九州体育 RGB模型与HIS模型之间的转换_数学_自然科学_专业信息

日期:2021-03-31 21:15:58 浏览量: 81

RGB模型和HIS模型之间的转换。 RGB模型到HIS模型。将三个R,G,B设置在[0,1]之间,HIS的相应Irgb模型,H,S分量可以如下计算:其中,H的值在[0 ?, 180?]之间,其中对应于G≥B的情况。在G180°处,H = 360°-H,并且H可以在[186°,360°]之间转换。使用H’= H / 360?将H转换为[0,1]。如果S = 0对应于无色中心,则H无意义,并定义为0。当I = 0时,S也无意义。从HIS模型到RGB模型,如果S和I在[0,1]中,并且R,G和B也在[0,1]中乐鱼直播 ,则转换公式为:当H在[0?,120? ]:当H在[120?,240?]中时:当H在[240?,360?]中时:彩色图像灰度图像从彩色转换为灰度的过程称为灰度,也称为脱色。彩色图像灰度的原理非常简单,即根据某种计算方法将图像每个像素的R,G和B分量取到相同的值。计算方法是将R,G和B分量值分配为(0. 3R + 0. 59G + 0. 11B)。 二、马赛克A.提取重叠区域对于已进行几何校正的要镶嵌的图像,必须首先找出它们的重叠区域,然后再进行镶嵌,为后续处理奠定基础。

B。搜索最佳镶嵌边缘最佳镶嵌边缘华体会官网 ,即相对于左右图像,两幅图像上亮度值最接近的线,Il-Ir =△Imin位于重叠区域中,而一幅则为-确定尺寸模板。从左向右移动模板进行搜索,根据某种算法计算相关系数,确定行的镶嵌点,逐行搜索以获取镶嵌边,并将镶嵌点的列号分配给数组一个值。本文讨论的两种方法之间的本质区别是使用不同的模板。 ①差异法差异法是直接计算两个图像之间的亮度差异,最小值为镶嵌点。具体算法是计算两个图像上每个模板元素对应的像素的R,G和B三个分量之差的总和,然后将它们相加以得到m,并取模板的中心元素每行中最大的m值。的像素是该行的镶嵌点。以长度为9的模板为例,计算过程如下(l代表第一幅图像,r代表第二幅图像,R,G和B代表三个颜色分量):△Ik = | R1-Rr | + | Gl- Gr | + | B1-Br |; //计算两个图像上与每个模板元素对应的像素的R,G和B分量之差之和m =△I1 +△I2 +… +△I9; //添加每个模板元素的△Ik②相关系数法相关系数法是根据相关系数测量公式计算与模板相对应的两幅图像的相关系数ρ,然后取每一行中最大ρ的模板的中心元素。的像素是该行的镶嵌点。

相关系数的测量公式如下:mm∑∑(fi,j-fi,j)(gi + rim体育平台 ,j + c-gr,c)i = 1 j =1ρ= mm 2 2 1/2 (∑∑(fi,j-fi,j)∑∑(gi + r,j + c-gr,c))以长度为9的模板为例,计算过程如下:Ikl =(Rl + G1 + B1)/ 3; //计算第一图像中每个模板元素对应像素的R,G和B的三个分量的平均值Ik2 =(R1 + G1 + B1)/ 3; //计算第一张图像中每个模板元素的相应像素R,G和B的三个分量的平均值sub1k =(Ik1-Ik 1) / 3; sub2k =(Ik2-Ik 2) / 3;结果= ∑sub1k * sub2k; //计算相关系数的分子result1 = ∑ sub1k * sub1k; result2 = ∑sub2k * sub2k; 1 / 2result0 =(result1 * result 2); //计算相关系数的分母ρ= result / result0; //计算相关系数C由于两幅图像导致的亮度和对比度调整并非同一时间,甚至不是同一传感器发出的信号。两者的亮度之间有一定的对比。因此,需要调整亮度以使色调和对比度接近,以使两个图像的色调和亮度在视觉上保持一致,并减少明显的拼接度。

亮度和对比度调整的过程如下:(1)根据从搜索最佳镶嵌边的过程中获得的数组a值,找到接缝点左右图像的平均亮度值,并将每个镶嵌点放在两个图像的R,G和R中。将B的三个分量的值相加并取平均值,以获得LAVE1,LAVE 2、 LAVE 3、 RAVE 1、 RAVE 2、 RAVE3。(L代表第一张图像,R代表第二张图像,1、 2、 3代表蓝色,红色和绿色的三个颜色分量。)(2)按以下公式更改右图上整个图像的原色,Ik2B = Ik2B +(LAVE1- RAVE 1); //蓝色分量,Ik2R = Ik2R +(LAVE2- RAVE 2); //红色分量,Ik2G = Ik2G +(LAVE3- RAVE 3); // Green分量(3)根据搜索找到接缝边缘上左右图像灰度的极值。 s进行比较以获取两个图像中所有镶嵌点的每个颜色分量的最大值和最小值,即lmax1,lmax2,lmax3,lmin1,lmin2,lmin3,rmax1,rmax2,rmax3,rmin1,rmin2,rmin3(l代表第一张图像,r代表第二张图像,max代表最大值,min代表最小值,1、 2、 3代表蓝色,红色和绿色的三个颜色分量。

(4)对整个右图像执行对比度拉伸。首先根据步骤(3)中获得的结果,计算三个颜色分量的线性拉伸的斜率和截距,然后对三个颜色进行线性化。颜色分量。拉伸。以蓝色分量为例,其线性拉伸的斜率为:fA1 =(lmax1-lmin 1) /(rmax1-rmin 1);截距为fB1 = -fA1 * rmin1 + lmin1 ;拉伸公式为,,, Ik2B = fA1 * Ik2B + fB1; D在对边界线进行平滑并针对亮度和对比度进行调整之后,接缝仍然更加明显,并且必须对边界线进行平滑处理以弱化接缝。拼接点每侧n个图像这样,平滑区域的每一行就有s = 2 * n-1个像素。以下公式用于计算平滑后每个像素的三个颜色分量的值在每行上(以蓝色分量值Ik2B为例):IkB1j IkBj = IkB2j Pj1 * IkB1 + Pj2 * IkB2 wei ght P的计算如下:Pj1 =(i – j +(s + 1) / 2)/(s +1); Pj2 =((s + 1) / 2 – i + j)/(s +1);在上面的公式中,j表示行号,i = avalue [j]是第j行镶嵌的列号点,而IkB1j和IkB2j分别是一、蓝色分量的两个图像。将上述结果分配给新图像以获得镶嵌结果图像。

的分类3 K均值步骤1:选择初始中心Z1rgb模型,Z2,...适当米类的Zm。初始中心的选择通常采用以下方法:1)根据问题的性质,根据经验确定类别m的数量,然后从数据中找到直观上适合的m个类别的初始中心。 2)将所有数据随机分为m个类别,计算每个类别的重心,并将这些重心用作m个类别的初始中心。初始中心的选择对聚类有一定影响,因此有必要根据需要选择更合适的方法。步骤2:在k次迭代中辛运28 ,将任意样本X调整为m个类别之一。对于所有i≠j,如果|| X-Zj ||,则i = 1、2、3……,m i-(s- 1) / 2 i-(s- 1) /2≤j≤i-(s- 1) / 2),表达式为:=(∑X)/ Nj其中Nj为样本Z的表达式为:|| 2步骤4:在Sj类中,Zj J = ∑∑ || X-Zj(k + 1)(k)(k + 1))确定。对于所有i = 1、2,...,m,如果Zi继续迭代,则图片:(k + 1) = Zi,则迭代结束,否则转到第二步(k)四、图像腐蚀操作原理和编程算法①腐蚀操作原理腐蚀操作原理是:将B置于A坐标系中,如果B包含在A中,则记下该点(结构元素的原点)a,然后记下该点集满足上述条件的a称为A被B腐蚀的结果。

腐蚀操作是图像收集A使用结构元素B腐蚀效果,如下图所示(腐蚀操作示意图):图像收集A结构元素B是腐蚀操作的示意图腐蚀后的图像(矩形区域中为黑色和白色)这种腐蚀方法为,对于二值图像,取B的原点和A上的点(黑点一一比较)。如果B上的所有(黑点)都在A(黑点)的范围内,则保留该点,否则将其删除。腐蚀的结果是腐蚀后图像集A'的黑色部分都在原始A的黑色部分的范围内,但仅比原始黑点少一个圆圈,因此称为腐蚀。 ②采用腐蚀编程实现算法思想中结构元素的选择。算法思想:水平,垂直和全向的结构元素可以看作是矩形结构。因此,可以使用类似于1X3、3X1和3X3的模板来实现编程算法。 ,选择不同类型的结构元件只需要为模板的宽度和高度取不同的值。这样,统一了不同方向上的结构元素的算法。图像集A的数据获取:根据bmp图像的数据特性,可以使用指针和指针转换来获取图像集A的数据。对于灰度图像的一个像素,只需要一个指针即可获得图像集A的灰度级。像素。彩色图像的像素需要三个指针来保存BGR的相应灰度级,即该像素的三种颜色。腐蚀实现的算法思想:结构元素的原点在图像收集中以特定顺序移动。对于图像集合A中的黑点部分,当结构元素移动到黑色部分的边缘时,使用指针依次读取该结构元素。如果发现是白点,即灰度为255亚博代理推荐 ,则将与结构元素的原点相对应的图像集A的像素设置为白点,即灰度,从原始值中分配值0至255;当结构元素中对应图像集的点全为黑点或全白点时,不对图像集进行校正。

对于彩色图像和灰度图像,唯一的区别是必须保存三种颜色的灰度值,即使二值化后它们都相同,也可以判断黑色和白点只能拿出一种可以判断颜色。 五、植被指数?植被指数比率:RVI = IR / RED?归一化差异指数:ND =(IR-RED)/(IR + RED)?垂直植被指数:PVI =((SRVR)2 +(SNIR-VNIR)2) 1/2?差异\环境植被指数:DVI = IR-RED?调整土壤亮度植被指数:SAVI =((NIR -R)/(NIR + R + L))(1 + L)变化检测基于像素光谱的变化检测和分类的变化检测,遥感图像多项式校正的六几何校正的一般过程是:(1)指定校正次数并确定校正公式。(2)根据地面控制点,用相应的图像点坐标执行调整计算变换参数,以评估精度。(3)确定边界范围(4)数字图像的灰度度重采样。IDODATA第一步:读取模式样本{,i = 1, 2,3,...,}。第二步:将N个模式样本分配给最近的聚类,如果Dj = min(“ X-zj”,i = 1,2,…,),即“ x-zj”的距离最小,则x∈Sj。步骤3:如果Sj中的样本数为NjθS(给定值),则同时满足以下两个条件之一:(a),即Sj中的样本总数超过指定值乘以两倍以上(b)Nc≤K/ 2,则Zj被分为两个新的聚类中心kσjmax,其中0