彩色圖像分割程序設(shè)計RGB模型

1、沈陽理工大學(xué)數(shù)字圖象處理課程設(shè)計摘 要 Matlab是當(dāng)今最優(yōu)秀的科技應(yīng)用軟件之一，它一強大的科學(xué)計算與可視化功能，簡單易用，開放式可擴展環(huán)境，特別是所附帶的30多種面向不同領(lǐng)域工具箱支持，使得它在許多科學(xué)領(lǐng)域中成為計算機輔助設(shè)計與分析，算法研究和應(yīng)用開發(fā)的基本工具盒首選平臺在圖像處理中，Matlab也得到了廣泛的應(yīng)用，例如圖像變換，設(shè)計FIR濾波器，圖像增強，四叉樹分解，邊緣檢測，小波分析等等。不同的顏色空間在描述圖像的顏色時側(cè)重點不同。如RGB（紅、綠、藍三原色）顏色空間適用于彩色監(jiān)視器和彩色攝象機，HSI（色調(diào)、飽和度、亮度）更符合人描述和解釋顏色的方式（或稱為HSV，色調(diào)、飽和度、亮度

2、），CMY（青、深紅、黃）、CMYK（青、深紅、黃、黑）主要針對彩色打印機、復(fù)印機等，YIQ（亮度、色差、色差）是用于NTSC規(guī)定的電視系統(tǒng)格式，YUV（亮度、色差、色差）是用于PAL規(guī)定的電視系統(tǒng)格式，YCbCr（亮度單一要素、藍色與參考值的差值、紅色與參考值的差值）在數(shù)字影像中廣泛應(yīng)用。彩色圖像的處理有時需要將圖像數(shù)據(jù)在不同的顏色空間中表示，因此，圖像的顏色空間之間的轉(zhuǎn)換成為一項有意義的工作。其中RGB在顏色空間轉(zhuǎn)換中其關(guān)鍵作用，是各個空間轉(zhuǎn)換的橋梁。Matlab中的顏色空間轉(zhuǎn)換只涉及到了RGB、HSV、YCbCr、YIQ等，沒有包含l和其它顏色空間的轉(zhuǎn)換。關(guān)鍵字：Matlab；圖像處理；

3、RGB目 錄1 設(shè)計任務(wù)及目的11.1 設(shè)計任務(wù)11.2 設(shè)計目的12 圖像處理簡介22.1 數(shù)字圖像處理發(fā)展概述22.2 圖像處理技術(shù)22.3 圖像處理的內(nèi)容33 RGB模型簡介54 MATLAB簡介65 設(shè)計方案75.1 傳統(tǒng)閾值分割算法分析75.2 基于RGB顏色空間的閾值分割算法86 MATLAB編程實現(xiàn)107 程序設(shè)計118 仿真結(jié)果與分析128.1 仿真結(jié)果128.2 結(jié)果分析13結(jié) 論14參考文獻151 設(shè)計任務(wù)及目的1.1 設(shè)計任務(wù)對給定的彩色圖像的顏色，使用RGB顏色模型，來對其進處理。并且設(shè)計MATLAB程序，使其能完成輸入圖像便自動使用RGB模型來進行圖像分割。1.2 設(shè)

4、計目的（1）綜合運用相關(guān)課程中所學(xué)到的理論知識去獨立完成設(shè)計課題。（2）通過查閱手冊和相關(guān)文獻資料，培養(yǎng)獨立分析和解決問題的能力。（3）進一步熟悉Matlab運用和圖像處理的知識，加深對專業(yè)知識和理論知識學(xué)習(xí)的認識和理解。（4）學(xué)會撰寫課程設(shè)計的總結(jié)報告。（5）培養(yǎng)嚴肅認真的工作作風(fēng)和嚴謹?shù)目茖W(xué)態(tài)度。2 圖像處理簡介數(shù)字圖像處理，通俗地講是指應(yīng)用計算機以及數(shù)字設(shè)備對圖像進行加工處理的技術(shù)。2.1 數(shù)字圖像處理發(fā)展概述20世紀20年代，圖像處理技術(shù)首次應(yīng)用于改善倫敦到紐約之間的海底電纜傳送圖片的質(zhì)量。1964年，美國噴氣推動實驗室用計算機成功地對4000多張月球照片進行處理。70年代中期，隨著離

5、散數(shù)學(xué)理論的創(chuàng)立和完善，數(shù)字圖像處理技術(shù)得到了迅猛的發(fā)展，理論和方法不斷完善。90年代，隨著個人計算機進入家庭，硬件價格不斷下降，數(shù)字世界逐漸進入人們的生活。2.2 圖像處理技術(shù)圖像處理技術(shù)包括：空域處理方法和變換域處理方法。 (1)圖像信息的獲取為了在計算機上進行圖像處理，必須把作為處理對象的模擬圖像轉(zhuǎn)換成數(shù)字圖像信息。圖像信息的獲取，一般包括圖像的攝取、轉(zhuǎn)換及數(shù)字化等幾個步驟。該部分主要由處理系統(tǒng)硬件實現(xiàn)。(2)圖像信息的存儲于交換由于數(shù)字圖像信息量大，且在處理過程中必須對數(shù)據(jù)進行存儲和交換，為了解決大數(shù)據(jù)量及交換與傳輸時間的矛盾，通常除采用大容量機內(nèi)存存儲器進行并行傳送，直接存儲訪問外，

6、還必須采用外部磁盤、光盤及磁帶存儲方式，從而達到提高處理的目的。該部分組要功能也由硬件完成。(3)數(shù)字圖像處理數(shù)字圖像處理，即把在空間上離散的，在幅度上量化分層的數(shù)字圖像，在經(jīng)過一些特定數(shù)理模式的加工處理，以達到有利于人眼視覺或某種接收系統(tǒng)所需要的圖像過程。(4)數(shù)字圖像通訊80年代以來，由于計算機技術(shù)和超大規(guī)模集成電路技術(shù)的巨大發(fā)展，推動了通訊技術(shù)（包括語言、數(shù)據(jù)、圖像）的飛速發(fā)展。因為圖像通訊具有形象直觀、可靠、高效率等一系列優(yōu)點，尤其是數(shù)字圖像通訊比模擬圖像通訊更具抗干擾性，便于壓縮編碼處理和易于加密，因此在圖像通訊工程中數(shù)字處理技術(shù)獲得廣泛應(yīng)用。(5)圖像的輸出和顯示數(shù)字圖像處理的最終

7、目的是為了提供便于人眼或接收系統(tǒng)解釋和社別圖像，因此圖像的輸出和顯示很重要。一般圖像輸出的方式可分為硬拷貝，諸如照相、打印、掃描鼓等，還有所謂的軟拷貝，諸如CRT監(jiān)視器及各種新型的平板監(jiān)視器等。2.3 圖像處理的內(nèi)容圖像處理的內(nèi)容包括：圖像變換，圖像增強，圖像編碼與壓縮，圖像復(fù)原，圖像重建，圖像識別以及圖像理解。(1)圖像數(shù)字化圖像數(shù)字化即圖像采樣和量化，是指把連續(xù)的圖像信號變?yōu)殡x散的數(shù)字信號，以適應(yīng)計算機的處理。(2)圖像編碼壓縮把數(shù)字化的圖像數(shù)據(jù)按一定規(guī)則進行排列或運算過程，稱為圖像編碼。利用圖像本身的內(nèi)在特性，通過某種特殊的編碼方式，達到減少原圖像數(shù)據(jù)時空占用量的處理叫做圖像壓縮編碼。(

8、3)圖像變換一般指利用正交變換的性質(zhì)和特點，將圖像轉(zhuǎn)換到變換域中進行處理，并且大部分變換都有快速算法。(4)圖像增強圖像增強的目的是突出圖像中所感興趣的部分，如強化圖像的高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯。(5)圖像復(fù)原圖像復(fù)原是盡可能恢復(fù)圖像的本來面貌，是對圖像整體而言，而且在復(fù)原處理時，往往必須追求降質(zhì)原因，以便“對癥下藥”，而增強往往是局部。(6)圖像分割將圖像中包含的物體，按其灰度或幾何特性分割，并進行處理分析，從中提取有效分量、數(shù)據(jù)等有用信息。這是進一步進行圖像處理如模式識別、機器視覺等技術(shù)的基礎(chǔ)。(7)圖像分類簡單地說就是在圖像分割的基礎(chǔ)上，進行我體的判決分類。(8)圖像重

9、建它是對一些三維物體，應(yīng)用x射線、超聲波等物理方法，取得物體內(nèi)部結(jié)構(gòu)數(shù)據(jù)，再將這些數(shù)據(jù)進行運算處理而構(gòu)成物體內(nèi)部某些部位的圖像。目前圖像重建最成功的例子是CT技術(shù)（計算機斷層掃描成像技術(shù)）、彩色超聲波等。3 RGB模型簡介RGB顏色空間是最基本的色彩空間主要是面向硬件設(shè)備的，它是與人類視覺系統(tǒng)有著密切關(guān)系的空間模型，它通常用于顯示器，打印機和其他設(shè)備，是最常見的和最常用的色彩空間。通常，RGB空間用數(shù)據(jù)立方體模型來表示，如圖3.1所示。在圖中，R，G，B這三個分量分別位于三角上，綠色,紅色和黃色在其他三個角落,黑色在原點,白色的角度離原點最遠的。在這個空間中，灰度等級是沿著黑白兩點之間的連線分

10、布。圖3.1 RGB 色彩空間示意圖比色法則：1、通過R，G，B三種顏色可以產(chǎn)生任意顏色，這三種顏色組合后形成的顏色也是唯一的；2、如果兩種顏色的三個分量相等，則這兩種顏色是相同的，這三個分量乘以或除以相同的數(shù)得到的顏色依舊是一樣的；3、各種顏色組成的混合色的亮度等于其中每個顏色亮度的總和。RGB色彩空間適用于彩色顯示，同時，R，G，B這三個分量有很高的相關(guān)性，如果強度發(fā)生變化，則這三個顏色分量也會發(fā)生相應(yīng)的變化。此外，在RGB空間不能用距離來衡量兩個顏色相似性。4 MATLAB簡介MATLAB是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級

11、技術(shù)計算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。 MATLAB是matrix和laboratory兩個詞的組合，意為矩陣工廠。是由美國mathworks公司發(fā)布的主要面對科學(xué)計算、可視化以及交互式程序設(shè)計的高科技計算環(huán)境。它將數(shù)值分析、矩陣計算、科學(xué)數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計以及必須進行有效數(shù)值計算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計語言（如C、Fortran）的編輯模式，代表了當(dāng)今國際科學(xué)計算軟件的先進水平。 MATLAB和Mathematic

12、a、Maple并稱為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計算方面首屈一指。MATLAB可以進行矩陣運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完成相同的事情簡捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點，使MATLAB成為一個強大的數(shù)學(xué)軟件。在新的版本中也加入了對C，F(xiàn)ORTRAN，C+，JAVA的支持?？梢灾苯诱{(diào)用,用

13、戶也可以將自己編寫的實用程序?qū)氲組ATLAB函數(shù)庫中方便自己以后調(diào)用，此外許多的MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進行下載就可以用。5 設(shè)計方案5.1 傳統(tǒng)閾值分割算法分析對于彩色圖像，傳統(tǒng)的閾值分割算法是先將彩色 圖像轉(zhuǎn)換成灰度圖像，再取一個灰度值作為閾值，逐個像素進行處理，若此像素灰度值小于等于閾值的為前景，置為黑色，若大于閾值的為背景，置為白色。 RGB三原色到灰度的轉(zhuǎn)換公式為： Gray=0.30*R+0.59*G+0.11*B （5.1）在灰度值一定的情況下，此公式是三元一次方 程，在笛卡爾坐標系中對應(yīng)著一個平面。 設(shè)灰度值取為60，則方程為： 0.30x+0.

14、59y+0.11z=60 (5.2)對應(yīng)的空間平面在RGB顏色空間中的位置如圖5.1所示。圖51 灰度轉(zhuǎn)換與RGB顏色空間模型對照RGB顏色空間模型看，位于此平面上的所有點，經(jīng)灰度轉(zhuǎn)換后，其灰度值都是60。如果以灰度值60為閾值對彩色圖像進行分割，則圖像中所有顏 色值位于此閾值分割平面下方的，其顏色經(jīng)灰度轉(zhuǎn)換后都將小于60，因此都將判定為前景；同樣的，圖像中所有顏色值位于此閾值分割平面上方的，將被判定為背景。相應(yīng)的判定準則是： Color= (5.3)考察當(dāng)三原色當(dāng)中的藍色為0時的情況，如圖5.2所示圖5.2 藍色為0時的閾值分割情況對應(yīng)的灰度轉(zhuǎn)換方程為： 0.30x+0.59y=60 (5.

15、3)此平面上的點，以閾值分割線為界，上方的將被判定為背景，下方的將被判定為前景。當(dāng)紅色或綠色為0時，也有相同的情況。5.2 基于RGB顏色空間的閾值分割算法考察藍色為0時的顏色分布情況，如圖5.3所示。圖5.3 藍色為0時的顏色分布情況圖5.3中，左下角為黑色，左上角為紅色，右上角 為黃色，右下角為綠色。觀察圖4中的顏色分布情況，可以發(fā)現(xiàn)，接近黑色的顏色分布在左下角近似正 方形的部分，而不是如圖5.3中的三角形部分中，也就是說，就紅、綠兩原色組合成的色彩而言，將彩色圖形 轉(zhuǎn)換為灰度圖形后，有一部分色彩在彩色情況下視覺上明顯不是黑色，但轉(zhuǎn)換為灰度顏色后視覺上會感覺比較接近黑色。在由紅、藍及藍、綠

16、甚至紅、藍、綠三 原色組合成的色彩中，也都存在著同樣的情況。由于灰度轉(zhuǎn)換造成的這種誤差，在對圖像進行閾值分割時 會形成誤判。 對于彩色圖像，由于傳統(tǒng)的閾值分割算法是對圖像顏色進行灰度轉(zhuǎn)換后進行分割，還原到彩色空間中 相當(dāng)于是取了圖2中靠近坐標原點的一個四面體所包含的顏色為前景。此四面體中遠離原點的四個角 部分的色彩已經(jīng)較大地偏離了黑色，而轉(zhuǎn)換為灰度顏 色后這種偏離將被掩蓋，從而造成對圖像進行閾值分割時的不準確。 基于以上分析，提出新的對彩色圖像進行閾值分割的思路：在RGB色彩空間中取靠近原點的一個立方體，其中所包含的顏色為前景，其余的顏色為背景。相應(yīng)的判定準則是： Color= (5.4)6

17、Matlab編程實現(xiàn)用Matlab來分割彩色圖像的過程如下：（1）獲取圖像的RGB顏色信息。通過與用戶的交互操作來提示用戶輸入待處理的彩色圖像 文件路徑; （2） RGB彩色空間到lab彩色空間的轉(zhuǎn)換。通過函數(shù)makecform()和applycform()來實現(xiàn);（3） 對ab分量進行Kmean聚類。調(diào)用函數(shù)kmeans()來實現(xiàn)； （4）顯示分割后的各個區(qū)域。用三副圖像分別來顯示各個分割目標，背景用黑色表示獲取圖像RGB顏色信息流程如圖6.1所示：RGB彩色空間到lab彩色空間的轉(zhuǎn)換對ab分量進行Kmean聚類顯示分割后的各個區(qū)域結(jié)束圖6.1 基于RGB模型的彩色圖像分割流程圖7 程序設(shè)計

18、clear;clc;file_name = input(請輸入圖像文件路徑：,s);I_rgb = imread(file_name); %讀取文件數(shù)據(jù)figure();subplot(2,3,1);imshow(I_rgb); %顯示原圖title(原始圖像);%將彩色圖像從RGB轉(zhuǎn)化到lab彩色空間C = makecform(srgb2lab); %設(shè)置轉(zhuǎn)換格式I_lab = applycform(I_rgb, C);%進行K-mean聚類將圖像分割成3個區(qū)域ab = double(I_lab(:,:,2:3); %取出lab空間的a分量和b分量nrows = size(ab,1);nco

19、ls = size(ab,2);ab = reshape(ab,nrows*ncols,2);nColors = 3; %分割的區(qū)域個數(shù)為3cluster_idxcluster_center=kmeans(ab,nColors,distance,sqEuclidean,Replicates,3); %重復(fù)聚類3次pixel_labels = reshape(cluster_idxcluster_center,nrows,ncols);subplot(2,3,2);imshow(pixel_labels,),title(聚類結(jié)果);%顯示分割后的各個區(qū)域segmented_images = ce

20、ll(1,3);rgb_label = repmat(pixel_labels,1 1 3);for k = 1:nColorscolor = I_rgb;color(rgb_label = k) = 0;segmented_imagesk = color;endsubplot(2,3,3);imshow(segmented_images1), title(分割結(jié)果區(qū)域1); subplot(2,3,4);imshow(segmented_images2), title(分割結(jié)果區(qū)域2); subplot(2,3,5);imshow(segmented_images3), title(分割結(jié)果

21、區(qū)域3);8 仿真結(jié)果與分析8.1 仿真結(jié)果（1）獲取圖像的RGB顏色信息。通過與用戶的交互操作來提示用戶輸入待處理的彩色圖像 的文件路徑原始圖片，得到圖8.1:圖8.1原始圖像（2）RGB彩色空間到lab彩色空間的轉(zhuǎn)換。通過函數(shù)makecform()和applycform()來實現(xiàn)；再調(diào)用函數(shù)kmeans()對ab分量進行Kmean聚類，得到圖8.2:圖8.2聚類結(jié)果（3）顯示分割后的各個區(qū)域。用三副圖像分別來顯示各個分割目標，背景用黑色表示,得到如下8.3;8.4以及8.5的三個圖像：分割結(jié)果區(qū)域1：圖8.3分割結(jié)果區(qū)域1分割結(jié)果區(qū)域2：圖8.4分割結(jié)果區(qū)域2分割結(jié)果區(qū)域3：圖8.5分割結(jié)果區(qū)域38.2 結(jié)果分析圖8.1是預(yù)處理的原始圖像；圖8.2則是通過函數(shù)makecform()和applycform()，將RGB彩色空間轉(zhuǎn)換到lab彩色空間，再調(diào)用函數(shù)kmeans()，對ab分量進行Kmean聚類得到的結(jié)果。圖8.3,圖8.4，圖8.5則是顯示分割后的各個區(qū)域。