a.0次
b.1次
c.2次 d.3次
a.0次
b.1次
图3.2
c.2次 d.8次
所以在对sigma的取值判断中，将值设定为[240 0.05]进行操作，可以看到在0.05下眼睫毛是有所保存，但是对图像的去噪效果降低了，为了突出重点所以只能进行多次双边滤波，对每次的结果进行比较选择确定次数以达到需要的效果。
14
第四章 颜色量化
4.1量化选择
颜色空间模型是指某个三维颜色空间的一个可见光子集合，它包含某个颜色区域的所有颜色。所有颜色都可以看作三个基本的颜色：红、绿、蓝的不同组合，即三基色原理。区分颜色还可以常使用三个基本的特征量：色调、饱和度和亮度。色调和混合光谱中的主要光波长相联系，饱和度则和一定色调的纯度有光，随着白光的加入饱和度会逐渐减少。一般，常见的颜色模型有rgb（红、绿、蓝）模型、HSV（色调、饱和度、亮度）模型，Lab（亮度、颜色对立维度）模型等等。
RGB 颜色空间是图像处理中比较常见的颜色空间，当前许多现有的电子输入设
备普遍采用都是RGB 颜色空间，如电脑显示器、电视机、数码相机、数码摄像机等都是采用的RGB 颜色空间。RGB 颜色空间由是由红（Red）、绿（Green）、蓝（Blue）三基色构成的颜色空间，可以用一个由红、绿、蓝三个坐标轴构成的单位立方体来描述。坐标轴上的三个顶点表示RGB 三个基色，坐标原点表示黑色，离原点最远的角表示白色，剩余的三个顶点对应于3 个补色，即品红(红+蓝)、蓝绿(绿+蓝)和黄(红+绿)。为了直观表示RGB 颜色空间，我们可以用如下图所示的一个单位立方体来描述RGB 颜色空间。在这个颜色空间中从黑到白的灰度值分布在从原点到离原点最远顶点间的边线上，立方体内其余各点对应的不同颜色可以用该点到原点的向量来表示。RGB 颜色空间是一种面向硬件设备的颜色空间，从RGB 值中不容易判断出该值所表示颜色，它与人们对颜色的感知心理很不相符，两种颜色之间的知觉差异不能用该颜色空间中两个颜色点之间的距离来度量[17]。
图4.1 RGB颜色空间示意图
Lab颜色空间是国际照明委员会(CIE)于1976 年定义的一种近似的均匀彩色空间。
15
Lab颜色空间是由亮度和两个色度分量组成。两个色度分量分别是a分量(从绿到红)和b分量(从蓝到黄)。Lab颜色空间是与设备无关的一种颜色空间模型，无论采用什么设备创建的图像或者输出的图像，由这种颜色模型产生的颜色都会保持一致。Lab颜色空间模型示意图如下图所示，在这一坐标系中，+a表示红色，- a表示绿色，+ b表示黄色，- b表示蓝色，L的百分数表示颜色的明度[17]。
图4.2 Lab颜色空间模型示意图
Lab颜色空间的特点是L通道没有颜色，对它进行处理不会影响对比度、饱和度，而对rgb颜色空间进行图像平滑的过程中会产生新的颜色，带来颜色混乱。所以Lab颜色空间是我们要进行量化抹匀的最佳执行环境，相反rgb空间则会因为量化大量失真，所以实现量化过程中，要将一般图像的rgb颜色空间转换为Lab颜色空间，可以利用Matlab自带的函数：makecform、applycform 实现两者的相互转换。
颜色量化即人工或根据某种特定的规律来选择多种颜色，从而组成新的调色板使用，最后根据新建的调色板来重建图像。颜色量化的好坏对于图像压缩，图像分割或者目标识别过程起着重要的作用，它是数字图像处理中一项基础而又非常重要的技术。在量化过程中，我们必须慎重选择量化时的颜色空间，不同颜色空间带来的量化结果可以截然不同。了解概念后，使用Lab空间颜色的亮度伪量化公式:
(5)
式中qnearst 是对图像的量化，而△q表示图像每个量化区间的宽度。由于双曲正切函数tanh具有双端抑制，中间过渡比较平滑的特征。在量化过程中，先对L空间进行等级的处理，结果四舍五入后再与等级想乘，为的是使结果尽量保持在[0,100]区间内[18]，接下来在使用公式进行量化，使图像在不同的量化区间过渡相对比较平滑，更容易获得一种抹匀的效果。
16
图4.3 双曲正切函数曲线
4.2实现量化
%颜色量化
B=im2double(I4); %选定量化等级 quant_levels=x;
dq=100/(quant_levels -1);
qB=applycform(B,makecform('srgb2lab')); %对L空间进行量化后四舍五入在放入[0,100]的空间 qB(:,:,1)=(1/dq)*qB(:,:,1); qB(:,:,1)=dq*round(qB(:,:,1)); %量化公式
qB(:,:,1)=qB(:,:,1)+(dq/2)*tanh((B(:,:,1)-qB(:,:,1))); if exist('applycform','file')
Q=applycform(qB,makecform('lab2srgb')); end
4.3小结
本章实现双边滤波结束后的颜色量化，量化的一个重要参数就是量化等级数quant_levels，由它来决定每个量化区间的宽度。以下为不同等级数的图像比较：
17
a.7
b.9
c.11
a.8 b.8.6 c.15
图4.4 不同量化等级的比较
由图中的后者进行比较：8分成的块域不多，但是太凸显，没有很好达到该分割的区域进行分割；而15的则分割太多导致出现类似波纹的层段，量化想要达到的效果已经消失。最后取值为8.6如图，算为比较好的量化，鼻子处的不同是由于量化等级的选择而凸显出来的一部分，可以视为夸张表示。这样颜色的量化基本实现。
18