CN102419867A - 一种图像的润色方法 - Google Patents
一种图像的润色方法 Download PDFInfo
- Publication number
- CN102419867A CN102419867A CN2011104555636A CN201110455563A CN102419867A CN 102419867 A CN102419867 A CN 102419867A CN 2011104555636 A CN2011104555636 A CN 2011104555636A CN 201110455563 A CN201110455563 A CN 201110455563A CN 102419867 A CN102419867 A CN 102419867A
- Authority
- CN
- China
- Prior art keywords
- image
- source images
- pixel
- target image
- brightness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像的润色方法,包括以下步骤:由RGB图像到lαβ图像空间变换算法和由lαβ图像到RGB图像空间变换算法。本发明采用泰勒二阶展开的图像润色方法,针对一幅待着色的灰度图像,用一幅彩色图像,按行扫描目标图像每一像素,在源图像中搜索亮度最佳匹配进行自动取色,然后将其赋到目标图像上,最终得到结果图像,结果图像保持灰度图像原有的信息不变,而增加了源图像的颜色和真实感。本发明引入了基于感知的颜色空间lαβ,l表示亮度信息,α表示黄蓝信息,β表示红绿信息。这三个通道相关性很小。这个颜色空间使得其三个通道的相关性最小化,着色过程中改变其中任何一个,都不会对其他两个通道有影响,不会产生结果失真。
Description
技术领域
本发明涉及一种图像处理技术,特别是一种图像的润色方法。
背景技术
在娱乐方面,为了增强视觉效果,有价值的黑白照片、经典电影需要给灰度图像着色;在教育和科研领域,给一些科学图像和插图着色,有利于生动地表达这些图像所包含的信息,充分发挥人的感知能力;在医疗诊断和数字化人体研究方面,给灰度的磁共振图像(MRI)、X光图像和CT图像着色,有利于充分显示这些图形的特征,及时发现病症。由于病变部位的颜色是医疗诊断的重要信息,因而对极具应用前景的虚拟内窥镜获得的灰度图像进行真实感着色是亟待解决的问题。
灰度图像仅仅有一个维度上亮度的变化,但在三维色彩空间中,不同的颜色可能亮度相同而色调或饱和度不同。由于这些模糊性,着色问题一直没有得到满意解决。因此使用软件染色方法也只能是根据亮度或纹理分布自动将整幅画面分几个不同的着色区域,仍然需要用户决定图像各部分的颜色。灰度图像着色首要的前提就是增加真实感信息的同时最大限度地保持图像原有的信息。在RGB颜色空间中,不同的颜色可能亮度相同而色调或饱和度不同。由于这些模糊性,着色问题一直没有得到满意解决。如Photoshop中对黑白照片着色,整幅画面分几个不同的着色区域、每个区域所着的颜色都是通过人机交互的方式人为决定;在医学和科研中应用广泛的磁共振图像(MRI)着色主要是通过不同的图层进行颜色覆盖,一旦图像中某个区域着色,这个区域增加了颜色信息却失去了所有原有信息。
发明内容
为解决现有技术存在的上述问题,本发明要提出一种既能从彩色图像中自动取色又能保持灰度图像所有原有信息的图像的润色方法,简言之,是一种自动而不失真的图像润色方法。
为了实现上述目的,本发明的技术方案如下:一种图像的润色方法,包括以下步骤:
A、由RGB图像到lαβ图像空间变换算法
为不失一般性,假定源图像即彩色图像和目标图像即灰度图像均为或均被转换为RGB图像;在搜索最佳匹配、取色、赋色之前,需要将源图像和目标图像转换成lαβ图像;因为lαβ是LMS锥形空间的一种变换,所以由RGB图像到lαβ图像的空间变换算法为下面三步:
A1、由RGB空间变换到LMS空间:
式中,R代表红信息、G代表绿信息、B代表蓝信息,l表示亮度信息,α表示黄蓝信息,β表示红绿信息;
A2、通过自然对数消除A1变换过程中产生的空间变形:
A3、由工整的LMS空间变换到lαβ空间:
B、由lαβ图像到RGB图像空间变换算法
将目标图像和源图像的颜色空间变换到三个通道相关性很小的lαβ空间之后,即可搜索最佳匹配、取色、赋色,当两个图像亮度匹配完成、目标图像经过赋色之后,还需要进行颜色空间的逆变换,得到最终通用的RGB彩色图像,其逆变换算法为下面三步:
B1、由lαβ空间变换到LMS空间:
B2、通过自然幂指数消除B1变换过程中产生的空间变形:
B3、由工整的LMS空间变换到RGB空间:
步骤B所述的搜索最佳匹配的方法包括以下步骤:
C1、调整源图像的亮度直方图,使得源图像的亮度直方图和目标图像的亮度直方图近似,具有可比性;调整直方图方法如下:
其中l(s)是源图像上某个像素的亮度值,s代表源图像上的像素,d代表目标图像上的像素,cs为源图像亮度的标准方差,cd为目标图像亮度的标准方差,μs为源图像的亮度平均值,μd为目标图像的亮度平均值;
灰度图像只包含一维颜色信息,所以在源图像和目标图像的匹配过程中,只有亮度信息可以利用;但是相同亮度信息的像素可以表示目标图像中的不同部分,基于亮度最佳匹配算法中,在匹配过程中,还考虑到匹配像素邻域的统计信息,源图像和目标图像的最佳匹配判据除了源图像像素和目标图像像素这两像素之间的亮度比较之外,增加了在这两像素附近的邻域上各个像素之间的统计信息;
C2、分别计算两像素亮度的差值、两像素邻域亮度方差和所得的统计值,这两项加权平均值最小时,该像素为其最佳匹配;具体匹配算法描述如下:
按行扫描目标图像上的每一像素d
式中,w1和w2均为匹配判据影响因子;
C3、针对一幅待着色的灰度目标图像,所用的彩色源图像尽量与目标图像所要着色的颜色相近;为了涵盖目标图像中所有像素要着色的颜色,匹配算法将源图像所有像素全部载入。
本发明步骤C3所述的“将源图像所有像素全部载入”用“在源图像中选取较少的有代表性的像素载入”代替。
本发明步骤C3所述的“将源图像所有像素全部载入”用“在源图像中选取200个左右有代表性的像素载入”代替。
本发明所述的邻域为5*5~15*15个像素;所述的匹配判据影响因子w1=0.5,w2=0.5。
与现有技术相比,本发明具有以下有益效果:
1、灰度图像只包含颜色空间的一维信息。灰度图像着色过程中,需要将源图像(三维颜色空间的彩色图像)中最佳匹配的像素颜色赋到目标图像(一维颜色空间的灰度图像)上,最终得到结果图像(三维颜色空间的彩色图像),要实现结果图像保持灰度图像原有的信息不变,而增加源图像的颜色和真实感。只有保持灰度图像颜色空间中原来的一维信息不变,将源图像三维颜色空间的第二维和第三维信息增加到目标图像中。如果三个维度相关性太高,改变其中一个维度的信息势必影响其他维度信息的表达,而最终使结果图像失真于目标灰度图像。因而搜索最佳匹配、取色、赋色处理必须在各通道无相关性或相关性极低的三维颜色空间中进行。用RGB颜色空间是不符合要求的,因为RGB的三个通道相关性太高。本发明引入了基于感知的颜色空间lαβ,l表示亮度信息,α表示黄蓝信息,β表示红绿信息。这三个通道相关性很小。这个颜色空间使得其三个通道的相关性最小化,着色过程中改变其中任何一个,都不会对其他两个通道有影响,从而不会产生结果失真。
2、本发明采用泰勒二阶展开的图像润色方法,针对一幅(帧)待着色的灰度图像(目标图像),用一幅(帧)彩色图像(源图像),按行扫描目标图像每一像素,在源图像中搜索亮度最佳匹配进行自动取色,然后将其赋到目标图像上,最终得到结果图像,结果图像保持灰度图像原有的信息不变,而增加了源图像的颜色和真实感。实验证明,本方法在保持灰度图像原有信息的条件下能够成功地根据灰度图像本身的信息着色增强视觉效果和真实感。从实验结果可以看出,该方法在不同的领域有着应用潜力。
3、本发明为了满足着色要求和提高速度,在源图像中选取较少的有代表性的像素载入,做到既涵盖目标图像中所有像素要着色的颜色,又使源图像中参与匹配的颜色最少以免干扰着色质量和影响着色速度。
附图说明
本发明共有附图7张,其中:
图1是一幅风景照片的彩色图像即源图像。
图2是另一幅风景照片的灰度图像即目标图像。
图3是图2润色后的结果图像。
图4是人类脑计划标本的彩色图像即源图像。
图5是某个人脑标本的灰度图像即目标图像。
图6是图5润色后的结果图像。
图7是本发明的流程图。
具体实施方式
下面结合附图对本发明进行进一步地描述。
图1-3所示是一组风景照片,其中图1是一幅风景照片的彩色图像即源图像,图2是另一幅风景照片的灰度图像即目标图像,按照图7所示的流程进行润色后,即得到图2润色后的结果图像图3。实验参数是:载入源图像的右半幅参与匹配;获取统计信息的邻域都为8*8像素;匹配判据影响因子w1=0.5,w2=0.5。
图4-6所示是一组人脑照片,其中图4是人类脑计划标本的彩色图像即源图像,图5是某个人脑标本的灰度图像即目标图像,按照图7所示的流程进行润色后,即得到图5润色后的结果图像图6。实验参数是:载入源图像的下半幅参与匹配;获取统计信息的邻域都为8*8像素;匹配判据影响因子w1=0.5,w2=0.5。
Claims (4)
1.一种图像的润色方法,其特征在于:包括以下步骤:
A、由RGB图像到lαβ图像空间变换算法
为不失一般性,假定源图像即彩色图像和目标图像即灰度图像均为或均被转换为RGB图像;在搜索最佳匹配、取色、赋色之前,需要将源图像和目标图像转换成lαβ图像;因为lαβ是LMS锥形空间的一种变换,所以由RGB图像到lαβ图像的空间变换算法为下面三步:
A1、由RGB空间变换到LMS空间:
式中,R代表红信息、G代表绿信息、B代表蓝信息,l表示亮度信息,α表示黄蓝信息,β表示红绿信息;
A2、通过自然对数消除A1变换过程中产生的空间变形:
A3、由工整的LMS空间变换到lαβ空间:
B、由lαβ图像到RGB图像空间变换算法
将目标图像和源图像的颜色空间变换到三个通道相关性很小的lαβ空间之后,即可搜索最佳匹配、取色、赋色,当两个图像亮度匹配完成、目标图像经过赋色之后,还需要进行颜色空间的逆变换,得到最终通用的RGB彩色图像,其逆变换算法为下面三步:
B1、由lαβ空间变换到LMS空间:
B2、通过自然幂指数消除B1变换过程中产生的空间变形:
B3、由工整的LMS空间变换到RGB空间:
步骤B所述的搜索最佳匹配的方法包括以下步骤:
C1、调整源图像的亮度直方图,使得源图像的亮度直方图和目标图像的亮度直方图近似,具有可比性;调整直方图方法如下:
其中l(s)是源图像上某个像素的亮度值,s代表源图像上的像素,d代表目标图像上的像素,cs为源图像亮度的标准方差,cd为目标图像亮度的标准方差,μs为源图像的亮度平均值,μd为目标图像的亮度平均值;
灰度图像只包含一维颜色信息,所以在源图像和目标图像的匹配过程中,只有亮度信息可以利用;但是相同亮度信息的像素可以表示目标图像中的不同部分,基于亮度最佳匹配算法中,在匹配过程中,还考虑到匹配像素邻域的统计信息,源图像和目标图像的最佳匹配判据除了源图像像素和目标图像像素这两像素之间的亮度比较之外,增加了在这两像素附近的邻域上各个像素之间的统计信息;
C2、分别计算两像素亮度的差值、两像素邻域亮度方差和所得的统计值,这两项加权平均值最小时,该像素为其最佳匹配;具体匹配算法描述如下:
按行扫描目标图像上的每一像素d
式中,w1和w2均为匹配判据影响因子;
C3、针对一幅待着色的灰度目标图像,所用的彩色源图像尽量与目标图像所要着色的颜色相近;为了涵盖目标图像中所有像素要着色的颜色,匹配算法将源图像所有像素全部载入。
2.根据权利要求1所述的一种图像的润色方法,其特征在于:步骤C3所述的“将源图像所有像素全部载入”用“在源图像中选取较少的有代表性的像素载入”代替。
3.根据权利要求1所述的一种图像的润色方法,其特征在于:步骤C3所述的“将源图像所有像素全部载入”用“在源图像中选取200个左右有代表性的像素载入”代替。
4.根据权利要求1所述的一种图像的润色方法,其特征在于:所述的邻域为5*5~15*15个像素;所述的匹配判据影响因子w1=0.5,w2=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104555636A CN102419867A (zh) | 2011-12-31 | 2011-12-31 | 一种图像的润色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104555636A CN102419867A (zh) | 2011-12-31 | 2011-12-31 | 一种图像的润色方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102419867A true CN102419867A (zh) | 2012-04-18 |
Family
ID=45944268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104555636A Pending CN102419867A (zh) | 2011-12-31 | 2011-12-31 | 一种图像的润色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102419867A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102783938A (zh) * | 2012-09-04 | 2012-11-21 | 上海师范大学 | 一种基于散斑对比度的oct图像分析方法 |
CN103139591A (zh) * | 2013-03-24 | 2013-06-05 | 成都索贝数码科技股份有限公司 | 一种基于图形处理器的3d视频颜色自动校正方法 |
CN103761134A (zh) * | 2014-01-28 | 2014-04-30 | 华为技术有限公司 | 一种处理图片的方法及电子设备 |
CN103839230A (zh) * | 2012-11-27 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种脑成像灰度图像的染色方法 |
CN107204018A (zh) * | 2017-04-24 | 2017-09-26 | 东北大学 | 一种基于光照差异的颜色补偿方法 |
CN111915508A (zh) * | 2020-06-30 | 2020-11-10 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040233214A1 (en) * | 2001-12-11 | 2004-11-25 | Stmicroelectronics, Inc. | Color transformation in 3D color space |
CN101667299A (zh) * | 2009-09-27 | 2010-03-10 | 汲业 | 一种数字图像染色方法 |
-
2011
- 2011-12-31 CN CN2011104555636A patent/CN102419867A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040233214A1 (en) * | 2001-12-11 | 2004-11-25 | Stmicroelectronics, Inc. | Color transformation in 3D color space |
CN101667299A (zh) * | 2009-09-27 | 2010-03-10 | 汲业 | 一种数字图像染色方法 |
Non-Patent Citations (2)
Title |
---|
YE JI ET AL: "color transfer to greyscale images using texture spectrum", 《PROCEEDINGS OF THE THIRD INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS》 * |
龚天旭 等: "基于分水岭变换的彩色图像分割", 《华中科技大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102783938A (zh) * | 2012-09-04 | 2012-11-21 | 上海师范大学 | 一种基于散斑对比度的oct图像分析方法 |
CN103839230A (zh) * | 2012-11-27 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种脑成像灰度图像的染色方法 |
CN103139591A (zh) * | 2013-03-24 | 2013-06-05 | 成都索贝数码科技股份有限公司 | 一种基于图形处理器的3d视频颜色自动校正方法 |
CN103139591B (zh) * | 2013-03-24 | 2016-03-30 | 成都索贝数码科技股份有限公司 | 一种基于图形处理器的3d视频颜色自动校正方法 |
CN103761134A (zh) * | 2014-01-28 | 2014-04-30 | 华为技术有限公司 | 一种处理图片的方法及电子设备 |
WO2015113459A1 (zh) * | 2014-01-28 | 2015-08-06 | 华为技术有限公司 | 一种处理图片的方法及电子设备 |
CN107204018A (zh) * | 2017-04-24 | 2017-09-26 | 东北大学 | 一种基于光照差异的颜色补偿方法 |
CN111915508A (zh) * | 2020-06-30 | 2020-11-10 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
CN111915508B (zh) * | 2020-06-30 | 2023-12-19 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102419867A (zh) | 一种图像的润色方法 | |
CN111275647B (zh) | 一种基于循环生成对抗网络的水下图像复原方法 | |
JPH07505805A (ja) | 磁気共振画像作成カラー合成 | |
CN107705336B (zh) | 一种病理图像染色成分调节方法 | |
CN104616273A (zh) | 一种基于拉普拉斯金字塔分解的多曝光图像融合方法 | |
CN102663741B (zh) | 对彩色数字图像进行视觉立体感知增强的方法及系统 | |
CN101667299B (zh) | 一种数字图像染色方法 | |
Imelińska et al. | Semi-automated color segmentation of anatomical tissue | |
CN109493309A (zh) | 一种保持显著性信息的红外与可见光图像变分融合方法 | |
CN109934793A (zh) | 一种基于整数dct变换的实时图像融合方法 | |
GB2510842A (en) | A method for fusion of data sets | |
CN104143203B (zh) | 一种图像编辑传播方法 | |
CN108921205A (zh) | 一种基于多特征融合的皮肤病临床图像分类方法 | |
Murray et al. | Towards automatic concept transfer | |
Silverstein et al. | Automatic perceptual color map generation for realistic volume visualization | |
CN103839230A (zh) | 一种脑成像灰度图像的染色方法 | |
CN102360493B (zh) | 基于色貌模型的灰度与伪彩图像的融合显示方法 | |
Wang | Colorizing grayscale CT images of human lung using deep learning | |
CN106993186A (zh) | 一种立体图像显著性检测方法 | |
CN113808057A (zh) | 基于无监督学习的内窥镜图像增强方法 | |
Niranjana et al. | RGB to lab transformation using image segmentation | |
CN106651930A (zh) | 一种多层次流形学习医学图像颜色感知方法 | |
Lagodzinski et al. | Colorization of medical images | |
CN113271394A (zh) | 一种无蓝绿自然背景的ai智能抠像方法及终端 | |
CN111696076A (zh) | 一种新型立体图像舒适度预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120418 |