課程設計論文-基于matlab的彩色圖像灰度化處理(編輯修改稿)
2025-05-09 00:34 本頁面
【文章內容簡介】 得到均值作為灰度值輸出而得到灰度圖。其表達式見下式： f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 （ 32） 用 size 函數(shù)讀取原圖像圖像的尺寸，并以該尺寸構建一個全零矩陣來存儲用下面的方法產生的灰度圖像。由于在此之前的語句創(chuàng)建之后圖像為雙精度型， 因而我們采用uint8（）將其轉化成無符號整型。然后對原圖像中的像素逐點處理，首先采用的是均值法，即將每個像素點上的 R， G,B 分量取其平均，將處理后均值作為該像素點的灰度值輸基于 Matlab的彩色圖像灰度化處理 4 出，對應代碼中 MyYuanLaiPic( i,j,k )/3 語句 ，在對所有像素點處理完畢后即可實現(xiàn)彩色圖像的灰度化處理。 圖 平均值法的圖像灰度處理 最大值法 [3] 將彩色圖像中的 R、 G、 B 三個分量中亮度的最大值作為灰度圖的灰度值。其表達式見下式： f(i,j)=max(R(i,j),G(i,j),B(i,j)) （ 33） 調用 max（）函數(shù)讀取像素點上 RGB 分量中的最大值作為該點灰度值輸出，從而實現(xiàn)彩色圖像的灰度化處理。 圖 最大值法的圖像灰度處理 稍 作比較即可發(fā)現(xiàn)，以三種方法得到的處理結果并不完全相同，這是由于不同的處理基于 Matlab的彩色圖像灰度化處理 5 方法對于灰度值的選取不同，考慮庫函數(shù) rgb2gray(),其轉化是依據(jù)亮度方程f(i,j)=(i,j)+(i,j)+(i,j))來實現(xiàn)的，即依據(jù)人眼對不同顏色的敏感度不同，對RGB 分量以不同系數(shù)的加權平均，得到較為合理的灰度化結果。而采用方法二處理是對RGB 三個分量取簡單的平均，從而得到對應灰度值，而方法三則是直接取用 RGB 分量中最大值作為灰度值輸出。 舉例對比 [3] 為作進一步說明問題，我們可以分別 選用紅色圖，綠色圖以及藍色圖用如上方法處理后來進一步比較說明。 首先，我們選用以紅色分量較多的圖像進行處理，結果如圖 所示。（此處僅給出灰度圖之間的對比，原彩色圖見附錄彩頁） 圖 紅色圖像灰度化對比 觀察如上對比結果可以發(fā)現(xiàn)，對于前兩種方法處理得到的圖 2 和圖 3，兩圖中紅色分量灰度化之后基本沒有區(qū)別，這是由于采用加權平均法對紅色分量 R 的加權系數(shù)為 ，而采用簡單平均法的紅色分量系數(shù)為 ，故兩者對于紅色分量的處理結果區(qū)別不大，而對于 figure4，其采用最大值法，故在亮度現(xiàn)實上明顯大于前面 二者。 接下來，選取一綠色分量為主的圖像進行處理分析，結果如圖 所示。 圖 綠色圖像灰度化對比 觀察如上對比圖像結果可以發(fā)現(xiàn)，圖 3 的亮度明顯低于圖 2，而圖 4 的亮度則為三個基于 Matlab的彩色圖像灰度化處理 6 處理結果中最大的。稍加分析，不難發(fā)現(xiàn)，這是由于在方法一的處理中，其對于綠色分量的加權系數(shù)為 ，而方法二中綠色分量的系數(shù)約為 ，加之上圖中物體部分顏色為綠色，故作處理后，方法一所得的灰度值大于方法二處理得到的灰度值，因而在顯示上，方法一對應的圖 2 較之方法二對應的圖 3 更亮；而對于方法三所得的圖 4，因其取的是最大值，故最終 的灰度值也最大，所以顯示最亮。 最后，選取一藍色分量為主的圖像進行處理，結果如圖 所示。（此處僅給出灰度圖之間的對比，原彩色圖見附錄彩頁） 圖 藍色圖像灰度化對比 對比如上圖像可以發(fā)現(xiàn)，此時圖 3 的亮度大于圖 2 的，而圖 4 的亮度依然是三個圖像中最大的。這是由于在得到圖 2 的方法中，其對于藍色分量的加權系數(shù)是 ，而圖 3對應的方法二中藍色分量的系數(shù)約為 ，加之此圖像中藍色分量居多，因而就不難解釋如上現(xiàn)象，對于方法一處理后對應像素點的灰度值小于方法三處理后對應點的灰度值，故顯示在圖像上，圖
環(huán)評公示相關推薦
鄂ICP備17016276號-1