CN100574458C - 一种获取伽玛校正特性的方法和装置 - Google Patents

Abstract

本发明涉及视频通信技术，特别涉及一种获取伽玛校正特性的方法和装置，用以解决现有技术无法获取YUV向量信号的伽玛校正特性的问题。本发明技术方案根据视频输入设备采集的原始RGB信号和视频信号接收设备还原的RGB信号之间的目标关系，通过构造校正关系式获取了在YUV空间对YUV向量信号进行伽玛校正时的伽玛校正关系式，以达到在YUV空间上校正视频信号伽玛特性的目的；进一步，本发明根据选择的校正策略，考虑各YUV分量信号之间的不同耦合关系，可以获得相应校正精度的伽玛校正特性，以灵活配合不同性能的视频输入设备。

Description

一种获取伽玛校正特性的方法和装置

技术领域

本发明涉及视频通信技术，特别涉及一种获取伽玛校正特性的方法和装置。

背景技术

视频通信目前正在随着宽带网络的迅速发展而得到日益广泛的应用，在国内和国际上，视频会议和可视电话业务正在成为NGN(Next GenerationNetwork，下一代网络)上的基本业务。各国的电信运营商也非常重视这个市场机会，可以预期在未来几年中，视频通信业务将成为运营商重要的业务增长点。发展此类业务的一个关键问题是提高端到端(End-to-end)的用户体验(UserExperience，或者叫做Quality of Experience)。用户体验中除了网络的QoS(丢包，延迟，抖动，R因子等)参数外，对于视频，由各个环节引起的Gamma非线性造成的亮度信号畸变(Distortion)，也是影响最终用户体验的重要因素。

如图1所示，Gamma特性就是一个环节的亮度信号输入-输出关系不是线性的，而是一种非线性。因此一个Gamma环节本质上是对于输入的亮度信号L_in进行了失真或者扭曲，使输出的亮度信号L_out不等于输入的亮度信号L_in。为了在视频通信中忠实反应原始的输入光信号，需要进行Gamma环节中Gamma特性的校正，简称Gamma校正。一般情形的Gamma环节特性函数可以用一个非线性函数来表示如下：

L_out＝Gg(L_in)    (1)

如图2所示，对于一个环节来说，其Gamma特性给定，那么可以用另外一个校正环节和它进行级联，来使得级联后总的Gamma特性成为真正的线性关系，从而达到补偿掉给定环节非线性的目的，使得最终的输入输出关系为线性关系。Gamma校正模块级联在Gamma环节之后(当然也可以在之前)，其Gamma特性表示为G_c(.)，可以校正Gamma特性为G_g(.)的Gamma特性造成的失真，显然，G_g(.)和G_c(.)互为反函数。

在当前视频信息的获取和通信中，视频输入模块都是把来自外部场景的光分解成红，绿，蓝(Red，Green，Blue)三基色来成像的。RGB三基色的线性组合(即不同比例相加混合)可以生成一个颜色空间(colour space)。简单来说，一个颜色空间就是由不同颜色组成的集合。之所以叫做空间是因为集合中的每种颜色如果用其R，G，B分量信号(component)来表示其坐标，可以对应为3维空间中的一个点。在视频信号采集后进行包括压缩编码在内的各种处理中，RGB颜色空间不是唯一的空间。其实在视频处理中常用的颜色空间是所谓的YUV空间(有很多变种比如YCC/YCbCr空间等)。另外，从人类对于颜色现象的认知发展来说，对于颜色的形成和表示有不同的理论，这个属于色度学研究的范畴，不同的颜色理论也导致不同的颜色空间产生。其实自然界的颜色都是一样的，并不因为色彩空间不同，颜色发生变化，但是同一种颜色在不同颜色空间中的表示(坐标)不同。如图3所示，颜色空间之间的变换实质上是一种坐标系变换(coordinate system transform)。

在颜色空间变换中，颜色本身并不变，红色还是红色，紫色还是紫色。但是该颜色对应的分量信号表示(颜色空间中的坐标表示)是发生变化的。同一种颜色，如果用RGB分量信号表示，其分量信号分别为r，g，b，其实这些分量信号就是该颜色作为一个点在RGB颜色空间中的坐标(对于欧几里得或者更加广义的仿射坐标系，是采用和坐标轴平行的投影来得到坐标的)，而如果变换到YUV空间中，y，u，v分量信号是该颜色点在YUV坐标系中的坐标。因此，颜色空间实际上就是一种坐标系，它们之间的变换，遵循数学中关于坐标系变换的原则。这种变换可以是线性的，也可以是非线性的。RGB到YUV空间的变换是线性的，变换的数学关系如下：

$\left[\begin{array}{c}y\\ u\\ v\end{array}\right]=\left[\begin{array}{ccc}0.299& 0.587& 0.114\\ -0.147& -0.289& 0.436\\ 0.615& -0.515& -0.100\end{array}\right]\left[\begin{array}{c}r\\ g\\ b\end{array}\right]---\left(2\right)$

如果假设从RGB到YUV变换的方向为正，那么从YUV向RGB变换的方向为逆，则逆变换是：

$\left[\begin{array}{c}r\\ g\\ b\end{array}\right]=\left[\begin{array}{ccc}1.0000& 0& 1.1398\\ 1.0000& -0.3946& -0.5805\\ 1.0000& 2.0320& -0.0005\end{array}\right]\left[\begin{array}{c}y\\ u\\ v\end{array}\right]---\left(3\right)$

当然正和逆是相对的。因为正变换和逆变换都可以用矩阵来表示，因此是一种线性变换(Linear Transform)。在本文中，用T(Transform)表示正变换，R(Reverse Transform)表示逆变换。变换矩阵是3×3大小的矩阵。有：

$T=\left[\begin{array}{ccc}{t}_{11}& t_{12}& t_{13}\\ t_{21}& t_{22}& t_{23}\\ t_{31}& t_{32}& t_{33}\end{array}\right]$

$R=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_{33}\end{array}\right]$

并且满足 $\mathrm{TR}=I_{3\×3}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]---\left(4\right)$

其中I_3x3表示3x3大小的单位矩阵(Identity Matrix)。

一般地，RGB、YUV颜色空间采用规一化(normalized)的表示，即满足在RGB空间中，r，g，b分量信号的绝对值不大于1，因为r，g，b都取正值，因此要求0≤r，g，b≤1；在YUV空间中，-1≤y，u，v≤1。

采用规一化的表示有很多好处，在视频信号经过的各个处理环节中，具体的亮度或者色度信号等级可以不同，比如256，64级等。但是都可以通过除以每个处理环节的亮度或者色度信号最高等级来变化到[-1，1]区间中，这样就和具体的等级数无关了。在RGB空间中，如果进行了规一化处理，颜色空间就是一个单位立方体[0，1]×[0，1]×[0，1]，或者简写作[0，1]³，其中乘号“×”表示集合的笛卡尔积(Cartesian Product)。而对应地，在YUV空间中，颜色空间是一个平行六面体。

如图4所示，在视频信息获取和通信过程中，通常是通信终端的视频输入模块进行光信号采集的颜色空间是RGB，然后输出的电信号/数字信号的空间是YUV空间，经过前处理和压缩编码、网络传送到达对方通信终端后，经过去压缩解码、后处理变换回到RGB颜色空间，再从数字信号变成视频显示模块输入的电信号，通过显示模块变成光信号。在这个过程中，信号的Gamma特性主要由光/电转换器件引入，导致RGB视频信号的非线性失真。

现有解决上述问题的技术有以下两种：

一、在RGB空间进行校正，然后再变换到YUV空间

实际上，Gamma环节和其后的RGB到YUV变换模块都位于视频输入模块中，如果要这样做，需要在视频输入模块内部进行Gamma校正。因为不是所有的视频输入模块都具有Gamma校正环节，尤其是那些低端的视频输入模块则一般没有这种功能，例如USB摄像头。但这类低端视频输入模块恰恰在大众视频通信中使用非常广泛，因此，这种现有技术对于提高大众视频通信的用户体验是没有实用价值。

二、在YUV空间中，首先进行一次逆变换，回到RGB空间进行Gamma校正，再经过一次正变换，变换回到YUV空间中

这种技术需要消耗额外的计算资源，增加了视频通信终端产品的成本，或者在没有增加成本情况下，牺牲了性能。

现有技术中还没有一种可以获取YUV向量信号的伽玛校正特性的方法，从而达到可以在YUV空间进行Gamma校正的目的。

发明内容

本发明实施例提供一种获取伽玛校正特性的方法和装置，用以解决现有技术无法获取YUV向量信号的伽玛校正特性的问题。

为解决上述技术问题，本发明实施例提供如下技术方案：

一种获取多媒体通信伽玛校正特性的方法，包括如下步骤：

获取RGB空间上采集的原始RGB向量信号进行光电转换后对应的第一RGB向量信号，并将所述第一RGB向量信号转换到YUV空间上获取第一YUV向量信号；

分别构造第一YUV向量信号中每一个分量信号的伽玛校正关系式，并根据所述伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式与对应的第一YUV分量信号相关；

根据颜色反变换的变换矩阵，将第二YUV向量信号执行YUV空间到RGB空间的颜色空间反变换后获得的第二RGB向量信号用第二YUV向量信号表示出来，从而根据原始RGB各分量信号和对应的第二RGB各分量信号之间的向量间广义平均距离最小的准则，分别确定每一个第一YUV分量信号的对应的目标伽玛校正关系式。

基于同一技术构思，本发明还提供一种获取多媒体通信伽玛校正特性的装置，包括：

第一单元，用于获取RGB空间上采集的原始RGB向量信号进行光电转换后对应的第一RGB向量信号，并将所述第一RGB向量信号转换到YUV空间上获取第一YUV向量信号；

第二单元，用于分别构造第一YUV向量信号中每一个分量信号的伽玛校正关系式，并根据所述伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式至少与对应的第一YUV分量信号相关；

第三单元，用于根据颜色反变换的变换矩阵，将第二YUV向量信号执行YUV空间到RGB空间的颜色空间反变换后获得的第二RGB向量信号用第二YUV向量信号表示出来，从而根据各原始RGB分量信号和对应的第二RGB分量信号之间的向量间广义平均距离最小，分别确定每一个第一YUV分量信号所对应的目标伽玛校正关系式。

本发明实施例提供的技术方案根据视频输入设备采集的原始RGB信号和视频信号接收设备还原的RGB信号之间的目标关系，通过构造校正关系式获取了在YUV空间对YUV向量信号进行伽玛校正时的伽玛校正特性，从而达到在YUV空间上校正视频信号伽玛特性的目的；

进一步，本发明根据选择的校正策略，根据各YUV分量信号之间的不同耦合关系，可以获得相应校正精度的伽玛校正特性，可以灵活配合不同性能的视频输入设备。

附图说明

图1为环节Gamma特性的一般模型；

图2为校正单个环节的Gamma特性示意图；

图3为颜色空间之间变换的原理示意图；

图4为视频信号采集和传送中颜色空间变换原理示意图；

图5为本发明实施例所述在YUV空间进行Gamma特性校正的原理示意图；

图6为一般视频输入模块中RGB信号三个分量信号的Gamma特性函数曲线示例；

图7为本发明实施例所述在YUV空间进行部分耦合Gamma特性校正的实现原理示意图；

图8为本发明实施例所述在YUV空间进行全耦合Gamma特性校正的实现原理示意图；

图9为本发明实施例所述在YUV空间进行零耦合Gamma特性校正的实现原理示意图；

图10为本发明实施例所述一种获取YUV空间上伽玛校正特性的方法主要流程示意图；

图11为本发明实施例所述一种获取YUV空间上伽玛校正特性的装置主要结构示意图；

图12为图11所示的Gamma特性校正装置中第一单元的一种具体结构示意图。

具体实施方式

如图5所示，为在YUV空间对视频信号进行Gamma特性校正的原理示意图，Gamma校正模块连接在视频输入模块和压缩编码模块之间，视频输入模块采集的光信号转换为失真的RGB信号，失真的RGB信号变换得到失真的YUV信号，Gamma校正模块在YUV空间对失真的YUV信号进行校正，减小或消除YUV信号的Gamma特性，然后再将校正后的YUV信号进行压缩编码后通过通信网络传输给通信对端，通信对端解压缩编码获得校正后的YUV信号，再变换回RGB信号。为此，本发明实施例提供一种YUV信号Gamma校正特性的获取方法。

如图6所示，为一般视频输入模块中RGB信号三个分量信号的Gamma特性函数曲线示例，视频输入模块在R，G，B三个颜色通道(color channel)上的Gamma特性函数是不同的。也就是说，R，G，B三基色各自有各自的Gamma特性。相当于：

r_d＝g_r(r_r)

g_d＝g_g(g_r)    (5)

b_d＝g_b(b_r)

其中，g_r，g_g，g_b分别表示R，B，G分量信号各自的Gamma特性。r_d，r_r分别表示原始的R分量信号和经过Gamma失真的R分量信号。下标r＝raw标识原始的，下标d＝distorted标识失真的。同样道理有g_d，g_r，b_d，b_r。

而失真后的RGB信号经过颜色空间变换T后，产生了的失真YUV信号：

y_d＝t₁₁ g_r(r_r)+t₁₂ g_g (g_r)+g₁₃ g_b (b_r)

u_d＝t₂₁ g_r(r_r)+t₂₂ g_g (g_r)+t₂₃ g_b (b_r)    (6)

v_d＝t₃₁ g_r(r_r)+t₃₂ g_g (g_r)+t₃₃ g_b  (b_r)

或者用矩阵和向量信号的形式来表示如下：

c_dYUV＝Tc_dRGB＝TG(c_rRGB)    (7)

其中： $c_{\mathrm{dYUV}}=\left[\begin{array}{c}{y}_d\\ u_d\\ v_d\end{array}\right],$ $c_{\mathrm{rRGB}}=\left[\begin{array}{c}{r}_r\\ g_r\\ b_r\end{array}\right],$ $c_{\mathrm{dRGB}}=\left[\begin{array}{c}{r}_d\\ g_d\\ b_d\end{array}\right],$ $G(.)=\left[\begin{array}{c}{g}_r(.)\\ g_g(.)\\ g_b(.)\end{array}\right].$ $c_{\mathrm{dYUV}}=\left[\begin{array}{c}{y}_u\\ u_u\\ v_u\end{array}\right]$ 表示Gamma失真的YUV信号。而用向量 $c_{\mathrm{cYUV}}=\left[\begin{array}{c}{y}_c\\ u_c\\ v_c\end{array}\right]$ 和向量 $c_{\mathrm{cRGB}}=\left[\begin{array}{c}{r}_c\\ g_c\\ b_c\end{array}\right]$ 表示校正后的YUV信号和RGB信号。

参阅图5所示，如果忽略掉后续处理诸环节和网络传送引入的Gamma失真(在绝大多数实际情况下可以忽略)，可以认为：

c_cRGB＝Rc_cYUV    (8)

其中，R表示RGB空间到YUV空间的逆变换矩阵。

对于Gamma特性函数，也可以引入向量值函数(vector-valued)的形式表述如下：

$c_{\mathrm{dRGB}}=G\left(c_{\mathrm{rRGB}}\right)=\left[\begin{array}{c}{g}_r\left(r_r\right)\\ g_g\left(g_r\right)\\ g_b\left(b_r\right)\end{array}\right]---\left(9\right)$

其中，函数G(.)的定义域和值域都是规一化RGB空间[0，1]³。

根据图3，Gamma环节存在于RGB信号变换成YUV信号之前，即Gamma失真发生于RGB空间中，而Gamma校正发生在YUV空间中。则在YUV空间中的校正实际上是校正RGB空间中已经发生的Gamma失真。

前面分析已经指出，在YUV空间的每个分量信号都是从R，G，B分量信号变换来的，因而相互耦合，无法进行各自独立的校正。因而YUV空间的校正应该是一种耦合的校正，即需要在校正每个分量时，考虑待校正的分量和其它分量之间的相关性，这里的相关是指将相应第一YUV分量信号作为与之相关的伽玛校正关系式的自变量，对于不考虑相关性的分量，则将其对应的伽玛校正关系式全部构造为比例系数等于1、常量为0的线性函数。以最主要的亮度信号分量Y分量信号为例，校正原理示意图如图7所示，同时根据Y分量信号、U分量信号和V分量信号校正Y分量信号，实现校正的关键在于找到Y分量信号Gamma校正函数f_y，使得：

y_c＝f_y(y_d，u_d，v_d)    (10)

其中，y_c为校正后的Y分量信号。也可以把自变量写成向量信号形式，因此等效的表示是：y_c＝f_y(c_dYUV)。同理，可以得到U分量信号的Gamma校正函数f_u和V分量信号的Gamma校正函数f_v。

Gamma校正函数f_y、f_u和f_v的精确性决定校正效果，可以利用某种数学准则查找使校正效果达到目标性能的目标函数。

如果达到理想的完全Gamma校正，并且忽略后续处理诸环节(尤其是压缩编码和去压缩解码环节)和网络传送过程引入的Gamma失真以及其它失真，视频输入模块中光电转换后的原始RGB信号和视频接收模块还原出的RGB信号应该相等。但是实际上的Gamma校正都不可能达到完全校正的效果。因此，一种合理的准则是基于向量信号间广义平均距离最小准则，下面以其中均方误差MSE(Mean Square Error)最小为例进行推导。

首先定义均方误差如下：

$\mathrm{MSE}={\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{(c_{\mathrm{cRGB}}\left(c_{\mathrm{rRGB}}\right)-c_{\mathrm{rRGB}})}^T(c_{\mathrm{cRGB}}\left(c_{\mathrm{rRGB}}\right)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}---\left(11\right)$

其中c_cRGB(c_rRGB)表示校正后的RGB信号，根据上述推导过程，c_cRGB(c_rRGB)应该是依赖于原始RGB信号的，因此是后者的函数，该校正后的RGB向量信号实际上是对接收到的YUV向量信号执行颜色空间的反变换后得到的。于是，这个均方误差的意义就是，在整个规一化的RGB空间[0，1]³上，校正后的RGB信号和原始RGB信号误差的平方和的积分(体现一种平均)。

公式11中实际上包含了三个Gamma校正函数f_y、f_u和f_v，通过数学优化方法，可以根据式11的目标值，分别获得用于校正三个YUV分量信号的目标校正函数关系式，为减小复杂度，可以考虑只校正Y分量信号，这时，第一U分量信号和第一V分量信号的伽玛校正关系式全部构造为比例系数等于1、常量为0的线性函数。则只需要根据公式11查找Y分量信号的Gamma校正函数f_y，有以下两种方法：

一、基于泛函极值问题求解的方法

为了使得MSE最小，需要找到Y分量信号的最优Gamma校正函数f^Opt _y(.)，满足对于任何函数f_y(.)有如下不等式成立：

${\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{(c_{\mathrm{cRGB}}(c_{\mathrm{rRGB}},f_y)-c_{\mathrm{rRGB}})}^T(c_{\mathrm{cRGB}}(c_{\mathrm{rRGB}},f_y)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}\≥$

     (12)

${\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{(c_{\mathrm{cRGB}}(c_{\mathrm{rRGB}},{f^{\mathrm{Opt}}}_y)-c_{\mathrm{rRGB}})}^T(c_{\mathrm{cRGB}}(c_{\mathrm{rRGB}},{f^{\mathrm{Opt}}}_y)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}$

对于(12)可以进一步推演得到：

${\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{\left(R\left[\begin{array}{c}{f}_y\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right)}^T\left(R\left[\begin{array}{c}{f}_y\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right){\mathrm{dc}}_{\mathrm{rRGB}}\≥$

   (13)

${\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{\left(R\left[\begin{array}{c}{f^{\mathrm{Opt}}}_y\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right)}^T\left(R\left[\begin{array}{c}{f^{\mathrm{Opt}}}_y\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right){\mathrm{dc}}_{\mathrm{rRGB}}\≥$

其中， $K=\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 1\end{array}\right]$ 是一个常数矩阵，在以上矩阵K中，第一行元素和U分量相关，第一行的第一列元素对应表示U分量以来Y分量的情况，因为是0，所以依赖关系不存在，而第一行第二列元素为1，表示U分量依赖自身，第二行第三列元素为0，表示U分量不依赖于V分量。同样道理，第三行的元素表示V分量和其它分量之间的依赖关系。显然因为第一，第二列元素为0，V分量不依赖于Y，U分量，而第三列元素是1，V分量只依赖于自己。

不等式(13)的意义是说在所有的函数中，最优Gamma校正函数f^Opt _y(.)使得MSE准则最小，其中上标Opt表示最优(Optimal)的意思。其中c_cRGB(c_rRGB，f_y)和c_cRGB(c_rRGB，f^Opt _y)分别表示校正后的RGB信号对于f_y(.)和f^Opt _y(.)的依赖关系。

因此应该寻找满足不等式(12)的最优Gamma校正函数。这种数学问题是数学上求一个函数使得某个作为准则的泛函(functional，一般解释是函数的函数)，因此这里泛函MSE就可以看成是函数f_y(.)的函数取得最小值，通常需要采用变分法(Calculus of variations)来解。因此这个时候MSE成为一个关于函数f_y(.)的泛函，要求f^Opt _y(.)使得这个泛函取得最小值。

如果RGB空间三个分量信号各自的Gamma特性函数有闭合的数学表达式，则在一定条件下，可以通过变分法中的泛函极值条件建立关于f^Opt _y(.)的微分方程(组)，通过用解析法或者数值分析(Numerical Analysis)的方法来求解该微分方程(组)从而得到最优Gamma校正函数f^Opt _y(.)。

以上简要描述了求解泛函极值问题的基本方法要点，具体求解方法为本领域技术人员所熟知，这里不再赘述。

上述第一种方法中，在形式上对函数f_y(.)没有特定的要求，只要求满足一定的连续性或者可导等基本条件。但是需要知道RGB空间三个分量信号各自的Gamma特性函数的闭合的数学表达式，如果这一条件无法满足，则可以使用下述第二种方法得到Y分量信号Gamma校正函数f_y。

二、基于多项式函数的方法

基于多项式函数的方法需要对函数f_y(.)在形式上进行一定的假设，假设其为一定次数(degree)的多项式函数。这样，就可以把MSE准则最小化问题转化为一个关于多项式函数系数的一个数学优化问题，这种方法的好处是可以适用于更宽的范围。

可以假设多项式的最高次数为D，于是多项式函数为：

$y_c=f_y(y_d,u_d,v_d)=\underset{i=0}{\overset{D_y}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^y}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

$u_c=f_u(y_d,u_d,v_d)=\underset{i=0}{\overset{D_u}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^u}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n---\left(14\right)$

$v_c=f_v(y_d,u_d,v_d)=\underset{i=0}{\overset{D_v}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^v}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

其中：y_c表示第二YUV向量的Y分量，u_c表示第二YUV向量的U分量，v_c表示第二YUV向量的V分量；

Y_d表示第一YUV向量的Y分量，u_d表示第一YUV向量的U分量，v_d表示第一YUV向量的V分量；

D_y，D_u，，D_v为多项式中对应于Y，U，V分量的最高次数，P^y，P^u，P^v为多项式的系数。

仍以 $y_c=f_y(y_d,u_d,v_d)=\underset{i=0}{\overset{D}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$ 为例说明，其中是p_l，m，n是系数，非负整数l，m，n是三重下标。根据排列组合数学原理，可以算出对于次数D，这样的系数共有 $\mathrm{PN}\left(D\right)=\frac{1}{12}({2D}^3+{12D}^2+22D+12)$ 个，其中PN(parameter number)表示参数个数。

举例如下，对于D＝2有：PN(2)＝10。这些参数分别是：p_2，0，0、p_1，1，0、p_1，0，1、p_0，2，0、p_0，1，1、p_0，0，2、p_1，0，0、p_0，0，1、p_0，1，0和P_0，0，0，可以看出系数的个数随着多项式次数D按照D的立方规律递增。因此，在实际使用中，为了减少需要求解的参数的个数，次数D的取值不能很大。当D＝3的时候，参数个数PN(3)已经达到20。

在引入了参数p_D，0，0，p_D-1，0，1，p_D-1，1，0，......，p_0，0，1，p_0，0，0之后，可以形成一个PN(D)维的参数向量P＝[p_D，0，0，P_D-1，0，1，p_D-1，1，0，......，p_0，0，1，p_0，0，0]^T，其中T表示转置。因此，MSE准则就成为参数向量P的函数。

$\mathrm{MSE}\left(P\right)={\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{\left(R\left[\begin{array}{c}{f}_y(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right)}^T\left(R\left[\begin{array}{c}{f}_y(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right){\mathrm{dc}}_{\mathrm{rRGB}}---\left(15\right)\≥$

此时，MSE仅仅依赖于参数向量P，而不是像第一种方法中，依赖于函数f_y(.)。原因在于此时函数f_y(.)完全由参数向量P决定，因此MSE对于函数f_y(.)的依赖，最终转化为对于参数向量P的依赖。

于是需要确定一个最优的参数向量，满足：

$P^{\mathrm{Opt}}=\arg \underset{P\∈R^{\mathrm{PN}\left(D\right)}}{\min }\mathrm{MSE}\left(P\right)=$

$\arg \underset{P\∈R^{\mathrm{PN}\left(D\right)}}{\min }{\∫}_{c_{\mathrm{rRGB}}\∈{\left[\mathrm{0,1}\right]}^3}{\left(R\left[\begin{array}{c}{f}_y(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right)}^T\left(R\left[\begin{array}{c}{f}_y(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)\\ \mathrm{KTG}\left(c_{\mathrm{rRGB}}\right)\end{array}\right]-c_{\mathrm{rRGB}}\right){\mathrm{dc}}_{\mathrm{rRGB}}---\left(16\right)\≥$

最优参数P^Opt使得准则函数MSE取得全局最小值。其中R^PN(D)表示PN(D)维欧几里德空间。

这时，问题转化为求一个函数的全局最小点的问题。这是一个典型的数学优化问题，可以用现有数学方法求解。具体求解方法为本领域技术人员所熟知，不再赘述。

作为一种特殊情况，当多项式的次数D＝1时就是线性函数的情况，即Gamma校正函数f_y(.)是一个线性函数：

y_c＝f_y(y_d，u_d，v_d)＝p_1，0，0y_d+p_0，1，0u_d+p_0，0，1v_d+p_0，0，0    (17)

此时PN(1)＝4，参数共有四个，因此参数向量是：P＝[p_1，0，0，p_D-1，0，1，p_D-1，1，0，......，p_0，0，1，p_0，0，0]^T。

图7给出的一种典型耦合情况适用。对于其它的耦合情况，仍然可以用前面描述的方法来处理。

一般情况，如果发生耦合，那么Gamma校正函数应该是一个向量值函数F(.)：

c_cYUV＝F(c_dYUV)    (18)

图7的情况作为一种特殊情形，

$c_{\mathrm{cYUV}}=F\left(c_{\mathrm{dYUV}}\right)=\left[\begin{array}{c}{f}_y\left(c_{\mathrm{dYUV}}\right)\\ u_d\\ v_d\end{array}\right]---\left(19\right)$

而对于更加一般的情形，应该有：

$c_{\mathrm{cYUV}}=F\left(c_{\mathrm{dYUV}}\right)=\left[\begin{array}{c}{f}_y\left(c_{\mathrm{cYUV}}\right)\\ f_u\left(c_{\mathrm{dYUV}}\right)\\ f_v\left(c_{\mathrm{dYUV}}\right)\end{array}\right]---\left(20\right)$

因为耦合的程度不同，函数的结构也不同，比如如果U分量信号的校正不涉及V分量信号，而只涉及Y分量信号，那么在式(20)中，f_u(c_dYUV)在自变量中将不含有v_d。此时，MSE准则变成了：

$\mathrm{MSE}={\∫}_{c_{\mathrm{rRGB}\∈{\left[\mathrm{0,1}\right]}^3}{(\mathrm{RF}\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)-c_{\mathrm{rRGB}})}^T(\mathrm{RF}\left(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right)\right)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}---\left(21\right)}$

那么根据式(21)也可以采用泛函极值的方法，通过变分法获得关于Gamma校正函数F(.)的微分方程(组)，然后求解该微分方程(组)来确定最优Gamma校正函数F^Opt(.)。

同样也可以对于F(.)按照多项式形式进行参数化。那么有：

$y_c=f_y(y_d,u_d,v_d)=\underset{i=0}{\overset{D_y}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^y}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

$u_c=f_u(y_d,u_d,v_d)=\underset{i=0}{\overset{D_u}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^u}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n---\left(22\right)$

$v_c=f_v(y_d,u_d,v_d)=\underset{i=0}{\overset{D_v}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^v}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

可以假设Y，U，V三个通道Gamma校正函数的次数可以不同，分别是D_y，D_u，D_v。那么此时参数向量是：

P＝[p^y _D，0，0，p^y _D-1，0，1，p^y _D-1，1，0，......，p^y _0，0，1，p^y _0，0，0；p^u _D，0，0，p^u _D-1，0，1，p^u _D-1，1，0，......，p^u _0，0，1，p^u _0，0，0；和p^v _D，0，0，p^v _D-1，0，1，p^v _D-1，1，0，......，p^v _0，0，1，p^v _0，0，0]^T    (23)

显然此时最大可能的参数个数是：

$\frac{1}{12}[({{2D}_y}^3+{{12D}_y}^2+{22D}_y+12)+({{2D}_u}^3+{{12D}_u}^2+{22D}_u+12)+({{2D}_v}^3+{{12D}_v}^2+{22D}_v+12)]---\left(24\right)$

当然这只是最大可能的数目，实际上因为耦合程度不同，有些参数是固定等于零的，则实际中，对于某种特定的耦合情况，一定小于这个最大可能数目。

因此，此时MSE作为参数向量P的函数，形式是：

$\mathrm{MSE}\left(P\right)={\∫}_{c_{\mathrm{rRGB}\∈{\left[\mathrm{0,1}\right]}^3}{(\mathrm{RF}(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)-c_{\mathrm{rRGB}})}^T(\mathrm{RF}(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}---\left(25\right)}$

同样最优参数向量P^Opt应该满足：

$P^{\mathrm{Opt}}=\arg \underset{P\∈R^{\mathrm{PN}\left(D\right)}}{\min }{\∫}_{c_{\mathrm{rRGB}\∈{\left[\mathrm{0,1}\right]}^3}{(\mathrm{RF}(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)-c_{\mathrm{rRGB}})}^T(\mathrm{RF}(\mathrm{TG}\left(c_{\mathrm{rRGB}}\right);P)-c_{\mathrm{rRGB}}){\mathrm{dc}}_{\mathrm{rRGB}}---\left(26\right)}$

通过求解以上数学优化问题，可以获得最优参数向量P^Opt。

在具体执行校正时，对三个失真YUV分量信号中的一个、任意两个或全部三个进行校正，都可以一定程度的减少通信网络中传输的视频码流的伽玛特性。对于待校正的失真YUV分量信号，可以根据如下策略考虑三个分量信号之间的耦合因素：

一、全耦合

如图8所示，全耦合是指Y，U，V三个分量信号中的每一个分量信号进行Gamma校正都需要用其它两个分量信号同时作为输入，也就是说每个分量信号的校正都涉及到所有三个分量信号。

二、部分耦合

每个分量信号的校正可能和其它两个分量信号中的1或者2个相关。显然，部分耦合有很多种具体情况，例如图7所示，对Y分量信号进行校正，对U分量信号和V分量信号其中之一或全部，可以参考其自身进行校正(即：U_d、V_d分别为零)，也可以不进行校正。按照排列组合数学原则，可以计算出，不同的情况总共有25种。

三、零耦合

如图9所示，即完全不考虑三个分量信号之间的耦合依赖关系，每个分量信号的校正完全只依赖于该分量信号自身，而不涉及其它分量信号。

全耦合、部分耦合和零耦合可以获得不同精度的校正效果，灵活配合各种视频终端设备使用。

由于Y分量信号为亮度信号，Y分量信号的采样点通常为U分量信号或V分量信号的数倍，因此如果只校正部分分量信号，可以优先选择对Y分量信号进行校正。U分量信号和V分量信号是一对对称分量信号，一般在考虑分量信号之间的耦合因素时，同时考虑U分量信号和V分量信号。

参阅图7所示，下面以全耦合校正Y分量信号为例，结合附图进一步详细说明本发明提供的在YUV空间上获取多媒体通信Gamma校正关系式的方法，首先说明以下概念：

原始RGB分量信号为视频采集设备根据在RGB空间上采集的视频信号分解得到；

第一RGB向量信号为原始RGB向量信号经过光电转换后对应的RGB向量信号，该第一RGB向量信号具有光电转换器件引入的伽玛特性，为失真的RGB向量信号；

第一YUV向量信号为将第一RGB向量信号执行RGB空间到YUV空间的颜色空间转换获得的对应YUV向量信号，该第一YUV向量信号为待校正的失真YUV向量信号；

第二YUV向量信号为将第一YUV向量信号进行Gamma特性校正后获得的YUV向量信号，其中的第一YUV向量信号中的伽玛特性被得到部分或全部校正，第二YUV向量信号经过压缩编码等处理后经通信网络传输给接收端；

第二RGB向量信号为将第二YUV向量信号执行YUV空间到RGB空间的颜色空间反变换后获得的对应RGB向量信号，根据Gamma特性校正原理，各第二RGB分量信号与对应的原始RGB分量信号越接近则校正性能越好，该反变换过程通常在接收端执行。

如图10所示，根据视频输入设备在R，G，B通道的Gamma特性函数是否全部为闭合形式的函数关系式，构造每一个第一YUV分量信号表达式和对应的第二YUV向量信号表达式之间的Gamma校正关系式，本发明所述的获取Y分量信号Gamma校正关系式的方法包括如下步骤：

步骤S1001、获取视频输入设备各颜色通道上的Gamma特性函数，即各原始RGB分量信号与对应的第一RGB向量信号之间的伽玛特性表达式，例如式(5)所示；

步骤S1002、根据颜色空间变换方法，利用各伽玛特性表达式确定每一个第一YUV向量信号表达式，包括Y分量信号、U分量信号和V分量信号，每一个第一YUV分量信号表达式中包含各原始RGB分量信号和对应的第一RGB分量信号之间的伽玛特性表达式，例如前述的式(6)或式(7)所示；

步骤S1003、根据构造的伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式至少与对应的第一YUV分量信号相关，具体相关性根据选择的校正策略确定；

步骤S1004、对根据各分量对应的Gamma校正关系式获得的对第二YUV向量信号执行相应的颜色空间反变换后获得所述RGB空间上的各第二RGB向量信号表达式，例如前述的式(8)或式(9)所示；

步骤S1005、确定各YUV分量信号的目标校正关系式，该目标校正关系式使各原始RGB分量信号和对应的第二RGB向量信号之间基于向量信号间的广义平均距离达到目标值；

可以有两种方法获得目标校正关系式：

如果各原始RGB分量信号和对应的第一RGB向量信号之间的伽玛特性表达式全部为闭合的函数关系式，则构造Gamma校正关系式为一个函数关系式，并利用变分法求解所述目标值为最小值时对应的最优校正函数，该最优校正函数即为所述目标伽玛校正关系式。具体过程为：根据所述变分法获得关于所述最优校正函数的微分方程组，如果该微分方程组可以获得闭合形式解，则求出所述闭合形式解作为最优校正函数；否则用数值解法求解所述微分方程组，得到一个数值解，并将所述数值解作为最优校正函数。具体求解过程可以参见前述的式(12)、式(13)及相关描述；

如果各原始RGB分量信号和对应的第一RGB向量信号之间的伽玛特性表达式不全为闭合的函数关系式，则构造所述目标校正函数为一个多项式，并利用数学优化问题求解的方法获得该目标多项式。求解数学优化问题的一种方法是搜索全局最小值解，并把全局最小解作为该目标多项式，参见前述的式(14)～式(17)及相关描述。

通常，基于向量信号间的广义平均距离是指均方误差值，表达式见前述的式(11)。

根据上述步骤，可以获得校正任何一个第一YUV分量信号Gamma特性的校正关系式，对于部分耦合和零耦合场景下获取相应Gamma校正关系式的方法基本相同，目标校正函数的构造和获取方法可以参见前述的式(21)～式(26)及相关描述具体实现。

针对特定的视频输入设备，确定了R，G，B通道的Gamma特性后，都可以根据本发明实施例提供的上述方法，在例如图8或图9所示的某种校正策略下，获得在YUV空间上每一个分量对应的Gamma校正关系式，该关系式可能是一个具有闭合形式的函数关系式或一个用于近似表示的多项式，然后根据每一个分量对应的Gamma校正关系式，校正视频输入设备输出的YUV向量信号中对应分量中的Gamma特性。参阅图5所示，根据每一个分量对应的Gamma校正关系式制造相应的校正模块，然后将校正模块连接在视频输入设备和压缩编码模块之间，用于校正视频输入设备输出的YUV空间向量信号的Gamma特性，根据具体的应用场景，如果选中全部校正三个分量，则校正模块中包括三个子模块，每一个子模块用于校正其中一个YUV分量信号的Gamma特性，如果只校正Y分量信号，则校正模块中只包括一个校正Y分量信号的子模块，具体校正方法属于现有技术，为本技术领域技术人员所熟知，这里不再详细说明。

如图11所示，本发明实施例还提供一种多媒体通信伽玛校正特性获取装置，包括：

第一单元1101，用于获取RGB空间上采集的原始RGB向量信号进行光电转换后对应的第一RGB向量信号，并将所述第一RGB向量信号转换到YUV空间上得到第一YUV向量信号；

第二单元1102，用于分别构造第一YUV向量信号中每一个分量信号的伽玛校正关系式，并根据所述伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式至少与对应的第一YUV分量信号相关；

第三单元1103，用于将第二YUV向量信号通过反变换和RGB空间上的第二RGB向量信号进行关联，从而根据各原始RGB分量信号和对应的第二RGB分量信号之间基于向量信号间的广义平均距离达到的目标值，分别确定每一个第一YUV分量信号的对应的目标伽玛校正关系式。

如图12所示，第一单元1101的一种结构可以包括：

第一子单元11011，用于获取视频信号输入设备在各颜色通道上的伽玛特性函数；

第二子单元11012，用于利用伽玛特性函数将所述第一RGB向量信号表示为原始RGB向量信号的函数；

第三子单元11013，用于根据颜色正变换的变换矩阵，将第二YUV向量信号用第一RGB向量信号表示出来。

进一步，所述第一单元1101中还可以包括第四子单元11014：用于判断所述第三子单元1103获得的视频输入设备各颜色通道上的伽玛特性表达式是否全部为闭合形式的函数关系式，并将判断结果发送给所述第二单元1102；

所述第二单元1102在判断结果为是时将所述伽玛校正关系式构造为一个函数关系式，所述第三单元1103利用变分法求解所述目标值为最小值时对应的最优校正函数，该最优校正函数即为所述目标伽玛校正关系式；反之

所述第二单元1102将所述伽玛校正关系式构造为一个多项式，所述第三单元1103通过求解数学优化问题获得所述目标值为全局最小值时对应的所述多项式的各个参数，进而根据所述参数获得对应的多项式，该多项式即为所述目标伽玛校正关系式。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1、一种获取多媒体通信伽玛校正特性的方法，其特征在于，包括如下步骤：

获取RGB空间上采集的原始RGB向量信号进行光电转换后对应的第一RGB向量信号，并将所述第一RGB向量信号转换到YUV空间上获取第一YUV向量信号；

分别构造第一YUV向量信号中每一个分量信号的伽玛校正关系式，并根据所述伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式与对应的第一YUV分量信号相关；

根据颜色反变换的变换矩阵，将第二YUV向量信号执行YUV空间到RGB空间的颜色空间反变换后获得的第二RGB向量信号用第二YUV向量信号表示出来，从而根据原始RGB各分量信号和对应的第二RGB各分量信号之间的向量间广义平均距离最小的准则，分别确定每一个第一YUV分量信号的对应的目标伽玛校正关系式。

2、如权利要求1所述的方法，其特征在于，所述第一RGB向量信号和第一YUV向量信号的获取方法为：

先获取视频信号输入设备在各颜色通道上的伽玛特性函数，并利用该伽玛特性函数将所述第一RGB向量信号表示为原始RGB向量信号的函数；以及

根据颜色正变换的变换矩阵，将第一YUV向量信号用第一RGB向量信号表示出来。

3、如权利要求1所述的方法，其特征在于，所述方法中，每一个第一YUV分量信号的伽玛校正关系式还与至少一个其它第一YUV分量信号相关。

4、如权利要求1或3所述的方法，其特征在于，所述的相关是指将相应第一YUV分量信号作为与之相关的伽玛校正关系式的自变量。

5、如权利要求4所述的方法，其特征在于，当任何一个第一YUV分量信号和所有第一YUV分量信号全部相关时，所述每一个分量信号的伽玛校正关系式的一般形式分别为：

y_c＝f_y(y_d，u_d，v_d)

u_c＝f_u(y_d，u_d，v_d)

v_c＝f_v(y_d，u_d，v_d)

其中y_c表示第二YUV向量的Y分量，u_c表示第二YUV向量的U分量，v_c表示第二YUV向量的V分量；

y_d表示第一YUV向量的Y分量，u_d表示第一YUV向量的U分量，v_d表示第一YUV向量的V分量；

f_y(.)表示第二YUV向量的Y分量对应的伽玛校正关系式；

f_u(.)表示第二YUV向量的U分量对应的伽玛校正关系式；

f_v(.)表示第二YUV向量的V分量对应的伽玛校正关系式。

6、如权利要求5所述的方法，其特征在于，如果视频输入设备各颜色通道上的伽玛特性表达式全部为闭合形式的函数关系式，则将所述伽玛校正关系式构造为一个函数关系式，并利用变分法求解所述目标值为最小值时对应的最优校正函数，该最优校正函数即为所述目标伽玛校正关系式。

7、如权利要求6所述的方法，其特征在于，根据所述变分法获得关于所述最优校正函数的微分方程组，如果该微分方程组可以获得闭合形式解，则求出所述闭合形式解作为最优校正函数；否则用数值解法求解所述微分方程组，得到一个数值解，并将所述数值解作为最优校正函数。

8、如权利要求7所述的方法，其特征在于，如果视频输入设备各颜色通道上的伽玛特性表达式中有至少一个为非闭合形式的函数关系式，则将所述伽玛校正关系式构造为一个多项式，并通过求解数学优化问题获得所述目标值为全局最小值时对应的所述多项式的各个参数，进而根据所述参数获得对应的多项式，该多项式即为所述目标伽玛校正关系式。

9、如权利要求8所述的方法，其特征在于，所述的多项式为：

$y_c=f_y(y_d,u_d,v_d)=\underset{i=0}{\overset{D_y}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^y}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

$u_c=f_u(y_d,u_d,v_d)=\underset{i=0}{\overset{D_u}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^u}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

$v_c=f_v(y_d,u_d,v_d)=\underset{i=0}{\overset{D_v}{\mathrm{\Σ}}}\underset{l=0,m=0,n=0}{\overset{l+m+n=i}{\mathrm{\Σ}}}{p^v}_{l,m,n}{y_d}^l{u_d}^m{v_d}^n$

其中：y_c表示第二YUV向量的Y分量，u_c表示第二YUV向量的U分量，v_c表示第二YUV向量的V分量；

y_d表示第一YUV向量的Y分量，u_d表示第一YUV向量的U分量，v_d表示第一YUV向量的V分量；

D_y，D_u，，D_v为多项式中对应于Y，U，V分量的最高次数，P^y，P^u，P^v为多项式的系数。

10、如权利要求5所述的方法，其特征在于，当仅校正所述第一YUV向量信号中的第一Y分量信号的伽玛特性时，则将第一U分量信号和第一V分量信号的伽玛校正关系式全部构造为比例系数等于1、常数项为0的线性函数。

11、如权利要求1所述的方法，其特征在于，所述向量间广义平均距离包括均方误差。

12、一种多媒体通信伽玛校正特性获取装置，其特征在于，包括：

第一单元，用于获取RGB空间上采集的原始RGB向量信号进行光电转换后对应的第一RGB向量信号，并将所述第一RGB向量信号转换到YUV空间上获取第一YUV向量信号；

第二单元，用于分别构造第一YUV向量信号中每一个分量信号的伽玛校正关系式，并根据所述伽玛校正关系式表示出对第一YUV向量信号进行校正后获得的第二YUV向量信号，其中，每一个第一YUV分量信号的伽玛校正关系式至少与对应的第一YUV分量信号相关；

第三单元，用于根据颜色反变换的变换矩阵，将第二YUV向量信号执行YUV空间到RGB空间的颜色空间反变换后获得的第二RGB向量信号用第二YUV向量信号表示出来，从而根据各原始RGB分量信号和对应的第二RGB分量信号之间的向量间广义平均距离最小，分别确定每一个第一YUV分量信号所对应的目标伽玛校正关系式。

13、如权利要求12所述的装置，其特征在于，所述第一单元中包括：

第一子单元，用于获取视频信号输入设备在各颜色通道上的伽玛特性函数；

第二子单元，用于分别利用伽玛特性函数将所述第一RGB向量信号表示为原始RGB向量信号的函数；

第三子单元，用于根据颜色正变换的变换矩阵，将第一YUV向量信号用第一RGB向量信号表示出来。

14、如权利要求12所述的装置，其特征在于，所述第一单元中还包括第四子单元：用于判断所述第三子单元获得的视频输入设备各颜色通道上的伽玛特性表达式是否全部为闭合形式的函数关系式，并将判断结果发送给所述第二单元；

所述第二单元在判断结果为是时将所述伽玛校正关系式构造为一个闭合形式函数关系式，所述第三单元利用变分法求解所述目标值为最小值时对应的最优校正函数，该最优校正函数即为所述目标伽玛校正关系式；反之

所述第二单元将所述伽玛校正关系式构造为一个多项式，所述第三单元通过求解数学优化问题获得所述目标值为全局最小值时对应的所述多项式的各个参数，进而根据所述参数获得对应的多项式，该多项式即为所述目标伽玛校正关系式。

Images