CN102542526A - 一种图像去色方法 - Google Patents

一种图像去色方法 Download PDF

Info

Publication number
CN102542526A
CN102542526A CN2011103548601A CN201110354860A CN102542526A CN 102542526 A CN102542526 A CN 102542526A CN 2011103548601 A CN2011103548601 A CN 2011103548601A CN 201110354860 A CN201110354860 A CN 201110354860A CN 102542526 A CN102542526 A CN 102542526A
Authority
CN
China
Prior art keywords
image
gradient fields
gradient
represent
original color
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.)
Granted
Application number
CN2011103548601A
Other languages
English (en)
Other versions
CN102542526B (zh
Inventor
宋明黎
郝凯
卜佳俊
陈纯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201110354860.1A priority Critical patent/CN102542526B/zh
Publication of CN102542526A publication Critical patent/CN102542526A/zh
Application granted granted Critical
Publication of CN102542526B publication Critical patent/CN102542526B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

本发明公布了一种图像去色方法，现有的图像去色方法采用统一的转换公式，用亮度值作为灰度图像的像素值，导致原始彩色图像中大量细节对比信息的丢失。本发明以原始彩色图像作为输入，通过传统去色方法计算得到初始灰度图像和单通道图像；然后计算原始彩色图像的梯度场和初始灰度图像的梯度场，并对两个梯度场进行比较；对于梯度场差值小于阈值的部分，直接得到目标灰度图像；对于差异大于阈值的部分，利用线性拟合求解目标梯度场，计算得到权重向量，然后利用权重向量和泊松方程对初始灰度图像和三个单通道图像进行局部融合，获得目标灰度图像。本发明保证了原始彩色图像中的细节对比信息不会因去色过程而丢失；且目标灰度图像保持整体平滑。

Description

一种图像去色方法
技术领域
本发明属于计算机数字图像处理领域，具体涉及一种图像去色方法。
背景技术
数字图像处理起源于二十世纪二十年代，经过近一个世纪的发展，目前已经成为信息科学、生物学、医学等诸多领域的基础研究对象。随着信息时代的到来，数字图像处理在计算机视觉、机器学习、人工智能等领域都得到广泛的应用，其重要性日益凸显。
随着图像采集设备的发展，数字图像由灰度图像逐渐过渡为彩色图像。尽管彩色图像的应用越来越普及，灰度图像的使用依然不可避免，如黑白打印设备、文献的扫描和保存、低带宽下的图像传输，以及作为其他图像处理方法的预处理步骤。
目前普遍采用的图像去色方法存在明显的缺陷，在灰度转换过程中没有考虑图像本身的内容，而是采用统一的转换公式，用亮度值作为灰度图像的像素值，导致原始彩色图像中大量细节对比信息的丢失。如果图像中存在亮度相似而色度或色调相差很大的两个颜色，如亮度一致的绿色和红色，在经过传统的去色过程后，会变成亮度一样的灰色，人的视觉根本无法区分。
彩色图像一般用RGB空间表示，其每个像素具有R、G、B三个通道的值                                               
Figure 2011103548601100002DEST_PATH_IMAGE002
，传统的图像去色方法利用这个三个值按照固定系数算出像素的亮度值，作为灰度图像的灰度值，但是不同的RGB值可能被转换为相同的灰度值，这就导致了细节对比信息在灰度转换过程中丢失。
发明内容
本发明的目的是针对现有技术的不足，提供一种图像去色方法，它利用原始彩色图像的梯度场作为约束，当发现利用传统方法去色后某个区域的局部梯度场变化大于给定阈值时，便利用R、G、B三个单通道图像中对应位置的局部梯度场拟合出与原始彩色梯度场最为接近目标梯度场，然后应用泊松方程和目标梯度场对初始灰度图像和三个单通道图像进行局部融合，获得目标灰度图像。
本发明所采用的图像去色方法包括如下步骤：
步骤一、以原始彩色图像作为输入，通过传统去色方法计算得到初始灰度图像和单通道图像；然后计算原始彩色图像和初始灰度图像的梯度，得到原始彩色图像的梯度场和初始灰度图像的梯度场；
步骤二、对原始彩色图像的梯度场和初始灰度图像的梯度场进行比较，其差值满足关系式（1）：
Figure 2011103548601100002DEST_PATH_IMAGE004
      （1）          
式（1）中，I c 表示原始彩色图像的三维矩阵, 
Figure 2011103548601100002DEST_PATH_IMAGE006
表示初始灰度图像的亮度矩阵；
Figure 2011103548601100002DEST_PATH_IMAGE008
为梯度算子；表示L2范数；
Figure 2011103548601100002DEST_PATH_IMAGE012
表示目标区域，p表示目标区域中的像素；D co 表示彩色梯度场与初始灰度梯度场之间的差值；
步骤三、对于梯度场差值大于给定阈值的区域，利用R、G、B三个单通道图像中对应位置的局部梯度场拟合出与原始彩色梯度场最为接近目标梯度场，所述目标灰度梯度场与三个单通道梯度场之间满足关系式（2）：
       
Figure 2011103548601100002DEST_PATH_IMAGE014
   if 
Figure 2011103548601100002DEST_PATH_IMAGE016
  （2）
式（2）中，
Figure 2011103548601100002DEST_PATH_IMAGE018
表示目标灰度梯度场，、
Figure 2011103548601100002DEST_PATH_IMAGE022
、
Figure 2011103548601100002DEST_PATH_IMAGE024
分别表示R、G、B三个单通道梯度场；
Figure 2011103548601100002DEST_PATH_IMAGE026
分别表示R、G、B三个单通道梯度场所占的权重；
Figure 170883DEST_PATH_IMAGE012
表示目标区域；
Figure 2011103548601100002DEST_PATH_IMAGE028
表示给定的阈值；
其中：
    
Figure 2011103548601100002DEST_PATH_IMAGE030
      （3）
式（3）中，
Figure DEST_PATH_IMAGE032
表示最优权重向量，其三个分量分别表示R、G、B三个单通道梯度场所占的权重；D co 表示彩色梯度场与初始灰度梯度场之间的差值；D cr 、D cg 、D cb 分别表示原始彩色图像梯度场与R、G、B三个单通道梯度场之间的差值；
Figure 468189DEST_PATH_IMAGE012
表示目标区域； 
步骤四、应用泊松方程对初始灰度图像和R、G、B三个单通道图像进行局部融合，获得目标灰度图像。
本发明的有益效果：
本发明通过局部梯度场约束，保证了原始彩色图像中的细节对比信息不会因去色过程而丢失；同时，采用泊松方程处理局部图像差值，可以使得局部融合后的目标灰度图像保持整体平滑。
附图说明
图1 是本发明图像去色方法的流程示意图；
图2（A）是原始彩色图像；
图2（B）是传统方法去色后的效果；
图2（C）是采用本发明方法去色后的效果；
图2（D）是R通道图像；
图2（E）是G通道图像；
图2（F）是B通道图像。
具体实施方式
本发明以传统方法获得的初始灰度图像为起点，逐个区域比较彩色梯度场和初始灰度梯度场，当发现局部梯度场变化大于给定阈值时，便利用R、G、B三个单通道图像中对应位置的局部梯度场拟合出与原始彩色梯度场最为接近目标梯度场，然后应用泊松方程和目标梯度场对初始灰度图像和三个单通道图像进行局部融合，获得目标灰度图像。 
以下举例说明本发明整个过程的具体实施方式如下（各步骤效果图参见图2）：
1、原始彩色图像如图2（A）所示，首先利用传统图像去色方法获取初始灰度图像，如图2（B）所示。其灰度值与原始彩色图像的RGB三通道的值满足关系式（1）：
                   
Figure DEST_PATH_IMAGE034
         （1）      
式（1）中，y表示灰度图像中每个像素的像素值，r表示彩色图像中每个像素R通道的值，g表示G通道的值，b表示B通道的值。
其次，分别抽取彩色图像R、G、B三个通道，构成三张单通道图像，如图2（D）是R通道图像，图2（E）是G通道图像，图2（F）B通道图像。如图2（A）、图2（B）、图2（D）、图2（E）、图2（F）所示，原始彩色图像，即图2（A）中差异很大的蓝色和绿色，在初始灰度图像即图2（B）中基本无法区分，而在G通道图像，即图2（E）中却保留这种差异，这是因为蓝色和绿色在亮度值上差异很小，而主要区分度来自于G通道值的不同。
2、对于彩色图像，利用CIEDE2000颜色距离公式计算像素间的差异，从而获得原始彩色图像的梯度场。对原始彩色图像的梯度场和初始灰度图像的梯度场进行比较，其差值满足关系式（2）：
Figure DEST_PATH_IMAGE036
        （2）        
式（2）中，I c 表示原始彩色图像的三维矩阵；I o 表示初始灰度图像的亮度矩阵；
Figure 821855DEST_PATH_IMAGE008
为梯度算子；
Figure 197472DEST_PATH_IMAGE010
表示L 2 范数；
Figure 883669DEST_PATH_IMAGE012
表示目标区域，p表示目标区域中的像素；D co 表示彩色梯度场与初始灰度梯度场之间的差值；
3、对于梯度场差值大于给定阈值的区域，利用R、G、B三个单通道图像中对应位置的局部梯度场拟合出与原始彩色梯度场最为接近目标梯度场，所述目标灰度梯度场与三个单通道梯度场之间满足关系式（3）：
       
Figure 277610DEST_PATH_IMAGE014
   if 
Figure 328742DEST_PATH_IMAGE016
  （3）
式（3）中，
Figure 253973DEST_PATH_IMAGE018
表示目标灰度梯度场，
Figure 166697DEST_PATH_IMAGE020
、、
Figure 715807DEST_PATH_IMAGE024
分别表示R、G、B三个单通道梯度场；
Figure 862754DEST_PATH_IMAGE026
分别表示R、G、B三个单通道梯度场所占的权重；
Figure 77704DEST_PATH_IMAGE012
表示目标区域；
Figure 196969DEST_PATH_IMAGE028
表示给定的阈值；
其中：  
Figure 340637DEST_PATH_IMAGE030
      （4）
式（4）中，
Figure 178143DEST_PATH_IMAGE032
表示最优权重向量，其三个分量
Figure 931204DEST_PATH_IMAGE026
分别表示R、G、B三个单通道梯度场所占的权重；D co 表示彩色梯度场与初始灰度梯度场之间的差值；D cr 、D cg 、D cb 分别表示原始彩色图像梯度场与R、G、B三个单通道梯度场之间的差值；
Figure 904977DEST_PATH_IMAGE012
表示目标区域； 
4、应用泊松方程对初始灰度图像和R、G、B三个单通道图像进行局部融合，获得目标灰度图像。其融合区域满足关系式（5）：
Figure DEST_PATH_IMAGE038
 over
Figure 219545DEST_PATH_IMAGE012
, with 
Figure DEST_PATH_IMAGE040
   （5）      
式（5）中， 
Figure DEST_PATH_IMAGE042
为拉普拉斯操作子；
Figure DEST_PATH_IMAGE044
为散度，
Figure DEST_PATH_IMAGE046
为向量的两个分量；f为目标灰度函数，代表局部区域融合后的像素值；f*为初始灰度函数，代表局部区域融合前的像素值；
Figure DEST_PATH_IMAGE048
代表局部区域的边界。最终的融合结果如图2（C）所示，可以看出本发明方法很好的保留了原始彩色图像的细节对比信息。
如图（1）所示，以原始彩色图像作为输入，通过传统去色方法计算得到初始灰度图像和三张单通道图像；然后计算原始彩色图像的梯度场和初始灰度图像的梯度场，并对两个梯度场进行比较；对于梯度场差值小于阈值的部分，直接得到目标灰度图像；对于差异大于阈值的部分，利用线性拟合求解目标梯度场，计算得到权重向量，然后利用权重向量和泊松方程对初始灰度图像和R、G、B三个单通道图像进行局部融合，获得目标灰度图像。

Claims (1)

1.一种图像去色方法，其特征在于该方法包括如下步骤：
步骤一、以原始彩色图像作为输入，通过传统去色方法计算得到初始灰度图像和单通道图像；然后计算原始彩色图像和初始灰度图像的梯度，得到原始彩色图像的梯度场和初始灰度图像的梯度场；
步骤二、对原始彩色图像的梯度场和初始灰度图像的梯度场进行比较，其差值满足关系式（1）：
Figure DEST_PATH_IMAGE002
      （1）          
式（1）中，I c 表示原始彩色图像的三维矩阵, 表示初始灰度图像的亮度矩阵；
Figure DEST_PATH_IMAGE006
为梯度算子；
Figure DEST_PATH_IMAGE008
表示L2范数；表示目标区域，p表示目标区域中的像素；D co 表示彩色梯度场与初始灰度梯度场之间的差值；
步骤三、对于梯度场差值大于给定阈值的区域，利用R、G、B三个单通道图像中对应位置的局部梯度场拟合出与原始彩色梯度场最为接近目标梯度场，所述目标灰度梯度场与三个单通道梯度场之间满足关系式（2）：
       
Figure DEST_PATH_IMAGE012
   if    （2）
式（2）中，
Figure DEST_PATH_IMAGE016
表示目标灰度梯度场，
Figure DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE022
分别表示R、G、B三个单通道梯度场；
Figure DEST_PATH_IMAGE024
分别表示R、G、B三个单通道梯度场所占的权重；
Figure 578527DEST_PATH_IMAGE010
表示目标区域；
Figure DEST_PATH_IMAGE026
表示给定的阈值；
其中：
    
Figure DEST_PATH_IMAGE028
      （3）
式（3）中，
Figure DEST_PATH_IMAGE030
表示最优权重向量，其三个分量分别表示R、G、B三个单通道梯度场所占的权重；D co 表示彩色梯度场与初始灰度梯度场之间的差值；D cr 、D cg 、D cb 分别表示原始彩色图像梯度场与R、G、B三个单通道梯度场之间的差值；表示目标区域； 
步骤四、应用泊松方程对初始灰度图像和R、G、B三个单通道图像进行局部融合，获得目标灰度图像。
CN201110354860.1A 2011-11-10 2011-11-10 一种图像去色方法 Expired - Fee Related CN102542526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110354860.1A CN102542526B (zh) 2011-11-10 2011-11-10 一种图像去色方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110354860.1A CN102542526B (zh) 2011-11-10 2011-11-10 一种图像去色方法

Publications (2)

Publication Number Publication Date
CN102542526A true CN102542526A (zh) 2012-07-04
CN102542526B CN102542526B (zh) 2014-04-16

Family

ID=46349352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110354860.1A Expired - Fee Related CN102542526B (zh) 2011-11-10 2011-11-10 一种图像去色方法

Country Status (1)

Country Link
CN (1) CN102542526B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934847A (zh) * 2015-12-31 2017-07-07 腾讯科技（深圳）有限公司 图案生成方法及装置
CN109871790A (zh) * 2019-01-30 2019-06-11 天津大学 一种基于混合神经网络模型的视频去色方法
CN110572626A (zh) * 2019-09-03 2019-12-13 云南白药集团健康产品有限公司 一种图像处理方法及设备
CN111683234A (zh) * 2020-06-04 2020-09-18 深圳开立生物医疗科技股份有限公司 一种内窥镜成像方法、装置及相关设备
CN112801926A (zh) * 2021-01-15 2021-05-14 北京理工大学 基于泊松方程和互信息分解的多模态医学图像融合方法
CN114339447A (zh) * 2020-09-29 2022-04-12 北京字跳网络技术有限公司 图片转视频的方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101080024A (zh) * 2007-05-09 2007-11-28 宁波大学 一种对医学灰度图像信号进行伪彩色处理的方法
CN101477695A (zh) * 2009-01-05 2009-07-08 东南大学 一种图像和视频快速着色的方法
CN101860655A (zh) * 2010-07-02 2010-10-13 上海交通大学 基于双边滤波器的黑白图像彩色化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101080024A (zh) * 2007-05-09 2007-11-28 宁波大学 一种对医学灰度图像信号进行伪彩色处理的方法
CN101477695A (zh) * 2009-01-05 2009-07-08 东南大学 一种图像和视频快速着色的方法
CN101860655A (zh) * 2010-07-02 2010-10-13 上海交通大学 基于双边滤波器的黑白图像彩色化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋明黎 等: "基于概率模型的高动态范围图像色调映射", 《软件学报》 *
宋明黎 等: "基于高斯混合模型的色彩转换", 《计算机辅助设计与图形学学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934847A (zh) * 2015-12-31 2017-07-07 腾讯科技（深圳）有限公司 图案生成方法及装置
CN106934847B (zh) * 2015-12-31 2020-09-25 腾讯科技（深圳）有限公司 图案生成方法及装置
CN109871790A (zh) * 2019-01-30 2019-06-11 天津大学 一种基于混合神经网络模型的视频去色方法
CN109871790B (zh) * 2019-01-30 2022-12-16 天津大学 一种基于混合神经网络模型的视频去色方法
CN110572626B (zh) * 2019-09-03 2021-05-28 云南白药集团健康产品有限公司 一种图像处理方法及设备
CN110572626A (zh) * 2019-09-03 2019-12-13 云南白药集团健康产品有限公司 一种图像处理方法及设备
CN111683234A (zh) * 2020-06-04 2020-09-18 深圳开立生物医疗科技股份有限公司 一种内窥镜成像方法、装置及相关设备
CN111683234B (zh) * 2020-06-04 2022-05-31 深圳开立生物医疗科技股份有限公司 一种内窥镜成像方法、装置及相关设备
CN114339447A (zh) * 2020-09-29 2022-04-12 北京字跳网络技术有限公司 图片转视频的方法、装置、设备及存储介质
CN114339447B (zh) * 2020-09-29 2023-03-21 北京字跳网络技术有限公司 图片转视频的方法、装置、设备及存储介质
US11893770B2 (en) 2020-09-29 2024-02-06 Beijing Zitiao Network Technology Co., Ltd. Method for converting a picture into a video, device, and storage medium
CN112801926B (zh) * 2021-01-15 2022-09-02 北京理工大学 基于泊松方程和互信息分解的多模态医学图像融合方法
CN112801926A (zh) * 2021-01-15 2021-05-14 北京理工大学 基于泊松方程和互信息分解的多模态医学图像融合方法

Also Published As

Publication number Publication date
CN102542526B (zh) 2014-04-16

Similar Documents

Publication Publication Date Title
CN104200470B (zh) 一种蓝屏抠图方法
CN102542526A (zh) 一种图像去色方法
CN103714520B (zh) 基于fpga实现数字视频图像增强系统及其方法
TWI293742B (zh)
CN1941923B (zh) 应用于彩色数字影像的自动白平衡方法
CN105741322B (zh) 一种基于视频特征层融合的视场区域分割方法
WO2017045218A1 (zh) 一种图像的自适应转换方法
CN106504212A (zh) 一种改进的hsi空间信息低照度彩色图像增强算法
US7889245B2 (en) Automatic white balancing of a digital image
CN107680142B (zh) 改善域外色重叠映射的方法
CN102883168A (zh) 一种针对非典型特征图像的白平衡处理方法
CN110349097B (zh) 图像显着性的色彩增强方法及图像处理装置
CN104036467A (zh) 一种基于通道增益系数加权的图像色偏校正方法
CN104978945B (zh) 图像饱和度增强的方法及其装置
CN113824945B (zh) 一种基于深度学习的快速自动白平衡和颜色矫正方法
CN104112259A (zh) 单幅图像去雨方法和系统
CN109166135B (zh) 一种基于hsv颜色空间与色度键的蓝屏抠像方法
CN111107330A (zh) 一种Lab空间的偏色校正方法
CN104240197B (zh) 一种保持对比度、颜色一致性和灰度像素特征的消色方法
CN103679658B (zh) 一种根据主色调智能脱色的图像处理方法
TWI415480B (zh) 影像處理方法與影像處理系統
CN107680050A (zh) 一种用于amoled驱动的色彩还原方法
CN105809648A (zh) 一种基于Lab颜色空间的偏色判断与归一化方法
Lam et al. Automatic white balancing using standard deviation of RGB components
Lam et al. Automatic white balancing using luminance component and standard deviation of RGB components [image preprocessing]

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140416

Termination date: 20211110

CF01 Termination of patent right due to non-payment of annual fee