下载文档原格式
图像颜色增强处理（彩色变换）实验专题讲座课程：遥感科学与图像处理实验：图像颜色增强处理（彩色变换）姓名：学号：指导老师：一、实验名称图像颜色增强处理（彩色变换）二、实验目的对图像进行彩色变换；观察图像在不同色彩空间之间相互转换的结果异同，理解影像光谱增强中彩色变换的原理及其增强效果，将图象转换成一种更适合于人或机器进行分析处理的形式，提高图像的使用价值。
三、实验原理光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。
有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。
在使用单波段图像时，由于成像系统动态范围的限制，地物显示的亮度值差异较小。
又由于人眼对黑白图像亮度级的分辨能力仅有10～20级左右，而对色彩和强度的分辨力可达100多种，因此将黑白图像转换成彩色图像可使地物的差别易于分辨[1,2]。
1. 彩色合成（color composite）在通过滤光片、衍射光栅等分光系统而获得的多波段图像中选出三个波段，分别赋予三原色进行合成。
根据各波段的赋色不同，可以得到不同的彩色合成图像。
1)图像主成分变换融合主成分变换融合[2]是建立在图像统计基础上的多维线性变换,具有方差信息浓缩、数据量压缩的作用, 可以更准确地揭示多波段数据结构内部的遥感信息, 常常是以高空间分辨率数据代替多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是: a. 对多波段遥感数据进行主成分变换( K- L 变换) ; b. 以高空间分辨率遥感数据替代变换以后的第一主成分; c. 进行主成分逆变换,生成具有高空间分辨率的多波段融合图像。
2) 真彩色合成在通过蓝、绿、红三原色的滤光片而拍摄的同一地物的三张图像上，若使用同样的三原色进行合成，可得到接近天然色的颜色，此方法称为真彩色合成。
3) 假彩色合成由于多波段摄影中，一副图像多不是三原色的波长范围内获得的，如采用人眼看不见的红外波段等，因此由这些图像所进行的彩色合成称假彩色合成。
rgb=cat(3,rgb_R,rgb_G,rgb_B);figure,imshow(rgb),title('RGB彩色图像');截图：（2）编写MATLAB程序，将一彩色图像从RGB空间转换为HIS空间，并观察其效果。
如例9.2所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I=(r+g+b)/3figure,imshow(I);tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2==0)=eps;S=1-3.*tmp1./tmp2;figure,imshow(S);tmp1=0.5*((r-g)+(r-b));tmp2=sqrt((r-g).^2+(r-b).*(g-b));theta=acos(tmp1./(tmp2+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);H(S==0)=0;figure,imshow(H);截图：（3）编写MATLAB程序，将一彩色图像在RGB空间进行彩色分割，并观察其效果。
如例9.11所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);figure,imshow(r);g=rgb1(:,:,2);figure,imshow(g);b=rgb1(:,:,3);figure,imshow(b);r1=r;r1_u=mean(mean(r1(:)));[m,n]=size(r1);sd1=0.0;for i=1:mfor j=1:nsd1= sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u);endendr1_d=sqrt(sd1/(m*n));r2=zeros(size(rgb1,1),size(rgb1,2));ind=find((r>r1_u-1.25*r1_d)&(r<r1_u+1.25*r1_d));r2(ind)=1;figure,imshow(r2);截图：（4）编写MATLAB程序，将一彩色图像在向量空间进行边缘检测，并观察其效果。
第四部分真彩色增强一、真彩色增强方法图4.1 真彩色增强原理图1、对HSI图像亮度增强⑴、将R，G，B分量图转化为H，S，I分量图；⑵、利用对灰度图增强的方法增强其中的I分量图；⑶、再将结果转化为用R，G，B分量图来显示。
以上方法并不改变原图的彩色内容，但增强后的图看起来会有些不同。
这是因为尽管色调和饱和度没有变化，但亮度分量得到了增强，整个图会比原来更亮一些。
图4.3是基于matlab以增强亮度的方法进行真彩色增强的图像，其代码见附录（a）增强前图像（b）增强后图像图4.2 对HSI进行亮度增强结果结论：图（b）明显比图（a）要亮的多，在视觉效果上，图（b）比较让人觉得美好。
2、对HSI图像进行对比度增强图4.4是基于matlab以增强对比度的方法进行真彩色增强的图像，其代码见附录图4.3 对HSI增强对比度增强的结论：图（b）的视觉效果明显比图（a）要好的多，清晰的多，颜色比（a）要深。
3、对HSI图像进行亮度和饱和度的增强图4.5是基于matlab以增强亮度和饱和度的方法进行真彩色增强的图像，其代码见附录图4.4 对HSI图像进行增强结果结论：这是对前两个方法的综合，很显然，图（b）比图（a）要亮，要清晰，视觉效果比以上两种方法分别做要好的多。
二、直接在rgb空间对图像增强图4.6是基于matlab在rgb空间增强图像，其代码见附录图4.5 对RGB图像进行增强结果以下是基于matlab以增强亮度的方法进行真彩色增强的代码：%% 彩色图像亮度增强（执行速度较慢）clcclearfc = imread('E:\maomao.jpg');figure(1);imshow(fc)title('原始真彩色（256*256*256色）图像')fr = fc(:,:,1);fg = fc(:,:,2);fb = fc(:,:,3);% imshow(fr)% title('红色分量图像')% imshow(fg)% title('绿色分量图像')% imshow(fb)% title('蓝色分量图像')h = rgb2hsi(fc);H = h(:,:,1);S = h(:,:,2);I = h(:,:,3);I =I*1.5;% imshow(H)% title('色调分量图像')% imshow(S)% title('饱和度分量图像')% imshow(I)% title('亮度分量图像')h = cat(3,H,S,I);%cat函数是拼接数组的函数，这里将在第3维上进行拼接。
第1章绪论1.1数字图像数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。
数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用计算机或数字电路存储和处理的图像。
像素（或像元，Pixel）是数字图像的基本元素，像素是在模拟图像数字化时对连续空间进行离散化得到的。
每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。
通常，像素在计算机中保存为二维整数数阻的光栅图像，这些值经常用压缩格式进行传输和储存。
数字图像可以许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机、seismographic profiling、airborne radar等等，也可以从任意的非图像数据合成得到，例如数学函数或者三维几何模型，三维几何模型是计算机图形学的一个主要分支。
数字图像处理领域就是研究它们的变换算法。
1.2设计平台本次设计采用的平台是MATLAB 7.0。
MATLAB编程语言被业界称为第四代计算机语言，它允许按照数学推导的习惯编写程序。
MATLAB7.0的工作环境包括当前工作窗口、命令历史记录窗口、命令控制窗口、图形处理窗口、当前路径选择菜单、程序编辑器、变量查看器、模型编辑器、GUI编辑器以及丰富的函数库和MATLAB附带的大量M文件。
MATLAB是由美国Math Works公司生产的一个为科学和工程计算专门设计的交互式大型软件，是一个可以完成各种计算和数据处理的、可视化的、强大的计算工具。
它集图示和精确计算于一身，在应用数学、物理、化工、机电工程、医药、金融和其他需要进行复杂计算的领域得到了广泛应用。
MATLAB作为一种科学计算的高级语言之所以受欢迎，就是因为它有丰富的函数资源和工具箱资源，编程人员可以根据自己的需要选择函数，而无需再去编写大量繁琐的程序代码，从而减轻了编程人员的工作负担，被称为第四代编程语言。
在MATLAB设计环境中，图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。
灰度图像处理vs彩色图像处理：适用领域和优缺点的比较随着数字图像技术的不断发展，图像处理领域也日益壮大，而图像的颜色信息是我们最直观的视觉感受之一。
因此，图像处理中最常见的便是对彩色图像进行处理。
但是，在实际的图像处理任务中，灰度图像有时也会被使用。
那么，灰度图像处理与彩色图像处理之间的关系和差异是什么呢？接下来，我们将详细讨论这两种图像处理技术的适用领域，以及各自的优缺点。
1.适用领域比较灰度图像处理灰度图像是一种仅包含黑、灰、白三种颜色的图像，它可以降低图像数据的复杂度，提高图像处理速度。
由于灰度图只需要处理单通道数据，因此在一些算法中，灰度图图像处理通常比彩色图像处理速度更快且计算成本更低。
同时，灰度图像处理技术不仅适用于图像增强、边缘检测等方面，还在计算机视觉领域中使用广泛，特别是在人脸识别、匹配、测量等领域。
彩色图像处理彩色图像处理则包含了RGB、HSV等多种色彩空间，可以更好地表现真实世界中的色彩信息，并能够更好的反应图像的细节和维度。
彩色图像处理技术被广泛应用于数字媒体、互联网影视和广告、航空航天等领域。
与灰度图像相比，彩色图像处理不但可以降低图像处理数据的复杂度，还能够表现具体的色彩信息，使得图像处理更加精准，更加全面。
2.优缺点比较灰度图像处理优点：（1）细节更加清晰。
由于灰度图像只有一种色调，因此图像的细节表现比彩色图像更加精准。
（2）处理速度快。
灰度图像处理通常只需要处理单通道数据，处理速度比彩色图像更快。
（3）计算成本更低。
灰度图像处理算法相对来说比较简单，因此计算成本更低。
缺点：（1）信息表达不完整。
由于灰度图像只有黑、灰、白三种颜色，因此它无法表现图像的色彩信息，限制了图像处理的深度和全面性。
（2）图像表现力较差。
灰度图像无法表现真实世界中色彩丰富的场景和细节。
彩色图像处理优点：（1）更加逼真。
由于考虑到色彩信息，彩色图像能够更加逼真地表现真实世界中的色彩和细节。
（2）图像处理深度更高。
实验五彩色图像处理一、实验目的使用MatLab 软件对图像进行彩色处理。
使学生通过实验熟悉使用MatLab软件进行图像彩色处理的有关方法，并体会到图像彩色处理技术以及对图像处理的效果。
二、实验要求要求学生能够完成彩色图像的分析，能正确讨论彩色图像的亮度、色调等性质；会对彩色图像进行直方图均衡，并能正确解释均衡处理后的结果；能够对单色图像进行伪彩色处理、利用多波长图像进行假彩色合成、进行单色图像的彩色变换。
三、实验内容与步骤(1) 彩色图像的分析调入并显示彩色图像flower1.tif ；拆分这幅图像，并分别显示其R，G，B分量；根据各个分量图像的情况讨论该彩色图像的亮度、色调等性质。
(2) 彩色图像的直方图均衡接内容(1)；显示这幅图像的R，G，B分量的直方图，分别进行直方图均衡处理，并显示均衡后的直方图和直方图均衡处理后的各分量；将处理完毕的各个分量合成彩色图像并显示其结果；观察处理前后图像的彩色、亮度、色调等性质的变化。
(3) 假彩色处理调入并显示红色可见光的灰度图像vl_red.jpg、绿色可见光的灰度图像vl_green.jpg 和蓝色可见光的灰度图像vl_blue.jpg；以及近红外灰度图像infer_near.jpg和中红外灰度图像infer_mid.jpg；以图像vl_red.jpg为R；图像vl_green.jpg为G；图像vl_blue.jpg为B，将这三幅图像组合成可见光RGB彩色图像；分别以近红外图像infer_near.jpg和中红外图像infer_mid替换R分量，形成假彩色图像；观察处理的结果，注意不同波长红外线图像组成图像的不同结果(4) 伪彩色处理1：灰度切片处理调入并显示灰度图像head.jpg；利用MATLAB提供的函数对图像在8~256级的范围内进行切片处理，并使用hot模式和cool 模式进行彩色化；观察处理的结果。
(5) 彩色变换(选做)调入并显示灰度图像Lenna.jpg；使用不同相位的正弦函数作为变换函数，将灰度图像变换为RGB图像。
