【文章內(nèi)容簡介】 的物理意義很清晰，且顏色的生成不難實(shí)現(xiàn)，因此RGB顏色空間是電子輸入設(shè)備使用最多的顏色語言，如顯示器，掃描儀和數(shù)碼相機(jī)等。RGB顏色空間是和設(shè)備無關(guān)的，不同的RGB設(shè)備再現(xiàn)的顏色不可能完全相同。因?yàn)橐曈X對顏色的感知是非線性的，所以顏色的指定并不真切，這使它的應(yīng)用范圍受到了局限。(2) CMY顏色空間CMY色彩系統(tǒng)也是一種常用的色彩表示方式，與RGB顏色空間有兩點(diǎn)不同：第一，CMY的三基色分別為青，品紅，黃(C,M,Y)；第二，計(jì)算機(jī)屏幕的顯示通常用RGB顏色系統(tǒng)，它通過三種顏色的相加來產(chǎn)生其他顏色，這種方法被稱作加色合成法，而CMY顏色空間通過顏色的相加減來產(chǎn)生其他顏色，這種方法被稱為減色合成法，CMY顏色空間應(yīng)用于印刷技術(shù)，印刷品通過發(fā)射光線的原理再現(xiàn)色彩。（3）YIQ,YUV顏色空間YIQ和YUV都產(chǎn)生一種亮度分量信號和兩種色度分量信號。YIQ顏色空間應(yīng)用于北美的電視系統(tǒng)。這里的Y不是指黃色，而是指顏色的明適度，就是亮度。其實(shí)Y就是圖像的灰度值：而I和Q則是指色調(diào)，即描述圖像色彩及飽和度的屬性。（4）HIS顏色空間相對于RGB空間來說HIS彩色空間更符合人眼對顏色的感覺和認(rèn)知。其中H(hue)，S(samration)，I(intensity)分別表示色調(diào)，飽和度和亮度。色調(diào)是描述純色的屬性(純黃色、橘黃或紅色)，飽和度給出一種純色被白光稀釋的程度的度量，亮度是一個(gè)主觀的描述子，實(shí)際上它是不可能測量的。HSI的幾種變體：HSB，HSL，HSV［9］。HSI彩色空間可以用一個(gè)圓柱體來表示，如圖21所示。色調(diào)H由角度表示，其取值范圍：0~360176。，設(shè)0176。表示紅色，則60176。表示黃色，120176。表示綠色，240176。表示藍(lán)色，360176。表示品紅色或絳紅色。飽和度S分量是HIS顏色空間中軸線到彩色點(diǎn)的半徑的長度。強(qiáng)度I用在軸線方向上的高度表示，圓柱體的軸線描述了灰度級。如強(qiáng)度取最小值時(shí)為黑色，強(qiáng)度取最大值時(shí)為白色。每個(gè)和軸線正交的切面上的點(diǎn)，其強(qiáng)度都是等值的。圖21　HIS彩色空間從RGB到HIS的轉(zhuǎn)換為： ()上面三個(gè)式子中如果強(qiáng)度為零，飽和度就沒有定義，如果飽和度為零，色調(diào)就沒有意義。由于HIS模型可以直觀的將圖像的彩色信息用H和S兩個(gè)分量表示出來，而不受強(qiáng)度分量的影響，所以HIS空間對于彩色描述圖像處理方法是一個(gè)理想的工具。(5) CIE彩色空間CIE彩色空間是由國際照明委員會提出的，CIE空間有三個(gè)基本量X、Y、Z,通過X、Y、Z能夠表示任何一種顏色，X、Y、Z可以利用R、G、B線性表示出來： ()．彩色圖像分割方法彩色圖像分割是彩色圖像處理的首要問題，分割彩色圖像可以看作是灰度圖像分割技術(shù)在彩色模型上的應(yīng)用。目前，大多灰度圖像分割技術(shù)都可以擴(kuò)展到彩色圖像，許多的彩色圖像分割方法不僅可以灰度圖像分割方法應(yīng)用于不同的彩色模型，還可以直接應(yīng)用于每個(gè)顏色分量上，其結(jié)果再經(jīng)過一定的方法進(jìn)行組合，就可得到最終的分割結(jié)果。常用的彩色圖像分割方法有閾值化方法、基于邊緣的方法、分水嶺方法、區(qū)域生長法和區(qū)域合并法等[1014]。．閾值化方法閾值化是最簡單的分割處理，計(jì)算代價(jià)小速度快，是廣泛應(yīng)用于灰度圖像的一種分割技術(shù)。當(dāng)物體或圖像區(qū)域表征為不變的反射率或其表面光的吸收率時(shí)，則可以確定一個(gè)亮度常量閾值來分割物體和背景。閾值的選擇是閾值分割成功的關(guān)鍵，在整個(gè)圖像上可以施加單個(gè)閾值，也可以使用依賴圖像部分而改變的閾值，通常用是利用直方圖來選擇。閾值化方法對物體彼此不接觸，且物體與背景有著明顯差異的灰度值時(shí)，反映在直方圖上就是物體和背景都有不同的峰，選取的閾值就應(yīng)位于直方圖兩個(gè)不同峰之間的谷上，以便于工作將各個(gè)峰分開，得到的分割結(jié)果也會更理想。對彩色圖像而言，由于它有3個(gè)譜段，其直方圖是一個(gè)3維數(shù)組，在這樣的直方圖中確定閾值則比較困難。一種有效的解決方法就是給每個(gè)譜段計(jì)算一個(gè)平滑的直方圖，在每個(gè)直方圖中找到一個(gè)最顯著的峰，確定兩個(gè)閾值分別對應(yīng)于該峰兩側(cè)的局部最小值。根據(jù)這些閾值對各個(gè)譜段進(jìn)行分割，最后將各個(gè)譜段的每個(gè)分割投影到多光譜分割中。閾值化方法不需要先驗(yàn)信息，且計(jì)算量較小，但缺點(diǎn)是：(1)單獨(dú)基于顏色分割得到的區(qū)域可能是有缺陷的；(2)在復(fù)雜圖像的各個(gè)分量直方圖中并可能不存在明顯的谷，用來進(jìn)行閾值化分割；(3)當(dāng)像素顏色映射到3個(gè)直方圖的不同點(diǎn)時(shí)，顏色信息會發(fā)散；(4)沒有利用局部空間信息[15]。．基于邊緣的分割方法基于邊緣的分割方法依賴于由邊緣檢測子找到的圖像邊緣，邊緣檢測得到的圖像結(jié)果并不能作為分割結(jié)果，需要采用后續(xù)處理將邊緣合并為邊緣鏈，最終得到物體或圖像部分的邊緣鏈。不同的邊緣檢測子所得到的邊緣圖像是不同的，基于邊緣的分割方法常用的有以下幾種：(1) 邊緣閾值化[16]因?yàn)閹缀鯖]有0值像素，但小的邊緣值對應(yīng)于由量化噪聲、弱且不規(guī)則照明等引起的非顯著的灰度變化的邊緣圖像，所以就應(yīng)該對邊緣圖像做簡單的閾值化處理去除這些小數(shù)值的邊緣。簡單檢測子會是邊緣變粗，如果邊緣帶有方向信息，就可以通過應(yīng)用邊緣數(shù)據(jù)的非最大抑制來抑制單個(gè)邊界領(lǐng)域內(nèi)的多個(gè)響應(yīng)，以實(shí)現(xiàn)部分矯正。在邊緣圖像的8鄰域內(nèi)，每個(gè)非0幅值的像素，考察由邊緣方向指出的兩個(gè)鄰接像素，假如兩個(gè)鄰接像素的幅值都超過當(dāng)前考察像素的幅值，就將它們標(biāo)記出去除，直到所有像素都考察過。(2) 邊緣松弛法[17]邊界受圖像噪聲影響較大的邊緣圖像，在處理的時(shí)候很可能會遺漏重要的部分，可以對邊緣進(jìn)行上下文鄰域的邊緣信度評價(jià)來解決這個(gè)問題。在兩個(gè)強(qiáng)邊緣間的一個(gè)弱邊緣構(gòu)成的一個(gè)上下文里，位于其間的弱邊緣就很可能屬于結(jié)果邊界的一部分。如果一個(gè)邊緣沒有上下文鄰域，那么它有可能就不屬于任何邊界的一部分。在邊緣圖像中，裂縫邊緣就是進(jìn)行上下文鄰域評價(jià)的經(jīng)典例子。邊緣松弛法是一個(gè)迭代的過程，邊緣信度或者收斂到0或者收斂到1。在迭代的第一次，每個(gè)邊緣e的信度c(1)(e)可以定義為規(guī)范化的裂縫邊緣幅值，規(guī)范化可以是基于整幅圖像裂縫邊緣的全局最大值，也可以是基于該邊緣某個(gè)大鄰域內(nèi)的局部最大值。首先對邊緣圖像中的所有裂縫邊緣計(jì)算一個(gè)信度c(1)(e)，在每個(gè)邊緣的上下文鄰域內(nèi)，再根據(jù)邊緣信息c(k)(e)確定其邊緣類型，然后根據(jù)每個(gè)邊緣的類型和前面的信度c(k)(e)更新它的信度c(k+1)(e)，直到所有的邊緣信度全都收斂到了0或者1。(3) 邊界跟蹤法[18]如果區(qū)域的邊界未知，而區(qū)域本身在圖像中已定義，則邊界可以唯一地被檢測出來。邊界跟蹤法從作為邊界元素概率高的像素開始搜索它的相鄰像素，把最可能成為下一個(gè)邊界元素的像素加到邊界，從而逐步檢測出邊界。(4) Hough變換[19]當(dāng)圖像是由已知形狀和大小的物體組成時(shí)，分割可以看成是在圖像中尋找物體的問題。Hough變換就是解決該問題的典型方法，它通過在圖像中移動一個(gè)合適形狀和大小的掩模，尋找圖像與掩模間的關(guān)聯(lián)，它還可以用于重疊的或部分遮擋的物體的分割。Hough變換可以用來檢測任意形狀的物體，如果待搜索形狀的解析公式并不存在，廣義Hough變換就會根據(jù)在學(xué)習(xí)階段中檢測到的樣本情形構(gòu)建一個(gè)參數(shù)曲線描述?；谶吘壍姆指钭畛Ｒ姷膯栴}是由于圖像噪聲或圖像中不恰當(dāng)信息，而造成在沒有邊界的地方出現(xiàn)了邊緣以及在存在邊界的地方卻沒有出現(xiàn)邊緣的情況。．基于區(qū)域的分割方法(1) 分水嶺方法數(shù)學(xué)形態(tài)學(xué)理論在圖像分割的應(yīng)用中有代表性的是分水嶺算法。分水嶺算法是一種利用圖像形態(tài)學(xué)、基于區(qū)域的分割技術(shù)。相比于簡單的閾值分割，分水嶺算法是一種自適應(yīng)迭代閾值分割算法。分水嶺算法的思想來源于地理學(xué)（如圖22所示），它將梯度幅值圖像看成一幅地形圖，而梯度幅值對應(yīng)海拔高度，圖像中不同梯度值的區(qū)域就對應(yīng)于山峰和山谷間的盆地。它將圖像中每個(gè)物體都看成單獨(dú)的部分，并要求在每個(gè)物體的內(nèi)部至少要有一個(gè)標(biāo)記。標(biāo)記是根據(jù)應(yīng)用的關(guān)于該物體的知識，操作者手工或者通過自動程序選擇的。物體經(jīng)標(biāo)記后就可以用形態(tài)的分水嶺變換進(jìn)行區(qū)域生長。圖22 三維空間中的分水嶺和集水盆地示意圖分水嶺的分割算法主要分為兩步：排序和泛洪。排序，像素點(diǎn)按梯度值遞增排序，相同梯度值的點(diǎn)作為一個(gè)梯度層級。泛洪，根據(jù)排序掃描像素構(gòu)建集水盆地，每個(gè)集水盆地分派不同的標(biāo)記，不同積水盆地的水流入就匯集成了壩。分水嶺分割后的圖像是由幾個(gè)互不重疊的區(qū)域構(gòu)成。(2) 區(qū)域生長法區(qū)域生長就是在圖像被分成多個(gè)區(qū)域以及每個(gè)區(qū)域中像素的位置已知的情況下，從一個(gè)已知像素也就是種子像素開始，根據(jù)一致性準(zhǔn)則向鄰接區(qū)域生長，將滿足準(zhǔn)則的像素合并到種子像素所在區(qū)域中。當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過程，直到?jīng)]有滿足條件的像素可被接收時(shí)生長過程終止。區(qū)域生長示例如圖23，圖23(a)給出需要分割的圖像，選定兩個(gè)種子像素（下劃線標(biāo)識），進(jìn)行區(qū)域生長。生長過程是：當(dāng)所考察的像素與種子像素顏色值差的絕對值小于給定閾值T時(shí)，就將該像素標(biāo)記為與種子像素相同的顏色值。圖23(b)給出了T＝3時(shí)的區(qū)域生長結(jié)果，圖像被較好的分成了兩個(gè)區(qū)域。