Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде Matlab (2006) (1246139), страница 41

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 41)

А на двух предыдущих рисунках фон является черным, так как цветовой тон и насыщенность белого цвета равны нулю, о 6.3. Основы обработки цветных изображений В этом параграфе мы приступим к изучению методов, используемых при обработке цветных изображений. Хотя набор этих средств не является исчерпывающим, эти методы являются хорошей иллюстрацией того, как следует обращаться с цветными изображениями при решении широкого круга задач. Для удобства изложения мы разделим подходы, используемые при обработке цветных изображений, на три большие категории: (1) преобразования цветов (или отображения цветов); (2) раздельная пространственная обработка цветовых плоскостей; и (3) обработка цветовых векторов. Первая категория обрабатывает пикселы каждой цветовой плоскости, основываясь исключительно на значениях пикселов, без учета их пространственных координат.

Эти подходы аналогичны методам, рассмотренным в 3 3.2 при изучении преобразований яркости монохромных изображений. Методы второй категории основаны на пространственной (окрестностной) фильтрации отдельных цветовых плоскостей, и они аналогичны материалам Я 3.4 и 3.5 по пространственной фильтрации. К третьей категории относятся методы, которые совершают обработку компонент цветного изображения как единого целого. Поскольку полноцветные изображения имеют по крайней мере три компоненты, цветные пикселы являются трехмерными векторами. Например, в системе НОВ каждую цветовую точку можно рассматривать как вектор, проведенный из начала координат в соответствующую точку цветового пространства.

(см. рис. 6.2). Пусть с — это произвольный вектор в цветовом пространстве НСВ: =~!1 ~224 Г б.об гг б Эти выражения показывают, что компонентами вектора с являются КСВ коор- динаты точки в цветовом пространстве. Если принять во внимание тот факт, что цветовые компоненты являются функциями пространственных координат (х, у), то последние уравнения можно переписать в виде сл(х,у) сп(х,у) св(х,у) О(х,у) В(х, у) с(х, у)= -$ Синийкомпонент ный компонент компонент Трн цветовы компоненты цветного пиксела Рис. 6.1. Схематически поквзвл споссо формирования цветного КСВ пиксела из соответствующих пикселов цветовых составляющих Для изображения с размером Мх)т' имеется МХ таких векторов с(х,у) при х= 0,1,2,...,М вЂ” 1 н у=0,1,2,...,Х вЂ” 1.

В некоторых случаях можно получить эквивалентные результаты, если обрабатывать цветное изображение или по отдельным плоскостям, или в векторном представлении. Однако это можно сделать не всегда, о чем подробно говорится в з 6.6. Для того, чтобы процессы обработки изображений по отдельным плоскостям и в векторной форме давали одинаковые результаты, требуется выполнение следующих условий: во-первых, процедура должна быть применима и к векторам, и к скалярам, а во-вторых, операция над каждой компонентой вектора должна быть независимой от остальных компонент. В качестве иллюстрации, на рис.

6.10 (стр. 228) показана пространственная окрестностная обработка монохромного и полноцветного изображения. Предположим, что процедура заключается в окрестностном осреднении. На рис. 6.10, а) осреднение делается суммированием всех полутоновых пикселов окрестности и делением полученной суммы на общее число пикселов в окрестности, а на рис.

6.10, б) следует просуммировать все векторы окрестности и разделить каждую компоненту полученного суммарного вектора на общее число векторов окрестности. Однако каждая компонента осредненного вектора равна сумме пикселов изображения, соответствующего данной компоненте, деленной на число пикселов окрестности, что совпадает с результатом индивидуального окрестностного осреднения каждой компоненты изображения, после чего можно строить цветной вектор. 6.3. О~носы .бибоп ки цветени~ «юйрнмс~ана 235) (236 г б.об б б г Рис.

6.29. о) г) Сегментации рис. 6.27, о) с опцией 'иайа1апоыв' функции со1отвек при Т = 25, 50, 75, 100. Сравните с рис. 6.28 г) в) 6.4. Цветовые преобразования Методы и процедуры, рассматриваемые в этом параграфе, основаны на обработке компонент цветного изображения или компоненты яркости полутонового изображения в рамках единой цветовой модели. Для цветных изображений мы ограничимся преобразованиями вида в, = Т,(г,), г = 1, 2,...,п, где г, и в, -- это цветовые компоненты входного и выходного изображений, и размерность (или число цветовых компонент) цветового пространства г„а Т, обозначает функции полноцветного преобразоеавии (или отобразгсения~).

Если входное изображение является монохромным, то эти уравнения следует писать в виде в, ='1',1т), 1=1,2,...,п, где т обозначает полутоновые величины, в,, Т, — - то же, что и раныпе, а п — число цветовых компонент в,. Это уравнение описывает отображение полутоновых пикселов в цветные. Такой процесс принято называть псевдоцветным преобразованием или псеедоцеетнмм отображением. Отметим, что первое уравнение можно использовать для воспроизведения монохромных изображений в НОВ пространстве, если положить 71 = гз = тз = г.

В любом случае, приведенные здесь уравнения являются прямым расширением уравнений для преобразования яркости, приведенным в 5 3.2. Как и в том параграфе, все 71 псевдо- или полноцветных функций преобразования 1Т1, Т2,..., Т„) не зависят от пространственных координат (ш., р) изображения, Некоторые М-функции преобразований полутоновых изображений, которые рассматривались в гл, 3, например, функция йшсошр1ешевт, вычисляющая дополнительное изображение, не зависят от содержимого полутонового изображения. б.~.

еЬ ь 23~~7) Другие, например, функция 51всео, которая зависит от распределения серых тонов, являются адаптивными, но само преобразование фиксируется, как только вычислены необходимые параметры этого преобразования. А еще имеются преобразования, вроде 1шафввс, для которых требуется сделать выбор подходящих параметров формы кривой, что лучше всего выполнить пользователю в интерактивном режиме. Такая же ситуация возникает при работе с полноцветными и псевдоцветными изображениями, особенно когда приходится прибегать к субъективному оцениванию изображений (например, при цветовой балансировке). В таких приложениях имеет смысл отбирать подходящую функцию преобразования с помощью прямого графического манипулирования с потенциальными функциями и наблюдения (в реальном времени) действия их комбинаций на обрабатываемое изображение.

На рис, 6.11 (стр. 228) иллюстрируется простой, но весьма эффективный метод задания функций отображения графическим путем. На рис. 6.11, а) показано преобразование, которое построено линейной интерполяцией по трем контрольным точкам (маленькие кружки на графике): рис. 6.11, б] показывает результат кубической сплайновой интерполяции по тем же трем точкам; наконец, рис. 6.11, в) и г) дают примеры более сложный линейной и сплайновой интерполяции. Оба типа интерполяции реализованы в МАТЮКАВ. Линейная интерполяция совершается функцией х = 1псегр1Ч(х, у, х1), которая возвращает вектор-столбец, состоящий из значений одномерной функции х в точках х1.

В векторах-столбцах х и у записаны координаты по горизонтали и вертикали контрольных точек. Элементы вектора х должны монотонно возрастать. Длина х должна быть равна длине х1. Так, например, команда » х = 1пхегр1с1([О 255] ', [О 255] ', [О: 255] '); строит взаимно однозначное отображение, состоящее из 256 элементов и соеди- няющее контрольные точки (0,0) и (255,255), т.е. х = [О 1 2 3 ...

255]. Аналогичным образом кубическая сплайновая интерполяция задается функцией х = вр11пе(х, у, х1), где переменные х, х, у и х1 были объяснены при описании функции 1пвегр1п. Точки х1 должны быть различными. Кроме того, если в массиве у число элементов на 2 больше, чем в массиве х, то его первый и последний элементы должны быть коэффициентами наклонов касательных кубического сплайна в концевых точках. Например, на рис.

6.11, б) кубический сплайн был построен с нулевыми наклонами концевых касательных. Функцию преобразования можно описать в интерактивном графическом режиме, манипулируя контрольными точками, которые являются входными данными функций шсегр1п и вр11пе, и получая на экране в реальном времени результат преобразования данного изображения построенной функцией.

Характеристики

Список файлов книги