关于Lab的知识点

对于图像的分割有阈值分割法、聚类分割法、区域生长分割法、边缘检测分割法和基于神经网络的分割法。大多数都是基于普通的灰度图进行分割，这种方法对于一些彩色图像则难以取得理想效果。对于彩色图像分割，选取适当的颜色空间和颜色分量，会取得事半功倍的效果。有学者将 Lab 颜色模型用于基于颜色的物体识别；Amruta B. Patil 等人[3]运用 Lab 颜色模型和 OTSU 法做了花朵图像分割，但没有考虑到必要的形态学操作，导致分割出的图像杂乱而不精准，经常将花卉的枝叶等包含在内；AsmaNajjar 等采用了 Lab 颜色模型，但实验中花朵颜色单一，也没有总结出颜色与分量的对应关系，无法进一步提供有价值的参考；张娟[5]等提出一种基于颜色和纹理的自然背景下的梅花花朵分割算法。该算法综合运用了分形纹理和颜色 2 种特征，有效分割背景图像中的干扰物，实现梅花图像分割。还有基于花朵纹理、形状、轮廓的分割，但算法复杂，且对图像拍摄的要求很高。
花朵颜色复杂，具有特殊性。自然条件下，花朵图像背景主要以绿色叶片为主。文章抓住了图像中花朵与背景颜色的差异进行分割。 选择了色域广、符合人类视觉系统的 Lab 均匀颜色空间，用 OTSU 算法对图像的 L、a、b 分量依次分割，然后选取最优二值图，配以形态学操作，最终得到理想的分割效果图。
Lab 颜色模型
Lab 颜色空间是一种与设备无关的颜色空间，它对颜色的表达与人眼对颜色的感知非常接近， 视觉上近似的两种颜色在 Lab 空间上位置相邻、距离较小，反之亦然。花朵自身色彩极其复杂、颜色多变，既是图像分割的困难所在，也是可以利用的优势。 综合考虑，选取了 Lab 颜色空间。Lab 颜色空间由亮度通道（L）、红绿色通道（a）、黄蓝色通道（b）组成，如图 2 所示。L 通道表示亮度，值域为[0,100]，0 为黑色 100 为白色；a 通道表示从红色（+）至绿色（-）的范围；b 通道表示从黄色（+）至蓝色（-）的范围。 a 和 b 的值域都是[-128,127]。 其中，a=127 是红色，渐渐过渡到-128，变成绿色。 同理，b=127是黄色，-128 是蓝色。 对于 RGB 图像，先将 RGB 转换到 XYZ 空间，然后再由 XYZ 空间转换到 Lab 颜色空间，公式为

其中，aij 与成像印件系统的色度学特性相关。

其中，Xn，Yn，Zn 为白光条件下的刺激值；L∈[0,100]，a∈[-128,127]，b∈[-128,127]。

对于对Lab颜色模式中的a、b通道还是有点不清楚的同学，可以参考这篇http://blog.sina.com.cn/s/blog_53082f7a0102y60b.html。

Lab和RGB的本质区别
Lab的三个通道分别代表：L是明度，A是红绿，B是黄蓝。
在Lab模式下的曲线，因为明度是单独保存在L通道里面的，所以我们可以在不改变色彩信息的前提下调整明度。同样的，我们也可以在不改变明度的情况下调整色彩。这是RGB模式下曲线无法做到的，因为RGB的三个通道分别保存的是红绿蓝三原色。
Lab下的a通道保存绿与红，曲线的0点原点在线的中点，原点以上的线数用正数标记，代表红色，绝对值越大，色彩越浓。原点以下的线数值负数标记，代表绿色，绝对值越大，色彩越浓。b通道可以类推。所以Lab下的a、b通道是一根曲线调两个原色。调整原理也和RGB下的曲线调整完全不能等同。rgb是加红等于减青，加蓝等于减黄，提亮度必然色淡，加暗必然色浓。Lab则不然，调亮度只影响明度，根本不会影响其他颜色信息。