數(shù)字圖像處理與機器視覺

第0章數(shù)字圖像處理概述第1章Matlab圖像處理編程基礎(chǔ)第7章彩色圖像處理重點：Matlab編程基礎(chǔ)難點：彩色圖像處理12內(nèi)容第一頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識12第0章數(shù)字圖像處理概述第二頁，共99頁。(1)去噪處理的效果圖像處理的典型示例（一）第三頁，共99頁。(1)去噪處理的效果ImageDenoisingBasedonPDEMethod圖像處理的典型示例（二）第四頁，共99頁。(2)去模糊處理的效果圖像處理的典型示例（三）第五頁，共99頁。(2)去模糊處理的效果圖像處理的典型示例（四）第六頁，共99頁。學(xué)術(shù)研討CV——Conference1、ICCV，InternationalConferenceonComputerVision2、CVPR，InternationalConferenceonComputerVisionandPatternRecognition3、ECCV，EuropeanConferenceonComputerVisionCV——JournalBest:

PAMI，IEEETrans.onPatt.AnalysisandMachineIntelligence

IJCV，Inter.Jour.onComp.Vision

Good:

CVIU，ComputerVisionandImageUnderstanding

PR,

PatternReco.Graphics——Conference1、Siggraph，ACMSigGraph2、EuroGraphGraphics——Journal

1、IEEE(ACM)Trans.onGraphics

2、IEEETrans.onVisualizationandComputerGraphics第七頁，共99頁。從CVPR2013看計算機視覺領(lǐng)域的最新熱點1、RGB-D數(shù)據(jù)的分析2、中層patch的分析——在局部特征很難具有足夠的描述力的情況下，中層特征的提取和分析就顯得更加重要。3、深度學(xué)習(xí)以及特征學(xué)習(xí)——在慢慢具備海量數(shù)據(jù)處理能力的今天，深度學(xué)習(xí)確實是解決問題的一個很好的途徑。深度學(xué)習(xí)必須結(jié)合好的特征學(xué)習(xí)，才是解決問題的王道。第八頁，共99頁。從CVPR2014看計算機視覺領(lǐng)域的最新熱點1、深度學(xué)習(xí)（DeepLearning）是當(dāng)下最熱門的方向之一；2、基礎(chǔ)模型研究——3D幾何模型3、Low-levelVision——主要針對圖像本身及其內(nèi)在屬性的分析及處理，比如判斷圖片拍攝時所接受的光照，反射影響以及光線方向，進(jìn)一步推斷拍攝物體的幾何結(jié)構(gòu)；再如圖片修復(fù)，如何去除圖片拍攝中所遇到的抖動和噪聲等不良影響。4、DepthSensor（深度傳感器）及深度圖像相關(guān)第九頁，共99頁。120.1數(shù)字圖像1、數(shù)字圖像是能夠在計算機上顯示和處理的圖像，根據(jù)其特性可分為位圖和矢量圖。位圖通常使用數(shù)字陣列來表示，如BMP、JPG、GIF等矢量圖由矢量數(shù)據(jù)庫表示，如PNG圖形2、數(shù)字圖像模型其對應(yīng)的矩陣模型為其中

代表在坐標(biāo)處的像素色彩或灰度值。0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十頁，共99頁。3、數(shù)字圖像分類二值圖像：0表示黑色，1表示白色灰度圖像：0~255，256級，介于黑色與白色之間的顏色深度。RGB圖像：三原色可以表示顏色各類256*256*256=224索引圖像：作用就是體積小，方便傳輸，只需要把索引表傳輸過去，接收方用對應(yīng)的RGB顏色表還原顏色信息。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十一頁，共99頁。4、圖像的空間分辨率概念：圖像中每單位長度所包含的像素或點的數(shù)目，常以像素/英寸(pixelsperinch,ppi)為單位來表示。分辨率越高，圖像越清晰，圖像文件所需的磁盤空間也越大，編輯和處理所需的時間也越長。

一般來說，采樣間隔越大，所得圖像像素數(shù)越少，空間分辨率低，質(zhì)量差，嚴(yán)重時出現(xiàn)像素呈塊狀的棋盤格效應(yīng)(CheckerboardEffect)；采樣間隔越小，所得圖像像素數(shù)越多，空間分辨率高，圖像質(zhì)量好，但數(shù)據(jù)量大。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十二頁，共99頁。5、圖像的灰度級/輻射計量分辨率概念：灰度級指圖像中可分辨的灰度級數(shù)目。量化等級越多，所得圖層次越豐富，灰度分辨率高，圖像質(zhì)量好，但數(shù)據(jù)量大；

量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現(xiàn)假輪廓現(xiàn)象，圖像質(zhì)量變差，但數(shù)據(jù)量小。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十三頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十四頁，共99頁。（1）圖像預(yù)處理——改善象質(zhì)，以便于目視判讀。校正技術(shù)：對形狀變形的圖象進(jìn)行幾何校正、輻射校正。增強技術(shù)：去除干擾，突出主要特征，包括：平滑與銳化技術(shù)?；謴?fù)技術(shù)：1）去除噪音干擾，恢復(fù)原圖像；

2）運動模糊圖像、退化圖像的恢復(fù)、相位恢復(fù)等。（2）圖像分析：圖像分割，紋理分析，平面幾何參數(shù)，三維參數(shù)測量技術(shù)等。（3）圖像編碼與壓縮：PCM（脈沖編碼調(diào)制），統(tǒng)計編碼，預(yù)測編碼，變換編碼,

無損壓縮,有損編碼等；圖像編碼的國際標(biāo)準(zhǔn),圖像壓縮的國際標(biāo)準(zhǔn)。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十五頁，共99頁。（4）圖像重建：基于變換的重建，卷積法重建，代數(shù)重建，重建的優(yōu)化。（5）圖像修復(fù)：平滑修復(fù)，基于總變分（TV）的修復(fù)，基于PDE的修復(fù)等。（6）圖像識別：模式識別與景物分析

★圖像處理的特點：（1）再現(xiàn)性好：數(shù)字圖像可多次拷貝，不失真，不退化。（2）精度高：采樣量化一定，多次處理可保精度。（3）適用面寬：可處理抽象數(shù)據(jù)、可做非線性處理（光學(xué)處理多為線性處理）0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十六頁，共99頁。圖像處理的應(yīng)用領(lǐng)域森林覆蓋計算，農(nóng)作物估產(chǎn)，水質(zhì)及大氣污染調(diào)查。資源勘探，地圖繪制，地理信息系統(tǒng)（GIS）。森林火災(zāi)監(jiān)護(hù)－－客觀反映火災(zāi)情況、面積。魚群探查，海洋污染檢測；河流分布，水利及水害調(diào)查。軍事偵察，導(dǎo)彈制導(dǎo)，電子沙盤，軍事訓(xùn)練等。身份認(rèn)證：指紋、掌紋、虹膜等識別。醫(yī)學(xué)應(yīng)用：CT、MRI、血管造影、紅外乳腺、顯微病理、電子顯微鏡、遠(yuǎn)程醫(yī)療圖像、皮膚圖象、X線、γ刀與χ刀腦外科等都離不開圖像。工業(yè)圖像：X線控探傷（軸）、X線檢察、三維測量（定位、形狀測量）機器人視覺、商檢。民用：數(shù)碼相機、數(shù)字視頻、照片掃描等。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十七頁，共99頁。

視覺系統(tǒng)的功能結(jié)構(gòu)機器(計算機)視覺要達(dá)到的三個基本目的：(1)根據(jù)一幅或多幅二維投影圖象計算出觀察點到目標(biāo)物體的距離;(2)根據(jù)一幅或多幅二維投影圖象計算出目標(biāo)物體的運動參數(shù)；(3)根據(jù)一幅或多幅二維投影圖象計算出目標(biāo)物體的表面物理特性。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識第十八頁，共99頁。機器(計算機)視覺技術(shù)的應(yīng)用舉例工業(yè)領(lǐng)域（生產(chǎn)裝配、質(zhì)量檢驗）機器人（星球探測機器人）遙感圖像分析（植被分析）醫(yī)學(xué)圖像分析（骨骼定位）安全鑒別、監(jiān)視與跟蹤（門禁系統(tǒng)、視頻監(jiān)控）國防系統(tǒng)（目標(biāo)自動識別與目標(biāo)跟蹤）圖像與視頻檢索（基于內(nèi)容的檢索）文物保護(hù)（數(shù)字博物館）其他（游戲、動畫、體育、人機交互）…………0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識火星車CMU月球探測實驗車Nomad漫游者第十九頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識1、像素的鄰域P的4領(lǐng)域N4(P)P的對角領(lǐng)域ND(P)P的8領(lǐng)域N8(P)+=第二十頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識2、像素間的鄰接，連接和連通像素的鄰接(PixelAdjacency)兩個像素是否鄰接就看它們是否接觸，一個像素和在它鄰域中的像素是接觸的，所以也是鄰接的。鄰接只考慮像素間的空間關(guān)系。第二十一頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識像素的連接(PixelConnectivity)對兩個像素來說，要確定它們是否連接需要考慮兩點：①它們在空間上是否接觸（即它們是否鄰接）②它們的灰度值是否滿足某個特定的相似準(zhǔn)則（例如它們灰度值相等，或同在一個灰度值集合中取值）第二十二頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識以下三種常用的連接：（1）4-連接：2個像素p和r在V中取值且r在N4(p)中，則它們?yōu)?-連接。（2）8-連接：2個像素p和r在V中取值且r在N8(p)中，則它們?yōu)?-連接。（3）m-連接（混合連接）：2個像素p和r在V中取值且滿足下列條件之一，則它們?yōu)閙-連接：①r在N4(p)中；②r在ND(p)中且N4(p)∩N4(r)沒有V值的元素第二十三頁，共99頁。4—連接8—連接m—連接0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識這種m-連接的引入目的之一就是消除8-連接的多路問題。8-連接在像素距離的選擇時有多種路徑，引發(fā)歧義，而m-連接則沒有第二十四頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識像素的連通(pixelConnectivity)定義兩個像素間的通路：從具有像素p（x,y）到像素q（s,t）的一條通路是由一系列具有坐標(biāo)（x0,y0），（x1,y1），…，（xn,yn）的獨立像素組成的。這里（x0,y0）＝（x,y），（xn,yn）=（s,t）,且（xi,yi）與（xi-1,yi-1）相鄰接，其中1≤i≤n，n為通路長度。設(shè)p和q是一個圖像子集S中的2個像素，那么如果存在一條完全由S中的像素組成的從p到q的通路，那么就稱p在S中與q相連通。第二十五頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識例：計算點p和q之間m-通路的長度p=1,q=1第二十六頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識像素間的距離Connectivity)（1）點p和q之間的歐氏（Euclidean）距離:（2）點p和q之間的城區(qū)（city-block）距離:（3）點p和q之間的棋盤（chessboard）距離:p(x,y)q(s,t)歐式距離p(x,y)q(s,t)城區(qū)距離p(x,y)q(s,t)棋盤距離第二十七頁，共99頁。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預(yù)備知識圖像處理的基本算子舉例1）點運算（Pointoperation）：B(i,j)=f[A(i,j)]

例：線性點運算——

DB=f(DA)=aDA+ba>1:對比度增強;0<a<1:對比度減弱a=1&b0:灰度偏移;a<0:對比度倒向.2）代數(shù)運算（Algebraicoperation）C(x,y)=A(x,y)+B(x,y)：降噪平均；雙暴光效應(yīng)等。C(x,y)=A(x,y)-B(x,y)：背景消減；運動檢測等。3）幾何運算（Geometricoperation）●平移●旋轉(zhuǎn)第二十八頁，共99頁?？偨Y(jié)數(shù)字圖像的定義、模型和分類，空間分辨率、灰度級分辨率數(shù)字圖像處理、分析與識別像素的鄰域、像素間的鄰接、連接和連通，像素間的距離、相關(guān)運算第二十九頁，共99頁。1.1Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換12第1章Matlab圖像處理編程基礎(chǔ)1.4讀取和寫入圖像文件1.5圖像的顯示第三十頁，共99頁。MATLAB是一個簡單易用、功能強大的高效編程集成開發(fā)環(huán)境。數(shù)值運算優(yōu)勢符號運算優(yōu)勢(Maple)強大的2D、3D數(shù)據(jù)可視化功能許多具有算法自適應(yīng)能力的功能函數(shù)第三十一頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示菜單欄工具欄文件編輯窗口工作空間歷史命令窗口Start菜單命令窗口命令提示符第三十二頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示1、命令窗口的使用激活命令窗口?！?gt;>”與閃爍的光標(biāo)一起表明系統(tǒng)就緒，等待輸入。命令窗口脫離MATLAB桌面。（1）在MATLAB命令窗口輸入：>>(12+2*(7-4))/3^2（2）按【Enter】鍵，指令執(zhí)行。（3）返回的計算結(jié)果：ans=2第三十三頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示2、常見通用命令命令 含義clc 清除命令窗口的顯示內(nèi)容clear 清除Matlab工作空間中保存的變量who或whos 顯示Matlab工作空間中的變量信息dir 顯示當(dāng)前工作目錄的文件和子目錄清單cd 顯示或設(shè)置當(dāng)前工作目錄type 顯示指定m文件的內(nèi)容Help，doc或lookfor 取在線幫助quit或exit 關(guān)閉/退出MATALB第三十四頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示3、內(nèi)部變量變量名意義ans最近的計算結(jié)果的變量名epsMATLAB定義的正的極小值=2.2204e-16pi圓周率πinf∞值，無限大i或j虛數(shù)單元，sqrt(-1)NaN非數(shù)，0/0、∞/∞nargin函數(shù)輸入?yún)?shù)個數(shù)nargout函數(shù)輸出參數(shù)個數(shù)第三十五頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示4、數(shù)據(jù)類型及其轉(zhuǎn)換變量名意義doubleMATLAB中最常見也是默認(rèn)的數(shù)據(jù)類型uint8,int88位無符號整數(shù)，8位有符號整數(shù)uint16,int1616位無符號整數(shù)，16位有符號整數(shù)uint32,unit3232位無符號整數(shù)，32位有符號整數(shù)single單精度浮點數(shù)char字符型變量logical布爾型變量第三十六頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（1）定義：A=[1,2,3;4,5,6;7,8,9]A=

1 2 3

4 5 6

7 8 9V=[2:1:10]，或省略間隔為1的中間參數(shù):V=[2:10]V=

2345678910第三十七頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（2）生成矩陣的函數(shù)函數(shù)名稱用途函數(shù)名稱用途eye產(chǎn)生單位矩陣Linspace產(chǎn)生線性等分的矩陣zeros產(chǎn)生全部元素為0的矩陣Logspace產(chǎn)生對數(shù)等分向量ones產(chǎn)生全部元素為1的矩陣Company產(chǎn)生伴隨矩陣true產(chǎn)生全部元素為真的邏輯矩陣Hadamarb產(chǎn)生Hadamarb矩陣false產(chǎn)生全部元素為假的邏輯矩陣Magic產(chǎn)生幻方矩陣rand產(chǎn)生均勻分布隨機矩陣Hilb產(chǎn)生Hibert矩陣randn產(chǎn)生正態(tài)分布隨機矩陣Invhilb產(chǎn)生逆Hilbert矩陣randperm產(chǎn)生隨機排列第三十八頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（3）提取矩陣元素或子塊的方法命令用途A(m,n)提取m行n列位置的一個元素A(:,n)提出第n列A(m,:)提出第m行A(m1:m2,n1:n2)提出m1到m2行，n1到n2列的一個子塊A(m:end,n)提出第m行到最后一行，第n列的一個子塊A(:)將矩陣按列存儲得到一個長列向量第三十九頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（4）矩陣的運算運算符號對應(yīng)函數(shù)說明加+plus(A,B)減-minus(A,B)乘*mtimes(A,B)點乘.*times(A,B)兩個同樣大小的矩陣對應(yīng)元素相乘乘方.^mpower(A,B)對矩陣的每一個元素進(jìn)行指定冪次的乘方矩陣乘方^power(A,B)矩陣左除\mldevide(A,B)A\B等價于inv(A)*B矩陣右除/mrdevide(A,B)A/B等價于B*inv(A)左除.\ldevide(A,B)矩陣中對應(yīng)位置的元素的左除右除./rdevide(A,B)矩陣中對應(yīng)位置的元素的右除矩陣與向量轉(zhuǎn)置.’transpose(A,B)復(fù)數(shù)矩陣轉(zhuǎn)置’ctranspose(A,B)第四十頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示6、運算符和表達(dá)式運算數(shù)學(xué)表達(dá)式MATLAB運算符MATLAB表達(dá)式加a+b+a+b減a-b-a-b乘axb*a*b除a/b或a\b/或\a/b或a\b冪^a^b<、>、<=、>=、==、~=（不等于）&（與）、|（或）、~（非）第四十一頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示7、常用的邏輯函數(shù)和矩陣函數(shù)函數(shù)用途函數(shù)用途all是否所有元素非零flipud上下翻轉(zhuǎn)any是否至少有一元素非零inv求逆矩陣isempty是否空矩陣lu三角分解isequal是否兩矩陣相同norm求范數(shù)isinf判斷有無inf元素orth正交化isnan判斷有無nan元素poly求特征多項式isreal判斷是否實矩陣qr正交三角分解find返回一個由非零元素下標(biāo)組成的矩陣rank求矩陣的秩det計算方陣對應(yīng)的行列式值svd奇異值分解diag抽取對角線元素trace求矩陣的跡eig求特征值和特征向量trill抽取上三角陣fliplr左右翻轉(zhuǎn)tnu抽取下三角陣第四十二頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示8、Matlab流程控制例1：產(chǎn)生一幅亮度按對角線方向的余弦規(guī)律變化的灰度圖，比較一維方法和二維方法所需的時間。第四十三頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示8、Matlab流程控制例2：使用meshgrid函數(shù)生成坐標(biāo)網(wǎng)格，同時繪制高斯函數(shù)：第四十四頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示9、Matlab函數(shù)函數(shù)的定義：function[output]=name(input)functionname(args)函數(shù)的命名為functionname.m函數(shù)的調(diào)用：[a]=name(input);name(args);第四十五頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示亮度圖像/灰度圖像RGB圖像索引圖像二值圖像第四十六頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示1、圖像格式轉(zhuǎn)換函數(shù)函數(shù)描述gray2ind從灰度圖轉(zhuǎn)換成索引圖[X,MAP]=gray2ind(I,N);X為圖像數(shù)據(jù)，MAP為顏色表，N為索引顏色數(shù)目grayslice使用閾值法從灰度圖創(chuàng)建索引圖X=grayslice(I,N);X=grayslice(I,V);X為輸出的索引圖像，N為閾值個數(shù)，V為給定的閾值向量im2bw使用閾值法從灰度圖、索引圖或RGB圖創(chuàng)建二值圖ind2gray從索引圖創(chuàng)建灰度圖ind2rgb從索引圖創(chuàng)建RGB圖mat2gray使用歸一化方法將一個矩陣中的數(shù)據(jù)擴展成對應(yīng)的灰度圖rgb2gray從RGB圖創(chuàng)建灰度圖rgb2ind從RGB圖創(chuàng)建索引圖第四十七頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示2、圖像數(shù)據(jù)類型轉(zhuǎn)換函數(shù)im2uint8將圖像轉(zhuǎn)換為unit8類型im2uint16將圖像轉(zhuǎn)換為unit16類型im2double將圖像轉(zhuǎn)換為unit32類型第四十八頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示imread

A=imread(FILENAME,FMT);讀取圖像文件（BMP,GIF,PNG,JPEG,andTIFF）imwrite imwrite(A,FILENAME,FMT);保存圖像imfinfo imfinfo(FILENAME,FMT);讀取圖像文件中的屬性信息例3：讀入一幅tif圖像文件，并在寫入磁盤時將bmp圖像轉(zhuǎn)換為jpg圖像。第四十九頁，共99頁。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉(zhuǎn)換1.4讀取和寫入圖像1.5圖像的顯示imshow 顯示圖像imshow(filename)imshow(I,MAP)imshow(I,[lowhigh],param1,value1,param2,value2,…)figure

彈出顯示窗口subplot(m,n,i)

子窗口顯示zoomon 開放圖像縮放例4：顯示圖像。第五十頁，共99頁。總結(jié)Matlab命令窗口、幫助、變量的使用，矩陣的使用，數(shù)學(xué)函數(shù)，流程控制Matlab的圖像轉(zhuǎn)換讀取和寫入圖像文件圖像的顯示第五十一頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)12第7章彩色圖像處理第五十二頁，共99頁。1666年,Newton：紅、橙、黃、綠、青、藍(lán)、紫red,orange,yellow,green,cyan,blue,violet第五十三頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)1、人眼看到的彩色圖9.1可見范圍電磁波譜的波長組成（微米）第五十四頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)2、顏色是外來的光刺激作用于人的視覺器官而產(chǎn)生的主觀感覺，它具有色調(diào)、飽和度和亮度三個特性。色調(diào)（hue）又稱為色相，是當(dāng)人眼看到一種或多種波長的光時所產(chǎn)生的彩色感覺，它反映顏色的種類。飽和度（saturation）是指顏色的純度，可用來區(qū)別顏色的深淺程度?；烊氲陌坠庠缴伲柡投仍礁?，顏色越鮮明。亮度（intensity）是視覺系統(tǒng)對可見物體輻射或者發(fā)光多少的感知屬性。通常把色調(diào)和飽和度稱為色度（chromaticity）。亮度表示顏色的明亮程度，而色度則表示顏色的類別與深淺程度。第五十五頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、三原色光的三基色：red,green,blue顏料的三基色:magenta(洋紅色),cyan(青色),yellowMagenta=Red+BlueCyan=Blue+GreenYellow=Red+Green加色法減色法第五十六頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、三原色原理：任何顏色都可以用3種不同的基本顏色按照不同比例混合得到，即C=aC1+bC2+cC3a，b，c>=0為三種原色的權(quán)值或者比例，C1、C2、C3為三原色（又稱為三基色）。第五十七頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)形成任何特殊顏色需要的紅、綠、藍(lán)的量稱做三色值，并分別表示為X，Y，Z。進(jìn)而，一種顏色可用它的3個色系數(shù)表示，它們分別是：從以上公式可得：

x+y+z=1

第五十八頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)4、彩色到灰度的轉(zhuǎn)換相同亮度的三原色，人眼看去的感覺是，綠色光的亮度最亮，而紅色光其次，藍(lán)色光最弱。如果用Y來表示白色光，即光的亮度(灰度)，則有如下關(guān)系：

Y=0.299R+0.587G+0.114B第五十九頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)5、CIE色度圖1931年CIE制定了一個色度圖，如圖所示，圖中橫軸代表紅色色系數(shù)，縱軸代表綠色色系數(shù)，藍(lán)色系數(shù)可由：z=1-(x+y)求得。例如，標(biāo)記為綠的點有62%的綠和25%的紅成分，從而得到藍(lán)的成分約為13%。第六十頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)彩色模型（也稱彩色空間或彩色系統(tǒng)）的用途是在某些標(biāo)準(zhǔn)下用通?？山邮艿姆绞胶喕噬?guī)范。本質(zhì)上，彩色模型是坐標(biāo)系統(tǒng)和子空間的規(guī)范。位于系統(tǒng)中的每種顏色都由單個點來表示。RGB，CMY、CMYK，HSI，HSV，YUV，YIQ第六十一頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)1、RGBCCD技術(shù)直接感知R、G、B三個分量是圖像成像、顯示、打印等設(shè)備的基礎(chǔ)第六十二頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)1、RGB考慮RGB圖像，其中每一幅紅、綠、藍(lán)圖像都是一幅8bit圖像，在這種條件下，每一個RGB彩色像素有24bit深度（3個圖像平面乘以每平面比特數(shù)，即3×8）。24bit的彩色圖像也稱全彩色圖像。在24bitRGB圖像中顏色總數(shù)是224=16777216。第六十三頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)1、RGB例1：生成一幅128*128的RGB圖像，該圖像左上角為紅色，左下角為藍(lán)色，右上角為綠色，右下角為黑色。在Matlab中，若一幅RGB圖像是double類型的，則其取值范圍在[0,1]之間，而如果是uint8或者uint16類型的，則取值范圍分別是[0,255]和[0,65535]。B=cat(dim,A1,A2,A3,…)

其中，dim為維數(shù)，cat函數(shù)將A1，A2，A3等矩陣連接成維數(shù)為dim的矩陣。第六十四頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)2、CMY、CMYKCMY（青、深紅、黃），運用在大多數(shù)在紙上沉積彩色顏料的設(shè)備，如彩色打印機和復(fù)印機CMYK（青、深紅、黃、黑）打印中的主要顏色是黑色等量的CMY原色產(chǎn)生黑色，但不純在CMY基礎(chǔ)上，加入黑色，形成CMYK彩色空間第六十五頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)2、CMY、CMYKRGB→CMYRGB→CMYK負(fù)像（ColorNegatives）

R1–R G1–G B1–B第六十六頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)2、CMY、CMYK例2：實現(xiàn)RGB和CMY的相互轉(zhuǎn)換在Matlab中，imcomplement函數(shù)實現(xiàn)RGB和CMY之間的轉(zhuǎn)換。第六十七頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIHSI（色調(diào)、飽和度、亮度）兩個特點：I分量與圖像的彩色信息無關(guān)H和S分量與人感受顏色的方式是緊密相連的避免顏色受到光照明暗(I)等條件的干擾僅僅分析反映色彩本質(zhì)的色調(diào)和飽和度廣泛用于計算機視覺、圖像檢索和視頻檢索第六十八頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSI色度H（Hue）由角度表示，彩色的色度反映了該彩色最接近什么樣的光譜波長（即彩虹中的哪種顏色）。假定0o的彩色為紅色，120o的為綠色，240o的為藍(lán)色。色度從0o~360o覆蓋了所有可見光譜的彩色。第六十九頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSI飽和度S（Saturation）用矢量長表示，三角形邊上點的S=1，中心S=0.亮度I（Intensity）截平面在I軸上的位置，最底端I=0，最上端I=1.柱形彩色空間第七十頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIRGB轉(zhuǎn)換成HSI模型從RGB到HSI的變換是一個非線性變換。對任何三個在[0，1]范圍內(nèi)的R，G，B值，，，第七十一頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIRGB轉(zhuǎn)換成HSI模型

chapter7/code/usergb2hsi.m3：實現(xiàn)RGB轉(zhuǎn)換到HSI的函數(shù)rgb2hsi，并調(diào)用該函數(shù)。第七十二頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIHSI轉(zhuǎn)換成RGB模型用等亮度面表示HIS模型HIS模型色調(diào)角度坐標(biāo)第七十三頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIHSI轉(zhuǎn)換成RGB模型第七十四頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)3、HSIHSI轉(zhuǎn)換成RGB模型第七十五頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)4、HSV色調(diào)H（Hue）,飽和度S（Saturation）,值V（Value）HSV對應(yīng)于畫家的配色方法：在純色中加入白色改變色濃，加入黑色改變色深。第七十六頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)4、HSVRGB到HSV模型的轉(zhuǎn)換第七十七頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)4、HSVHSV到RGB模型的轉(zhuǎn)換第七十八頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)人眼對彩色細(xì)節(jié)的分辨能力遠(yuǎn)比對亮度細(xì)節(jié)的分辨能力低，通常把RGB空間表示的彩色圖像變換到Y(jié)UV或者YIQ顏色空間。每一種彩色空間都產(chǎn)生一種亮度分量和兩種色度分量，而且亮度信號(Y)和色度信號(U、V)是相互獨立的。彩色電視信號中采用YIQ或者YUV空間一是為了兼容黑白電視，二是為了實現(xiàn)壓縮。YCbCr主要用于數(shù)字電視。第七十九頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)5、YUVY指亮度，也可提供黑白電視機的所有影像信息U和V指色調(diào)，U和V的比值決定色調(diào)，而(U2+V2)1/2代表顏色的飽和度。第八十頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)5、YUVRGB轉(zhuǎn)換成YUVYUV轉(zhuǎn)換成RGB第八十一頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)6、YIQYIQ模型與YUV模型類似，用于NTSC制式的電視系統(tǒng)。I和Q分量相當(dāng)于將YUV空間中的UV分量做了一個33度的旋轉(zhuǎn)。RGB轉(zhuǎn)換成YIQ第八十二頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)兩類處理方法：1、單獨處理顏色空間的每一個通道，再復(fù)合成結(jié)果圖像；2、把像素的顏色看作顏色空間中的一個點，也可以看作是一個向量，在向量空間中處理圖像。第八十三頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)第八十四頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)1、彩色圖像的常規(guī)處理——彩色變換第八十五頁，共99頁。7.1彩色基礎(chǔ)7.2彩色模型7.3全彩色圖像處理基礎(chǔ)2、彩色圖像的常規(guī)處理——圖像分割例1：消除紅眼（redeye）算法:（基于HSI顏色空間實現(xiàn)圖像分割）（1）RGBHSI（2）if-pi/4<Hue<pi/4

andSaturation>0.3 makeitgray: