文章目錄
7.1 圖像的顏色
7.1.1 圖像的色彩空間
(1)RGB顏色空間
（2）灰度圖像
即單通道圖像，每個像素的灰度值爲0~255。
（3）HSV/HSI
HSV (色相hue, 飽和度saturation, 明度value), 也稱HSB (B指brightness) 是藝術家們常用的，因爲與加法減法混色的術語相比，使用色相，飽和度等概念描述色彩更自然直觀。HSV 是RGB色彩空間的一種變形，它的內容與色彩尺度與其出處——RGB色彩空間有密切聯繫。
HSL (色相hue, 飽和度saturation, 亮度lightness/luminance), 也稱HLS 或 HSI (I指intensity) 與 HSV非常相似，僅用亮度（lightness）替代了明度（brightness）。
7.1.2 Bayer圖像
參考鏈接：https://www.cnblogs.com/whw19818/p/6223143.html
bayer格式圖片是伊士曼·柯達公司科學家Bryce Bayer發明的，Bryce Bayer所發明的拜耳陣列被廣泛運用數字圖像。
對於彩色圖像，需要採集多種最基本的顏色，如rgb三種顏色，最簡單的方法就是用濾鏡的方法，紅色的濾鏡透過紅色的波長，綠色的濾鏡透過綠色的波長，藍色的濾鏡透過藍色的波長。如果要採集rgb三個基本色，則需要三塊濾鏡，這樣價格昂貴，且不好製造，因爲三塊濾鏡都必須保證每一個像素點都對齊。當用bayer格式的時候，很好的解決了這個問題。bayer 格式圖片在一塊濾鏡上設置的不同的顏色，通過分析人眼對顏色的感知發現，人眼對綠色比較敏感，所以一般bayer格式的圖片綠色格式的像素是是r和g像素的和。
另外，Bayer格式是相機內部的原始圖片, 一般後綴名爲.raw。很多軟件都可以查看, 比如PS。我們相機拍照下來存儲在存儲卡上的.jpeg或其它格式的圖片, 都是從.raw格式轉化過來的。如下圖，爲bayer色彩濾波陣列，由一半的G，1/4的R，1/4的B組成。
7.1.3 顏色空間的轉換
* 將一個RGB圖像轉換成任意的顏色空間
trans_from_rgb (BlueSubRedGreen, BlueSubRedGreen, BlueSubRedGreen, ImageResult1, ImageResult2, ImageResult3, 'hsv')
* 將三個任意顏色空間的3個通道圖像轉換爲RGB圖像
trans_to_rgb (ImageResult1, ImageResult1, ImageResult1, ImageRed, ImageGreen, ImageBlue, 'hsv')
* 創建一個顏色查找表
create_color_trans_lut ('hsv', 'from_rgb', 8, ColorTransLUTHandle)
7.2 顏色通道的處理
7.2.1 圖像的通道
圖像通道在RGB色彩模式下就是指在下就是指那單獨的紅色R、綠色G、藍色B部分。也就是說，一幅完整的圖像，是由紅色綠色藍色三個通道組成的。他們共同作用產生了完整的圖像。同樣在HSV色系中指的是色調H，飽和度S，亮度V三個通道。
7.2.2 訪問通道
* 讀取圖像
read_image (Image2, 'data/beads.jpg')
* 從Image2取出序號爲1的通道圖像，取名爲Red
access_channel (Image2, Red, 1)
* 獲取Image2圖像中通道的數量
count_channels (Image2, Channels)
7.2.3 通道分離與合併
* 讀取圖像
read_image (MultiChannelImage, 'data/beads.jpg')
* 通道分離
decompose3 (MultiChannelImage, R, G, B)
* 將多幅單通道圖像合併成一幅多通道圖像
compose3 (R, G, B, MultiChannelImage1)
* 通道分離爲數組
image_to_channels (MultiChannelImage, ImageArray)
* 將數組內的單通道圖像合併成一幅多通道圖像
channels_to_image (ImageArray, MultiChannelImage2)
7.2.4 處理RGB信息
read_image (Image, 'data/beads.jpg')
decompose3 (Image, Red, Green, Blue)
sub_image (Blue, Red, BlueSubRed, 1, 128)
sub_image (BlueSubRed, Green, BlueSubRedGreen, 1, 128)
threshold (BlueSubRedGreen, BlueRegion, 230, 255)
7.3 利用顏色信息提取背景相似的字符區域
read_image (Image, 'data/m105')
*將原始圖像進行通道分離，得到紅綠藍三個分量的圖像
decompose3 (Image, Red, Green, Blue)
*將RGB三個分量的圖像轉化爲H（色調）、S（飽和度）、V（明度）的圖像
trans_from_rgb (Red, Green, Blue, ImageResultH, ImageResultS, ImageResultI, 'hsv')
*對飽和度圖像閾值處理，分割出高飽和度區域，即字符區域的大致範圍
threshold (ImageResultS, High, 192,255)
*區域分割，
reduce_domain (ImageResultH, High, ImageReduced)
*並進行膨脹操作
dilation_circle (ImageReduced, RegionDilation, 3.5)
*開運算，使邊緣更清晰
opening_circle (RegionDilation, RegionChars, 5.5)
dev_clear_window ()
dev_display (RegionChars)
7.4 紋理分析
read_image(Image, 'data/cloth')
*將圖像分解成RGB三個通道
decompose3 (Image, Image1, Image2, Image3)
*將RGB三個通道的圖像，轉化爲HSV圖像空間
trans_from_rgb (Image1, Image2, Image3, ImageResult1, ImageResult2, ImageResult3, 'hsv')
*進行紋理檢測。
*其中選擇的濾波器類型是‘ls’，即行方向用‘level’，列方向用‘spot’進行檢測。
*這種濾波器類型適合檢測垂直方向上的缺陷。
texture_laws (ImageResult2, ImageTextureLS, 'ls', 2, 7)
*對濾波器處理後的圖像進行均值化，使圖像更平滑，缺陷區域明顯
mean_image (ImageTextureLS, ImageMean, 11, 11)
*對檢測出的缺陷區域進行形態學處理並顯示出來
threshold (ImageMean, Regions, 60, 255)
*將符合條件的區域分隔成獨立區域
connection(Regions, ConnectedRegions)
*計算各區域的面積，提取出面積最大的區域
area_center (ConnectedRegions, Area, Row, Column)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', max(Area), 99999)
*做閉運算，提取出缺陷區域
closing_circle(SelectedRegions, RegionClosing, 11.5)
dev_clear_window ()
dev_display (RegionClosing)