计算机视觉基础_红色通道绿色通道蓝色通道是颜色空间吗

目录

颜色空间：

RGB颜色空间：

CMY(K)颜色空间：

HSV颜色空间：

CIE-XYZ颜色空间：

图片存储原理：

图像增强的目标：

图像处理方法：

点运算：

直方图：

均衡化：

 自适应直方图均衡：

形态学运算 ：

临域运算：

---

颜色空间：

RGB颜色空间：

• 加法混色，彩色显示屏(越叠加越白)
• 3个通道：红色通道、绿色通道、蓝色通道
• 一个像素颜色值：（b,g,r）
• 取值范围：[0,255]     [0.0,1.0]

CMY(K)颜色空间：

• 减法混色，印刷（越叠加越黑）
• 4个通道：Cyan通道、Magenta通道、Yellow通道、Key通道
• 一个像素颜色值：（c,m,y,k）
• 取值范围：[0, 255]    [0.0, 1.0]

HSV颜色空间：

• 人类视觉概念，画家配色
• 3个要素：H/Hue：色调，颜色种类   S/Saturation：饱和度，颜色的纯度   V/Value：明度，颜色明亮度
• 一个像素颜色值：（h, s, v）
• 取值范围：[0, 255]   [0.0, 1.0]

CIE-XYZ颜色空间：

• 国际照明协会，1931
• 基于人类颜色视觉的直接测定
• 其他颜色空间基础
• 人类视觉系统-视锥细胞：1.短波（S，420-440nm）                                                                                                           2.中波（M，530-540nm）                                                                                                         3.长波（L，560-580nm）
• 3色刺激值通道：1.x, y, z约略对应于红色、绿色、蓝色                                                                                         2.一种波的刺激等于几种波的混合刺激

图片存储原理：

一张图片是三维张量分为：长、宽、通道

通道分为：红、绿、蓝

如果想让彩色图转变成灰度图 公式为：(Gray=R*0.3+G*0.59+B*0.11)

图像增强的目标：

1. 改善图像的视觉效果
2. 转换为更合适于人或机器分析处理的形式
3. 突出对人或机器分析有意义的信息
4. 抑制无用的信息，提高图像的使用价值
5. 包括图像锐化，平滑，去噪，灰度调整（对比度增强）

图像处理方法：

空间域处理：1.点运算             （HE、CLAHE）                                                                                                      2.形态学运算        (膨胀、腐蚀)                                                                                                          3.临域运算         （卷积、金字塔）

频率域处理：1.傅里叶变换                                                                                                                                      2.小波变换

点运算：

直方图：

1.对图片数据/特征分布的一种统计：

• 灰度、颜色     
• 梯度/边缘、形状、纹理
• 局部特征点、视觉词汇

2.区间：

• 具有一定的统计或物理意义
• 一种数据或特征的代表
• 需要预定义或基于数据进行学习
• 数值是一种统量：概率、频数

3.对数据空间进行量化：

均衡化：

• 利用图像直方图对对比度进行调整的方法
• 通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候
• 均衡化后，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能
• 是对图像进行非线性拉伸
• 
• 重新分配各个灰度单位中的像素点数量，使一定灰度范围像素点数量的值大致相等。
• 

 自适应直方图均衡：

直方图均衡的经典算法对整幅图像的像素使用相同的变换，如果图像中包括明显亮的或暗的区域，则经典算法作用有限。

自适应直方图均衡（AHE）算法通过对局部区域进行直方图均衡，来解决上述问题：

• 移动模板在原始图片上岸特定步长滑动
• 每次移动后，模板区域内做直方图均衡，映射后的结果赋值给模板区域内所有点
• 每个点会有多次赋值，最终的取值为这些赋值的均值

限制对比度自适应直方图均衡（CLAHE）

• 由于AHE会过度放大图像中相对均匀区域的噪音，所以可以采用限制对比度自适应直方图均衡（CLAHE）
• 与普通的自适应直方图均衡相比，CLAHE的不同地方在于直方图修剪过程，用修剪后的直方图均衡图像时，图像对比度会更自然。 

即将灰色的部分剪切成等面积的矩形抬高直方图

 CLAHE算法步骤：

1. 图像分块，以块为单位
2. 先计算直方图，然后修剪直方图，最后均衡
3. 遍历操作各个图像块，进行块间双线性插值
4. 与原图做图层滤色混合操作

由于上述步骤2分块后图片变清晰了，但是其块间变得不连续了。所以才有步骤3操作

 

1. 小黑点的灰度直接由映射函数计算得到
2. 粉色区域内点的灰度由映射函数计算而得
3. 绿色区域内点的灰度由相邻2块灰度映射值线性插值而得
4. 其他区域所有点的灰度由相邻4块的灰度映射值双线性插值而得。 

形态学运算 ：

• 膨胀是图像中的高亮部分进行膨胀，类似于领域扩张
• 腐蚀是原图的高亮部分被腐蚀，类似于领域被蚕食 

 腐蚀为B在A边过一遍然后面积变小，膨胀则是恰恰相反。

• 开运算：先腐蚀再膨胀，可以去掉目标外的孤立点
• 闭运算：先膨胀再腐蚀，可以去掉目标内的孔
• 开、闭运算能够将有噪点的图像用阈值二值化后，所得到的边界不平滑的，物体区域具有一些错判的孔洞，背景区域散布一些小的噪声物体，得到进一步改善。 

临域运算：

滤波/卷积：

在每个图片位置(x,y)上进行基于领域的函数计算

•           滤波函数->权重相加
•                        卷积核、卷积模板
•                        滤波器、滤波模板
•                        扫描窗、

不同功能需要定义不同的函数

•           平滑/去噪
•           梯度/锐化
•           边缘、显著点、纹理
•           模式检测

卷积公式：

过程图： 

边界填充：

• 获得同尺寸输出的情况下
• 卷积核越大，补充越多

补充类型：

• 补零
• 边界复制
• 镜像
• 块复制

填充图： 

 

平滑均值滤波/卷积缺陷：既没有很好的去除噪声点，也破坏了图像的细节反而使图像变得模糊。

为了缓解该缺陷，可以使用平滑中值滤波/卷积。

平滑中值滤波/卷积：

• 奇数尺寸：3×3，5×5，7×7，.....
• 操作原理：卷积域内的像素值从小到大排序                                                                                                  取中间值作为卷积输出
• 有效去除椒盐噪声

将邻域矩阵中的N个像素进行排序，并将这个矩阵的中心点赋值为这N个像素的中间值

 平均高斯滤波/卷积：

• 奇数尺寸：3×3，5×5，7×7，.....
•  模拟人眼，关注中心区域：离关注中心越远2，感受精度越模糊
• 有效去除高斯噪声
• 参数：x，y是卷积参数坐标                                                                                                                  标准差       越小，关注区域越集中

 

 分解特性：

2D卷积拆分成两个相同的1D卷积：  列卷积和行卷积

降计算：2D卷积：K×K次计算                                                                                                                           2×1D卷积：2K次计算

梯度Prewittl滤波/卷积：

• 水平梯度/垂直边缘                                                         
• 垂直梯度/水平边缘                                                     

梯度Sobel滤波/卷积：

• 水平梯度/垂直边缘                                                             
• 垂直梯度/水平边缘                                                    

梯度Laplacian滤波/卷积：

• 二阶微分算子：一阶导数极值
• 作用：团块检测：周边高于（低于）中心点                                                                                           边缘检测：像素值快速变化的区域