《数字图像处理》第六章彩色图像处理学习笔记附部分例子代码(C++ & opencv)

彩色图像处理

- [0. 前言](#0. 前言)
- [1. 彩色基础](#1. 彩色基础)
- [2. 彩色模型](#2. 彩色模型)
- [3. 伪彩色图像处理](#3. 伪彩色图像处理)
- - [3.1 灰度分层](#3.1 灰度分层)
  - [3.2 灰度到彩色的变换](#3.2 灰度到彩色的变换)
- [4. 彩色变换](#4. 彩色变换)
- - [4.1 色调和彩色校正](#4.1 色调和彩色校正)
- [5. 基于彩色的图像分割](#5. 基于彩色的图像分割)
- - [5.1 HSI彩色空间的分割](#5.1 HSI彩色空间的分割)
  - [5.2 彩色边缘检测](#5.2 彩色边缘检测)

0. 前言

本章的重点内容就是理解彩色模型, 就是在灰度图像的基础上添加了图像的通道数, 具体的变换与前面的知识类似.

第三版教材中图片下载地址： book images downloads

vs2019配置opencv可以查看：VS2019 & Opencv4.5.4配置教程

前情回顾：
数字图像处理第三章灰度变换和空间滤波学习笔记
 数字图像处理第四章频率域滤波学习笔记

数字图像处理第五章图像复原和重建（内容较简单，就没有详细记录笔记）

后续剧情：
数字图像处理第七章小波域多分辨率处理学习笔记
 数字图像处理第九章形态学图像处理学习笔记
 数字图像处理第十章图像分割学习笔记
 数字图像处理第11章表示和描述学习笔记

1. 彩色基础

基本概念:

亮度: 表示无色的强度概念.
色调: 表示观察者感知的主要颜色.
饱和度: 相对的纯净度, 或一种颜色混合白光的数量.
色度: 色调+饱和度, 对于彩色融合非常有用.

2. 彩色模型

本节介绍了几种模型: RGB模型, HSI模型, 并阐述了模型之间的转换方式

从RGB到HSI的转换:

H分量由下式得到:

H = { θ , B ≤ G 360 − θ , B > G H=\left\{\begin{matrix} \theta,\quad\quad\quad B\leq G \\ 360-\theta,\quad B > G \end{matrix}\right. H={θ,B≤G360−θ,B>G

其中,

θ = arccos ⁡ { 1 2 $( R − G ) + ( R − B ) \[ ( R − G ) 2 + ( R − B ) ( G − B )$ 1 / 2 } \theta=\operatorname{arccos}\left\{{\frac{\displaystyle{\frac{1}{2}} $(R-G)+(R-B)}{\\displaystyle{\\left\[(R-G)\^{2}+(R-B)(G-B)\\right$ ^{1/2}}}}\right\} θ=arccos⎩ ⎨ ⎧ $(R-G)2+(R-B)(G-B)$ 1/221[(R−G)+(R−B)⎭ ⎬ ⎫

饱和度分量由下式得到:

S = 1 − 3 ( R + G + B ) $m i n ( R , G , B )$ S=1-\frac{3}{(R+G+B)} $\\mathrm{min}(R,G,B)$ S=1−(R+G+B)3 $min(R,G,B)$

强度分度由下式:

I = 1 3 ( R + G + B ) I=\frac{1}{3}(R+G+B) I=31(R+G+B)

从HSI到RGB的转换就复杂一些, 需要考虑扇区范围. 这里就不贴出来了

3. 伪彩色图像处理

基于一种指定的规则对灰度值赋以颜色的处理

3.1 灰度分层

指定一个灰度值作为分层, 大于该灰度值的部分赋以一种颜色, 小于该灰度值的部分赋以另一种颜色.

3.2 灰度到彩色的变换

4. 彩色变换

变换模型如同灰度变换:

g ( x , y ) = T $f ( x , y )$ g(x,y)=T{\big $}f(x,y){\\big$ } g(x,y)=T $f(x,y)$

4.1 色调和彩色校正

给出校正函数再实现即可.

5. 基于彩色的图像分割

5.1 HSI彩色空间的分割

opencv分割起来很简单, 使用split函数:

c 复制代码

void test01(string path) {
    Mat img = imread(path);
    if (img.empty()) {
        cout << "Error: unable to load the image\n";
        return;
    }
    //cout << img.channels() << endl;

    resize(img, img, Size(256, 256));


    Mat hsvImg;
    cvtColor(img, hsvImg, COLOR_BGR2HSV);
    vector<Mat> hsvCh;
    split(hsvImg, hsvCh);
    imshow("h channel", hsvCh[0]);
    imshow("s channel", hsvCh[1]);
    imshow("v channel", hsvCh[2]);

    waitKey(0);
}

5.2 彩色边缘检测

opencv有很多实现方式, 这里使用Sobel算子来进行检测: