Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
метод_Изображ.docx
Скачиваний:
1
Добавлен:
01.05.2025
Размер:
564 Кб
Скачать
☆

Лабораторная работа №2 основы цветового кодирования

Цель: Знакомство с принципами цветового кодирования, конвертирования цветовых систем, а также с некоторыми командами и функциями языка MatLab, предназначенными для работы с цветными изображениями.

Определение глубины цвета

Большинство компьютеров при отображении использует 8, 16 или 24 бит на пиксель. Этим определяется глубина цвета отображаемого изображения. Независимо от того сколько цветов отображает система, MATLAB может запоминать и обрабатывать изображения с различным числом бит на пиксель: 224 цветов для RGB-изображений в формате uint8, 248 цветов для RGB-изображений в формате uint16 и 2159 цветов для RGB-изображений в формате удвоенной точности. Эти изображения наилучшим образом отображаются в системе с 24-битным представлением цвета, хотя источники формирования изображений не всегда могут обеспечивать такую глубину цвета. В большинстве случаев они обеспечивают 16-битное представление цвета.

Описание выбора глубины цвета

В зависимости от используемой системы, можно устанавливать различные значения количества бит на пиксель. Это может быть также связано с графическим разрешением объектов. В большинстве случаев 24-битное представление обеспечивает хорошую визуализацию. Если есть необходимость использовать меньшее число бит на пиксель, то можно использовать 16-битное представление. При обработке полутоновых изображений, в большинстве случаев, достаточно 8 бит на пиксель.

Описание глубины цвета

Для определения глубины цвета, который может отображать система, используется следующий код.

get(0,'ScreenDepth')

ans =

32

MATLAB возвращает число бит на пиксель:

Значение

Описание

8

8-битное представление отображается 256 цветами. 8-битные полутоновые изображения являются составной частью 24-битного представления графической информации.

16

16-битное представление обычно использует 5-бит на каждую цветовую компоненту, что равно 32 градациям (т.е. 25) на красную, зеленую и синюю составляющие. В результате такое представление поддерживает 32,768 (т.е., 215) различных цветов. Некоторые системы используют дополнительный бит для увеличения числа градаций отображаемого цвета. В нашем случае число различных цветов при 16-битном представлении равно 64,536 (т.е. 216).

24

24-битная визуализация использует 8 бит на каждую из трех цветовых составляющих, т.е. 256 (28) градаций на красную, зеленую и синюю компоненту. В результате получается 16,777,216 (т.е. 224) различных цветов.

32

32-битная визуализация использует 24 бита для запоминания цветовой информации а еще 8 бит используется для запоминания насыщенности (прозрачности) данных. Это так называемый альфа канал.

Уменьшение числа цветов на изображении

В этом пункте описано метод уменьшения числа цветов в индексных или RGB изображениях. Рассмотрим также метод диффузионного псевдосмешения цветов (dithering). Этот метод использует визуальное увеличение количества цветов на изображении.

Ниже приведены краткие описания функций уменьшения цветов на изображении в приложении Image Processing Toolbox.

Функция

Назначение

imapprox

Создает новое палитровое изображение из исходного палитрового, уменьшая количество используемых цветов.

rgb2ind

Создает палитровое изображение из полноцветного изображения RGB.

В системах с 24-битным отображением цвета RGB изображения могут отображаться 16,777,216 (т.е. 224) цветами. В системах с меньшим количеством отображаемых цветов RGB изображения также будут отображаться хорошо, потому что MATLAB автоматически использует аппроксимацию цветов и диффузионное псевдосмешение цветов.

Индексные изображения могут иметь проблемы с большим числом цветов. В основном, ограничиваются 256 цветами. Это связано со следующими причинами:

  • В системах с 8-битным отображением при визуализации индексных изображений, которые имеют больше, чем 256 цветов, применяется метод диффузионного псевдосмешения цветов (dithering), поскольку не все цвета могут быть представлены системой.

  • В некоторых системах палитра в принципе не может иметь больше, чем 256 позиций.

  • Если индексное изображение содержит больше, чем 256 цветов, MATLAB запоминает данные изображения в массив не в формате uint8, а в формате удвоенной точности. Это приводит к увеличению объема запоминаемых данных, поскольку каждый пиксель занимает 64 бита.

  • Файлы изображений больших размеров желательно записывать в формате, который использует при визуализации 256 цветов. Если при записи (с использованием функции imwrite) в этом же формате изображения имеют больше чем 256 цветов, то в дальнейшем возможны ошибки при визуализации.

Уменьшение числа цветов на индексном изображении

Использование rgb2ind

Функция rgb2ind выполняет преобразование RGB-изображения в индексное изображение, уменьшая количество отображаемых цветов. При обработке исходного изображения функция использует следующие методы аппроксимации цветов:

  • Квантование

    • Равномерное квантование

    • Квантование с наименьшей дисперсией

  • Отображение палитры

Качество результирующего изображения зависит от выбранного метода аппроксимации, диапазона цветов исходного изображения и использования метода диффузионного псевдосмешения цветов (dithering). Отметим, что результат работы методов очень зависит также от конкретного изображения.

Квантование

Квантование приводит к уменьшение количества цветов на изображении. Функция rgb2ind использует квантование как часть алгоритма уменьшения цветов. Функция rgb2ind поддерживает два метода квантования: равномерное квантование и квантование с наименьшей дисперсией. При рассмотрении этого вопроса применяется понятие куб RGB цветов. Куб RGB цветов представляет собой трехмерный массив всех цветов, которые определены для этого типа данных. Поскольку изображения в MATLAB могут быть представлены в различных форматах (uint8, uint16 или double), то это будет влиять на дискретизацию цветов в кубе RGB.

Равномерное квантование. Для выполнения равномерного квантования используется функция rgb2ind с соответствующими параметрами.

Внизу приведен пример равномерного квантования. Второй аргумент влияет на дискретность квантования.

RGB = imread('peppers.png');

[x,map] = rgb2ind(RGB, 0.1);

Квантование с наименьшей дисперсией. Для реализации квантования с наименьшей дисперсией используется функция rgb2ind с указанием максимального числа цветов на результирующем изображении. Это число определяет количество ячеек, на которое будет разбит цветовой куб RGB. Рассмотрим пример реализации метода квантования для создания индексного изображения с использованием 185 цветов.

RGB = imread('peppers.png');

[X,map] = rgb2ind(RGB,185);

В основу метода квантования с наименьшей дисперсией положено объединение пикселей в группы на основании отклонений между их значениями. Т.е. выбранный пиксель должен иметь наименьшее суммарное отклонение от всех пикселей группы.

Уменьшение количества цветов на индексном изображении

Для уменьшения количества цветов на изображении используется также функция imapprox. Функция imapprox использует некоторые методы аппроксимации. По сути, функция imapprox сначала с помощью функции ind2rgb выполняет преобразование изображения в формат RGB, а потом использует функцию rgb2ind для преобразования в индексное изображение с измененным количеством цветов.

Пример. Рассмотрим пример формирования изображений, которые содержат 128 и 16 цветов с использованием функций rgb2ind и imapprox соответственно.

L=imread('peppers.png');

figure,imshow(L);

L=im2double(L);

[x,map] = rgb2ind(L, 128);

figure,imshow(x,map); %Изображение со 128 цветами

[Y,newmap] = imapprox(x,map,16);

figure,imshow(Y, newmap); %Изображение с 16 цветами

Качество обработанного изображения зависит от того какой метод аппроксимации используется, от количества цветов на исходном изображении, используется или нет метод диффузионного псевдосмешения цветов (dithering). Отметим, что различные методы дают различный результат для разных изображений.

Сглаживание цветовых переходов

Метод диффузионного псевдосмешения цветов (dithering)

При использовании функций rgb2ind или imapprox для уменьшения количества цветов на изображении, качество результирующего изображения немного ниже. Это связано с уменьшением количества цветов, с помощью которых отображается изображение. Обе функции - rgb2ind и imapprox - применяют метод диффузионного псевдосмешения цветов (dithering). Это приводит к визуальному увеличению количества отображаемых цветов. Метод dithering изменяет цвета пикселей окрестности таким образом, что средний цвет окрестности аппроксимирует исходный RGB-цвет.

Рассмотрим пример работы метода диффузионного псевдосмешения цветов (dithering):

  1. Считывание и визуализация исходного изображения.

rgb=imread('onion.png');

imshow(rgb);

  1. Создание индексного изображения с восьмью цветами без применения метода диффузионного псевдосмешения цветов (dithering).

[X_no_dither,map]=rgb2ind(rgb,8,'nodither');

figure, imshow(X_no_dither,map);

  1. Создание индексного изображения с восьмью цветами с применением метода диффузионного псевдосмешения цветов (dithering). [X_dither,map]=rgb2ind(rgb,8,'dither');

figure, imshow(X_dither,map);

Отметим, что обработка изображения методом диффузионного псевдосмешения цветов (dithering) приводит к визуальному увеличению отображаемых цветов. Однако возникает риск возникновения ложных контуров.

Выполнение преобразования цветовых пространств

Преобразование цветовых данных между цветовыми пространствами

Наиболее часто в Image Processing Toolbox для описания цифровых изображений используется цветовая система RGB [1-3]. В этом случае столбцы палитры представляют собой интенсивности красной, зеленой и синей составляющих. Палитровые изображения могут иметь произвольную глубину цвета, хотя наиболее широкое распространение получили палитровые изображения, глубина цвета которых составляет соответственно 4 и 8 бит на пиксель.

Известны два подхода к отображению цветов из большего цветового пространства в меньшем. Один из них заключается в том, что цвета, которые находятся за пределами цветового поля преобразуются в наиболее близкие по тону цвета внутри цветового поля. Этот подход называется отсечением (Clipping). Второй метод - это метод сжатия (Compression). Он заключается в том, что каждый цвет на входе независимо от того, попадает он в цветовое поле выводного устройства или нет, приводится к другому цвету из цветового диапазона выходного устройства (естественно, далеко не случайным образом). Существующие методы преобразования цветовых пространств отличаются друг от друга тремя главными особенностями: сжатием цветовой гаммы, тональной компрессией (приведение динамического диапазона вводного устройства к выводному) и отображением точки белого цвета.

Преобразования между устройство-зависимыми цветовыми пространствами

Любой цвет в пространстве RGB формируется как сумма разных количеств красной, зеленой и синей составляющих. Когда значения всех составляющих равны нулю, тогда формируется черный цвет. Если все составляющие принимают максимально возможное значение, тогда формируется белый цвет. Однако понятие "белый цвет" является приближенным. Дело в том, что RGB-составляющие обеспечивают только хорошее приближение, а настоящий белый цвет может быть получен только сложением всех его спектральных составляющих, а не только R,G и B. В CMYK-пространстве белый цвет достигается обнулением всех его составляющих, а Cyan (C, Голубой), Magenta (M, Пурпурный) и Yellow (Y, Желтый) используются в нем для создания прочих цветов. Недостатком этого цветового пространства является то, что устройства, которые его используют, не могут отображать яркие и насыщенные цвета. Цветовые пространства RGB и CMYK являются устройство-зависимыми, так как цвет в них привязан к тому или иному устройству, для которого заданы эти значения. "Устройством" может быть принтер, сканер, монитор и пр. Действительно, каждый принтер, сканер или монитор одно и то же изображение будут отображать своими цветами, хотя значения RGB на них подаются одинаковые. В общем случае, цвет может быть описан координатами для данного набора основных цветов или координатами цветности и уровнем их яркости. Цвет можно описать с помощью линейной или нелинейной функции координат цвета или координат цветности и яркости. Линейные преобразования координат цвета представляют собой переход к новому набору цветов. Существующие системы координат цвета позволяют количественно описать цвета и формулы их преобразования.

Конвертирование из RGB в HSV

Синтаксис:

HSV=rgb2hsv(RGB) hsvmap=rgb2hsv(rgbmap)

Описание:

Функция HSV=rgb2hsv(RGB) создает полноцветное изображение, значения пикселов которого представлены в цветовой системе HSV (hue — цветовой тон, saturation — насыщенность, value — яркость), из исходного полноцветного изображения в цветовой системе RGB. Результирующее изображение имеет формат представления данных double.

Функция hsvmap=rgb2hsv(rgbmap) создает палитру hsvmap, значения цвета в которой задаются в цветовой системе HSV, из исходной палитры rgbmap, хранящей цвета в цветовой системе RGB.

Зрение человека более чувствительно к изменениям яркости, чем к изменениям цвета. Этот факт делает целесообразным производить обработку отдельно для яркостной составляющей. Для этого полноцветное изображение из цветовой системы RGB следует преобразовать в систему, в которой одна из составляющих является сигналом яркости, а другие описывают цвет; например, таким требованиям отвечают системы HSV или YIQ (Y—яркостная составляющая, I — цветовой тон, Q — насыщенность).

Конвертирование из RGB в YIQ

Синтаксис:

YIQ=rgb2ntsc(RGB) yiqmap=rgb2ntsc(rgbmap)

Описание:

Функция YIQ=rgb2ntsc(RGB) создает полноцветное изображение, значения пикселов которого представлены в цветовой системе YIQ, из исходного полноцветного изображения в цветовой системе RGB. Результирующее изображение имеет формат представления данных double.

Функция yiqmap=rgb2ntsc(rgbmap) создает палитру yiqmap, цвета в которой задаются в цветовой системе YIQ, из исходной rgbmap, хранящей цвета в цветовой системе RGB.

Цветовая система YIQ используется в телевизионной системе NTSC представления цветного телевизионного сигнала. Составляющая Y содержит информацию о яркости изображения, а составляющие I и Q - о его цветности. Иные системы телевидения, как аналоговые, так и цифровые, используют похожие цветовые системы. Их отличие от системы YIQ заключается, как правило, в коэффициентах, применяемых для формирования составляющих цветности.

Конвертирование из RGB в YCbCr

Синтаксис:

YCbCr=rgb2ycbcr(RGB) ycbcrmap=rgb2ycbcr(rgbmap)

Описание:

Функция YCbCr=rgb2ycbcr(RGB) создает полноцветное изображение, значения пикселов которого представлены в цветовой системе YCbCr, из исходного полноцветного изображения в цветовой системе RGB. Формат представления данных исходного и результирующего изображений совпадают.

Функция ycbcrmap=rgb2ycbcr(rgbmap) создает палитру ycbcrmap, значения цвета в которой задаются в цветовой системе YCbCr, из исходной палитры rgbmap, хранящей цвета в цветовой системе RGB. Цветовая система YCbCr широко используется в цифровом видео. Составляющая Y содержит информацию о яркости изображения, а составляющие Cb и Cr (так называемые цветоразностные составляющие) - о его цветности. В результате преобразования составляющая Y принадлежит диапазону [16, 235], а составляющие Cb и Cr принадлежат диапазону [16, 240]. Оставшиеся допустимые значения вне указанных диапазонов ([0, 15] и [236, 255] для Y, [0, 15] и [241, 255] для Cb, Cr) используются для дополнительной информации (например, звука), которая передается вместе с видеопотоком.

Пример: Представление изображений в различных цветовых пространствах

Считаем изображение в формате RGB в рабочее пространство MATLAB и преобразуем цветовые данные в цветовое пространство XYZ:

    1. Считывание исходных данных.

I_rgb = imread('peppers.png');

figure, imshow(I_rgb);

    1. Создадим структуру преобразования цвета. В этой структуре определены преобразования между двумя цветовыми пространствами. Для формирования этой структуры используется функция makecform.

    2. В этом примере создается структура преобразования цветовых данных из RGB в XYZ.

C = makecform('srgb2xyz');

    1. Выполнение преобразований. Для выполнения описанных преобразований используется функция applycform, которая в качестве аргумента использует исходные данные и структуру преобразования цвета. Результатом работы функции applycform являются преобразованные данные.

I_xyz = applycform(I_rgb,C);

figure, imshow(I_rgb);

whos

Name Size Bytes Class

C 1x1 7744 struct array

I_xyz 384x512x3 1179648 uint16 array

I_rgb 384x512x3 589824 uint8 array

Утилита colormapeditor

Если средствами Matlab было активизировано некоторое изображение, тогда по команде

сolormapeditor

на экране появляется окно редактора цветовой карты (рис.4). Этот же редактор можно запустить из меню окна, в котором размещено изображение (Edit > Colormap).

Рис.2.1- Окно редактора цветовой карты

В верхней части окна размещена собственно цветовая карта в виде ленты, составленной из цветных прямоугольников. Под этой лентой размещены цветные указатели в тех местах, где изменяется скорость изменения цветовых составляющих R, G, B. Эти указатели можно перемещать с помощью мыши, при этом их цвет остается неизменным, а изменяются области цветовой карты, примыкающие к перемещаемому указателю (путем линейной интерполяции RGB-значений в этих областях). Двойным щелчком по указателю можно включить режим редактирования цвета указателя. Кроме того, можно удалять существующие указатели и добавлять новые.

Задание

1.Проработать все описанные выше примеры.

2.Предположим, что исходное полноцветное изображение слишком темное и имеет низкий контраст. Данное изображение преобразуется в цветовую систему HSV, где V является яркостной составляющей. Для этой составляющей повышается контраст. Затем изображение преобразуется обратно в систему RGB.

%Пример демонстрирует подход к фильтрации и % контрастированию цветных изображений. %Чтение исходного изображения и вывод его на экран. RGB=imread(‘flowers.tif’); % изображение – цветы, но у %вас может быть иное изображение imshow(RGB); %Преобразование в цветовую систему HSV. HSV=rgb2hsv(RGB); %Контрастирование составляющей Н - яркости изображения. HSV(:,:,3)=imadjust(HSV(:,:,3), [0.02 0.68], [], 0.7); %Преобразование в цветовую систему RGB. RGB=hsv2rgb(HSV); %Вывод результатов на экран. figure, imshow(RGB);

Обработайте любое малоконтрастное изображение с помощью приведенной выше программы. Подберите параметры контрастирования так, чтобы контрастность результирующего изображения повысилась.

3.В командном окне Matlab наберите команду Landsatdemo – в результате на мониторе отобразится демонстрационный пример работы с сложноцветными изображениями. Самостоятельно разберитесь с возможностями и назначением данного примера.