opencv图像分析与处理（13）- 彩色图像处理基础：彩色模型与伪彩色图像处理_opencv的彩色分层

本节为opencv数字图像处理（13）：彩色图像处理基础：彩色模型与伪彩色图像处理，主要包括：三种彩色模型（RGB、CMY/CMYK、HSI）及其互相转换的方法、伪彩色图像的两种处理方法（灰度分层、灰度到彩色的转换）。

1. 彩色模型

  数字图像处理中，最通用的面向硬件的彩色模型是RGB模型，用于彩色监视器和一大类彩色视频摄像机；CMY（青、粉红、黄）模型和CMYK（青、粉红、黄、黑）模型是针对彩色打印机的；HSI（色调、饱和度、亮度）模型，更符合人描述和解释颜色的方式，并且它解除了图像中颜色和灰度信息的联系。

1.1 RGB彩色模型

  该颜色模型如下图所示（归一化之后），RGB原色值位于三个角上，二次色青色、深红色和黄色位于另外三个角。

  RGB彩色模型中表示的图像由三个分量图像组成，每种原色一幅分量图像（8比特），送入RGB监视器后，三幅图像在屏幕上混合生成一幅合成的彩色图像（24比特）。RGB空间中，用于表示每个像素的比特数称为像素深度。这就是全彩色图像，颜色总数：$(2^8{)}^3=16777216$。

1.2 CMY和CMYK彩色模型

  青色、深红色和黄色是光的二次色，即颜料原色，其中青色不反射红色，纯深红色不反射绿色，纯黄色不反射蓝色，这样从RGB到CMY的一个转换如下：

  等量的颜料原色可以生成黑色，但黑色不纯，为了生成真正的黑色，加入第四种原色黑色，即CMYK彩色模型。

1.3 HSI彩色模型

  当人观察一个彩色物体时，我们用其色调、饱和度和亮度来描述它。色调是描述一种纯色（纯黄色、纯橙色或纯红色）的颜色属性，饱和度是纯色被白光稀释的程度的度量，亮度是一个主观的描述子（实际上不可度量），它体现了无色的强度概念，是描述彩色感觉的关键因子之一（强度/灰度级hi单色图像最有用的描述子）。

  而HSI（色调、饱和度和强度）彩色模型，可以在彩色图像中从携带的彩色信息（色调和饱和度）中消去强度分量的影响，因此适合开发基于彩色描述的图像处理算法。

  HSI彩色模型平面可以以六边形、三角形甚至圆形出现，但是不变的是，平面上任一彩色点与红轴的夹角给出了色调，该向量的长度为饱和度，如下所示：

RGB到HSI的彩色转换
  给定一幅RGB彩色格式的图像，每个RGB像素的H分量根据下式计算：

  其中：

  饱和度分量由下式给出：

  强度分量由下式给出：

HSI到RGB的彩色转换
  需要分情况讨论。

  当H位于RG扇区（$0°\le H<120°$）：公式如下：

  当H位于GB扇区（$120°\le H<240°$），首先$H=H-120°$，然后：

  当H位于BR扇区（$240°\le H<360°$）：首先$H=H-240°$，然后：

2. 伪彩色图像处理

2.1 灰度分层

  令$[0,L-1]$表示灰度级，令$l_0$代表黑色[$f(x,y)=0$]，令$l_{L-1}$代表白色[$f(x,y)=L-1$]。假定垂直于灰度轴的$P$个平面定义为灰度级$l_1,l_2,...k_p$，然后假定$0<P<L-1$，P个平面将灰度分为$P+1$个区间$V_1,V_2,...,V_{P+1}$，灰度级到彩色幅值根据如下关系进行：

  其中$c_k$是第$k$个灰度区间$V_k$有关的颜色，$V_k$由位于$l=k-1$和$l=k$处的分割平面定义。

  简单来说，灰度分层就是用一个平面，将灰度函数分为几部分，并且给每一部分分别赋予一个新的颜色值。

2.2 灰度到彩色的变换

  这其实是灰度分层方法的一个特殊情况，相比于灰度分层，它更能拓宽伪彩色增强结果的范围。一种方法如下图所示：

  基本概念是对任何输入像素的灰度执行3个独立的变换，生成一幅合成图像，合成图像的彩色内容由变换函数的特性调制。

  此外将多幅单色图像组合为一幅彩色合成图像的方法也比较常用（尤其是多光谱），不同的传感器在不同的谱段产生的独立的单色图像，然后经过一系列变换选择三幅用于显示的图像。

---

欢迎扫描二维码关注微信公众号 深度学习与数学   [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读，算法和其他互联网技能的学习，概率论、线性代数等高等数学知识的回顾]