豆丁微信公众号
君，已阅读到文档的结尾了呢~~
实验七彩色图像处理,彩色图像处理,七彩色图片批处理,彩色图像,彩色图像分割,彩色图像边缘检测,假彩色图像,伪彩色图像,真彩色图像,彩色图像转灰度图像
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
实验七彩色图像处理
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于HSV空间的岩心图像处理_陈文静_文档库
文档库最新最全的文档下载
当前位置： & 基于HSV空间的岩心图像处理_陈文静
基于HSV空间的岩心图像处理_陈文静
第 2期 摘要 :针对石油勘探 中 的 岩 心图像在分割过 程 中 难 以 有 效识别出灰度 值相近的 颗粒 与 颗粒 、 颗粒 与背景的边缘信息 , 且容易造 成 过度分割或 欠分割的问题 , 提出 一 种彩色图像分割并获取 颗粒粒 度分布的算 法 , 并 将结果与灰度迭代算 法 、 最大熵 法 和分 水 岭算 法 分割结果 进 行比较 。 结 果表 明 , 该算 法 以 彩色图像 HSV 模型的 V 分量 为 依据 进 行图像分割 , 可 以 在较 为 复杂的 岩 心背景下校正分割结果 , 更准确地分割出目标和 背景颜色相近的边缘 , 获 得砾 石 、 泥 沙 颗粒 的 粒 度分布 。 关键词 :岩 心 ; 图像分割 ; HSV 模型 ; 阈 值
中图分类号 :TP391.41文献标志码 :A 文章编号 :13) 02-0001-06Core Image Segmentation Algorithm Based on HSV Space CHEN Wenjing , CAI Xiaoshu , CHEN Xiaozhen , SU Mingxu (Institute of Particle and Two-phase Flow Measurement , University of Shanghai for Science and Technology , Shanghai 200093, China ) Abstract :An algorithm for color image segmentation and particles size distribution was proposed to solve the problem in oil exploration , which was core image segmentation being difficult to effectively identify the
edge information between particles as well as particles and the background whose gray values were similar and likely to cause over-segmentation or less-segmentation. The results were compared with the segmentation results of gray iteration algorithm , maximum entropy method and watershed algorithm. The results show that the color image segmentation is based on the color information V component of the hue -
saturation -value (HSV ) model. Correcting segmentation results in a more complicated background can be realized. The border of object and
background with similar color can be accurately segmented. The particle distribution of gravel and silt particles can be obtained. Key words :
hue -saturation - threshold 岩心是在石油钻探过程中用特殊的取心钻具从 地下取出的岩石样品 。 岩心中的砾石等颗粒粒度数据
作为油气盆中沉积环境的分类和识别标志 , 其断面中
的颗粒物构造和粒度分布可以了解含油构造的信息 , 对沉积环境的研究具有重要意义 [1], 从而提高石油的 开采量 , 促进石油化工业的发展 。 通过对岩心图像进 行图像分割 , 将图像的一个或多个性质相同的不同区
域提取出来 [2], 然后对其进行图像处理 , 提取出岩心图
像中的颗粒物 , 得到砾石等的颗粒粒度分布 。 图像分
割至关重要 , 图像的分割质量直接影响后续图像的处
理效果 [3]。 已开发的分割算法大多都只针对灰度图像 ,
相对于灰度图像 , 彩色图像提供了更加丰富的信息 ,
所以随着计算机处理能力的快速提高 , 彩色图像处理 备受关注 [4]。 彩色图像的分割过程主要包含 2个步骤 :
颜色空间转换和图像分割 [5]。 许多彩色图像分割法不
仅把灰度图像分割法应用于不同的颜色空间 , 而且直
接应用于每个颜色分量上 , 再通过一定的方式组合其
结果 , 即可获取最终分割结果 [6]。 岩心图像中目标和 背景颜色非常接近 , 并且砾石与周围细砂粒大量粘 连 , 难以分辨 。 岩心彩色图像转换成灰度图像后颗粒
的灰度值和背景的灰度值相近 , 以灰度值为分割标准 的分割效果不是很好 。 针对岩心图像的特点 , 本文中 提出基于 HSV 空间 V 分量的算法对岩心图像进行分 割处理 , 并获取砾石等的粒度分布 。 1颜色空间的选择 颜色空间描述应反映人眼观察色彩的方式 , 另一 方面应有利于图像处理 [7], 应根据不同情形的应用选 择颜色空间 。 目前应用最广泛的颜色空间是红绿蓝空 间 (RGB 模型 ), 其中彩色图像通常用 R 、 G 、 B 这 3个 分量的值来表示 , 但是因为 R 、 G 、 B 这 3个分量与亮度
相关 , 只要亮度改变 , 3个分量都会相应地改变 , 所以 RGB 颜色空间中像素的颜色距离与人眼的感知差距 较大 , 是不均匀的颜色空间 , 不适合彩色图像的分割 [8]。 色调 -饱和度 -亮度颜色空间 (简称为 HSV 颜色
空间 ) 反映了人的视觉对颜色的感觉 , 是均匀的颜色
空间 [9]。 其特点是亮度分量 V 与颜色信息无关 , 而色调 基于 HSV 空间的岩心图像处理
陈 文 静 , 蔡小 舒 , 陈 孝震 , 苏 明 旭
(上海理工大学 颗粒与两相流测量研究所 , 上海 200093)
收稿日期 :, 修回日期 :。 基金项目 :上海市科学技术委员会科研计划项目 , 编号 :11nm0507100; 教育部高等学校博士学科点专项科研基金 —— — 优先发展领域项目 , 编 号 :01。 第一作者简介 :陈文静 (1988—), 女 , 硕士研究生 , 研究方向为岩心图像处 理 。 E-mail:chenwenjing2010@http://www.wendangku.net/doc/178b51d1aa00b52acfc7ca5e.html
。 通信作者 :蔡小舒 (1955—), 男 , 博士 , 教授 , 博士生导师 , 研究方向为颗粒 、 两相流测量及大气排放监测等 。 E-mail:usst_caixs@http://www.wendangku.net/doc/178b51d1aa00b52acfc7ca5e.html
。 醋酸洗必泰 刘海 弟 , 等 :-二氧 化 硅 杂 化 抗菌材料 的 制备 及性能 Vol.19No.2
Apr. 2013第 19卷 第 2期 2013年 4月 CHINA POWDER SCIENCE AND TECHNOLOGY doi :10.3969/j.issn.13.02.001
·颗 粒 测 试 与 表 征 ·
Word文档免费下载：
10. 3969 /j . i ssn .. H SV 空间 的岩心图 像处理 陈文静,蔡小舒,陈孝震,苏明旭 ( 上海 理工大学颗 粒与两相流 测量研究所...2013 doi:10.3969/j.issn.13.02.001 基于 HSV 空间的岩心图像处理陈文静, 蔡小舒, 陈孝震, 苏明旭(上海理工大学 颗粒与两相流测量研究所, 上海...[转载+原创]Emgu CV on C# （二） —— Emgu CV on 灰度化
时间： 16:55:32
&&&& 阅读：6234
&&&& 评论：
&&&& 收藏：0
标签：&&&&&&&&&&&&&&&&&&&&&&&&
，第五种为从人体生理学角度所提出的一种权值（人眼对绿色的敏感最高，对蓝色敏感最低）。
3、编程小贴士（可以先不看，看完文章再回来看，本篇文章的程序用不到，留着以后用）
1、&&创建一个Windows窗体应用程序，将Form1的Text属性改为&灰度图像ToGrayImage&，Name属性改为&ToGrayImage&
2、&&给窗体添加一个按钮，Name属性改为&sltImageBtn&，Text属性改为&选择图片...&
3、&&给窗体添加一个OpenFileDialog，用来选择图片文件，将Filter属性设置为&Image File|*.*.*.*.&
4、&&给窗体添加二个PictureBox，并将SizeModel设置为Zoom
5、&&布局显示效果如下：
/// &summary&
///选择图片事件，将彩色图片转换为灰度图像
/// &/summary&
/// &param name="sender"&&/param&
/// &param name="e"&&/param&
private void sltImageBtn_Click(object sender, EventArgs e)
if (openFileDialog1.ShowDialog() == DialogResult.OK)
//原图显示
IntPtr srcimg = CvInvoke.cvLoadImage(openFileDialog1.FileName, Emgu.CV.CvEnum.LOAD_IMAGE_TYPE.CV_LOAD_IMAGE_ANYCOLOR);
if (srcimg == null)
MessageBox.Show("no pic!");
IplImage* 转换为Bitmap
MIplImage srcmi = (MIplImage)Marshal.PtrToStructure(srcimg, typeof(MIplImage));
Image&Bgr, Byte& srcimage = new Image&Bgr, Byte&(srcmi.width, srcmi.height, srcmi.widthStep, srcmi.imageData);
pictureBox1.Image = srcimage.ToBitmap();
//灰度图显示
IntPtr grayimg = CvInvoke.cvCreateImage(CvInvoke.cvGetSize(srcimg), Emgu.CV.CvEnum.IPL_DEPTH.IPL_DEPTH_8U, 1);
CvInvoke.cvCvtColor(srcimg, grayimg, Emgu.CV.CvEnum.COLOR_CONVERSION.CV_RGB2GRAY);
MIplImage graymi = (MIplImage)Marshal.PtrToStructure(grayimg, typeof(MIplImage));
//和彩色图像显示采用函数不一致，如果继续使用上面函数，会报内存错误
Image&Gray, Byte& grayimage = new Image&Gray, Byte&(graymi.width, graymi.height, graymi.widthStep, graymi.imageData);
pictureBox2.Image = grayimage.ToBitmap();
CvInvoke.cvWaitKey(0);
CvInvoke.cvReleaseImage(ref srcimg);
CvInvoke.cvReleaseImage(ref grayimg);
由于时间仓促，《》中灰度的其他算法还不懂得如何在emgucv中实现，还需要研究一下。
&标签：&&&&&&&&&&&&&&&&&&&&&&&&原文：http://www.cnblogs.com/MobileBo/p/3916938.html
教程昨日排行
&&国之画&&&& &&&&&&
&& &&&&&&&&&&&&&&
鲁ICP备号-4
打开技术之扣，分享程序人生！下载费用：20 库币 &
hsv空间中彩色图像处理研究
HSV 空间中彩色图像处理研究 目录 摘要 ............................................................................................................................................ I Abstract ..................................................................................................................................... II 引言 ........................................................................................................................................... 1 1. 绪论 ...................................................................................................................................... 2 1.1 研究现状和存在的意义 ................................................................................................ 2 1.2 图像分割的定义及常见方法 ......................................................................................... 3 1.2.1 图像分割的定义： .................................................................................................. 3 1.2.2 图像分割的常见方法： .......................................................................................... 4 1.3 本文的内容安排 ............................................................................................................ 8 2. 颜色空间 .......................................................................................................................... 10 2.1 常用的颜色空间介绍 ................................................................................................... 10 2.1.1 颜色空间的定义： ................................................................................................ 10 2.2.2 各种常见颜色空间的模型 .................................................................................... 10 2.2 颜色空间的选择 .......................................................................................................... 15 3 HSV 颜色空间的图像分割 ............................................................................................... 17 3.1 概述 ............................................................................................................................... 17 3.2HSV 空间介绍及常见转化 ............................................................................................ 17 3.3 Sobel 算子边缘提取及其它常见边缘提取方式介绍 ................................................. 20 3.3.1Sobel 算子边缘提取 ............................................................................................... 20 3.3.2 其它几种常见边缘提取方法 ................................................................................ 21 3.4．区域生长与合并 ........................................................................................................ 22 3.4.1 种子区的选取 ........................................................................................................ 22 3.4.2 区域生长与合并 .................................................................................................... 24 第 4 章．实验结果与分析 ..................................................................................................... 25 第 5 章 总结和展望 ............................................................................................................. 28 致 谢 ..................................................................................................................................... 29 参考文献 ................................................................................................................................. 30 摘要 自从图像处理技术走进数字化时代， 彩色图像的研究 就成为图像领域一项重要的技术同时也是一项艰难的技术。 但是 目前 彩色图像分割面临两个主要问题 : 选取合适的色彩空间 ; 选择恰当的分割方法。同时，在彩色图像的分割过程中，很少有自动算法能够取得非常理想的效果。 许多彩色图像分割方法不仅把灰度图像分割方法 ( 如直方图阈值法、聚类、区域增长、边缘检测、模糊方法、经元网络等 ) 应用于不同的色彩空间，而且可以直接应用于每个颜分量上，其结果再通过一定的方式进行组合即可获得最后的分割结果 效果不佳 。 针对上述彩色图像分割存在的问题，为了准确提取彩色图像 中所需的色度 信息， 本文 结合 HSV 色彩空间 3 个分量的无关性，提出了一种基于 HSV 空间彩色图像分割算法，将图像的颜色值从 RGB 空间转换到 HSV 空间， 并在 目前的彩色分割方法研究的基础上，提出了一种 另外 的彩色图像分割算法，即合理 结合边缘提取、区域生长和区域合并的方法，实现彩色图像的分割。实验结果表明，获得了良好的分割效果，并且易于实时性的实现。 关键词： 彩色图像 分割， HSV 颜色空间 ， 图像提取 Abstract Since the image processing technology into the digital age, color images has become an important technology of the image field is also a difficult technique. Color image segmentation faces two major problems: select the app choose the appropriate segmentation method. Meanwhile, in the process of color image segmentation, there is little automatic algorithm to achieve the desired results. Many color image segmentation method not only to image segmentation methods (such as histogram thresholding method, clustering, region growing, edge detection, fuzzy methods, through the network, etc.) used in a different color space, and can be directly applied to each a Yan component, the results to be combined through a certain way to get the final segmentation result is ineffective. For the above color image segmentation problems, in order to accurately extract the chrominance information in color images, this paper combined with the independence of the three components of the HSV color space, based on HSV space color image segmentation algorithm, the image color values are converted from RGB space to HSV space, and on the basis of the color segmentation method of the present study, an additional color image segmentation algorithm, that is, a reasonable combination of edge detection, region growing and region merging method, a color image division. The experimental results show that, to obtain a good segmentation results, and easy-to-real-time implementation. Keywords: color image segmentation, the HSV color space, image extra 引言 自从图像处理技术走进数字化时代， 彩色图像的研究 就成为图像领域一项重要的技术同时也 是一项艰难的技术。许多研究人员和数学家在这个方面付出了巨大的努力，提出了许多算法，并取得了很大的进步和成果，但是目前还没有一种通用的算法处理所有的图像，而且这些方法大部分是从灰度图像 应用 中扩展得到的，并不适用于彩色图像。人们一直努力在追寻潜在的更通用，更精简，更完美的 方法 以便于人和机器对图像进行更高级的处理和分析。 目前 彩色图像分割面临两个主要问题 : 选取合适的色彩空间 ; 选择恰当的分割方法。同时，在彩色图像的分割过程中，很少有自动算法能够取得非常理想的效果。许多彩色图像分割方法不仅把灰度图像分割方法 ( 如 直方图阈值法、聚类、区域增长、边缘检测、模糊方法、经元网络等 ) 应用于不同的色彩空间，而且可以直接应用于每个颜分量上，其结果再通过一定的方式进行组合即可获得最后的分割结果。 针对上述彩色图像分割存在的问题，为了准确提取遥感彩色图像 中所需的色度 信息， 本文 结合 HSV 色彩空间 3 个分量的无关性，提出了一种基于 HSV 空间彩色图像分割算法，将图像的颜色值从 RGB 空间转换到 HSV 空间， 并在 目前的彩色分割方法研究的基础上，提出了一种 另外 的彩色图像分割算法，即合理结合边缘提取、区域生长和区域合并的方法，实现彩色图像 的分割。实验结果表明，获得了良好的分割效果，并且易于实时性的实现。 与传统的基于像素的 SRG 算法相比，这种方法可以得到更可靠，更准确的结果。实验结果证明有力地证明了这一点。 可以把基于自动 种子区域生长的算法与 聚类的算法结合起来，先对彩 色图像进行颜色聚类，再进行自动种子区域生长，得到的分割效果更 好。HSV 空间中彩色图像研究处理 1. 绪论 1.1 研究 现状 和 存在的 意义 在人类所有的感知器官当中，视觉器官一直是最重要的。人类从外界获取的信息当中，视觉信息占据了绝大部分，因此，作为重要的传播媒体，图像信息举足轻重。随着近代科学技术的飞速前进 ，在工业，医学，农业，军事方面，人们越来越多地利用图像处理技术来解决工作和生活中的实际问题。在以下的科学研究和工程技术领域中，图像分割有着广泛的应用。 （ 1） 工业图像处理：矿藏分析，自动化检测和识别等。 （ 2） 军事图像处理：军事目标的检测和定位，地形匹配，军事导航等。 （ 3） 生物医学图像处理： X 光透视，核磁共振，各种细胞的自动计数，病毒细胞的自动检测和识别等。 （ 4） 图像传输：多媒体信息处理，数字电视等。 （ 5） 文本图像分析处理和识别：文字识别 (OCR)技术。 （ 6） 身份鉴定：指纹识别，虹膜识别等。 由于图像信息往往是海量的，如何在海量的数据 中找到人们想要的数据已经成为人类的一道难题，并且目前还没有任何一项技术能在实际意义上解决这个问题。因此图像处理技术在当今社会尤其重要。 在人类所接 收 的信息中，有 80%是来自视觉的图 形 信息， 对获得的这些信息进行一定的加工处理也是目前一种广泛的需求，图像分割就是将图像中感兴趣的部分分割出来的技术。在图像分割的基础上，才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。因此，对图像分割的研究在图像处理领域具有非常重要的意义。 图像分割作为图像分析的基础，是图像分析过程中的关键步骤。图像分割，顾名 思义是将图像按照一定的方法划分成不同的区域，使得同一区域内像素之间具有一致性，不同区域间不具有这种一致性。 因为人眼对亮度具有适应性，即在一幅复杂图像的任何一点上只能识别几十种灰度级，但可以识别成千上万种颜色，所以许多情况下，单纯利用灰度信息无法从背景中提取出目标，还必须借助于色彩信息。由于彩色图像提供了比灰度图HSV 空间中彩色图像研究处理 像更加丰富多彩的信息，因此随着计算机处理能力的提高，彩色图像处理正受到人们越来越多的关注。 早期由于设备的限制，主要处理的是灰度图像。因此针对灰色图像的分割算法比较多，也比较成熟。随着彩色图像的需求 和应用以及人们生活水平的提高，人们越来越关注彩色图像分割，也提出了一些分割方法，但这些方法大部分是灰色图像分割方法扩展出来的，因此还不能满足人们的要求。在彩色图像分割这个领域，由于缺少理论和评估系统的支持，必须经过大量的实验来验证一种分割算法。虽然研究者已经提出了一些有意义的算法，但还没有一种能适应大部分图片的算法。 在图像工程中，无论是中层的图像分析，还是高层的图像理解（如语义），都需要先对原彩色图像进行分割，将原始图像分割为不同的部分，再对不同的部分提取特征，最后进行处理分析。所以分割的好不好，分割的质 量对以后的工作有直接的影响，因此彩色图像分割在彩色图像工程中具有重要的意义。 1.2 图像分割的定义及常见方法 1.2.1 图像分割的 定义： 图像本身就可以看做是一组连通区域的集合。每个区域都有如边缘、颜色、亮度、纹理、等基本特征，图像分割就是根据不同的特征把这些区域归为不同的组，特征相似的区域归为同一组，不同组之间的特征不同。现借助集合的概念进行定义 [1-3]：令集合 R 代表整个图像区域，对图像分割可以看作是将 R 分成 N 个满足一下条件的非空子集 R1 ， R2 ， … ， RN ： 1) RRiNi ???12) 对 i=1,2,…N, ? ?iRP =TRUE 3) 对 ji,? i≠j,有 ??? ji RR 4) 对 ji,? i≠j, ? ?ji RRP ? =FALSE 5) 对 i=1,2,…N, R i 是连通区域 条件 1 表示图像整个区域 R 是由 N 个非空的子集区域 Ri 所组成；条件 2 表示属于区域 Ri 的像素所具有的特性（如本文的颜色）应该一致；条件 3 表示不同非空子集区域不能有交集，更明确的说就是属于图像中的每个像素只能属于某HSV 空间中彩色图像研究处理 一个区域，不能同时属于 2 个或多个不同区域；条件 4 表示属于被分割后的形成的不同图像区域的像素具有不同的特性；条件 5 表示被分割后的不同区域里的像素之间的关系必须是连通的。 图像分割的难点在于如何消除噪声和图像本身模糊的干扰 。前面已经讲到目前还没有一种或者几种完善的分割方法可以按照人们的想法分割任何一幅图像。所有现存分割方法只能针对某一类型的图像，分割的质量必须靠效果和实际的应用场景来判断。幸运的是人类已经积累了很多经典的图像分割方法，虽然不适用所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。 1.2.2 图像分割的 常见方法： 在早期的图像处理的研究中，图像分割的方法一般被分为 2 类：一类是边界法，这种方法是假设图像一定有边缘存在；另一类是 区域法，这种方法认为被分割后的图像区域一定会具有某些相同的特性，不同的区域的像素则会有不同的特性。 图像分割的技术主要有 4 种：并行边界分割技术、串行边界分割技术、并行区域分割技术和串行区域分割技术。如下图 1-1 所示： 所谓的串行图像分割是指对图像的每一个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。而在并行算法中，对图像每一个像素的处理依赖其他像素处理后的结果。 HSV 空间中彩色图像研究处理 图 1-1 经典图像分割方 法框架 所谓的串行图像分割是指对图像的每一个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。而在并行算法中，对图像每一个像素的处理依赖其他像素处理后的结果。串行分割一边有 3 个关键的步骤，每一个步骤都对分割结果有直接的影响。 现有的彩色图像分割方法基本上可归结为两种：第一种是把彩色图像转化为灰度图像，然后用灰度图像的分割算法进行分割。这种方法算法比较成熟丰富，但分割过程中丢失了彩色信息，很难分割出彩色信息的细节成分。第二种是专门针对彩色图像的分割算法。分为两种：基于颜色信息的分割方法 和基于空间信息图像分割 不连续的分割 灰度相似性 边界分割 孤立点 孤立线 组成边界 边界跟踪 区域分割 阈值分割 区域分裂合并 区域生长 自适应 并行边界分割技术 串行边界分割技术 并行区域分割技术 串行区域分割技术 HSV 空间中彩色图像研究处理 的分割方法。基于图像颜色信息的分割方法把颜色信息作为图像分割的主要依据。常见的例如 K-均值聚类算法或模糊 K-均值聚类算法。基于像素空间关系的分割方法主要有两种。一种是基于像素区域之间的边界进行图像分割，人们一般是有 Sobel、 Canny 等算子进行边缘检测，其二是基于区域的方法。利用区域（像素）之间的邻接和相似性进行图像区域生长与合并来进行图像分割。 彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是一致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技 术由一维转向了多维。这是由于灰度图像和彩色图像存在一个主要的区别，即对于每一个像素的描述，前者是在一维亮度空间上，而后者是在三维颜色空间上。大部分彩色图像的分割方法或思想都是从灰度图像分割方法继承的，因此彩色图像的一部分方法与灰度图像基本相同。但经过试验证明这些直接继承下来的方法不太适合于大部分彩色图像，所以人们对这些方法作了一些改进。总的来说彩色图像分割方法发展到目前阶段，主要采用的分割方法有： 以分为以下几种： （ 1） 基于阈值的分割方法 在阈值分割中，最常用的分割方法是直方图阈值分割法。直方图阈值法必须假设每 个峰值对应的是一个区域，而峰谷则代表了不同区域的边界值。与灰度图像不同的是，彩色图像有 R， G， B， 3 个分量，这给阈值的确定带来了困难，为了解决这个问题，可以采用投影的方式把三维的直方图投影到一维平面上。 直方图阈值分割方法的缺点在于：第一，仅靠颜色分割的图像可能不完整；第二，如果被分割的图像没有明显的峰值，则很难确定阈值；第三：忽略了颜色的空间信息，第四：投影时可能产生颜色发散的负面影响。 （ 2） 基于边缘的分割方法 边缘检测是灰度图像分割广泛使用的一种技术，它是基于在区域边缘上的像素灰度变化较剧烈，试图通过检测不 同区域的边缘来解决图像分割问题。在灰度图像中，边缘的定义是基于灰度级的突变，而且两个区域的边缘当亮度变化明显时才能被检测出来。在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度、不同色调的边缘同样可以被检测出来，相应地，彩色图像边缘的定义也是基于 3 维颜色空间的不连续性。 HSV 空间中彩色图像研究处理 目前，彩色图像的分割以转移到如何有效的综合利用彩色图像的三通道信息方面。 SergeyN.Krjukov 等 [7]提出了使用神经网络进行彩色图像的分割方法。他们在 RGB 颜色空间中将图像的每个像素表示为一个由 R、 G、 B 本身的值及其均值和方差 这几个特征分量组成的特征向量，并作为神经网络的输入层进行图像分割，其输出层神经元对应于预先定义的要分割的颜色数。采用 SergeyN.Krjukov的方法，存在两个限制：第一、它需要有一个学习过程，即预先要给定一幅示教图像让其学习，以产生正确的输出；第二、必须给出输出层结点的神经元数量，也就是说事先必须知道分割出的图像的颜色数。事实上，许多图像输出的颜色数是不一致的，对于一幅复杂的图像其颜色数也难以确定。因此，这一算法在很大程度上受到了限制。 （ 3） 基于区域的分割方法 分水岭方法 分水岭算法的思想来源于地理学（如图 1-2 所示），它将梯度幅值图像看成一幅地形图，而梯度幅值对应海拔高度，图像中不同梯度值的区域就对应于山峰和山谷间的盆地。它将图像中每个物体都看成单独的部分，并要求在每个物体的内部至少要有一个标记。标记是根据应用的关于该物体的知识，操作者手工或者通过自动程序选择的。物体经标记后就可以用形态的分水岭变换进行区域生长。 数学形态学理论在图像分割的应用中有代表性的是分水岭算法。分水岭算法是一种利用图像形态学、基于区域的分割技术。相比于简单的阈值分割，分水岭算法是一种自适应迭代阈值分割算法。 图 1-2 三维空间中 的分水岭和集水盆地示意图 区域生长法 HSV 空间中彩色图像研究处理 区域生长就是在图像被分成多个区域以及每个区域中像素的位置已知的情况下，从一个已知像素也就是种子像素开始，根据一致性准则向邻接区域生长，将满足准则的像素合并到种子像素所在区域中。当新的点被合并后再用新的区域重复这一过程，直到没有满足条件的像素可被接收时生长过程终止。 区域合并法 区域归并方法是指在通过某种初始化分割方法得到的很多小区域上，根据一定的归并标准将满足归并标准的两个邻接区域合并为一个区域，直到所有满足归并标准的邻接区域都被归并起来。 在用分割方法分割图像后，结 果中可能会出现过分割，利用区域归并方法则可以进一步将相邻的区域按照合并准则合并成起来。制定合并准则是进行合并的重点。 （ 4） 基于聚类的分割方法 图像分割的结果是把图像至少分割成目标和背景，它们属于两个不同的类别，这个过程就是一个分类的过程。因此聚类分析应用到图像分割当中也是可以理解的。 聚类是最早应用于彩色图像分割的方法之一，因为在一幅图像中不同物体颜色的差别往往很大。常用的聚类方法有 K 均值聚类，模糊 C 均值聚类，分层聚类。 应用领域的不同、图像质量的好坏及图像色彩的分布和结构的差别决定了很难找到一种通用的分割方法 来解决由于这些客观因素所引起的图像分割问题。目前普遍采用的技术是根据实际情况组合不同的方法，分层次的分割图像，针对可能遇到的特殊问题，研究新的方法策略。实际情况反映了今后彩色图像分割的一种发展趋势 1.3 本文的内容安排 （ 1) 针对当前主流的彩色图像分割算法进行了分析、分类、归纳与总结，首先对多年来彩色图像分割领域中出现的彩色空间进行了总结，指出了各类彩色空间在彩色图像分割中的优缺点，为人们进行彩色图像分割时选择合适的彩色空间提供了依据。 (2) 本文中讨论了直方图阈值法、聚类法、基于区域的分割方法、边缘 检测HSV 空间中彩色图像研究处理 的分割方法、基于模糊集理论的各种方法，并且分析了各类方法的优缺点。为人们在不同的应用领域及不同的图像数据条件下选择不同的分割算法提供了一定的依据。 (3) 提出一种基于区域生长法的彩色图像分割算法，并在 Matlab 中实现一幅彩色图像的分割，进而分析此算法的优越性和特点。 一步步的介绍 该 算法 的详细 流程，并给出实验结果进行分析。 （ 4） 对研究的 总结和 对未来的展望 展望。 HSV 空间中彩色图像研究处理 2. 颜色空间 2.1 常用的颜色空间 介绍 2.1.1 颜色空间的定义： 色空间也称彩色模型 (又称彩色空间或 彩色系统） ， 颜色模型就是指某个三维颜色空间中的一个可见光子集，它包含某个颜色域的所有 颜色 。本质上，彩色模型是坐标系统和子空间的阐述。位于系统的每种颜色都有单个点表示。所 以 例如，RGB 颜色模型就是三维直角坐标颜色系统的一个单位正方体。颜色模型的用途是在某个颜色域内方便的指定颜色，由于每一个颜色域都是可见光的子集，所以任何一个颜色模型都无法包含所有的可见光。它的用途是在某些标准下用通常 可接受的方式对彩色加以说明。 2.2.2 各种常见颜色空间的模型 一、 面向硬设备的彩色模型 面向硬设备的彩色模型非常适合在输出显示场合使用。 (1) RGB 颜色空间 最典型最常用的面向硬设备的彩色模型是 RGB 模型。电视摄像机和彩色扫描仪都是根据 RGB 模型工作的。 RGB 模型是一种与人的视觉系统结构密切相连的模型。 自然界中的所有 的已知 颜色都可以由红，绿，蓝 (R,G,B)三原色组合而成。针对含有红色成分的多与少，可以将彩色图像人为地分成 0到 255共 256个等级，0 表示包含红色成分 255 表示含有 100%的红色成 分。同理可得绿色和蓝色也被分为 256 个等级。这样，根据红、绿、蓝各种不同的组合我们就能表示出256*256*256(约 1600 万 )种颜色。当一幅图中每个像素被赋不同的 RGB 值时，就能呈现五彩缤纷的颜色了，这就形成了彩色图像。最强的红，绿，蓝三原色相加产生了白色。 HSV 空间中彩色图像研究处理 图 2 -1 根据这个模型，每幅彩色图包括三个独立的基色平面，反过来，如果一幅图像可被表示为三个平面，使用这个模型就比较方便。 2） CMY颜色空间 CMY色彩系统也是一种常用的色彩表示方式，与 RGB颜色空间有两点不同：第一， CMY的三基色分别为青 ,品红，黄（ C,M,Y） ;第二，计算机屏幕的显示通常用 RGB颜色系统，它是通过三种颜色的相加来产生其他颜色的，这种方法被称作加色合成法，而 CMY 颜色空间是通过颜色的相减来产生其他颜色的，这种方法被称为减色合成法。 利用三色光叠加可以产生光的三补色：青（ C,Cyan）、品红（ M,Magenta）、黄（ Y,Yellow），分别是红（ R）、绿（ G）、蓝（ B）三色的互补色。它们与荧光粉组合光颜色的显示器不同，是通过打印彩墨（ ink）、彩色涂料的反射光来显现颜色的，是一种减色组合。由青、品红和黄三色组成的色彩模型，使 用时相当于从白色光中减去某种颜色，因此又叫减色系统。在笛卡儿坐标系中， CMY色彩模型与 RGB色彩模型外观相似，但原点和顶点刚好相反， CMY模型的原点是白色，相对的顶点是黑色。 一种简单而近似的从 CMY到 RGB的转换为： R=1-C G=1-M B=1-Y 一、 面向视觉感知的彩色模型 面向硬设备的彩色模型与人的视觉感知有一定距离且使用时不太方便，例如给定一个色彩信号，人很难判定其中的 RGB 分量，这时使用面向视觉感知的颜色模型比较方便。 在面向视觉感知的 彩色模型中， HSI（ hue,saturation,intensity）是使用较多和HSV 空间中彩色图像研究处理 基本的一个模型，其他还有 HCV（ hue,chroma,value）模型， HSV（ hue, saturation, value）模型， HSB(hue， saturation， brightness)模型， L* a* b*模型等。这些模型是非线性的，既与人类颜色视觉感知比较接近，又独立于显示设备。 1） HIS 模型 [6] （ 1）各分量意义 HSI 模型用 H、 S、 I 三参数描述颜色特性。 H 表示颜色的波长，称为色调；S 表示颜色的深浅程度，称为饱 和度； I 表示强度或亮度。 HSI 颜色模型反映了人的视觉对色彩的感觉。 色调 H 由角度表示，它反映了颜色最接近什么样的光谱波长，即光的不同颜色。通常假定 0°表示的颜色为红色， 120°的为绿色， 240°的为蓝色。从 0°到 360°的色相覆盖了所有可见光谱的彩色。饱和度 S 表征颜色的深浅程度，饱和度越高，颜色越深。饱和度参数是色环的原点（圆心）到彩色点的半径的长度。在环的边界上的颜色饱和度最高，其饱和度值为 1，在中心的饱和度为 0。 亮度I 是指光波作用于感受器所发生的效应，其大小由物体反射系数来决定，反射系数越大，物体 的亮度愈大，反之愈小。如果把亮度作为色环的垂线，那么 H、 S、I 构成一个柱形彩色空间。灰度阴影沿着轴线自下而上亮度逐渐增大，由底部的黑渐变成顶部的白。圆柱顶部的圆周上的颜色具有最高亮度和最大饱和度。 （ 2） HSI模型和 RGB模型的转换 对任何三个归一化到 [0,1]范围内的 RGB 值，其对应的 HIS模型中的 H， S，I分量可由下面的公式计算。 R≠G 或 R≠B H= 2 ? - 2( ) ( )a r c c o s2 ( ) ( ) ( )R G R BR G R B G B??? ? ?????? ? ? ???B>G S=1- 3 m in ( , , )R G B R G B（ ++ ） I=(R+G+B)/3 2( ) ( )a r c c o s2 ( ) ( ) ( )R G R BR G R B G B??? ? ?????? ? ? ???HSV 空间中彩色图像研究处理 2） HSV模型 （ 1）各分量意义 HSV色彩模型使用了用户直观的颜色描述方法，用 H表示 色相、 S表示 饱和度 ， V表示 明度值， （ 2） HSV模型和 RGB模型的转换 B≤ G H= 2 ? - B>G S= V= 3） L* a* b*模型 （ 1） 各分量意义 Lab 色彩模型是由照度（ L）和有关色彩的 a, b 三个要素组成。 L 表示照度（ Luminosity），相当于亮度 。 a 表示从红色至绿色的范围， b 表示从黄色至蓝色的范围。 L 的值域由 0 到 100， L=50 时，就相当于 50%的黑； a和 b 的值域都是由 +127 至 -128，其中 +127 a 就是红色，渐渐过渡 到 -128 a的时候就变成绿色；同样原理， +127 b 是黄色， -128 b 是蓝色。所有的颜色就以这三个值交互变化所组成。 Lab 中的数值描述正常视力的人能够看到的所有颜色。因为 Lab 描述的是颜色的显示方式，而不是设备（如 显示器、桌面打印机或数码相机）生成颜色所需的特定色料的数量，所 以 Lab 被视为与设备无关的颜色模2( ) ( )a r c c o s2 ( ) ( ) ( )R G R BR G R B G B??? ? ?????? ? ? ???2( ) ( )a r c c o s2 ( ) ( ) ( )R G R BR G R B G B??? ? ?????? ? ? ???m a x ( , , )R G Bmax （ R,G,B ） -min(R,G,B)max( , , )255R G BHSV 空间中彩色图像研究处理 型。 色彩管理系统使用 Lab 作为色标，将颜色从一个色彩空间转换到另一个色彩空间。 （ 2） L* a* b*模型和 RGB模型的转换 RGB 对 Lab 转换，要经过一个 XYZ 颜色模 型作为中介， XYZ 是一种 “ 虚拟元色 ” 颜色模式，但不是真正人类视觉观察的方式。为什么直观 “ 真实 ” 的 RGB 之外还要引进一个
文档加载中……请稍候！
下载文档到电脑，查找使用更方便
20 库币 &&0人已下载
还剩页未读，继续阅读
<a href="UserManage/CopyrightAppeal.aspx?bid=795856" title="版权申诉" class="fLeft works-manage-item works-manage-report" target="_blank"
关&键&词： HSV 空间 彩色 图像 处理 研究 毕业论文 毕业设计 专业 大学 大专 本科 格式 范文 免费 下载
& 天天文库所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
本文标题：hsv空间中彩色图像处理研究 链接地址：
当前资源信息
类型： 共享资源
格式： DOC
大小： 1.84MB
上传时间：
&& 广告或垃圾信息
&& 色情、淫秽、低俗信息
&& 反政府、反人类、反社会等反动信息
&& 散布赌博、暴力、凶杀、恐怖或者教唆犯罪等信息
&& 侮辱、诽谤等人身攻击信息
&& 散布谣言、扰乱社会秩序，破坏社会稳定等信息