【基于MATLAB的数字图像处理】第二章·视觉系统与图像处理系统

系列文章

 ·【基于MATLAB的数字图像处理】第一章·绪论

·【基于MATLAB的数字图像处理】第二章·视觉系统与图像处理系统

·【基于MATLAB的数字图像处理】第三章·基本图像变换

·【基于MATLAB的数字图像处理】第四章·图像增强

·【基于MATLAB的数字图像处理】第五章·图像编码

·【基于MATLAB的数字图像处理】第六章·形态学图像处理

·【基于MATLAB的数字图像处理】大作业·综合图像处理平台

目录

一、人类视觉与色度学基础

1.三基色原理

2. 彩色模型

彩色模型变换

二、光度学基本知识

三、视觉特性

四、基本的图像处理系统


一、人类视觉与色度学基础

人类对光的感知依靠视网膜,视网膜上主要有两种细胞用来感光:

  • 杆状细胞:数量很多,只能感知光的亮度,不能感知颜色;在弱光下起主要作用,为暗视器官
  • 锥状细胞:数量少,在照度足够高时起作用,能分别颜色;在白天主要发挥作用,为明视器官

人眼对光的感知波长区间为:380-780nm,其中对绿色(550nm左右)产生最大的光强敏感度

视锥细胞分为红敏(响应峰值波长为570nm)、绿敏(响应峰值波长为550nm)和蓝敏(响应峰值波长为445nm)三种,因此将这三种颜色成为三基色

1.三基色原理

三基色混配各种颜色的两种方法:

  • 相加混色法:由发光体发出的光相加而产生的各种颜色(三基色:RGB)
  • 相减混色法:先有白色光,然后从其中减去某些成分得到各种颜色(三基色:CMY)

相加混色的补色就是相减混色的基色

2. 彩色模型

彩色模型也称为彩色空间或彩色系统,通常有下面这几种模型:

  • RGB:红、绿、蓝(例:显示器信号)
  • HSI:色调、饱和度、明度(例:人眼识别)
  • YUV:亮度、色度(例:电视信号)
  • CMY:青、品红、黄(例:彩色印刷)

下面主要介绍HSI彩色模型

H:色调(hue)由颜色种类来辨别

S:饱和度(saturation)色纯度,颜色的深浅

I:亮度(brightness)颜色的明暗程度

 图为HSI的色环模型,色度由角度表示,0°的彩色为红色,120°的为绿色,240°的为蓝色,色调从0变到240度覆盖了所有可见光谱的彩色,在240到360之间是人眼可见的非光谱色(紫色);饱和度是色环的圆心到彩色点的半径长度;明度是立体高度。

彩色模型变换

RGB到HSI的变换:

H = \left\{\begin{matrix} \Theta , B<G & \\ 2\pi - \Theta B \geq G& \end{matrix}\right.

\Theta =arccos\frac{(R-G)+(R-B)}{2\sqrt{(R-G)^{2}+(R-B)(G-B)}}

S = 1-\frac{3}{R+G+B}min(R,G,B)

I = \frac{R+G+B}{3}

HSI到RGB的变换:

当0<H<2π/3时:

 当2π/3<H<4π/3时:

 当4π/3<H<2π时:


二、光度学基本知识

光度学:光学中研究光的辐射、吸收、照射、反射、散射、漫射等度量的学科

亮度:观察者对物体表面光强的量度,单位cd/m2

照度:是光源对物体辐射的一种量度,单位勒(lx)


三、视觉特性

视力敏感性:视觉系统对不同波段的光照,其响应的不一致性。

视力敏感性与视觉环境条件相关,暗视条件下和明视条件下的响应峰值不同

 进一步说,视力敏感性对光照的对比度更加敏感

除此之外,人眼还有亮度适应性,当从室外走进黑暗的室内时,会感到一片漆黑,但稍过片刻,视觉便会逐渐恢复,这种人眼适应暗环境的能力称为暗适应性,通常这种适应过程需要10〜30s;这期间发生的变化主要有:瞳孔放大,进光量增加;视杆细胞代替视锥细胞工作,视神经细胞发生转换。

当从暗环境进入明亮环境时,人眼适应环境变现为明适应性,这个过程比暗适应性要快,大约1-2s

视觉运动特性:当快速运动物体从眼前通过时,人眼只能有个粗略轮廓,而很难看到其细节。只有当物体细节大小、明暗对比度以及在人眼中呈现时间长短都比较合适时,才能对物体细节有个清楚的认识。

人在观察景象时注视点喜欢集中在图像中有特点区域:

  1. 注视点主要集中在图像黑白交界的部分,尤其集中在拐角处
  2. 用闭合的图形进行试验,注视点容易向图形内侧移动
  3. 注视点容易集中在时隐时现、运动变化的部分
  4. 图像中若存在一些特别的不规则处,也是注视点容易集中的地方

视觉空间错觉和假轮廓:

 ​​​​​​


四、基本的图像处理系统

图像处理系统包括:软件和硬件。

硬件主要包括:图像输入设备、图像运算处理设备(微计算机)、图像存储器、图像输出设备等

软件主要包括:操作系统、控制软件及应用软件等

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于MATLAB数字图像处理的微表情情绪识别系统是一种利用数字图像处理技术来分析和识别人脸微表情的系统。微表情是一种非常短暂且微小的面部表情,往往在人类意识层面无法察觉,但通过数字图像处理技术可以提取和识别出来。 在这个系统,首先需要将人脸从输入图像提取出来。可以通过人脸检测算法,如Viola-Jones算法,来实现这一步骤。然后,会利用MATLAB图像处理工具箱对提取出的人脸图像进行预处理和增强,去除噪声和背景干扰,并对图像进行灰度化。接下来,可以使用人脸关键点检测算法,如Dlib库或OpenCV库的方法,来标记出人脸图像的重要区域,如眼睛、鼻子和嘴巴等。 在提取出人脸图像和关键点之后,就可以进行微表情情绪识别的处理。可以使用MATLAB图像处理算法和模型,如主成分分析(PCA)、离散小波变换(DWT)和支持向量机(SVM)等,来对微表情进行特征提取和分类。特征提取包括对微表情进行空域特征的提取,如局部二值模式(LBP)和光流法等。分类指的是使用训练好的情绪分类模型,将提取到的特征输入,通过机器学习方法进行情绪分类。 最后,系统会根据特征提取和分类的结果,判断识别出微表情所表达的情绪。可以通过人为设定标签的训练数据集来训练情绪分类模型,评估模型的分类准确率。 综上所述,基于MATLAB数字图像处理的微表情情绪识别系统利用了数字图像处理技术和机器学习算法,能够从人脸图像提取微表情特征并识别情绪。这个系统在情绪分析、心理研究等领域有着广泛的应用前景。

“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
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