【实验报告】实验四、彩色图像处理 |
您所在的位置:网站首页 › 三坐标基本操作实验报告总结 › 【实验报告】实验四、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,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、实验原理 (一)一幅RGB图像就是彩色像素的一个M x N x 3数组,其中每一个彩色 像素点都是在特定空间位置彩色图像相对应的红、绿、蓝三个分量。RGB也可 以看成是一个由三幅灰度图像形成的“堆”,当将其送到彩色监视器的红、绿、 蓝输入端时,便在屏幕上产生了一幅彩色图像。按照惯例,形成一幅RGB彩色 图像的三个图像常称为红、绿或蓝分量图像。分量图像的数据类决定了它们的取 值范围。若一幅RGB图像的数据类是double,则它的取值范围就是[0, 1],类似地, uint8类或uint16类RGB图像的取值范围分别是[0, 255]或[0, 65 535]。用来代表 这些分量图像像索值的比特数决定了一幅RGB图像的比特深度。例如,若每个 分量图像都是8比特的图像,则对应的RGB图像的深度就是24比特。一般来讲, 所有分量图像的比特数都是相同的。在这种情况下,一幅RGB图像可能有的色 彩数就是(2b)3,其中b是每个分量图像的比特数。对于8比特的例子,颜色数即 为(28)3=16 777 216。 在matlab中要生成一副RGB彩色图像的基本语法: B=cat(dim,A1,A2,A3,...) 其中,dim为维数,cat函数将A1,A2,A3等矩阵连接成维数为dim的矩阵。 例如:令fR、fG和fB分别代表三种RGB分量图像。一幅RGB图像就是利 用cat(级联)操作符将这些分量图像组合成的彩色图像: I=cat(3,fR,fG,fB) 在这里,fR、fG和fB可以使用下列语句得到 fR=I(:,:,1); fG=I(:,:,2); fB=I(:,:,3); 例1:生成一副512*512的RGB图像,该图像左上角为红色,左下角为蓝色, 右上角为绿色,右下角为黑色。 clear clc rgb_R=zeros(512,512); rgb_R(1:256,1:256)=1; rgb_G=zeros(512,512); rgb_G(1:256,257:512)=1; rgb_B=zeros(512,512); rgb_B(257:512,1:256)=1; RGB=cat(3,rgb_R,rgb_G,rgb_B); imshow(RGB);title('RGB彩色图像') ✓作业1:生成一副256*256的RGB图像,使得该图像左上角为黄色或者青色, 左下角为蓝色,右上角为绿色,右下角为黑色。 HSV 图像,指定为由范围[0, 1] 内的值组成的m×n×3 数值数组。 HSV的第三个维度为每个像素分别定义色调、饱和度和明度,如下表所述。 例如:创建一个2×2×3 的HSV 数组,用它指定四个蓝色梯度。 hsv(:,:,1) = ones(2,2)*.6; hsv(:,:,2) = [1 .7; .3 0]; hsv(:,:,3) = ones(2,2); 使用hsv2rgb将HSV 数组转换为真彩色图像。然后显示图像。 rgb = hsv2rgb(hsv); image(rgb); (二)HSV彩色模型与RGB彩色模型之间的转换。 基本语句: ➢hsv2rgb -将HSV 颜色转换为RGB 此MATLAB 函数将HSV图像的色调、饱和度和明度值转换为RGB图像 的红色、绿色和蓝色值。 RGB = hsv2rgb(HSV) ➢rgb2hsv -将RGB 颜色转换为HSV 此MATLAB 函数将RGB图像的红色、绿色和蓝色值转换为HSV图像的 色调、饱和度和明度(HSV) 值。 HSV = rgb2hsv(RGB) 例2: I=imread('C:\Users\Administrator\Desktop\ex\lena_color.bmp'); r=I(:,:,1); g=I(:,:,2); b=I(:,:,3); figure subplot(2,2,1);imshow(I);title('RGB彩色图像') subplot(2,2,2);imshow(r);title('R分量') subplot(2,2,3);imshow(g);title('G分量') subplot(2,2,4);imshow(b);title('B分量') hsi = rgb2hsv(I); h=hsi(:,:,1); s=hsi(:,:,2); i=hsi(:,:,3); figure subplot(2,3,1);imshow(I);title('original image') subplot(2,3,2);imshow(hsi);title('HSI彩色图形') subplot(2,3,4);imshow(h);title('色调H') subplot(2,3,5);imshow(s);title('饱和度S') subplot(2,3,6);imshow(i);title('亮度I') rgb_hsi=hsv2rgb(hsi); subplot(2,3,3);imshow(rgb_hsi);title('RGB彩色图形') 作业2:利用作业1生成的RGB图像展示其R、G、B三个分量与RGB图; 将其转化为HSI彩色模型,然后展示H、S、I三个分量及HSI图。 (三)彩色变换 例3: 彩色图像变换 image=imread('lena_color.bmp'); res = im2uint8(zeros(size(image)));%生成image图像大小的0值unit8图片 [rows,cols,n] = size(image); % 图像行列数 res1 = im2uint8(zeros([rows,cols])); res2 = im2uint8(zeros([rows,cols])); res3 = im2uint8(zeros([rows,cols])); temp1 = image(:, :, 1); temp2 = image(:, :, 2); temp3 = image(:, :, 3); for i = 1:rows for j = 1:cols % 左右镜像 res1(i,cols-j+1) = temp1(i,j); res2(i,cols-j+1) = temp2(i,j); res3(i,cols-j+1) = temp3(i,j); end end res(:, :, 1) = res1; res(:, :, 2) = res2; res(:, :, 3) = res3; res = uint8(res); subplot(121),imshow(image); subplot(122),imshow(res); 作业3:将作业1中的图像进行上下镜像。 (四)彩色图像平滑和锐化 概念上,使用线性空间滤波器平滑RGB彩色图像fc的步骤如下: 1.提取三幅分量图像: >> fR=fc(:,:,1);fG=fc(:,:,1);fB=fc(:,:,1); 2.分别对每幅图像滤波。例如,令w表示使用发fspecial产生的平滑滤波器,则 平滑红色分量图像的方法如下: >>fR_filtered=imfilter(fR,w); 其他两幅分量图像的平滑方法与此类似。 3.重建滤波后的RGB图像: >>fc_filtered=cat(3,fR_filtered,fG_filtered,fB_filtered); 在MATLAB中执行RGB线性滤波,所用的语法与单色图像使用语法相同,可 以将前面三步合为一步:fc_filtered=imfilter(fc,w); 例4: fc=imread('C:\Users\Administrator\Desktop\ex\iris.tif'); h=rgb2hsv(fc); H=h(:,:,1);S=h(:,:,2);I=h(:,:,3); w=fspecial('average',25); fc_filtered=imfilter(fc,w,'replicate'); h_filtered=imfilter(h,w,'replicate'); h=hsv2rgb(h_filtered); subplot(2,2,1),imshow(fc),title('fc') subplot(2,2,2),imshow(fc_filtered),title('RGB彩色模型空间平滑fc') subplot(2,2,3),imshow(h),title('HSI彩色模型空间平滑fc') I_filtered=imfilter(I,w,'replicate'); h=cat(3,H,S,I_filtered); f=hsv2rgb(h); subplot(2,2,4),imshow(f),title('HSI彩色模型空间平滑fc(仅平滑I分量)')
>>w8=[1 1 1; 1 -8 1; 1 1 1] ; %手工指定滤波器,建立对角线拉普拉斯模板 >>g4=imfilter(f, w4, ‘replicate’); >>figure, imshow(g4) >>g4g =f –g4; >>figure, imshow(g4g) >>g8=imfilter(f, w8, ‘replicate’); %使用imfilter滤波后的输出图像与输入图像 是同类图像,所以负值被裁掉,可以通过在滤 波前将f转换为double类图像解决这一问题。 >>f2=im2double(f);g8_f2=imfilter(f2, w8, ‘replicate’); >>figure, subplot(221),imshow(g8) subplot(222),imshow(g8_f2) >>g8g_f2 =f2 –g8_f2 >>g8g =f –g8 %原图像中减去用拉普拉斯算子处理过的结果,以还原失去的灰 度色调(因为中心系数是负值) %也可使用imsubstract命令实现 fen=imsubtract(f2,imfilter(f2,w8,'replicate')); >>figure subplot(223),imshow(g8g); subplot(224),imshow(g8g_f2) 作业4:对例3的图片进行5x5均值滤波后的图片进行拉普拉斯锐化并显示。 (五)彩色图像分割 >> help imseggeodesic imseggeodesic -Segment image into two or three regions using geodesic distance-based color segmentation %使用基于测地距离的颜色分割将图像分割 成两个或三个区域 This MATLAB function segments the color image RGB, returning a segmented binary image with labels L. %此MATLAB 函数对彩色图像RGB 进行 分段,返回带有标签L 的分段二值图像。 L = imseggeodesic(RGB,BW1,BW2) L = imseggeodesic(RGB,BW1,BW2,BW3) [L,P] = imseggeodesic(___) [L,P] = imseggeodesic(___,Name,Value) >> help drawrectangle drawrectangle -Create customizable rectangular ROI%创建可定制的矩形ROI The drawrectangle function creates a Rectangle object that specifies the shape and position of a rectangular region of interest (ROI). %drawrectangle 函数创建一个Rectangle 对象,该对象指定矩形感兴趣区域 (ROI) 的形状和位置。 roi = drawrectangle roi = drawrectangle(ax) roi = drawrectangle(___,Name,Value) 例5: RGB = imread('yellowlily.jpg'); subplot(131),imshow(RGB) roiObject = drawrectangle(gca,'Position',[350 700 375 120],'Color','r'); roiBackground = drawrectangle(gca,'Position',[90 1230 910 190],'Color','b'); maskObject = createMask(roiObject); maskBackground = createMask(roiBackground); [L,P] = imseggeodesic(RGB,maskObject,maskBackground); subplot(132),imshow(label2rgb(L))%label2rgb将标签矩阵转换为RGB 图像 title('Segmented Labels') subplot(133),imshow(labeloverlay(RGB,L))%labeloverlay在二维图像上覆盖标签 矩阵区域 title('Labels Overlaid on Original Image') >> help roipoly roipoly -Specify polygonal region of interest (ROI) This MATLAB function creates an interactive polygon tool associated with the image displayed in the current figure. BW = roipoly BW = roipoly(I) BW = roipoly(I,xi,yi) BW = roipoly(xref,yref,I,xi,yi) [BW,xi2,yi2] = roipoly(___) [xrefout,yrefout,BW,xi2,yi2] = roipoly(___) roipoly(___) 例6: clc; clear; f=imread('C:\Users\Administrator\Desktop\ex\digital image processing\你的图.tif'); mask=roipoly(f); R = immultiply(mask,f(:,:,1)); G = immultiply(mask,f(:,:,2)); B = immultiply(mask,f(:,:,3)); g = cat(3,R,G,B); figure,imshow(g); %找出平均矢量m和协方差矩阵C [M,N,K] = size(g); %重新排列g中的彩色元素 I = reshape(g,M*N,3); %找出彩色像素的行索引 idx = find(mask); I = double(I(idx,1:3)); %计算平均矢量m和协方差矩阵C [C,m] = covmatrix(I); %计算C的对角线元素并计算它们的平方根 %sd中的第一二三个元素是ROI区域中的红绿蓝分量的标准差 d = diag(C); sd = sqrt(d); %用欧几里得距离来计算 %以T的25倍作为阈值,这个值是最大标准差的近似 E25 = colorseg('euclidean',f,25,m); subplot(2,2,1),imshow(E25); %以T的50倍作为阈值 E50 = colorseg('euclidean',f,50,m); subplot(2,2,2),imshow(E50); %以T的75倍作为阈值 E75 = colorseg('euclidean',f,75,m); subplot(2,2,3),imshow(E75); %以T的100倍作为阈值 E100 = colorseg('euclidean',f,100,m); subplot(2,2,4),imshow(E100); (注意:colorseg, imstack2vectors为自编程实现的m文件。) (六)彩色边缘检测 例7: cd C:\Users\Administrator\Desktop\ex I = imread('lena_color.bmp'); subplot(231),imshow(I);title('原图像'); %显示原图像 % edge -查找强度图像的边缘 % 此MATLAB 函数返回二值图像BW,其中的值1 对应于灰度或二值图像 I 中函数找到边缘的位置,值0 对应于其他位置。默认情况下,edge 使用Sobel 边缘检测方法。 I_R=I(:,:,1); BW1_R=edge(I_R,'sobel'); I_G=I(:,:,2); BW1_G=edge(I_G,'sobel'); I_B=I(:,:,3); BW1_B=edge(I_B,'sobel'); out(:,:,1)=BW1_R; out(:,:,2)=BW1_G; out(:,:,3)=BW1_B; subplot(232);imshow(double(out),[]);title('out3arrays'); out2=cat(3,BW1_R,BW1_G,BW1_B); subplot(233);imshow(double(out2),[]);title('cat3arrays'); %f 是RGB 图像,T是[0,1]范围内的阈值选项(默认为0);VG是RGB向量梯度 F(x, y); %A 是以弧度计的角度θ(x, y),并且PPG 是由单独彩色平面的2D 梯度之和形 成的梯度图像 [VG,A,PPG] = colorgrad(I); %计算彩色图像的梯度 subplot(234);imshow(VG);title('VG'); subplot(235);imshow(A);title('A'); subplot(236);imshow(PPG);title('PPG'); 作业5:采用’canny’方法寻找彩色边缘;或者自选一幅图像计算彩色图像的 梯度并绘图。 应用:证件照更换底色(附加内容,自愿) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |