背景技术
近十五年以来,图像压缩算法一直使用“视觉金字塔(vision pyramid)”模型来减少量化期间的视觉质量损失。在图1中图示了典型的图像压缩流程图:首先将图像解压缩成示出像素的色彩值的空间频率分布的系数(例如,使用离散余弦变换或者小波变换),目的在于从人的视觉角度(human visionperspective)组织信息。然后,取决于目标压缩率,将空间频率分布系数进行平滑地或者剧烈地(severely)量化,具有优于图像细节的粗略信息。最终,应用二进制编码以减少量化后的空间频率分布系数的尺寸。在JPEG/MPEG图像压缩的特定情形下,在8×8像素块区域上局部地应用频率变换步骤和量化步骤。
色域(color gamut)定义了图像显示设备能够再现的、或者图像捕捉设备能够捕捉的、或者在可视内容(诸如图像)的项目内包含的色彩的完整集合。为了在一些例如具有较宽的色域的显示器上正确再现图像,已对所述图像进行了处理,但是因为硬件的限制,许多其它彩色设备不可能提供所述图像的色彩的良好的再现。常见情形是在CRT监视器上渲染(render)的图像的色彩与来自低质量的彩色打印机的相同图像的色彩之间的比较。
为了确保在具有不同色域的不同色彩再现设备上最佳地再现图像的质量,这些年中已提出了若干种技术,如使用所谓的色彩的“域映射”的那些技术。色域映射确保了将源设备的色彩变换到位于目的设备(destinationdevice)的域之内。使用一系列准则能够执行这样的操作,这些准则将使得在图像的色度测量(colorimetry)中固有地引入变化的变换的影响最小化。已开发了若干种算法以将源色彩映射到目的色彩,诸如明度映射(lightnessmapping)或者色度映射(chroma mapping),由于人眼通过明度和色度考虑(consideration)来处理可视数据,因此这表示面向人的视觉系统(“HVS”)的准则的第一方向。
被标准化为视觉上感知均匀(perceptually-uniform)的色彩空间的、被命名为CIE 1976(L*u*v)的、也被称为CIELUV的CIE通过构建实质上感知均匀的三维色彩空间来解释(account for)人视觉的心理物理学(psychophysics)。如本领域中所定义的,CIELUV中色彩的坐标要求众所周知的CIE 1931 XYZ中的色彩被相对于“白色点”的XYZ坐标标准化(normalized)。CIELUV色彩空间的一个轴被命名为CIE 1976明度,标记为L*,并且使用XYZ中的、在原点(origin)处具有直线段的立方根函数来定义该轴。色彩沿着L*轴的位置仅仅包含与参考白色点有关地从其亮度(luminance)导出的信息。与参考白色点的色度有关地,CIELUV的其他两个轴从图像点的色度(chromaticity)导出。将图像点的色度与参考白色点的色度之间的差乘以与L*成比例的值来模仿(mimic)以下心理-物理学效应,即:其造成较暗的色彩来显示较小的色度,由此导致CIELUV空间中的感知均匀性。CIELUV色彩空间的圆柱(cylindrical)表示也是有用的。L*轴保持不变,而按照与所谓的色调(hue)H对应的相位角和与所谓的色度C相关的半径来表示由两个笛卡尔色度轴定义的平面。在1976年,CIE也被标准化为具有与CIELUV色彩空间的特性类似的特性的另一视觉上感知均匀的色彩空间,其被命名为CIE 1976(L*a*b)、或者CIELAB,其也可以按照笛卡尔坐标系(L乘a乘b)或者圆柱坐标系(L乘色调H乘色度C)。在感知均匀的色彩空间中,这三个笛卡尔基(base)被命名为亮度(L)和色度(C1、C2)。也可以按照被命名为色度(C)和色调角(H)的两个极(polar)色度基来描述笛卡尔色度平面。由此,色度(C)被定义为两个色度值(C1和C2)的平方之和的平方根,并且色调角(H)被定义为两个色度维的比率(C2/C1)的反正切。
众多色域映射技术易于集中于2D或者3D几何解决方案。这样的技术坚持利用硬色彩压缩/截切(clipping)或软色彩压缩/截切或者扩展算法对源色域的部分进行整形(reshape)/映射使得这些整形后/映射后的部分能够符合目的色域。为了限制映射的视觉影响,一些算法使用了准则。已知的准则是例如色调保持(hue conservation)、色彩空间中映射的空间一致性(homogeneity)和对比度保留(preservation)。
典型的2D几何(geometric)映射方法是在CIEL*a*b色彩空间中执行截切,更准确地是在L*C*子空间中执行截切,其中,L是色彩的明度,并且C*表示色彩的色度: (高的C*值表示高的饱和级别)。在图2中能够观察到硬色彩截切方法和软色彩截切方法的例子,该图是从1998年在Scottsdale的IS&T/SID Sixth Color Imaging Conference上发表的第57-61页、作者为Montag,E.D.和Fairchild,M.D.、名称为“Gamut mapping:Evaluationof chroma clipping techniques for three destination gamuts”的文章中选取的。在“直线截切(straight clipping)”中,在直接C*-平移(direct C*-shift)操作中将所有域外色彩都映射到目的域中,而未对明度L*做任何改变。较软的色彩截切方法可以使用固定的锚点(anchor point)(“节点截切”)以确保更好地保留饱和级别。将在以下给出有关这样的截切方法的更多细节。
取决于要被最小化的准则,一些色域映射算法具有比其他的色域映射算法较少的视觉影响。通常,要被最小化的准则是全局性的,并且一般利用相同的算法来处理要被色彩映射的图像的所有像素。这样的方法不依赖于图像中的局部变化,并且在某些情形下可能生成不合适的对比度(例如,增加了一致性区域(homogeneous area)中的量化或者获取(acquisition)噪声)。
相反,图像的不同部分取决于其局部特性可以被进行不同的色彩映射。使用这样的信息的色域映射方法被称作“内容依赖”,显著地是“空间频率依赖”。人的视觉研究教导:人类观察者趋于从粗大元素(coarse elements)到细小元素(fine elements)地分层次处理场景中的视觉数据。通常这种行为被模拟为(model after)高斯金字塔、或者其他种类的信号处理工具,这些信号处理工具能够从图像内的色彩值的从低到高的空间频率分布中区别并且组织所述图像的内容。
文档US6961477公开了根据图像内色彩值的空间频率内容将不同的色域映射算法应用到该图像的不同区域。根据该文档,原始图像的区域被空间地分隔(segregate)为“杂乱(busy)”区域和“平滑”区域,并且每个区域与一个或者多个色域映射算法相关。这种解决方案的重要问题在于:具有相同色彩值的相邻像素的色彩映射可能在两个区域的边界处差异非常大,则引入了不可接受的伪像(artifact)。EP1098511、US2003/012427以及US6516089阐述了取决于要映射的图像的空间频率内容的色域映射算法的其他例子。在US5450216中,根据涉及明度并且是非彩色的(achroma)所谓的对比度敏感性函数(CSF),并且根据涉及色度的色度对比度敏感性函数(CCSF)(首先根据红-绿色度,其次根据蓝-黄色度),这样的空间滤波采用了对明度改变和色度改变两者不敏感的人的视觉响应的不同空间频率区域,然后以使对亮度改变和色度改变两者的人的视觉响应最小化的方式来允许色彩映射。例如,如在该文档的第8栏第51-57行中所述的,仅仅在人眼对亮度变化相对不敏感但是对色度变化更敏感的低空间频率处,在亮度的方向上对源色彩进行映射,然后允许色度的最小改变。
具有人的视觉系统(HVS)的特征的上述的CSF和CCSF是本领域中众所周知的。图3和图4示出了在1985年伦敦Journal of Physiology第359卷第381-400页上发表的、作者是Kathy T.Mullen、名称为“The contrast sensitivityof human color vision to red-green and blue-yellow chromatic gratings”的文章中给出的这样的函数的例子。在图3中,○(圆圈)符号指明基于利用绿色单色光栅(grating)在526nm处执行的测量的CSF,□(方形)符号指明基于利用红-绿光栅在526nm、602nm处执行的测量的红-绿CCSF。在图4中,○(圆圈)符号指明基于利用黄色单色光栅在577nm处执行的测量的CSF,□(方形)符号指明基于利用蓝-黄光栅在577nm、470nm处执行的测量的蓝-黄CCSF。如1987年8月在Journal of the Optical Society of America A第4卷第1583页发表的、作者为Alan Johnston、名称为“Spatial scaling of central andperipheral contrast-sensitivity functions”的文章,也可以考虑其他源,根据人眼的视网膜的不同部分给出CSF和CCSF的变化。
图5示出了一种将压缩后的图像处理为解压缩的色域映射图像的方法的典型图:图像的解压缩和色域映射两者均使用空间频率分析,但却是完全分开的操作。
发明内容
本发明的目的是考虑节省计算资源而改进这样的方法。
为了该目的,本发明的主题是一种将压缩后的图像处理为色域映射的解压缩图像的方法,包括以下步骤:
-将所述压缩后的图像熵解码为多个相邻的压缩块区域,
-对每个压缩后的块区域进行去量化,以便提供每个压缩块区域内所述图像的像素的色彩值的空间频率分布,
-将每个块区域的空间频率分布逆变换为关于所述块区域的每个像素的色彩值,
-对于每个块区域,根据所述块区域内的色彩值的空间频率分布来选择多个色域映射算法中的一个,
-使用为所述图像的每个块区域选择的色域映射算法对所述块区域的色彩值进行域映射,以便提供所述色域映射的解压缩图像。
使用频率变换来组织图像数据示出了在图像压缩和内容依赖的域映射之间的令人感兴趣的关系。事实上,对解压缩和色域映射两者均使用共同的变换有利于显著地节省解码器中的计算资源。而且,如在许多的情形中,在压缩之前将图像数据转换到明度-色度色彩空间(典型的YUV),色域映射也可以利用这样的转换。
根据本发明,在压缩后的图像中包含的空间频率分析不仅用于图像的解压缩而且用于合适的色域映射算法的选择。因为对于合适的色域映射算法的选择不需要特定的空间频率分析,因测节省了计算资源。
有利地,如果通过至少明度(或亮度)值以及色度值来表示每个像素的色彩值,则在所述选择步骤中:
-将使色度值的变化最小化的色域映射算法与其中明度值以及色度值两者主要分布在低于0.4周每度的低空间频率范围中的所有块区域相关联,
-将使明度(或亮度)值的变化最小化的色域映射算法与其中明度(或亮度)值以及色度值两者主要分布在0.4周每度以上的高空间频率范围中的所有块区域相关联。
在色域映射中,一般使用CIELab色彩空间来执行明度-色度转换,但在此使用更多地兼容压缩的所谓的YUV色彩空间是非常有利的,这是因为其非常符合压缩后的JPEG/MPEG图像数据流。YUV色彩空间对应于作为ITU-RBT 601标准的一部分而开发的YCbCr色彩空间。
优选地,如果通过至少明度(或亮度)值以及色度值来表示每个像素的色彩值,如果在每个块区域内,定义所述块区域内的明度(或亮度)值的空间频率分布的空间带宽,并且定义所述块区域内的色度值的空间频率分布的空间带宽,则根据用于所述块区域内的所述明度(或亮度)空间带宽的对比度敏感性函数(CSF)的值与用于相同块区域内的所述色度空间带宽的色度对比度敏感性函数(CCSF)的值之间的差,来对所述块区域执行所述选择步骤。
优选地,每个压缩块区域包含8×8像素。
优选地,压缩后的图像与JPEG或者MPEG压缩标准兼容。
该处理方法也可应用于图像序列,如视频序列。
具体实施方式
虽然参照附图在此描述了说明性的实施例,但要理解的是本原理不限于这些明确的实施例,并且可以由相关领域的普通技术人员在不脱离本原理的范围或者精神的情况下在其中实施各种改变和修改。所有这些改变和修改意图被包括在所附的权利要求书中阐述的本原理的范围之内。
本描述说明了本发明的原理。要理解的是,本领域技术人员将能够设计出尽管未在此明显地描述或者示出、但却体现了本原理并且被包括在本原理的精神和范围之内的各种布置。本领域技术人员将理解的是在此呈现的框图和流程图表示体现本原理的说明性电路的概念性视图。在图中示出的各种元件的功能可以通过使用专用硬件以及使用能够与合适的软件相关联地执行软件的硬件来提供。当通过处理器来提供该功能时,可以通过单一的专用处理器、通过单一的共享处理器,或者通过多个单独的(individual)处理器(其一部分可以被共享)来提供该功能。合适的软件可以被实现为在程序存储单元上确实体现的应用程序。
已经提到过,根据本发明的方法被适配为处理如图1所图示的被压缩的图像。
要压缩的图像被分成相邻的块区域并且被分解(decompose)为示出附于该图像的像素的色彩值的空间频率分布的系数;图像的在每个像素周围的空间部分必须要被从2D图像空间重新映射到2D频率空间。完成该操作的公知方式是对像素的每个块区域内的每个像素的附近进行离散余弦变换(DCT)(DCT被显著地用于Jpeg和Mpeg压缩)。DCT将色彩值矩阵变换成表示图像的空间频率分解系数的矩阵。图7图示了对要压缩的图像的8×8像素的块区域进行DCT处理的例子。在空间频率空间中,x方向上的系数表示图像的垂直频率,y方向上的系数表示水平频率。
使用以下公知表达式来执行该DCT变换,其中N表示矩阵的尺寸:
由该变换得到的N×N系数矩阵表示图8中表示的、N=8的空间频率的作用。
DCT变换是空间到频率变换的一个例子,但能够应用2D频率空间中的其他分析技术,诸如傅里叶变换、小波、由滤波器组(bank)定义的其他子带(sub-band)、或者其他。
在量化之后,应用一般的熵编码以减少量化后的空间频率分布系数的尺寸以便获得压缩后的图像。
现在将参照图6、图9-12说明根据本发明的将该压缩后的图像处理为至少一个域映射图像的方法的实施例。
应当预先定义多个色域映射算法以及根据任何给定的块区域内的色彩值的空间频率分布对域映射算法的选择规则。
在此提出的多个色域映射算法基于色彩截切方法。如已经解释的,色彩截切方法在映射色彩空间中沿着锚定(anchor)到锚点的映射轨迹对色彩进行映射。这些色彩映射轨迹通常是直线。这些锚点通常属于色彩空间的所谓的非彩色轴或者L*轴(或者“灰线”)。能够根据源和目的域的形状来选择这些锚点,例如,诸如由Montag和Fairchild在他们的于1998年在Scottsdale的IS&T/SID Sixth Color Imaging Conference上发表的、名称为“Gamutmapping:Evaluation of chroma clipping techniques for three destination gamuts”的论文中所描述的。如何沿着这样的色彩映射轨迹移动色彩的方式能够变化。简单的映射算法沿着色彩映射轨迹将目标色域之外的所有色彩截切到目标色域的表面(surface)上。更复杂的色彩映射算法通过线性标度(scale)沿着色彩映射轨迹线性地压缩所有的色彩,使得这些色彩保持相同的映射轨迹但却都在目的色域的内部。还更复杂的是,非线性参数函数对这些色彩应用特定的、有时分段(piece-wise)定义的标度操作,以沿着目标色域内部定义的线移动这些色彩。例如,Braun和Fairchild在他们的于1999年Proceedings ofSPIE Electronic Imaging Conference(EIi99)发表的、名称为“Image LightnessRescaling Using Sigmoidal Contrast Enhancement Functions”的出版物中建议了一种非线性的、S-形的函数。当从源域向目的域映射色彩时,以上引用的论文使用直线的色彩映射轨迹、可变的锚点以及定义映射直线上的色彩需要被移动多远的映射函数。映射轨迹、锚点和映射函数可以是固定的或者被适配于在给定的映射色彩空间中的源和目标域边界。
在这里参照图6提出的色域映射算法中,将映射色彩子空间L*C*划分为三个区域,最小明度的第一区域、最大明度的第二区域、以及中间明度的第三中央区域;在第一区域中,根据都被锚定到位于L*轴上的Lmin处的相同的第一固定锚点的直线来对源色彩进行映射;在第二区域中,根据都被锚定到位于L*轴上的Lmax处的相同的第二固定锚点的直线来对源色彩进行映射;以及在第三区域中,根据被锚定到位于L*轴上的Lmin与Lmax之间的不同的并且可变的锚点的直线来对源色彩进行映射。在图9中,锚点的位置的变化范围是ΔL=(Lmax-Lmin)/2并且该范围的中心对应于L0=Lmin+ΔL。由Chae-Soo LEE、Chae-Hee LEE和Yeong-Ho HA在Journal of Imaging Science andTechnology(2000年1月-2月)第44卷第1册第68-89页上发表的、名称为“Parametric gamut mapping algorithms using variable anchor points”的文章说明了这样的映射方法。
色域映射算法的选择规则将使用CSF和CCSF。现在将参照图3和图4给出关于这些敏感性函数的更多细节。以周每度(cycle per degree-cpd)表示CSF和CCSF。可以看出红-绿和蓝-黄色彩对比度敏感性函数(CCSF)具有低通特性,非彩色的敏感性函数(CSF)更多地具有带通特性。对于低于大约0.4cpd的空间频率,CCSF比CSF高,但对于高于大约0.4cpd的频率,CCSF变得低于CSF。以下我们将看到已开发了CSF和CCSF函数的一些代数模型。正是HVS的这些特性,我们在本发明的该实施例中提出考虑:以连续方式尽可能多地保留图像的局部对比度这样的方式来优化色域映射方法的选择。不应当将局部对比度的概念与显示屏幕的对比度的概念混淆。即使屏幕上较黑的像素非常黑而较白的像素非常白,指示了非常好的全局对比度时,图像可能由于低的局部对比度等级而接合(seam)很差。因为良好的局部对比度给出了摄影师称为图像的“pop”的东西,因此保留图像的局部对比度是非常重要的。
色域映射算法的选择规则的主要基础(ground)被适配为尽可能地保留要映射的图像的局部对比度:其允许确定明度保留是否应当优于色度保留或者相反。通过分析要映射的图像的每个像素周围的(即,局部的)色彩值的空间频率分布,我们能够确定是否呈现一些高频并且设置Fmax的值。考虑到图像的空间频率以及如下解释的观看条件,优选地以周每度来表示该空间频率。然后计算该频率Fmax的CSF和CCSF之间的差,并且如下解释的,从该差计算锚点的位置的变化范围ΔL。在要映射的图像的、其中空间频率分解对明度以及色度两者均指示非常低的频率的一致性部分中,CCSF高于CSF。在这个情形中,HVS对于色度对比度比对于明度对比度更敏感。ΔL的值则为零,意味着锚点是固定的,并且选择节点(Node)色彩截切算法(见图2)作为最合适的以通过使色度变换最小化而保留局部对比度。相反,在要映射的图像的更具纹理(texture)的部分中,该部分由对明度以及色度两者均非常高的空间频率组成,CSF高于CCSF,指示HVS更敏感于明度对比度。对于这种情形,ΔL的值是ΔL=Lmax-L0,意味着锚点的位置在L*轴上是可变的并且可以在与要映射的色彩的明度相对应的明度处进行选择,意味着然后选择直线截切算法(见图2)作为保存明度局部对比度的最佳算法。也可以从色域的形状推导出L0。例如,选择L0作为该域具有其最大的色度处的亮度。对于L0的一个合理值是50。
以上这两种情形对应于CSF和CCSF的极端值,分别用于非常低和非常高的空间频率。在这个实施例中提出的选择规则在这两种相反的情形之间以连续的方式设置ΔL的值。这意味着:选择规则不仅被适配为管理低频和高频以保留局部对比度,而且还被适配为通过连续的处理管理在这些相反情形之间的所有频率。有利地,根据HVS来管理空间频率的所有值,而在处理中没有不连续的步阶(step),并且没有引入伪像的边界。这意味着ΔL的从ΔL=Lmax-L0到ΔL=0的连续变化允许通过使用可变的锚点概念从直线截切方法连续地过渡(pass)到节点截切方法。
现在将详述锚点的位置的变化范围ΔL的详细计算。为了具有亮度空间频率以及色度空间频率两者影响对比度保留项ΔL=0,提出了定义该项为具有亮度空间带宽FDCTLum_max和色度空间带宽FDCTChrom_max作为输入参数的函数ΔL(.),现在将定义这些输入参数。
在图像Im(i,j)的离散余弦变换F(x,y)的情形下,通常地讲,能够将空间带宽Wmax定义为图像信号达到了其95%(或者更低的百分比)能量的空间频率值,如下: 其对应值以周每度(cpd)被定义为 其中α是以度表示的图像的像素的观看角度,提供了有关“局部表示”的空间频率的信息。类似的,能够分别参照CSF和CCSF定义亮度空间带宽WDCTLum_max和色度空间带宽WDCTChrom_max的值。使用观看角度α的值,从WDCTLum_max和WDCTChrom_max的值类似地推断出FDCTLum_max和FDCTChrom_max。
通过使用由J.A.Movshon和L.Kiorpes在Journal of the Optical Society ofAmerica(1988年),A5,第2166-2172页上发表的、名称为“Analysis of thedevelopment of spatial contrast sensitivity in monkey and human infants”的文章中以及由G.M Johnson和M.D Fairchild在Scottsdale 24-30(2001)的IS&T/SID9th Color Imaging Conference上发表的、名称为“Darwinism of Color ImageDifferent Models”的文章中给出的代数公式,可以以频率F的函数来表达对比度敏感性函数和色度对比度敏感性函数:
CSF(F)=a.Fc.e-b.F
其中将参数a,b,c,a1,b1,c1,a2,b2,c2定义为符合人的视觉,例如在已经引用的Johnson和Fairchild的文章中的并且如被复制到下表1和2中的:
表1
表2
参数 |
红-绿 |
蓝-黄 |
a1 |
109.14130 |
7.032845 |
b1 |
0.00038 |
0.000004 |
c1 |
3.42436 |
4.258205 |
a2 |
93.59711 |
40.690950 |
b2 |
0.00367 |
0.103909 |
c2 |
2.16771 |
1.648658 |
尽管之前的描述(见图3和4)参照两个不同函数,即红-绿CCSF红-绿(F)和黄-蓝CCSF黄-蓝(F),但在此两个CCSF函数被合并为仅仅一个函数两个CCSF的这样的合并是可以的,因为红-绿和蓝-黄CCSF表现出具有大约相同的特性,显著地是类似的截止频率(比亮度截止频率要低),并且还因为我们主要地对亮度-色度的去相关性(decorrelation)感兴趣。与在域映射算法中使用欧几里得距离 不同,使用类似2到1的转换策略,将两个CCSF合并为单一的CCSF。
如已经在上面陈述过的,由于要满足的限制条件是:对于低空间频率范围中CCSF>>CSF,ΔL=0,对于较高的空间频率范围中CCSF<<CSF,ΔL=MIN{Lmax-L0;L0},以及在中间的其中0<ΔL<MIN{Lmax-L0;L0}的中间状况并且在所有情形之间平滑过渡,可以根据亮度空间带宽FDCTLum_max和色度空间带宽FDCTChrom_max这两者使用以下的函数ΔL(.)来计算锚点的位置的变化范围ΔL:
其中x=CSF(FDCTLum_max)-CCSF(FDCTChrom_max),并且k是平滑正常数。图10图示了用于k的不同值的这样的函数ΔL(.)。尽管高的k值使得该定义(definition)接近于非线性的解决方案,较低的k值(显著地小于等于1)确保了在亮度保留和色度保留的域映射方法之间的平滑过渡。
使用这个ΔL(.)函数来定义锚点的位置的变化范围ΔL,现在将多个域映射算法定义为使用每三个区域的截切方法:中央区域,具有在中央值L0周围在ΔL范围中变化的可变的锚点,该中央区域位于固定的锚点的两个区域之间,这些固定的锚点中的一个位于L0+ΔL,另一个位于L0-ΔL。而且,现在定义选择规则,其将要映射的图像的给定的块区域内的色彩值的任何空间频率分布关联到必须要被用于对该给定块的色彩进行映射的一个色域映射算法。
图9表示使用锚点的多个色域映射截切方法中的典型的一个,在本发明的这个实施例中,不仅示出了三个区域,不仅示出了中央区域的锚点的位置的变化范围ΔL,而且示出了不同的截切轨迹,这些截切轨迹都是经过位于明度轴上的锚点的直线。
参照图11,现在可以处理一种将压缩后的图像处理为域映射图像的方法的实施例的不同步骤。
在初始步骤中,确定L0和Lmax的值。Lmax是最大明度值,其在CIELAB空间的情形中是100。对于L0的一个合理的值是50。Lmax和L0可以对图像的所有块保持为恒定。另一可能性是从块的空间附近的块的平均明度来计算L0。L0不应当大于显示白色的明度或者不应当小于显示黑色的明度。
第一步骤是将压缩后的图像熵解码为多个相邻的压缩块区域,这本质上是已知的并且不做详述。
第二步骤是将解码后的图像进行去量化(dequantize),以便提供该图像的每个块区域内该图像的像素的色彩值的空间频率分布。每个块区域对应于图像已被压缩的、通常包含图像的8×8像素的块。由于压缩后的图像已经根据DCT变换被压缩,因此所获得的所有系数是DCT系数。对于给定的块区域在x方向上获得的DCT系数表示该块区域的色彩值的垂直空间频率分布,在y方向上获得的DCT系数表示该块区域的色彩的水平空间频率分布。对于每个块区域,对于亮度Y获得DCT系数矩阵,对于两个色度分量U、V的每一个获得DCT系数矩阵。YUV色彩空间近似地对应于YCbCr色彩空间,YCbCr色彩空间是作为ITU-R BT601标准的一部分而开发的,Y代表亮度,Cb表示蓝色和Y之间的色差,Cr指示红色和Y之间的色差。YUV传统上表示来自0-255的、未标度的值,然而YCbCr标度(scale)并且将亮度钳制(clamp)在16-235之间的范围并且将色度钳制在216-240的范围。
在该第二步骤的结束处,对于图像的每个块区域,则可得到三个矩阵。在每个块区域内,U和V矩阵则被合并为一个色度矩阵,以便为该算法提供色度频率分布分析的标量(scalar)值。基于之前详述的该标量CCSF计算,我们再次使用利用欧几里得距离值的粗略近似。因此,对于每个DCT系数,我们计算:
参照图12,利用特定的观看条件,意图在该观看条件下显示色域映射图像,并且显著地利用观看者距该显示的距离(即观看的角度α),以本质上已知的方式将DCT亮度矩阵的所有系数和DCT色度矩阵的所有系数从“周每像素”单位变换到“周每度”单位。然后根据亮度空间带宽WDCTLum_max和色度空间带宽WDCTChrom_max先前的定义(见以上)计算亮度空间带宽WDCTLum_max和色度空间带宽WDCTChrom_max的值:亮度信号或者色度信号的带宽是在其以下包括信号95%能量的频率限制。使用观看的角度α的值,分别从WDCTLum_max和WDCTChrom_max的值推断出FDCTLum_max和FDCTChrom_max的值。
第三步骤是,对于每个块,将这三个矩阵逆DCT变换为对于该块区域的每个像素的色彩值,即,亮度值和色度值。这样的步骤对应于图7中的图示的变换的逆变换。这样的步骤本质上是已知的并且不在本描述中详述。
第四步骤是将每个块区域与一个ΔL值进行关联,以允许该块区域的特定的色域映射算法的定义(definition)。该第四步骤的目的基本上是将空间频率分布(DCT系数)与对比度敏感性函数以及与合并后的色度对比度敏感性函数进行比较,以便为随后的色彩映射步骤决定是偏向(favor)亮度保留还是偏向色度保留。可以在8×8块的边界上添加额外的平滑操作,以避免在随后的映射步骤期间的突发(abrupt)变化。
使用以空间频率F的函数表示的CSF和CCSF的代数公式(见以上),为F=FDCTLum_max计算CSF(F)的值并且为F=FDCTChrom_max计算CCSF(F)的值。然后,使用以上的ΔL(x)函数的定义,为x=CSF(FDCTLum_max)-CCSF(FDCTChrom_max)计算ΔL(x)的值。根据该计算值ΔL,选择用于每个块区域的一个域映射算法。现在清楚地定义了将被用来对每个块的色彩进行色彩映射的截切方法的锚点的位置,并且对于要色彩映射的图像的每个块区域,根据该块区域内的色彩值的空间频率分布选择多个域映射算法中的一个。
第五步骤以及最后的步骤是:对于图像的每个块区域,通过使用在第四步骤中为该块所选择的特定的截切方法,已由第三步骤获得的色彩值的域映射具有如上定义的三个区域,从而最终提供解压缩的色域映射图像。
有利地,对于解压缩以及对于色域映射两者均使用相同的DCT矩阵允许显著地节省计算资源。全局地,通过提供联合的(joint)解压缩和基于内容的域映射系统,能够节省计算资源,这是由于两个操作共享共同的图像分析工具,即亮度-色度转换和空间-频率变换。
而且,由于在亮度-色度色彩空间(典型的YUV)中图像数据可用,因此对于色域映射而言这样的色彩空间也是有利的。事实上,在色域映射中,通常使用CIElab色彩空间来执行亮度-色度转换,但是使用更多地兼容压缩的色彩空间YUV可以是合理的近似。同样,局部离散余弦变换(DCT)被有利地用于映射图像。这直接很好地符合了JPEG/MPEG数据流,因为这些标准也使用局部(8×8块)DCT变换。由于小波变换跟踪图像中的空间内容和谱(spectral)内容这两者,也可以使用基于小波变换的诸如JPEG2000之类的其他压缩标准。
图6示出了根据本发明的将压缩后的图像处理为解压缩的色域映射图像的方法的全局图:与图5中所示的经典图相反,图像的解压缩和色域映射使用相同的空间频率分析。
要理解的是,已通过例子的方式完全地描述了本发明,并且可以做出对细节的修改而不脱离本发明的范围。
当压缩后的图像包含如例如在US6633668中公开的(见第4栏第20-24行)专用于图像的色域的描述时,本发明的处理方法可以包含提取该描述的额外步骤(见第4栏第55行到第5栏第9行),该描述然后例如与色彩再现设备的色域的描述相结合地用于本发明的色域映射步骤。
虽然关于优选的实施例描述了本发明,但要理解得是本发明不限于这些实施例。如对于本领域技术人员而言明显的,如所要求的,本发明因此包括偏离在此描述的特定例子和优选实施例的变型。虽然可以分开地描述并且要求特定实施例中的一些,但要理解的是在此描述和要求的实施例的各种特征可以结合起来使用。