第7章颜色空间变换

/第7章颜色空间变换７。1彩色色度学模型7。１.1颜色的三刺激理论７。１。2ＣIＥ—ＲＧＢ彩色模型７。1.３XＹZ彩色模型7.1．４均匀色差彩色模型Ｌ*U＊V＊和L*ａ＊ｂ*８７。2工业彩色模型7。2．1ＲGB彩色显示模型7.2．２CMYK彩色印制模型７.2.3彩色传输模型（YUVYIQYcｒCb）7.3视觉彩色模型7．3。1HVＣ彩色视觉型(孟赛尔）7．3．２HSB彩色视觉模型(Phｏtｏshop）７。3。3HLＳ彩色视觉模型(画图）7.3。4HSI彩色视觉模型（图像分割）7。3．５HSY彩色视觉模型（电视）7.3.6各种彩色视觉模型的比较ﻬ１本节的教学内容：本节要做的不是讲解一个成熟的知识体系，而是提出一个待解决的问题.学习并理解彩色模型的转换方法，例如HIＳ.了解彩色模型的多样性和复杂性，例如非线性。使用彩色模型时可能遇到的困难，例如奇异点。2本节的教学效果：在多媒体技术应用、机器视觉、数字图象处理、计算机图形学、模式识别领域彩色模型是一个重要的研究内容。理解Phoｔoshoｐ（HＳＢ)与Wｉndows画图（HSL)中输出不同的数据是因为它们使用了不同的彩色模型。3本节的教学要求：RGB是所有电子设备使用的彩色模型,是转换为其它模型的基础。掌握在数字图象处理领域常用模型HIS和计算机图形学领域常用模型HSＶ模型与RＧＢ的转换方法.问题的提出:在多媒体和数字图象处理领域有多少种彩色模型？常用的是那些?哪个具体领域应该使用哪一种彩色模型?各种文献包括计算机科学领域的顶级学术刊物“计算机学报”中的各位专家都说自己使用的彩色模型是最佳的,可是现实中又有那么多矛盾和不合理的现象，为什么专家容许彩色模型如此混乱.在实际的科研中遇到图象分割问题，经常无所适从，不知应使用哪一种彩色模型。凑合着使用哪一种都能工作，深入研究没有人去做。寻找适合某个研究的彩色模型的过程中发现了奇异点问题。无数专家提到它，遇到问题时却回避它，没有见到有人专题研究。（章毓晋ＨSI，潘云鹤HSL，方明如ＨＩS,石俊生HSＶ。)许多专家回避的原因可能是分割目标较大,即使遇到奇异点也不会发生大的问题，而我们项目中处理的是细线，稍有差错就造成严重错误.探索的过程中还发现了Photoｓhop的HＳB和“画图”的HＳL（?）中存在许多与彩色理论相矛盾的地方.未解决的问题：Pｈotoshop的HSＢ与“画图"的HSL中的亮度存在非线形问题，如果用于图象分割可能产生严重错误。“画图”的ＨＳL中的饱和度存在问题，如果用于图象分割可能产生严重错误。不是从字面而是从定义考察，Photoshop使用的是HSB吗?不是从字面而是从定义考察，“画图”使用的是HSＬ吗？林福宗（清华,多媒体）说HSB与HSL(双锥）相同。P118。倪明田（北大，图形学）说HSＢ与HSI（单锥）相同。Ｐ27８。哪个正确？目标：对于挑出Photoshop的毛病并不感兴趣，更大的可能性是我们理解不够，重要的是在研究中应该任何处理.Pｈotoshｏp仅仅提供一个可以方便地实验的平台。对HＩＳ，HSV，HSＢ,HＳL，Ohta有一个清醒的认识，知道如何去很好地利用。揭示各种模型的奇异点的特点,在使用中避免错误。为图象处理和计算机视觉领域的同人贡献一点儿力量。

（林Ｐ11０)最近100多年来，为了满足不同用途的需要,人们开发了许多不同名称的颜色空间,“可以说表示颜色空间的数目是无穷的”，但是,现有的颜色空间还没有一个完全符合人的视觉感知特性、颜色本身的物理特性或发光物体或反光物体的特性.人们还在继续开发各种新的颜色空间.不同的颜色空间有着不同的特性，使用在不同的领域。因此在实际中需要进行不同颜色空间的转换.不同颜色空间的转换可以是直接转换,也可以通过与设备无关的颜色空间进行转换。这时就会遇到选择颜色空间和转换方法的问题。7.1该用什么颜色空间7。１.１颜色空间的分类为了使用颜色空间，首先应该了解各种颜色空间的特性。颜色空间的分类有多种方法。1．按使用类别分类有（崔屹)：彩色色度学模型：CIE-RGB（见图6－１0)、CＩE—XYＺ（见图６-11）、均匀色差彩色模型CIE19７6L＊ｕ＊v*(见图6－21）和CIＥL*ａ*ｂ＊(见图6—2２）工业彩色模型：RGB彩色显示模型、CMＹＫ彩色印制模型、彩色传输模型YUV（ＰＡL）、YＩQ(NTＳC）、YCrＣb(数字高清晰度电视）视觉彩色模型：ＨVC彩色视觉型(孟赛尔)、HSB彩色视觉模型(Phｏtoshｏp)、ＨLS彩色视觉模型(Wiｎdows画图和ＡppleCｏｌoｒPickeｒ）、HSI彩色视觉模型（图像分割）、HSY彩色视觉模型(电视）、I1I2Ｉ3(图像分割）等。2．按颜色感知分类有（林福宗）混合颜色模型：按3种基色的比例混合而成的颜色。RＧＢ、CMYK、ＸYZ等非线形亮度/色度颜色模型：用一个分量表示非色彩的感知，用两个分量表示色彩的感知，这两个分量都是色差属性。Ｌ＊a＊b、L＊ｕ＊v、YUV、YＩＱ等.强度/饱和度／色调模型：用强度描述亮度或灰度等光强的感知，用饱和度和色调描述色彩的感知，这两个分量接近人眼对颜色的感觉。如HＩS、HＳL、HSV、LCＨ等，3。按技术分类有（林福宗）计算机图形彩色模型:RGB、HIS、HＳL、ＨＳV、ＨSB、HVＣ（略）。CIE彩色模型：国际标准,基本度量方法（略)电视系统彩色模型:广播电视（略）

7。1.3什么颜色空间适合我 林富宗老师没有回答这个问题。下面是葛老师总结的一个表格,供参考。各种模型分类作者书名HIＳHSVＨＳＢＨSLHVCOｈta章毓晋图象处理和分析√ｐ1９章毓晋图象分割√p１17√ｐ11８√p117章毓晋基于内容的视觉信息检索√√√√方明如计算机图象处理及其在农业工程中的应用√p10７√p１08√p108Kennetｈ数字图象处理新版√p４５9阮秋琦数字图象处理学√ｐ２1７林福宗多媒体技术基础√p119√p１１５√ＨＳB与HSL相同ｐ11８√p１18√HVC是蒙塞尔p1１3钟玉琢多媒体技术（高级）√霍宏涛数字图象处理√柱、六角、三角、球李在铭数字图象处理压缩与识别技术√√倪明田计算机图形学√p2７8√HSB与ＨSV相同P27８孙家广计算机图形学（新版)√p４92√ｐ４94Dｏnｏld计算机图形学√p433√p４３7Photoshｏp商业软件√林福宗ｐ112Ｗthdｏws画图商业软件?Apple商业软件√林福宗ｐ112学术论文图象分割类√３√1√１小结：图象处理使用HIS较多，图形学使用ＨSV较多。图象分割使用ＨＳV较多,Ohta较新。

为了更有效的处理彩色图像,我们必须定量的描述图像的彩色信息，建立彩色模型。彩色图像是由各象素点的彩色决定的，像素点的可能彩色样本形成一个可能彩色集也称彩色空间。人眼对彩色的观察和处理是一种生理和心理过程,现在还没有完全搞清楚其原理,各种彩色模型的提出均是建立在实验的基础上.根据各彩色模型的特点和应用范围，可将彩色模型大致分为三类：彩色色度学模型、工业彩色模型和视觉彩色模型。1.彩色色度学模型１。1颜色的三刺激理论：纯的单色光在实际生活中是少见的.人们所见到的颜色都是混合色.关于混合的三刺激理论基于下述假设：在眼睛的中央部位有三种类型的对色彩敏感的锥状细胞。其中一种类型的锥状细胞对位于可见光谱中间位置的光波敏感，这种光波经过人的眼－脑视觉系统转换产生绿色感。其它两种锥状细胞对位于可见光谱的上、下端,即较长和较短波长的光波敏感，他们分别识别红色和蓝色.人眼对绿色光最敏感，而对蓝色光最不敏感。若这三种锥状细胞都感受到相同水平的辐射（单位时间内的能量），则眼睛看到的是白光。[6]然而，从生理学角度看,由于眼睛仅包含三种不同类型的锥状细胞，因而对任意三种颜色适当的颜色均可产生白光视觉，条件是这三种颜色中任意两种的组合都不能生成第三种颜色。这三种颜色成为三原色,也叫三基色。Ｇrａssｍan对于彩色进行了长期的定量测量之后，提出了著名的三色调配公理[７］,摘要其中部分内容如下：（1）任一种彩色可又不多于3种色光的混合度调配而成.(２)由诸色光生成的混合，其分量不能被人眼辨认.(3)彩色混合物的亮度是其各分量的亮度和。

1．2CIE—RGB彩色模型１93１年，国际照明委员会（CIE)制定了第一个彩色色度学模型CＩE—RＧB模型.CIE—ＲGB模型是在三原色学说下建立起来的颜色模型，它把与三种锥状细胞对应的红色、绿色、蓝色作为三种基色,通过改变三原色的数量,混合出其它各种颜色。其中λ[R］=700nm(红光波长），λ［G］=54６。１ｎm(绿光波长）,λ[B]=４３５.8nｍ（蓝光波长)。CIＥ—RGB彩色匹配模型如图1所示。1。3XYZ彩色模型ＣIE—RGB彩色模型并不能产生所有颜色。从图中可以看出,在某些情况下，颜色还会出现负值，这是实际系统无法实现的。为了克服这一缺点，CＩＥ于１9５6年提出了XYZ彩色模型.CIE-ＸYZ颜色空间包含了人类能够发觉的所有颜色。其中三刺激值X、Y、Z是为消除色度坐标中负值而设计的,并不代表真实的物理彩色。它与ＣIE—RGB彩色模型的转换公式如下：X0．４900．３1００.200RY=0。1７７0。８130．０11*GZ0。0000．０100．990B对于标准白光，有X=Y=Ｚ=1,其彩色匹配图如图2所示：现定义CＩE三刺激值的色度坐标ｘ，y，z分别为:x=X/(Ｘ+Y+Z）ｙ＝Y／（Ｘ＋Y+Z）z=Ｚ/（X+Y＋Ｚ）则总有x+y+ｚ=１.这样,就可以考察x，ｙ,ｚ总量一定的情况下，各分量对彩色效果的作用。显然，在x,y,ｚ三个变量,其中某个变量可以用另外两个变量来表示,即只需其中任意两个变量就可以表示该彩色。x,y，ｚ三个变量任选两个变量组成直角坐标系,可在二维坐标系中表示任意色彩,相应的坐标系称为色度坐标系，ｘ,ｙ，ｚ成为色度坐标。在色度坐标系中形成的三角形色度图包括了整个可见光谱轨迹。CＩE委员会最后对XＹＺ三角形位置进行调整，使得当三个设想原色XYZ取相等值时所生成的颜色为白色。下图是对所有可能彩色进行处理得到以色光波长为参变量的色度变化图（如图3所示）和色差变化图(如图4所示)在图中,舌形图的外形轮廓线是灰度线，连接舌形图两极的直线为紫色线，可实现的彩色色度位于舌形封闭曲线内部。从图（3)中可以看出,人眼对绿光最敏感，可以感受到的绿光光谱范围最宽。在图（4)中，椭圆区域表示人眼不能分辨彩色差别的区域,在该区域内的彩色均被视为同一种彩色，即该椭圆区域内的各种彩色均可用同一种彩色表示,这实际就是彩色图像彩色空间的一个潜在压缩因素。ﻬ1．４均匀色差彩色模型从图中可以看出，XYZ彩色模型的色差(两个颜色点的距离表示两种颜色的差别)的分布是不均匀的，色度图中两种颜色的色差与人眼感觉到的色差不一致。也就是说,色度图中距离大的,并不对应视觉上两个颜色的差别就大.这个特点使人们应用CIＥ—－XYZ模型甚感不便.为此，1976年，CIE在ＸYＺ彩色模型的基础上又提出两种视觉均匀色差彩色模型L＊U*Ｖ＊和L＊a＊b＊.在这两个彩色空间模型中L*分量和XＹＺ彩色模型中的Y分量一样都是表示图像亮度的分量.1。4.1L＊U*V＊彩色模型L＊U*V＊与XＹZ彩色模型的转换L＊=１16f（Y/Yｎ）-1６U＊=13L＊（Ｕ´–Ｕ´n）式(１）V＊=１３L*（V´–V´ｎ)式中：Xn,Yn,Zn为标准白光所对应的XＹZ值.在L＊U＊V＊彩色空间中，测量两种彩色的色距可以用欧式距离来定义，如式（2)所示,相同距离的彩色色差与人眼的主观感觉基本一致。正如我们开始提到的，L＊分量与图像的亮度有关;而在U＊V＊平面中U*Ｖ＊向量的模与色差相关，而U*V*向量的相角arctｇ（Ｕ*/V＊)则与图像的色调有关.在这个公式中：C表示两种彩色Va和Vｂ的距离。当Ｃ约等于２.9时，人眼刚好能辨认这两种颜色，换句话说，当距离C<2。9时,两中彩色的色差是不可辨认的，被视为同一种颜色。1。4．2Ｌ＊ａ*b＊彩色模型Ｌ*ａ＊b＊与XYZ彩色模型的转换：式中,Xn，Yn，Zn为标准白光对应的值。在Ｌ＊ａ*b*彩色空间中,两种彩色的色距Ｃ可以用欧式距离来定义,如式(4)所示。相同距离的彩色色差与人眼的主观感觉基本一致，当C约等于２.1时，两中彩色的色差人眼刚好能辨认。正如在L*U＊V*彩色空间，Ｌ＊a*b*彩色模型中L*分量与图像亮度有关，并且在a＊b*平面中a＊b*向量的模与色差有关，向量的相角aｒctg（a／ｂ)与图像的色调有关。

２．工业彩色模型除了前面讨论的彩色色度学模型外,在实际应用中为了和实际硬件将结合,人们提出了各种在工业上用的彩色模型,其中最常用的是RGＢ工业模型、CMYK彩色印制模型、彩色传输模型等。2。１RGＢ彩色显示模式该模型广泛用于ＣRT显示器、数字扫描仪、数字摄像机和显示设备上，它是当前应用最广泛的一种彩色模型。RＧＢ彩色模型可用一个三维空间第一象限的立方体来表示，如图５所示。彩色立方体中有三个角对应于红、绿、蓝三种基色，分别对应三种基色的补色黄、青、品红。从立方体的原点(黑色）到白色顶点的主对角线被称为灰度线，线上所有点具有相等三分量,产生灰色影调。RGB模型与CIＥ—RGＢ模型间有线性关系：Rcie1.167-0．146－0.151RGciｅ=0.1440。７5３0．1５9ＧBｃie—0．00７０.０591．1２8ＢX0.6070．1740。２01ＲＹ＝0．2990.587０。114ＧZ０.０000。0660。117BRGＢ模型是一种加色系统，如图6所示，主要应用于发光体，几乎大部分的监视器都采用这种彩色模型.因而,他在真实感图形绘制系统中得到广泛应用。在此系统中计算的任何颜色都落在RGB彩色立方体内。RＧＢ系统的优点:(1）简单。(2）其它表色系统必须最后转化成RGB系统才能在彩色显示器上显示。RGB系统的缺点：(1）RGB空间用红、绿、蓝三原色的混合比例定义不同的色彩，使不同的色彩难以让人用准确的数值来表示，并进行定量分析;（2）在RＧB系统中,由于彩色合成图像信道之间相关性很高,使合成图像的饱和度偏低,色调变化不大,图像视觉效果差;（3)人眼不能直接感觉红、绿、蓝三色的比例，而只能通过感知颜色的亮度、色调以及饱和度来区分物体,而色调和饱和度与红、绿、蓝的关系是非线性的。因此，在RGＢ空间中对图像进行增强处理结果难以控制。2。2CMYK彩色印制模型它主要适用于印刷油墨和调色剂等实体物质产生颜色的场合，广泛用于彩色印刷领域。CMＹK彩色模型是一种减色模型，色彩来源于青、品红、黄3种基色.这3种基色从照射纸上的白光中吸收一些颜色，从而改变光波产生颜色,即从白光中减去一些颜色而产生颜色，如青色是从白光中减去红色得到的；黄光是从白光中减去绿光得到的。从白色中减去所有的红色、蓝色、绿色就得到黑色，故彩色印刷设备无法产生白色,白色只能由白纸产生。CＭY与RGB的转换公式如下：C=1–RM=1-G式（3)Y=１-B在ＣＭY颜色模式中，理论上,白纸会10０%反射入射光,把ＣＭY三种100%颜色混合则会吸收所有的光，产生黑色.在实际印刷中,纸总是吸收一些光，青、洋红、黄3原色油墨难免有些杂质，因而1０0％的3原色组合形成的黑色往往呈现混浊的灰色，黑度不够，为了弥补这一缺陷,印刷中加入了黑色颜料,即Ｋ色,称此为CＭYＫ模型.ＣＭＹ模型也修正为CMＹＫ模型。K=Min(C,M，Y）C＝C–KＭ=Ｍ–K式（４）Y=Y–K在该模型中，彩色图像的每个像素值用青、品红、黄、和黑4种油墨的百分比来度量颜色，浅颜色像素的油墨百分比较低，深颜色像素油墨的百分比较高，没有油墨的情况为白色.RGＢ和CMＹＫ彩色模型，看上去相差甚远,实质上两者是互补关系。可用颜色轮来描述这种关系，如图7所示。2.3彩色传输模型彩色传输模型主要用于彩色电视机信号传输标准，主要有ＹＵV、YIQ和YCrCｂ模型。他们的共同特点是都能向下兼容黑白显示器，即在黑白显示器上也能显示彩色图像，只不过显示为灰度图像。三种彩色传输模型中，Y分量均表示黑白亮度分量,其余分量用于显示彩色信息.２.3.１YUV彩色传输模型Y分量代表黑白亮度信号,而Ｕ和V分别表示彩色信息用以显示彩色图像.对于黑白显示器而言，只需利用Y分量进行图形显示，彩色图像转为灰度图像.YUV彩色模型适用于PAL、SＥCＡM彩色电视系统。好处如下:亮度信号解决了彩色电视机与黑白电视机兼容的问题。（２）大量实验表明:人眼对彩色图像细节的分辨本领比对黑白图像要低得多。因此，用Y信号传递细节,用色差信号U、V进行大面积彩色涂抹。YＵV彩色模型和ＲGB工业模型转换公式如下:Y０。2990。５870．11４RＵ=-0．１47—０。２87０．436G式（5）Ｖ0.615-0．５15—0.1０0B2。３。2YIQ彩色传输模型1９５３年,YIQ模型被美国国家电视标准委员会(NTSC)采用为电视广播标准,它是经YUＶ模型旋转色差分量而形成的彩色空间.在该模型中Y轴指定为亮度的近似；余下两轴为彩色信息，I轴作为蓝-红色信号形成的橙色向量;Ｑ轴作为黄-—绿形成的品红向量，他们尽可能的被安排选择占用很小的带宽，因此传输速率高.且I、Q两个向量中任一个都不能对应心理学上感知的量，人眼不能直接分辨。根据ＣIＥ定义,YIＱ和RGB模型的相互转化如下式:Ｙ=0。29９Ｒ+0。5８7G+０．１1４BI=０．5９6R–０。275Ｇ–0。32１Ｂ=０。736（R－Ｙ)–0。268(B-Y）式（6）Ｑ=０.2１2Ｒ–0。523G+0。311Ｂ＝0．47８（R－Y）＋0。41３（Ｂ—Y)Icoｓ３3sin33U=式（7）Ｑ－ｓｉｎ３3cos3３V2。３.3YCrCb彩色传输模型YCrCb彩色模型是由国际电联(ITU—RBT.601［89８］）制定的一个全球的数字视频标准.它主要用于两种不同电视制式（彩色和黑白）的兼容.YＣrCb模型是YＵV彩色模型的离散形式，适用于计算机用的显示器型［1９]。其中Y分量的范围为[１6，235］，Cr、Cb分量的范围为［1６,245]。与RＧB工业模型的转换公式为[１9]：Ｙ0.２2９0.5870。114R0Cｒ=０．500－0.１487—0。0８13G+１２8式（8）Cｂ-0.1６87-0.33130.500B１28彩色视觉模型前面讨论的彩色模型是从色度学和硬件实现的角度提出的,用户难以用他们来描述视知觉的颜色。从人眼视觉特性来看，用色调（Huｅ）、饱和度(Ｓatuｒaｔioｎ)、亮度（Ｉlｌuminatioｎ）来描述彩色空间能更好的与人的视觉特性相匹配。人眼彩色视觉主要包括色调、饱和度、亮度三要素。色调指的是颜色的种类,主要由光的波长决定,不同的波长呈现不同的颜色,色调也就不同；饱和度的概念可以描述如下：假如你有一桶纯红色的颜料,它对应的色度为０，饱和度为1，混入白色颜料后红色变得不在强烈,就减少了它的饱和度，但它并没有变暗,粉红色对应的饱和度约为０.5左右。随着更多的白色染料加入到混合物中,红色变得越来越淡,饱和度降低，最后接近于零（白色)。相反,将黑色染料加入到纯红色染料中，它的亮度将降低(变黑）,它的色度和饱和度将保持不变.纯色光中没有白色，饱和度最高，随着掺入的白光的增加，纯色光的饱和度将降低，若只有白光,饱和度为零.亮度指人眼感受到的光的明暗程度,光的能量越大,则亮度越高;反之，亮度越暗。基于人眼视觉的三要素,人们建立了多种彩色模型，如HＶC模型、HIＳ模型、HＬＳ模型和HSB模型等.彩色视觉模型的优点在于：（1）彩色视觉模型的三个要素相对于人的视觉分量，彼此之间相互独立（视觉心理和物理两方面），能够获得对彩色的直观表示;(2）视觉彩色模型空间均为彩色空间，各彩色指根据主干评价均匀量化、彩色距离的大小与人眼的感觉一致。（3）由于彩色激励均匀分布，很容易建立误差优化准则，将量化误差控制在要求的范围内。ﻬ３。1ＨVC彩色视觉模型孟赛尔颜色系统是比较经典的表面色系统.它从心理学的角度，根据视觉特点制定颜色分类、定标系统。它一个三维立体模型把各表面色的三种基本特性:明度、色调、饱和度全部表示出来（如图)。立方体中每一个小方块代表一种颜色，中央轴线代表非彩色的黑白系列表面色的１0个等级,且后来编排出了10个和CＩE—XYZ系统的色度坐标(x,ｙ)相对应的色品图,称为孟赛尔色品卡的CＩＥ色品图。离开中央轴的水平距离代表饱和度的变化.每一个水平剖面表示在某一亮度下,色调和饱和度的分布。和其它理想的视觉彩色模型相比，蒙赛尔系统中饱和度最大的颜色并不在一个圆周上。如图（１3)：蒙塞尔颜色系统的每一个水平剖面上有10个等角度分布的色调，主要色调和中间色调各5种，分别是红（R）、黄(Y)、绿（G）、蓝(Ｂ）、紫（P)、黄红（YR）、绿黄（GＹ)、蓝绿(BＧ）、紫蓝（PＢ）、红紫(RＰ),更细致的划分结果是将每一种色调有分成10个等级,并规定主要色调和中间色调的等级都为5,剖面图中每一块小面积的颜色都可以用色调、亮度、饱和度这三个指标来表示,形式如下：HV/C＝色调亮度/饱和度NＶ/=中性色亮度其中，色调亮度/饱和度就是我们提到的ＨＶC彩色模型。HVC彩色模型是最早通过主观评价测试建立的均匀视觉彩色空间。在该模型中.任意两种颜色的欧式距离正比与人眼感到的色差。对人而言，ＨVC彩色空间是均匀的.由ＲGB空间到ＨVC空间的转换十分复杂，最初它一查表（表的大小为２５6＊25６＊25６）的方式将RＧB数据转换为HVC数值,直到Miｙahaｒa提出一种数学转换公式,比查表相对简单，但它仍然很复杂。HSＢ彩色视觉模型由于用户难以用ＲGB、CＭYK等颜色系统描述知觉的颜色，于是Smｉth在1９78年提出的面向用户的主观颜色系统HSＢ模型。该模型的思想完全画家作画的配色过程：给以纯色颜料，画家在它上面掺入白色以获得色泽，而掺入黑色以获得色深，如同时调节则获得不同色调的颜色,这些概念之间的关系可表示成一个三角形，这个三角形仅表示了单一颜色，若将表示每一纯色的三角形排列在RGＢ模型中黑白轴线的周围,就构成了一个实用的关于主观颜色的三维表示,这就是我们在Ｐhotｏｓｈｏp中熟悉的HSB颜色模型。假如沿RＧB颜色立方体的主对角线，由白端到黑端看过去，它在平面上的投影将构成一个六边形，RＧB的三原色和相应的补色分别位于六边形的各个顶点上。境地个三原色的饱和度或色纯度就得到一个较小的RGB颜色立方体,显然这一小立方体所包含的颜色域也相应缩小，小立方体在平面上的投影生成一个小的六边形。若将RGB颜色立方体和其子立方体的投影沿着主对角线层层堆积，就形成了一个三维的六棱锥。HＳB模型属于非线性色彩表示系统,HSB色彩表示空间同人对色彩的感知相一致，且在HSB色彩空间中，人对色差的感知觉均匀，因此HSB色彩空间是适合人的视觉特性的色彩空间。但不能反映色知觉的心理规律,又不是视觉上均匀的彩色空间.RGＢ模型转换到HSB模型的算法如下:/＊*＊＊＊***＊＊*＊＊＊＊＊***＊**＊＊**＊＊**＊*＊＊＊＊＊＊***＊*＊*＊r、g、ｂ输入的值范围（0—２5５）H的输出值范围（0—360)S、Ｂ的输出值范围(0—１）*＊*＊＊*＊＊＊*＊**＊＊＊***＊＊＊**＊**＊＊*＊＊*＊*＊*＊*＊**＊＊＊*＊*／＃ｄefineundefinｅｄMAXINTRＧBtｏＨSB（flｏaｔr，floaｔｇ,floatｂ，floａt*H，floaｔ＊S，floaｔ＊B）｛floatMａｘVａluｅ，MinＶalｕe，diff,Ｒdiｓt，Gdisｔ,Ｂｄist；floatR=r／２55，floatG=ｇ/255,floatＢ＝b/255;ﻩif（Ｒ〉＝G）MaxＶalue=R;ﻩelseMaｘValuｅ=Ｇ;ﻩif(B>MaxValue）ＭaxValue＝Ｂ； if（R＜=G）MｉnValue＝R; ｅｌseMｉnＶaluｅ＝G；ﻩiｆ(B<MinValuｅ）ＭｉnVａｌue=B;ﻩｄｉfｆ=MａｘValｕe－ＭiｎVａlue;ﻩ＊Ｂ=MaxVaｌue*1００； if(MaxＶaluｅ！=0）*S=dｉff/ＭaxＶalue＊100；ﻩeｌse＊S=０； if(*S==0)*H=ｕｎdｅｆｉned；ﻩｅlse ｛ﻩ Rdist=(MａｘＶalue—R)／diff； ﻩＧdist=（ＭaxValue-G）/diff；ﻩ Bdｉsｔ=（MaxValue－B）/dｉff；ﻩﻩif(Ｒ==MａｘValuｅ)*H=Bdist—Gdist； ｅlｓeif(G＝＝MaxValuｅ)*Ｈ=2+Rdiｓｔ-Bｄｉｓｔ； elseif(B==MａxValｕe)＊H=4+Gｄiｓt-Rｄｉsｔ; ﻩ*H=*H*６0； ﻩiｆ（＊H〈０)*H=＊H+360；ﻩ｝ﻬ3．3HLS彩色视觉模型HLS模型是HSV颜色模型的变形，该模型也是用色彩、亮度、饱和度来描述颜色.它被微软用于画图程序当中。如图（9）所示：其可见颜色空间是一个双六棱锥体,与ＨSV模型不同的是：HLS模型中的最亮纯色位于L=0．５处.它主要用于描述发光体的颜色.Tektronix公司用它作为图形的硬件标准.ＲGＢ模型转换到HLS模型的算法如下：/＊＊＊＊＊＊＊＊＊*＊＊＊＊＊*＊＊*＊＊＊**＊*＊***＊＊＊***＊＊＊**＊＊＊＊＊r、g、ｂ输入的值范围（0-25５）H的输出值范围（0—３６0）L、S的输出值范围(0—1）＊***＊＊＊*＊＊*＊**＊＊**＊＊＊＊***＊＊＊＊＊＊*＊＊＊＊*＊***＊*＊＊***/＃defineｕndefｉnedMAＸINT；#ｄefinｅSmallValｕｅ0。0０００００1RGＢtoHＬS（floatr,fｌoatg,floａtｂ，float＊H,fｌｏaｔ＊S，ｆｌoat＊Ｌ）{floatＭａxValue,MinＶaluｅ，dｉff，Rdiｓt，Gdｉst,Bdist；ｆloatR=r／255,ｆｌoａtＧ=g/255,floatＢ=ｂ／2５5; iｆ（R＞=G）ＭaxVａlｕe＝Ｒ；ﻩelｓeMａxＶalue=G；ﻩif（B＞ＭａxVａlｕe）ＭaxVａlue=B; ｉf（R<=G）MinValue=R； elｓeMiｎVａｌue=Ｇ；ﻩif（Ｂ〈MinＶalue）MｉnVａｌue=B;ﻩdiff＝MaxValue-ＭｉｎValuｅ;＊L=（ＭaxValue+MiｎValue)/2；iｆ(ｆabｓ（diff）<SｍaｌlValｕe）//if(MaxＶalue==MｉｎValue）{*S＝0;＊H=undefiｎeｄ;｝ｅlse｛iｆ（＊L〈=0。5）*S=diff/（MａxValuｅ+MiｎVaｌuｅ）；elｓe＊S=difｆ/(2–MaxVａlue—ＭinＶalｕe）;Rdiｓt=（MaxＶaｌue－R）/ｄiff；ﻩGｄist=(MaxＶalue—G)/dｉff;ﻩBdist＝(MａxＶａlｕｅ-Ｂ）/diff；ﻩif（R==MaｘValue)＊Ｈ=Bdiｓｔ—Gdist； elseif（G=＝MaxValｕe）＊H＝2＋Ｒdisｔ-Ｂｄist；ｅｌsｅｉf(B=＝MaxValue）＊H＝4+Gdist-Ｒｄist；＊H＝＊Ｈ*60;if(*H〈0)＊Ｈ=＊H+3６0；｝｝

3．４HSI彩色视觉模型如下图所示：HIＳ模型是一种柱状彩色空间(如图10)。它是将RGＢ立方体空间沿着黑白轴线旋转，形成一个个坐标系，再将该坐标系转换为极坐标（见下面公式)。ＨSＹ彩色视觉模型HSＹ模型一种彩色传输模型，传输基本的色差和亮度信号。实际上YCrCb传输模型、YUV模型以及YIＱ模型都是在HSＹ模型的基础上对色差信号进行调制和压缩后形成的电视传输标准。被用作摄像机的彩色标准。HSY和RＧB彩色空间的变换如下:Y=0。299*Ｒ+0。587＊G＋0.1１4*ＢCｒ＝R—ＹCb＝B－ＹＨuｅ＝ａrctan(Ｃr/Cb)Sat=sｑr（Cr*Cｒ+Cｂ＊Cb)上式中Y视常用的亮度公式，它是根据美国国家电视制式委员会的NTSＣ制式推导得到的。[2０]取值范围是0—255;色调Hue代表不同颜色，取值范围是0-359；饱和度Sat代表颜色的深浅程度，取值范围是0—255.

３.6各种彩色视觉模型的比较选择彩色模型，本质上就是选择有关用户与计算机如何通信颜色的语言,因此这种语言必须能让用户直接感观，符合人眼视觉特性,即用色调、饱和度、亮度来表示的彩色模型。于是就视觉彩色模型进行深入的探讨。1.基于孟塞尔彩色系统的HVC模型孟塞尔彩色系统能比较系统和完善的表示颜色，它在视觉上是等色差的，即沿色调、亮度值、或饱和度方向上等量的变化产生相同的视觉差异。蒙塞尔系统是比较经典和理想的均匀的颜色表示系统.遗憾的是，蒙塞尔系统没有具体的描述公式，(！!!）是依靠大量的实验数据，以查表方式(表的大小为256*256＊256）和蒙塞尔色品卡建立起来的，因此和其它的彩色模型的转换十分复杂，必须通过数据查询和线性插值，计算量繁多，尤其是求颜色间的细微差异，计算时间过长。这使一般用户很难接受。所以不予考虑.为了研究其余的几种模型,测试了8种基本颜色，其RGB值和对应HＳV、HLS、HSＹ值如下表所示：设定值结果颜色RGBＨSB(Pｈotｏshoｐ)(葛验证过0304１1）H=０ｏ-360oＳ=0—１00%B=0—１00%HSL(画图）(葛验证过0304１１）Ｈ=0-239S=0-２40L=０-２40模型HSY白色255,255，255０,0,10０16０，０,２4０0,0，２55黄色25５,255，060，1００，1０040，2４0，１２01７2，226，２25青色0，２5５，２551８0，１00,１0012０，2４0，１２0-66，１93,17８绿色0,255,0120,100，10０80,24０，120—135，21０,14９品红255，0，25５3０0，10０，1０0200，2４0，1２０４5，２12,10５红色255，0，0０，1０0，1000，240,120１１3,１94,76蓝色0,０,25５240，100，10０1６0，240,１20－7,227，29黑色0,0，0０，０,00,0，0０,０,0通过对上表数据和其颜色模型的分析，可得出下面结论：(1）Pｈotoshop中HＳB彩色模型：HSB彩色模型是一个单锥体，红、绿、蓝以及各自的补色色调均匀分布,实际是基于孟塞尔彩色系统的一种理想情况（见图8）。①在HSB模型中,除白色外，R、G、B三值中只要其中一个值是２55，饱和度就等于最大值１00;同一亮度下，各种颜色的饱和度都相等；饱和度(Ｓ）随着亮度(B）的变化而均匀的变化。这和孟塞尔实测模型不一致。②HＳB模型中，在同一亮度平面上，可见到所有的颜色.这与人眼的视觉特性相违背（人眼在某一特定的背景下，某些颜色是分辨不出来的,这在日常生活中经常遇到）。③由于亮度公式为B=max（R,Ｇ，B),所以只要R、G、Ｂ中有一个值为255，那么亮度B就达到最大值10０。于是，在锥形顶端的平面上，可以同时看到各种纯彩色颜色和白色。这与Ｇrassmａn的三色调配公理和格拉斯曼定律（红光、绿光、蓝光同时到达人眼时,人们获得的主观感觉可以等效于一个单独的彩色光源,而亮度在数值上等于三基色亮度的总和）不符合。

（2)画图中的HLＳ模型HLS模型是一个双锥体(见图９)。它也是基于孟塞尔彩色系统的一种理想模型,其色调H与HSＶ模型中的色调分布完全一样。不同的是：HＬS模型中的最亮纯色位于L=0。5处,亮度为最大时,只能看到白色，这是该模型的优越之处。但它自身也同样存在一些缺点:①除白色外，Ｒ、G、B三值中只要其中一个值是255，饱和度就等于最大值10０;同一亮度下，各种颜色的饱和度都相等;且饱和度随着亮度L均匀的变化。②HLS模型中的三个属性（Ｈ、L、S）并不完全独立。可由公式亮度L=(max（R，G，Ｂ）＋miｎ（R，G,B))/2看出。这给人们单独处理某一属性时,带来麻烦。③在L=0.5的平面上能够看到所有的纯彩色;而实际上这些颜色看起来并不一样亮,但看起来一样亮的颜色,其亮度值未必相等，与人眼之间有很大误差.这个问题在HSB模型中也同样存在。选择颜色模型是为了人眼和计算机都能更好的判断颜色，使两者相统一。而颜色的判断主要是基于对其差别的评定，直观过程就是在很宽的条件变化范围内保持对颜色差别的评定,并希望所使的颜色空间的度量必须均匀的表示颜色差别的大小。但由上面的分析得知：在HSB模型和HＬＳ模型中，它们的色度（H)变化是均匀，而其它两个分量与人的视觉都有差别。于是,为了进一步模型更适用，进行了下面的研究.由于在HＳB模型中的亮度Ｂ取值范围是[0，1０0]，在HＬS模型中亮度L取值范围是[0,100］,而在HSY模型中亮度Y的取值范围是[0，255],所以在下图中，用L/240*1０0表示ＨSＬ模型中的亮度;用Ｙ/2５5＊1００表示HSY模型中亮度，即分别取它们的相对亮度值。如下图：上面为ＨSB、HＬS、ＨSY三种颜色模型的亮度对比图。横坐标是由黑到白8种纯彩色,无疑在人眼看来亮度是逐渐增加的。看图中曲线,有（而且只有)HSY模型的亮度变化和人眼视觉相符.下面，再观察饱和度的变化曲线。由于在三种模型中，饱和度的取值范围不同，所以在下图中的各点也是它们的相对饱和度值.可以看到，在HＳＢ和HLS模型中，除了黑白颜色外，其他颜色的饱和度全部为100；而HＳY模型的饱和度有曲线变化,这很接近人眼的实际视觉感受，也和孟塞尔颜色理论相符。通过上面对HSＢ、ＨLS、HSＹ这三种模型的亮度及饱和度的对比分析,我们得知，HSY模型都优于另外两种模型，跟接近人眼的视觉。下面,再研究它们的第三个属性，色调Ｈ的差别。在ＨSB和HLS模型中，色调H的分布都是一样的。红色在０度，绿色在1２0度，蓝色在240度,它们与各自的补色互补（相差１80），如图(1３)。在HＳY模型中(图1４），红色分布在113度，其补色青色在－66度，相差17９度；绿色分布在—135度，其补色品红在45度，相差18０度；蓝色在-7度，其补色黄色在1７2度，它们之间相差179度。这里需要指出的是，在HSＹ模型中，六种基本颜色并不是均匀分布在圆周上，蓝色和品红的相角是53度,而品红和红色之间的相角是６8度，其它颜色间也不等。经以上分析,HSY模型的亮度和饱和度比HSＢ、HＬS两种模型都更符合人的视觉效果，而色调分布不均匀。但是人眼对亮度、饱和度信息的变化比色调信号所携带的信息的变化要敏感的得多,也就是说人眼对色调的变化相对不敏感。基于综合考虑,决定暂时引用HＳY模型作为测试颜色的工具.

第2章农作物颜色测试的软件设计图像存储方法为:在存储单元中保存图像的每一象素点的Ｒ、G、B值，并且图像的第一个象素点被保存在最后一个存储单元中,而最后一个像素点的信息却被保存在第一个存储单元中。即存储单元中的图像恰好和我们看到的图像相反。RＧBTRIＰLECDiｂ：：Ｐoiｎt(inｔi,intj）｛ﻩRGＢTRIPＬEｒ;ﻩR.rgｂｔＢlue＝0;ﻩr。rgbtGreen＝０;ﻩｒ。rgbtReｄ=0; if（i<0｜｜j<0｜|i〉＝(inｔ）Widｔｈ（）｜|j>＝(int）Heｉgｈｔ（）)reｔｕrnr；ﻩif（!areａ) ｐｏiｎt1(）； reｔuｒn(area[ｊ＊（iｎt)Widtｈ()+i］)；｝ﻩ其中函数ｐoint1定义如下:ｖoiｄCＤｉb::ｐｏiｎt1（）｛iｎtnBiｔｓ=GｅtＢiｔsPerPｉxel（）；cｈar＊ｐdiｂ=（ｃhar*）DiｂＢiｔs；intPａleｔteCount=GetPaletteＣount（)；intｒow=Wiｄtｈ（）;ｉntｃoｌ=Hｅight（）；ｉntｎumPixeｌ=ｒｏw＊col;area＝newRＧBＴRIPＬE［ｎｕmPiｘeｌ］;intcount＝0；ｉnｔred,gｒeeｎ，blue；unsｉgnｅdinttemp=0;if（nBｉts==1）ｔeｍp=1;ｉf(nＢits==4)temp=0xf０;iｆ（nBｉtｓ==8）ｔemｐ=0ｘff;if（PalｅtteＣounｔ)foｒ（iｎtｋ=coｌ-1；k＞=0;k-—）｛ﻩｉntcuｒrent=０,flaｇ=１；ﻩfor(inｔｎ＝０；n<int（ＢytｅsPeｒLｉne()）&＆flag;n++)｛ unsｉｇｎeｄｉｎｔt=ｔemp; fｏr(ｉntm=0;m＜(8/ｎＢiｔs）＆＆flａg；ｍ++) ｛ﻩcuｒreｎｔ++； uｎsignedｉnti=（（＊((chaｒ*)(pdｉb+k*ByteｓＰerLine(）+n)））&ｔ）>〉（(８/ｎBits-m—1）*ｎBits)；ﻩＢYＴEbluｅ＝DｉbInfo－〉bｍiCｏloｒs[i］.ｒgbＢｌｕｅ； BYTEgreen=DiｂInfo—>ｂmiCoｌｏｒｓ［i].ｒgｂGｒｅｅn；ﻩarea[ｃounｔ]。rgbtBｌue=blue; ａrea[cｏunｔ］.rｇbtGｒeen=green; aｒea[ｃoｕｎt＋+].ｒgｂｔReｄ＝DiｂInfｏ—〉bmｉColorｓ［i］。rgbRｅｄ;ﻩｔ=ｔ〉＞ｎBｉts； ｉf(cuｒrent＝=row)flaｇ＝0;｝｝}elｓe｛ ｌongintb，r，g；ﻩif（ｎＢiｔs==16）ﻩ｛ﻩb=０x001f;ﻩr=0x7c00;ﻩg=0x03e0; fｏr（inｔi=nｕmPｉxｅl—１；i>=0；i-－） ｛ﻩ ﻩｂｌuｅ=(（＊(（WORＤ＊）pdｉb+ｉ））＆b）；ﻩ ﻩａrea［ｃｏｕｎt]．ｒgbｔBｌue＝ｂｌｕe；red=（（（＊（(WORD*)pdib+i)）&r）〉〉１０);ﻩ ﻩarea［count］．rgbtRed=reｄ; ﻩgreｅn=（(（*（(WORD＊）pｄiｂ+i)）&ｇ）〉〉5)；ﻩﻩ area[count＋+].rgbtＧreeｎ＝green; ｝ﻩ}ﻩif(nBiｔｓ==24） ｛ ﻩcount=0； ﻩｆor（iｎtk=col—1；ｋ〉=０;k—－) ﻩ｛ﻩintcurrenｔ=0，flaｇ＝1； foｒ（inｔn＝０;ｎ<int（BytesＰeｒLine（）)&＆flag；ｎ+=3）ﻩ { uｎｓiｇｎedcｈarbｌue1=＊（（uｎｓignｅdchar*）(pdib+k＊ＢyｔｅｓＰerＬine()+n）)；unsignedchａrｇｒｅｅn1＝*(（unｓiｇｎedｃｈaｒ＊）（pｄib＋ｋ＊ＢｙtesPeｒＬｉne（）+n+１)）; unsignｅｄcｈａｒred１=＊（（unｓignedchａr*）(pdib＋k＊BytesPeｒLｉnｅ()+n＋２)）；ﻩcｕｒｒｅｎt+＋; ﻩ ﻩﻩarea[count].ｒgbｔＢlue=blue1; ﻩ ﻩａreａ[counｔ］。rgｂtGreen＝green1；ﻩ ﻩaｒｅa［count++］。rgｂtＲed=red1; if(cｕrrent==ｒｏw）flag=0； ﻩﻩ｝ﻩ ｝ ｝if（nBiｔs＝=32） ﻩfoｒ(iｎtｉ=ｎｕｍPｉxel；i>=0;i－-）ﻩ ｛ﻩﻩ /＊ｂlｕe=（ｉｎｔ）（（（*（（long*）ｐdib+i））&ｂ)>>16)；reｄ=（ｉnｔ）((＊(（loｎg＊）pdib+i））＆r）；ﻩﻩﻩｇｒeen=（ｉｎｔ（(＊（(ｌonｇ*)pdiｂ＋i））&ｇ）＞＞8)； ﻩﻩ＊／ ﻩﻩ}}ﻩreturｎ；}上面这段程序功能是读取象素点的颜色值。它读取的是存储在内存单元中的像素点的颜色值.所以这个颜色值就与显示设备无关，不会因显示器的好坏而不同。第3章农作物颜色的再现只提取图像的几个特征值，然后利用插值的方法把颜色再现出来。颜色特征值的提取用鼠标左键提取颜色的特征值，放在数组pｔ[］中。ｖoidＣWhjView：：OnLBｕtｔonＤown(UＩNTnFlａgs，ＣPointpoiｎt）｛//ＴODO：Ａdｄyouｒｍｅssagｅhａnｄleｒcodｅｈeｒeand/orcalldeｆaultﻩCＷhjDｏc*doc=(ＣＷhjDoc＊）GｅtＤｏcｕmｅnt（）;ﻩCDｉb＊dib; ｄib=doc—>GeｔImage（）； iｆ（！ｄoｃ—〉GetＩmａge(）)｛MessageBoｘ(ＬPCTＳＴR（”您还没有打开一幅图象＂));rｅturn;｝if（pｏinｔ.x〉inｔ(dib—〉Ｗidｔｈ（））|｜poiｎt.y>int(ｄｉｂ—>Height(））） ﻩMessageBoｘ（”出图像区域”,"警告”,ＭＢ_ＯK）；pｔ［i]。m＿pt.x=point.x; pt[i]．m_ｐt。y=poｉnt。y；ﻩRGＢTRIPＬErr=diｂ-＞Ｐoint（pｔ［ｉ].ｍ＿pt.x,pｔ［i］．ｍ_pt。y）；ﻩpt［i］。rgｂ.ｒｇbtRed=rr.rgｂｔＲed;pｔ[i］.rgb。rgｂtGrｅeｎ＝rｒ．ｒgｂｔＧreen;ﻩpt［i］。ｒgb．ｒgbtＢｌuｅ=rr．rgbtBlue； i++;if(i＞１9）ｉ=19； k＝ｉ；ﻩ CScrollＶiｅｗ::OnLＢuttonDown（nＦｌags，pｏｉｎt）;｝２.轮廓的提取由于程序要求最终再现出原来的颜色，所以没有按照一贯的办法把原图像变成二值图像.基于拍摄图像时的需要,在这里，只是把图像的背景色变为白色，进行轮廓提取.程序如下: ﻩｖoidCＷｈjViｅw：：OｎEdgeＣoｎtour(）{CWhjDoc*pDｏc=GeｔDocuｍeｎt（）；／/获取文档ﻩCＤiｂ＊dib; dib＝ｐDoc—〉GｅtImage（)；ﻩif（！pDoｃ->ＧeｔImage()){ＭeｓｓagｅBox(ＬPCＴＳTＲ（”您还没有打开一幅图象"））;return；} ｉnts1［1000０0]； ints2［10０000]； intn=0； BeginWaitCurｓｏr()；//更改光标形状 fｏr（ｉnｔh=1;ｈ〈(ｉnｔ)ｄib->Heｉghｔ（）-1;h+＋) ｛ｆor(intw=1;ｗ<(int)dib－>Widｔh(）-１；w+＋) ｛//提取象素点的特征值 RGBTＲＩＰLEｃｅｎtral=dib—>Poiｎt（w,h）；//中心ﻩﻩ if（cｅnｔｒａl.rgｂtBlｕｅ！＝255||ceｎtrａｌ．rgbtGｒｅeｎ！=255||cｅntral．rｇｂtRed!=２55）ﻩ ﻩ｛/／提取其周围8个象素点的特征值 ﻩ ＲGBTRIＰLEeast=dｉb-＞Poiｎt(w+１，ｈ);／/east ﻩ RGBTRＩPLEｗest=dib-＞Ｐｏｉnt(ｗ-1，ｈ）；//wesｔ ＲGＢTＲIＰLＥsouｔｈ＝dｉｂ—>Point（w，h+1）;/／sｏｕth ﻩﻩRGBTRＩＰLEnorｔｈ＝diｂ—>Point（ｗ，h-１）；//ｎorth ﻩﻩRGBTRIPLEse＝dｉb—>Ｐoiｎt(ｗ＋１，h+1)；／/sｏutｈｅaｓt ﻩRGＢTRＩPLEne＝dib-〉Poｉnt（ｗ+1,ｈ－1）；//northeastﻩＲGBTＲIPLEsw＝dib－〉Point(w-１，h＋１);／／sｏutｈweｓt RGBTＲＩPLＥnw=ｄｉb-〉Ｐｏint(w—1，h-1);//norｔhwest ﻩ //判断其周围８个象素点,如果8个都不是背景色，则将其方如数组 if((east.ｒgbtBｌue!＝25５||easｔ。rgｂｔGrｅｅn!=2５5|｜ｅａｓt．rgbtRed!＝255)＆＆ ﻩ (ｗest.ｒgｂtＢlue！=255||wｅsｔ。rgｂtGrｅｅn!=255｜｜weｓt。rgｂtRed！＝255）&&ﻩﻩ ﻩ（souｔh.ｒｇｂtＢlｕe！=25５||soｕth.rgbtGrｅｅｎ!=２55||ｓouｔｈ.ｒgbｔRｅd!=２55）&& ﻩﻩ (nortｈ.ｒｇbtBｌue！=25５｜｜ｎorth。ｒｇｂtＧrｅeｎ!=２５5｜｜ｎorth．ｒgbtRed!=255)＆＆ ﻩ ﻩﻩ（se.ｒgｂtBlue！＝255|｜se．rgbｔGreeｎ！=2５5｜｜sｅ.rgbtＲｅd!=255）&＆ﻩﻩ ﻩ(ne.rgｂtBlue！=255｜|nｅ．rgbtGreeｎ！＝255｜|ne。ｒgｂtReｄ！=２55）&＆ﻩ ﻩ（ｓw。rgbtBlue！＝255｜｜ｓw．rgbtGreeｎ!=255｜|sw。ｒgbtRed!=2５5)&＆ ﻩ（ｎw．rgbtBluｅ！=255||nw．rgbtGreen！＝255||nw．rgbtRed！＝255)） ﻩﻩﻩ｛ｓ1［n］=w；ﻩ ﻩ s2[ｎ］＝ｈ;n++；ﻩﻩ ﻩif（ｎ〉1００000）n=1０0０00;} ﻩﻩ｝//endif ﻩ｝//enｄofｔheｆirstloｏp}/／ｅndofthｅsecoｎdloｏp //将数组中的像素点设为白色fｏｒ（ｉｎtｋ1＝0；ｋ1＜ｎ;k１++) {dib—>ArｅaSet(ｓ1［ｋ1］,s2[ｋ１]，255,２55，２55)；｝ ﻩ／／将保存在存储单元中的图像显示出来ﻩdib-〉ConvｅrｔＴｏReａlCｏlor（);Iｎvａlidate()；ﻩＥndWａiｔCursor(）;／／恢复光标}//end3。插值方法再现颜色根据事先提取的特征值，利用插值方法再现颜色.插值算法采用的是中间插值，即根据传递过来的两个实参，先算出这两个点中间点的坐标，然后再插上这个中间点的颜色，中间象素点的R、Ｇ、B颜色值分别取两点的平均值，即Ｒm＝(Ｒ１＋R2）/2,Gm=（G１+Ｇ2）/2，Bｍ=(B1+B2)/2,然后再递归调。详见下面程序：voidＣＤib：：GetＭiddlｅ（Piｘｅlｐ1,Pixelp2）{Piｘelm；ｉf（ａｂs（p1。m_ｐt。x-p2.m＿pt.x）<=1＆&abs(ｐ１。m_pt.y－p2.m_pt。y）<=1)｛reｔuｒn；}ｅlｓe{ﻩm。m＿ｐt。ｘ＝ｉｎt（(p1．ｍ_pt.x+p２.ｍ_pt．ｘ)／2+0.５）;／／取中间值ﻩm。m_pt.y=int（（p1。m＿ｐt。ｙ+p2．m_pt.y）/2＋0。5）; m．ｒgｂ.rgｂtRｅd=（p1。rgb．rgbtＲed+p２.rgｂ．rｇｂｔＲed)/２；//颜色取平均值ﻩ m.rgｂ。rgbｔGｒeen=（p1。rｇb．rｇbtGｒeeｎ＋p2.ｒgb．rgｂｔGreen)/2; ｍ。rgb。ｒgbtＢlue=(ｐ１。rｇb。rgbtBｌue+p２.ｒgｂ。ｒgbtBlue）/2； ﻩAreaＳeｔG（ｐ1．m＿pt。x，p1。m_pt。y,／/设置特征值p1.rgb.rｇbtＲed,p1。ｒgb.rgbtGreen, ﻩp1。rgb。ｒgbｔBｌuｅ);ﻩﻩAｒｅａSeｔG(ｍ。m＿ｐt。x，m.m_pｔ。y,ｍ.ｒｇb．rgbtRｅd，//设置中间点的颜色值ｍ.rgb.rｇbｔGreen,m。rgb．rgbtBｌue）； ﻩGetMｉddlｅ(p1，m）；//递归调用 GetMiddle（m,p2)； ｝｝ｖoiｄＣDｉb::ArｅaSeｔG（ｉnti，intj,unsｉgnedcｈarrr,unsiｇｎｅdchａrｇg，ｕnsignedchａrbb）｛ﻩiｆ（areａ＝=NULL)aｒea=neｗRGBTＲIPLE[Ｗｉdtｈ（）*Heｉght()]； ｛ aｒea[ｊ*（int)Wｉｄth(）+i］。ｒgｂｔＲed=rr;area［ｊ＊（iｎt）Width（)+i].rgｂtＧreeｎ＝gg;areａ［j＊（int)Ｗidtｈ(）+i］.rgｂtBｌue=bb; ｝ ｉntk=ｉ；ﻩＲGBＴRIPLEtr１=Point（i－１,j）;ｗhilｅ(tr1．ｒgｂtＢlue=ｔr１。rｇｂtGｒeｅｎ=tr１.rgｂtＲeｄ==255）／/轮廓内的像素的颜色值为白色ﻩ｛//同一行设置相同的颜色 areａ［j＊（int）Widｔh（）+ｉ—1］。rgbtRｅｄ=rr;ａrea［ｊ*(ｉnｔ）Width（）+i－１］。rgbtGｒｅeｎ=gｇ;area[ｊ＊（inｔ）Width（)+i—1］.rgbtＢｌｕe=bb; i－—；tr１=Ｐoint（i—1，ｊ）； }ﻩRGBTRIPLＥtr2=Pｏinｔ（ｋ+１,j）;ﻩwhiｌe（tr2．ｒgbtBlｕｅ=ｔr２。rgbtGｒeｅｎ=tr2.rgbｔRed==255） ｛ area[j*（int)Width(）+k+1]．ｒgbｔRed=rr;arｅa［j＊(iｎt)Widtｈ(）+k+１].rｇbtＧreen=gg；ａｒeａ[j＊(ｉnt)Wｉｄth()＋ｋ+1］。rgｂtBluｅ=bｂ； ｋ＋+;tr2＝Ｐｏinｔ（k+1，ｊ）； ﻩ｝}第４章农作物颜色的实际测试基于所选择的HＳY颜色模型，对玉米叶子进行了实际测试(见图4－2５—dz２-c—6—27)。在叶子上依次选取了１0个点,点的顺序由叶子上端到叶子最下端（颜色由深绿到浅黄色，如图15）。在测试过程中,要求对测试的每一个点同时显示该点的RGＢ值、ＨSB值、HLＳ值和HSY值。测试数据见下表所示:ＲＧＢＨSBＨSLHSＹ59，7２,3８83,47,2883,９，２2—16９，26,6477,９6,6496，33,3８96,9，31—15７，9,３1８0,１01，588９，４3，4089，12,３1—１63,3２，8９97，1１8,90105，24,4６10５，９０,４１-148，21，10８10６，138，10４116，25，541１6,13，4７-1３8，26，124１05,152，７798,４9,60９8,27，45-155，５7，１29162,205，11３８8,45，8088,４8,62—1６４,70，181１88，2１３，8372，６1,8472，６1，58－１７８，１07，190２3２，２４0,15666,３5,9466，74，78176,７２,2282３4,237，18９６4,2０，9364，57，８4１74，41,2３0下图为ＨSB、HLS、ＨSＹ三种彩色模型的相对亮度曲线.由于在ＨSB模型中的亮度B取值范围是[0，100]，而在HLS模型中亮度Ｌ取值范围是[0,100］，在ＨSＹ模型中亮度Y的取值范围是[0,25５]，所以在下图中,用Y/2５5＊1０0表示HSY模型中亮度,即分别取它们的相对亮度值.观察图(13)，从第１个测试点到第10个测试点：①在HＬＳ模型中，亮度有两次降低过程,分别发生在第6、８点，而ＨSB和HＳＹ这两种模型这两个点都是递增。②在HSB模型中,亮度只有最后一点略有降低，而HＬＳ和HSY两种模型的最后一点亮度增加。③在HSY模型中，亮度曲线一直递增。根据实际测试点的颜色，见图（１5).从第1点到最后一点，亮度总是增加的，到趋于白色。所以用HLS彩色模型测出来的亮度变化曲线,显然与人眼视觉效果的偏差太大;而ＨSＢ模型和HＳY模型从总体上更接近于人眼的视觉效果。再来看看饱和度的变化曲线,同样，由于三种模型的饱和度取值范围不同,ＨSB和HLＳ模型中的饱和度都取值［０，１00］之间，而HＳY模型中饱和度取值在[0，2５5］之间。所以在图（14）中的饱和度,都是它们的相对饱和度，即HSY模型的饱和度为Y／25５＊1０0.下图为测试中的１0个点的实际颜色，仔细对比图（１５)中的颜色图1５通过上图发现,HSB彩色模型中的饱和度总在HＳY模型之上,即数值总大于HＳY模型中的饱和度，而且两种模型中各个测试点的增减趋势基本相同，只有在第7个点不同。HLS模型中的饱和度在前6个点与HSY模型的前６个点的饱和度基本吻合。可以看成HSY模型是HSB和HLＳ两者的结合。对比图(１5）可知，HSＢ和HSY模型的饱和度变化曲线都很符合人眼的视觉效果。研究了亮度、饱和度