基于灰度变换的图像伪彩色增强算法设计--学位论文.doc

毕业设计基于灰度变换的图像伪彩色增强算法设计毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 摘 要人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。人的生理视觉系统特性对微小的灰度变化不敏感，而对彩色的微小差别极为敏感。人眼一般能够区分的灰度级只有二十几个，而对不同亮度和色调的彩色图像分辨能力却可达到灰度分辨能力的百倍以上。利用这个特性人们就可以把人眼不敏感的灰度信号映射为人眼灵敏的彩色信号，以增强人对图像中细微变化的分辨力。 彩色增强就是根据人的这个特点，将彩色用于图像增强之中，在图像处理技术中彩色增强的应用十分广泛且效果显著。常见的彩色增强技术主要有假彩色增强及伪彩色增强两大类。灰度变换法伪彩色处理。伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。 总之，通过一系列的研究实验，本文系统讨论了基于RGB颜色模型的相位调制数字图像伪彩色编码，基于直方图的红外图像互补伪彩色编码处理，激光与红外等伪彩色图像增强算法。关键词：伪彩色 图像增强 灰度变换 传递信息 Based on gray transform image pseudo color enhancement algorithm design ABSTRACTHuman convey information main media is the language and image. According to the statistics in human accept all of the information to account for 80%, visual information in so the image information is very important information media and the way. Mans physical vision system characteristics of tiny gray color is not sensitive to the tiny, difference is very sensitive. The human eye generally able to distinguish between 20, only grayscale to different brightness and tonal color image distinguishing ability but can achieve gray resolution can be more than 100 times. Using this feature people can not sensitive to the gray eye for eye sensitive signal mapping to strengthen people color signal subtle change in images of the resolution. According to the color enhancement is this characteristic, will be used to image enhancement of color image processing technology, the application of color enhance very extensive and the effect is remarkable. Common chromatic enhancement technology mainly false color strengthens and false color enhance two kinds big. Gray transform method pseudo color processing. False color enhancement is a band or the single black and white image transformation for color images, thus putting human eye cannot discern tiny gray difference shows as obvious colour difference, more facilitate interpretation and extract useful information. Anyhow, through a series of studies and experiments, this paper systematically discussed based on RGB color model phase modulation digital images based on false color coding, false infrared image histograms of complementary color coding processing, laser and infrared, and pseudo color image enhancement algorithm. Key Words: false color image enhancement gray transform transmit information 目 录第一章 绪论1 1.1 前 沿1第二章 彩色图像的基础知识2 2.1 什么是图像增强 2 2.2 图像增强的分类 2 2.2.3 频域图像增强法 2 2.2.4 小波域图像增强方法 2 2.2.5 空域图像增强方法 3 2.2.6 变换域法 4 2.3 图像输入设备 4 2.4 伪彩色图像增强5 2.4.1 伪彩色图像增强 6 2.4.2伪彩色增强处理6 2.4.3伪彩色处理的基本原理6 2.4.4色图像处理技术的来源和应用7 第三章 伪彩色图像处理的方法和研究7 3.1 色彩基础 8 3.1.2 颜色模型 9 3.2 图像以及图像精度 9 3.2.1 图像10 3.2.2 图像精度10 3.2.3 分辨率11 3.3 伪彩色增强处理系统的构成11 3.3.1 伪彩色处理方法11 3.3.2 密度分层法12 3.3.3 灰度-彩色变换法 13 3.3.4 频率域滤波法13 3.3.5 其它伪彩色方法（互补色编码法，连续颜色编码法，像素自身变换法）14 3.3.6 医学彩超15 3.4.1 红外热像仪15第四章 红外中波细分图像的伪彩色增强研究16 4.1研究原理 18 4.2彩色增强方法 19 4.2.1彩色映射 19 4.2.2颜色空间变换 20 4.3包的图像融合 20 4.3.1系数的融合 20 4.3.2频系数的融合 21 4.4实验结果 22第五章 总结与展望23 5.1 总结展望23 参考文献 25 致谢 25第一章 绪 论1.1 前言图像增强处理是数字图像处理的一个重要分支。很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。图像增强的应用领域也十分广阔并涉及各种类型的图像。例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象，人类对宇宙万物的认识主要依靠视觉。依靠图像摄取设备获得的照片近似模拟了目标景物在一定空间内某平面上的投影信息,以记录介质的形式反映了物体与可见光波的相互作用对人眼的视觉效果。不同感知图像的分类说明了图像信息的复杂性,而近代快速发展起来的计算机图像处理技术则使得自然景物的再现更容易、更灵活。目前利用数字图像处理技术可以制作出丰富多彩的图像视觉效果。 对于黑白图像,常指二值图像和灰度图像。灰度图像多数是8位位深,256级灰度,人眼对此尚有较高的分辨力,但对于某些特殊领域灰度级更高的一些专用灰度图像,尤其在图像像素灰度相差不大的情况下,人眼分辨能力大为减弱,远不如彩色图像。从人眼视觉特性的角度来说,人眼对色彩差别的区分率远高于灰度差别。所以,有必要把一些灰度图像转换成彩色图像,同时使得彩色图像的颜色对应于不同的灰度,只要灰度有差别,色彩即有差别,这样一幅灰度图像的信息量将大为提高。广义上说来,非图像数据或黑白图像的彩色化处理都是伪彩色处理,彩色图像经由色彩变换后得到的图像也是伪彩色图像。第二章 伪彩色图像的基础知识2.1什么是图像增强 图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。2.2图像增强的分类2.2.3频域图像增强方法频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果。频域图像增强原理图：常用的频域增强方法有低通滤波技术，是利用低通滤波器去掉反映细节和跳变性的高频分量。但其在去除图像尖峰细节的同时也将图像边缘的跳变细节去除掉了，而使得图像较模糊。低频滤波有理想低通滤波器、Butterworth滤波器、指数滤波器等。高通滤波器技术是利用高通滤波器来忽略图像中过度平缓的部分，突出细节和跳变等的高频部分，使得增强后的图像边缘信息分明清晰。高通滤波技术进行增强处理后的图像，视觉效果不好，较适用于图豫中物体的边缘提取。高通滤波器有理想高通滤波器、梯形滤波器、指数滤波器等。频域增强方法中还有带通和带阻滤波、同态滤波等，一般是用来解决光动态范围过大或者光照不均而引起的图像不清等情况。2.2.4小波域图像增强方法小波是近几年发展起来的一种时频分析工具，它同时具有时频局部化能力和多分辨率分析的能力，因此它更适用于信号处理领域。之前的图像降噪大多采用低通滤波器直接滤除高频信息，因此使得在去除噪声的同时，也去掉了一些有用的高频信息，损失了图像的细节。而采用小波进行去噪，由于其多分辨率特性，它用不同中心频率的带通滤波器对信号进行滤波，把主要反映噪声频率的尺度系数去掉，再把剩余尺度的系数结合起来做反变换，从而使得噪声得到很好的抑制。小波的反锐化掩模法是一种即简单、增强效果也不错的方法，但该算法对噪声非常敏感，而且会出现过冲现象(处理后图像有很明显的人工处理痕迹)。S.K.Mitra提出了一种基于Teager算法的非线性算子，来代替线性高通滤波器，对减小噪声和增强细节进行了这种考虑。G.Ramponi提出了一种立方反锐化掩膜方法进行图像增强，该方法用一个对边缘敏感的平方滤波器算子乘以拉普拉斯算子，只增强局部亮度变化区域的图像细节，从而相对减少噪声。柯丽等人提出了基于小波变换的图像增强方法，该算法主要针对CR图像，先将CR图像进行小波变换分解，针对各子图像的特征，对高频和低频部分采用不同的处理，最后进行小波变换得到增强后的CR图像。董卫军等人提出了基于多小波的图像增强算法，由于多小波的对称性和短支撑性，因此多小波在图像处理方面比单小波更有优势。2.2.5空域图像增强方法空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰度值进行运算处理，基本上是以灰度映射变换为基础的。空域图像增强知识本文在第二章中会有详细介绍，这里简略介绍一下。空域图像增强主要有灰度变换和直方图均衡化处理。灰度变换的原理就是通过改变灰度的动态范围，达到增强图像灰度级细节部分的方法。一般的变换函数包括线性变换、非线性变换、分段线性变换。具体函数的选择与图像的成像系统和相应的应用场合有关。直方图均衡化是空域图像增强中应用最广泛的一种方法，其基本原理是使得处理后的图像灰度级近似均匀分布，来达到图像增强效果。但由于其变换函数采用的是累积分布函数，因此它产出的近似均匀直方图都很相似，这必然限制了它的功能。为了适应图像的局部特性，基于局部变换的图像增强方法应运而生，如局部直方图均衡化、对比度受限自适应直方图均衡化、利用局部统计特性的噪声去除方法。这些方法对图像细节部分的增强均有很好的效果，但均有一个共同的缺点，算法运算量较大，图像处理时间相对较长，使得这些算法不能适用于实时处理系统中。近年来，一类基于直方图分割的算法受到大家的广泛关注，该算法处理图像的侧重点在处理后图像的亮度保持上，使得处理后图像更适合人眼特性观察。但该方法应用到低照度图像增强上，对图像整体亮度的提高效果不明显。2.2.6变换域法： 当图像矩阵很大时，直接在空域处理，计算量将很大，通常先对图像正交变换，得到变换域系数矩阵，然后实施各种处理，主要是修改变换后的系数，再逆变换到空间域，显示出处理后的图像。基于 PC 机的数字图像处理系统按其硬件组成如下图所示：2.3图像输入设备：电视摄像机(Video Camera)、飞点扫描仪(Flying point scanner)、扫描鼓、扫描仪、显微光密度计，而遥感中常用的图像获取设备有光学摄影（摄像机、多光谱相机）、红外摄影（红外辐射计、红外摄像仪、多通道红外扫描仪）、MSS（多光谱扫描仪）、微波摄影（微波辐射计、侧视雷达、真时空孔径雷达、合成孔径雷达 SAR）。 图像输出设备：硬拷贝（照相、激光拷贝、彩色喷墨打印等）；软拷贝方法有 CRT显示(Cathode Ray Tube)、液晶显示器 LCD(Liquid Crystal Display)、场致发光显示器FED(Field Effect Display)。 数字图像处理的主要特点是： 1图像信息量大：在真彩色系统(SVGA)中，每个像素直接用 R、G、B 三个分量共 24 位来表示，像素值就是所表现的颜色值，不用 16 色、256 色（8 位）系统的调色板技术，如一幅 800600 像素的真彩色图像，保存在计算机中占用的存储空间大约80060024810241024=1.37MB 。 2图像信息理论与通信理论密切相关：通信中的一维问题大都可以推广到二维。通信理论认为任何一个随时间变化的波形都是由许多频率不同、振幅不同的正弦波组合而成；图像理论则认为任何一幅平面图像是由许多频率和振幅不同的二维空间频率波叠加而成，高空间频率波决定图像的细节，低空间频率波决定图像的背景和动态范围。 3图像处理技术综合性强：计算机图像处理和计算机、微电子技术、数学、色度学、多媒体、智能机器人、专家系统等技术的发展密切相关。近年来计算机图像识别与计算机图像理解技术发展很快，图像并行处理能力也大大增强，图像处理除供人观看外，还发展了与计算机视觉有关的应用，如邮件自动分捡、车辆自动驾驶等。2.4伪彩色图像增强2.4.1伪彩色图像增强 伪彩色（Pseudo-color）图像的每个像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT（Color Look-Up Table）中某一项的入口地址，根据该地址可查找出包含实际R、G、B的强度值。这种用查找映射的方法产生的色彩称为伪彩色。彩色图像的含义是，每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表(color look-up table，CLUT)的表项入口地址，去查找一个显示图像时使用的R，G，B强度值，用查找出的R，G，B强度值产生的彩色称为伪彩色。 彩色查找表CLUT是一个事先做好的表，表项入口地址也称为索引号。例如16种颜色的查找表，0号索引对应黑色，. ，15号索引对应白色。彩色图像本身的像素数值和彩色查找表的索引号有一个变换关系，这个关系可以使用Windows 95/98定义的变换关系，也可以使用你自己定义的变换关系。使用查找得到的数值显示的彩色是真的，但不是图像本身真正的颜色，它没有完全反映原图的彩色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。 伪彩色增强的方法主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。 伪彩色增强的方法主要有以下三种： 密度分割法，密度分割或密度分层是伪彩色增强中最简单的一种方法，它是对图像亮度范围进行分割，使一定亮度间隔对应于某一类地物或几类地物从而有利于图像的增强和分类。它是把黑白图像的灰度级从0（黑）到M0(白)分成N个区间Li,i=1,2,N。给每个区间Li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。此法比较直观简单，缺点使变换出的彩色数目有限。 空间域灰度级彩色变换：空间域灰度级彩色变换是一种更为常用的、比密度分割更有效的伪彩色增强法。它是根据色度学的原理，将原图像的灰度分段经过红、绿、蓝三种不同变换，变成三基色分量，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。彩色的含量由变换函数的形状而定。 频率域伪彩色增强 ：频率域伪彩色增强时先把黑白图像经傅立叶变换到频率域，在频率域内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（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，从而实现频率域分段的伪彩色增强。2.4.2伪彩色增强处理伪彩色处理是指将黑白图像转化为彩色图像，或者是将单色图像变换成给定彩色分布图像。由于人眼对彩色的分辨能力远远高于对灰度的分辨能力，所以将灰度图像转化成彩色表示，就可以提高对图像细节的辨别力。因此，伪色彩处理的主要目的是为了提高人眼对图像细节的分辨能力，以达到图像增强的目的。伪彩色处理的基本原理是将黑白图像或者单色图像的各个灰度级匹配到彩色空间中的一点，从而使单色图像映射成彩色图像。对黑白图像中不同的灰度赋予不同的彩色。值得注意的是，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。 2.4.3伪彩色处理的基本原理 图像的伪彩色处理作为一种重要的图像处理技术，从80年代起，就有很多研究人员为此付出巨大的努力。迄今为止，文献报道的处理方法有很多种。但这些方法从根本上说，可以归为三类:基于图像分割的方法，基于灰度级一彩色变换的方法，基于滤波的方法。实际上，大多数新的处理方法都是以这三类方法为基础演变而来的。本文的研究内容是基于第一种方法基于图像分割的方法。这种方法的原理图如下: 这种方法的关键技术是对图像进行有效的分割。因此本文把研究重点放在了对图像进行有效的分割上面。2.4.4伪彩色图像处理技术的来源和应用 伪彩色图像处理技术发展历史较早，源于美工与纺织，最初是通过涂抹，凭色感经验对黑白图像着色。计算机图像处理技术发展以后，对黑白图像的数字化着色效率和着色质量大为提高，应用领域也越来越广。目前在国内外都是发展较快的一项图像处理技术，但缺乏对伪彩色图像增强质量评价的国际通用标准，没有可靠的客观数学量度，伪彩色图像增强的方法和手段有待于更深入地研究。 对图像进行伪彩色处理属于图像增强(Image Enhancement)方面的问题，在医学、遥感数字图像处理中受到广泛重视，主要目的是增强图像中的有用信息，扩大不同影像特征之间的差别，将感兴趣的特征有选择地突出，衰减不需要的特征，消除干扰和噪声，使图像更加清晰，转换为更适合于人或机器判读的形式，从而提高对图像的解译与分析能力。图像增强总是以对某一部分信息的强调和另一部分的损失为代价，不要求真实地反映原始图像，这一点和图像复原(Image Restoration)恰恰相反。 在图像处理中，为了提高计算处理速度，往往把各种图像转换为灰度图像，采用灰度图像进行操作。处理方法主要有以下三种： 最大值法：R=G=B=max(R，G，B) ，形成亮度很高的灰度图像。 平均值法：R=G=B=(R+G+B)/3 ，形成较柔和的灰度图像。 加权平均值法：R=G=B=(Rr+Gg+Bb)/3 ，其中 r 为红色权值，g 为绿色权值，b为蓝色权值。根据人眼对三色光的感知灵敏度不同，经实验和理论推导知 r=0.30，g=0.59，b=0.11 时得到最合理的灰度图像，这时 R=G=B=Vgrey=0.3R+0.59G+0.11B。 索引图像：也包括一个数据矩阵 I，一个颜色映像矩阵 map。其中 map 是一个m 3的双 精度浮点型数据矩阵，它的每个元素值都在0，1之间，每行代表红色、绿色、蓝色的颜色值，像素矩阵中的每个值作为索引值指向颜色表的对应行。图像像素矩阵是双精度类型时，像素值 1 将指向调色板的第一行，数值 2 指向第二行；像素矩阵是 unit6 或unit16 无符号整数类型，则像素值 0 指向调色板的第一行，1 指向第二行。 本文研究的伪彩色方案不仅处理黑白灰度图像，而且还能处理彩色图像，对伪彩色处理对象有所扩展，主要是面向 24 位高灰度分辨率图像。所以这里不再区分假彩色与伪彩色，假彩色只是本文伪彩色处理的一个特例。 伪彩色处理技术不仅适用于航空摄影和遥感图片，也可以用于 X 光片及云图判读等方面，为了实时观察，多采用专用硬件设备。如美国 DIGICOL 电子观察仪 6010，日本PHOSDAC-700，1000，1200，国产 NST-1 密度分割伪彩色仪，能把不同灰度级的图像以 12 种彩色显示，并可求出某一彩色区域占全图的比例。数字图像伪彩色增强处理技。 术在科学应用中的许多领域发挥着越来越重要的作用。其主要应用领域如下：物理、化学：晶体分析，谱分析生物、医学：细胞分析，染色体分类，血球分类，X 光片分析，CT环境保护：水质及大气污染调查地质：资源勘探，地图绘制农林：植被分布调查，农作物估产海洋：鱼群探查水利：河流分布，水利及水害调查气象：云图分析，灾害性监测等通信：传真，电视，可视电话，图像通讯工业：工业探伤，计算机视觉，自动控制，机器人法律、公安：指纹识别，人像鉴定交通：铁路选线，交通指挥，汽车识别军事：侦察，成像制导，图像融合宇航：星际探险照片处理等文化：多媒体，动画特技 第三章 伪彩色图像处理的方法和研究3.1色彩基础3.1.1 色度学 色度学是为了进行图像的彩色计量分析建立的学科，它是研究人眼彩色视觉的定性和定量规律及其应用的学科，其研究范围包括人眼觉察彩色的生理和心理现象、彩色的合成分解实验以及相应理论的建立。 事实上除自己能发光的物体（光源）具有一定的彩色称为光源色外，一般物体本身并不发光，而是在光源的照射下呈现彩色，称为物体色。物体色并不是物体本身的性质，物体呈现彩色是由于物体反射或透射了照射光谱的一部分而吸收了其余部分。 1854 年发表的格拉斯曼(H.Grassmann)定律，从视觉的角度认为颜色包含三个要素：色调（hue）、饱和度(saturation )、亮度(lightness Brightness or Intensity)，人眼对彩 色的感知是色调、饱和度及亮度共同作用引起的视觉总效果。色调由可见光光谱中各成分 的波长来度量，是彩色光的基本特征，人眼的彩色感知即是以到达人眼的各波长分量综合 形成的，红色往往是红光附近一些波长分量的组合对人眼的综合效应，因此人眼感到的红色光可有不同组合，不是唯一的。非单波长连续光谱日光的白色可由红、橙、黄、绿、蓝、青、紫组成，也可由红、绿、蓝 3 种单色光形成，两种方案的彩色形成，对于人眼都是同一种感觉，即同样的彩色感觉可以由另外相应的光谱段组成，据此形成了图像处理中各种类型的彩色分析法。 色调和饱和度统称色度，以表明彩色光的波长分布及这种彩色光的深浅（白光量的多少）。亮度则指彩色光对人眼引起的光刺激强度，与光的能量有关，对应该彩色的明亮程度。下面是从色度学的研究得出的彩色匹配原理，色度学的定量计算符合此原理，彩色图像处理只是利用了这些结论。 1.任何颜色都可以用不多于 3 种的基色配成。 2混合色的光亮度等于各分量亮度的叠加。 3人眼不能分解混合彩色光的各个分量。 4在某一亮度等级上的彩色匹配可适于较宽光度范围。 5彩色相加定律：若彩色 c1 与彩色 c2 相匹配（同样彩色感觉），而彩色 c3 与彩色 c4 相匹配，那么 c1 与 c3 相混的彩色与 c2 和 c4 相混的颜色相匹配。 6彩色相拆定律：当 c1、c2 混合色与 c3、c4 混合色相匹配时，若 c1 与 c3 相匹配，则 c2 与 c4 相匹配。 7转移定律：若 c1 与 c2 匹配，c2 又与 c3 匹配，则 c1 与 c3 匹配。 8匹配(Grassman)定律：在亮度适中的条件下，有 3 种配色方法:sC=aC1+bC2+cC3；sC+aC1=bC2+cC3；sC+aC1+bC2=cC3。颜色的实质是一种光波。下图和表以纳米为单位表示了可见光波段的色彩分布及变化情况。 颜色的存在依托三个实体：光线、观察者以及被观察的对象。人眼是把颜色当作由被观察对象吸收或者反射不同波长的光波形成的。人眼最为敏感的光是黄绿光，即555nm附近，例如，当在一个晴朗的日子里，我们看到阳光下的某物体呈现红色时，那是因为该物体吸收了其它波长的光，而把红色波长的光反射到我们人眼里的缘故。当然，我们人眼所能感受到的只是波长在可见光范围内的光波信号。当各种不同波长的光信号一同进入我们的眼睛的某一点时，视觉器官将它们混合后作为一种颜色接受下来。3.1.2颜色模型 为了科学定量地描述和使用颜色，人们提出了各种颜色空间模型。目前常用的颜色模型按用途可分为两类，一类面向硬件设备，如视频监视器、彩色摄像机或打印机等。3.2图像以及图像精度3.2.1图像 图像是人类获取视觉信息的主要途径，而视觉信息约占人类获取信息的 60%，是人类极为重要的信息源。图像信息不仅包括光通量分布，而且还包括人类视觉的主观感受。 广义上说，图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”，英文 Picture，指图片、图画、各种照片以及光学影像，是采用绘画或者拍照的方法获得的，是对人、物、景的模拟，代表了物体反射或透射光的分布，是客观存在的。“像”， 英文 Image，是客观世界通过人的视觉系统在人脑中形成的印象或抽象认识。 图像主要包含以下几点内容。 视频(Video)：视频图像又称为动态图像或运动图像。它是一组图像在时间轴上的有序排列，是二维图像在一维时间域上构成的序列图像。如 NTSC 制式电视是 30 帧/秒（fps,frame per second）,PAL 制式是 25 帧/秒，电影则是 24 帧/秒。 图形(Graphics)：图形图像被称为矢量图形、向量图，它与位图相区别对应，以数学解析的形式描述一幅图中所包含的直线、圆、弧线的形状和大小，甚至可以构造更复杂的形式表示图像中的曲面、光照、材质等。主要优点是文件所占容量小，图中的每个部分可以独立控制易于放大、缩小、旋转等操作而不会失真，精确度较高，可制作 3D图像。但随着图像复杂程度的增加，计算机着色所花的时间就大大增加，难以制成色调丰富或色彩变化太多的图像，绘制出的图形不很逼真，而且不易在各软件间交换，较适于存储各种图表和工程设计图。动画(Animation)：属于动态图像的一种。它与视频的区别在于视频的采集来源于自然的真实图像，而动画则是利用计算机制作出来的图像或图形，是合成的动态图像。动画包括二维动画、三维动画，真实感三维动画等多种形式。符号(Symbol)与文字(Character)：符号包括各种描述量、数据、语言等，其中最重要的是数值它用特定值表示了比图形更高级的抽象，例如 ASCII 码、中文图标码等。而文字则是具有一定结构的符号组合。图像最终需要由人或机器来观察、辨别、理解。浅层次的图像理解表示了人对图像的光强度、对比度、颜色等引起的光刺激感觉反应， 深层次的图像理解表示了人对图像内容、含义的识别理解，其结论往往参比以前积累的经验。3.2.2图像精度 平面数字图像是连续图像的一种近似表示，通常用离散采样点的值所组成的n m二维矩阵 In, m来表示，如每一个采样单元叫做一个像素(pixel)，n、m 分别为数字图像矩阵在行列方向上的像素总数。图像数字化的精度常采用分辨率和像素颜色深度来反映一幅图像的清晰逼真度。3.2.3 分辨率 分辨率表示图像数字化的空间精细程度，包含显示分辨率 DPI(Dot Per Inch)、图像分辨率 PPI(Pixel Per Inch)、像素分辨率 Pixel。图像分辨率：以水平和垂直的像素点个数表示数字图像本身的实际精细度和大小，它指图像单位长度内的像素数。对于同样大小的两幅图，如果组成图像的像素数目越多，说明图像的分辨率越高，看起来就越逼真。