伪彩色图像处理方法研究华中师范大学课程论文.docx

伪彩色图像处理方法研究华中师范大学课程论文.docx

《伪彩色图像处理方法研究华中师范大学课程论文.docx》由会员分享，可在线阅读，更多相关《伪彩色图像处理方法研究华中师范大学课程论文.docx（12页珍藏版）》请在冰豆网上搜索。

伪彩色图像处理方法研究华中师范大学课程论文

成绩

评卷人

姓名

学号

华中师范大学

数字图像处理课程论文

论文题目　数字图像处理论文

完成时间2014.06.29

课程名称数字图像处理

专业电子信息科学与技术

年级2011级

目录

伪彩色图像处理方法研究2

摘要2

关键字2

1.引言2

2.伪彩色图像处理原理2

3.密度分层法3

3.1密度分层法原理3

3.2密度分层法的优缺点4

3.3基于MATLAB的密度分层法仿真4

4.灰度级—彩色变换法6

4.1灰度级—彩色变换法原理6

4.2灰度级—彩色变换伪彩色处理技术的优缺点7

4.3基于MATLAB的灰度级—彩色变换法仿真7

5.频域滤波法7

6.结论8

参考资料8

附录8

伪彩色图像处理方法研究

【摘要】在图像的应用时很多图像并不都是彩色的，它们必须以灰度图像的形式存在。

彩色图像提供了比灰度图像更丰富的信息，人眼对彩色图像的感受比对黑白图像或多灰度图像的感受丰富得多。

为了更有效的增强或复原图像，在数字图像处理技术中伪彩色图像处理技术可以把灰度图像变换成一定的彩色图像，以提高对图像细节的分辨力。

本文论述了伪彩色图像处理的基本原理以及基于MATLAB的仿真方法。

【关键字】伪彩色处理；密度分层法；灰度级—彩色变换法；频域滤波

1.引言

对图像进行伪彩色增强的主要原因是人对图像灰度的分辨能力比较低，只能分辨出几十级，而对色彩的辨别能力却非常强，可以分辨出上千种颜色，为了更有效地提取图形信息，伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。

使原图像细节更易辨认，目标更容易识别。

目前，伪彩色处理技术主要有三种：

密度分层法、灰度级—彩色变换法、频域滤波。

这些方法已经有了很多充分的研究，并且应用到了各个领域中了。

2.伪彩色图像处理原理

数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术，又称为计算机图像处理。

随着科学技术的发展，数字图像处理技术受到了高度重视并取得了长足的发展，在科学研究、工农业生产、医疗诊断、航空航天、生物医学工程、交通、通信、军事、公安、媒体、文教等众多的领域得到了广泛的应用，取得了巨大的社会效益与经济效益。

特别是随着人类进入数数字化网络时代，数字图像处理已经成为日常生活中不可缺少的重要部分。

所谓伪彩色图像处理，就是将图像中的黑白灰度级编程不同的彩色，如果分层越多，人眼所能提取的信息也多，从而达到图像增强的效果。

这是一种视觉效果明显，又不太复杂的图像增强技术。

伪彩色图像处理技术不仅适用于航空摄影和遥感图片，也可用于x光片及云母的判读等处理中。

实现伪彩色处理的主要方法主要有密度分割法、灰度级-伪彩色变换法、频域伪彩色处理等多种方法。

伪彩色图像处理（又称假彩色）有三种：

第一种是把真实景物图像的像素逐个地映射为另一种颜色，使目标在原图像中更突出；第二种是把多光谱图像中任意三个光谱图像映射为可见光红、绿、蓝三种可见光谱段的信号，再合成为一幅彩色图像；第三种是把黑白图像，用灰度级映射或频谱映射而成为类似真实彩色的处理，相当于黑白照片的人工着色方法。

伪彩色处理是根据特定的准则对灰度值赋以彩色的处理。

由于人眼对彩色的分辨率远高于对灰度差的分辨率，所以这种技术可用来识别灰度差较小的像素。

这是一种视觉效果明显而技术又不是很复杂的图像增强技术。

灰度图像中，如果相邻像素点的灰度相差大，人眼将无法从图像中提取相应的信息，因为人眼分辨灰度的能力很差，一般只有几十个数量级，但是人眼对彩色信号的分辨率却很强，这样将黑白图像转换为彩色图像后，人眼可以提取更多的信息量。

设

为一幅黑白头像，

，

，

为

映射到RGB空间的3个颜色分量，则伪彩色处理可表示为

其中，

为某种映射函数。

给定不同映射函数就能将灰度图像转化为不同的伪彩色图像。

需要注意的是，伪彩色虽然能将黑白灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色。

伪彩色处理技术的实现方法有多种，如灰度分层法、灰度级-彩色变换法、频域滤波法等等。

3.密度分层法

3.1密度分层法原理

密度分割法是把灰度图像的灰度级从0（黑）到M0（白）分成N个区间Ii（i=1，2，…，N）,给每个区间Ii指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。

灰度是描述灰度图像内容的最直接的视觉特征，它指黑白图像中点的颜色深度，范围一般从0到255白色为255，黑色为0，中间的数字从小到大表示由黑到百的过渡色，即可以表示不同的灰度等级。

灰度切分示意图如图

设原始黑白图像的灰度范围为：

0≤f（x,y）≤L用k+1灰度等级把该灰度范围分为k段：

I0，I1,...,IkI0=0（黑），Ik=L（白）

映射每一段灰度成一种颜色，映射关系为

ɡ（x,y）=C1（I（i-1）≤f（x，y）≤I（i）；i=1，2...k）

这里ɡ（x,y）为输出的伪彩色图像；Ci为灰度在[I（i-1）,I（i）]中时所映射成的彩色。

经过这种映射处理后，原始黑白图像f（x，y）就变成了伪彩色图像ɡ（x,y）。

若原始图像f（x，y）就编程了伪彩色图像ɡ（x,y）。

若原始图像f（x，y）的灰度分布遍及上述k个灰度段，则伪彩色图像ɡ（x,y）就具有k种彩色。

3.2密度分层法的优缺点

密度分层伪彩色图像处理简单易行，仅用硬件就可以实现。

但是所得伪彩色图像生硬，且量化噪声大，为了减少量化噪声，就必须增加分割级数。

这不但导致设备复杂，而且彩色漂移现象严重。

3.3基于MATLAB的密度分层法仿真

仿真结果：

原图像：

灰度图像：

密度分层图像，分层级数为8：

密度分层图像，分层级数为16：

密度分层图像，分层级数为64：

由以上图分析可以看出，密度分层级数越大，图像分辨率越高，量化噪声越小。

4.灰度级—彩色变换法

4.1灰度级—彩色变换法原理

灰度级—彩色变换伪彩色处理技术可以将灰度图像变为具有更多颜色渐变的连续彩色图像。

该方法先将灰度图像送入具有不同变换特性的红、绿、蓝三个变换器，然后再将三个变换器的不同输出分别送到彩色显像管的红绿蓝枪，再合成某种颜色。

通过这种方法变换后的图像视觉效果好。

灰度级—彩色变换伪彩色处理过程如下图所示

一组典型的灰度级—彩色变换的传递函数如图所示

此图像表示红色分量（red）的传递函数。

凡灰度级小于L/2的像素将转变为尽可能暗的红色，而灰度级位于L/2到3L/4之间的像素则取红色从暗到亮的线性变换，凡灰度级大于3L/4的像素均被转变成最亮的红色。

下面分别是绿色（green）分量和蓝色（blue）分量的传递函数，变换规律类推。

4.2灰度级—彩色变换伪彩色处理技术的优缺点

经灰度级—彩色变换伪彩色处理技术变换后的图像视觉效果好。

4.3基于MATLAB的灰度级—彩色变换法仿真

仿真结果：

仿真结果分析：

由仿真图与之前的灰度图像对比可以看出，图像被转换成了彩色图像，细节更加突出。

在把它与由密度分层法得到的图像对比，可以发现，灰度级—彩色变换伪彩色处理技术变换后的图像具有更多颜色渐变的连续彩色图像，图像更具层次感，视觉效果更好。

5.频域滤波法

频率域伪彩色增强的方法是：

把灰度图像经傅立叶变换到频率域，在频率域内用三个不同传递特性的滤波器分离成三个独立分量；然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像作进一步的处理（如直方图均衡化）最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，得到一幅彩色图像。

.频域滤波法伪彩色处理技术原理示意图：

6.结论

伪彩色处理不改变像素的几何位置，而仅仅改变其显示的颜色。

它是一种很实用的图像增强技术，主要用于提高人眼对图像的分辨能力。

这种处理可以用计算机来完成，也可以用专用硬件设备来实现。

伪彩色图像处理技术已经被广泛应用于遥感和医学图像处理中，例如，它适用于航摄、遥感图片和云图判读、X光片等方面。

在本文所讨论的三种伪彩色处理技术各有各的优势与不足，应该根据应用的需要以及工作条件选择合适的技术来完成相应的任务，有时还需要综合三种技术来共同完成一个任务。

可以看出，不管是哪一种处理技术，即使是再好，也会有它的不足。

但是，随着计算机技术的发展，新的技术又会不断地出现，数字图像处理技术也将推陈出新，出现更加快速方便有效的处理技术。

【参考资料】

姚敏.数字图像处理.机械工业出版社.2012.

【附录】

1.密度分层法MATLAB仿真源程序：

>>figure

（1）;

A=imread（'image1.jpg'）;

imshow（real（A））;%显示原图像

figure

（2）;

B=rgb2gray（A）;%求灰度图像

imshow（real（B））;

G2C=grayslice（B,8）;%密度分层

figure（3）;

imshow（G2C,hot（8））;%显示伪彩色图像

2.灰度级—彩色变换MATLAB仿真源程序：

I=imread（'image1.jpg'）;                 

I=double（I）;

[M,N]=size（I）; 

L=256; 

for i=1:

M 

for j=1:

N 

     if I（i,j）

 R（i,j）=0;          

 G（i,j）=4*I（i,j）;           

B（i,j）=L; 

else if I（i,j）<=L/2           

R（i,j）=0;           

G（i,j）=L;; 

B（i,j）=-4*I（i,j）+2*L; 

else if I（i,j）<=3*L/4          

R（i,j）=4*I（i,j）-2*L;              

 G（i,j）=L;              

 B（i,j）=0;  

 else 

                   R（i,j）=L; 

                   G（i,j）=-4*I（i,j）+4*L; 

                   B（i,j）=0;  

              end 

end 

end 

end 

end 

for i=1:

M    

for j=1:

N 

          G2C（i,j,1）=R（i,j）;

 G2C（i,j,2）=G（i,j）; 

G2C（i,j,3）=B（i,j）; 

end 

end 

G2C=G2C/256;

 figure; 

imshow（G2C）;