第八讲图像类型与
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 (2)
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 (8)
二、彩色模型的转换 (9)
1、图像的彩色模型 (9)
2、彩色转换函数 (10)
三、纹理映射 (12)
【正文】
一、图像类型的转换
【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')
100
200
300
50100150200250
100
200
300
50100150200250
真彩图像→灰度图像
【例】
100
200
300
400
500
50100150200250300350
100
200
300
400
500
50100150200250300350
真彩图像→二值图像
【输出】B W 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
索引图像→灰度图像
【输入】X 可以是d o u b l e 或u i n t 8类型，m a p 为d o u b l e 类型 【输出】I 是d o u b l e 类型，N e w m a p 为d o u b l e 类型
【例】
C L F ,l o a d t r e e s ; I =i n d 2g r a y (X ,m a p ); N e w m a p =r g b 2g r a y (m a p );
s u b p l o t (2,2,1);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 (2,2,3);s u b i m a g e (I );t i t l e ('格式1灰度图')
s u b p l o t (2,2,4);s u b i m a g e (X ,N e w m a p );t i t l e ('格式2灰度图')
100
200
300
50100150200250
100
200
300
50100150200250
100
200
300
50100150200250
灰度图像→索引图像
【格式1】1、[X ,m a p ]=g r a y 2i n d (I ,n )
2、X =g r a y s l i c e (I ,n )
3、X =g r a y s l i c e (I ,v )
【说明】格式1：将灰度图像转换为灰度级为n 的索引图像X ，n 的默
认值为64；
格式2：将灰度图像I 均匀量化为n 个等级，然后转换为伪彩
色图像X ；
格式3：按指定的阈值矢量v (其中每个元素在0和1之间)对
图像I 进行阈值划分，然后转换成索引图像
【输入】I 可以是d o u b l e 类型、u i n t 8类型和u i n t 16类型
【输出】m a p 的行不大于256，则X 为u i n t 类型，否则为d o u b l e 类型
【例】
C L F ,I =i m r e a d ('r i c e .t i f '); [X 1,m a p 1]=g r a y 2i n d (I ,16); X 2=g r a y s l i c e (I ,8);
X 3=g r a y s l i c e (I ,255*[0 0.21 0.23 0.26 0.30 0.35 0.6 1.0]'); s u b p l o t (2,2,1);s u b i m a g e (I );t i t l e ('灰度图')
s u b p l o t (2,2,2);s u b i m a g e (X 1,m a p 1);t i t l e ('16灰度级图') s u b p l o t (2,2,3);s u b i m a g e (X 2,h o t (8));t i t l e ('均匀量化图') 50
100
150
200
250
50100150200250
50
100
150
200
250
50100150200250
均匀量化图50
100
150
200
250
50100150200250
非均匀量化图
50
100
150
200
250
50100150200250
度图像→二值图像【格式一】B W =d i t h e r (I )；【格式一】B W =i m 2b w (I ,l e v e l ) 【说明】格式一用抖动的方式实现转换，格式二用阈值方式转换 【输入】I 可以是d o u b l e 类型和u i n t 8类型 【输出】B W 为u i n t 8类型
【例】
C L F ,I =i m r e a d ('s a t u r n .t i f '); B W 1=d i t h e r (I ); B W 2=i m 2b w (I ,0.5);
s u b p l o t (2,2,1);s u b i m a g e (I );t i t l e ('灰度图') s u b p l o t (2,2,3);s u b i m a g e (B W 1);t i t l e ('抖动二值化')
100
200
300
400
50100150200250300
抖动二值化
100
200
300
400
50100150200250300
100
200300400
50100150200250300
索引图像→二值图像
【格式】B W =i m 2b w (X ,m a p ,l e v e l )
【输入】X 可以是d o u b l e 类型和u i n t 8类型 【输出】B W 为u i n t 8类型
【例】
100
200
300
50100150200250
100
200
300
50100150200250
数据矩阵→灰度图像
【格式】1、I =m a t 2g r a y (A ,[m a x ,m i n ])
2、I =m a t 2g r a y (A )
【说明】按指定的取值区间[m a x ,m i n ]将数据矩阵A 转换为灰度图像I 。如不指定区间，自动取最大区间。
【输入】A 为d o u b l e 类型 【输出】I 为d o u b l e 类型
【例】
C L F ;I =i m r e a d ('r i c e .t i f '); A =f i l t e r 2(f s p e c i a l ('s o b e l '),I ); 50
100
150
200
250
50100150200250
50
100
150
200
250
50
100
150
200
250
彩色模型的转换
(1) R G B 模型
是色光的彩色模式，R 代表红色，G 代表绿色，B 代表蓝色，通常所说的真彩色。
(2) N T S C 模型
N T S C 模型用于电视信号。其特点是亮度信号与色度信号相分离。一个信号能同时表示彩色图像和黑白图像。他的Y 表示亮度，I 表示色度，Q 表
示饱和度。
(3)H S V模型
根据人眼的视觉特性表示的颜色，H表示色调，S表示饱和度，V表示明度。
(4)Y C b C r模型
一种彩色模型，Y表示亮度信号，C b、C r两个色度分量。
2、彩色转换函数
(1)R G B颜色空间转换到N T S C颜色空间
【格式】Y I Q M A P=r g b2n t s c(R G B M A P)
【说明】将R G B色表转换为Y I Q色表
【输入】R G B M A P为d o u b l e类型
【输出】Y I Q M A P为d o u b l e类型
【格式】Y I Q=r g b2n t s c(R G B)
【说明】表示将R G B图像转换为N T S C图像
【输入】R G B为d o u b l e、u i n t8或u i n t16类型
【输出】Y I Q为d o u b l e类型
【例】
C L F,R G B=i m r e a d('f l o w e r s.t i f');
Y I Q=r g b2n t s c(R G B);
s u b p l o t(2,3,1);s u b i m a g e(R G B);t i t l e('R G B图像')
s u b p l o t (2,3,3);s u b i m a g e (m a t 2g r a y (Y I Q ));t i t l e ('N T S C 图像') s u b p l o t (2,3,4);s u b i m a g e (m a t 2g r a y (Y I Q (:,:,1)));t i t l e ('Y 分量') 100200300400500
100200300
100200300400500
100200300
100200300400500
100200300
100200300400500
100200300
100200300400500
100200300
T S C 颜色空间转R G B 颜色 【说明】将Y I Q 色表转换为R G B 色表 【输入】Y I Q M A P 为d o u b l e 类型 【输出】R G B M A P 为d o u b l e 类型
【格式】R G B =n t s c 2r g b (Y I Q )
【说明】表示将Y I Q 图像转换为R G B 图像 【输入】Y I Q 为d o u b l e 类型 【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 ;
Y I Q M A P =r g b 2n t s c (m a p );m a p 1=n t s c 2r g b (Y I Q M A P ); Y I Q M A P =m a t 2g r a y (Y I Q M A P );
Y m a p =[Y I Q M A P (:,1),Y I Q M A P (:,1),Y I Q M A P (:,1)]; I m a p =[Y I Q M A P (:,2),Y I Q M A P (:,2),Y I Q M A P (:,2)]; Q m a p =[Y I Q M A P (:,3),Y I Q M A P (:,3),Y I Q M A P (:,3)]; s u b p l o t (2,3,1);s u b i m a g e (X ,m a p ); t i t l e ('原始图像') s u b p l o t (2,3,2);s u b i m a g e (X ,Y I Q M A P );t i t l e ('转换图像') s u b p l o t (2,3,3);s u b i m a g e (X ,m a p 1); t i t l e ('还原图像') s u b p l o t (2,3,4);s u b i m a g e (X ,Y m a p ); t i t l e ('N T S C 的Y 分量') s u b p l o t (2,3,5);s u b i m a g e (X ,I m a p ); t i t l e ('N T S C 的I 分量') 100
200
300
50100150200250
100
200
300
50100150200250
100
200
300
50100150200250
100
200
300
50100150200250
100
200
300
50100150200250
100200300
50100150200250
g b 2h s v (4) h s v 2r g b
(5) r g b 2y c b c r
(6) y c b c r 2r g b
三、纹理映射
使用i m s h o w命令时，M A T L A B通常以二维视图形式显示一幅图像。纹理映射使用W A R P命令通过插值的方法将一幅图像映射到一个曲面网格上。格式如下：
W A R P(X,M A P)－将索引图像显示在缺省表面上
W A R P(I,N)－将灰度图像显示在缺省表面上
W A R P(B W)－将二值图像显示在缺省表面上
W A R P(R G B)－将真彩图像显示在缺省表面上
W A R P(z,...)－将图像显示z表面上
W A R P(x,y,z,...)－将图像显示（x,y,z）表面上
H=W A R P(...)－返回图像的句柄
输入图像的数据格式可以是l o g i c a l、u i n t8、u i n t16或d o u b l e类型。
【例】
[x,y,z]=c y l i n d e r;
I=i m r e a d('F L O W E R S.T I F');
w a r p(x,y,z,I);
【例】
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');
说课部分： 各位老师、各位同学，大家好，今天我上的课是《图像的类型与格式》，在上课之前我先进行说课，我的说课由以下几个部分组成： 首先我先进行教材分析，本节内容选自高中《信息技术基础》（必修）第五章第三小节《图像的类型与格式》，在对图像的采集与加工讲解之前，首先就要使学生了解图像的类型以及各种对应的格式，因此，将图片的类型与格式作为重点。通过演示对比图片、浏览各类型图片的格式，使学生对图像的格式有所掌握，为后面的课程做好铺垫工作。 其次是学情分析，学生通过以前知识的积累，对计算机已不陌生了，所以在激发学生学习兴趣的同时，也要的培养学生良好的学习习惯。图像对于大多人来说都比较熟悉，但很少能更深层次的理解图像的表现意义及表现特点，学生对于常见的图像类型与格式只有初识。 根据教材的内容及学生的情况，我制定了三个教学目标： 1、知识与技能：了解图像的类型与格式 2、过程与方法：通过绘制不同颜色文件，并以不同格式保存，使学生能够更好的 了解图像的格式 3、情感态度与价值观：培养学生对图像认识的基本理念 为了达到我的教学目标，我制定了本节的重难点。重点：了解图像的类型与格式，难点：掌握常见图像格式 为了让学生掌握重点学懂难点，我主要使用讲授法和演示法进行教学，通过创设情境引入主题，再通过讲解、演示进行操作引导，与学生共同讨论等教学方法进行教学。在上完新课后，我会给学生做一个课堂小结，让学生明白上课的主要内容和知道重点以及该掌握的知识。 课前准备： 软件环境（教学资源）：制作本节课的课件，准备好本节课要用的相关材料。 硬件环境：多媒体网络电子教室 上课部分 情境引入 1、展示图片 师：同学们看看这幅风景图，漂亮么？ 生：…… 师：这位美女大家认识吧？
第一章绪论 计算机图像处理在医学领域的应用越来越广泛，白细胞图像的自动判断就是其中的代表之一。它能有效地减少主观干扰，提高工作效率，减轻医生负担。近些年来，计算机硬件技术和光谱成像技术的飞速发展，使得成功研制开发出小型实用的基于多光谱的白细胞图像自动分类识别系统成为可能。 本文研究的主要目的在于对白细胞多光谱图像分割进行初步的探索研究，为系统中其后的白细胞能够准确地分类识别奠定基础。 本章简要阐述了基于多光谱的白细胞图像分割的应用背景和研究意义，回顾了国内外细胞图像分割和多光谱遥感图像分类的研究发展状况，并简要介绍了本论文的主要工作。 §1.1 概述 §1.1.1 白细胞检验 白细胞的光学显微镜检查是医院临床检验项目之一，特别是对各种血液病的诊断占有极其重要的地位。它的任务是观察或测定血液中的各种白细胞的总数、相对比值、形态等，用于判断有无疾病、疾病种类以及严重程度等，特别是对类似白血病这类血液病诊断具有更加重要的意义。 白细胞分类计数的传统方法是将血液制成涂片，染色后，临床医生在显微镜下用肉眼按照有关标准，如核的形状、细胞浆的量和颜色，细胞浆颗粒的大小和颜色，整个细胞形状、稀薄与细胞间的接触等，来观察和检查这样的细胞标本[1]。然而这项工作十分繁重，工作效率低，容易误判，且人工识别误差随检查人员而异。同时通过观察的细胞数目较少，从统计的角度看，因样本集较小而影响诊断结果的可靠性。 计算机图像处理与分析技术伴随着信息技术的不断进步在最近20年间得到了飞速的发展，已经迅速渗透到人类生活和社会发展的各个方面，这为智能化细胞分析仪代替人工方法提供了基础。因此，借助于现代计算机技术结合临床医生的实践经验，采用图像处理技术对图像进行处理，从而对细胞进行识别，对于医学科研与实践，以及临床诊断方面有着现实意义和非常广阔的前景。 目前已经制成的自动白细胞分析仪主要有两种类型： 一类是用组织化学染色法，通过连续流动的系统，以光电效应的方式分别数出单一细胞，并可同时报告白细胞总数、各类细胞的百分率和绝对值。因为该法不是由细胞形态学特点识别各类白细胞，所以不能目视观察白细胞形态，亦不能保留样本，对感染中毒细胞无法识别。 另一类是原型认定型，其工作原理模仿人“脑眼系统”[2]的智能识别过程，运用计算机图像处理和模式识别技术，将从显微镜与相机或摄像机得到的数字化图像进行自动处理分析和分类。与前一种类型的白细胞分类仪器相比，其主要优
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')
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);
毕业论文开题报告 电子信息工程 彩色图像快速分割方法研究 一、课题研究意义及现状 图像分割是一种重要的图像技术，不论是在理论研究还是实际应用中都得到了人们的广泛重视。图像分割是我们进行图像理解的基础，是图像处理中的难点之一，也是计算机视觉领域的一个重要研究内容。把图像划分为若干个有意义的区域的技术就是图像分割技术，被划分开的这些区域相互不相交，而且每个区域也必须满足特定区域的一致性条件。 彩色图像反映了物体的颜色信息，比灰度图像提供的信息更多，因此，彩色图像的分割得到了越来越多人的关注，彩色图像分割方法的研究具有很大的价值。彩色图像分割一直是彩色图像处理中一个很重要的问题，它可以看作是灰度图像分割技术在各种颜色空间上的应用。 目前，图像分割的主要方法有：基于区域生长的分割方法、基于边缘检测的分割方法、基于统计学理论的分割方法、基于小波变换法、基于模糊集合理论的方法等多种方法。其中，JSEG算法是一种基于区域生长的图像分割方法，它同时考虑了图像的颜色和纹理信息，分割结果较为准确，受到了广泛的关注。但是JSEG算法要在多个尺度下反复进行局部J值计算和区域生长，同时还要进行基于颜色直方图的区域合并，这样，该算法就显得更为繁琐、复杂。针对这些不足之处，有学者提出了一种结合分水岭与JSEG的图像分割新算法。这种新算法在计算得到图像J后，通过引入分水岭算法直接对J图进行空域分割，然后通过形态后处理完成分割。与原JSEG算法比较，新算法能够得到良好的分割效果，有效的降低了JSEG算法的复杂度。 国内外也有很多学者对彩色图像的分割方法进行研究，也提出了许多有价值的彩色图像分割算法及改进的彩色图像分割算法，而多种分割算法的结合使用也改进了单一算法的不足之处，使得彩色图像的分割结果更加理想。但是从目前对彩色图像的研究来看，由于应用领域的不同、图像质量的好与坏以及图像色彩的分布和结果等一些客观因素引起的差异，我们还没有找到一种能够完全适用于所有彩色图像分割的通用的算法。因此，彩色图像的分割方法仍是一个尚未解决的难题，还需要图像处理领域的研究人员进一步的研究探索。 本研究是对基于JSEG的改进彩色图像分割算法的研究，该算法能够有效降低原JSEG算法的复杂度，提高图像分割效率，在图像分割领域有很重要的意义。该算法是在原JSEG算法的基础上，引入了分水岭算法，降低了原算法的计算量，降低了图像分割时间。 二、课题研究的主要内容和预期目标 主要内容：
简述图像几何变换的类型和方法 数字图像处理，就是利用数字计算机或则其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。 图像的几何变换，通常包括图像的平移、图像的镜像变换、图像的转置、图像的缩放和图像的旋转等。 程序基本框架如下： 1 图像的平移 图像的平移是几何变换中最简单的变换之一。
1．1理论基础 图像平移就是将图像中所有的点都按照指定的平移量水平、垂直移动。设（x0，y0）为原图像上的一点，图像水平平移量为tx ，垂直平移量为ty ，则平移后点（x0，y0）坐标将变为（x1，y1）。 显然（x0，y0）和（x1，y1）的关系如下： ?? ?+= += ty y y tx x x 0101 用矩阵表示如下： ???? ????????????????=??????????1001001001111y x ty tx y x 对该矩阵求逆，可以得到逆变换： ?? ?? ? ???????????????--=??????????1111001001100y x ty tx y x 即???-=-= ty y y tx x x 1010 这样，平移后的图像上的每一点都可以在原图像中找到对应的点。例如，对于新图中的（0，0）像素，代入上面的方程组，可以求出对应原图中的像素（-tx ，-ty ）。如果tx 或ty 大于0，则（- tx ，- ty ）不在原图中。对于不在原图中的点，可以直接将它的像素值统一设置为0或则255（对于灰度图就是黑色或白色）。同样，若有点不在原图中，也就说明原图中有点被移出显示区域。如果不想丢失被移出的部分图像，可以将新生成的图像宽度扩大|tx |，高度扩大| ty |。
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
常见的图像文件格式又有哪些呢？ 常见的图像文件格式又有哪些呢？ 一、BMP格式 BMP是英文Bitmap（位图）的简写，它是Windows操作系统中的标准图像文件格式，能够被多种Windows应用程序所支持。随着Windows操作系统的流行与丰富的Windows应用程序的开发，BMP位图格式理所当然地被广泛应用。这种格式的特点是包含的图像信息较丰富，几乎不进行压缩，但由此导致了它与生俱生来的缺点--占用磁盘空间过大。所以，目前BMP在单机上比较流行。 二、GIF格式 GIF是英文Graphics Interchange Format（图形交换格式）的缩写。顾名思义，这种格式是用来交换图片的。事实上也是如此，上世纪80年代，美国一家著名的在线信息服务机构CompuServe针对当时网络传输带宽的限制，开发出了这种GIF图像格式。 GIF格式的特点是压缩比高，磁盘空间占用较少，所以这种图像格式迅速得到了广泛的应用。最初的GIF只是简单地用来存储单幅静止图像（称为GIF87a），后来随着技术发展，可以同时存储若干幅静止图象进而形成连续的动画，使之成为当时支持2D动画为数不多的格式之一（称为GIF89a），而在GIF89a图像中可指定透明区域，使图像具有非同一般的显示效果，这更使GIF 风光十足。目前Internet上大量采用的彩色动画文件多为这种格式的文件，也称为GIF89a格式 文件。 此外，考虑到网络传输中的实际情况，GIF图像格式还增加了渐显方式，也就是说，在图像传输过程中，用户可以先看到图像的大致轮廓，然后随着传输过程的继续而逐步看清图像中的细节部分，从而适应了用户的"从朦胧到清楚"的观赏心理。目前Internet上大量采用的彩色动画文 件多为这种格式的文件。 但GIF有个小小的缺点，即不能存储超过256色的图像。尽管如此，这种格式仍在网络上大行其道应用，这和GIF图像文件短小、下载速度快、可用许多具有同样大小的图像文件组成动画等 优势是分不开的。 三、JPEG格式 JPEG也是常见的一种图像格式，它由联合照片专家组（Joint Photographic Experts Group）开发并以命名为"ISO 10918-1"，JPEG仅仅是一种俗称而已。JPEG文件的扩展名为.jpg或.jpeg，其压缩技术十分先进，它用有损压缩方式去除冗余的图像和彩色数据，获取得极高的压缩率的同时能展现十分丰富生动的图像，换句话说，就是可以用最少的磁盘空间得到较好的图像质量。 同时JPEG还是一种很灵活的格式，具有调节图像质量的功能，允许你用不同的压缩比例对这
常用多媒体素材的类型和格式 常用多媒体素材的类型有文本素材、图像素材、音频素材、视频素材、动画素材等。其中，图像素材的常见文件格式有jpg、gif、bmp等；音频素材的常见文件格式有wav、mp3、wma、mid等；视频素材的常见文件格式有wmv、rm、avi或mpg等；动画素材的常见文件格式有gif、swf等。常用多媒体素材和文件格式总结如下图所示。 下面对图片文件和视频文件进行详细介绍。 1．图片文件
在课件制作中，我们常用到的图片文件分为图形（矢量图）和图像两种。应用于多媒体教学课程中的图片格式常见的有jpg、tiff、和bmp等图像格式。 JPEG图像格式：扩展名为jpg或jpeg，其全称为Joint Photographic Experts Group。它用有损压缩方式去除冗余的图像和彩色数据，获取得极高的压缩率的同时能展现十分丰富生动的图像，其压缩比通常在10：1~40：1之间，很适合应用在网页的图像中，目前各类浏览器均支持JPEG这种图像格式。同时JPEG还是一种很灵活的格式，具有调节图像质量的功能，允许你用不同的压缩比例对这种文件压缩，已广泛应用于彩色传真、静止图像、电话会议、印刷及新闻图片的传送上。但*.jpg/*.jpeg文件并不适合放大观看，输出成印刷品时品质也会受到影响。 TIFF图像格式：扩展名是tif，全名是Tagged Image File Format。它是一种非失真的压缩格式（最高也只能做到2－3倍的压缩比），能保持原有图像的颜色及层次，但占用空间却很大。TIFF常被用于较专业的用途，如书籍出版、海报等，极少应用于互联网或多媒体课件上。 GIF图像格式：扩展名是gif，全称为Graphics Interchange Format（图形交换格式）。它在压缩过程中，图像的资料不会被丢失，丢失的是图像的色彩。格式最多只能储存256色，所以通常用来显示简单图形及字体，在课件中常用来制作小动画或图形元素。 BMP图像格式：扩展名是bmp，是Windows中标准图像文件格式，已成为PC机Windows 系统中事实上的工业标准，有压缩和不压缩两种形式。它以独立于设备的方法描述位图，可用非压缩格式存储图像数据，解码速度快，支持多种图像的存储，各种PC图形图像软件都能对其进行处理。 SVG格式：扩展名是svg，全称为，意思为可缩放的矢量图形。SVG是W3C(World Wide Web ConSor—tium)在2000年8月制定的一种新的二维矢量图形格式，也是规范中的网络矢
1．阈值分割方法 阈值分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范闱之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像木身的特点，可分为单阈值分割方法和多阈值分割方法;也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位罝的阈值分割方法。若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。 目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法，将直方图量化后采用最大熵阈值处理算法，使计算量大大减小。薛贵浩、帝毓晋等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计像素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵。这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能，取得很好的通用性和有效性，该算法也容易实现二维推广,即采用二维统计量(如散射图或共生矩阵)取代直方图,以提高分割的准确性。俞勇等人提出的基于最小能量的图像分割方法，运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法，使分割阈值受噪声和边缘的影响减少到最小。程杰提出的一种基于直方图的分割方法，该方法对Ostu准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪，找出了最佳分割阈值。此方法对红外图像有很强的针对性。付忠良提出的基于图像差距度量的阈值选取方法，多次导出Ostu方法，得到了几种与Ostu类似的简单计算公式，使该方法特别适合需自动产生阈值的实时图像分析系统。华长发等人提出了一种基于二维熵阈值的图像分割快速算法，使传统二维阈值方法的复杂度从0(W2 S2)降至0(W2/3 S2/3)。赵雪松等人提出的综合全局二值化与边缘检测的图像方法，将全局二值化与边缘检测有效的结合起来，从而达到对信封图分割的理想效果。靳宏磊等人提出的二维灰度直方图的最佳分割方法，找到了一条最佳分割曲线，使该算法得到的分割效果明显优于一维直方图阈值方法。乐宁等人根据过渡区内象素点具有的邻域方向性特点，引入了基于一元线性回归处理的局部区域随机波动消除方法，将图像过渡区算法进行了改进。模糊技术及其日趋成熟的应用也正适应了大部分图像边缘模糊而难以分析的现状，赵初和王纯提出的模糊边缘检测方法能有效地将物体从背景中分离出来，并已在模式识别中的图像预处理和医学图像处理中获得了良好的应用。金立左、夏良正等提出图像分割的自适应模糊阈值法，利用目标一背景对比度自动选取窗宽的方法，并给出了根据目标与摄像机间的相对距离估计目标--背景对比度的算法，克服隶属函数的分布特性及其窗宽对阈值选取的不良影响。其应用于智能电视跟踪系统，对不同对比度和不同距离的海面舰船图像进行阈值分割，有较强的场景适应能力。王培珍、杜培明等人提出了一种用于多阈值图像自动分割的混合遗传算法，针对Papamarkes等提出爬山法的多阈值分割和Olivo提出子波变换的方法只对明显峰值有效而对不明显的峰值无效的缺点，以及结合模糊C-均值算法和遗传算法的两大显著特点而改进的算法，这种分割方法能够快速正
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
成绩评定表学生姓名班级学号 专业电子信息工 程课程设计题目彩色图像分割程序设 计——RGB模型 评 语 组长签字： 成绩 日期201年月日
课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名班级学号 课程设计题目彩色图像分割程序设计——RGB模型 实践教学要求与任务： 本次课程设计中，主要任务是实现基于RGB模型的彩色图像分割的程序设计，对给定的彩色图像的颜色，使用RGB颜色模型，来对其进处理。 并且设计MATLAB程序，使其能完成输入图像便自动使用RGB 模型来进行图像分割。 工作计划与进度安排： 第一阶段（1-2天）：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3天）：算法设计； 第三阶段（2-3天）：编码与调试； 第四阶段（1-2天）：实验与分析； 第五阶段（1-2天）：编写文档。 指导教师： 201年月日专业负责人： 201年月日 学院教学副院长： 201年月日
Matlab是当今最优秀的科技应用软件之一，它一强大的科学计算与可视化功能，简单易用，开放式可扩展环境，特别是所附带的30多种面向不同领域工具箱支持，使得它在许多科学领域中成为计算机辅助设计与分析，算法研究和应用开发的基本工具盒首选平台在图像处理中，Matlab也得到了广泛的应用，例如图像变换，设计FIR滤波器，图像增强，四叉树分解，边缘检测，小波分析等等。不同的颜色空间在描述图像的颜色时侧重点不同。如RGB（红、绿、蓝三原色）颜色空间适用于彩色监视器和彩色摄象机，HSI（色调、饱和度、亮度）更符合人描述和解释颜色的方式（或称为HSV，色调、饱和度、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）是用于NTSC规定的电视系统格式，YUV（亮度、色差、色差）是用于PAL规定的电视系统格式，YCbCr（亮度单一要素、蓝色与参考值的差值、红色与参考值的差值）在数字影像中广泛应用。 彩色图像的处理有时需要将图像数据在不同的颜色空间中表示，因此，图像的颜色空间之间的转换成为一项有意义的工作。其中RGB在颜色空间转换中其关键作用，是各个空间转换的桥梁。Matlab中的颜色空间转换只涉及到了RGB、HSV、YCbCr、YIQ等，没有包含lαβ和其它颜色空间的转换。 关键字：Matlab；图像处理；RGB
第四章 图像类型与 彩色模型的转换（附） 【目录】 一、图像类型的转换 (1) 1、真彩图像→索引图像 .................................... 2 2、索引图像→真彩图像 .................................... 3 3、真彩图像→灰度图像 .................................... 3 4、真彩图像→二值图像 .................................... 3 5、索引图像→灰度图像 .................................... 4 6、灰度图像→索引图像 .................................... 4 7、灰度图像→二值图像 .................................... 5 8、索引图像→二值图像 .................................... 6 9、数据矩阵→灰度图像 (6) 二、彩色模型的转换 (6) 1、图像的彩色模型 ........................................ 6 2、彩色转换函数 (7) 三、纹理映射 (9) 【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 颜色抖动即改变像素点的颜色，使像素颜色近似于色图的颜色，从而以空间分辨率来换取颜色分辨率。 【输入】R G B可以是d o u b l e、u i n t16或u i n t8类型 【输出】X超过256色则为u i n t16类型，否则输出为u i n t8型 【例】 C L F
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;
常用图像文件格式 1．PSD格式 PSD格式是Photoshop的专用格式，能保存图像数据的每一个细小部分，包括像素信息、图层信息、通道信息、蒙版信息、色彩模式信息，所以PSD格式的文件较大。而其中的一些内容在转存为其他格式时将会丢失，并且在储存为其他格式的文件时，有时会合并图像中的各图层及附加的蒙版信息，当再次编辑时会产生不少麻烦。因此，最好再备份一个PSD 格式的文件后再进行格式转换。 2．TIFF格式 TIFF格式是一种通用的图像文件格式，是除PSD格式外唯一能存储多个通道的文件格式。几乎所有的扫描仪和多数图像软件都支持该格式。该种格式支持RGB、CMYK、Lab 和灰度等色彩模式，它包含有非压缩方式和LZW压缩方式两种。 3．JPEG格式 JPEG格式也是比较常用的图像格式，压缩比例可大可小，被大多数的图形处理软件所支持。JPEG格式的图像还被广泛应用于网页的制作。该格式还支持CMYK、RGB和灰度色彩模式，但不支持Alpha通道。 4．BMP格式 BMP格式是标准的Windows及OS/2的图像文件格式，是Photoshop中最常用的位图格式。此种格式在保存文件时几乎不经过压缩，因此它的文件体积较大，占用的磁盘空间也较大。此种存储格式支持RGB、灰度、索引、位图等色彩模式，但不支持Alpha通道。它是Windows环境下最不容易出错的文件保存格式。 5．GIF格式 GIF格式是由CompuServe公司制定的，能保存背景透明化的图像形式，但只能处理256种色彩，常用于网络传输，其传输速度要比其他格式的文件快很多，并且可以将多张图像存储为一个文件形成动画效果。 6．PNG格式 PNG格式是CompuServe公司开发出来的格式，广泛应用于网络图像的编辑。它不同于GIF格式图像，除了能保存256色，还可以保存24位的真彩色图像，具有支持透明背景和消除锯齿边缘的功能，可在不失真的情况下进行压缩保存图像。在不久将来，PNG格式将会是未来网页中使用的一种标准图像格式。 PNG格式文件在RGB和灰度模式下支持Alpha通道，但是在索引颜色和位图模式下，不支持Alpha通道。 7．EPS格式 EPS格式为压缩的PostScript格式，可用于绘图或者排版，它最大的优点是可以在排版软件中以低分辨率预览，打印或者出胶片时以高分辨率输出，可以达到效果和图像输出质量两不耽误。EPS格式支持Photoshop里所有的颜色模式，其中在位图模式下还可以支持透明，并可以用来存储点阵图和向量图形。但不支持Alpha通道。 8．PDF格式 PDF格式是Adobe公司开发的Windows，MAC OS，UNIX和DOS系统的一种电子出版软件的文档格式。该格式源于PostScript Level2语言，因此可以覆盖矢量式图像和点阵式图像，且支持超链接。此文件是由Adobe Acrobat软件生成的文件格式，该格式文件可以存储多页信息，包含图形，文档的查找和导航功能。因此在使用该软件时不需要排版就可以获得图文混排的版面。由于该格式支持超文本链接，所以是网络下载经常使用的文件。
图像类型的转换 ◆1、课程设计目的 1、理解数字图像的几种基本类型 2、观察图象类型转换前后的效果 3、加深对图象类型的理解 4、掌握在MATLAB中进行图象文件类型转换的方法 ◆2、课程设计要求 （1）掌握课程设计的相关知识、概念清晰。 （2）程序设计合理、能够正确运行。 ◆3、相关知识 3.1 MATLAB简介 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB 可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 MATLAB 的应用范围非常广，包括信号和图像处理、通讯、
控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用MATLAB 函数集）扩展了MATLAB 环境，以解决这些应用领域内特定类型的问题。 MATLAB具有出色的图形处理功能。MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。可用于科学计算和工程绘图。新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功能函数，保证了用户不同层次的要求。另外新版本的MATLAB还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。 3.2 MATLAB中的图像类型 在MATLAB中数组是最基本的数据结构，大部分图像用二维数组即矩阵表示，矩阵中的一个元素对应一个像素。例如，一个由500行600列不同颜色点组成的图像可以用500*600的矩阵来表示。当然也有一些图像是用三维数组表示的，如RGB图像的三个维分别表示像素的红色、绿色和蓝色分量值。这样使得在MATLAB中使用图形文件格式的图像和使用其他类型的矩阵数据的方式一致。 在MATLAB中，一幅图像可能包含一个颜色影像表矩阵。在图像处理工具箱支持的图像分为四个基本类型：RGB图像、灰度图像、索引图像及二值图像。它们的区别在于数据矩阵元素的不同含义。
使用直方图c聚类混合方法的彩色图像分割 摘要： 本文提出了一种新的直方图阈值–模糊C-均值混合（htfcm）的方法，这种方法可以应用到模式识别以及计算机视觉特别是彩色直方图等不同领域。该方法采用直方图阈值技术在彩色图像中获得所有尽可能均匀的区域。然后，使用模糊聚类（FCM）算法来提高这些均匀区域的聚类紧凑性。实验结果表明，所提出的低复杂性的htfcm的方法可以比采用蚁群算法进行细分的其他方法，获得更好的聚类结果和分割结果。 1简介 颜色是一个可以用来提取同类区域最重要的低级别的特点，多数时候与对象或对象的部分相关。在24位真彩色图像中，特殊颜色数量通常超过图像大小的一半，可以达到16百万。从人的感知上来说，这些颜色不能被人眼识别，只能靠内部认知空间的30种颜色来区分。由于所有的特殊颜色在感知上非常接近，它们可以被组合来形成同性质的区域来代表图像中的目标对象，因此图像可以变得更有意义并且更容易分析。在图像处理与计算机视觉中，图像分割是图像分析和模式识别的中心任务。这是把一个图像分割成多个区域，这些区域相对于一个或多个特征是同类的。 虽然在科学文献中已经出现许多分割技术，它们可分为基于图像域，基于物理和基于特征空间的分割技术。这些技术已经被广泛使用，但每一种都有其优点和局限.图像域技术把颜色特征和颜色的空间关系应用到同类评估中以便进行分割，这些技术产生具有合理紧凑性的区域但有会存在合适的种子区域选择困难的问题。基于物理技术的方法利用材料的反射特性的物理模型进行具有更多应用的颜色分割，他们的模型可能会产生色彩变化.特征空间技术利用颜色特征作为图像分割的关键和唯一标准来分割图片。因为色彩空间关系被忽略所以分割的区域通常是分散的。但是，这种限制可以通过提高区域紧凑性来解决。 在计算机视觉和模式识别中，由于其聚类有效性和实施简单，模糊C均值（FCM）算法已被广泛用于提高区域的紧凑性。它是一个将像素划分成群集的像素聚类过程，因此在同一集群中的像素最大可能的相似，那些不在同一组群的像素最大程度的不同。由于在视觉上不同的区域尽可能不同，这与分割过程相一致。但是，它的实现往往遇到两个不可避免的困难，确定聚类数和合理选择初始聚类中心。这些初始化困难对分割质量有影响。而聚类数的确定可能影响分割区域和区域性特征方差，获得初始聚类中心会影响聚类的紧凑性和分类的准确性。 最近，一些基于特征的分割技术采用蚁群算法（ACA）的概念对图像进行分割。由于蚁群算法的智能搜索能力，这些技术可以实现图像分割结果的进一步优化。但由于他们计算的复杂性会产生低效率。除了获得良好的分割结果外，[26]提及的改进的蚁群算法（AS）提供了一个解决方案来克服FCM的聚类中心和聚类数初始化条件的敏感性。然而，该技术在特征空间中没有达到非常紧凑的聚类结果。为了提高蚁群算法的性能，[26]介绍了蚁群–模糊C-均值算法(AFHA)。本质上，AFHA算法合并FCM算法和蚁群算法来提高特征空间中聚类结果的紧凑性。然而，由于蚁群算法计算的复杂度它的效率仍然很低。为了增加AFHA算法的效率，[26]介绍了改进的蚁群模糊C均值算法(IAFHA)。IAFHA算法在AFHA算法上增加了一个蚂蚁的子采样的方法以减少计算的复杂性使算法具有更高的效率。虽然IAFHA 的效率得到提高，但还存在较高的计算复杂度。 在本文中，我们提出了一个新的分割方法称为直方图阈值–模糊C-均值混合算法（htfcm）。Htfcm方法主要分为两个模块，即直方图阈值模块和FCM模块。直方图阈值模块用于获取FCM聚类中心和聚类数的初始条件。与蚁群聚类相比这个模块的实现不需要很高的计算复杂度。这就意味着该算法的简单性。 本文的其余部分安排如下：第2节详细地介绍了直方图阈值模块和FCM模块。3节提供了