一、实验目的
使用MatLab软件对图像进行彩色处理，熟悉使用MatLab软件进行图像彩
色处理的有关方法，并体会到图像彩色处理技术以及对图像处理的效果。
二、实验原理
（一）一幅RGB图像就是彩色像素的一个M x N x 3数组，其中每一个彩色
像素点都是在特定空间位置彩色图像相对应的红、绿、蓝三个分量。RGB也可
以看成是一个由三幅灰度图像形成的“堆”，当将其送到彩色监视器的红、绿、
蓝输入端时，便在屏幕上产生了一幅彩色图像。按照惯例，形成一幅RGB彩色
图像的三个图像常称为红、绿或蓝分量图像。分量图像的数据类决定了它们的取
值范围。若一幅RGB图像的数据类是double,则它的取值范围就是[0, 1]，类似地，
uint8类或uint16类RGB图像的取值范围分别是[0, 255]或[0, 65 535]。用来代表
这些分量图像像索值的比特数决定了一幅RGB图像的比特深度。例如，若每个
分量图像都是8比特的图像，则对应的RGB图像的深度就是24比特。一般来讲,
所有分量图像的比特数都是相同的。在这种情况下，一幅RGB图像可能有的色
彩数就是(2b)3，其中b是每个分量图像的比特数。对于8比特的例子，颜色数即
为(28)3=16 777 216。
在matlab中要生成一副RGB彩色图像的基本语法：
B=cat(dim,A1,A2,A3,...)
其中，dim为维数，cat函数将A1,A2,A3等矩阵连接成维数为dim的矩阵。
例如：令fR、fG和fB分别代表三种RGB分量图像。一幅RGB图像就是利
用cat(级联)操作符将这些分量图像组合成的彩色图像:
I=cat(3,fR,fG,fB)
在这里，fR、fG和fB可以使用下列语句得到
fR=I(:,:,1);
fG=I(:,:,2);
fB=I(:,:,3);
例1：生成一副512*512的RGB图像，该图像左上角为红色，左下角为蓝色，
右上角为绿色，右下角为黑色。
clear
clc
rgb_R=zeros(512,512);
rgb_R(1:256,1:256)=1;
rgb_G=zeros(512,512);
rgb_G(1:256,257:512)=1;
rgb_B=zeros(512,512);
rgb_B(257:512,1:256)=1;
RGB=cat(3,rgb_R,rgb_G,rgb_B);
imshow(RGB);title('RGB彩色图像')
✓作业1：生成一副256*256的RGB图像，使得该图像左上角为黄色或者青色，
左下角为蓝色，右上角为绿色，右下角为黑色。
HSV 图像，指定为由范围[0, 1] 内的值组成的m×n×3 数值数组。
HSV的第三个维度为每个像素分别定义色调、饱和度和明度，如下表所述。
例如：创建一个2×2×3 的HSV 数组，用它指定四个蓝色梯度。
hsv(:,:,1) = ones(2,2)*.6;
hsv(:,:,2) = [1 .7; .3 0];
hsv(:,:,3) = ones(2,2);
使用hsv2rgb将HSV 数组转换为真彩色图像。然后显示图像。
rgb = hsv2rgb(hsv);
image(rgb);
（二）HSV彩色模型与RGB彩色模型之间的转换。
基本语句：
➢hsv2rgb -将HSV 颜色转换为RGB
此MATLAB 函数将HSV图像的色调、饱和度和明度值转换为RGB图像
的红色、绿色和蓝色值。
RGB = hsv2rgb(HSV)
➢rgb2hsv -将RGB 颜色转换为HSV
此MATLAB 函数将RGB图像的红色、绿色和蓝色值转换为HSV图像的
色调、饱和度和明度(HSV) 值。
HSV = rgb2hsv(RGB)
例2：
I=imread('C:\Users\Administrator\Desktop\ex\lena_color.bmp');
r=I(:,:,1);
g=I(:,:,2);
b=I(:,:,3);
figure
subplot(2,2,1);imshow(I);title('RGB彩色图像')
subplot(2,2,2);imshow(r);title('R分量')
subplot(2,2,3);imshow(g);title('G分量')
subplot(2,2,4);imshow(b);title('B分量')
hsi = rgb2hsv(I);
h=hsi(:,:,1);
s=hsi(:,:,2);
i=hsi(:,:,3);
figure
subplot(2,3,1);imshow(I);title('original image')
subplot(2,3,2);imshow(hsi);title('HSI彩色图形')
subplot(2,3,4);imshow(h);title('色调H')
subplot(2,3,5);imshow(s);title('饱和度S')
subplot(2,3,6);imshow(i);title('亮度I')
rgb_hsi=hsv2rgb(hsi);
subplot(2,3,3);imshow(rgb_hsi);title('RGB彩色图形')
作业2：利用作业1生成的RGB图像展示其R、G、B三个分量与RGB图；
将其转化为HSI彩色模型，然后展示H、S、I三个分量及HSI图。
（三）彩色变换
例3：
彩色图像变换
image=imread('lena_color.bmp');
res = im2uint8(zeros(size(image)));%生成image图像大小的0值unit8图片
[rows,cols,n] = size(image); % 图像行列数
res1 = im2uint8(zeros([rows,cols]));
res2 = im2uint8(zeros([rows,cols]));
res3 = im2uint8(zeros([rows,cols]));
temp1 = image(:, :, 1);
temp2 = image(:, :, 2);
temp3 = image(:, :, 3);
for i = 1:rows
for j = 1:cols
% 左右镜像
res1(i,cols-j+1) = temp1(i,j);
res2(i,cols-j+1) = temp2(i,j);
res3(i,cols-j+1) = temp3(i,j);
end
end
res(:, :, 1) = res1;
res(:, :, 2) = res2;
res(:, :, 3) = res3;
res = uint8(res);
subplot(121),imshow(image);
subplot(122),imshow(res);
作业3：将作业1中的图像进行上下镜像。
（四）彩色图像平滑和锐化
概念上，使用线性空间滤波器平滑RGB彩色图像fc的步骤如下：
1.提取三幅分量图像：
>> fR=fc(:,:,1);fG=fc(:,:,1);fB=fc(:,:,1);
2.分别对每幅图像滤波。例如，令w表示使用发fspecial产生的平滑滤波器，则
平滑红色分量图像的方法如下：
>>fR_filtered=imfilter(fR,w);
其他两幅分量图像的平滑方法与此类似。
3.重建滤波后的RGB图像：
>>fc_filtered=cat(3,fR_filtered,fG_filtered,fB_filtered);
在MATLAB中执行RGB线性滤波，所用的语法与单色图像使用语法相同，可
以将前面三步合为一步：fc_filtered=imfilter(fc,w);
例4：
fc=imread('C:\Users\Administrator\Desktop\ex\iris.tif');
h=rgb2hsv(fc);
H=h(:,:,1);S=h(:,:,2);I=h(:,:,3);
w=fspecial('average',25);
fc_filtered=imfilter(fc,w,'replicate');
h_filtered=imfilter(h,w,'replicate');
h=hsv2rgb(h_filtered);
subplot(2,2,1),imshow(fc),title('fc')
subplot(2,2,2),imshow(fc_filtered),title('RGB彩色模型空间平滑fc')
subplot(2,2,3),imshow(h),title('HSI彩色模型空间平滑fc')
I_filtered=imfilter(I,w,'replicate');
h=cat(3,H,S,I_filtered);
f=hsv2rgb(h);
subplot(2,2,4),imshow(f),title('HSI彩色模型空间平滑fc（仅平滑I分量）')
>>w4=fspecial(‘laplacian’, 0); %建立一个标准拉普拉斯模板
>>w8=[1 1 1; 1 -8 1; 1 1 1] ; %手工指定滤波器，建立对角线拉普拉斯模板
>>g4=imfilter(f, w4, ‘replicate’);
>>figure, imshow(g4)
>>g4g =f –g4;
>>figure, imshow(g4g)
>>g8=imfilter(f, w8, ‘replicate’); %使用imfilter滤波后的输出图像与输入图像
是同类图像，所以负值被裁掉，可以通过在滤
波前将f转换为double类图像解决这一问题。
>>f2=im2double(f);g8_f2=imfilter(f2, w8, ‘replicate’);
>>figure,
subplot(221),imshow(g8)
subplot(222),imshow(g8_f2)
>>g8g_f2 =f2 –g8_f2
>>g8g =f –g8 %原图像中减去用拉普拉斯算子处理过的结果，以还原失去的灰
度色调（因为中心系数是负值）
%也可使用imsubstract命令实现
fen=imsubtract(f2,imfilter(f2,w8,'replicate'));
>>figure
subplot(223),imshow(g8g);
subplot(224),imshow(g8g_f2)
作业4：对例3的图片进行5x5均值滤波后的图片进行拉普拉斯锐化并显示。
（五）彩色图像分割
>> help imseggeodesic
imseggeodesic -Segment image into two or three regions using geodesic
distance-based color segmentation %使用基于测地距离的颜色分割将图像分割
成两个或三个区域
This MATLAB function segments the color image RGB, returning a segmented
binary image with labels L. %此MATLAB 函数对彩色图像RGB 进行
分段，返回带有标签L 的分段二值图像。
L = imseggeodesic(RGB,BW1,BW2)
L = imseggeodesic(RGB,BW1,BW2,BW3)
[L,P] = imseggeodesic(___)
[L,P] = imseggeodesic(___,Name,Value)
>> help drawrectangle
drawrectangle -Create customizable rectangular ROI%创建可定制的矩形ROI
The drawrectangle function creates a Rectangle object that specifies the
shape and position of a rectangular region of interest (ROI).
%drawrectangle 函数创建一个Rectangle 对象，该对象指定矩形感兴趣区域
(ROI) 的形状和位置。
roi = drawrectangle
roi = drawrectangle(ax)
roi = drawrectangle(___,Name,Value)
例5：
RGB = imread('yellowlily.jpg');
subplot(131),imshow(RGB)
roiObject = drawrectangle(gca,'Position',[350 700 375 120],'Color','r');
roiBackground = drawrectangle(gca,'Position',[90 1230 910 190],'Color','b');
maskObject = createMask(roiObject);
maskBackground = createMask(roiBackground);
[L,P] = imseggeodesic(RGB,maskObject,maskBackground);
subplot(132),imshow(label2rgb(L))%label2rgb将标签矩阵转换为RGB 图像
title('Segmented Labels')
subplot(133),imshow(labeloverlay(RGB,L))%labeloverlay在二维图像上覆盖标签
矩阵区域
title('Labels Overlaid on Original Image')
>> help roipoly
roipoly -Specify polygonal region of interest (ROI)
This MATLAB function creates an interactive polygon tool associated with
the image displayed in the current figure.
BW = roipoly
BW = roipoly(I)
BW = roipoly(I,xi,yi)
BW = roipoly(xref,yref,I,xi,yi)
[BW,xi2,yi2] = roipoly(___)
[xrefout,yrefout,BW,xi2,yi2] = roipoly(___)
roipoly(___)
例6：
clc;
clear;
f=imread('C:\Users\Administrator\Desktop\ex\digital image processing\你的图.tif');
mask=roipoly(f);
R = immultiply(mask,f(:,:,1));
G = immultiply(mask,f(:,:,2));
B = immultiply(mask,f(:,:,3));
g = cat(3,R,G,B);
figure,imshow(g);
%找出平均矢量m和协方差矩阵C
[M,N,K] = size(g);
%重新排列g中的彩色元素
I = reshape(g,M*N,3);
%找出彩色像素的行索引
idx = find(mask);
I = double(I(idx,1:3));
%计算平均矢量m和协方差矩阵C
[C,m] = covmatrix(I);
%计算C的对角线元素并计算它们的平方根
%sd中的第一二三个元素是ROI区域中的红绿蓝分量的标准差
d = diag(C);
sd = sqrt(d);
%用欧几里得距离来计算
%以T的25倍作为阈值，这个值是最大标准差的近似
E25 = colorseg('euclidean',f,25,m);
subplot(2,2,1),imshow(E25);
%以T的50倍作为阈值
E50 = colorseg('euclidean',f,50,m);
subplot(2,2,2),imshow(E50);
%以T的75倍作为阈值
E75 = colorseg('euclidean',f,75,m);
subplot(2,2,3),imshow(E75);
%以T的100倍作为阈值
E100 = colorseg('euclidean',f,100,m);
subplot(2,2,4),imshow(E100);
（注意：colorseg, imstack2vectors为自编程实现的m文件。）
（六）彩色边缘检测
例7：
cd C:\Users\Administrator\Desktop\ex
I = imread('lena_color.bmp');
subplot(231),imshow(I);title('原图像'); %显示原图像
% edge -查找强度图像的边缘
% 此MATLAB 函数返回二值图像BW，其中的值1 对应于灰度或二值图像
I 中函数找到边缘的位置，值0 对应于其他位置。默认情况下，edge 使用Sobel
边缘检测方法。
I_R=I(:,:,1);
BW1_R=edge(I_R,'sobel');
I_G=I(:,:,2);
BW1_G=edge(I_G,'sobel');
I_B=I(:,:,3);
BW1_B=edge(I_B,'sobel');
out(:,:,1)=BW1_R;
out(:,:,2)=BW1_G;
out(:,:,3)=BW1_B;
subplot(232);imshow(double(out),[]);title('out3arrays');
out2=cat(3,BW1_R,BW1_G,BW1_B);
subplot(233);imshow(double(out2),[]);title('cat3arrays');
%f 是RGB 图像，T是[0,1]范围内的阈值选项(默认为0)；VG是RGB向量梯度
F(x, y)；
%A 是以弧度计的角度θ(x, y)，并且PPG 是由单独彩色平面的2D 梯度之和形
成的梯度图像
[VG,A,PPG] = colorgrad(I); %计算彩色图像的梯度
subplot(234);imshow(VG);title('VG');
subplot(235);imshow(A);title('A');
subplot(236);imshow(PPG);title('PPG');
作业5：采用’canny’方法寻找彩色边缘；或者自选一幅图像计算彩色图像的
梯度并绘图。
应用：证件照更换底色（附加内容，自愿）
参考阅读
发表评论