCvtPixToPlane(picHSV, h_plane, s_plane, v_plane, 0);

cvSplit( floathsv, floatimgH, floatimgS, floatimgV, NULL);

cvShowImage( "src", src );

cvShowImage( "H通道", floatimgH );

cvShowImage( "S通道", floatimgS );

cvShowImage( "V通道", floatimgV );

//CV_BGR2HSV

cvWaitKey( 0 );

cvReleaseImage( &src );

cvReleaseImage( &floathsv );

cvReleaseImage( &floatimgH );

cvReleaseImage( &floatimgS );

cvReleaseImage( &floatimgV );

return 0;

}

(整理)matlab图像类型与彩色模型的转换.

第六讲图像类型与 彩色模型的转换 【目录】 一、图像类型的转换 (1) 1、真彩图像→索引图像 (3) 2、索引图像→真彩图像 (3) 3、真彩图像→灰度图像 (4) 4、真彩图像→二值图像 (4) 5、索引图像→灰度图像 (5) 6、灰度图像→索引图像 (6) 7、灰度图像→二值图像 (7) 8、索引图像→二值图像 (8) 9、数据矩阵→灰度图像 (9) 二、彩色模型的转换 (9) 1、图像的彩色模型 (10) 2、彩色转换函数 (10) 三、纹理映射 (13) 【正文】 一、图像类型的转换

1、真彩图像→索引图像 【格式】X =d i t h e r (R G B ,m a p ) 【说明】按指定的颜色表m a p 通过颜色抖动实现转换 【输入】R G B 可以是d o u b l e 或u i n t 8类型 【输出】X 超过256色则为d o u b l e 类型,否则输出为u i n t 8型 【例】 C L F ,R G B =i m r e a d ('f l o w e r s .t i f '); 100 200 300 400 500 50100150200250300350 100 200 300 400 500 50100150200250300350 【输出】R G B 为d o u b l e 类型 【例】 C L F ,l o a d t r e e s ; R G B =i n d 2r g b (X ,m a p ); s u b p l o t (1,2,1);s u b i m a g e (X ,m a p );t i t l e ('索引图') s u b p l o t (1,2,2);s u b i m a g e (R G B );t i t l e ('真彩图')

图像颜色特征提取基本知识

一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0~1 或者在 0~255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0~360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0~1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0~1。1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法

灰度图像处理及颜色模型转换

灰度图像处理程序代码代码 1.二值图像 function erzhi_Callback(hObject, eventdata, handles) % hObject handle to erzhi (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能转换为二值图像','转换失败'); else j=im2bw(x); imshow(j); end 2.图像腐蚀 function fushi_Callback(hObject, eventdata, handles) % hObject handle to fushi (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能进行图像腐蚀','失败'); else j=im2bw(x); se=eye(5); bw=bwmorph(j,'erode'); imshow(bw); 3.创建索引图像 function chuanjian_Callback(hObject, eventdata, handles) % hObject handle to chuanjian (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能创建索引图像','创建失败'); else y=grayslice(x,16); axes(handles.axes2); imshow(y,jet(16)); end 4.轮廓图

图像特征提取总结

图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1)颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。 (4)颜色聚合向量 其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。(5)颜色相关图 二纹理特征 (一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局部的偏差而无法匹配成功。作为一种统计特征,纹理特征常具有旋转不变性,并且对于噪声有较强的抵抗能力。但是,纹理特征也有其缺点,一个很明显的缺点是当图像的分辨率变化的时候,所计算出来的纹理可能会有较大偏差。另外,由于有可能受到光照、反射情况的影响,从2-D图像中反映出来的纹理不一定是3-D物体表面真实

图象视觉特征的提取与表示

第1章图像视觉特征的提取和表示 1.1引言 图像视觉特征的提取和表示是将图像的视觉信息转化成计算机能够识别和处理的定量形式的过程,是基于视觉内容的图像分类与检索的关键技术,因此,图像视觉特征的提取和表示一直是图像内容分析领域中一个非常活跃的课题。 图像底层视觉特征一定程度上能够反映图像的内容,可以描述图像所表达的意义,因此,研究图像底层视觉特征是实现图像分类与检索的第一步。一般来说,随着具体应用的不同,选用的底层特征也应有所不同,在特定的具体应用中,不同底层视觉特征的选取及不同的描述方式,对图像分类与检索的性能有很大的影响。通常认为,一种良好的图像视觉特征的提取和表示应满足以下几个要求: (1)提取简单,时间和空间复杂度低。 (2)区分能力强,对图像视觉内容相似的图像其特征描述之间也应相近,反之,对于视觉内容不相似的图像其特征描述之间应有一定的差别。 (3)与人的视觉感知相近,对人的视觉感觉相近的图像其特征描述之间也相近,对人的视觉感知有差别的图像其特征描述之间也有一定的差别。 (4)抗干扰能力强,鲁棒性好,对图像大小,方向不敏感,具有几何平移,旋转不变性。 本章重点讨论当前比较成熟的特征提取方法,在此基础上选取合适的特征提取方法,用于图像分类与检索系统的特征提取模块。接下来,将依次介绍颜色,纹理,形状等特征的提取和表示方法,最后对各种特征的特点加以比较。 1.2颜色特征的提取和表示 颜色是图像视觉信息的一个重要特征,是图像分类与检索中最为广泛应用的特征之一。一般来说同一类别的图像之间颜色信息具有一定的相似性,不同类别的图像,其颜色信息具有一定的差异。相对几何特征而言,颜色特征稳定性好,有对大小、方向不敏感等特点。因此,颜色特征的提取受到极大重视并得到深入研究。本章首先介绍几种常用的颜色空间模型,然后介绍各种颜色特征提取和表示方法。 1.2.1颜色空间模型 为了正确地使用颜色这一特征,需要建立颜色空间模型,通常的颜色空间模型可用三个基本量来描述,所以建立颜色空间模型就是建立一个3-D坐标系,其中每个空间点都代表某一种颜色。通常来说,对于不同的应用,应该选取不同的颜色空间模型。常用的颜色空间模型主要有:RGB、HIS、HSV、YUV、YIQ、Munsell、Lu*v*和La*b*等。颜色空间模型的选取需要符合一定的标准,下面就这一标准和最常用的颜色空间模型作一些介绍。 文献[错误!未找到引用源。]中介绍了选择颜色空间模型的标准主要有以下几个: (1)观察角度的鲁棒性

RGB与YUV、YIQ、YCbCr、HSI、CMY的模型互化(基于matlab)

2013-2014学年第二学期图像通信课程设计报告设计题目:图像的各种颜色空间转换

摘要 所谓三基色原理,是指自然界常见的各种颜色光都可由红、绿、蓝三种色光按照不同比例相配而成。同样,绝大多数颜色也可以分解成红、绿、蓝三种色光。这就是色度学中的最基本的原理。 彩色模型的用途是在某些标准下用通常课接受的方式简化彩色规范。常常涉及到用几种不同的彩色空间表示图形和图像的颜色,以应对不同的场合和应用。因此,在数字图像的生成、存储、处理及显示时,对应不同的彩色空间,需要作不同的处理和转换。现在主要的彩色模型有RGB模型、CMY模型、YUV模型、YIQ 模型、YcbCr模型、HSI模型等。本设计主要使用MATLAB编程的方法,实现RGB与其余四种模型之间的互化。即使用不同的色彩模型表示同一图形或图像。通过转换实现色彩模型的变换之后,可以让同一幅图像以各种模式在全球范围内流通,所以本设计具有一定的实际意义。一般的图像原始都为RGB—加色混合色彩模型,它与剩下的几个色彩模型之间存在着函数对应关系,通过矩阵运算改变模型的参数就可以实现不同色彩模型之间的相互转换。例如CMY—减色混合色彩模型,就是利用青色、深红色、黄色这三种彩色按照一定比例来产生想要的 彩色,CMY是RGB三基色的补色,它与RGB存在如下关系:C M Y = 1 1 1 - R G B , 使用MATLAB编程时,读入三个通道的数值,按照对应关系进行矩阵变换就可以转换成CMY色彩模型。其他色彩模型转换原理与此相似。 关键词:MATLAB,RGB、YUV、YIQ、YCbCr、HSI、色彩模型

一、设计任务、目的和要求 任务:实现RGB模型、CMY模型、YUV模型、YIQ模型、YcbCr模型、HSI 模型这几种不同色彩模型之间的相互转换 要求:最终结果用图像显示 二、总体方案设计 系统运行环境:WINDOWS 7操作系统 编程软件平台:MATLAB2012b 编码算法原理:将原图的三基色数值读入,根据不同色彩模型之间的相互关系,通过矩阵运算改变不同的亮度和色度等信息来实现色彩模型的转换,然后将变换后的图像导出 流程图: 三、设计实现

颜色特征常用的特征提取与匹配方法

颜色直方图: 全局颜色直方图:反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率,Swain 和 Ballard最先提出了使用颜色直方图作为图像颜色特征的表示方法。他们还指出:颜色直方图相对于图像的以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,颜色直方图对于图像质量的变化(如模糊)也不甚敏感。颜色直方图的这种特性使得它比较适合于检索图像的全局颜色相似性的场合,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。 颜色直方图的主要性质有:直方图中的数值都是统计而来,描述了该图像中关于颜色的数量特征,可以反映图像颜色的统计分布和基本色调;直方图只包含了该图像中某一颜色值出现的频数,而丢失了某象素所在的空间位置信息;任一幅图像都能唯一的给出一幅与它对应的直方图,但不同的图像可能有相同的颜色分布,从而就具有相同的直方图,因此直方图与图像是一对多的关系;如将图像划分为若干个子区域,所有子区域的直方图之和等于全图直方图;一般情况下,由于图像上的背景和前景物体颜色分布明显不同,从而在直方图上会出现双峰特性,但背景和前景颜色较为接近的图像不具有这个特性。 累加直方图:当图像中的特征并不能取遍所有可取值时,统计直方图中会出现一些零值。这些零值的出现会对相似性度量的计算带来影响,从而使得相似性度量并不能正确反映图像之间的颜色差别。为解决这个问题,在全局直方图的基础上,Stricker和Orengo进一步提出了使用“累加颜色直方图”的概念。在累加直方图中,相邻颜色在频数上是相关的。相比一般直方图,虽然累加直方图的存储量和计算量有很小的增加,但是累加直方图消除了一般直方图中常见的零值,也克服了一般直方图量化过细过粗检索效果都会下降的缺陷。一般的颜色直方图由于颜色空间是三维的,具有相同的三通道独立分布,但其联合分布并不为一。这种不考虑联合分布的方法,会导致在结果集中不相似的图像数目增加。

各种颜色模型分析

色彩空间介绍 颜色模型是指某个三维颜色空间中的一个可见光子集,它包含某个颜色域的所有颜色。如我们所熟知的三原色光模式.三原色光模式(RGB color model),又称RGB颜色模型或红绿蓝颜色模型,是一种加色模型,将红(Red)、绿(Green)、蓝(Blue)三原色的色光以不同的比例相加,以产生多种多样的色光(如图1所示)。 图1 在大多数的彩色图形显示设备一般都是使用红、绿、蓝三原色,我们的真实感图形学中的主要的颜色模型也是RGB模型,但是红、绿、蓝颜色模型用起来不太方便,它与直观的颜色概念如色调、饱和度和亮度等没有直接的联系。为了更便于颜色的直观表示,一些学者提出了其它的颜色模型,如HSV、HSI、CHL、LAB、CMY等。 RGB颜色模型 RGB(Red,Green,Blue)颜色模型通常使用于彩色阴极射线管等彩色光栅图形显示设备中,彩色光栅图形的显示器都使用R、G、B数值来驱动R、G、B电子枪发射电子,并分别激发荧光屏上的R、G、B三种颜色的荧光粉发出不同亮度的光线,并通过相加混合产生各种颜色。RGB颜色模型称为与设备相关的颜色模型,RGB颜色模型所覆盖的颜色域取决于显示设备荧光点的颜色特性,是与硬件相关的。它是我们使用最多,最熟悉的颜色模型。它采用三维直角坐标系。红、绿、蓝原色是加性原色,各个原色混合在一起可以产生复合色。RGB颜色模型通常采用如图2所示的单位立方体来表示。在正方体的主对角线上,各原色的强度相等,产生由暗到明的白色,也就是不同的灰度值。目前在计算机硬件中采取每一象素用24比特表示的方法,(0,0,0)为黑色,(255,255,255)为白色。正方体的其他六个角点分别为红、黄、绿、青、蓝和品红。

(完整版)图像特征特点及常用的特征提取与匹配方法

图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1) 颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2) 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3) 颜色矩

Lab颜色模型

Lab颜色模型 Lab颜色模型是有国际照明委员会(CIE)于1976年公布的一种颜色模型,Lab 颜色模型弥补了RGB和CMYK两种色彩模式的不足。Lab颜色模型由三个要素组成,一个要素是亮度(L),a 和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值);b是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。因此,这种颜色混合后将产生具有明亮效果的色彩。 4. Lab色彩模式 Lab色彩模式由光度分量(L)和两个色度分量组成,这两个分量即a分量(从绿到红)和b分量(从蓝到黄),如图8所示。Lab色彩模式与设备无关,不管使用什么设备(如显示器、打印机或扫描仪)创建或输出图像,这种色彩模式产生的颜色都保持一致。 A.光度=100(白)B.绿到红分量 C.蓝到黄分量D.光度=0(黑) 图2-11 Lab色彩模式通常用于处理Photo CD(照片光盘)图像、单独编辑图像中的亮度和颜色值、在不同系统间转移图像以及打印到PostScript(R)Level 2和Level 3打印机。色彩模式 在进行图形图像处理时,色彩模式以建立好的描述和重现色彩的模型为基础,每一种模式都有它自己的特点和适用范围,用户可以按照制作要求来确定色彩模式,并且可以根据需要在不同的色彩模式之间转换。下面,介绍一些常用的色彩模式的概念。 1. RGB色彩模式 自然界中绝大部分的可见光谱可以用红、绿和蓝三色光按不同比例和强度的混合来表示。RGB分别代表着3种颜色:R代表红色,G代表绿色、B代表蓝色。RGB模型也称为加色模型,如图5所示。RGB模型通常用于光照、视频和屏幕图像编辑。 图5 RGB色彩模式使用RGB模型为图像中每一个像素的RGB分量分配一个0~255范围内 的强度值。例如:纯红色R值为255,G值为0,B值为0;灰色的R、G、B三个值相等(除了0和255);白色的R、G、B都为255;黑色的R、G、B都为0。RGB图像只使用三种颜色,就可以使它们按照不同的比例混合,在屏幕上重现16581375种颜色。 2. CMYK色彩模式 CMYK色彩模式以打印油墨在纸张上的光线吸收特性为基础,图像中每个像素都是由靛青(C)、品红(M)、黄(Y)和黑(K)色按照不同的比例合成。每个像素的每种印刷油墨会被分配一个百分比值,最亮(高光)的颜色分配较低的印刷油墨颜色百分比值,较暗(暗调)的颜色分配较高的百分比值。例如,明亮的红色

图像特征特点及其常用的特征提取与匹配方法

图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1)颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(m ean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。(4)颜色聚合向量 其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。 (5)颜色相关图 二纹理特征 (一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局

三种常用的色彩模式

学习重点是三种常用的色彩模式:HSB、RGB、CMYK。 每一种色彩模式对应一种媒介: HSB:对应眼睛视觉细胞对颜色的感受,即我们平常看到的颜色。颜色的三个属性: H:色相——色彩的相貌(名称),色相环是一个环形(360度),以度来表示颜色;S:饱和度——色彩鲜艳程度(纯度); B:明度——色彩明暗的变化。饱和度和明度都按百分比来划分。 纯黑色、白色均无色相属性。 RGB:对应发光媒体(如显示器)。光色的三原色:R——红;G——绿;B——蓝。 每种颜色亮度分为256个级别:0—255,最亮为255,最暗为0(比如灯光,值越大越亮,不开灯则最暗:0)。故显示器可以显示256X256X256种颜色。 举例一些数值配色: R:200 40 255 0 128 G:15 偏红222 偏绿255 白0 黑128 灰(三个数相等,值大点为浅灰,反之深灰)B:30 15 255 0 128 三种光色最大值相加得到白色,称之为加色模式。 CMYK:对应印刷,油墨的浓淡程度用0%—100%来区分。印刷三原色:C:青、M:品(红)、Y黄。 为什么多了个K呢:因为印刷配色工艺上不能得到真正意义上的纯黑,所以印刷用4色,多了一种黑色(blacK)。 举例: C:80% 0% 100% M:2% 偏青 0% 白(相当于一点墨都没印)100% 黑(理论上) Y:15% 0% 100% CMY最大值相加得到黑色,称为减色模式。 实际上印刷黑色时CMY值都为0%,只要K的值为100%即可。 三种模式的应用:HSB,在拾取颜色时就是直观拾取我们眼睛看到的颜色。RGB,比如一个图片要显示在网页上,那应该用RGB。CMYK,如果一幅图最终要印刷出来,工作时仍选用RGB,只需在最后一步存为CMYK即可。 Lab色彩模式 RGB模式是一种发光屏幕的加色模式,CMYK模式是一种颜色反光的印刷减色模式。而Lab模式既不依赖光线,也不依赖于颜料,它是CIE组织确定的一个理论上包括了人眼可以看见的所有色彩的色彩模式。Lab模式弥补了RGB和CMYK两种色彩模式的不足。 Lab模式由三个通道组成,但不是R、G、B通道。它的一个通道是亮度,即L。另外两个是色彩通道,用A和B来表示。A通道包括的颜色是从深绿色(底亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值);B通道则是从亮蓝色(底亮度值)到灰色(中亮度值)

图像颜色特征提取基本知识

、颜色特征 1颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式 , R 、 G 、B 分别为图像红、绿、蓝的亮度值 ,大小限定在0?1或者在0?255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度 ,H 表示色调,描述颜色的属性,如黄、红、绿,用角度0?360 度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在0? 1;1是亮度,反映可见光对人眼刺激的程度 ,它表征彩色各波长的总能量,大小限定在0?1。 1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、 明暗和色调的直观感觉来定义颜色 ,其中H (Hue)代表 色度,S (Saturat i on)代表色饱和度,V (V alue)代表亮度,该颜色系统比 RGB 系统更接近于 人们的经验和对彩色的感知,因而被广泛应用于计算机视 觉领域。 已知 RGB 颜色模型,令 M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为 RGB 颜色 2颜色特征提取算法 2.1 一般直方图法 颜色直方图是最基本的颜色特征表示方法 ,它反映的是图像中颜色的组成分布,即出现了哪些 颜色以及各种颜色出现的概率。其函数表达式如下 : 模型中R 、G 、B 三分量的最大和最小值 S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) 120+ 60*(B - R)/(M A X - M IN) 240+ 60*(R -G)/(M A X - M IN) ,RGB 颜色模型到HSV 颜色模型的转换公式为 R = M A X G= M A X B = M A X

图像特征提取方法

图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算,也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分,那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算,输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时,常 常看到的是连续的纹理与灰度级相似的区域,他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高,通常要采用较高的分辨率观察:如果物体的尺寸很大或对比度很强,只需 要降低分辨率。如果物体尺寸有大有小,或对比有强有弱的情况下同事存在,这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有:Fourier变换法、窗口Fourier变换(Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。

设计内容 课程设计的内容与要求(包括原始数据、技术参数、条件、设计要求等):一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 (1)边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式,所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约,或者说,离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测,把图像分为边缘区域和非边缘区域,然后在边缘区域内进行边缘定位.根据局部区域内边缘的直线特性,求得小邻域内直线段的高精度位置;再根据边缘区域内边缘的全局直线特性,用线段的中点来拟合整个直线边缘,得到亚像素精度的图像边缘.在拟合的过程中,根据直线段转角的变化剔除了噪声点,提高了定位精度.并且,根据角度和距离区分出不同直线和它们的交点,给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,边界广泛的存在于物体和背 景之间、物体和物体之间,它是图像分割所依赖的重要特征.边界方向直方图具有尺度不变性,能够比较好的 描述图像的大体形状.边界直方图一般是通过边界算子提取边界,得到边界信息后,需要表征这些图像的边 界,对于每一个边界点,根据图像中该点的梯度方向计算出该边界点处法向量的方向角,将空间量化为M级, 计算每个边界点处法向量的方向角落在M级中的频率,这样便得到了边界方向直方图. 图像中像素的梯度向量可以表示为[ ( ,),),( ,),)] ,其中Gx( ,),),G ( ,),)可以用下面的

图像特征提取总结

图像常见xx方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 (一)特点: 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。 由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的xx与匹配方法 (1)颜色直方图 其优点在于: 它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于: 它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间: RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:

直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。 在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于: 图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。 (4)颜色聚合向量 其核心思想是: 将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。 (5)颜色相关图 二纹理特征 (一)特点: 纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行

火焰颜色特征提取的分色处理研究

火焰颜色特征提取的分色处理研究 摘要:火灾火焰是最常见的灾害之一,是一种在时空上失去控制的燃烧所引发的灾害。火灾火焰图像探测系统,是一种以计算机为核心,结合光电技术和计算机图像处理技术研制而成的火焰自动监测报警系统,有观测普通影像和红外监测实现火灾自动报警的双重功能。本文介绍了一种火焰识别过程中的分色处理办法并试验验证有效性。 关键词:火焰;数字图像处理;滤波 1 引言 当前室内火灾报警技术已经比较成熟。通过对光、烟、湿度等参考量加以判断,然后直接实施灭火措施,进行断电、喷水等并报警。由于室内范围小,受外界影响小,在火灾判别上可以依靠单一的探测方式,也可以多种探测方式同时使用,提高火灾判别的准确性,减少误报。而对于室外的或大面积的监控对象(如高层建筑、船泊码头、油库、大型仓库等),相对来说可以使用的探测方式较少,所以利用图像进行火灾监控是一个明智的选择。由于图像包含的数据量很大,所以必须对图像进行分割。在这些之前都必须要做的就是图像的滤波。 2.火焰图像的分色处理理论 火焰颜色识别算法可分为两个步骤:(1)移除似火区域;(2)分色处理。第一步,通过图像差值法,将由火焰反射引起的可疑区域以及似火颜色区域移除。第二步,将图像的每个像素从RGB颜色模式转换为HSI颜色模式后,根据火焰颜色特征,将似火颜色区域从输入图像帧中分离出来。下面将介绍每步的具体细节。(1)移除似火颜色区域 用图像差值算法(一种用于物体跟踪的技术)可以移除似火颜色区域。这里假设gi(x,y)为某一火焰图像,g0(x,y)是背景图像。图像差值后的结果用h(x,y)表示,公式如(3-4)所示: (3-4) 这里,︱. ︱是该函数的绝对值,r(),g(),b()分别是该图像的红色,绿色以及蓝色分量。因此,两颜色的差值是它们相应红色,绿色以及蓝色分量的绝对值。图像差值的结果是通过计算每个像素颜色差值得到的。(2)分色技术C是一个颜色组,代表HSI颜色模式的三元素(h,s,i),并且满足以下条件:h1≤h≤h2,s1≤s≤s2,i1≤i≤i2其中[h1,h2]是色相的范围,[s1,s2]是饱和度的范围,[i1,i2]是明亮度的范围。我们将颜色组表示为: 前面提取的火焰特征是定义火焰颜色组的基础。基于火焰颜色组C对输入图像f(x,y)的分色算法定义如下:对于图像中的每个像素,如果该像素的颜

图像目标提取及特征计算

摘要 对图像进行研究和应用时,人们往往对图像中的某些部分感兴趣,这些部分常被称为目标或对象 目标或对象特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 本课设需要解决的问题是,利用阈值分割方法,对该图像进行分割,得到提取那个目标后的二值图像,计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法,而面积、周长的计算则是先通过将图像转换成二值图像,在通过计算二值图像像素点的方式求取。 关键词:阈值分割,边缘检测,像素点

1绪论 目标的特征提取是图像处理和自动目标识别(ATR)中的一个重要的研究课题,是解决图像识别问题的难点和关键。 特征提取是图象处理中的一个初级运算,也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分,那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算,输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时,假如特征提取需要许多的计算时间,而可以使用的时间有限制,一个高层次算法可以用来控制特征提取阶层,这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤,因此有大量特征提取算法被发展,其提取的特征各种各样,它们的计算复杂性和可重复性也非常不同。 2 设计原理 2.1 常用的特征提取的方法 提取图像空间关系特征可以有两种方法:一种方法是首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像特征,并建立索引;另一种方法则简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征,并建立索引。 本课程设计是采用的第一种方法,即先对该图像进行分割,得到提取那个目标后的二值图像,计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法,而面积、周长的计算则是先通过将图像转换成二值图像,在通过计算二值图像像素点的方式求取。其中计算周长时,先需要对二值图像进行边缘检测,然后再统计其像素点。 2.2 阈值分割原理 图像阈值化分割是一种最常用,同时也是最简单的图像分割方法,它特别适用于目标和背景占据不同灰度级范围的图像[1]。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征

CRT显示器的颜色转换模型

大连工业大学学报 Journal of Dalian Polytechnic University DOI: CRT 显示器的颜色转换模型 梁 静1,2, 邓晶绿1, 姜婷婷1, 宋 杨1 (1.大连工业大学纺织轻工学院,辽宁大连 116034;2.北京理工大学光电学院,北京 100081) 摘要:在分析CRT 显示器色彩呈现原理的基础上,用P rofileMaker 5.0色彩管理软件和Eye 2One P ro 分光光度仪对显示器进行屏幕的校准和特性化;采用多项式回归算法建立了CIERGB 到CIEXYZ 颜色转换模型,并对转换模型所得到的X 、Y 、Z 计算值与实际测量值进行了比较。在所抽取的12个色块中,9个色块的色差值都在3.0以内,只有2个检测样点的色差在5.0以上。转换模型具有较高的转换精度。 关键词:CRT 显示器;颜色空间转换;多项式回归中图分类号:TP 334.8 文献标志码:A Color transformation model of CRT display L IA NG Jing 1,2 , DEN G Jing 2lv 1 , JI AN G Ting 2ting 1 , SONG Yang 1 (1.School of Te xtile Engine ering &L ight Industry,D a lia n Polyte chnic U niversity,Dalia n 116034,China ; 2.School of Optoe lectronics,Beijing Institute of Technology,Be ijing 100081,China ) Abstr act:ProfileMaker 5.0and Eye 2One Pro were used to calibrate and characterize the screen of display following recording the test data.On this basis the CIERGB to CIEXYZ color transformation model was established via polynomial regression algorithm.T he color values of 9samples are less than 3.0and only 2samples ar e mor e than 5.0in 12compar ing samples.T he result indicates that the model shows high transformation accuracy. Key words:CRT display;color space transformation;multinomial matching 收稿日期:2010204226. 基金项目:国家自然科学基金资助项目(61078048).作者简介:梁静(19762),女,讲师.网络出版时间:网络出版地址: 0 引 言 显示器是人与计算机对话的窗口,是目前图像处理最重要的预打样工具,是色彩控制中最为重要的一项关键技术,其准确性直接影响到是否可以实现色彩管理系统所见即所得的性能[1]。与其他传统的显示设备相比,计算机控制的阴极射线管(cathode r ay tube,CRT)彩色显示器具有色域范围大、观测角度宽、控制方便灵活等特点[223],在颜色视觉研究领域得到了广泛的应用。同时CRT 显示器的色彩管理也是彩色图像复制的关键技术之一;但在实际应用中,有的使用者并不十分注重CRT 显示器色彩管理的重要性及其图像显示的精度。基于以上原因,本研究对显示器进 行了屏幕的校准和特性化,采用多项式回归算法建立CIERGB 到CIEXYZ 颜色转换模型,并分析 比较了转换模型所得到的X 、Y 、Z 计算值与实际测量值。 1 显示器屏幕校准和特性化 1.1 实验器材及实验条件 实验器材:型号为长城N700DF 的CRT 显示器;美国X 2Rite 公司Eye 2One Pro 分光光度仪。 软件:Pr ofileMaker Pr o 5.0,MATLAB 7.0。 实验环境:墙壁是标准灰的黑房间。显示器设置[4]:白点色温6500K,伽玛值2.2,亮度100%。 CNKI:21-1560/TS_20101028.1935.000 2010-10-28 19:35https://www.360docs.net/doc/785092848.html,/kcms/detail/21-1560_ts.20101028.1935.000.html

相关文档
最新文档