4.6.1 图像彩色增强学习视频在线视频

同学们好，今天我们给大家介绍图像的彩色增强处理

我们知道通常人眼对灰度等级的区分，并不明显

一般来说，人眼能分辨的灰度级介于十几级到二十几级之间

最多不超过三十几级，但是却能分辨出上千种颜色

因此利用人眼这一视觉特性将灰度图像转变成彩色图像

或者改变已有的颜色分布都可以改变图像可分辨度

这就是今天我们要给大家介绍的彩色增强

彩色增强技术，可以分为两大类

第一类是直接对彩色图像进行增强处理

同时考虑彩色矢量中的所有分量

第二种方法是将灰度图像变换或者转换成彩色图像

以提高人们对图像内容的观察效率

我们首先回顾一下，我们在第二章的时候给大家介绍过三基色原理

也就是说在自然界中，绝大多数色光都可以用

特殊选定了三种基本单色光复合而成

因此，我们知道任何一幅彩色图像都可以分解成红、绿、蓝三个分量图像

屏幕中的左上角，我们给出了大家一幅彩色图像

当然了，整体是偏暗的

我们知道，在第4章介绍图像增强的时候

我们知道，对于一个整体偏暗的图像

我们考虑进行图像的增强处理，可以采用直方图均衡的方法

那么对于彩色图像，我们知道，一个彩色图像

可以分成红、绿、蓝三个分量图像

那么我们把红分量、绿分量和蓝分量的图也分别显示到了屏幕上

那么对于彩色图像，我们能不能够直接采用直方图均衡的方法

来提高图像的对比度呢？

也就是说，我们能不能够对红、绿、蓝三个分量的图像

分别进行直方图均衡化处理呢？

我们现在给出大家实验结果

我们把刚才得到的红分量、绿分量、蓝分量分别进行直方图均衡

然后把它用RGB模型转换成彩色图形之后显示在图像的右下角

那么从这幅图中，我们可以看出

经过我们分别对红、绿、蓝三个分量进行均衡处理之后

那么整体这个图像它在对比度上确实得到了提升

可是，它的颜色发生了变化，这其实并不是我们想要的

那应该怎么办呢？

我们回顾一下第二章，除了介绍RGB模型以外

我们还给大家介绍了另一种模型，是HSI模型

它是由色调、饱和度、亮度三个分量构成的

其中色调，表明了颜色的种类取决于主波长

而饱和度，表示的是颜色浓淡的物理量

而亮度，是人眼所感受到的颜色明暗程度的物理量，它是与颜色无关的

所以，我们考虑是不是能够采用HSI模型来进行彩色增强处理呢？

我们来进行一个实验

根据第二章我们介绍的内容

图像从RGB模型转换成HSI模型可以由这样的三个公式来进行计算

那么，我们在屏幕上显示了把原始的暗图像它的H分量、S和I分量

这三个图像分别给大家显示出来了

刚才说过，H分量和S分量它是和颜色有关的

而I分量呢，只和亮度有关，与这个颜色是没有关系的

所以，我们考虑只对I分量进行直方图均衡，而保持H和S分量不变

我们看一下实验结果

原始的暗图像，这是原始的I分量图像

这是单独的把I分量进行均衡化之后的图像

那么，这个是采用HSI模型进行直方图均衡之后得到的图像

我们把这几幅图像放在一起来对比一下，这是原始的暗图像

这是一幅正常的彩色图像，这是采用RGB模型均衡的图像

这是用HSI模型均衡后的图像

四幅图像放在一起很明显，我们发现

如果我们现在要对彩色图像进行一个增强处理的话

我们不希望改变图像原来的颜色

我们采用HSI模型中只对I分量进行处理的效果，显然是非常不错的

那么因此，我们可以总结出彩色图像的直方图均衡化算法

实际上就是由三步构成的

第一步，将彩色图像由RGB模型转换成HSI模型

第二步，对I分量的图像进行灰度直方图的均衡

第三步，对图像由HSI模型转换成RGB模型进行输出显示

那么，刚才我们所说到的彩色图像的直方图均衡化算法

实际上就是真彩色增强，也就是说利用颜色模型

我们把彩色图像从RGB模型转换成HSI模型

然后只对I分量进行增强处理，H和S分量保持不变

最后再转换成RGB模型进行显示输出

屏幕上，我们显示出了真彩色图像的HSI增强法的一个框图

就是我们刚才说的，首先彩色图像把RGB模型转换成HSI模型

H和S分量保持不变，对亮度分量进行单独的增强处理

再经过坐标的转换或者说模型的转换生成RGB模型，合成

最后变成了我们的彩色图像，这是真彩色图像的增强

另外还有一种，是伪彩色增强

所谓的伪彩色增强就是把灰度图像的各个灰度级

按照线性或者是非线性的映射关系映射成不同的颜色

从而得到一副彩色图像的增强技术

它的结果，可以改善图像的视觉效果，提高分辨率

使得图像的细节更加突出，目标更容易被识别

那灰度分层法是伪彩色增强中最简单的一种

它类似于我们前面给大家讲过的量化处理

首先，就是把灰度值分成若干个区域

每个子区间的灰度值，用一种颜色来表示

这种方法简单，但是能够生成的颜色种类不多

屏幕上我们给大家显示了一个灰度分层法的结果

图像是分成了8个彩色区域

在单色图像中看起来灰度值好像是恒定的区域

比如说这个区域看起来，灰度值好像是恒定的

但实际上如果我们把它转换成彩色图像的话，可以看出来

看起来恒定的区域其实并不是均衡的，它是有灰度上的变化的

第二种变换的方法，叫灰度变换彩色法

这种方法，是对任何输入的灰度级执行三个独立的变换

然后这三个变换的结果分别输入彩色监视器中的红、绿、蓝三个通道

最终合成了一幅彩色图像

还有一种，是频域滤波的方法

那么首先，把灰度图像经过傅立叶变换之后转换到了频域

然后在频域里头用三个不同频率特性的滤波器

分别分离出3个独立的分量

我们看分别得到了滤波器1、2、3，然后得到了三个分量

这3个分量做傅立叶反变换，然后分别对这三个分量进行增强处理

然后进行一个彩色的一个显示输出

那么这个，就是我们所介绍到伪彩色增强

另外还有一种彩色增强技术，叫假彩色增强

假彩色增强技术，它所处理的实际上本身就是一个自然的彩色图像

或者是一幅多光谱图像

它的目的是把一种颜色变成另一种颜色

或者是把多光谱图像转换成彩色图像

我们在屏幕上给了大家几幅华盛顿地区的光谱卫星图像

其中的上面的这三部图像分别对应的是可见的红光、绿光和蓝光图像

而左下角的这个图像是近红外光图像

那么这个图像就是上面的用红可见的红、绿、蓝三个分量

所合成的一个彩色图像

这幅图像是我们用近红外光来代替可见红光之后生成的一个彩色图像

那么相比较而言，我们从这个图像中能够明显的看出来

生物是在这里面显示出来是红色

那么这个生物和人造目标的特性之间有十分明显的差别

那么有混凝土和柏油所组成的这些部分呢

在图像中呈现了一种是浅蓝的颜色，这就是假彩色增强技术

到这儿，我们就把第四章图像增强的内容给大家介绍完了

第四章中，我们要求大家掌握图像的直方图修正

空域平滑和锐化方法，掌握中值滤波法和邻域平均的方法

了解图像的对比度增强和频域里面低通和高通滤波与空域平滑锐化的关系

了解图像的真彩色增强以及同态滤波的方法原理

好，今天的内容就到这里结束了

谢谢大家，再见