《图像处理2013~2014学年国脉信息学院》由会员分享，可在线阅读，更多相关《图像处理2013~2014学年国脉信息学院（40页珍藏版）》请在金锄头文库上搜索。
1、1、 三基色原理白光通过棱镜后被分解成多种颜色逐渐过渡的色谱，色依次为红、橙、黄、绿、青、蓝、紫，这就是可见光谱。三基色是指红，绿，蓝三色，人眼对红、绿、蓝最为敏感，大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生。同样绝大多数单色光也可以分解成红绿蓝三种色光。这是色度学的最基本原理，即三基色原理。红绿蓝三基色按照不同的比例相加合成混色称为相加混色，除了相加混色法之外还有相减混色法。可根据需要相加相减调配颜色。原理可解释如下：自然界中的绝大部分彩色，都可以由三种基色按一定比例混合得到；反之，任意一种彩色均可被分解为三种基色。作为基色的三种彩色，要相互独立，即其中任何一种基色都不能由另外
2、两种基色混合来产生。由三基色混合而得到的彩色光的亮度等于参与混合的各基色的亮度之和。三基色的比例决定了混合色的色调和色饱和度。波长为 700nm 的红光为红基色R(红)波长为 546.1nm 的绿光为绿基色G(绿)波长为 435.8nm 的蓝光为蓝基色B(蓝)相加混色：相加混色是各分色的光谱成分相加，混色所得彩色光的亮度等于三种基色的亮度之和。自然界中绝大多数的色彩都可以用适当比例的三基原色混合组成的等效色来模拟。红+ 绿= 黄红+ 蓝= 品红绿+ 蓝= 青红+ 绿+ 蓝=白 2、 配色方案：F=R(R)+B(B)+G(G)F 为任意一个彩色光；(R)、 (G)、(B)为三基色单位量；R 、
3、G、 B 为三色分布系数。要配出彩色量 F，必须将 R 单位的红基色、 G 单位的绿基色和 B 单位的蓝基色加以混合，R、 G、 B 的比例关系确定了所配彩色光的色度( 包含色调和饱和度 )，R 、 G、 B 的数值确定了所配彩色光的光通量（亮度） 。R(R)、G (G)、B (B)分别代表彩色量 F 中所含三基色的光通量成分，又称彩色分量。配成标准白光 E 所需的红、 绿、 蓝三基色的光通量比为 14.59070.0601。 为了简化计算，规定红基色光单位量的光通量为 1 lm，则绿基色光和蓝基色光单位量的光通量分别为 4.5907 lm 和 0.0601 lm。 lm 是光通量的单位流明。
4、配色实验的物理意义很明确，但进行定量计算却比较复杂， 实际使用很不方便， 为此进行了坐标变换引入 XYZ 计色制（ X）=0.4185（R）-0.0912（G）+0.0009（B）（ Y）=-0.1587（R）+0.2524（G）+0.0025（B） （ Z）=-0.0828（R）+0.0157（G）+0.1786（B） 为了统一、确切地度量彩色，引入色度图的概念。在 X,Y,Z 计色制中，任意彩色光的配色方程为:F=XX+YY+ZZ式中的 X,Y,Z 为标准三色系数，X,Y,Z为标准三基色单位。并规定1.系数均为正数；2,系数 Y 表示亮度，X,Z 不包含亮度的信息。3,色度由三色系数的相对
5、比例确定，当 X=Y=Z=1 时，所配出的光为等能白光 E 白。在 X，Y，Z 计色制中，系数不能由光学实验得到，这些值通过 RGB 计色制的系数转换，转换关系是线性矩阵的变换，某一实际的彩色光，通过配色实验得到 RGB 的系数，再根据上面的公式转换成 X,Y,Z 的配色方程。F=XX+YY+ZZ F=R(R)+B(B)+G(G)=R+4.5907G+0.0601B一、均值降噪I=imread(hdbh1.jpg)%读取原始图像subplot(2,2,1),imshow(I);%显示原始图像J=imnoise(I,gaussian,0,0.2);%添加高斯白噪声，最小幅度是 0，最大幅度是 0
6、.2subplot(2,2,2),imshow(J);%显示添加高斯白噪声之后的图像B=zeros(size(I);%产生矩阵，所有的矩阵元都是 0for i=1:100 % 循环语句 i 从 1 到 100，步径为 1J=imnoise(I,gaussian);%添加高斯白噪声J1=im2double(J);%将 J 图转换为双精度图片B=B+J1; % 图形 B 与 J1 叠加End %结束B1=B/100; % 均值降噪subplot(2,2,3),imshow(B);%显示 B 的图片subplot(2,2,4),imshow(B1);%显示 B1 的图片二、图像差分（相减运算）I=i
7、mread(hdbh1.jpg)%读取原始图像J=imnoise(I,gaussian,0,0.2);% 添加高斯白噪声，最小幅度是 0，最大幅度是 0.2B=J-I;%像素点的灰度值相减,进行差分subplot(2,2,1),imshow(I);%显示原始图像subplot(2,2,2),imshow(J);%显示添加高斯白噪声之后的图像subplot(2,2,3),imshow(B);%显示灰度值相减之后的图片三、图像的逻辑运算A=zeros(128);A(40:70,60:100)=1;%在产生的 128*128 的 0 的矩阵中，在横坐标从 40 到70，纵坐标从 60 到 100 的
8、区域内全为 1B=zeros(128);B(50:80,40:70)=1; %在产生的 128*128 的 0 的矩阵中，在横坐标从 50 到80，纵坐标从 40 到 70 的区域内全为 1C=and(A,B);D=or(A,B);E=not(A);%将 A、B 图相与赋给 C, 将 A、B 图相或赋给 C,将 A 图取非赋给 EF=not(C);G=not(D);B1=not(B);%将 C 图取非赋给 F，将 D 图取非赋给 G，将 B 图取非赋给B1，H=and(E,B)+and(B1,A);H1=not(H);%将 E、B 相与加上 B1、A 相与赋给 H,将 H 取反赋给 H1sub
9、plot(3,3,1),imshow(A);%显示 A 图subplot(3,3,2),imshow(B); %显示 B 图subplot(3,3,3),imshow(C); %显示 C 图subplot(3,3,4),imshow(D); %显示 D 图subplot(3,3,5),imshow(E); %显示 E 图subplot(3,3,6),imshow(F); %显示 F 图subplot(3,3,7),imshow(G); %显示 G 图subplot(3,3,8),imshow(H); %显示 H 图subplot(3,3,9),imshow(H1); %显示 H1 图四、图像的
10、几何运算I=imread(txcl1.tif)%显示原始图像M,N=size(I);B=I;C=I;D=I;%获取图形 I 的长 M 和宽 N；将 I 赋值给 B；将 I 赋值给 C、Da=30;b=30;%设置起始水平平移长度和宽度for i=1:M （这个循环完成的是图形的平移）for j=1:Nif(i-a0)&(i-a0)&(j-b0.2)=0;%进行判决，r0.2 时为 0Hg(r0.2)=0;Hg(r0.1)=0;F=fft2(I);S=fftshift(F)SHd=S.*Hd;ISd=ifftshift(SHd);IFd=ifft2(ISd)/255;subplot(231),i
11、mshow(I)subplot(232),imshow(Hd)subplot(233),imshow(IFd)Hd1=ones(size(I);Hg=ones(size(I);Hd1(r0.1)=0;Hg(r0.2)=0;%进行判决，r0.2 时为 0Hg(r0.2 时为 0F=fft2(I);%对 I 进行二维傅里叶变化S=fftshift(F);%对 F 进行 1、3 轴对调，2、4 轴对调SHd=S.*Hd; % S 与 Hd 相乘 SHg=S.*Hg; % S 与 Hg 相乘ISd=ifftshift(SHd);%对 SHd 图进行 1、3 轴对调，2、4 轴对调之后再进行傅里叶逆变换
12、ISg=ifftshift(SHg); %对 SHg 图 1、3 轴对调，2、4 轴对调之后再进行傅里叶逆变换IFd=ifft2(ISd)/255;%对 ISd 图进行二维傅里叶逆变换且像素变为 1/255IFg=ifft2(ISg)/255;%对 ISg 图进行二维傅里叶逆变换且像素变为 1/255subplot(231),imshow(I)%显示 I 图subplot(232),imshow(Hd) %显示 Hd 图subplot(233),imshow(Hg) %显示 Hg 图subplot(234),imshow(S) %显示 S 图subplot(235),imshow(IFd) %
13、显示 IFd 图subplot(236),imshow(Ifg) %显示 Ifg 图十四、点运算的符合运算I=imread(fj.jpg);%读入彩色图像J1(:,:,1)=I(:,:,1);J1(:,:,2)=0;J1(:,:,3)=0;%提取图像的红色部分J2(:,:,2)=I(:,:,2);J2(:,:,1)=0;J2(:,:,3)=0; %提取图像的绿色部分J3(:,:,3)=I(:,:,3);J3(:,:,1:2)=0; %提取图像的蓝色部分subplot(221);imshow(I);title(原图像);%显示原图像subplot(222);imshow(J1);title(红色
14、的图像); %显示红色图像subplot(223);imshow(J2);title(绿色的图像); %显示绿色图像subplot(224);imshow(J3);title(蓝色的图像); %显示蓝色图像J11(:,:,1)=histeq(I(:,:,1);%原图红色部分直方图均横化J11(:,:,2)=histeq(I(:,:,2);%原图绿色部分直方图均横化J11(:,:,3)=histeq(I(:,:,3);%原图蓝色部分直方图均横化J21(:,:,1)=2*I(:,:,1);%红色部分亮度调亮 2 倍J21(:,:,2)=2*I(:,:,2); %绿色部分亮度调亮 2 倍J21(:,
15、:,3)=2*I(:,:,3); %蓝色部分亮度调亮 2 倍J31(:,:,1)=0.5*I(:,:,1);%红色部分亮度变为原图的 0.5 倍J31(:,:,2)=0.5*I(:,:,2); %绿色部分亮度变为原图的 0.5 倍J31(:,:,3)=0.5*I(:,:,3); %蓝色部分亮度变为原图的 0.5 倍figuresubplot(221);imshow(I);title(原图像);%显示原图像subplot(222);imshow(J11);title(直方图修正后的图像); %显示直方图修正后的图像subplot(223);imshow(J21);title(亮度加大后的图像);
16、 %显示亮度加大后的图像subplot(224);imshow(J31);title(亮度减少后的图像); %显示亮度减少后的图像十五、图像的领域运算I=imread(hdbh1.jpg)%读取图片J=imnoise(I,gaussian,0.04,0.1);%对原始图像添加高斯白噪声，范围在0.04到0.1之间h=ones(3,3)/5;%创造一个3行3列的矩阵区域h(1,1)=0;h(1,3)=0;h(3,1)=0;h(3,3)=0;h1=1 2 1;2 4 2;1 2 1/16;B=imfilter(J,h);%过滤多维图像J和多维区域hC=imfilter(J,h1); %过滤多维图像J与多维区域h1subplot(2,2,1),imshow(I);%输出图像Isubplot(2,2,2),i
