Matlab图像处理与应用第8章色彩调整.docx
《Matlab图像处理与应用第8章色彩调整.docx》由会员分享，可在线阅读，更多相关《Matlab图像处理与应用第8章色彩调整.docx（22页珍藏版）》请在冰豆网上搜索。
Matlab图像处理与应用第8章色彩调整
第8章彩色图像处理及MATLAB实现
8.1概述
彩色对我们并不陌生，比如说日常生活中通过摄影相机用彩色胶卷所拍的照片。
它是指用各种观测系统，以不同形式和手段，观测客观世界而获得的，可以直接和间接作用于人眼，进而产生视觉的实体。
小到分子内部结构图片，大至宇宙星体照片，人类通过视觉识别文字、图片和周围环境，人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人的心目中形成的影像。
我们生活在一个信息时代，科学研究和统计表明，人类感知的外界信息，80％以上是通过视觉得到的，也就是从图像中获得。
生活在色彩斑斓的世界中，人的视觉系统产生的图像多为彩色图像。
对人类而言，对彩色图像信息的感知，具有至关重要的意义。
彩色图像信息可以从科学和艺术两方面来理解。
本章仅从科学角度讨论彩色图像信息处理，当然通过科学手段对彩色图像进行处理自然也可能使彩色图像更具有艺术效果。
对彩色图像的科学处理，称为图像技术，也称为图像工程。
内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层次：
彩色图像处理、彩色图像分析和彩色图像理解。
彩色图像处理着重强调在图像之间进行的变换，彩色图像分析则主要是对彩色图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。
彩色图像理解的重点是在彩色图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得到图像内容含义的理解，以及对原来客观场景的解释，从而指导和规划行为，彩色图像处理的最终研究目标为：
通过二维彩色图像认识三维环境的信息。
随着信号处理及计算机技术和彩色图像处理技术的发展，人们试图用摄像机获取环境彩色图像并转换成数字信号，用计算机实现人类对视觉信息处理的全过程，进而形成了一门新学科—计算机视觉，从而大大推动人工智能系统的发展，彩色图像处理技术是开发智能机器人的关键突破口，当前彩色图像技术已涉及人类生活和社会发展的各个方面，展望未来，彩色图像处理技术将能得到进一步发展和应用，从而改变人们的生活方式以及社会结构。
本章第二节讨论人类彩色视觉系统有关知识，第三节讨论彩色图像处理，第四节讨论彩色图像分析。
由于篇幅的关系，有关彩色图像理解的内容请参考有关计算机视觉的论著。
8.2彩色视觉与彩色图像
彩色图像处理的许多目标是帮助人更好地观察和理解图像中的信息，处理方案的选择和设计与信源和信宿的特征密切相关。
所谓信源就是处理前或者处理后的图像，而信宿就是处理前后信息的接收者——人的视觉系统。
因此了解图像特点和人的视觉系统对彩色的感知规律是十分必要的，本节将介绍有关这方面的内容，即色度学的知识。
人的视觉的产生是一个复杂的过程，除了光源对眼睛的刺激，还需要人脑对刺激的解释。
即人的视觉系统是由眼球、神经系统及大脑的视觉中枢构成，人眼的形状为一球形，其平均直径约20毫米，这球形之外壳有三层薄膜，最外层是角膜和巩膜，最里层的膜是视网膜，它布满在整个后部的内壁上。
视网膜可看做是大脑分化出来的一部分，其构造比其他感觉器官都要复杂，具有高度的信息处理机能。
眼睛中的光感受器主要是视觉细胞，视网膜上存在不同的光感受器，即锥状细胞与杆状细胞。
杆状细胞对彩色不敏感，锥状细胞具有辨别光波波长的能力，因此对彩色十分敏感，锥状细胞又分为对不同光谱（红、绿、蓝）敏感的三种细胞，对外膝体与大脑视觉皮层的分析表明，它们都有专门的区域从事彩色信息的处理与识别，这就是人类视觉系统的彩色信息通道。
周围环境中的物体，在可见光的照射下，通过眼球的聚焦作用，在人眼的视网膜上形成彩色图像，通过人类视觉信息系统彩色信息通道各个环节的处理，使人获得彩色图像信息的感知觉。
对彩色图像信息的感知觉就是人类的彩色视觉，彩色视觉是一种明视觉，常用亮度、色调和饱和度三个基本特性量来描述，称为彩色三要素。
亮度是指彩色光所引起的人眼对明暗程度的感觉，亮度和照射光的强度有关。
色调是指光的颜色，例如，红、橙、黄、绿……等都表示光的不同色调，改变色光的光谱成分，就会引起色调的变化。
色饱和度是指色的颜色的深浅程度。
如深红、淡红等等。
色调和饱和度又合称为色度，它既表示色光颜色类别，又能表示颜色的深浅程度。
8.2.2三色成像原理
人眼视网膜中存在着对不同光谱（红、绿、蓝）敏感的三种锥状细胞，由这三种锥状细胞，人类产生自然界所有彩色的感知觉。
科学实验与分析表明，自然界里常见的各种色光都可以由红、绿、蓝三种色光，按不同比例相配而成，同样，绝大多数色光也可以分解成红、绿、蓝三种色光。
这便是色度学中的最基本原理—三基色原理。
三基色的选择并不是惟一的，也可以选其他三种颇色为三基色。
但是三种基色必须是相互独立的，即任何一种颜色都不能由其他两种颜色合成。
由于人眼对红（R）、绿（G）、蓝（B）三种色光最为敏感，因此由这三种颜色所得的彩色范围最广，所以一般都选择这三种颜色作为基色。
由三基色混配各种颜色的方法通常有两种，这就是相加混色和相减混色。
由红、绿、蓝三基色进行相加混色的情况如下：
红色＋绿色＝黄色
红色＋蓝色＝紫色绿色＋蓝色二青色
红色＋绿色＋蓝色＝白色
称青色、紫色和黄色分别是红、绿、蓝三色的补色。
由于人眼对于相同强度单色光的主观感觉不同，所以相同亮度的三基色混色时，如果把混色后所得的光亮度定为100%，那么，人的主观感觉是，绿光仅次于白光，是三基色中最亮的，红光次之，亮度约占绿光的一半，蓝光最弱，亮度约占红光的1/3。
于是当白光的亮度用Y来表示时，它和红、绿、蓝三色光的关系便可用如下方程加以描述：
Y＝0.299R＋0.587G＋0.114B（
这就是相加混色常用的量度公式。
此式是根据NTSC（美国国家电视制式委员会）电视制式推得的，当采用PAL（相位逐行交变）电视制式时，公式形式为：
Y＝0.222R＋0.707G＋0.071B（
两方程之所以不同，是因为所选取的显像三基色不同，三基色及其补色的亮度比例如图8.1所示。
图8.1相加混色之三基色及补色亮度比例
相减混色是利用颜料、染料等的吸色性质实现的。
例如青布之所以呈现青颜色，是因为它用青色染料染过，而青色染料能吸收红色（青色的补色），在白光照射下，经吸收红色而反射青色，同样黄色颜料因有吸收蓝色的能力，所以在白光照射下，它是反射蓝色的补色——黄色。
如果把青、黄两种颜料混合，那么在白光照射下，由于混合颜料吸收了红、蓝两色而反射绿色，所以混合颜料呈现绿颜色。
由上例子可知，相减混合色是以吸收三基色的比例不同而配成不同的颜色的。
由于红、绿、蓝三基色的补色分别是青色、紫色和黄色，所以，用吸收三基色的不同比例配色，也就是用青色、紫色和黄色颜料的不同比例配色，因此，也称青、紫色和黄色为颜色料三基色。
在颜色料三基色混色情况下，可用如下公式描述：
（青色＋黄色）颜料＝白色－红色－蓝色＝绿色
（青色＋紫色）颜料＝白色－红色－绿色＝蓝色
（黄色＋紫色）颜料＝白色－蓝色－绿色＝红色
（青色＋黄色＋紫色）颜料＝白色－红色－绿色－蓝色＝黑色
可见，由颜料三基色相加，由于混合颜料吸收白色，而呈现黑色。
本章彩色图像处理中，都是采用相加混色法。
所以，今后我们所讨论的三基色，都是指红、绿、蓝三色。
国际照明委员会（CIE）选择红色（波长λ=700.00nm），绿色（波长λ＝546.1nm），蓝色（波长λ=435.8nm）三种单色光作为表色系统的三基色。
这就是CIE的R、G、B颜色表示系统。
由三基色原理可知，任何颜色都可由三基色混配而得到，为了简单又方便地描绘出各种彩色与三基色的关系，采用彩色三角形与色度图的表示方法。
1931年CIE制定了1个色度图（如图8.2所示），用组成某种颜色的三原色的比例来规定这种颜色。
图中横轴代表红色色系数，纵轴代表绿色色系数，蓝色系可由z=1-（x+y）求得。
图中各点给出光谱中各颜色的色度坐标，蓝紫色在图的左下部。
绿色在图的左上部，红色在图的右下部，连接400nm和700nm的直线的光谱上所没有的由紫到红的系列。
通过对该图的观察分析可知：
1）在色度图中每点都对应一种可见颜色，或说任何可见颜色都在色度图中占据确定的位置，即在（0,0），（0,1），（1,0）为顶点的三角形内。
而色度图外的点对应不可见的颜色。
2）在色度图中边界上的点代表纯颜色，移向中心表示混合的白光增加而纯度减少。
到中心点C处各种光谱能量相等而显示为白色，此处纯度为零。
某种颜色的纯度一般称为该颜色的饱和度。
3）在色度图中连接任意2端点的直线上的各点表示将这2端所代表的颜色相加可组成的一种颜色。
根据这个方法，如果要确定由3个给定颜色所组合成的颜色范围，只需将这3种颜色对应的3个点连成三角形，见图8.2。
在该三角形中的任意颜色都可由这3色组成，而在该三角形外的颜色则不能由这3色组成。
由于给定3个固定颜色而得到的三角形并不能包含色度图中所有的颜色，所以只用（单波长）3基色并不能组合得到所有颜色。
图8.2色度图示意
下面是一个色度图中一些点的3特征量值示例。
图8.2中心的C点对应白色，由3原色各1/3组合产生。
图8.2中P点的色度坐标为x=0.48,y=0.40。
由C通过P画1条直线至边界上的Q点（约590nm）,P点颜色的主波长即为590nm，此处光谱的颜色即Q点的色调（橙色）。
图8.2中P点位于从C到纯橙色点的66％的地方，所以它的色纯度（饱和度）是66%。
8.2.3彩色图像格式
通过前面有关彩色视觉和三基色原理的介绍，了解到引起人类彩色视知觉的彩色图像有多种表示方法。
下面介绍彩色图像的表示模式：
1）RGB模式
RGB是色光的彩色模式。
R代表红色，G代表绿色，B代表蓝色，三种色彩叠加形成了其他的色彩。
因为三种颜色都有256个亮度水平级，所以三种色彩叠加就能形成1670万种颜色了，也就是“真彩色”，通过它们足以再现绚丽的世界。
在RGB模式中，由红、绿、蓝相叠加可以形成其他颜色，因此该模式也叫加色模式（CMYK是一种减色模式）。
所有的显示器、投影设备以及电视等许多设备都是依赖于这种加色模式实现的。
就编辑图像而言，RGB色彩模式也是最佳的色彩模式，因为它可提供全屏幕的24bit的色彩范围，即“真彩色”显示。
但是，如果将RGB模式用于打印就不是最佳的了，因为RGB模式所提供的有些色彩已经超出了打印色彩范围之外，因此在打印一幅真彩的图像时，就必然会损失一部分亮度，并且比较鲜明的色彩肯定会失真的。
这主要是因为打印所用的是CMYK模式，而CMYK模式所定义的色彩要比RGB模式定义的色彩少得多，因此打印时，系统将自动进行RGB模式与CMYK模式的转换，这样就难以避免损失一部分颜色，出现打印后的失真现象。
2）CMYK模式
CMYK是相减混色，主要用在印刷业，以打印在纸张上的油墨的光线吸引特性为基础，理论上，纯青色（C）、品红（M）和黄（Y）色素能够合成吸收所有颜色并产生黑色。
实际上，由于油墨杂质的影响，只能产生一种土灰色，必须以黑色（K）油墨混合才能产生真正的黑色，因此，CMYK称为四色印刷，当所有四种分量值都是0％时，就会产生纯白色，其他颜色由相应百分比的CMYK值相减混色而得。
CMYK模式是最佳的打印模式，RGB模式尽管色彩多，但不能完全打印出来。
3）Lab模式
Lab模式既不依赖于光线，又不依赖于颜料。
它是CIE组织确定的一个理论上包括了人眼可见的所有色彩的色彩模式。
Lab模式弥补了RGB与CMYK两种彩色模式的不足。
Lab模式由三个通道组成，但不是R，G，B通道。
它的一个通道是照度，即L。
另外两个是色彩通道，用a和b来表示。
a通道包括的颜色是从深绿（低亮度值）到灰（中亮度值），再到亮彩红色（高亮度值）；b通道则是从紫蓝色（低亮度值）到灰（中灰度值），再到焦黄色（高亮度值）。
因此，这种彩色混合后将产生明亮的色彩。
在表达色彩范围上，处于第一位的是Lab模式，第二位的是RGB模式，第三位的是CMYK模式。
Lab模式所定义的色彩最多，且与光线及设备无关，并且处理速度与RGB模式同样快，且比CMYK模式快数倍。
因此，可以大胆地在图像编辑中使用Lab模式，而且，Lab模式保证在转换成CMYK模式时色彩没有丢失或被替代。
因此，最佳避免色彩损失的方法是：
应用Lab模式编辑图像，再转换成CMYK模式打印。
4）HSV模式
基于人类对颜色的感觉，HSV模式描述颜色的三个基本特征及色调、饱和度和亮度。
色相也称色调；是物体反射和投射光的颜色，在通常的使用中，色相由颜色名称标识，比如红、橙或蓝色。
饱和度，有时也称彩度，是指颜色的强度或纯度。
饱和度表示色相中灰成分所占的比例，用从0%（灰色）到100%（完全饱和）的百分比值来度量。
亮度：
是颜色的相对明暗程度，通常用0%（黑）到100%（白）的百分比值来度量。
8.2.4彩色坐标变换
上节指出彩色模式就是建立的一个3-D坐标系统，表示一个彩色空间，采用不同的基本量（三基色）来表示彩色，就得到不同的彩色模式（彩色空间），不同的彩色空间都能表示同一种颜色，因此，它们之间是可以转换的，本节着重分析RGB模式与HSV模式之间的变换。
（1）从RGB变换到HSV
对任何3个在[0,1]范围内的R，G，B值，其对应HSV模式中的V，S，H分量可由下面给出的公式计算：
（
由上式计算的[0,1]之间的R，G，B值。
当S=0时，对应无色中的点，此时H为0；当V=0时，S、H也没有意义，取为0。
（2）从HSV变换到RGB
若设H，S，V的值在[0,1]之间，R，G，B的值在[0,1]之间，由从HSV到RGB的转换会成为
1）当H在[0,1/3]区间：
（
2）当H在［1/3,2/3］区间：
（
3）当H在[2/3,1]区间：
（
8.2.5彩色图像的MATLAB的实现
（1）MATLAB图像处理工具箱支持的彩色图像
MATLAB图像处理工具箱中支持的彩色图像类型为索引图像、RGB图像和HSV图像。
1）索引图像
索引图像包括图像矩阵与颜色图数组，其中颜色图是按图像颜色值进行排序后的数组。
对于每一个像素，图像矩阵包含一个值，这个值就是颜色数据组中的索引。
颜色图为M×3双精度值矩阵，各行分别指定红、绿、蓝（RGB）单色值。
2）RGB图像
与索引图像一样，RGB图像分别用红、绿、蓝3个亮度值为一组，代表每个像素的颜色。
这些亮度直接存在图像数组中，图像数组为m×n×3，m、n表示图像像素的行列数。
3）HSV图像
HSV图像分别用色调（色相）、饱和度、灰度（亮度）三个值为一组，代表每个像素的颜色，HSV彩色图数据矩阵的三列分别表示色相，饱和度和亮度值，图像数组为m×n×3，m、n表示图像像素的行列数。
（2）MATLAB图像处理工具箱HSV模式与RGB模式之间的相互变换
MATLAB图像处理工具箱中提供了HSV模式与RGB模式之间的相互变换：
hsv2rgb（）、rgb2hsv（）。
1）HSV值与RGB颜色空间的相互转换hsv2rgb（）、rgb2hsv（）
RGBMAP＝hsv2rgb（HSVMAP）
其功能是：
将一个HSV颜色图转换为RGB颜色图。
输入矩阵HSVMAP中的三列分别表示：
色度、饱和度和纯度值；输出矩阵RGBMAP各列分别表示红、绿、蓝的亮度。
矩阵元素在区间[0,1]。
rgb＝hsv2rgb（hsv）
其功能是：
将三维数组表示的HSV模式图像hsv转换为等价的三维RGB模式图像rgb。
当色度值从0到1变化时，颜色则从红经黄、绿、青、蓝、紫外线红回到红色。
当饱和度为0，颜色不是不饱和的，颜色完全灰暗；当饱和度为1，颜色是完全饱和的，颜色不含白色成分。
HSVMAP＝rgb2hsv（RGBMAP）
其功能是：
将一个RGB颜色图转换为HSV颜色图。
hsv＝rgb2hsv（rgb）
其功能是：
将三维数组表示的RGB模式图像rgb转换为等价的三维HSV模式图像hsv。
2）NTSC值与RGB颜色空间相互转换函数：
ntsc2rgb（）、rgb2ntsc（）
RGBMAP＝ntsc2rgb（YIQMAP）
其功能是：
将NTSC制电视图像颜色图YIQMAP（m/3矩阵）转换到RGB颜色空间。
如果YIQMAP为m/3矩阵，其各列分别表示NTSC制的亮度（Y）和色度（I与Q）颜色成分，那么输出RGBMAP是一个m/3矩阵，其各列分别为与NTSC颜色相对应的红、绿、蓝成分值。
两矩阵元素值是在区间[0,1]上。
rgb＝ntsc2rgb（yiq）
其功能是：
转换NTSC图像yiq为等价的真彩RGB图像rgb。
YIQMAP＝rgb2ntsc（RGBMAP）
其功能是：
将RGB颜色图转换到NTSC颜色空间。
yiq＝rgb2ntsc（rgb）
其功能是：
将真彩RGB图像rgb转换为等价的NTSC图像yiq。
（3）相互转换的MATLAB实现
1）RGB图像与HSV图像的转换程序
RGB=imread（'autumn.tif'）;
HSV=rgb2hsv（RGB）;
RGB1=hsv2rgb（HSV）;
subplot（2,2,1）,imshow（RGB）,title（'RGB图像'）;
subplot（2,2,2）,imshow（HSV）,title（'HSV图像'）;
subplot（2,2,3）,imshow（RGB1）,title（'转换后RGB图像'）;
2）RGB图像与YCBCR图像的转换程序
RGB=imread（'autumn.tif'）;
YCBCR=rgb2ycbcr（RGB）;RGB1=ycbcr2rgb（YCBCR）;
subplot（2,2,1）,imshow（RGB）,title（'RGB图像'）;
subplot（2,2,2）,imshow（YCBCR）,title（'YCBCR图像'）;
subplot（2,2,3）,imshow（RGB1）,title（'转换后RGB图像'）;
3）RGB图像与NTSC图像的转换程序
RGB=imread（'autumn.tif'）;
subplot（2,2,1）,imshow（RGB）,title（'RGB图像'）
[x,y,z]=rgb2ntsc（RGB）;
RGB1=ntsc2rgb（x,y,z）;
subplot（2,2,2）,surf（x,y,z）,title（'NTSC图像'）;
subplot（2,2,3）,imshow（RGB1）,title（'转换后RGB图像'）;
8.3彩色图像处理
彩色图像处理就是对彩色图像信息进行加工处理，首先强调在图像之间进行的变换，输人输出都是图像。
通过对彩色图像的各种加工处理，以便于进行图像自动识别或对图像进行压缩编码以减少对其所需存储空间或传输时间、传输通路的要求。
8.3.1彩色平衡
由于彩色图像经过数字化后，颜色通道中不同的敏感度、增光因子、偏移量等因素导致图像三个分量出现不同的线性变换，使得图像的三基色不平衡，造成图像中物体的颜色偏离原有的真实色彩。
最突出的现象是使灰色的物体着了伪色。
彩色图像的颜色分布可以用直方图表示，直方图的横坐标是颜色，纵坐标是这种颜色在图像中的相对值。
这种颜色分布对于彩色图像的外观是很重要的。
对彩色图像进行颜色调整时，每个调整过程都会直接改变图像中各颜色值。
在一幅颜色图像中，各种颜色共同组成了一个有机整体，每一个局部调整都会影响图像的色彩平衡。
检查彩色是否平衡的最简单的方法是看图像中原灰色物体是否仍然为灰色，高饱和度的颜色是否有正常的色度。
如果图像有明显的黑白或白色背景，在RGB分量的直方图中会产生显著的“峰”。
倘若各个直方图中“峰”处在三基色不同的灰度级上，则表明彩色出现了不平衡。
这种不平衡现象可通过对R，G，B三个分量分别使用线性灰度变换进行纠正。
一般只需要变换分量图像中的两个与第三个的匹配情况。
最简单的灰度变换函数的设计方法如下：
1）选择图像中相对均匀的浅灰和深灰两个区域；
2）计算这两个区域的三个分量图像的平均灰度值；
3）调节其中两个分量图像，用线性对比度使其与第三幅图像匹配。
如果所有三个分量图像在这两个区域中具有相同的灰度级，则就完成了彩色平衡调节。
8.3.2彩色图像增强
彩色图像增强分两大类：
假彩色增强及伪彩色增强。
假彩色增强是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。
假彩色增强技术也可以用于线性或者非线性彩色的坐标变换，由原图像基色转变为另一组新基色。
伪彩色增强则是把一幅黑白图像的不同灰度级映射为一幅彩色图像，由于人类视觉分辨不同彩色的能力特别强，而分辨灰度的能力相比之下较弱，因此，把人眼无法区别的灰度变化，施以不同的彩色，人眼便可以区别它们了，这便是伪彩色增强的基本依据。
本小节讨论伪彩色增强的一些基本方法。
（1）密度分割法
密度分割法又称为灰度分割法，是伪彩色处理技术中最基本、最简单的方法。
设一幅黑白图像f（x,y），可以看成是坐标（x,y）的一个密度函数。
把此图像的灰度分成若干等级，即相当于用一些和坐标平面平行的平面切割此密度函数。
例如，分成I1、I2、……、IN等N个区域，每个区域分配一种彩色，颜色的伪彩色图像如图8.6所示。
图8.6简单的灰度到彩色变换
（2）灰度级－彩色变换法
这是一种更为常用的，同时也是比密度分割法更易于在广泛的彩色范围内达到图像增强目的的方法。
我们知道，绝大部分彩色都可以用三原色——红、绿、蓝三色，按不同比例进行组合而得到。
因此，当把一幅图像每一点的像素，按其灰度值独立地经过三种不同彩色的变换，然后分别去控制彩色电视显示器的不同彩色电子枪之发射，便可以在彩色显像管的屏幕上，合成一幅含有多种彩色的图像，其变换过程如图8.7所示。
图8.7伪彩色处理原理图
一组典型的灰度－彩色变换的传递函数如图8.8所示。
图8.8（a）表示红色变换的传递函数，它指出，凡小于L/2的灰度级，将转变为尽可能暗的红色，而在L/2到3L/4之间的灰度交替使红色从暗到最亮按线性关系变换，凡大于3L/4直到最大灰度级L的灰度，均转变成最亮的红色。
类似地，图8.8（b）和（c）分别表示绿色和蓝色变换的传递函数。
最后，图8.8（d）表示了三种彩色传递函数组合在一起的情况。
由图可知，只有两端点和中心点的灰度，才是纯三原色。
显然，用这种组合方案，将使整个灰度范围内的任何两种灰度，都不具有相同的彩色。
通常，为了加强灰度级－彩色变换增强的效果，在进行伪彩色增强前，事先可对原图像进行一些其他增强处理。
例如，先进行一次直方图均衡处理等等。
（3）频率－彩色变换法
如图8.9所示，这是基于频率域的伪彩色编码的方法。
首先将输人图像信号f（x,y）进行傅立叶变换，然后分别用三个不同的滤波器进行滤波处理后，将三路信号进行傅立叶反变换得到三幅处理后的空间图像，分别给予三路信号不同的三基色，便可以得到对频率敏感的伪彩色图像，典型的处理方法是采用低通，带通和高通滤波三种滤波器，把图像分成低频、中频和高频三个频率域分量，分别给予不同的三基色。
值得提醒的是：
前面第5章所介绍的图像增强技术同样适用于彩色图像处理，本小节只是针对图像的彩色增强问题给出了部分处理方法。
图8.8典型的变换函数
（a）红变换特性（b）绿变换特性（c）蓝变换特性
图8.9频域－彩色增强原理框图
8.3.3彩色补偿
在将目标图像中各种颜色的物体分别分离出来的应用中，通常使用荧光染料着色分离，例如将一个生物样本的不同细胞成分区别出来就是采用彩色荧光染料着色处理而实现的。
由于荧光染料荧光点发射光谱的不稳定性，加上常用的彩色图像数字化设备具有较宽且相互覆盖的光谱敏感区域，使得我们难以在三个分量图像中将三类颜色的物体完全分离开。
一般来说，只有其中两
升级会员 