文章目录
6.1 彩色基础
区分不同颜色的特性？
区分不同颜色的特性通常是亮度、色调和饱和度。
- 亮度：亮度体现的是发光强度的消色概念（不包含颜色的概念）
- 色调：表示被观察者感知的主导色，通常是混合光波中与主波长相关的属性
- 饱和度：饱和度是相对纯度，指的是与一种颜色混合的白光量，饱和度和所加的白光量是成反比的
CIE 色度图有等能量点的概念，等能量点处的饱和度是零。
为什么我们在 RGB、CMY 和 CMYK 模型建立以后要运用 HSI 颜色模型？
我们人类不认为彩色图像是由 3 幅原色图像合成的单幅图像。同时已知每种原色的百分比，我们并不能给出一辆汽车的颜色。可以说 RGB 对于图像彩色生成而言是理想的，但对于颜色描述而言则存在许多局限性。
光的三原色：红绿蓝 RGB；
颜料的三原色：青色、深红色、黄色 CMY；
色度图对于色彩混合而言非常有用，因为色度图中连接任意两点的直线段定义了所有不同颜色的变化，这些颜色可由这两种颜色以不同的比例相加得到。
6.2 彩色模型
就数字图像处理而言，实际中最常用的面向硬件的模型有：
-
针对 彩色显示器 和 彩色摄像机 开发的 RGB( 红、绿、蓝 模型
-
针对 彩色打印 开发的 CMY( 青 Cyan 、 粉红 Magenta 、 黄 Yellow) 模型 和 CMYK( 青 、粉红 、黄 、黑 Black）模型
-
针对人们描述和解释颜色的方式 开发的 HSI( 色调 Hue、饱和度Saturation、亮度 Intensity) 模型 。 HSI 模型还有一个优点，即它能解除图像中颜色和灰度级信息的联系，使其更适合于本书中给出的许多 灰度级处理技术。
6.2.4 设备无关彩色模型
L*a*b 模型
6.3 假彩色图像处理
6.3.1 灰度分层和彩色编码
按照图像的物理性质细分灰度时，灰度分层的意义和作用更大。
6.3.2 灰度到彩色的变换
6.4 全彩色图像处理基础
全彩色图像处理方法分为两大类
- 首先分别处理每幅灰度级分量图像，然后将处理后的各幅分量图像合成为一幅彩色图像；
- 直接处理彩色像素 。
6.5 彩色变换
6.5.2 补色
6.5.3 彩色分层
突出图像中某个特定的彩色范围，有助于将目标从周围分离出来。
6.5.4 色调（Tone）和彩色校正
图像的色调范围也称 主特性 是指图像中 颜色亮度的一般分布可分为 高主特性 、 中主特性 和 低主特性 图像 。
我们通常希望彩色图像的亮度在 高光 和 阴影 之间是 等间隔 分布的 。
6.5.5 彩色图像的直方图处理
HSI 彩色空间 是适合这类方法的理想空间。
掌握彩色图像平滑和边缘检测的编程实现
6.16
C = ( 1 − R ) C ′ = ( 1 − R ′ ) M = ( 1 − G ) M ′ = ( 1 − G ′ ) Y = ( 1 − B ) Y ′ = ( 1 − B ′ ) \begin{array}{c} C=(1-R)\quad&C^{\prime}=\left(1-R^{\prime}\right) \\ M=(1-G)\quad&M^{\prime}=\left(1-G^{\prime}\right) \\ Y=(1-B)\quad&Y^{\prime}=\left(1-B^{\prime}\right) \end{array} C=(1−R)M=(1−G)Y=(1−B)C′=(1−R′)M′=(1−G′)Y′=(1−B′)
让亮度降低在RGB颜色模型中的公式如下：
R ′ = k R R^{\prime}=k R R′=kR
即：
1 − C ′ = k ( 1 − C ) 1-C^{\prime}=k(1-C) 1−C′=k(1−C)
因此，我们很容易推导得出
C ′ = 1 − k ( 1 − C ) = 1 − k + k C = k C + ( 1 − k ) \begin{aligned} C^{\prime} & =1-k(1-C) \\ & =1-k+k C \\ & =k C+(1-k) \end{aligned} C′=1−k(1−C)=1−k+kC=kC+(1−k)