Документация

Бинарные изображения

В бинарном изображении каждый пиксель имеет одно только из двух дискретных значений: 1 или 0. Большинство функций в тулбоксе интерпретирует пиксели со значением 1 как принадлежащий необходимой области и пикселям со значением 0 как фон. Бинарные изображения часто используются в сочетании с другими типами изображения, чтобы указать который фрагменты изображения к процессу.

Рисунок показывает бинарное изображение с представлением крупным планом некоторых пиксельных значений.

Индексируемые изображения

Индексируемое изображение состоит из матрицы изображений и палитры.

Палитра является c-3 матрицей типа данных double со значениями в области значений [0, 1]. Каждая строка палитры задает красные, зеленые, и синие компоненты одного цвета.

Пиксельные значения в матрице изображений являются прямыми индексами в палитру. Поэтому цвет каждого пикселя в индексируемом изображении определяется путем отображения пиксельного значения в матрице изображений к соответствующему цвету в палитре. Отображение зависит от типа данных матрицы изображений:

Палитра часто хранится индексируемым изображением и автоматически загружается с изображением, когда вы используете imread функция. После того, как вы считаете изображение и палитру в рабочую область как отдельные переменные, необходимо отслеживать ассоциацию между изображением и палитрой. Однако вы не ограничиваетесь использованием палитры по умолчанию — можно использовать любую палитру, которую вы выбираете.

Фигура иллюстрирует индексируемое изображение, матрицу изображений и палитру, соответственно. Матрица изображений имеет тип данных double, так значение 7 точки к седьмой строке палитры.

Полутоновые изображения

Полутоновое изображение является матрицей данных, значения которой представляют интенсивность одного пикселя изображения. В то время как полутоновые изображения редко сохранены с палитрой, MATLAB использует палитру, чтобы отобразить их.

Можно получить полутоновое изображение непосредственно из камеры, которая получает один сигнал для каждого пикселя. Можно также преобразовать истинный цвет или многоспектральные изображения к шкале полутонов, чтобы подчеркнуть один конкретный аспект изображений. Например, можно взять линейную комбинацию красных, зеленых, и синих каналов изображения RGB, таким образом, что получившееся полутоновое изображение указывает на яркость, насыщение или оттенок каждого пикселя. Можно обработать каждый канал истинного цвета или многоспектрального изображения независимо путем разделения каналов в отдельные полутоновые изображения.

Фигура изображает полутоновое изображение типа данных double чьи пиксельные значения находятся в области значений [0, 1].

Изображения истинного цвета

Изображение истинного цвета является изображением, в котором каждый пиксель имеет цвет, заданный тремя значениями. Форматы графических файлов хранят изображения истинного цвета как 24-битные изображения, где три цветовых канала составляют 8 битов каждый. Это дает к потенциалу 16 миллионов цветов. Точность, с которой может быть реплицировано реальное изображение, привела к обычно используемому изображению истинного цвета термина.

Изображения RGB являются наиболее распространенным типом изображений истинного цвета. В изображениях RGB эти три цветовых канала являются красными, зелеными, и синими. Для получения дополнительной информации о цветовых каналах RGB, смотрите Отображение Разделенные Цветовые каналы Изображения RGB.

Существуют другие модели, названные цветовыми пространствами, которые описывают цвета с помощью трех различных цветовых каналов. Для этих цветовых пространств область значений каждого типа данных может отличаться от области значений, позволенной изображениями в цветовом пространстве RGB. Например, пиксельные значения в L*a*b* цветовое пространство типа данных double может быть отрицательным или больше, чем 1. Для получения дополнительной информации смотрите Цветовые пространства Понимания и Преобразование Цветового пространства.

Изображения истинного цвета не используют палитру. Цвет каждого пикселя определяется комбинацией интенсивности, сохраненной в каждом цветовом канале в местоположении пикселя.

Фигура изображает красные, зеленые, и синие каналы изображения RGB с плавающей точкой. Заметьте, что пиксельные значения находятся в области значений [0, 1].

Чтобы определить цвет пикселя в (строка, столбец) координата (2,3), вы посмотрели бы на триплет RGB, сохраненный в векторе (2,3, :). Предположим (2,3,1), содержит значение 0.5176, (2,3,2) содержит 0.1608, и (2,3,3) содержит 0.0627. Цвет для пикселя в (2,3)

0.5176 0.1608 0.0627

Изображения HDR

Динамический диапазон относится к области значений уровней яркости. Динамический диапазон реальных сцен может быть довольно высоким. Изображения расширенного динамического диапазона (HDR) пытаются получить целую тональную область значений реальных сцен (названный отнесенный к сцене), с помощью 32-битных значений с плавающей точкой, чтобы сохранить каждый цветовой канал.

Фигура изображает красные, зеленые, и синие каналы сопоставленного с тоном изображения HDR с исходными пиксельными значениями в области значений [0, 3.2813]. Тональное отображение является процессом, который уменьшает динамический диапазон изображения HDR к области значений, ожидаемой компьютерным монитором или экраном.

Многоспектральные и гиперспектральные изображения

Многоспектральное изображение является типом цветного изображения, которое хранит больше чем три канала. Например, многоспектральное изображение может сохранить три цветовых канала RGB и три инфракрасных канала для в общей сложности шести каналов. Количество каналов в многоспектральном изображении обычно мало. В отличие от этого гиперспектральное изображение может сохранить десятки или даже сотни каналов.

Фигура изображает многоспектральное изображение с шестью каналами, состоящими из красных, зеленых, синих цветовых каналов (изображенный как одно изображение RGB) и тремя инфракрасными каналами.

Маркируйте Images

Изображение метки является изображением, в котором каждый пиксель задает класс, объект или видимую область (ROI). Можно вывести изображение метки из изображения сцены с помощью методов сегментации.

Фигура изображает изображение метки с тремя категориями: лепесток, лист и грязь.