真彩色图像（精选8篇）
真彩色图像 篇1
图像质量评价已经成为了图像科学的重要分支。图像质量评价方法有主观方法和客观方法。主观方法[1]通过统计学方法计算人的评价值，如DMOS(difference mean opinion score)值。客观方法通过数学计算得到量化指标。近年来，出现了基于人眼视觉系统HVS(human visual system)、结构相似性算法SSIM(structure similarity image index)、使用小波分解等算法[2,3,4]。
上述的所有方法，评价过程中都将图像转化为灰度图像进行处理，这本身就存在一定的图像降质，并且人眼对于颜色失真相对敏感。本文提出了一种针对真彩色的颜色相似度度量方法。将颜色相似度度量与SSIM相结合，应用到图像质量评价中，提出了一种真彩色图像质量度量的新方法CS＿SSIM(color similarity&structure similarity image index)，该方法从对比两幅图像的结构相似度和颜色相似度出发，综合两种相似度因子得到失真图像与参考图像的相似程度。
1 理论基础
1.1 结构相似性
结构相似性理论[3]认为人眼从图像中主要提取的是结构信息。SSIM算法将图像失真建模为亮度(l)，对比度(c)，结构(s)的组合。其计算公式为:
SSIM算法可以较好地度量图像失真，且与人眼的主观视觉感知较为一致。
1.2 颜色相似性度量方法
颜色相似度衡量两种颜色的色差。在文献[5]中，在RGB空间中度量颜色相似度。由于RGB空间的不均匀特性，导致其不符合人眼主观视觉，因此，文中采用均匀的HSI颜色空间[6]。在HSI空间，色度和亮度相互独立，因此我们从这两个方面度量颜色相似度。设在HSI颜色空间有两个向量f1=(H1,S1,I1),f2=(H2,S2,I2)，则有λs～f(f1,f2)。由于独立性，可以认为是线性关系，其相似度度量按如下定义:
式(2)中，λcs表示颜色相似度，α1+α2=1。
1.2.1 色度相似度λs
使用指数函数[如公式(3)所示]来模拟人眼对于色度的非线性特性。在HSI空间中，两种颜色的色度距离(即公式(3)中的参数d)使用公式(4)计算，色调和饱和度差值计算见公式(5)。由于HSI空间的特性，色调差值的计算采用公式(6)修正。
1.2.2 亮度相似度λk
亮度相似度是一个标量，其计算按照公式(7)。随着亮度差值增大，λk减小。
1.2.3 度量实验
选取10种颜色作为颜色样本，在表1中是各种颜色的RGB值和感知颜色，将其映射到HSI空间进行相似度计算。参数取值为τ=1，α1=0.8，α2=0.2,e表示自然常数。
通过度量实验(选取1作为参照颜色)，从表1和表2中可以看出，深红色与红色最相似，其相似系数为0.93;随着颜色的视觉相差越大，颜色相似度系数变小。实验证明，该颜色相似性度量算法可以有效地度量颜色差异。
2 CS＿SSIM算法描述
对于真彩色图像来说，颜色信息至关重要。因此，文中考虑了颜色和结构的特性，提出了一种颜色结构的相似度度量公式:
其计算步骤如下:
第一步，使用SSIM方法计算待测图像的SSIM映射图SSIM＿Map;
第二步，将图像转换到HSI颜色空间，运用1.2节中的颜色相似性算法计算待测图像的颜色相似性映射图CS＿Map;
第三步，利用一、二步的计算结果，使用公式(8)进行信息融合，计算得到颜色结构相似性映射图CS＿SSIM＿Map;
第四步，按照文献[7]的图像划分算法，计算待测图像的区域划分映射图;
第五步，结合CS＿SSIM＿Map和图像区域划分映射图，进行空间信息融合，得到单一的图像质量描述符。
3 实验及分析
实验中，使用768×512的真彩色图像Bikes作为实验图像，如图1(a)所示。实验从三个方面验证算法是有效的:可行性，CS＿SSIM算法可以有效度量颜色失真;等同性，图像的颜色失真同结构失真一样，可以严重影响图像质量;单调性，CS＿SSIM算法可以准确地度量同种不同程度的失真情况。该算法与3-SSIM[8]做比较，实验结果数据见表3。
通过上述的实验及得到的数据结果(表3)，可以得到如下结论:
(1)通过对比第1、第2行数据，可得3-SSIM算法在计算中忽略了颜色信息，因此其评价值为1，而CS＿SSIM算法考虑了颜色失真的情况。因此可得3-SSIM算法未能度量颜色信息的损失，而CS＿SSIM算法可以度量图像颜色失真带来的视觉质量损失。
(2)对比第3、第8行数据，其3-SSIM计算值相差很小说明两种失真导致的图像结构变化差异不大。通过观察图像，图1(c)中的质量明显高于图1(d)。在CS＿SSIM度量值中，可以表现这种视觉差异。因此，颜色是彩色图像中与人眼视觉感知质量相关的重要因素。
(3)对比第4、第5、第6行数据，对于颜色差异的增大，CS＿SSIM算法可以很好地感知这一变化，随着颜色差异ΔR的增大，其算法质量度量值逐渐减小。这说明CS＿SSIM算法在度量图像质量时具有单调性。
(4)从人眼视觉感知出发，上述的所有测试图像的质量差异相对较大，基本覆盖了质量感知范围，CS＿SSIM算法的质量评价值，较3-SSIM算法的评价值更好地反映了这一事实。因此，在真彩色图像上，CS＿SSIM比3-SSIM取得了更好的效果，与人眼的主观感知更加一致。
4 结束语
真彩色图像质量评价与图像的结构和颜色都有关系，本文从颜色和结构两方面度量图像质量，避免了单一度量的固有缺陷。实验表明，该算法可以有效度量真彩色图像质量。可以发现，该方法简单地融合了结构相似度和颜色相似度，可能实际的人眼结构较为复杂，可以从这个方面继续研究。另外，基于该方法的彩色图像质量评价的空间融合也值得进一步研究。
参考文献
[1] ITU-R Rec.BT.500-11.Methodology for the Subjective Assessment of the Quality of Television Pictures.The International Telecommunication Union,Geneva,Switzerland,2002
[2] Daly S.The visible difference predictor:an algorithm for the assessment of image fidelity.In Digital Images and Human Vision,Watson A B,ed.Cambridge:The MIT Press,1993;179—206
[3] Wang Z,Bovik A C,Sheikh H R,et al.Image quality assessment:from error visibility to structural similarity.IEEE Trans Image Processing,2004;13(4):600—612
[4] 郑德品.基于结构相似度的图像质量评价方法研究.杭州:浙江大学,2007
[5] 范立南,张广渊,韩晓微.图像处理与模式识别.北京:科学出版社,2007
[6] 章毓晋.图像处理和分析.北京:清华大学出版社,2003
[7] Ran X,Farvardin N.A perceptually-motivated three-component image model-Part I-description of the model.IEEE Transactions on Image Processing 1995;4(4):401—415
[8] Li Chaofeng,Bovik A C.Content-weighted video quality assessment using a three component image model.Journal of Electronic Imaging,2010;19(1):011003
真彩色图像 篇2
用于儿童的教案，更需要教案的活泼灵活性。下面是小编为大家整理的精品教案，快来学习吧。
教案一
1、理解掌握歌词，学习感受音乐中的大小分句。
2、结合生活经验，感受颜色的多样和美丽。
《彩色世界真奇妙》录音，FLAS。
1、导入
今天，老师要给小朋友念一首好听的儿歌，我们一起来听听看，这首儿歌里，有些什么颜色?“念儿歌一遍，请幼儿回答。”蓝色，绿色，红色!“分别出示对应颜色。”儿歌里，蓝色(绿色、红色)的是什么?“，”小朋友来想想，我们还知道什么东西是蓝色(绿色、红色)的呢?“"这么多漂亮的颜色混合在一起象什么?”想想，弯弯的彩虹象什么东西啊?“"许多颜色和彩虹变成了一个彩色的世界，彩色世界真奇妙!”
2、学歌“音机里的小朋友还会把这首儿歌唱成好听的歌曲，我们一起来听听!”出示相应的图片，帮助幼儿理解和记忆歌词。
反复听几遍，试着让幼儿跟着音乐一起唱。
3、与游戏结合：分辨长短句
(1)将呼拉圈(数量与幼儿数相同)放在地上，请幼儿边唱边自由走动，每长完一句，即唱到“飘”和“妙”的时候，就跳进一个呼啦圈中，让幼儿从动作中感受音乐的大乐句。
老师先请几个小朋友来做，然后请一半的小朋友(分男生来做，女生来做)。最后一起做。
(2)将6个呼拉圈排放在地上，请幼儿排队轮流随着歌曲的进行，边唱边走，唱到“天”时就要跳进一个呼拉圈，唱到“草”、“飘”、“虹”、“桥”、“妙”时，就跳进第二、三、四、五、六个呼拉圈里，让幼儿从中感受音乐里的小乐句。
4、结束“小朋友都累了，我们一起去回到小椅子上去休息下吧。”幼儿欣赏FLASH，进一步巩固
《彩色世界真奇妙》这首歌，我们小朋友都很熟悉，对旋律也会跟着哼唱。因此在活动中，重点是让幼儿学会歌词，并且跟着钢琴歌唱。为了让幼儿尽快掌握歌词，我采用了形象的图片，在唱到那一句时就出示相应的图片，这样不仅便于记忆，也调动了幼儿的积极性和注意力。而后来游戏的开展改变了枯燥反复歌唱的疲劳状态，更进一步巩固了幼儿对歌曲的掌握，同时也对理解辨别乐句的长短起到了较好的作用，把活动推向了高潮。
教案二
1、初步学会歌曲《彩色世界真奇妙》。
2、学习通过倾听歌曲来摆放乐句形象卡片。
3、体验彩色世界的奇妙乐趣。
磁带《彩色世界真奇妙》录音机
乐句形象卡片：蓝天绿草红花彩虹等等
彩色丝带
1、游戏导入
玩颜色接龙游戏
“今天，薛老师又要来和你们玩颜色接龙游戏了。看谁说得又快又准。”
“宝宝们今天真棒，说出了这么多不同颜色的东西，彩色的世界真奇妙。”
2、学习歌曲
“彩色的世界真奇妙，我真想来唱一唱呢，你们想不想听一听呀?”
老师范唱“好听吗?听了这首歌有什么感觉呀?”
“你听到歌里有什么颜色呀?”老师根据幼儿的回答出示颜色标记。
老师第二次范唱“仔细听一听，什么是蓝蓝的，什么是绿绿的，什么是红红的。”
分析歌词，出示乐句形象卡片。
游戏：师唱，幼儿找乐句形象卡片
“找一找，我唱的是哪一张。”“我们一起来唱唱看找得对不对。”
“哟，都找对了，真了不起，我们一起看着这些图片来唱一唱吧。”
“我们一边唱，一边跳起舞来吧。”边唱边做动作
“我们一起给客人老师来表演吧。”
3、音乐游戏 彩带舞
真彩色图像 篇3
关键词：BMP文件,24位真彩色图像,VC6.0
0 引言
随着输入输出设备的发展进步, 以及人们对图像清晰度、图像色彩真实感的要求不断提高, 针对真彩色图像处理的各类技术也在不断发展, 而目前大多数文献以及参考资料都是对256色图像的处理, 关于真彩色图像分析和处理的内容较少。理解24位真彩色图像的结构, 正确获得图像的数据信息, 对于图像处理来说十分关键。本文对24位真彩色图像的结构进行了系统的分析, 并介绍在Visual C6.0下读取与显示真彩色图像的方法。
1 BMP图像文件结构
BMP格式的图像在Windows系统中比较常见, 几乎所有的Windows应用程序都支持这种图像文件。通常使用的BMP格式文件是一种与设备无关的位图DIB (Device Independnt Bitmap) , 它使用标准的Windows位图格式, 包含颜色信息, 并且可以在不同的机器或者系统中显示图像。BMP图像一般包含文件头 (BITMAPFILE-HEADER) 、信息头 (BITMAPINFOHEADER) 、调色板 (Palette) 、位图数据 (Data) 四个部分。BMP图像的文件格式如图1所示。
值得注意的是, 24位真彩色图像不需要调色板, 图像的信息头之后紧跟着的就是图像数据。
(1) 位图文件头。在wingdi.h中对位图的文件头结构有如下定义:
文件头结构的长度是固定的, 为14字节。另外, 要说明的是, 所有的BMP图像文件的头两个字节都是BM, 也就是0x424d。
(2) 位图信息头。接下来是位图信息头, 在wingdi.h中有如下定义:
在上述结构中, biSizeImage中指定的是图像数据实际占用的字节数, 可以从公式中计算出来。
要注意的是, 在win32环境中为了使内存对齐, 图像数据区中每一行的字节数必须是4的整数倍, 如果不是, 则需要补齐。故上述公式中的 (而不是biWidth) 必须是4的倍数。
(3) 调色板。调色板实际上是一个数组, 共有biClrUsed个元素 (如果该值为0, 则有2biBitCount个元素) , 数组中的每个元素都是一个RGBQUAD结构, 占4个字节。该结构定义如下:
(4) 图像数据。对于用到调色板的位图, 图像数据中存储的就是该像素颜色在调色板中的索引值;对于真彩色图像, 那么图像数据中存储的就是实际的R、G、B值。对于二值图像, 用1位就可以表示该像素的颜色, 所以1个字节可以表示8个像素;对于16色位图来说, 用4位可以表示1个像素的颜色, 所以一个字节可以表示2个像素;对于256色位图, 1个字节刚好可以表示1个像素;对于24位真彩色图像, 3个字节才能表示1个像素。
还要说明的是, BMP文件中的图像数据是从图像的最下面一行开始的, 并且按照从左到右的方式存储。
2 4位真彩色位图文件分析
在24位真彩色图像文件中, 先是位图文件头, 接着是位图信息头, 之后是图像数据。图像数据部分所存储的就是各像素实际的R、G、B数值, 24位真彩色图像的每个像素需要用3个字节表示, 每个像素的R、G、B分量各占用一个字节。
图2是某真彩色图像在16位编辑器中打开的效果。
如图2所示, 第0行从左往右的前14个字节是位图文件头, 各字节意义如下:
42 4D:指定文件类型, 即字符串“BM”, 表示该文件是位图文件;
86 00 00 00:这4个字节用于表示文件的大小, 它们是从低位到高位排列的, 可以看出整个位图文件的大小是0x00000086=134字节 (包含文件头的这14个字节在内) 。
00000000:这4个字节是保留位, 置为0。
36 00 00 00:这4个字节用于表示文件的起始位置到实际的图像数据的偏移量, 也是从低位到高位排列的, 可见这个位图的图像数据是从0x00000036=54字节处开始的。
接下来的40个字节是位图信息头, 各个字节的含义是:
28 00 00 00:指定位图信息头的长度, 0x00000028=40, 即信息头占40个字节;
05 00 00 00:指定图像的宽度, 单位是像素。即图像宽度为5个像素;
05 00 00 00:指定图像的高度, 单位是像素。即图像高度为5个像素;
01 00:表示目标设备的位平面数, 置为1;
18 00:每个像素的位数, 0x0018=24, 即24位真彩色;
00000000:表示压缩类型, 为0表示不压缩;
50 00 00 00:指定实际的图像数据区的字节数, 0x00000050=80, 图像数据为80字节;
C4 0E00 00:表示目标设备的水平分辨率, 单位是像素/米;
C4 0E00 00:表示目标设备的垂直分辨率, 单位是像素/米;
00000000:指定图像实际用到的颜色数, 此处为0表示用到的颜色数为2biBitCount;
00000000:表示本图像中重要的颜色数, 值为0则认为所有的颜色都是重要的。
最后是图像数据区。该真彩色图像宽度为5个像素, 高度为5像素, 每个像素用3个字节表示, 这样每一行图像数据为15个字节, 不是4的整数倍, 需要在每一行的末尾都用一个全零字节补齐, 因此文件信息头中记录的图像数据是80字节。此外, BMP文件的数据是从下到上、从左到右的, 并且R、G、B三原色在文件中的记录顺序是蓝、绿、红。观察上面的图像文件, 可以看出文件的第一行为黑色, 第二行为白色, 第三行为红色, 第四行为绿色, 第五行为蓝色。
3 编程实现
在理解了BMP图像的结构之后, 编写BMP图像的读写程序就比较容易了。我们定义了类CBmp, 为了支持串行化, 让CBmp继承自CObject, 其中定义两个私有变量m_pBMIH和m_pBits。m_pBMIH是指向位图信息头的指针, m_pBits是指向位图数据的指针。类CBmp要完成BMP图像文件的读写和显示功能, 涉及位图读写函数Read、Write和Serialize。同时, 为了向外界提供访问图像信息的接口, 编写了GetHeight, GetWidth等函数, 它们是公有的。CBmp类的头文件定义如下:
函数OnDraw是负责显示的, 一般的绘图过程都放在OnDraw函数中。工程创建时会自动生成该函数, 在该函数中, 我们设置了显示模式COLORONCOLOR, 并调用函数StretchDIBits将图像显示在屏幕上。
程序运行的结果如图3所示。
4 结语
从运行结果来看, 本程序能够完成24位真彩色图像的显示输出。由于C/C++语言可对计算机内存进行位操作, 用于编写图像处理程序是十分合适的, 所以, 可以在本文提供的方法基础上编程, 实现图像处理的各类技术。
参考文献
[1]孙即详.图像分析[M].北京:科学出版社, 2005.
[2]电脑编程与维护杂志社.Visual C/C++图形图像与游戏编程典型实例分析[M].北京:中国水利水电出版社, 2006.
[3]张宏林.Visual C++数字图像处理典型算法及实现[M].北京:人民邮电出版社, 2006.
[4]罗浩, 赵厚奎, 李校强.如何读取24位真彩色位图信息[J].计算机与数字工程, 2007, 35 (7) :127-130.
真彩色图像 篇4
图像处理技术是一门很用价值的的科学,它在计算机技术迅速发展的同时不断成熟。目前的计算机设备的价格下降,图像数字化和图像显示设备的普及,低成本的数字图像处理系统的应用,为数字图像处理技术的持续发展创造了前所未有的机会。
彩色图像的灰度化技术在现代科技中应用越来越广泛,例如人脸目标的检测与匹配以及运动物体目标的监测等等,在系统预处理阶段,都要把采集来的彩色图像进行灰度化处理,这样既可以提高后续算法速度,而且可以提高系统综合应用实效,达到更为理想的要求。因此研究图像灰度化技术具有重要意义。
对于一幅灰度图像,人眼只可以分辨由黑到白的几十种不同的灰度,而对于一副彩色图像,人眼则可以分辨出来上千种颜色,所以对于灰度图像进行伪彩色处理是一种非常有效的图像增强技术,灰度图像的伪彩色处理技术已经在医学,工程等领域获得了广泛的应用。
1. 彩色图像和灰度图像的基本属性:
1.1 彩色图像简介
在RGB色彩空间,图像深度与色彩的映射关系主要有真彩色、伪彩色和调配色[1]。
真彩色(ture color)是指在组成一幅彩色图像的每个像素值中,有R,G,B三个基色分量,每个基色分量直接决定显示设备的基色强度,这样产生的彩色称为真彩色。例如用RGB 5:5:5表示的彩色图像,R,G,B各用5位,用R,G,B分量大小的值直接确定三个基色的强度,这样得到的彩色是真实的原图彩色。
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。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,这种关系可以是系统定义的,也可以是用户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,可又不是图像本身的颜色,因为其没有完全反映原图的彩色,所以称其为伪彩色。
调配色(direct-color)的获取是通过每个像素点的R、G、B分量分别作为单独的索引值进行变换,经相应的色彩变换表找出各自的基色强度,用变换后的R、G、B强度值产生的色彩。
1.2 灰度图像简介
数字图像在计算机上以位图(bitmap)的形式存在,位图是一个矩形点阵,其中每一点称为一个像素(pixel),像素是数字图像中的基本单位。一幅m×n大小的图像,是由m×n个明暗度不等的像素组成的。数字图像中各个像素所具有的明暗程度是由灰度值(gray level)所标识的。
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,故黑白图片也称灰度图像。灰度图像矩阵元素的取值通常为[0,255],因此其数据类型一般为8位无符号整数(int8),这就是人们通常所说的256级灰度。“0”表示纯黑色,“255”表示纯白色,中间的数字从小到大表示由黑到白的过渡色,即可以表示不同的灰度等级[2]。
2. 实现彩色图像到灰度图像转换的程序设计
彩色图像转换为黑白图像时需要计算图像中每个像素有效的亮度值,并且可以通过匹配像素亮度值轻松转换为黑白图像。式(1)为计算像素有效灰度值所使用的公式[2]:
然后使用Color.FromArgb (Y,Y,Y)来把计算后的值进行转换[3]。
通过公式可以确定灰度值,SetPixel ()函数的的定义形式是这样的:void setpixel (int x,int y,color color)其中参数x和y可以确定图像上的一点,而参素color则是确定像素的数值。
进一步我们可以利用if-else语句实现多灰度图的二值化处理。只要将得出的每个像素的灰度值和阈值相比较,按照比较的结果分别输出黑.白两色即可。在这里我们选择阈值是128。图1就是由以上算法得出的彩色图像灰度处理的流程图。
3. 实现灰度图像到伪彩色图像转换的程序设计
将灰度图像转换为彩色图像,称为灰度图像的伪彩色处理。这是一种视觉效果明显的图像增强技术。灰度图像中,如果相邻像素点的灰度相差不大,人眼则无法从图像中提取相应的信息,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则人眼可以提取更多的信息量。
伪彩色处理技术的实现方法有多种,如:灰度分割法、灰度级-彩色变换法、滤波法等等[4]。我们采用的是灰度级-彩色变换法,这是将来自成像传感器的灰度图像送入三个不同特征的R、G、B变换器,然后将三种变换器的不同输出分别送到彩色显示器进行显示的技术[5]。
在转换过程中,对灰度图像中的每一个像素点,取得该点的灰度值并分别送入红、绿、蓝三个通道实施不同的变换,产生相应的红、绿、蓝的亮度值。图2就是表示三种不同通道的映射变换曲线[6]。
由上图可以总结出以下的映射函数。式(2)(3)(4)分别表示R(x,y)、G(x,y)、B(x,y)的R、G、B通道的颜色值,其中,f(x,y)表示特定点灰度图像的灰度值,f是所选灰度图像的灰度值。
通过上面的映射变换曲线,可以实现对灰度图像的着色。
这两个for语句可以实现图像的遍历,即确保每一个像素点都可以被访问到。由于图像是灰度的,所以可以取RGB的其中一种分量来作为灰度进行运算。
在利用映射变换曲线,进行伪彩色处理时,我们用下面的swi tch()语句实现灰度段的分割:
4. 结论
我们将上面得到的程序,用于处理实际的图像,可以得到很好的效果,并且可以对处理前后的图片进行比较。
图4是彩色图像的灰度处理效果图。同过图像的比较,可以明显感觉图像的不同视觉效果。它们分别是:彩色图像,多灰度图像和二值化图像。
图5是灰度图像的伪彩色处理效果图,通过下面两个图像的比较可以明显的发现,在视觉效果上,伪彩色图像可以观察得到一些在灰度图像上不易观察到的细节。如:颈部不同的光照亮度,在灰度图像上几乎是不可见的,但是在伪彩色图像上确可以明显的观察到。
参考文献
[1]阮秋琦．数字图像处理学[M]．北京：电子工业出版社，2001．
[2]刘庆祥，蒋天发．彩色与灰度图像间转换算法的研究．武汉理工大学学报2003，27(3)：244—345
[3]官章全，刘加明．Visual C++类库大全．北京：电子工业出版社，1999
[4]曹茂永，郁道银．基于RGB三基色和像素自身变换的灰度图像伪彩色编码．工程图学学报，2001增刊：94—97
[5]李文员，黄翔东．伪彩色增强显示的设计和实现．中国体现学与图像分析，2003．12，8(4)：235-238
数字岩心EDS彩色图像分割 篇5
随着我国对油气资源的需求量不断增加, 非常规油气的勘探与开发越来越备受关注。岩石物理研究在油气藏评价中占据着重要地位。针对页岩、致密砂岩、碳酸盐岩等非常规油气复杂储层, 传统的岩石物理实验遇到了诸多困难[1]。数字岩石物理的出现很好地解决了这一难题。数字岩石物理通过建立三维数字岩心并借助数值算法对岩石的声学特性、电性、核磁共振特性及渗流特性等进行数值模拟实验。数字岩石物理实验与传统的岩石物理实验相比有很多优点[1]。三维数字岩心重建方法包括物理方法和数值重建方法两大类。物理方法借助CT、SEM、FIB、EDS等仪器获取岩心的多幅二维图像直接重建三维数字岩心。数值重建方法则借助少量的岩心二维图像, 通过图像分析提取建模信息, 采用各种重建算法[2]建立三维数字岩心。页岩的矿物成分及孔隙分布相当复杂, 通过EDS图像可以有效地分析页岩的各种矿物及孔隙分布。本文通过对Eagle Ford页岩EDS彩色图像进行分割, 得到了各种矿物及孔隙的二值图像, 为后期的三维数字岩心重建及岩石物理数值模拟奠定了数据基础。
1 X 射线能谱仪 (EDS)
1.1 基本原理[3]
X射线能谱仪 (EDS) 是依据电子与物质的相互作用。当一束高能的入射电子轰击物质表面时, 被激发的区域将产生二次电子、俄歇电子、特征x射线和连续谱X射线、背散射电子、透射电子, 以及在可见、紫外、红外光区域产生的电磁辐射。原则上讲, 利用电子和物质的相互作用, 可以获取被测样品本身的各种物理、化学性质的信息, 如形貌、组成、晶体结构、电子结构和内部电场或磁场等等。EDS根据上述不同信息产生的机理, 对二次电子、背散射电子的采集, 可得到有关物质微观形貌的信息, 对x射线的采集, 可得到物质化学成分的信息。
1.2 分析技术
EDS分析包括X射线的测 量、空间分 辨率、峰/背比 (P/B) 、定性分析、定量分析、元素的面分布分析方法。 电子束只打到试样上一点, 得到这一点的X射线谱的分析方法是点分析方法。与此不同的是, 用扫描像观察装置, 使电子束在试样上做二维扫描, 测量特征X射线的强度, 使与这个强度对应的亮度变化与扫描信号同步在阴极射线管CRT上显示出来, 就得到特征X射线强度的二维分布的像。这种观察方法称为元素的面分布分析方法, 它是一种测量元素二维分布的非常方便的方法。利用特定的方法可以将元素二维分布图像转化为矿物及孔隙分布图像。
2 EDS 图像分割
2.1 分割方法
图1是Eagle Ford页岩气储层某块页岩岩心的EDS彩色图像[4], 图中各种颜色对应的矿物名称以及相应的RGB值如表1所示。本文是基于RGB色彩空间对EDS图像进行分割。EDS彩色图像中每个像素对应一个RGB值。首先利用Matlab中的imtool函数得到每种矿物对应颜色的RGB值;然后利用三维欧式距离空间对每个像素的RGB值进行聚类, 得到聚类后的EDS彩色图像 (图2) ;最后根据聚类后的EDS彩色图像进行二值分割。
2.2 分割结果
图3 (a) - (g) 分别是对不同矿物以及孔隙进行二值分割后得到的二值图像。由图可知, 基于RGB色彩空间的欧式距离空间聚类并进行二值分割的方法, 除了有机质, 其它矿物及孔隙的二值分割效果很好。有机质的二值分割主要是由于不同颜色矿物接触边界的影响。
2.3 源程序
参考http://user.qzone.qq.com/1057206671/2。
3 结论
本文提出的基于RGB色彩空间的欧式距离空间聚类并进行二值分割的方法能够有效地对数字岩心EDS彩色图像进行分割, 从而得到各种矿物及孔隙的二值分割图像, 为三维数字岩心重建提供数据基础。但是该方法存在的缺陷在于不能对不同颜色矿物接触边界处存在的过渡色进行准确的聚类, 从而会影响最终的图像分割结果。建议可以从HSV、L*a*b* 等其它色彩空间对数字岩心EDS彩色图像进行二值分割。
摘要：在非常规油气的勘探与开发中, 很难通过岩石物理实验对页岩、致密砂岩、碳酸盐岩等复杂储层进行属性研究。数字岩石物理, 一种基于数字岩心的岩石物理数值模拟, 能够从微观、多尺度层面上对这些复杂储层进行无损岩心测试。数字岩心建模方法包括物理实验方法和数值重建方法两大类。数值重建方法的一项重要步骤就是对岩心二维图像进行图像分割, 从而提取建模信息进行三维重建。X射线能谱仪 (EDS) , 作为微区成分分析的重要手段之一, 能够得到岩石各种矿物和孔隙分布的彩色图像。本文通过对Eagle Ford页岩EDS彩色图像进行分割, 得到各种矿物及孔隙的二值图像。
关键词：数字岩石物理,数字岩心,X射线能谱仪,彩色图像分割
参考文献
[1]孙建孟, 姜黎明, 等.数字岩心技术测井应用与展望[J].测井技术, 2012, 36 (1) :1-7.
[2]刘学锋, 张伟伟, 等.三维数字岩心建模方法综述[J].地球物理学进展, 2013, 28 (6) :3066-3067.
[3]http://www.mttlab.com/g/testing/morphology/sem_eds/index.html[OL].
彩色图像处理关键技术研究 篇6
1 彩色图像滤波技术分析
图1为常见的彩色图像处理过程, 下面将就滤波等技术进行分析。
1.1 彩色图像脉冲噪音滤波技术
彩色图像滤波要求将噪音完全过滤掉, 且完成滤波后其边缘细节不能有所降低, 滤波时不会出现新的颜色以致与真实颜色有偏差。过滤掉彩色图像脉冲噪音可采取的方法有两种, 即标量滤波法与矢量滤波法。彩色图像有3个颜色分量, 标量滤波法就是对它们逐一进行滤波, 再对滤波后的彩色图像进行合成。但该方法很多时候忽略了这3个颜色分量之间是存在着一定联系的, 有产生新的颜色的可能而致使与真实颜色有偏差。矢量滤波法对彩色像素的处理方式与三维矢量是一样的, 处理过程中考虑到了不同颜色分量之间的联系, 这样就不会产生新的颜色。所以, 一般会认为, 与标量滤波法相比, 矢量滤波法更加合理, 且效果更好。矢量滤波法分为两类, 即线性滤波与非线性滤波。以排序为基础的非线性滤波技术多用于脉冲噪音的过滤, 因为它能使图像细节保持很好。彩色像素集合中可将颜色特征反映出来的是矢量中值, 而矢量中值滤波方法就是基于矢量中值的非线性滤波方法, 在该方法的基础上, 矢量方向滤波法、方向一距离滤波法、方向一幅度矢量滤波法、多通道距离滤波方法以及准均值滤波法等许多新的滤波方法也随之被提出。它们在一定程度上可过滤掉彩色脉冲噪音。
1.2 非线性矢量滤波法
采用非线性矢量滤波法对彩色像素进行处理过程中, 对于有无噪音对滤波像素和周边像素造成干扰并没有进行区分。一般情况下, 噪音并不会对整幅噪声图像的像素都造成干扰, 盲目的对所有像素进行滤波处理反而会导致其中并未受到污染的像素的信息失真。所以, 需要对像素进行选择性的滤波处理:首先检测脉冲噪音, 检测结果出来后, 只对脉冲噪音像素进行滤波, 保持其他像素的本色, 这样彩色图像在细节保持方面的能力也就有很大的提升。在这个基础上, 以脉冲噪声检测为基础的彩色图像滤波方法也出现了, 再次提高了经过滤波处理的图像在细节保持方面的能力。经过对比与分析发现, 以上方法在脉冲噪声判断与过滤是还是有一些不足, 在检测噪声的过程中很难对噪声做到完全正确的判断, 漏判与误判的现象时有发生。
2 彩色图像分割技术分析
2.1 图像分割
图像分割即是将一幅图像分割为多个具有相同或相似边缘、颜色以及纹理等图像特征的区域。在数字图像处理过程中, 图像分割是前期一个比较关键的环节, 图像分割的好与坏在很大程度上决定着特征提取以及目标识别, 因此, 图像分析成功与否就取决于图像分割。以内容为基础的图像检索和对象分析等均可通过高质量的图像分割提取较为重要的信息, 从而有可能实现层次更高的图像理解。因为图像自身就并不普通和简单, 评价标准也并不统一。虽然已有许多关于图像分割的算法被提出, 但由于不同算法具有不同的特点, 存在一定的局限性, 目前还没有可用于各种图像分割的通用方法。
2.2 图像分割技术分析
目前, 大部分的算法都是用于灰度图像的分割。主要包括以下两种分割算法:区域增长和区域分裂、聚合分割算法, 对于较为复杂的场景和景物等相关先验知识缺乏的图像分割, 这两种算法具有不错的效果。与边缘分割、直方图分割相比, 以区域生长为基础的分割方法在抗噪性方面的能力更强;与其他分割算法相比, 它需要较高的计算成本, 另外, 如果计算时引入了不恰当的预定误差e值, 会导致误判, 分析目标内部组织容易对其造成干扰。近年来, 彩色图像得到了广泛的应用, 彩色图像分割的关注度也随之提高。彩色图像分割与灰度图像分割大多数算法的分割思想是相同的, 然而, 彩色图像所蕴含的信息相对要多一些, 且表达颜色空间的方式也很多, 所以, 分割算法是有区别的, 之前针对灰度图像分割的方法, 对于彩色图像的直接分割并不适用, 目前主要有用于彩色图像分割的方法主要有以下几种:聚类法、墒闭值与博弈论标记结合法、区域分裂合并、区域生长、松弛以及边缘检测等。此外, 还有采用神经元网络法。
虽然很早就开始了对图像分割的研究, 也根据相应的要求提出了很多算法, 但是直到现在, 理论还没有得到统一。与正确分割方法相比, 由算法所得的分割结果可能存在误差, 误差分为三类: (1) 经过分割的图像多了新的区域; (2) 没有将应该有的区域分割出来; (3) 采取的算法未对边界进行正确的定位。目前, 彩色图像分割技术分为以下六类:基于像素的技术、基于边缘的技术、基于区域的技术、基于模型的技术、基于物理的技术、基于混合的技术。分割方法的选择依据都离不开颜色特征和颜色坐标, 实验结果显示, 所有分类方法至少对一种颜色特征是无效的, 同理, 单一的颜色坐标至少对一类分割方法是无效的。
参考文献
[1]尹星云.彩色图像形态学关键技术分析[J].科技创新导报, 2013, 26:214-215.
[2]郁道银, 张宏, 李云青, 王文隽.一种新的适用于彩色图像处理的彩色空间变换方法[J].光学学报, 1995, 05:576-579.
真彩色全息图的研究 篇7
彩色全息图的记录和再现是全息显示中的一个重要内容。体积全息图利用厚乳胶记录介质记录的多层干涉条纹的布拉格衍射效应,能用白光再现出很好的真彩色全息像[1]。但是这种全息图只能记录在厚乳胶上,不能用模压方法转印在聚脂膜上。现在大量应用的全息防伪标识属于模压全息产品,其彩色化常采用单色激光多次记录编码的彩虹全息来实现,一般称作假彩色全息图。人们也企图利用这种编码彩虹全息图来实现把彩色图片制成彩色全息图,这在全息防伪标识的制作中将有广阔的用途。把彩色图片制成彩色全息图,一般要用红、绿、蓝三种波长激光器和全色全息干版把一张彩色透明片的三种颜色信息记录成三个彩虹全息图,这种合成的彩虹全息图在白光照明下可再现出真彩色全息像[2]。另外也可先把彩色图片按红、绿、蓝三色分色为三张黑白正片,以不同的物、参光夹角用单色激光器在同一全息干版上记录下这三张分色片的彩虹全息图,用白光照明这全息图仍可再现出真彩色象[3]。目前真彩色全息图的制作方法较多[4~6],我们采用的方法是用安装有三色光栅的照相机直接拍摄彩色景物,通过一次暴光,把彩色景物的红、绿、兰信息编码记录在一张与三色光栅密接的黑白胶片上,用单色光以不同的物、参光夹角在同一全息干版上记录下这张分色片的彩虹全息图,用白光照明这全息图可再现出真彩色像。本方法制出的彩色全息图色彩清晰、还原性好。
1 编码片的获得
在照相机中安装三色光栅,三色光栅紧贴在相机中的黑白胶片上,用照相机直接拍摄彩色景物,其景物的彩色信息通过三色光栅成像于在黑白胶片上,这样通过三色光栅的一次空间编码在黑白胶片上获得一张彩色景物图像的编码片,即彩色景物的信息按颜色组分编码记录到一张黑白胶片上。
我们可以把三色光栅[7]写成:
其中k为常数,p0为三色光栅的空间频率,x,x',x''和为红、绿、蓝三种光栅的取向。其x和x'及x和x''的夹角分别为90°和135°。
景物T(x,y)透过三色光栅TT=(x,y)在全色黑白胶片上成像,经过一次暴光和感光冲洗并处理后,得到:
如果能控制γ=2,则得到黑白编码片的振幅透过率为
其中k'为常量,tp是tr,tg,tb的线性函数,从上式知,彩色景物的信息通过三色光栅一次暴光记录在同一张黑白片上,实现了编码。
2 彩色全息图编码片的分色记录过程
图1是编码片的分色记录光路图。一单色光(He-Ne激光)由M1反射经第一个半波片后进入一偏光分束器,分为两束振动方向相互垂直的光Ⅰ、Ⅱ,光束Ⅰ可经分束镜分别以各自的入射角入射,光束Ⅱ经第二个半波片后,其光的振动方向改变并同光束Ⅰ的振动方向一致,经过M2反射扩束准直后射在黑白片OI上,此黑白片位于透镜L1的两倍焦距处,从透镜上衍射的光在透镜的焦平面上形成三个一级衍射焦点,它们分别载为原彩色图像中的红色信息、绿色信息和蓝色信息。分别挡住其中两个信息,让第三个信息的光射到一毛玻璃G上,散射光再通过后面的透镜L2和狭缝S,与某一角度的参考光干涉记录于干版上,即:先挡住绿、蓝信息,光开关E1打开,E2、E3关闭,让载红信息的物光与参考光干涉记录在干版上;然后打开光开关E2,关闭E1、E3,让载绿信息的物光与参考光干涉记录在干版上;最后挡住红、绿信息,打开开关E3,关闭E1、E2,让载蓝色信息的物光与参考光干涉记录在干版上。这样通过三次暴光把一张黑白编码片的红、绿、蓝三种透光信息分布以不同空间频率的全息图方式记录到同一张全息片上。下面给出从编码片中取出红、绿、蓝三色信息的数学描述。
图1中用激光束照明黑白编码片OI,经过透镜L1的焦平面滤波,最后在毛玻璃G上得到含某种颜色信息的图像,设振幅为1的平行光透过编码片OI的光场为
此光场经透镜L1后在其焦平面(ξ,η)上的场分布为
其中Tr,Tg,Tb分别是tr,tg,tb的付里叶变换,f是变换透镜的焦距,f0是光栅的空频,an是付里叶系数。由此式可见在ξ,ξ',ξ''轴上的付里叶频谱的不同级次将线性地色散开,如果光栅的空频f0大于彩色象所含的最大空频的二倍,则不同衍射级次不会相互重叠[8]。
由于所用的是单色激光,在经透镜后成的三基色信息的像中,若挡住绿、蓝信息的频谱,则可得空间谱面P2上相应的红色信息的频率成分为:
同理在P2上有绿色信息和蓝色信息的频率成分分别为:
这三种频率成分经透镜成象到毛玻璃上的过程,是一个付里叶变换过程。因为红色信息频率成分在毛玻璃上的像场分布为:
红色信息成分在毛玻璃G上的光强分布为:
这就是原彩色景物像的红色成分的光强分布。
同理,绿色和蓝色信息频率成分在毛玻璃上的光场分布分别为:
它们在毛玻璃G上的光强分布为:
这分别是原彩色景物像的绿色成分和蓝色成分的光强分布。
通过空间滤波,从编码片中解出了三种颜色成分的光强分布信息,以供作彩色全息图用。这里实际上是三次暴光同时记录了三个不同物参光夹角的三种颜色信息的三个彩虹全息图,其合成起来可用白光再现出一个真彩色像。
3 真彩色全息图的再现
按彩虹全息图的再现原理,每一种颜色信息对应的全息图的再现光都将在原物光狭缝的位置会聚成一系列色散的彩色狭缝像[9]。我们在不同的狭缝窗口处将看到不同颜色的彩虹像。对于这一由三张彩虹全息图合成的全息图来说,在同时再现出三张全息记录的同时,各全息图在原物光狭缝位置分别会聚成色散的彩色狭缝像。由于在记录这三种颜色信息的全息像时用了不同夹角的参考光束,因此再现出的三个像的衍射光方向就不同,这就使得三组色散彩色狭缝在空间的位置将在同一平面上互相错开。如果让记录红色信息彩虹全息图再现像的红色狭缝,记录绿色信息彩虹全息图再现像绿色狭缝和带蓝色信息再现像的蓝色狭缝三者在空间重合在一起,则在此重合处将看到原彩色照片所含红、绿、蓝三色信息以同样的红、绿、蓝三色重新合成在一起,因此可看到一个真彩色全息图像。我们采用本文的方法较容易得到了这种真彩色图像。
4 结论
本文提出的制作真彩色全息图的方法有以下特点:
1)用加有三色光栅的照相机直接将彩色景物的信息记录在黑白胶片上获得一张彩色图像的编码片,避免了先制作彩色透明片,再将彩色透明片通过三色光栅进行分色记录的复杂过程。
2)实验中是在同一张全息片上记录三个彩虹全息图,无须制作三张分色掩膜信息的全息图,避免了定位对准的困难,简化了操作步骤。
3)按要求将参光分成三束,分别对三路参光的强度、物参光夹角反复调整,不必在记录过程中改变光路,从而确保参考光方向定位。
4)用本方法制作多个彩色合成全息图,可节约大量胶片,简化合成全息图的操作过程。
5)用该方法获得的真彩色全息图,衍射效率高,其再现像效果优于单色像,像的色彩清晰,还原性好,能充分反映原彩色景物的颜色层次。
摘要：真彩色全息图的制作方法较多,为了提高真彩色全息图的质量,用安装有三色光栅的照相机直接拍摄彩色景物,通过一次暴光,把彩色景物的红、绿、蓝信息编码记录在一张与三色光栅密接的黑白胶片上,用单色激光同时再现出所记录的三种颜色的光强分布并将它们记录在一张全息片上作成彩色全息图,该方法的显著优点是制作过程中无须获得三张分色掩膜信息的全息图,改进了分色过程中的定位对准问题,提高了全息图的衍射效率,再现象的色彩明亮、保真度较高、还原性好。
关键词：彩色全息图,三色光栅,彩虹全息图,黑白编码片,颜色信息
参考文献
[1]李森森,刘守,张向东.用SLAVICH全息干版制作真彩色DANISYUK全息图技术[J].激光杂志,2000,21(4):7-8.
[2]Kzuhiko Ohnuma,Fujio Iwata,Color rainbow hologram and color reproduction.Appl.Opt.,1988,27(18):3859-3863.
[3]范诚,江朝川,郭履容.一种新的真彩色彩虹全息术[J].光学学报,1991,11(11):1032-1035.
[4]王丁,曾毅,三色光栅制作真彩色全息图[J].激光杂志,2004,25(3):48-51.
[5]王丁,李劲松.散射光方法制作真彩色全息图[J].激光杂志,2003,24(1):45-47.
[6]龙涛.用全息分色法制作彩色全息图[J].激光杂志,2001,22(6):60-62.
[7]母国光.白光光学信息处理及其彩色摄影术[J].物理与工程,2001,11(1):4-5.
[8]母国光,羊国光,庄松林.光全息及信息处理[M].天津:南开大学出版社,1986,366-370.
一种新的彩色图像压缩方法 篇8
由于彩色图像存在着三原色,因而在Internet和移动通信对于彩色图像的使用日益扩大的同时,对设备的传输速率和存储量的要求也在不断增加。这就要求人们寻找更好的彩色图像压缩方法。
基于小波的彩色图像压缩近年来已被进行了深入的研究[1,2,3,4],文献[1]中研究了压缩的对比敏感度和空间频率之间的反向关系并引入对比敏感性方程(CSF)对这一关系进行了描述。文献[5]和文献[6]中提出将适于硬件实现、基于最高有效位(MSB)的自组织映射(SOM)算法用于数字彩色图像压缩,文献[5]中还提出了一种频率敏感自组织映射(FS-SOM)方法。而在文献[7]和文献[8]中则使用矢量量化(VQ)方法处理不同的色彩空间。文献[5]中的处理结果显示 FS-SOM方法优于VQ方法。文献[9]和文献[10] 参考等腰三角形分割思想,基于RGB分量和分形图像压缩算法提出了一种新的彩色图像压缩方法,但该技术仍存在着复杂性过高的缺点。
基于离散小波变换,提出了一种新的用于图像压缩和增强的方法。其中将每种颜色分解为低频和高频分量,因而可不考虑文献[1]中的对比问题。图像处理结果显示,所使用的技术相比于向量量化方法和文献[5]中的FS-SOM方法均显更优。随后使用YUV、YIQ和CIEXYZ 3种色彩空间进行了试验,结果同样显示,本文方法相比于文献[7]中所描述的技术也更有优势。
1 图像压缩方法
众所周知,彩色图像均由红色、绿色和蓝色3种分量组成,将每种分量均分解为LL(低-低)、LH(低-高)、HL(高-低)和HH(高-高)频率分量。LL分量是低频分量,未进行处理。LH、HL和HH分量则使用YUV(或是YIQ、CIEXYZ)色彩空间进行映射,由此得到3幅图像,或称3个分量。对红色、绿色和蓝色等每一分量均重复这一过程。在获得了红色分量的3幅图像之后,加上红色分量的LL,即可将DWT取逆就得到了新的红色分量。相同的过程再用到绿色和蓝色分量上,最后即得到被压缩的彩色图像数据。小波的类型是一个参数,可以对它进行修改以获得不同的图像压缩结果。与此相似,色彩空间也可以根据需要选用不同的类型。
对高频分量进行映射,即LH、HL和HH三者。因为这些分量的值都较小,所以在不转回RGB空间的前提下将它们映射进另一个色彩空间不会影响到最终结果。映射的过程其实就是实现2项任务,即压缩图像和消除高频形式的噪声,这就可以起到增强图像和增强信噪比的作用。
如式(1)和式(2)所示,本文对于图像数据应用了一系列方程组来进行离散小波变换,这一系列方程以尺度函数为起始,该函数可以在穿过各行时对各种类型的小波起到高通和低通的滤过作用:
然后再将它们应用到各列上,随后使用基本采样样例,就得到了细节的系数估算如式(3)所示:
这些方程组在每一层上都要进行递归运算。
2 图像处理结果
为了最后获得结果,有2个参数可以更改,就是小波变换的类型和颜色空间的类型。同时,采用3项性能指标对图像处理结果进行评估,即信噪比、压缩率和比特率。在下面的图片和表格中,将给出不同参数对应的算例结果,同时还给出了这些算例对应的某些性能指标。表1是本文所提出方法同其他文献中另外2种方法的对比(即SOM和FS_SOM)。由表1可以看到本文方法的压缩率有较大提高。表2则反映出本文方法获得的压缩图像的信噪比也有所增加,而这一点在SOM和FS_SOM方法中则未有提及,应该可以证明对图像的压缩有所增强。注意到从Mandril图像中获得的信噪比增量并没有YUV和YIQ色彩空间中获得的那么高,而在这一方面CIEXYZ则被证明是最好的。这是因为Mandril图像的边缘比其他图像多得多,而且能够存储图像的细节,所以其中的高频噪声可以被消除,因此其信噪比不会有较大的增加。从RGB向YUV、YIQ或者CIEXYZ色彩空间的映射可以降低高频分量噪声。噪声的降低在蔬菜图像中反映很清晰,因为它当中到处都是图像边界,使该图中的高频噪声高出一般图像很多,这就导致其压缩比较一般图像明显增加。YUV色彩空间对应的图像性能(比特率和SNR)都大致跟YIQ色彩空间相同,但是在CIEXYZ色彩空间中图像处理表现得更好。
表2、表3和表4中的对比是以本文提出的方法获得的,类似对比在文献[3]中没有给出。如果使用如db4等其他小波变换方式,则会获得不同的表格数据。
图1显示了原始的Lena图像,图2显示了本文方法的处理结果,而图3则显示了文献[9]中算法的处理结果。使用文献[9]中方法对Lena图像进行处理得到的压缩率是4.88,高于本文方法的对应值(3.8)。但是本文方法对图像的压缩质量却更好——由图2和图3可以看出,其中没有出现锯齿形区域。另外,文献[9]中的方法较本文方法更为复杂,导致计算量更大。图4显示了一幅原始蔬菜图片,图5显示了该图片在使用YUV色彩空间和db4小波转换后的结果。
3结束语
在使用本文方法伴以YUV色彩空间对小波变换中高频分量的处理结果进行压缩和增强时,虽然得到的信噪比更低,但获得了更高的压缩率和比特率。当采用YIQ色彩空间处理图像时,影像质量略有提高。而应用到CIEXYZ色彩空间上时,影像质量则有大幅提升。
参考文献
[1]MARCUS J,NADENAU J R,MURAT K.Wavelet-BasedColor Image Compression:Exploiting the ContrastSensitivity Function[J].IEEE Trans.On ImageProcessing,2003,12(1):99-101.
[2]胡兴堂,张兵,张霞,等.基于小波变换的海量高光谱遥感数据分形编码压缩算法研究[J].中国科学E辑:技术科学.2006,(S1):23-24.
[3]徐敬,付炜,胡彩宁,等.基于小波图像编码算法的改进及实现[J].无线电通信技术,2008,34(5):62-64.
[4]黄波,王煜坚.一种基于对象的可伸缩小波编码器[J].无线电通信技术,2009,35(6):35-38.
[5]CHANG Chip-Hong,RUI Xiao,THAMBIPILLAI S.AMSB Biased Self Organizing Feature Map for Still ColorImage Compression[D].Singapore:NanyangTechnological University,2002..
[6]黎洪松,许保华.一种用于视频对象编码的运动模式识别算法[J].电子学报,2007(12):122-123.
[7]DANDAWATE Y H,JOSHI M A,UMRANI S M.Performance Comparison of Color Image CompressionBased on Enhanced Vector Quantizer Designed UsingDifferent Color Spaces[C]∥International Conference onIntelligent and Advanced System,2007:64-65.
[8]张传生,丁承民,刘贵忠.一种新的基于Kohonen网络的图像矢量量化[J].系统工程与电子技术,1997(3):133-134.
[9]ZHAO Yu-li,LIANG Zhi,YU Hai.Fractal Color ImageCoding Based on Isosceles Triangle Segmentation[C]∥2010 International Workshop on Chaos-Fractal Theoryand Its Applications:54-55.