CN112634380A - 一种单帧超光学记忆效应的多目标彩色散射成像方法 - Google Patents

Abstract

本发明公开了一种单帧超光学记忆效应的多目标彩色散射成像方法，包括：利用单帧多目标彩色成像系统获取超出光学记忆效应的彩色目标的单帧彩色散斑图像；根据所述单帧彩色散斑图像获取不同颜色组分的分离散斑图像，并计算不同颜色组分的分离散斑图像的自相关数据；根据不同颜色组分的分离散斑图像和自相关数据重构不同颜色组分的彩色目标；将获得的不同颜色组分的彩色目标拼接到同一视场中，从而获得超出光学记忆效应的多目标彩色成像结果。该方法能够高效重构超出光学记忆效应范围的多目标彩色成像，且目标成像清晰效果好，分离度高、计算高效快速；且使用的成像光路无需引入特制滤波元件，光路简单，操作方便。

Description

一种单帧超光学记忆效应的多目标彩色散射成像方法

技术领域

本发明属于非相干光学成像技术领域，具体涉及一种单帧超光学记忆效应的多目标彩色散射成像方法。

背景技术

随着成像距离的增加，传统光学成像中使用的弹道光子以指数形式衰减，加之光与散射介质(如生物组织、云雾等)相互作用的散射和吸收，成像质量进一步退化，目标信号难以解译，传统成像技术无法直接对超出视距范围的目标进行成像观测。现有的偏振成像、图像增强和门选通等技术主要依靠弹道光子成像，很难实现透过强散射介质成像。

为了实现散射光场的目标重构，散射成像技术应运而生。当光波进入散射介质的入射角度比较小时，该范围内的光波产生的散斑图像之间存在较强的关联性，这种现象称为光学记忆效应。实时非侵入式散斑成像技术正是利用光学记忆效应结合目标自相关信息与散斑自相关信息的关联特性，仅需测量单帧散斑，并计算其自相关来获取准确的目标傅立叶振幅信息，再利用相位恢复技术恢复出目标的傅立叶相位信息，进而恢复出整个目标光场振幅和相位信息，实现目标的高分辨率解译。当成像目标的范围超出光学记忆效应范围时，视场内多目标的自相关信息在傅立叶域发生混叠，导致无法获取准确的目标傅立叶幅值信息，相位恢复技术因此失效。在近期发展的透过散射介质的彩色成像中，成像视场范围也受到了光学记忆效应的严重限制，无法对记忆效应范围外的多目标成像。

现有的透过散射介质的彩色成像技术中，2018年中山大学周建英课题组通过推导散射光学系统中距离与光谱的关系，实现了透过散射介质的先验光谱成像。2019年美国杜克大学利用光谱编码技术结合散斑相关方法，实现了透过散射介质的彩色成像。2020年美国伯克利大学的Kristina Monakhova等人提出了一种高光谱散射成像方法，研究人员利用高光谱三维点云标定方法结合稀疏约束重构算法，实现了透过散射介质的彩色真实目标成像。同年，西安电子科技大学的朱磊等人，利用双谱分析结合相位重构的技术，实现了单帧透散射介质的彩色成像。

以上方法均可实现透过散射介质的彩色成像，但其成像范围受限于光学记忆效应，无法实现记忆效应范围外的多目标成像。另外，在宽视场多目标彩色散射成像中，如果多目标超出光学记忆效应，利用散斑相关成像技术时，其多个目标的自相关会出现混叠现象，另外在彩色成像中，现有成像系统中的拜尔滤波片会产生色彩信道串扰，这些问题导致直接散斑分离中相位恢复出现错误结果，影响成像效果。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种单帧超光学记忆效应的多目标彩色散射成像方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种单帧超光学记忆效应的多目标彩色散射成像方法，包括：

S1：利用单帧多目标彩色成像系统获取超出光学记忆效应的彩色目标的单帧彩色散斑图像；

S2：根据所述单帧彩色散斑图像获取不同颜色组分的分离散斑图像，并利用不同颜色组分的分离散斑图像计算各自的自相关数据；

S3：根据不同颜色组分的分离散斑图像和自相关数据重构不同颜色组分的彩色目标；

S4：将获得的不同颜色组分的彩色目标拼接到同一视场中，从而获得超出光学记忆效应的多目标彩色成像结果。

在本发明的一个实施例中，在所述S1中，所述单帧多目标彩色成像系统包括沿光轴方向依次设置的投影仪、准直透镜、散射介质和探测器，其中，所述投影仪用于加载彩色目标，所述探测器用于采集所述彩色目标经过所述散射介质后的单帧彩色散斑图像。

在本发明的一个实施例中，所述散射介质为毛玻璃，所述探测器为彩色sCMOS相机。

在本发明的一个实施例中，所述S2包括：

S21：对采集到的所述单帧彩色散斑图像I进行RGB彩色通道分离，分别获得RGB三个颜色组分的含混叠的分离散斑图像；

S22：对所述含混叠的分离散斑图像进行预处理；

S23：对预处理后的分离散斑图像进行向量化处理，获得所述分离散斑图像的混叠散斑向量Z_R、Z_G、Z_B；

S24：利用FastICA算法对所述混叠散斑向量Z_R、Z_G、Z_B进行独立成分分析，获得理论无混叠散斑向量的重构估计向量

S25：将所述重构估计向量

转换为无混叠散斑图像S_R、S_G、S_B；

S26：对所述无混叠散斑图像S_R、S_G、S_B分别求取自相关，获得所述无混叠散斑图像S_R、S_G、S_B对应的自相关数据A_R、A_G、A_B。

在本发明的一个实施例中，所述S24包括：

S241：获得所述混叠散斑向量Z_R、Z_G、Z_B与理论无混叠散斑向量P_R、P_G、P_B的关系式：

Z＝AP，

其中，

A为混叠系数矩阵；

S242：利用独立成分分析算法对矩阵Z进行线性解混叠，获得理论无混叠散斑向量P的重构估计向量

其中，W为解混叠矩阵，为矩阵A的左逆。

在本发明的一个实施例中，所述S3包括：

分别利用所述无混叠散斑图像S_R、S_G、S_B及其各自的自相关数据A_R、A_G、A_B，使用混合输入输出算法进行多次迭代更新，重构出每个无混叠散斑图像S_R、S_G、S_B各自的彩色目标。

在本发明的一个实施例中，所述S3包括：

S31：设定一个随机估计目标，其振幅部分为无混叠散斑图像S_R，相位部分为与振幅部分等大的随机矩阵；

S32：对所述随机估计目标做傅里叶变换：

G_k(u)＝|G_k(u)|exp[iφ_k(u)]＝FT[g_k(x)]，

其中，g_k(x)表示所述随机估计目标第k次更新得到的物场，FT表示傅里叶变换算符，G_k(u)表示第k次更新得到的物场的傅里叶变换，|G_k(u)|表示第k次更新得到的物场的振幅部分，φ_k(u)表示第k次更新得到的物场的相位部分，u表示频域，x表示空域；

S33：用所述自相关数据A_R的傅里叶变换开方得到的傅里叶模值|F(u)|替换步骤S32中的振幅部分|G_k(u)|，形成估计傅里叶变换：

G_k′(u)＝|F(u)|exp[iφ_k(u)]；

S34：对所述估计傅里叶变换进行傅里叶逆变换，得到估计的物场：

g_k′(x)＝|g_k′(x)|exp[iθ′_k(x)]＝IFT[G′_k(u)]

其中，g_k′(x)为G′_k(u)进行傅里叶逆变换得到的物场，θ′_k(x)为g′_k(x)的相位部分，|g_k′(x)|为g_k′(x)的振幅部分，IFT表示逆傅里叶变换；

S35：利用所述自相关数据A_R开方得到的模值替换步骤S34中的振幅部分|g_k′(x)|，形成更新后的估计目标：

g_k+1(x)＝|f(x)|exp[iθ_k+1(x)]＝|f(x)|exp[iθ′_k(x)],

其中，|f(x)|为自相关数据A_R开方得到的模值；

S36：对步骤S35中更新后的估计目标进行支撑域限制：

其中，γ表示g′_k(x)不在支撑域的点集，β表示支撑域外的更新衰减系数；

S37：重复S31至S36进行迭代更新，直到满足误差条件，则获得无混叠散斑图像S_R的彩色目标，所述误差条件为：

SSE＝[∫∫(|g(u)|-|G(u)|)²dudv]/[∫∫|G(u)|²dudv]＜ε，

其中，ε为预设的误差阈值，g(u)表示当前迭代估计的目标物场的傅里叶变换，G(u)表示实际目标的傅里叶变换；

S38：重新设定初始目标，分别获得无混叠散斑图像S_G和S_B的彩色目标。

与现有技术相比，本发明的有益效果在于：

1、本发明单帧超光学记忆效应的多目标彩色散射成像方法将单帧大视场多目标彩色散射成像变为可能，能够高效重构超出光学记忆效应范围的多目标彩色成像，且目标成像清晰效果好，分离度高、计算高效快速。

2、本发明的方法基于独立成分分析进行单帧大视场多目标彩色成像，能够将原先混叠的光谱信息进行重新解混归并，有效避免了拜尔滤波产生的色彩串扰问题，实现了超出记忆效应范围的大视场多目标彩色成像，其方法简单，鲁棒性更高。

3、本发明的方法所使用的成像光路中无透镜参与且无滤光片设定，光能利用率高，可以应用于无透镜波前感知，成像过程中无像差引入，因此无需像差校正过程；利用彩色相机固有的色彩串扰，无需引入特制滤波元件；成像光路无需引入参考光，且无需滤波分光元件及光场调制元件，如SLM或DMD，光路简单、操作方便、成本低，效率高。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种单帧超光学记忆效应的多目标彩色散射成像方法的流程图；

图2是本发明实施例提供的一种单帧超光学记忆效应的多目标彩色散射成像系统的结构示意图。

具体实施方式

为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种单帧超光学记忆效应的多目标彩色散射成像方法进行详细说明。

有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。

应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。

请参见图1，图1是本发明实施例提供的一种单帧超光学记忆效应的多目标彩色散射成像方法的流程图。该成像方法包括：

S1：利用单帧多目标彩色成像系统获取超出光学记忆效应的彩色目标的单帧彩色散斑图像。

如图2所示，图2是本发明实施例提供的一种单帧超光学记忆效应的多目标彩色散射成像系统的结构示意图。该单帧多目标彩色成像系统包括沿光轴方向依次设置的投影仪1、准直透镜2、散射介质3和探测器4，其中，投影仪1用于在计算机控制下加载彩色目标，准直透镜2用于对投影仪产生的彩色目标进行准直输出，散射介质3为毛玻璃，探测器4用于采集所述彩色目标经过散射介质3后的单帧彩色散斑图像。优选地，探测器4为彩色sCMOS相机，像素为2048×2060。

在使用时，打开该单帧多目标彩色成像系统的投影仪1，利用计算机控制在投影仪1上加载彩色目标，同时利用彩色sCMOS相机采集所述彩色目标的单帧彩色散斑图像。

该成像系统的成像光路中无透镜参与且无滤光片设定，光能利用率高，可以应用于无透镜波前感知，成像过程中无像差引入，因此无需像差校正过程。另外，该成像光路无需引入参考光，且无需滤波分光元件及光场调制元件，如SLM(Spatlal Light Modulator，空间光调制器)或DMD(Digtial Micromirror Devices，数字微反射镜)，光路简单、操作方便、成本低。

S2：根据所述单帧彩色散斑图像获取不同颜色组分的分离散斑图像，并计算不同颜色组分的分离散斑图像的自相关数据；

具体地，所述S2包括：

S21：对采集到的所述单帧彩色散斑图像I进行RGB彩色通道分离，分别获得RGB三个颜色组分的含混叠的分离散斑图像。

需要说明的是，由于彩色相机的色彩串扰，该步骤获得的RGB三个颜色组分的分离散斑图像会存在混叠。

S22：对所述含混叠的分离散斑图像进行预处理。

具体地，对RGB三个颜色组分的含混叠的分离散斑图像分别进行高斯滤波处理。

S23：对预处理后的三个分离散斑图像进行向量化处理，获得所述分离散斑图像的混叠散斑向量Z_R、Z_G、Z_B。

换句话说，对步骤S22高斯滤波处理后RGB三个颜色组分的分离散斑图像进行向量化处理，转换成各自的向量形式Z_R、Z_G、Z_B。

S24：利用FastICA算法对所述混叠散斑向量Z_R、Z_G、Z_B进行独立成分分析，获得理论无混叠散斑向量的重构估计向量。

具体地，利用FastICA算法对所述混叠散斑向量Z_R、Z_G、Z_B进行独立成分分析的详细过程包括：

首先，获得混叠散斑向量Z_R、Z_G、Z_B与理论无混叠散斑向量(即，欲分离得到的纯净无混叠的散斑向量)P_R、P_G、P_B的关系式：

Z＝AP，

其中，

A为混叠系数矩阵；

接着，利用独立成分分析算法对矩阵Z进行线性解混叠，获得理论无混叠散斑向量P的重构估计向量

其中，W为解混叠矩阵，为矩阵A的左逆。

S25：将所述重构估计向量

转换为无混叠散斑图像S_R、S_G、S_B；

S26：对所述无混叠散斑图像S_R、S_G、S_B分别求取自相关，获得所述无混叠散斑图像S_R、S_G、S_B对应的自相关数据A_R、A_G、A_B。

具体地，自相关的计算公式为：

A_R＝IFT{|FT(S_R)}

A_G＝IFT{|FT(S_G)}

A_B＝IFT{|FT(S_B)}，

其中，FT表示傅里叶变换，IFT表示逆傅里叶变换。

S3：根据不同颜色组分的分离散斑图像和自相关数据重构不同颜色组分的彩色目标；

具体地，分别利用所述无混叠散斑图像S_R、S_G、S_B及其各自的自相关数据A_R、A_G、A_B，使用混合输入输出HIO相位恢复算法进行多次迭代更新，重构出每个无混叠散斑图像S_R、S_G、S_B各自的彩色目标。

具体包括以下步骤：

S31：设定一个随机估计目标，其振幅部分为无混叠散斑图像S_R，相位部分为与振幅部分等大的随机矩阵；

S32：对所述随机估计目标做傅里叶变换：

G_k(u)＝|G_k(u)|exp[iφ_k(u)]＝FT[g_k(x)]，

其中，g_k(x)表示所述随机估计目标第k次更新得到的物场，FT表示傅里叶变换算符，G_k(u)表示第k次更新得到的物场的傅里叶变换，|G_k(u)|表示第k次更新得到的物场的振幅部分，φ_k(u)表示第k次更新得到的物场的相位部分，u表示频域，x表示空域；

S33：用所述自相关数据A_R的傅里叶变换开方得到的傅里叶模值|F(u)|替换步骤S32中的振幅部分|G_k(u)|，形成估计傅里叶变换：

G_k′(u)＝|F(u)|exp[iφ_k(u)]；

S34：对所述估计傅里叶变换进行傅里叶逆变换，得到估计的物场：

g_k′(x)＝|g_k′(x)|exp[iθ′_k(x)]＝IFT[G′_k(u)]

其中，g_k′(x)为G′_k(u)进行傅里叶逆变换得到的物场，θ′_k(x)为g_k′(x)的相位部分，|g_k′(x)|为g_k′(x)的振幅部分，IFT表示逆傅里叶变换；

S35：利用所述自相关数据A_R开方得到的模值替换步骤S34中的振幅部分|g_k′(x)|，形成更新后的估计目标：

g_k+1(x)＝|f(x)|exp[iθ_k+1(x)]＝|f(x)|exp[iθ′_k(x)]，

其中，|f(x)|为自相关数据A_R开方得到的模值；

S36：对步骤S35中更新后的估计目标进行支撑域限制：

其中，γ表示g′_k(x)不在支撑域的点集，β表示支撑域外的更新衰减系数。附加的约束是直径不大于已知物体的直径(即，自相关直径的一半)。

S37：重复S31至S36进行迭代更新，直到满足误差条件，则获得无混叠散斑图像S_R的彩色目标，所述误差条件为：

SSE＝[∫∫(|g(u)|-|G(u)|)²dudv]/[∫∫|G(u)|²dudv]＜ε，

其中，ε为预设的误差阈值，g(u)表示当前迭代估计的目标物场的傅里叶变换，G(u)表示实际目标的傅里叶变换。

SSE(Sum-Square Error)为均方差之和，当SSE小于预设的误差阈值，计算可被认作收敛而终止，从而得到无混叠散斑图像S_R的彩色目标。

S38：重新设定初始目标，分别获得无混叠散斑图像S_G和S_B的彩色目标。

类似地，带入无混叠散斑图像S_G和S_B及其相应的自相关数据，重复上述步骤S31-S37，即可获得无混叠散斑图像S_R的彩色目标。

S4：将获得的不同颜色组分的彩色目标拼接到同一视场中，从而获得超出光学记忆效应的多目标彩色成像结果。

综上，本实施例单帧超光学记忆效应的多目标彩色散射成像方法将单帧大视场多目标彩色散射成像变为可能，能够高效重构超出光学记忆效应范围的多目标彩色成像，且目标成像清晰效果好，分离度高、计算高效快速。该方法基于独立成分分析进行单帧大视场多目标彩色成像，能够将原先混叠的光谱信息进行重新解混归并，有效避免了拜尔滤波产生的色彩串扰问题，实现了超出记忆效应范围的大视场多目标彩色成像，其方法简单，鲁棒性更高。另外，该方法所使用的成像光路中无透镜参与且无滤光片设定，光能利用率高，可以应用于无透镜波前感知，成像过程中无像差引入，因此无需像差校正过程；利用彩色相机固有的色彩串扰，无需引入特制滤波元件；成像光路无需引入参考光，且无需滤波分光元件及光场调制元件，如SLM或DMD，光路简单、操作方便、成本低，效率高。

本发明实施例具体实现了超光学记忆效应的多目标单帧散斑相关成像，可应用于生物医学显微成像、机器视觉、光信息处理等技术领域。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，包括：

S1：利用单帧多目标彩色成像系统获取超出光学记忆效应的彩色目标的单帧彩色散斑图像；

S2：根据所述单帧彩色散斑图像获取不同颜色组分的分离散斑图像，并计算不同颜色组分的分离散斑图像的自相关数据；

S3：根据不同颜色组分的分离散斑图像和自相关数据重构不同颜色组分的彩色目标；

S4：将获得的不同颜色组分的彩色目标拼接到同一视场中，从而获得超出光学记忆效应的多目标彩色成像结果。

2.根据权利要求1所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，在所述S1中，所述单帧多目标彩色成像系统包括沿光轴方向依次设置的投影仪、准直透镜、散射介质和探测器，其中，所述投影仪用于加载彩色目标，所述探测器用于采集所述彩色目标经过所述散射介质后的单帧彩色散斑图像。

3.根据权利要求1所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，所述散射介质为毛玻璃，所述探测器为彩色sCMOS相机。

4.根据权利要求1所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，所述S2包括：

S21：对采集到的所述单帧彩色散斑图像I进行RGB彩色通道分离，分别获得RGB三个颜色组分的含混叠的分离散斑图像；

S22：对所述含混叠的分离散斑图像进行预处理；

S23：对预处理后的分离散斑图像进行向量化处理，获得所述分离散斑图像的混叠散斑向量Z_R、Z_G、Z_B；

S24：利用FastICA算法对所述混叠散斑向量Z_R、Z_G、Z_B进行独立成分分析，获得理论无混叠散斑向量的重构估计向量

S25：将所述重构估计向量

转换为无混叠散斑图像S_R、S_G、S_B；

S26：对所述无混叠散斑图像S_R、S_G、S_B分别求取自相关，获得所述无混叠散斑图像S_R、S_G、S_B对应的自相关数据A_R、A_G、A_B。

5.根据权利要求4所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，所述S24包括：

S241：获得所述混叠散斑向量Z_R、Z_G、Z_B与理论无混叠散斑向量P_R、P_G、P_B的关系式：

Z＝AP，

其中，

A为混叠系数矩阵；

S242：利用独立成分分析算法对矩阵Z进行线性解混叠，获得理论无混叠散斑向量P的重构估计向量

其中，W为解混叠矩阵，为矩阵A的左逆。

6.根据权利要求5所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，所述S3包括：

分别利用所述无混叠散斑图像S_R、S_G、S_B及其各自的自相关数据A_R、A_G、A_B，使用混合输入输出算法进行多次迭代更新，重构出每个无混叠散斑图像S_R、S_G、S_B各自的彩色目标。

7.根据权利要求6所述的单帧超光学记忆效应的多目标彩色散射成像方法，其特征在于，所述S3包括：

S31：设定一个随机估计目标，其振幅部分为无混叠散斑图像S_R，相位部分为与振幅部分等大的随机矩阵；

S32：对所述随机估计目标做傅里叶变换：

G_k(u)＝|G_k(u)|exp[iφ_k(u)]＝FT[g_k(x)]，

其中，g_k(x)表示所述随机估计目标第k次更新得到的物场，FT表示傅里叶变换算符，G_k(u)表示第k次更新得到的物场的傅里叶变换，|G_k(u)|表示第k次更新得到的物场的振幅部分，φ_k(u)表示第k次更新得到的物场的相位部分，u表示频域，x表示空域；

S33：用所述自相关数据A_R的傅里叶变换开方得到的傅里叶模值|F(u)|替换步骤S32中的振幅部分|G_k(u)|，形成估计傅里叶变换：

G_k′(u)＝|F(u)|exp[iφ_k(u)]；

S34：对所述估计傅里叶变换进行傅里叶逆变换，得到估计的物场：

g_k′(x)＝|g_k′(x)|exp[iθ′_k(x)]＝IFT[G′_k(u)]

其中，g_k′(x)为G_k′(u)进行傅里叶逆变换得到的物场，θ′_k(x)为g_k′(x)的相位部分，|g_k′(x)|为g_k′(x)的振幅部分，IFT表示逆傅里叶变换；

S35：利用所述自相关数据A_R开方得到的模值替换步骤S34中的振幅部分|g_k′(x)|，形成更新后的估计目标：

g_k+1(x)＝|f(x)|exp[iθ_k+1(x)]＝|f(x)|exp[iθ′_k(x)]，

其中，|f(x)|为自相关数据A_R开方得到的模值；

S36：对步骤S35中更新后的估计目标进行支撑域限制：

其中，γ表示g′_k(x)不在支撑域的点集，β表示支撑域外的更新衰减系数；

S37：重复S31至S36进行迭代更新，直到满足误差条件，则获得无混叠散斑图像S_R的彩色目标，所述误差条件为：

SSE＝[∫∫(|g(u)|-|G(u)|)²dudv]/[∫∫|G(u)|²dudv]＜ε，

其中，ε为预设的误差阈值，g(u)表示当前迭代估计的目标物场的傅里叶变换，G(u)表示实际目标的傅里叶变换；

S38：重新设定初始目标，分别获得无混叠散斑图像S_G和S_B的彩色目标。

Images