十章-彩色感知-机器视觉课件.ppt

1、第十章第十章 彩色感知彩色感知 10.1 三色原理 10.2 颜色模型 10.3颜色的视觉处理 10.4彩色不变性10.1 三色原理理 我们知道，可见光的波长分布在380到780之间，人的颜色感觉是不同波长的可见光刺激人的视觉器官的结果在可见光的波段内，随着波长的增长，使人产生紫、蓝、青、绿、黄、橙、红等颜色的感觉。三色假说的中心内容是：假设有三种视觉(锥体)感受器，分别对红、绿、蓝三种颜色敏感；当光线同时作用在这三种感受器上时，三个感受器产生的兴奋程度不同；不同兴奋程度的组合将产生不同的颜色感觉，三种感受器处于等强度兴奋时，便产生白色的感觉 根据Wald 1964对人类色彩视觉的研究结果，三

2、种锥体细胞的光谱吸收的峰值分别在、和左右，这三个区间分别对应红、绿和蓝波段，如图101三种感受器的光谱敏感示意图所示。这三种颜色被称为人类视觉的三基色。实践证明，光谱上的大多数颜色都可以用红(Red)、绿(Green)、蓝(Blue)三种单色加权混合产生，基于RGB三基色的颜色表示称为RGB颜色模型 400 450 500 550 600 650 700 750 通常把光通量为1流明的红光，4.5907流明的绿光，0.0601流明的蓝光作为三基色的“单位基色量”，用(R)、(G)、(B)表示因此，任何一种具有一定亮度的彩色光的光通量：如果不考虑光的亮度，只对色度感兴趣，则只要知道的相对值即可因

3、此可以令：r,g,b称为色度坐标。由于r+g+b，因此只有两个色度坐标是独立的，这也说明色度空间是二维的。)()()()(BBGGRRCBGRBbBGRGgBGRRr 图10.4是一个以r-g为色度坐标给出的RGB表色系统的色度图，标准白光位于r=g=1/3 青(Cyan)，品红(Magenta)，黄(Yellow)和RGB一样，也可构成一组基色，称为CMY颜色模型，各种颜色的光都可以由CMY三种基色加权混合而。在实际应用中，RGB颜色模型用于磷粉屏幕的颜色生成，是一个由黑到白的过程，称为增色处理。CMY颜色模型主要用来描述绘图和打印彩色输出的颜色，因为这类彩色的形成是在白纸或其它印刷介质上生

4、成的，是一个由白到黑过程，称之为减色过程。图10.3表示CMY模型的单位立方体：RGB和CMY之间的关系如下：BGRYMC11110.2.2 CIE-XYZ颜色模型颜色模型 使用RGB模型生成颜色时，用于产生颜色的原基色比例系数出现负值，使用起来十分不便同时，不同研究者所用的三基色和标准白色不同，使得研究结果很难比较因此，1931年国际照明委员会CIE(Commission Internationale del Elairagethe International Commission on Illumination)规定了一种新的颜色表示系统，定义为CIE-XYZ颜色模型XYZ颜色模型把彩色光

5、表示为：其中，是XYZ颜色模型的基色量，为三色比例系数)()()(ZZYYXXC 其中，是XYZ颜色模型的基色量，为三色比例系数。XYZ表色系统须满足如下三个条件：1.三色比例系数皆大于零；2.Y的数值正好是彩色光的亮度；3.当时仍然表示标准白光 根据以上条件，可以得到RGB颜色模型与XYZ颜色模型的关系式。BGRZYX5943.50565.00000.00601.05907.40000.11302.17517.17689.2)()()(对XYZ颜色模型的三基色规范化，得到如下色度坐标：CIEx-y色度图 ZYXZzZYXYyZYXXx 色度图中的颜色范围可以表示成直线段或多边形图10.6 中

6、从和连线上所有颜色可通过混合适量的和颜色而得到。10.2.3 NTSCYIQ表色模型表色模型 RGB工业监视器要求一幅彩色图像由分开的RGB信号组成，而电视监视器需要混合信号输入为此，美国国家电视系统委员会（National Television System Committee，NTSC）采用YIQ彩色模型 其主要的优点是可以保证彩色电视和黑白电视的兼容，即可以用彩色收看黑白电视图像。YIQ是以CIE的XYZ颜色模型为基础，其参数Y 与XYZ中的模型参数相同，是图像的亮度信息在没有色度的情况下，Y也就对应于黑白图像，或者说，黑白电视只接收Y信号 由于人眼对颜色的相对视见度不同，所以选择三色的

7、基色量为：因此亮度信号Y为 规定如下色差信号：将(10.9)和(10.10)结合起来得到YIQ与RGB间的转换关系为：这里的RGB是NTSC制式RGB BGRQIY312.0523.0211.0322.0274.0596.0114.0587.0299.0)(41.0)(48.0)(27.0)(74.0YBYRQYBYRIBGRY114.0587.0299.0114.0587.0299.0BGR10.3颜色的视觉处理颜色的视觉处理 从视觉的角度来讲，颜色可分为彩色和非彩色两大类。非彩色是指黑色、白色及其两者之间深浅不同的灰色，称为非彩色或无色系列亮度(brightness)、色调(hue)、色饱

8、和度(saturation)这三个量称为颜色的三个基本属性 人眼大概能识别128不同的色调和 130种不同的色泽（色饱和度级）。人眼可以识辨出大约 种不同的颜色。对于机器视觉来说，128不同的色调和8种不同的色饱和度级，16种明暗级基本上满足应用需求。2662401613012810.3.2 HSV颜色感知模型 x-y色度表示彩色分量是独立于光通量的两种彩色，比如深绿和浅绿，可能看起来不同，但实际上具有相同的波段相对分布如果光谱分布按一个比例常数增减，彩色会变深或变浅，但光谱分布的形状不变，色调（主波段）和色饱和度（主波段的相对量）也就不变 将色调、色饱和度和亮度编码成RGB彩色值，不利于在机

9、器视觉算法中使用但将RGB值转化为色调、色饱和度和亮度时，问题就变得十分简单了.下面讨论如何将图像的RGB表示转换为HSV彩色表示。图10.7 HSV颜色三角形 一个图像的RGB成分可以转换为HSV彩色表示 色调H是向量 到向量 的夹角，从三角形远离原点的一边按逆时针方向环绕三角形，这是右手法则，大拇指沿三角形法线指向远离原点的方向 色调的余弦值是 到三角形中心的向量w的值为 向量 的幅值为 wprwp)(31BGRVwpwpwpwpHrr)()(cos)31,31,31(w222)31()31()31(bgrwpwpr 因为 ，因此，的幅值是 和 的点积是 将上式的值除以 和 ，并将方程10

10、.4代入，可以从R、G、B值得到简化的计算色调方程：)0,0,1(rpwpr32 wprwp wpr3)31()31()31(2)()(bgrwpwprwprwp)()(22cos2BGBRGRBGRH 三角形中点w经过彩色点p与三角形边缘的交点为 ，则色饱和度是一个距离比值:：色饱和度方程为：这一推导是由Gonzalez和Woods提供Gonzalez 1992 spwpwpSs),min(31BGRBGRS10.3.3HLS颜色感知模型颜色感知模型 使用RGB到HSV的变换来将彩色图像转化成适应于机器视觉的形式灰度算法可以在HSV表示的V分量上来完成分割可以在H分量上完成，以便用不同的色调

11、区分不同物体但是，当色饱和度值很低时，用色度来区分物体是不可靠的，所以必须修正分割算法以便将低色饱和度值的像素留下，等待进一步处理区域生长算法可以利用色调阈值来形成核心区域，将低色饱和度值或是在阈值边界外的未定义的像素点留下通过分配像素来进行区域增长的算法没有任何变化 更一般的算法是使用将色调、色饱和度和光强的阈值将HSV立体空间分成若干区域这些阈值用HSV表示比成象系统提供的RGB表示更容易公式化和应用10.4彩色不变性彩色不变性 室外光线的彩色成分变化非常大，但人却能正确的感知场景中物体的颜色，并且在大部分情况下不依赖于环境照明的颜色，这种现象叫彩色不变性(color constancy)

12、假定场景表面是不透明的，场景中的坐标值就能用图像平面中对应点(x,y)的坐标来确定在波段 上的光从表面点(x,y)处反射的部分是 到达图像上每一点的光是由照在场景表面的环境光的光谱分布和光在不同波段上的反射部分来确定：在(x,y)处的每个传感器采样不同分布的光谱：(10.22)原则上，彩色不变性问题可以表示为有限维线性空间中的逆问题，并可通过矩阵方法求解假定表面反射是基函数的线性组合，(10.23),(yxS)(),(EyxSdEyxSRyxkk)(),()(),(0S x yx y Siiin(,)(,)()1 m个自由度的线性模型表示环境照明如下：(10.24)彩色确定问题可以用矩阵形式表

13、示m个 值组成列向量 ,n 个 值组成列向量 ，将这些列向量代入方程10.22，得到图像中每个像素的矩阵模型：(10.25)照明矩阵 是一个 矩阵，第(i,j)项的值是：mjjjEE1)()(jipndESRji)()()(0 矩阵 将n维的表面空间映射到 维的敏感器空间例如，当p=3，n=2时，子空间就是三维空间中的一个平面这意味着下面的确定表面反射性的两步算法不依赖于环境照明：1 确定覆盖传感器空间数据点的平面（子空间），以恢复环境照明向量 2 从环境照明向量 确定照明矩阵 ，再求 的逆来得到表面反射向量n1思考题思考题1.如何表示图像中一点的彩色值？照明在彩色图像中起什么作用？2.如何用

14、图像的形式表示彩色图像？为什么选择特定频率的电磁波谱用于彩色视觉？指出用于定义一点特性的基本颜色3.色调、色饱和度和亮度的定义是什么？在表征图像一点颜色时，哪一个最重要，为什么？4.如何从RGB特征中计算HSV特征？为什么人们愿意将一种数据表示形式转换为另一种形式？5.在机器视觉中，哪一种彩色表示更实用？试证实你的观点 6.设计一个用来检测彩色图像显著边缘的边缘检测器你如何将不同通道的输出组合起来以便得到彩色图像的边缘？7.什么是彩色的减性模型和加性模型？哪一种模型更适合用于显示、图片和打印场合？为什么？8.什么是HSV立体空间？它用在彩色处理的什么方面，如何使用？9.定义和解释彩色不变性机器视觉相同可以显示彩色不变性吗？10.为什么彩色在机器视觉中用得不是很普遍？你是否认为彩色机器视觉的应用在不断增加？如果是这样，请问它的主要应用是什么？