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）