图像颜色视觉理论（色度学）

2023-10-26 本文已影响0人大龙10

一、图像颜色特征的提取

针对图像的颜色信息，可以采用转换简单、快速的HSV颜色空间，使得颜色由RGB转换到HSV，然后提取了HSV的峰度、能量、一阶矩、二阶矩和三阶矩等共计五个特征量化参数。

色度学是将主观颜色感知与客观物理测量值联系起来，建立科学、准确的定量测量方法。

现代颜色视觉理论主要有两大类：一是杨-赫姆霍尔兹的三色学说，另一个是赫林的“对应”颜色学说。

这两种学说一直以来处于对立状态，直到近30年来，人们对这两种学说才有了新的认识，证明这两种学说是不可调和的。每一种学说都是对问题的某个方面获得了正确的认识，所以必须通过二者的相互补充，将两个学说辩证统一起来，才能够完美的解决颜色视觉现象。

色度学是研究颜色度量和评价方法的一门科学，它是包括了解剖学、物理光学、视觉生理、心理物理学、美学等各个领域的综合性科学。

随着颜色视觉研究的发展，其在计算机视觉、机械工业、模式识别等方面得到了广泛的应用。

色度学中有很多针对不同领域的表色系统，比较常见的有CIE标准色度学系统、 HIS模型、孟塞尔颜色系统、奥斯瓦尔德系统、自然色系统（NTSC）、OSA匀色标系统等。

为了用计算机来表示和处理颜色，就必须通过定量的方法来描述颜色，也就是要建立颜色的计算模型，即色度学颜色模型。

目前最常用的是国际照明委员会CIE提出的一套颜色测量原理、数据和计算方法，即RGB基色体系。其中红色R的波长700nm，绿色G的波长546.1nm，蓝色B的波长为435.8nm， RGB对应的三刺激值（归一化处理）组成三位正交坐标系统，该系统中任何颜色都落入RGB彩色立方体中，如图1所示。

图1 RGB颜色空间模型

HSV颜色空间直接对应于人眼视觉特性要素，即色调（Hue）、饱和度（Saturation）、亮度（Value），与人的感知近似一致，因此HSV色彩空间在实际中得到了广泛的应用。

HSV色彩空间的三通道通常是各自独立的，它可以表示为一个圆柱体的空间模型，如图2所示。

HSV的色调H（圆柱横切面）又称为色相，是指颜色的外观用于区别的名称或颜色的种类，是视觉系统对一个区域呈现颜色的感觉，它取决于可见光谱中光波的频率，是最容易把颜色区分开来的一种属性，如红、蓝、黄等，它用角度0～360°来度量；
饱和度S（圆柱纵切面）是指颜色的纯净性，它可用来区分颜色深浅的程度，是通过某种颜色被白光冲淡的程度来表示的，例如同样是黄色，也会因为浓度不同而分为深黄和浅黄，用百分比来度量，从0% 到完全饱和的100%；
亮度V（圆柱的纵轴）是人眼感觉到的光的明暗程度，光波的能量愈大，亮度就愈大。通常是255级度量，从黑0到白255。颜色的色调和饱和度合起来就说明了颜色的深浅，称为色度。

图2 HSV颜色空间模型示意图

HSV色彩空间广泛应用于计算机图形学、科学可视化等领域，它比RGB更符合人的视觉特性，两者的对比图如图3所示，并且RGB与HSV之间的转换是易行可逆的。在图像处理中，我们一般可以从一幅图像中获得该图像的RGB值，从RGB到HSV的转换公式如下：

图3 RGB到HSV的转换公式

图4 RGB与HSV颜色空间对比图

当S=0时，对应无色，这时H没有意义，此时定义H=0。
HSV色彩空间是一个均匀颜色空间，其转换是一个非线性变换，其转换简单、易行、快速。 HSV的量化结果可以产生符合人眼视觉感受的维数较小的颜色空间，有助于颜色特征的提取，所以采用HSV颜色空间来提取图像的颜色特征很有优势。