间的粗略混合方式记忆。颜色敏感和颜色记忆之间如此的差异是人类颜色感知最为重要的现象之一。颜色适应、颜色记忆和颜色视觉的时空特性是人类颜色感知的要素，全面深入地理解这些要素对于计算机颜色视觉系统的研究来说是必要的。颜色空间有多种类型的定义，在彩色图像处理中，RGB颜色空间是最基本、最常用的颜色空间。另外还有一些在彩色电视系统中使用的颜色空间，在这一系统中选用不同颜色空间的目的就是通过降低各RGB分量之间的相关性从而减小信号传送的带宽。降低相关性的主要方法就是计算颜色的统计独立分量构造一个正交颜色空间。应用于不同的电视系统中一些颜色空间的颜色分量是统计上近似独立的。基本的RGB颜色空间的一个主要缺点是不直观。不可能直接从RGB数值估计出颜色的色度、饱和度和亮度等感知特征。两种颜色之间的差异被称为色差，从另一角度来说，也是颜色相似性的度量。色差度量一般可以用颜色空间内两个颜色矢量之间的欧氏距离来进行。123图像分割研究现状目前已经提出的图像分割方法很多，总体上看，图像分割方法大致可以分为相似性分割和非连续性分割。所谓相似分割就是将具有同一灰度级或相同组织结构的像素聚集在一起，形成图像中不同区域，这种基于相似原理的方法通常也称为基于区域相关的分割技术。所谓非连续性分割就是首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分成不同的区域，这种基于不连续性原理检出物体边缘的方法有时也称为基于点相关的分割技术。这两种方法是互
f补的，在有些场合适宜用某种分割方法，而另一些场合又适合用另一种分割方法，有时还要将它们有机地结合起来以求得到更好的分割效果。因此，我们将图像分割的方法分为三类，第一类是基于边界的分割方法；第二类是基于区域的分割方法；第三类是基于边界和基于区域二者结合的分割方法。基于边界的分割方法是从图像数据的不连续性出发，根据局部的灰度变化来实现图像的分割。基于区域的分割方法主要是利用图像空间区域特征来进行的，这些特征包括诸如RGB值、灰度值等等。这一方法的主要理论根据是同一区域的所有像素具有相同或相似的统计特征。为了克服以上两种方法自身的缺点，近年来出现了两种方法融合的分割方法。这一方法寻求一个在基于边界标准，图像梯度的幅值，和基于区域分割标准的区域一致性估计之间寻求一个最佳的分割效果。现有的大多数图像分割算法主要是针对灰度图像的。如以上提到的区域r