彩色座標系統- YIQ Color Space

RGB 的色彩模型通常應用在彩色的攝影機及監視器上。而 YIQ 的色彩模型中:Y 代亮度 (Luninance),I (Inphase) 代表顏色,Q (Quad-rature) 代表顏色,主要用在彩色有線電視的 NTSC (National Television Systems Committee,美國國家電視系統委員會)系統訊號通信上。


NTSC 電視畫面播放標準系統是美國聯邦通訊委員會 (FCC,Federal Communications Commission) 於 1941 年核定實施,為台灣、美日等國的電視系統所使用,每幅畫面 525 條掃描線,每秒三十個畫面,包含了影像和聲音的資訊。PAL (Phase Alternation by Line,相位交錯掃描線式) 電視畫面播放標準是英、 德、瑞士等西歐國家 1949 年制定的,為大陸地區、西歐、東南亞等地所使用,每幅畫面有 625 條掃描線,每秒二十五個畫面,包含了影像和聲音的資訊。至於複合式視訊訊號 (Composite Video) 則是將同步 (Sync) 與訊號視訊 (Video) 訊號合並在一起傳輸,所用的接頭,一般習稱 AV 端子,或叫做蓮花接頭,電視與錄影機,或是電腦中的 MPEG、Avmate 等介面卡與電視的連接,均是 AV 端子傳輸的方式。


YIQ 模型其中 Y 可以提供黑白及彩色電視機都能共用的亮度信號,其資訊較多,也擁有較多的頻寬,至於 I、Q 兩個信號則因人眼的辨色能力並不好,所以佔用較少的頻寬,並且 Y 訊號相互混合後,以一條線傳送。表面上看來,好像 RGB 三色我們只用一個值一色相表示,似乎很奇怪,然而事實上 R.G.B 三者的資料仍然分別藏在S 和 I 的值裡頭,亦即 R.G.B 與 H.S.I 仍然可以互換,如果三者都是真實值的話,則在轉換中並不致於損失或忽略了某一項信號,但是由於這些數值都是取數位及量化,因此在轉換的過程中,必然有某一部份被突顯,而另一部份則遭到了較不被重視的命運。


使用 YIQ 模型來傳送 RGB 的信號最主要的原因有二,一是為了能夠提供影像信號給黑白電視來收視,二是為了增進傳送的效率。Y的頻寬約 4 MHZ,I、Q則分別只有 1.5 MHZ 及 0.6 MHZ。對於錄放影機 (VCR)、電腦顯示器及大部份的視訊相機而言,都可使用 RS 170 的信號,而NTSC 彩色標準是單色 RS 170 的巨集合,它使得一些視訊設備,彼此間有良好的相容性。



RGB --> YIQ 轉換 公式


為方便 電腦程式撰寫 將 R,G,B 及 Y,I,Q 的數值有效範圍 改為

R,G,B,Y ε[0,255] ,I ε[-0.5957*255 ,0.5957*255 ],Q ε[[-0.5957*255 ,0.5957*255 ]

Y = 0.299 * R + 0.587 * G + 0.114 * B

I = 0.596 * R - 0.274 * G - 0.322 * B

Q = 0.212 * R - 0.523 * G + 0.311 * B





YIQ --> RGB 轉換 公式







R = 1.0 * Y + 0.956 * I + 0.621 * Q

G = 1.0 * Y - 0.272 * I - 0.647 * Q

B = 1.0 * Y - 1.105 * I + 1.702 * Q




Free Source Code - AForge.NET 影像處理

本頁提供 AForge.NET Framework 1.7.0 版本中的可用功能的清單

AForge.NET Framework 包含下面幾個函式庫:

AForge.Imaging ,直至目前為止即框架最大庫包含不同影像處理常式作為圖像增強 / 處理,旨在幫助一些電腦計算機視覺任務:


  • 顏色篩選器 (灰度、 深褐色反向、 旋轉管道、 通道提取、 通道替換、 通道篩選, 顏色篩選級別線性,重新映射擴展,對比度的顏色的篩選,歐幾裡德顏色 長條圖均衡化,gamma 修正) ;

  • HSL 篩選器 (線性更正、 亮度 / 對比度 / 飽和度更正、 順化修飾符 HSL 篩選) ;
    YCbCr 篩選器 (線性更正、 YCbCr 篩選、 通道 (提取更換)) ;

  • binarization 篩選器 (閾值,閾值與攜帶,訂購抖動拜耳抖動,佛洛德施泰因貝格抖動, burkes 抖動,抖動 Sierra 抖動,賈維斯-茹迪塞-Ninke Stucki 抖動) ;
    Adaptive binarization (簡單圖像統計、 反覆運算閾值、 大津閾值) ;

  • 數學形態學篩選器 (侵蝕,dilatation,關閉,hit-and-miss 細化 thickening,開幕 頂帽子,底部帽子) ;

  • convolution 篩選器 (表示、 模糊、 提高邊緣、 Gaussian 模糊、 自訂 convolution 篩選器) ;

  • 2 源篩選器(合併、 相交、 添加、 減去、 差異,邁向 morph) ;

  • 邊緣探測器 (homogeneity, difference、 sobel,canny) ;

  • 添加劑和鹽 Papper 噪音發電機 ;

  • 平面欄位照明改正 ;

  • pixellate,抖動、 收縮、 油繪畫畫布作物 / 填充 / 移動,Mirroring ; 的簡單 skeletonization

  • 中位數的篩選器、 Adaptive 平滑、 保守平滑 ;

  • 紋理髮電機基於 Perlin 噪音 ;

  • 紋理篩選器 (texturer、 紋理篩選、 紋理合併) ;

  • 傅裡葉轉換 (低通及高通篩選器) ;

  • blob 計數器,標籤篩選最大 blob 提取 ; Blob 的連接元件
    調整大小和旋轉 (最接近相鄰、 雙線性,bicubic) ;

  • 轉角探測器 (莫拉韋克,Susan) ;

  • 範本匹配 (詳盡-最簡單的一個用於現在) ;

  • 阻止匹配 (詳盡-最簡單的一個用於現在) ;

  • 霍夫 Line 和 Circle 轉換 ;

  • 圖像顏色統計 (RGB HSL,YCbCr) 和垂直 / 水準統計 (RGB) ;

  • 等。
AForge.Vision 庫包含不同的議案檢測常式,如:

  • 探測器基於兩個框架差異 ;

  • 探測器基於背景建模 ;

  • 點票探測器,這可能計數檢測到物件和設置區域利益的支援。
AForge.Neuro 庫包含一些常見神經網路體系的實現和他們學習演算法:

  • multi-layer 飼料轉發網路利用啟動功能 ;

  • 距離網路 (Kohonen SOM,例如) ;

  • 簡單 perceptron 學習三角洲規則學習,回傳播學習 Kohonen SOM 學習 ;

  • 啟動函數 (bipolar 的 sigmoid 閾值 sigmoid)。
    AForge.Genetic 庫包含的類旨在解決不同的任務從優生演算法 (GA),遺傳程式設計 (GP) 和程式設計 (GEP) 地區的基因運算式:

  • GA 染色體 (二進位、 短 array,雙陣列),GP 樹基於的染色體和 GEP 染色體 ;

  • 選擇演算法 (精英、 職級的輪盤輪) ;

  • 公共健身函數 (1 / 2D 函數優化、 符號回歸,時序預測)。
    人口類來處理染色體。

AForge.MachineLearning 庫包含一些類從電腦學習區域:

  • QLearning Sarsa 學演算法 ;
    Ε 貪心,玻耳茲曼輪盤輪和禁忌搜索勘探政策。
AForge.Robotics 庫包含一些類操作一些 Robotics 工具包:

  • Lego Mindstorm RCX Robotics 工具包 ;

  • Mindstorm Lego NXT Robotics 工具包。

AForge.Video 庫包含階級提供對視頻資料的訪問。 好了它是考慮到的影像處理 Framework 中的內容量的。

  • 存取 JPEG 和 MJPEG串 流,使存取 IP 攝錄機 ;

  • 透過 DirectShow 介面 存取 USB Web 相機、 擷取裝置和視頻檔 ;

  • 使用音訊 for Windows 介面讀 / 寫 AVI 檔。
AForge.NET 框架包含還一些更多庫 / 命名空間提供其他功能的可能直接在使用或由其樣本 Framework 使用應用程式。
資料來源: http://www.aforgenet.com/framework/features.html

AForge.NET 2.0
功能 文檔 下載 討論 專案 成員 捐款