【图像理论】色彩空间

色彩空间

1)RGB颜色空间

RGB(红绿蓝)是依据人眼识别的颜色定义出的空间,是通过对红、绿、蓝三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的。

优点:可表示大部分颜色。

缺点:在科学研究一般不采用RGB颜色空间,因为它的细节难以进行数字化的调整。它将色调,亮度,饱和度三个量放在一起表示,很难分开。

用的地点:它是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像。在这里插入图片描述

要注意的细节:

(1)在(1,1,1)是白色,(0,0,0)是黑色

(2)R(Red:红)、G(Green:绿)、B(Blue:蓝) A(Alpha 透明度)

(3)多通道:RGB三原色,每个像素点有三个字节byte来表示(RGB),分别最大取值范围是0-255,RGB的每个元素在计算机内存中占用1个字节byte,1个字节byte等于8个bit位,所以RGB每个元素的取值范围为:0~256(2的8次方)

(4)存储类型

1)RGB555(高彩色):16位的RGB格式,各分量都用5位表示,剩下的一位不用。

**[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D5v6Y6gk-1636017195727)(图像形成.assets/20181128100154805.png)]**

高字节 -> 低字节(根据内存大小端) XRRRRRGGGGGBBBBB(X代表不用)

2)RGB565(高彩色):16位的RGB格式,但是R占用5位,G占用6位,B占用5位。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sotaK7MH-1636017195729)(图像形成.assets/20181128100154802.png)]

3)RGB24(真彩色):24位的RGB格式,各分量占用8位,取值范围为0-255。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-te1KhZsM-1636017195731)(图像形成.assets/20181128100155585.png)]

4)RGB32(真彩色):32位的RGB格式,各分量占用8位,剩下的8位作Alpha通道或者不用。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-02nQgVpW-1636017195732)(图像形成.assets/20181128100155329.png)]

5)RGB222:8位的RGB格式,各分量占用2bit位,剩下的2bit位不用!
我理解的是不同的储存格式能表示的颜色数量是不一样的,比如RGB555是2的五次方 *2的5次方* 2的五次方

2)CMY/CMYK颜色空间

CMY是工业印刷采用的颜色空间。C. 青色(Cyan) M. 洋红色(Magenta) Y. 黄色(Yellow) K. 黑色(blacK)。它与RGB对应。青,品红,和黄色是作为红、绿、蓝的互补色光而存,也可以作为颜料的一组三原色。简单的类比RGB来源于是物体发光,而CMY是依据反射光得到的。由于他们是通过从白光中分别减去 RGB 三原色而得到,故常把青、品红和蓝称为三减色。但CMY模型不能产生真正的黑色。故实际应用中我们通常模型中额外加入第四种颜色黑色,用 K 表示。以此 CMY 模型进而提升为CMYK 模,市面上常用的也是CMYK 模型。

具体应用:如打印机一般采用四色墨盒,即CMY加黑色墨盒。CMYK模型针对印刷媒介,即基于油墨的光吸收/反射特性,眼睛看到颜色实际上是物体吸收白光中特定频率的光而反射其余的光的颜色

来源:人们用白色光照射分别涂有青、品红、黄色的物体表面时,发现它们对应的反射光中分别不包含红、绿和蓝色,且也能组合成其他颜色,于是基于此提出来 CMY 色度模型。

转换:与 RGB 色度模型的转换

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ofPcvhbN-1636017195734)(图像形成.assets/20181222151101407.jpg)]

3)HSV/HSB颜色空间
4)HSI/HSL颜色空间

哦my god,我已经晕了。傻傻分不清楚了

Q1:为什么要有hsi hsl hsv hsb呢?

RGB 是对机器很友好的色彩模式,但并不够人性化,因为我们对色彩的认识往往是”什么颜色?鲜艳不鲜艳?亮还是暗?”。HSL 模式和 HSV(HSB) 都是基于 RGB 的,是作为一个更方便友好的方法创建出来的。也就是说仿照人的感觉创建的颜色空间,对人非常友好~~

Q2:HSV HSB HSI HSL分别是啥意思呢?

H是色调,S是饱和度,

B是明度V是明度

L是亮度I是亮度

Q3:可以说人话解释一下什么是色调什么是饱和度什么是亮度什么是明度吗?

色调:颜色

饱和度:表示颜色的纯度,纯光谱色是完全饱和的,加入白光会稀释饱和度。饱和度越大,颜色看起来就会越鲜艳,反之亦然。

**亮度:**对应成像亮度和图像灰度,是颜色的明亮程度。亮还是暗。

明度:眼睛对光源和物体表面的明暗程度的感觉,主要是由光线强弱决定的一种视觉经验。一般来说,光线越强,看上去越亮;光线越弱,看上去越暗。

我根本分不清亮度和明度。。就这样吧。

Q4:我还需要知道什么知识?

1、用六角形锥体表示自己的颜色模型。
在这里插入图片描述
2、转换,随便看看吧。

1.RGB转HSI
在这里插入图片描述

2.hsi转rgb

刚萨雷斯里面的HSI的I是归一化RGB后的,这里不归一化(求RGB时最后的分量不是用1减,而是3I减)。RG扇形(0<=H<120,单位为度),RGB分量由下式给出:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iB36olJx-1636017195740)(图像形成.assets/2183965-20201222165553820-1283672639.png)]GB扇形(120<=H<240),RGB分量由下式给出:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NMvUrupT-1636017195741)(图像形成.assets/2183965-20201222165628300-195016477.png)]BR扇形(240<=H<360),RGB分量由下式给出:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6VcOTrVs-1636017195741)(图像形成.assets/2183965-20201222165645722-580962570.png)]

3、应用场景

暂时不知道~~

5)Lab颜色空间

只需要看看。

Lab颜色模型是由CIE([国际照明委员会)制定的一种色彩模式。自然界中任何一点色都可以在Lab空间中表达出来,它的色彩空间比RGB空间还要大。另外,这种模式是以数字化方式来描述人的视觉感应, 与设备无关,所以它弥补了RGB和CMYK模式必须依赖于设备色彩特性的不足。由于Lab的色彩空间要比RGB模式和CMYK模式的色彩空间大。这就意味着RGB以及CMYK所能描述的色彩信息在Lab空间中都能 得以影射。Lab颜色模型取坐标Lab,其中L亮度;a的正数代表红色,负端代表绿色;b的正数代表黄色, 负端代表兰色(a,b)有L=116f(y)-16, a=500[f(x/0.982)-f(y)], b=200[f(y)-f(z/1.183 )];其中: f(x)=7.787x+0.138, x<0.008856; f(x)=(x)1/3,x>0.008856

在这里插入图片描述

6)YUV/YCbCr颜色空间

YUV是通过亮度-色差来描述颜色的颜色空间。(Y代表亮度,C代表颜色,b代表蓝色,r代表红色)

Y:明亮度(Luminance或Luma),也就是灰阶值。“亮度”是透过RGB输入信号来建立的,方法是将RGB信号的特定部分叠加到一起。

U&V:色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。“色度”则定义了颜色的两个方面─色调与饱和度,分别用Cr和CB来表示。

Cb:反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。

Cr:反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。

亮度信号经常被称作Y,色度信号是由两个互相独立的信号组成(Cb和Cr)。YUV/YCbCr两个基本一样。

**为什么要出现YUV?**一个是为了让彩色信号兼容黑白电视机,另外一个原因是为了减少传输的带宽。YUV中,Y表示亮度,U和V表示色度,总之它是将RGB信号进行了一种处理,根据人对亮度更敏感些,增加亮度的信号,减少颜色的信号,以这样“欺骗”人的眼睛的手段来节省空间。

**转换:**YUV到RGB颜色空间转换关系是:随便看看。

R = Y + 1.042*(V-128);
G = Y - 0.34414*(U-128) - 0.71414*(V-128);
B = Y + 1.772*(U-128);

R = 1.164*(Y-16)+1.596*(Cr-128)
G = 1.164*(Y-16)-0.392*(Cb-128)-0.813*(Cr-128)
B = 1.164*(Y-16)+2.017*(Cb-128)

Y   = 0.257*R+0.564*G+0.098*B+16
Cb = -0.148*R-0.291*G+0.439*B+128
Cr  = 0.439*R-0.368*G-0.071*B+128

|R|                   |298.082  0               408.58 |   |Y   -16  |
|G| = (1/256) * |298.082  -100.291 -208.12  | * |Cb-128 |
|B|                   |298.082  516.411   0           |    |Cr -128 |

|Y   |    |16  |                    |65.738   129.057  25.06 |   |R|
|Cb | = |128| +  (1/256) * |-37.945  -74.494  112.43| *|G|
|Cr  |    |128|                    |112.439  -94.154  -18.28|   |B|

应用场景:人脸肤色检测时候看看。

  • 5
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
彩色图像增强是一种图像处理技术,通过对图像的亮度、对比度、饱和度等方面的调整,使图像更加清晰、明亮、色彩鲜艳,以提高图像的可视性和观看体验。 彩色图像增强的理论基础主要包括以下几个方面: 1. 色彩空间:彩色图像增强需要对图像进行色彩空间的转换,常见的色彩空间有RGB、HSV、LAB等。RGB是一种基于红、绿、蓝三原色的颜色空间,HSV是一种基于色调、饱和度、亮度的颜色空间,LAB是一种基于亮度、对比度和饱和度的颜色空间。 2. 直方图均衡化:直方图是描述图像像素灰度分布的一种统计方法,直方图均衡化可以通过对图像像素灰度分布进行调整,使得图像的整体对比度得到提升,从而增强图像的视觉效果。 3. 空间滤波:空间滤波是一种基于滤波器对图像进行处理的技术,可以对图像进行平滑、锐化、边缘检测等处理,从而提高图像的清晰度和对比度。 4. 像素变换:像素变换是一种基于像素级别的图像处理技术,可以通过对像素进行非线性变换、对数变换等处理,改变图像的亮度、对比度等属性,从而增强图像的视觉效果。 综上所述,彩色图像增强的理论基础包括色彩空间转换、直方图均衡化、空间滤波和像素变换等方面,这些技术可以通过对图像的像素进行调整和处理,提高图像的视觉效果和观看体验。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值