第六讲图像类型与 彩色模型的转换 【目录】 一、图像类型的转换 (1) 1、真彩图像→索引图像 (3) 2、索引图像→真彩图像 (3) 3、真彩图像→灰度图像 (4) 4、真彩图像→二值图像 (4) 5、索引图像→灰度图像 (5) 6、灰度图像→索引图像 (6) 7、灰度图像→二值图像 (7) 8、索引图像→二值图像 (8) 9、数据矩阵→灰度图像 (9) 二、彩色模型的转换 (9) 1、图像的彩色模型 (10) 2、彩色转换函数 (10) 三、纹理映射 (13) 【正文】 一、图像类型的转换
1、真彩图像→索引图像 【格式】X =d i t h e r (R G B ,m a p ) 【说明】按指定的颜色表m a p 通过颜色抖动实现转换 【输入】R G B 可以是d o u b l e 或u i n t 8类型 【输出】X 超过256色则为d o u b l e 类型，否则输出为u i n t 8型 【例】 C L F ,R G B =i m r e a d ('f l o w e r s .t i f '); 100 200 300 400 500 50100150200250300350 100 200 300 400 500 50100150200250300350 【输出】R G B 为d o u b l e 类型 【例】 C L F ,l o a d t r e e s ; R G B =i n d 2r g b (X ,m a p ); s u b p l o t (1,2,1);s u b i m a g e (X ,m a p );t i t l e ('索引图') s u b p l o t (1,2,2);s u b i m a g e (R G B );t i t l e ('真彩图')
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910294734.8 (22)申请日 2019.04.12 (71)申请人 腾讯科技（深圳）有限公司 地址 518000 广东省深圳市南山区高新区 科技中一路腾讯大厦35层 (72)发明人 罗镜民 朱晓龙 王一同 季兴 (74)专利代理机构 北京派特恩知识产权代理有 限公司 11270 代理人 李梅香 张颖玲 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/62(2006.01) G06N 3/08(2006.01) (54)发明名称 姿态识别模型的训练方法、图像识别方法及 装置 (57)摘要 本发明提供了一种姿态识别模型的训练方 法、图像识别方法及装置；姿态识别模型的训练 方法包括：将标注有人体关键点的样本图像，输 入所述姿态识别模型包括的特征图模型，输出对 应所述样本图像的特征图；将所述特征图输入所 述姿态识别模型包括的二维模型，输出用于表征 二维人体姿态的二维关键点参数；将从所述特征 图中剪裁出的目标人体特征图及所述二维关键 点信息，输入所述姿态识别模型包括的三维模 型，输出用于表征三维人体姿态的三维姿态参 数；结合所述二维关键点参数及所述三维姿态参 数，构建目标损失函数；基于所述目标损失函数， 更新所述姿态识别模型的模型参数。权利要求书3页 说明书16页 附图11页CN 110020633 A 2019.07.16 C N 110020633 A
权 利 要 求 书1/3页CN 110020633 A 1.一种姿态识别模型的训练方法，其特征在于，所述方法包括： 通过姿态识别模型包括的特征图模型，对标注有人体关键点的样本图像进行处理，获得对应所述样本图像的特征图； 通过所述姿态识别模型包括的二维模型，对所述特征图进行处理，获得用于表征二维人体姿态的二维关键点参数； 通过所述姿态识别模型包括的三维模型，对从所述特征图中剪裁出的目标人体特征图及所述二维关键点参数进行处理，获得用于表征三维人体姿态的三维姿态参数； 结合所述二维关键点参数及所述三维姿态参数，构建目标损失函数； 基于所述目标损失函数，更新所述姿态识别模型的模型参数。 2.如权利要求1所述的方法，其特征在于，所述方法还包括： 根据当前配置场景的类型获取相应类型的关键点集，并确定所述关键点集中的人体关键点； 基于所确定的人体关键点，参照所述关键点集对所述样本图像进行标注。 3.如权利要求2所述的方法，其特征在于，所述关键点集包括： 用于定位人体部位的基准关键点、与所述基准关键点协同表征所属部位的多种三维姿态的扩展关键点。 4.如权利要求1所述的方法，其特征在于，所述目标损失函数包括对应所述三维模型的第一损失函数；所述结合所述二维关键点参数及所述三维姿态参数，构建损失函数，包括：基于所述三维姿态参数，确定相应的二维关键点信息； 结合所述二维模型输出的二维关键点参数、以及基于所述三维姿态参数确定的二维关键点信息，构造对应所述三维模型的第一损失函数。 5.如权利要求4所述的方法，其特征在于，所述目标损失函数还包括对应所述二维模型的损失函数及对应所述三维模型的第二损失函数； 所述二维关键点参数包括：人体关键点的部分亲和字段参数及人体关键点的热力图，所述三维姿态参数包括：人体的形状参数及形态参数； 所述结合所述二维关键点参数及所述三维姿态参数，构建损失函数，包括： 结合所述二维模型输出的部分亲和字段参数与相应人体关键点在样本图像中的部分亲和字段参数的差异、所述二维模型输出的热力图与相应人体关键点在样本图像中的热力图的差异，构建对应所述二维模型的损失函数； 结合所述三维模型输出的形状参数与相应人体在样本图像中的形状参数的差异、所述三维模型输出的形态参数与相应人体在样本图像中的形态参数的差异，构建对应所述三维模型的第二损失函数。 6.如权利要求1所述的方法，其特征在于，所述方法还包括： 基于所述二维模型输出的所述二维关键点参数，确定所述特征图中的目标人体； 根据确定的目标人体对所述特征图进行剪裁，得到所述目标人体的特征图。 7.如权利要求1所述的方法，其特征在于，所述基于所述目标损失函数，更新所述姿态识别模型的模型参数，包括： 基于所述二维模型输出的所述二维关键点参数及所述三维模型输出的所述三维姿态参数，确定所述目标损失函数的值； 2
实验四、图像的几何变换与彩色处理 一、实验目的 1理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用； 2熟悉图像几何变换的MATLAB操作和基本功能 3 掌握彩色图像处理的基本技术 二、实验步骤 1 启动MATLAB程序，读入图像并对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作 %%%%%%平移 >> flowerImg=imread('flower.jpg'); >> se=translate(strel(1),[100 100]); >> img2=imdilate(flowerImg,se); >> subplot(1,2,1); >> imshow(flowerImg); >> subplot(1,2,2); >> imshow(img2);
I1=imread('flower.jpg'); I1=double(I1); H=size(I1); I2(1:H(1),1:H(2),1:H(3))=I1(H(1):-1:1,1:H(2),1:H(3)); I3(1:H(1),1:H(2),1:H(3))=I1(1:H(1),H(2):-1:1,1:H(3)); Subplot(2,2,1); Imshow(uint8(I1)); Title('原图'); Subplot(2,2,2); Imshow(uint8(I3)); Title('水平镜像'); Subplot(2,2,3); Imshow(uint8(I2)); Title('垂直镜像'); img1=imread('flower.jpg'); figure,imshow(img1); %%%%%%缩放 img2=imresize(img1,0.25); figure,imshow(img2); imwrite(img2,'a2.jpg');
纹理特征和模型 １，基于纹理谱的纹理特征 图像纹理分析中，最重要的问题是提取能够描述纹理的特征信息；这些特征可被用来分类和描述不同的纹理图像。在实际中常用到的方法有结构法和统计法；本文提出一种新的统计方法，每个纹理单元表征该位置及其领域象素的特征，整幅图像的纹理特征用纹理谱来表征，用这种方法进行分析较为简单。 定义纹理谱：纹理单元的频率分布。 基于纹理频谱的纹理特征： 3×３领域：权重： original reference calculate by myself （1）、黑白对称性 ()(3281) 1*100 () s i S i BWS S i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ 反映频谱的对称性，不随纹理单元中起始计数位置的不同而不同。 （2）、几何对称性 ()4() 1 1*100 4 2*() Sj i Sj i GS Sj i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ ∑ 反映图像旋转180度后，纹理谱的相似性； （3）、方向度
()()11*10062*()Sm i Sn i DD Sm i ?? -?? ??=-?????? ∑∑ ∑ 反映线性结构的角度。大的DD 说明纹理谱对图像的方向模式较为敏感；即图 像中有线性机构纹理单元存在。 以上三个特征都是图像的几何特征，可描述原始图像的宏观纹理；下面介绍几个描述图像微观纹理的特征。 （4）、方向特征 微观水平结构特征： ()*()MHS S i HM i =∑ ()(,,)*(,,)HM i P a b c P f g h = 同样，我们可以得到其它方向的方向纹理特征MVS ，MDS1，MDS2 （5）中心对称性 2()*[()]CS S i K i =∑ ２．常用统计特征： 把图像看成是一个二维随机过程的一次实现，可得到图像的直方图、均值、方差、偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。常用来描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归模型、同时自回归模型等。 原图： １、２、３、４阶矩
Matlab图像颜色空间转换 实验内容 用matlab软件编程实现下述任务: 读入彩色图像,提取其中得R、G、B颜色分量,并展示出来。 我们学习了多种表示图像得颜色空间,请编写程序将图像转换到YUV、YIQ、YCrCb、HIS、CMY等颜色空间,并展示出来。 颜色空间得转化关系参考以下公式: 原始图片 三个色调分量 YUV与RGB之间得转换 Y＝0、229R＋0、587G＋0、114B U＝－0、147R－0、289G+0、436B V=0、615R－0、515G－0、100B
YIQ与RGB之间得转换 Y＝0、299R＋0、587G＋0、114B I＝0、596R－0、275G－0、321B Q=0、212R－0、523G＋0、311B YCrCb与RGB之间得转换 Y = 0、2990R + 0、5870G + 0、1140B? Cr = 0、5000R 0、4187G 0、0813B + 128 Cb = 0、1687R 0、3313G + 0、5000B + 128
HSI与RGB之间得转换 I＝(R＋G＋B)/3 H＝arccos{ 0、5*((RG)+(RB)) / ((RG)^2 + (RB)(GB))^0、5} S=1[min(R,G,B)/ I ] CMY与RGB之间得转换
心得体会 查阅了很多资料,并且学习了关于matlab实现图像颜色空间转换得过程。不同得颜色空间在描述图像得颜色时侧重点不同。如RGB(红、绿、蓝三原色)颜色空间适用于彩色监视器与彩色摄像机,HSI(色调、饱与度、亮度)更符合人描述与解释颜色得方式(或称为HSV,色调、饱与度、亮度),CMY(青、深红、黄)、CMYK(青、深红、黄、黑。)主要针对彩色打印机、复印机等,YIQ(亮度、色差、色差)就是用于NTSC规定得电视系统格式,YUV(亮度、色差、色差)就是用于PAL规定得电视系统格式,YCbCr(亮度单一要素、蓝色与参考值得差值、红色与参考值得差值)在数字影像中广泛应用。近年来出现了另一种颜色空间lαβ,由于其把亮度与颜色信息最大限度得分离,在该颜色空间可以分别处理亮度或颜色而不相互影响。 通过这次实验,实现了五种颜色空间得转换,瞧到了不同得绚丽结果,掌握了一些基本得知识。 程序 clear rgb=imread('G:\Learning\MultiMedia\666、jpg'); rgb2hsi(rgb); rgb_r=rgb(:,:,1);
VC编程实现灰度图像与彩色图像的相互转换 PhotoShop的图像处理功能很强，其中有一个功能是将灰度图像转换为彩色图像，数字图像处理中，也经常要遇到灰度图像与彩色图像相互转换的问题，如何自己解决这个问题，值得大家探讨，现将我解决这类问题的方法陈述如下： 工程应用中经常要遇到需要把彩色图像到灰度图像的变换的问题，采集卡过来的图像为彩色图像，为加快处理速度，要把彩色图像转换为黑白图象，这个问题比较好解决，一般情况下彩色图像每个像素用三个字节表示，每个字节对应着R、G、B分量的亮度（红、绿、蓝），转换后的黑白图像的一个像素用一个字节表示该点的灰度值，它的值在0~255之间，数值越大，该点越白，既越亮，越小则越黑。转换公式为Gray(i,j)=0.11*R(i,j)+0.59*G(i,j)+0.3*B(i,j)，其中Gray(i,j)为转换后的黑白图像在（i,j）点处的灰度值，我们可以观察该式，其中绿色所占的比重最大，所以转换时可以直接使用G值作为转换后的灰度。 至于灰度图像转换为彩色图像，技术上称为灰度图像的伪彩色处理，这是一种视觉效果明显而技术又不是很复杂的图像增强技术。灰度图像中，如果相邻像素点的灰度相差不大，但包含了丰富的信息的话，人眼则无法从图像中提取相应的信息，因为人眼分辨灰度的能力很差，一般只有几十个数量级，但是人眼对彩色信号的分辨率却很强，这样将黑白图像转换为彩色图像人眼可以提取更多的信息量。在转换过程中，经常采用的技术是灰度级-彩色变换，意思就是对黑白图像上的每一个像素点，取得该点的灰度值并送入三个通道经过实施不同的变换，产生相应的R、G、B的亮度值，即所求彩色图像对应像素点的彩色值，具体变换公式很多，我采用的是最常用的一种，变换曲线图如下： 上图中，三个图分别代表了三个变换通道，R、G、B指的是变换后对应点的R、G、B分量值，L指的是各个分量的最大值为255，G（x,y）为相应点的灰度值。理论上就这些，下面是我用VC实现的源代码，图一为我的灰度位图，图二为伪彩色处理后的结果图。我这个实现函数中是如何得到灰度位图的数据的就不多讲了，有兴趣的朋友可参考我在天极网上九月十号发表的《VC灰度位图处理》一文，那里应该讲的很
一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0～1 或者在 0～255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0～360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0～1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0～1。 1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法 颜色直方图是最基本的颜色特征表示方法,它反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。其函数表达式如下: H(k)= n k/N (k=0,1,…,L-1) (1) 其中,k 代表图像的特征取值,L 是特征可取值的个数,n k是图像中具有特征值为 k 的象素的个数,N 是图像象素的总数。由上式可见,颜色直方图所描述的是不同色彩在整幅图像中所占的比例,无法描述图像中的对象或物体,但是由于直方图相对于图像以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,而且对于图像质量的变化也不甚敏感,所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。 由于计算机本身固有的量化缺陷,这种直方图法忽略了颜色的相似性,人们对这种算法进行改进,产生了全局累加直方图法和局部累加直方图法。 2.2 全局累加直方图法 全局累加直方图是以颜色值作为横坐标,纵坐标为颜色累加出现的频数,因此图像的累加直方空间 H 定义为:
由传递函数转换成状态空间模型——方法多!!! SISO 线性定常系统 高阶微分方程化为状态空间表达式 SISO ()()()()()()m n u b u b u b y a y a y a y m m m n n n n ≥+++=++++--- 1102211 )(2 211110n n n n m m m a s a s a s b s b s b s G +++++++=--- 假设1+=m n 外部描述 ←—实现问题：有了部结构—→模拟系统 部描述 SISO ? ??+=+=du cx y bu Ax x 实现问题解决有多种方法，方法不同时结果不同。 一、 直接分解法 因为 1 0111 11()()()()()()()() 1m m m m n n n n Y s Z s Z s Y s U s Z s U s Z s b s b s b s b s a s a s a ----?=? =?++++++++ ???++++=++++=----) ()()() ()()(11 11110s Z a s a s a s s U s Z b s b s b s b s Y n n n n m m m m 对上式取拉氏反变换，则 ? ??++++=++++=----z a z a z a z u z b z b z b z b y n n n n m m m m 1) 1(1)(1)1(1)(0 按下列规律选择状态变量，即设)1(21,,,-===n n z x z x z x ，于是有
?????? ?+----===-u x a x a x a x x x x x n n n n 12113 221 写成矩阵形式 式中，1-n I 为1-n 阶单位矩阵，把这种标准型中的A 系数阵称之为友阵。只要系统状态方程的系数阵A 和输入阵b 具有上式的形式，c 阵的形式可以任意，则称之为能控标准型。 则输出方程 121110x b x b x b x b y m m n n ++++=-- 写成矩阵形式 ??????? ? ????????=--n n m m x x x x b b b b y 12101 1][ 分析c b A ,,阵的构成与传递函数系数的关系。 在需要对实际系统进行数学模型转换时，不必进行计算就可以方便地写出状态空间模型的A 、b 、c 矩阵的所有元素。 例：已知SISO 系统的传递函数如下，试求系统的能控标准型状态空间模型。 4 2383)()(2 3++++=s s s s s U s Y 解：直接得到系统进行能控标准型的转换，即
灰度图像处理程序代码代码 1.二值图像 function erzhi_Callback(hObject, eventdata, handles) % hObject handle to erzhi (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能转换为二值图像','转换失败'); else j=im2bw(x); imshow(j); end 2.图像腐蚀 function fushi_Callback(hObject, eventdata, handles) % hObject handle to fushi (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能进行图像腐蚀','失败'); else j=im2bw(x); se=eye(5); bw=bwmorph(j,'erode'); imshow(bw); 3.创建索引图像 function chuanjian_Callback(hObject, eventdata, handles) % hObject handle to chuanjian (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2); x=(handles.img); if isrgb(x) msgbox('这是彩色图像,不能创建索引图像','创建失败'); else y=grayslice(x,16); axes(handles.axes2); imshow(y,jet(16)); end 4.轮廓图
uint 8:无符号的8位（8bit）整型数据（unit 都是存储型） int ：整型数据 1、在MATLAB中，数值一般都采用double型（64位）存储和运算. 2、为了节省存储空间，MATLAB为图像提供了特殊的数据类型uint8（8位无符号整数），以此方式存储的图像称为8位型像。 3、函数image能够直接显示8位图像，但8位型数据和double型数据在image中意义不一样， 4、对于索引图像，数据矩阵中的值指定该像素的颜色种类在色图矩阵中的行数。当数据矩阵中的值为0时，表示用色图矩阵中第一行表示的颜色绘制；当数据矩阵中的值为1时，表示用色图矩阵中的第二行表示的颜色绘制该像素，数据与色图矩阵中的行数总是相差1。所以，索引图像double型和uint8型在显示方法上没有什么不同，只是8位数据矩阵的值和颜色种类之间有一个偏差1。调用格式均为image(x); colormap(map); 5、对于灰度图像，uint8表示范围[0，255]，double型表示范围[0，1]。可见，double型和uint8型灰度图像不一样，二者转换格式为： I8=uint8 (round (I64*255)); ！！double转换成uint 8 I64=double (I8)/255; ！！！uint转换成double 反之，imread根据文件中的图像种类作不同的处理。当文件中的图像为灰度图像时，imread 把图像存入一个8位矩阵中，把色图矩阵转换为双精度矩阵，矩阵中每个元素值在[0，1]内；当为RGB图像时，imread把数据存入到一个8位RGB矩阵中。！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！ MATLAB中读入图像的数据类型是uint8，而在矩阵中使用的数据类型是double 因此 I2=im2double(I1) :把图像数组I1转换成double精度类型； 如果不转换，在对uint8进行加减时会产生溢出 图像数据类型转换函数 默认情况下，matlab将图象中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。 im2double():将图象数组转换成double精度类型 im2uint8():将图象数组转换成unit8类型 im2uint16():将图象数组转换成unit16类型 ！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！ 默认情况下，matlab将图像中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。 但是，问题的真正的解释其实应该是这样的。首先是在数据类型转换时候uint8和im2uint8的区别，uint的操作仅仅是将一个double类型的小数点后面的部分去掉；但是im2uint8是将输入中所有小于0的数设置为0，而将输入中所有大于1的数值设置为255，再将所有其他值乘以255。 图像数据在进行计算前要转化为double类型的，这样可以保证图像数据运算的精
PIM->PSM 模型转换的途径 mdaSky UML软件工程组织 由MDA 的PIM（平台独立模型）向PSM（平台特定模型）转换的方法目前尚未实现标准化。因此目前市售的工具不得不利用自主方法进行这部分的处理。由PIM 向PSM 的转换方法由于将在2004 年实现标准化，只有这个重要的步骤标准化了，才更加有利于MDA 这项技术的推广。 2004 年将是MDA 大发展的一年，为什么这样说，我们来看看业界一些重要的公司是如何应对MDA 这项技术的。最近，美国Compuware 的OptimalJ 等基于对象技术标准化团体美国OMG （Object Management Group ）倡导的模型驱动架构（MDA）的Java 开发工具业已亮相。那么Java 工具阵营的老大哥Borland 公司的JBuilder 是否会支持MDA 那？看看他们是怎么说：“我们也在关注MDA， 但是目前仍在观察其动向。比如说第一点，OptimalJ 等产品与JBuilder，包括价格在内，不属于同一类产品。要是支持MDA 的话，Together 更好一些。JBuilder X 在能够轻松构筑Web 应用的角度上，以比这些工具更低的成本实现了相同的功能。同样，即便1 行代码都不写，也能够自动生成可访问数据库的Web 应用架构，在开发过程中及开发完成后均可轻松变更Web 应用服务器等平台。由PIM 向PSM 的转换方法由于将在2004 年实现标准化，因此到时准备在Together 中配备基于MDA 的模型自动生成功能。”看来Borland 公司也不会轻视MDA 这项技术，准备在Together 产品中支持MDA。 MDA 技术是否会取得较大的成功，让我们拭目以待。 下面简单讲述一下从PIM 到PSM 转化的5 种途径： 1. Marking
2013-2014学年第二学期图像通信课程设计报告设计题目：图像的各种颜色空间转换
摘要 所谓三基色原理，是指自然界常见的各种颜色光都可由红、绿、蓝三种色光按照不同比例相配而成。同样，绝大多数颜色也可以分解成红、绿、蓝三种色光。这就是色度学中的最基本的原理。 彩色模型的用途是在某些标准下用通常课接受的方式简化彩色规范。常常涉及到用几种不同的彩色空间表示图形和图像的颜色，以应对不同的场合和应用。因此，在数字图像的生成、存储、处理及显示时，对应不同的彩色空间，需要作不同的处理和转换。现在主要的彩色模型有RGB模型、CMY模型、YUV模型、YIQ 模型、YcbCr模型、HSI模型等。本设计主要使用MATLAB编程的方法，实现RGB与其余四种模型之间的互化。即使用不同的色彩模型表示同一图形或图像。通过转换实现色彩模型的变换之后，可以让同一幅图像以各种模式在全球范围内流通，所以本设计具有一定的实际意义。一般的图像原始都为RGB—加色混合色彩模型，它与剩下的几个色彩模型之间存在着函数对应关系，通过矩阵运算改变模型的参数就可以实现不同色彩模型之间的相互转换。例如CMY—减色混合色彩模型，就是利用青色、深红色、黄色这三种彩色按照一定比例来产生想要的 彩色，CMY是RGB三基色的补色，它与RGB存在如下关系：C M Y = 1 1 1 - R G B ， 使用MATLAB编程时，读入三个通道的数值，按照对应关系进行矩阵变换就可以转换成CMY色彩模型。其他色彩模型转换原理与此相似。 关键词：MATLAB，RGB、YUV、YIQ、YCbCr、HSI、色彩模型
一、设计任务、目的和要求 任务：实现RGB模型、CMY模型、YUV模型、YIQ模型、YcbCr模型、HSI 模型这几种不同色彩模型之间的相互转换 要求：最终结果用图像显示 二、总体方案设计 系统运行环境：WINDOWS 7操作系统 编程软件平台：MATLAB2012b 编码算法原理：将原图的三基色数值读入，根据不同色彩模型之间的相互关系，通过矩阵运算改变不同的亮度和色度等信息来实现色彩模型的转换，然后将变换后的图像导出 流程图： 三、设计实现
基于人工智能算法的图像识别与生成 摘要：本次报告的工作是利用PCA，SVM以及人工神经网络（ANN）实现对人脸的特征提取、分类和预测。然后利用GAN（生成对抗网络）实现对手写数字的生成，并用SVM 做预测，验证生成效果。 本次报告采用的数据源自剑桥大学的ORL 人脸数据库，其中包含40个人共400张人脸图像。 关键词：人工智能；图像识别；数据 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）13-0173-02 1 PCA降维 PCA（principal components analysis）即主成分分析，又称主分量分析。旨在利用降维的思想，把多指标转化为少数几个综合指标。 首先我们给出了数据库的平均脸的图像，并利用PCA对人脸降维，通过改变降低到的维度研究了保留维度的多少带来的影响。最后给出了每一个维度的特征脸图像，讨论了每一个维度所能够代表的人脸信息。 1.1 平均脸 首先，我们将数据库中400张人脸按行存储到一个矩阵
中，即每一行为一张人脸（10304像素），每张人脸共10304维特征。我们对每一个维度去平均，构成一个新的行向量，这就是平均脸。 平均脸反映了数据库中400张人脸的平均特征，可以看清人脸的轮廓，但无法识别人脸的局部细节。 1.2 降低至不同维度时还原脸的情况 从左到右从上到下依次是同一张脸降低至10，30，50，100，200，250，300，350，400的图像。可以看到，随着保留维数的增多，图像越清晰，与原图的差异越小。 1.3 提取单一维度的特征做还原 为了研究不同维度所代表的人脸的信息，我们把PCA之后的每一个特征向量单独提取出来对人脸做还原，还原的时候不加入平均脸并且做直方图均衡化。 结果如下： 每一张图像下方的数字代表了PCA之后按特征值从大到小排序的顺序，比如第一张图代表PCA之后最大特征值所对应的特征向量还原出的人脸。 特征累积图的纵坐标代表了所保留的特征占总特征的 比例。它是这样计算出来的，假设保留k维信息，则纵坐标值为这k个特征值的和除以总的400（400*10304的矩阵，最多有400个非零特征值）个特征值的和。 从图4可以看出，当保留维数为100维时，即能保留人
clc; clear all; close all; I = imread('q.jpg'); I1 = I; I2 = I; I3 = I; I1(I1>60 & I1<120) = 255; I2(I2>20 & I2<50) = 255; I3(I3>80 & I3<160) = 255; J = cat(3, I1, I2, I3); figure; subplot(1, 2, 1); imshow(I, []); title('By lyqmath 原图', 'FontWeight', 'Bold', 'Color', 'r'); subplot(1, 2, 2); imshow(J, []); title('By lyqmath 彩色图', 'FontWeight', 'Bold', 'Color', 'r'); 二. I = imread('q.jpg'); GS8=grayslice(I,8); GS64=grayslice(I,64); subplot(1,3,1), imshow(I), title('原始灰度图像'); subplot(1,3,2), subimage(GS8,hot(8)), title('分成8层伪彩色'); subplot(1,3,3), subimage(GS64,hot(64)), title('分成64层伪彩色');
k=imread('q.jpg'); [x y z]=size(k); % z should be one for the input image k=double(k); for i=1:x for j=1:y if k(i,j)>=0 & k(i,j)<50 m(i,j,1)=k(i,j,1)+5; m(i,j,2)=k(i,j)+10; m(i,j,3)=k(i,j)+10; end if k(i,j)>=50 & k(i,j)<100 m(i,j,1)=k(i,j)+35; m(i,j,2)=k(i,j)+28; m(i,j,3)=k(i,j)+10; end if k(i,j)>=100 & k(i,j)<150 m(i,j,1)=k(i,j)+52; m(i,j,2)=k(i,j)+30; m(i,j,3)=k(i,j)+15; end if k(i,j)>=150 & k(i,j)<200 m(i,j,1)=k(i,j)+50;
第五讲M A T L A B可视化(三) 图像显示 M a t l a b进行图像处理的步骤如下： ↓ ↓ ↓↓ 【目录】 一、图像文件格式 (2) 1、调色板 (2) 2、图像类型 (2) 3、图像文件格式 (3) 二、读图像和图像信息 (3) 1、读取图像 (3) 2、读取图像信息 (4) 三、图像类别与数据格式 (6) 四、图像显示 (8) 1、i m s h o w(I,n) (8) 2、i m s h o w(I,[l o w,h i g h]) (9) 3、i m s h o w(B W) (10) 4、i m s h o w(X,M A P) (14) 5、i m s h o w(R G B) (15) 6、i m s h o w f i l e n a m e (16)
7、s u b i m a g e (17) 五、保存图像 (18) 1、i m w r i t e函数 (18) 六、图像数据格式转换 (18) 1、索引图像 (19) 2、灰度图像 (19) 3、真彩色图像 (19) 4、二值图像 (20) 【正文】 一、图像文件格式 1、调色板 调色板是包含不同颜色的颜色表，每种颜色以红、绿、蓝三种颜色的组合来表示，图像的每一个像素对应一个数字，而该数字对应调色板中的一种颜色。 调色板的单元个数是与图像的颜色数相对应的，256色图像的调色板就有256个单元。 真彩图像的每个像素直接用R、G、B三个字节来表示颜色，因此不需要调色板。 2、图像类型
3、图像文件格式 二、读图像和图像信息 1、读取图像
函数i m r e a d可以从任何M a t l a b支持的图像文件格式中，以任意位深度读取一幅图像。格式为： [X,M A P]=i m r e a d(F I L E N A M E,'F M T')，其中： F I L E N A M E－为需要读入的图像文件名称，F M T－为图像格式。 【例】图像读取演示 [X1,M A P1]=i m r e a d('演示图像－1位黑白.t i f'); [X2,M A P2]=i m r e a d('演示图像－8位灰度.t i f'); [X3,M A P3]=i m r e a d('演示图像－256色.t i f'); [X4,M A P4]=i m r e a d('演示图像－16位灰度.t i f'); [X5,M A P5]=i m r e a d('演示图像－24位色.t i f'); [X6,M A P6]=i m r e a d('演示图像－48位色.t i f'); w h o s N a m e S i z e B y t e s C l a s s M A P10x00d o u b l e a r r a y M A P20x00d o u b l e a r r a y M A P3256x36144d o u b l e a r r a y M A P40x00d o u b l e a r r a y M A P50x00d o u b l e a r r a y M A P60x00d o u b l e a r r a y X1427x427182329l o g i c a l a r r a y X2427x427182329u i n t8a r r a y X3427x427182329u i n t8a r r a y X4427x427364658u i n t16a r r a y X5427x427x3546987u i n t8a r r a y X6427x427x31093974u i n t16a r r a y G r a n d t o t a l i s1824058e l e m e n t s u s i n g2558750b y t e s 2、读取图像信息
色彩空间介绍 颜色模型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。如我们所熟知的三原色光模式.三原色光模式（RGB color model），又称RGB颜色模型或红绿蓝颜色模型，是一种加色模型，将红（Red）、绿（Green）、蓝（Blue）三原色的色光以不同的比例相加，以产生多种多样的色光(如图1所示)。 图1 在大多数的彩色图形显示设备一般都是使用红、绿、蓝三原色，我们的真实感图形学中的主要的颜色模型也是RGB模型，但是红、绿、蓝颜色模型用起来不太方便，它与直观的颜色概念如色调、饱和度和亮度等没有直接的联系。为了更便于颜色的直观表示,一些学者提出了其它的颜色模型,如HSV、HSI、CHL、LAB、CMY等。 RGB颜色模型 RGB（Red,Green,Blue）颜色模型通常使用于彩色阴极射线管等彩色光栅图形显示设备中，彩色光栅图形的显示器都使用R、G、B数值来驱动R、G、B电子枪发射电子，并分别激发荧光屏上的R、G、B三种颜色的荧光粉发出不同亮度的光线，并通过相加混合产生各种颜色。RGB颜色模型称为与设备相关的颜色模型，RGB颜色模型所覆盖的颜色域取决于显示设备荧光点的颜色特性，是与硬件相关的。它是我们使用最多，最熟悉的颜色模型。它采用三维直角坐标系。红、绿、蓝原色是加性原色，各个原色混合在一起可以产生复合色。RGB颜色模型通常采用如图2所示的单位立方体来表示。在正方体的主对角线上，各原色的强度相等，产生由暗到明的白色，也就是不同的灰度值。目前在计算机硬件中采取每一象素用24比特表示的方法,（0，0，0）为黑色，（255，255，255）为白色。正方体的其他六个角点分别为红、黄、绿、青、蓝和品红。
Java 图片处理（包括 Jmagick 的应用） 图片处理（ 的应用）
作者: 佚名, 出处:IT 专家网,
2010-10-29 08:30
责任编辑: 谢妍妍,
近期有使用到图片的压缩处理，由于在之前用 Java 处理时，在低像素的情况下， Java 处理的效果确实很差，然后尝试了用网上推荐的免费开源的第三方软件，利用 Java 的 jni 调用 dll 文件进行处理，效果还可以。在此记录下，方便以后继续积累。
近期有使用到图片的压缩处理， 由于在之前用 Java 处理时， 在低像素的情况下， Java 处理的效果确实很差，然后尝试了用网上推荐的免费开源的第三方软件，利用 Java 的 jni 调用 dll 文件进行处理，效果还可以。在此记录下，方便以后继续积累。
1、纯 Java 类处理图片代码
Java 代码
以下是代码片段： 以下是代码片段： /** * 转换图片大小，不变形 * * @param img * 图片文件 * @param width * 图片宽 * @param height * 图片高 */ public static void changeImge(File img, int width, int height) { try { Image image = ImageIO.read(img); //图片尺寸的大小处理， 如果长宽都小于规定大小， 则返回， 如果有一个大于规定大小， 则等比例缩放 int srcH = image.getHeight(null); int srcW = image.getWidth(null); if (srcH <= height && srcW <= width) { return;