1. 色度學基礎

電磁光波譜組成:

1.1 三基色原理

人眼的視網膜上存在大量能在適當亮度下分辨顏色的錐狀細胞，它們分別對應紅、綠、藍三種顏色，即分別對紅光、綠光、藍光敏感。由此，紅（R）、綠（G）、藍（B）這三種顏色被稱為三基色。

三基色原理：

自然界中的絕大部分色光都可以用特殊選定的三種基本單色光復合而成。

國際照明委員會（CIE）選擇 紅色（波長700.00nm）, 綠色（波長546.1nm）, 藍色（波長435.8nm）三種顏色作為標色系統的三基色。

根據人眼的三基色吸收特性，人眼所感受到的顏色其實是三種基色按照不同比例的組合。

任意彩色C 可表示為：C = R + G + B

1.1.1 光的三基色

加色法：

紅+藍=品紅

紅+綠=黃

綠+藍=青

R+G+B=W

1.1.2 顏色的三基色

**減色法：**自然光照射在物體上，物體反射的光線即為物體的顏色（我們看到的光線）。

C=G+B=W-R(減紅原色) 青

M=R+B=W-G(減綠原色) 品紅

Y=R+G=W-B(減藍原色) 黃

在印刷行業，以色料減色法為基礎的基本模型為CMY，但是目前生產不出理想品質的幽默，所以實用模型是CMYK，其中K為黑色（作用：強調暗色，加深暗部色彩，因為實際應用中青色、品紅、黃色疊加很難形成真正的黑色）

2. 顏色模型

人眼視覺的感受顏色可用色調（hue）、飽和度（saturation）和亮度（brightness）來表示。

• 色調：它表示顏色的種類，取決于主波長；
• 飽和度：表示顏色濃淡的物理量。通常用混入白光量的比例來衡量（加入白光越多即飽和度越低）；
• 亮度（灰度）：人眼所感受到的顏色敏感程度的物理量。

CIE 色度圖：

越接近邊緣線，色度越飽和，越接近中心越欠飽和，中心為白色。邊緣線上的顏色即為純色。

2.1 顏色模型

各種表示顏色的方法，稱作顏色模型。目前使用最多的是面向機器（如顯示器、攝像機、打印機等）的RGB模型和面型顏色處理（也面向人眼視覺）的HSI（HSV）模型。

2.1.1 RGB模型

在三維直角坐標系中，用相互垂直的三個坐標軸代表R、G、B三個分量，并將R、G、B分別限定在[0,1]，則該單位正方體代表顏色空間，其中的一個點就代表一種顏色。

其中遠點代表黑色，離遠點最遠的點為白色，黑白之間的線上則為灰度值。

下圖是：RGB24比特彩色立方體圖像

2.1.2 HSI模型

HSI 模型利用顏色的三個屬性色調H（hue）、飽和度S（saturation）和亮度I（intensity）組成一個表示顏色的圓柱體，如圖：

2.1.3 RGB 和 HSI 之間的模型轉換

1）RGB 轉換到 HSI

公式：

2）HSI 轉換到 RGB（三種情況）

3. 人的視覺特性

由于時間關系，后續再補充此節內容

4. 圖像數字化

原理：圖像數字化就是將一幅畫面轉化成計算機能處理的形式——數字圖像的過程

• 就是把一幅圖畫分割成如圖的一個個小區域（像元或像素），并將各小區域 灰度用整數來表示，形成一幅點陣是的數字圖像。

• 它包括采樣和量化兩個過程。像素的屬性=（位置，灰度/顏色）。

4.1 圖像數字化過程

一幅圖像采樣和量化后的函數，就可以表示為數字圖像。

4.1.1 采樣

• 將空間上連續的圖像變換成離散點的操作稱為采樣。

• 采樣間隔：

  • 采樣點之間的距離。

4.1.2 量化

• 將像素灰度轉換成離散的整數值的過程。
• 一幅數字圖像中不同灰度值的個數稱為灰度級，用 G 表示一幅數字圖像中不同灰度值的個數稱為灰度級，用 G 表示。一般數字圖像灰度技術G為2的整數冪，即 G=2^g (2的g次方)，g為量化bit數。若一幅數字圖像的量化灰度級數G=256=2 ⁸ 級，灰度值范圍0~255，常稱為 8 bit 量化。
• 圖像數據量：一幅 M x N、 灰度級為G 的圖像所需的存儲空間 M x N x g (bit) 為圖像數據量。

因此連續圖像到數字圖像的轉化過程如下：

連續圖像——> 采樣 ——> 量化 ——> 數字圖像。

4.2 采樣、量化參數與數字化圖像間的關系

4.2.1 采樣

• 采樣間隔越大，所得圖像像素越少，空間分辨率低，質量越差；
• 采樣間隔越小，所得圖像像素越多，空間分辨率高，圖像質量好，但數據大。

4.2.2 量化

• 量化等級越多，所得圖像層次越豐富，灰度分辨率越高，質量越好，但數據量大；

• 量化等級越少，所得圖像層次欠豐富，灰度分辨率越低，質量變差，會出現假輪廓現象，但數據量小。

4.3 數字圖像的表示

數字圖像用矩陣來描述：

以一幅數字圖像 F 左上角像素中心為坐標原點，一幅 m x n 的數字圖像用矩陣來表示為：

數字圖像根據灰度級數的差異可分為：黑白圖像、灰度圖像和彩色圖像。

4.3.1 黑白圖像

圖像的每個像素只能是黑或者白，沒有中間的過渡，故又稱二值圖像。二值圖像的像素值為0或者1。

4.3.2 灰度圖像

每個像素的信息由一個量化的灰度來描述的圖像，沒有彩色信息。字節（8位）可表示256級灰度 [0，255]。

4.3.3 彩色圖像

彩色圖像是指每個像素有 R、G、B 分量構成的圖像，其中 R、G、B 是由不同的灰度級來描述。3個字節（24位）可表示一個像素。

4.4 數字圖像的特點

• 信息量大：一幅遙感圖像 N = 1024，G = 2⁸ = 256，則容量 = N²K = 8Mb

• 占用頻帶寬：

  ? 與語音信息相比，圖像信息占用的帶寬要打幾個數量級。處理難度大，成本高。這就對圖像（頻帶）的壓縮提出了必須的要求。

• 像素間相關性大：

  • 同福圖像相鄰像素間具有相同（或相近）灰度的可能性；
  • 運動圖像的相鄰幀對應像素間的相關性更大。
  • 綜上兩點說明，圖像壓縮的可能性很大

• 視覺效果的主觀性大：

  • 圖像是圖和像的有機結合，在處理中充分考慮人的視覺特點。

5. 灰度直方圖

5.1 概念

圖像灰度直方圖是反映一幅圖像中各個灰度級像素出現的頻率與灰度的關系。以灰度級為橫坐標，頻率為縱坐標，繪制頻率同灰度級的關系圖就是一幅弧度圖像的直方圖。它是圖像的一個重要特征，反映了圖像灰度分布的狀況。

如圖是一幅灰度直方圖：

頻率計算式為: V_i = n_i /n ，

• V_i 表示：灰度級為 i 像素出現的頻率；
• n_i 表示：灰度級為 i 出現的像元個數；
• n 表示：圖像的總像素。

5.2 灰度直方圖的性質

• 灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置，即丟失了像素的位置信息。

• 一幅圖像對應唯一的灰度直方圖，反之則不成立。不同的圖像可對應相同的直方圖。

  • 例如：
    

• 一幅圖像分成多個區域，多個區域的直方圖之和即為原圖像的直方圖。

6. 像素間的基本關系

一幅圖像由基本單元像素組成，像素間存在著一定的關系，包括鄰域、鄰接和連通，以及像素間的距離。

6.1 像素的鄰域

對于任一像素（i，j），該像素周圍的像素構成的集合{（i+p，j+p）， p、q取合適的整數}，叫做該像素的鄰域。

• 4——鄰域 N₄ §：包括水平和垂直4個鄰近像素；
• 8——鄰域 N₈ §：包括水平、垂直和對角8個鄰近像素；
• 對角鄰域 N_D §：包括對角的4個鄰近像素。

6.2 鄰接與連通

6.2.1 鄰接

判斷是否鄰接有兩個必要條件：

• 兩個像素是否鄰域
• 兩個像素的灰度值滿足特定的相似規則

令V 表示關于鄰接的灰度值集合（相似準則）。

a、4-鄰接：

像素p和q的灰度值都屬于V，且q在集合N₄ § 中，則稱像素p和q是 4-鄰接

b、8-鄰接：

像素p和q的灰度值都屬于V，且q在集合N₈ § 中，則稱像素p和q是 8-鄰接

c、m-鄰接：

像素p和q的灰度值都屬于V，如滿足下列條件之一：

1）、q在集合N₄ § 中；

2）、q在集合N_D §中，且集合 N₄ §∩N₄ (q) 中的像素的灰度值不屬于V。

則稱像素p和q是m-鄰接的。

總結

以上是生活随笔為你收集整理的图像处理 --- 二、数字图像处理基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。