计算机视觉的图像处理技术四




(3)各种颜色模型之间的转换算法

1. RGB和CMY颜色模型之间的转换算法

RGB的值通常是0到255之间的整数。从RGB颜色模型到CMY颜色模型的转换方法非常简单。如式(2-4)至式(2-6)所示。

C=255-R(2-4)

M=255-G(2-5)

Y=255-B(2-6)

反之亦然。

2. RGB和HSI颜色模型之间的转换算法

用于在RGB颜色模型和HSI颜色模型之间进行转换的算法更复杂。等式(2-7)(2-9)可以将图像的RGB格式转换为HSI格式。

(2-7-8-9)

3. RGB和CIEXYZ颜色模型之间的转换算法

将RGB颜色转换为CIE XYZ颜色通常使用等式(2-10)计算:

(2-10)

反之亦然。

4. CIE XYZ和CIE L * a * b *颜色模型之间的转换算法

L的范围是0到100,a和b的范围是300到300.从-a到a表示从绿色到红色的过渡,-b到b表示从蓝色到黄色的过渡。参见式(2-11) - 式(2-14)。

(2-11)

(2-12)

(2-13)

其中:Xn,Yn,Zn——白色对应于此参数的值

(2-14)

四是计算机图像分割方法

可以基于特定颜色,几何形状,纹理和其他特征将图像划分为多个区域。在应用中,为了便于图像分析,必须将图像分解成一系列非重叠区域。该操作称为图像分割。图像分割是图像分析和理解过程中的早期过程之一。在数字图像处理中,图像分割被定义为从图像中分离对象的过程,并且有时分割也被称为目标隔离。虽然图像分割的工作与人类视觉体验没有任何共同之处,但它在数字图像分析中占有非常重要的地位。(1)图像的阈值分割

使用阈值的图像分割是区域分割技术,并且阈值处理对于区分目标和背景特别有效。假设使用阈值规则将目标放置在具有鲜明对比度的背景上,将每个像素的灰度值与阈值“T”进行比较,并且将所有小于或等于阈值“T”的像素视为是背景区域,都大于阈值“T”。像素被认为是目标区域,并且在背景区域与目标区域分离之后,将删除背景区域的信息。最佳阈值的选择是图像分析中的一项重要而艰巨的任务,直方图技术是最佳阈值选择的基础。在直方图技术中,计算并绘制出现图像的所有灰度值的频率,并且背景和目标具有具有显着灰度差异的图像,并且直方图通常是双峰的。筛选优化阈值的工作是选择峰值之间的灰度值,使得该特定阈值尽可能地分离目标和背景,否则将导致图像中目标的后续维度分析中的错误。

如果感兴趣的对象具有相对一致的灰度值并且在具有另一灰度值的均匀背景上分布,则阈值方法工作良好。如果对象通过某些属性而不是灰度值(例如纹理等)与背景不同,则可以首先将该属性转换为灰度形式,然后使用灰度阈值技术将图像分割为被处理。

筛选优化阈值通常有两种技术,一种是自动选择技术,另一种是手动选择技术。在自动选择技术中,阈值选择基于数学和统计方法,并且在选择过程中不涉及人为干预。在手动选择技术中,操作者通过反复试验观察眼睛直方图的分布,并选择具有更好分割效果的灰度值作为阈值。由于手动选择阈值方法简单,因此在实践中被广泛使用。

参考:现代食品检测技术

相关链接:

计算机视觉图像处理技术(1)

计算机视觉图像处理技术(2)

计算机视觉图像处理技术(3)

[关键词]计算机视觉,图像处理,现代食品,国家标准物质网络

>

下一篇:近红外光谱学概论(3)









时间:2019-02-28 08:56:52 来源:万达娱乐 作者:匿名