彩色图像+处理可分为两个主要领域：全彩色处理和伪彩色处理
一、彩色基础

灰度级：提供一个亮度的标量度量，范围从黑色到灰色最终到白色
用来描述彩色光源质量的3个基本量是辐射，光强和亮度。
辐射：从光源流出的能量的总量，通常用瓦特W来度量
光强：用流明来度量，给出观察者从光源感知的能量总和的度量
亮度：主观描述子，实际上不可度量。体现了无色强度的概念，并且是描述色彩感觉的一个关键因素。
通常用以区别不同颜色特性的是亮度、色调和饱和度。
亮度：无色的强度概念。强度（灰度级）是单色图像最有用的描述子
色调：光波混合中与主波长有关的属性。表示观察者感知的主要颜色（如一个物体是红色，橙色，就是色调）。描述一种纯色（纯黄色、纯红色）的颜色属性
饱和度：相对纯净度，或一个色调混合的白光量。与所加白光的数量成反比。即纯色被白光稀释的程度的度量。纯色谱是全饱和的，深红色（红加白）和淡紫色（紫加白）是欠饱和的。
色调与饱和度一起称为色度，颜色可用其亮度和色度来表征。
确定颜色的另一种方法时使用CIE色度图。 该图以x（红色）和y（绿色）的函数表示颜色的组成。对于x和y的任何值，相应的z值（蓝色）可由1-x-y计算得到


从380nm的紫色到780nm的红色（纯色）的各种谱色的位置，标在舌形色度图周围的边界上。位于色度图边界上的任何点都是全饱和的。
任何不在边界上而在色度图内部的点，都表示谱色的混合色。
等能量点与三原色的百分比相对应，它表示白光的CIE标准。等能量点饱和度为0
当一点离开边界并接近等能量点时，该颜色中就加入了更多的白光，就变成欠饱和的颜色。
色度图中连接任意两点的直线段定义了所有可由这两种颜色加性组合得到的不同颜色的变化，这些颜色可以由这两种颜色的加性组合得到
从等能量点到位于色度图边界上的任意一点画一线段，将定义那个特定谱色的所有色调

二、彩色模型
彩色模型是坐标系统和子空间的说明，其中，位于系统中的每种颜色都由单个点来表示。

RGB模型面向硬件

HSI（色调、饱和度、亮度）模型，更符合人描述和解释颜色的方式，可以解除图像中颜色和灰度信息的联系。
RGB彩色模型
模型基于笛卡尔坐标系。

在该模型中，灰度（RGB值相等的点）沿着连接这黑色点和白色点的直线从黑色延伸到白色。

该模型中的不同颜色是位于立方体上的或立方体内部的点，且由自原点延伸的向量来定义



RGB彩色模型中表示的图像由3个分量图像组成，每种原色一幅分量图像。当送入RGB监视器时，这3幅图像在屏幕上混合生成一幅合成的彩色图像

RGB彩色空间中，表示每个像素的比特数称为像素深度

假设红色、绿色、蓝色都是一幅8比特图像，那么每个RGB彩色像素有24比特的深度

全彩色通常表示一幅24比特的RGB彩色图像
HSI彩色模型
该模型可在彩色图像中从携带的彩色信息（色调和饱和度）中消去强度分量的影响



RGB彩色图像可视为3幅单色亮度图像（表示红色、绿色和蓝色），应能从一幅RGB图像中提取出强度
**强度（灰度级）**是沿连接白色顶点和黑色顶点的直线分布的
连接白色顶点和灰色顶点的直线（灰度轴）是垂直的
确定彩色点的强度分量，可以简单的找到通过一个垂直于强度轴并包含该彩色点的平面，然后找到这个平面与强度轴的交点，交点的值即为区间[0,1]内的强度值
一种颜色的饱和度（纯度）以强度轴的距离为函数而增大。强度轴上的点的饱和度为0，事实证明所有沿着这条轴的点都是灰色的
如何从给定的RGB点来确定色调。黑分量和 白分量不能改变色调，包含在由强度轴和立方体边界定义的平面段内的所有点，都有相同的色调。垂直强度轴旋转阴影平面，可得到不同的色调。
形成HSI空间所要求的色调、饱和度和强度值可由RGB彩色立方体得到。
HSI空间由一个垂直强度轴和位于与该轴垂直的平面内的彩色点的轨迹表示。

在这个看脸的时代，颜值就是一切。怎样可以成为控制颜值的“黑魔法师”？相信，阅读以下这些经典的图像处理书籍能够助你一臂之力。赶紧紧随大圣众包威客平台的脚步吧！




《数字图像处理基础》



　　随着台式计算机的处理能力日益增强，各种图像拍摄的设备（例如平板电脑、手机摄像头、数码相机、扫描仪等）的普及，以及互联网的加持，使得数字图像处理变得与文字处理一样普及。本书就数字图像处理的各个基本主题，先给出有关问题的数学公式，然后根据数学公式给出实现有关问题的伪代码，最后在Java语言及ImageJ平台下完整实现。《数字图像处理基础》作为高等学校计算机及相关专业“数字图像处理”课程的教材，是非常适合的。

　　2.《数字图像处理（第三版）》



　　在数字图像处理领域，本书作为主要教材已有30多年。这一版本除保留了前两版的大部分内容外，作者更在13个方面对本书进行了修订，新增了400多幅图像、200多幅图表及80多道习题，融入了近年来数字图像处理领域的重要进展，因而本书特色鲜明且与时俱进。全书仍分为12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重建、彩色图像处理、小波和多分辨率处理、图像压缩、形态学图像处理、图像分割、表示与描述、目标识别。

　　3.《Image Processing and Analysis》



　　《ImageProcessingandAnalysis》将现代数学与现代图像处理中最先进的方法联系起来，组织成一个连贯的逻辑结构。作者通过它们连接到傅里叶和光谱分析中的少数共同线程，揭示了传统图像处理的原理，从而整合了现代图像处理方法的多样性。可以说，这本书是全面而且综合的，它涵盖了当代图像分析和处理中的4个最强大的数学工具类，同时也探索了它们的内在连接和集成。

　　4.《图像处理、分析与机器视觉（第3版）》



　　《图像处理、分析与机器视觉（第3版）》是为计算机专业图像处理、图像分析和机器视觉课程编写的教材。此书针对这三方领域的有关原理与技术，展开了广泛而深入的讨论，包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。本书力图将复杂的概念通过具体的示例以易于理解的算法来描述，并提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。另外，它也覆盖了十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科，读者可以通过学习此书，学到很多具有普遍价值的知识和具体的应用方法。

　　5.《数字图像处理与机器视觉》



　　《数字图像处理与机器视觉》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等。本书也对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络（ANN）、支持向量机（SVM）和AdaBoost，并在配套给出的识别案例中直击光学字符识别（OCR）、人脸识别和性别分类等热点问题。《数字图像处理与机器视觉》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

　　6.《Mathematical Problems in Image Processing》



　　本书更新的第二版提供了各种图像分析的应用程序，并展示了如何离散化这些精确的数学。《MathematicalProblemsinImageProcessing》展示了它对数学领域的贡献，并突出了未解决的理论问题。而对于计算机视觉社区，此书提出了一个清晰、自洽的涉及数学的图像处理问题。值得一提的是，第二版《Mathematical Problems in Image Processing》提供了对PDE框架所涵盖的图像处理应用程序进展的回顾，并更新了现有的材料，同时，本书还提供了用于以最小的努力创建模拟的编程工具，十分难得。

　　DT时代，想成为朋友圈中人人膜拜的图像处理高手？从阅读开始吧！



一个简单的概述，首先我们需要了解一些图像的描述，这里的描述指的是能够描述图像亮度的变化。然后我们要了解一些图像处理的方法，值得注意的是——我们所说的图像运算其实都是一些关于矩阵的数学运算。简单的图像处理分为两类：点运算和群运算。

点运算就是计算一个新的图像点作为原图像上同一位置的点函数，是针对原图像上一个点的变换，该函数属于数学函数。还有一种常用的方法也归结到此类，根据图像计算并改变图像直方图，比如脂肪图均衡化。


群运算就是对于一个点的领域范围来做处理，该函数属于统计函数。

直方图即亮度直方图表示每个亮度级在图像中的占有率。在OpenCV的文档中，直方图的定义是对数据的集合，并将统计结果分布于一系列预定义的bins中。如果我们统计的是，灰度的直方图，则bins指将0~255分割成子区域。





按照灰度值去统计这些数字，可能会得到这样的图：







当然直方图可以统计的不仅仅是颜色灰度，也可以统计任何图像特征（如梯度，方向等等）。


OpenCV关于直方图的例程：直方图计算

OpenCV提供了一个简单的计算数组集(通常是图像或分割后的通道)的直方图函数 calcHist 。
 支持高达 32 维的直方图。链接如下：

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html#histogram-calculation

主要是理解使用split函数将图像分割成单通道数组

                   使用calcHist函数计算图像阵列的直方图


                   使用normalize归一化数组




获取到这些直方图后，有些时候我们会发现图像可能没有用到所有灰度级的，如果我们将图像拉伸来利用，这样我们的图像将变得更清晰。

图像均衡化就是通过拉伸像素强度分布范围来增强图像对比度的一种做法。均衡化指的是把一个分布（给定的直方图）映射到另一个分布（一个更宽更统一的强度值分布），所以强度值分布在整个范围内。

一些简单的流程可以看下这位的博客：

http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM

中科院刘定生老师推荐的一些数字图像处理的书籍，先记下来吧。。
1. 《数字图像处理》冈萨雷斯，阮秋琦译----------这个是经典不多说了，配合《数字图像处理Matlab版》
2. 《数字图像处理》K.R. Castleman，朱志刚译，据说是讲的比较深入，不适合作为教材，看来是高阶点的- -
3. 《数字图像处理疑难解析》Maria Petrou，赖建辉译，也比较推荐
待续。。。。。。。。。。。。。。。。。。。