当前课程知识点:现代图像分析 > 第二章 数字图像处理基础 > 2.1 色度学基础 > 2.1.2 颜色模型学习视频
同学们好,今天我们给大家介绍色度学中的颜色模型
我们知道,人眼视觉感受到的颜色
可以用色调、饱和度和亮度来表示
其中色调是它表明了颜色的种类,取决于主波长
色调表示观察者接收到的主要的颜色
这样当我们说一个物体是红色、橘黄色、黄色的时候
指的就是它的色调
而饱和度表示的是颜色浓淡的物理量
通常用混入白光的比例来进行度量
那么纯谱色是全饱和的,粉红色这些都是欠饱和的
因为像粉红色是红色加了白色
饱和度和所加的白光的数量是成反比的
那么其中呢,所加的白光的数量越多饱和度就越低
另外一个是辉度,也就是说
人眼所感受到的颜色的明暗程度的这样的一个物理量
亮度是人们所感受到的颜色明暗程度的物理量
在1931年国际照度委员会制定了一个色度图
这个色度图是我们屏幕上给大家显示的
其中 X轴方向表示的是红色的色系数
而纵轴表示的是绿色的色系数
其中蓝色色系数是由于我们知道
三种红绿蓝三个色系数之和是等于1的
所以蓝色色系数就等于1减去红色色系数减去绿色色系数
那么从380纳米的紫色到780纳米的红色,从紫色到红色
那么这些各种谱色的位置
都标在这种舌形的色度图的最外面 这个边界上
那么这些都是谱图中的一种纯色
任何不在边界上而在色度图内部的点
都表示的是谱色的一个混合色
位于色度图边界上的任何点都是全饱和的
也就是说 在整个这个边界上面所分布的点
它所对应的颜色都是全饱和的
如果一个点离开了边界 并且接近等能量点
在这个色度图中我们有一个等能量点,这是等能量点
那么这个点呢 彩色的这个点离等能量点越近
表示添加的白光是越多的,那这个时候它的饱和度就越低
等能量点的饱和度是为零的
那为了正确使用颜色,我们就需要建立颜色模型
各种表示颜色的方法就称作是颜色模型
目前使用比较广泛的是一种是面向机器的
这种模型是RGB模型,另外一种是面向颜色处理的叫HSI模型
RGB模型就是在三维直角坐标系里面
用相互垂直的三个坐标轴,分别表示红、绿、蓝三个分量
并且我们把红、绿、蓝三个分量分别限制在0到1范围之内
那么就形成在三维直角坐标系中,就形成了一个单位的正方体
这个单位正方体就能够表示一个颜色空间
其中任何一个点能够表示一种颜色
我们看一下
这就是我们给大家显示的一个RGB模型的一个颜色模型
是一个单位的立方体,其中的原点表示的是黑色
离原点最远的那个顶点对应的是白色
那么我们所研究的这个灰度图像呢,所有的这些灰度值
就是从原点到离原点最远的这个顶点的这一条连线上
就分布在这上面
那立方体中不同的点对应了不同的颜色
这是我们说的RGB模型
下面这个图中 ,我们给出了大家一个24比特的彩色立方体
在RGB空间中
用来描述每一个像素的比特数就叫做像素的深度
考虑RGB图像 ,因为每一幅图像红绿蓝
每一幅图像如果都是一个8比特的图像的话
那么在这种条件下
每一个RGB彩色的像素 就称作是有24比特的深度
一般情况下,我们把24比特的彩色图像就叫做全彩色图像
在24比特的RGB图像中,颜色的总数应该是256的三次方
那么一共有16777216种颜色,就是RGB模型
另外一种常用的颜色模型是HSI模型
HSI模型利用了颜色的三个属性,分别是色调、饱和度和亮度
那么他们组成了一个表示颜色的圆柱体
在HSI模型中,这个轴线方向表示的是亮度
其中最底部表示的是最暗 ,顶部是最亮的
圆柱体的横截面形成了一个色环,色环的圆心是灰色的
圆心以外的部分表示彩色,其中角度表示了色度
零度表示的是红色,120度表示的是绿色
240度表示的是蓝色
另外 圆心到彩色点的半径的长度表示了饱和度
比如说 我们有一个点在这儿 ,那么他到圆心的距离
他大小表明了这个饱和度是高还是低
离圆心越远,表示饱和度越高
那么在这个圆的最外侧
这个圆周上的所有的点它都是全饱和的,是一个纯谱色
我们知道 RGB模型是面向机器的
HSI模型是与人的颜色感知一对应
因此在实际应用中经常会用到
用RGB模型和HSI模型之间要进行相互的转换
下面我们给出了转换公式
首先第一种是从RGB转换到HSI
分别用这样的三个公式,I等于3分之1的R加G加B
S等于1减去R加G加B分之3倍的RGB中的最小值
还有H由这个公式来进行计算
这是RGB转换到HSI模型
同样我们也可以把HSI模型转换到RGB模型
这个地方有一点不同,就是HSI模型转换到RGB模型的时候
我们要把H的取值分三种情况来考虑
当H的值在0到120度的时候
我们的RGB三个分量由这三个公式来进行计算
当H是120度到240度的时候,由这样三个公式进行计算
当H是240度到360度之间的时候
RGB由这样的三个公式来进行计算
当然 除了刚才介绍的两种颜色模型以外
还有XYZ模型、Lab模型以及YUV模型等等
那在实际应用中我们可以根据具体情况合理的选择相应的模型
好,今天的主要内容就介绍到这里
谢谢大家 再见
-1.1 图像及图像的基本概念
--1.1.2 图像及图像的基本概念作业
-1.2 数字图像处理的起源
--1.2.2 数字图像处理的起源作业
-1.3 数字图像处理的步骤和方法
--1.3.2 数字图像处理步骤和方法作业
-1.4 数字图像处理系统的组成
--1.4.2 数字图像处理系统的组成作业
-1.5 数字图像处理主要应用领域
--1.5.2 数字图像处理主要应用领域作业
-2.1 色度学基础
--2.1.3 色度学基础作业
-2.2 人的视觉特性
--2.2.1 人的视觉特性作业
-2.3 图像数字化
--2.3.2 图像数字化作业
-2.4 数字图像特点
--2.4.2 数字图像特点作业
-3.1 图像变换的基本概念
--3.1.2 图像变换的基本概念作业
-3.2 图像的几何变换
--3.2.2 图像的几何变换作业
-3.3 图像的离散傅立叶变换
--3.3.2 图像的离散傅立叶变换作业
-3.4 图像变换的一般表示形式
--3.4.2 图像变换的一般表示形式作业
-3.5 图像的离散余弦变换
--3.5.2 图像的离散余弦变换作业
-3.6 图像离散沃尔什-哈达玛变换
--3.6.2 图像离散沃尔什-哈达玛变换作业
-3.7 K-L变换
--3.7.2 K-L变换作业
-4.1 图像的对比度增强
--4.1.2 图像的对比度增强作业
-4.2 直方图修正
--4.2.3 直方图修正作业
-4.3 图像平滑
--4.3.4 图像平滑作业
-4.4 同态滤波
--4.4.2 同态滤波作业
-4.5 图像锐化
--4.5.2 图像锐化作业
-4.6 图像的彩色增强
--4.6.2 图像的彩色增强作业
-5.1 退化模型及常见退化模型
--5.1.2 退化模型及常见退化模型作业
-5.2 图像的无约束恢复
--5.2.2 图像的无约束恢复作业
-5.3 图像有约束最小二乘恢复
--5.3.2 图像有约束最小二乘恢复作业
-6.1 概述
--6.1.1 概述作业
-6.2 图像编码基本理论
--6.2.2 图像编码基本理论作业
-6.3 无损编码理论
--6.3.2 无损编码理论作业
-6.4 霍夫曼编码
--6.4.2 霍夫曼编码作业
-6.5 算数编码
--6.5.2 算数编码作业
-6.6 预测编码
--6.6.2 预测编码作业
-6.7 正交变换编码
--6.7.2 正交变换编码作业
-7.1 图像分割的定义及依据
--7.1.2 图像分割的定义及依据作业
-7.2 边缘点检测
--7.2.2 边缘点检测作业
-7.3 边缘线跟踪
--7.3.3 边缘线跟踪作业
-7.4 门限化分割
--7.4.2 门限化分割作业
-7.5 区域分割法
--7.5.2 区域分割法作业
-7.6 聚类分割法
--7.6.3 聚类分割法作业
-8.1 像素间的基本关系
--8.1.2 像素间的基本关系作业
-8.2 目标物的边界描述
--8.2.2 目标物的边界描述作业
-8.3 目标物的区域描述
--8.3.2 目标物的区域描述作业
-8.4 图像的几何特征
--8.4.2 图像的几何特征作业
-8.5 特征描述子
--8.5.4 特征描述子作业
-9.1 图像匹配
--9.1.2 图像匹配作业
-9.2 图像分类
--9.2.2 图像分类作业
-9.3 图像识别
--9.3.2 图像识别作业
-9.4 模式识别分类专题
--9.4.4 模式识别分类专题作业
-中国天网
-车道检测
-期末测试
--期末测试