CN103200349A - 一种扫描图像色偏自动检测方法 - Google Patents

Abstract

本发明提出了一种扫描图像色偏自动检测方法。扫描仪在扫描图像时，容易受到环境光源、物体本身的反射特性及采集设备的感光系数等的影响，使扫描得到的图像存在色偏。本发明所述的方法选择与设备无关的CIEL*a*b*均匀颜色空间，然后统计扫描图像的色度信息、色度平均值、平均色度中心距和偏色因子，最后通过与典型标准无色偏图像得到的标准色度平均值的分析比较，判断扫描图像是否存在色偏以及色偏的具体情况。采用本发明所述技术方案，可以准确地自动检测扫描图像的色偏，具有较高的准确率和可靠性，同时对扫描图像的色偏程度能做出一定的预估。

Description

一种扫描图像色偏自动检测方法

技术领域

本发明属于图像质量检测与分析领域，特别是涉及一种扫描图像色偏自动检测方法。

背景技术

图像采集设备在采集图像时，容易受到环境光源、物体本身的反射特性及采集设备的感光系数的影响，使采集到的图像颜色与真实的图像颜色存在偏差，称为图像色偏。扫描仪作为图像采集设备中应用最广的一种，扫描得到的图像同样也存在色偏的现象。因此，如何准确的检测出图像的色偏是对色偏进行校正的关键前提，是扫描仪获得高质量扫描图像亟待解决的问题。

图像色偏程度是评价数字图像质量的关键指标之一。目前采用较为普遍的数字图像质量检测方法主要有两种：主观评价检测法和客观评价检测法。主观评价法是让观察者根据一些事先规定的评价尺度或自己的经验，对测试图像按视觉效果提出质量判断，并给出质量分数。主观评价方法所需要的时间长，耗费资源大，而且缺少统一标准，难于实现量化，而且不同人员之间存在着不同的主观检测标准。客观评价法是用恢复图像偏离原始图像的误差来衡量数字图像的质量，主要是应用数学模型来表示视觉对图像的主观感受。目前在工程应用中已有一些图像色偏的检测方法，主要有灰度世界法、白平衡法、直方图统计法等。这些算法都具有一定的局限性，不能在任何情况下都正确可靠地检测出图像的色偏，更没法准确估计图像色偏的程度，无法做到量化。

发明内容

为克服上述现有算法的局限性，本发明提供一种扫描图像色偏自动检测方法。

本发明的技术方案为一种扫描图像色偏自动检测方法，其特征是在于，包括以下步骤：

步骤1：扫描得到待测图像，确定所述的待测图像对应的标准图像；

步骤2：

一方面，将所述的标准图像的颜色模式转换为L^*a^*b^*颜色模式，计算所述的标准图像像素点色度值a^*、b^*的平均值d_a标，d_b标：

其中a_标(i,j)和b_标(i,j)分别为所述的标准图像在第i行第j列的色度a^*和b^*值，m_标和n_标为所述的标准图像中横向和纵向的像素数目；

计算所述的标准图像像素色度值a^*、b^*的平均色度差值M_a标1M_b标，利用关系式

计算所述的标准图像的平均色度中心距M_标；

其中：

另一方面，将所述的待测图像的颜色模式转换为L^*a^*b^*颜色模式，并计算所述的待测图像像素点色度值a^*、b^*的平均值d_a、d_b：

$d_a=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}a(i,j)}{m\·n},$ $d_b=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}b(i,j)}{m\·n},$

其中a(i,j)和b(i,j)分别为所述的待测图像在第i行第j列的色度a^*和b^*值，m和n为所述的待测图像中横向和纵向的像素数目；

计算所述的待测图像像素色度值a^*、b^*的平均色度差值M_a、M_b，利用关系式计算所述的待测图像的平均色度中心距M；

其中：

$M_a=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|a(i,j)-d_a|,$ $M_b=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|b(i,j)-d_b|;$

步骤3：计算所述的待测图像与标准图像像素色度值a^*和b^*的色度距离D，

步骤4：根据所述的步骤2所得的待测图像的平均色度中心距M和所述的步骤3所得的待测图像与标准图像像素色度值a^*和b^*的色度距离D，计算待测图像偏色因子

步骤5：计算并判断待测图像具体偏色情况，D_a=d_a-d_a标和D_b=d_b-d_b标；

D_a和D_b用于指示具体偏色情况，若D_a大于零，则待测图像与标准图像相比偏红，否则偏绿；若D_b大于零，则待测图像与标准图像相比偏黄，否则偏蓝。

作为优选，所述的标准图像像素点色度值a^*、b^*的平均值d_a标、d_b标，为通过对多幅典型标准无色偏图像像素点的a^*、b^*色度平均值求平均而得到。

作为优选，若所述的待测图像与标准图像的平均色度范围圆心点重合，且标准图像的平均色度中心距M_标大于所述的待测图像的平均色度中心距M，则所述的待测图像偏色因子由下式得到：

作为优选，若所述的待测图像与标准图像的平均色度范围圆心点重合，且标准图像的平均色度中心距M_标小于所述的待测图像的平均色度中心距M，此时待测图像偏色因子由下式得到：

作为优选，所述的待测图像偏色因子K值大于0.5时即存在明显色偏。

本发明所提供的一种扫描图像色偏自动检测方法，首先通过对不同图像类型进行归类，建立各个典型标准图像库，得到该类型的无色偏图像色度平均标准值d_a标和d_b标；将待测扫描图像的颜色模式转换到与设备无关的CIE L*a*b*均匀颜色空间，然后统计扫描图像的色度信息、色度平均值、平均色度中心距和偏色因子；最后将扫描图像与典型标准无色偏图像得到的标准色度平均值进行分析比较来判断图像是否存在色偏以及色偏的具体情况。实施时，可以将此方法集成至扫描仪驱动中，使用户可以自动检测扫描图像的色偏程度。

采用本发明所述技术方案，可以准确地自动检测扫描图像的色偏，具有较高的准确率和可靠性，同时对扫描图像的色偏程度能做出一定的预估。

附图说明

图1：为本发明的流程图。

图2：为本发明实施例试验的标准图像。

图3：为本发明实施例试验中的偏红图像。

图4：为本发明实施例试验中的偏蓝图像。

具体实施方式

下面结合附图和具体实施例来描述本发明提出的一种扫描图像色偏自动检测方法。

本发明选择与设备无关的CIE L*a*b*均匀颜色空间，将扫描图像的颜色模式转换为L*a*b*颜色模式，然后统计扫描图像的色度平均值、平均色度中心距和偏色因子等；最后通过与无色偏图像标准色度平均值的分析比较来判断图像是否存在色偏以及色偏的具体情况。

请见图1，本发明的一种扫描图像色偏自动检测方法，包括以下步骤：

步骤1：扫描得到待测图像，确定所述的待测图像对应的标准图像；

步骤2：

一方面，将所述的标准图像的颜色模式转换为L^*a^*b^*颜色模式，计算所述的标准图像像素点色度值a^*、b^*的平均值d_a标，d_b标：

其中a_标(i,j)和b_标(i,j)分别为所述的标准图像在第i行第j列的色度a^*和b^*值，m_标和n_标为所述的标准图像中横向和纵向的像素数目；

计算所述的标准图像像素色度值a^*、b^*的平均色度差值M_a标、M_b标，利用关系式

计算所述的标准图像的平均色度中心距M_标；

其中：

另一方面，将所述的待测图像的颜色模式转换为L^*a^*b^*颜色模式，并计算所述的待测图像像素点色度值a^*、b^*的平均值d_a、d_b：

$d_a=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}a(i,j)}{m\·n},$ $d_b=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}b(i,j)}{m\·n},$

其中a(i,j)和b(i,j)分别为所述的待测图像在第i行第j列的色度a^*和b^*值，m和n为所述的待测图像中横向和纵向的像素数目；

计算所述的待测图像像素色度值a^*、b^*的平均色度差值M_a、M_b，利用关系式

计算所述的待测图像的平均色度中心距M；

其中：

$M_a=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|a(i,j)-d_a|,$ $M_b=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|b(i,j)-d_b|;$

步骤3：计算所述的待测图像与标准图像像素色度值a^*和b^*的色度距离D，

步骤4：根据所述的步骤2所得的待测图像的平均色度中心距M和所述的步骤3所得的待测图像与标准图像像素色度值a^*和b^*的色度距离D，计算待测图像偏色因子

若待测图像与标准图像的平均色度范围圆心点重合，有以下两种情况：

（1）标准图像的平均色度中心距M_标大于待测图像的平均色度中心距M，则待测图像偏色因子由下式得到：

（2）标准图像的平均色度中心距M_标小于待测图像的平均色度中心距M，则待测图像偏色因子由下式得到：

待测图像偏色因子K值大于0.5时即存在明显色偏。

步骤5：计算并判断待测图像具体偏色情况，D_a=d_a-d_a标和D_b=d_b-d_b标；

D_a和D_b用于指示具体偏色情况，若D_a大于零，则待测图像与标准图像相比偏红，否则偏绿；若D_b大于零，则待测图像与标准图像相比偏黄，否则偏蓝。

请见图2、图3和图4，本实施例中选用风景图为测试图像，标准图像记为图2，两幅待测图像分别记为图3和图4。

步骤1：扫描得到待测图像3和待测图像4，确定待测图像3和待测图像4对应的标准图像为图像2；

步骤2：

一方面，将标准图像2的颜色模式转换为L^*a^*b^*颜色模式，并计算标准图像2像素点色度值a^*、b^*的平均值d_a标、d_b标：

其中a_标(i,j)和b_标(i,j)分别为标准图像在第i行第j列的色度a^*和b^*值，m_标和n_标为标准图像中横向和纵向的像素数目；

本实施例中选择的标准图像2为风景图像，经计算得到的d_a标=-32.4125，d_b标=28.575。当然，d_a标和d_b标也可以通过对多幅典型标准无色偏图像像素点的a^*、b^*色度平均值求平均而得到。

计算标准图像像素色度a^*、b^*值的平均色度差值M_a标、M_b标，利用关系式

计算标准图像的平均色度中心距M_标；

其中：

另一方面，将扫描得到的待测图像3的颜色模式转换为L^*a^*b^*颜色模式，并计算待测图像3像素点色度值a^*、b^*的平均值d_a、d_b，由以下公式计算得到：

$d_a=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}a(i,j)}{m\·n},$ $d_b=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}b(i,j)}{m\·n};$

其中a(i,j)和b(i,j)分别为待测图像3在第i行第j列的色度a^*和b^*值，m和n为待测图像中横向和纵向的像素数目。

计算待测图像3像素色度a^*、b^*值的平均色度差值M_a、M_b，利用关系式

计算图像的平均色度中心距M。

$M_a=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|a(i,j)-d_a|,$

$M_b=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|b(i,j)-d_b|.$

步骤3：计算待测图像3与标准图像2像素色度值a^*和b^*的色度距离D，

对待测图像4实施同上的三个步骤，此处不再赘述。

步骤4：根据步骤2所得的待测图像的平均色度中心距M和步骤3所得的待测图像与标准图像像素色度值a^*和b^*的色度距离D，计算待测图像偏色因子

本试验中待测图像3的K=0.5065，待测图像4的K=1.0878。

步骤5：计算并判断具体偏色情况，D_a=d_a-d_a标和D_b=d_b-d_b标。

在本试验中，待测图像3的D_a=11.7，D_b=-2.8；待测图像4的D_a=8.0，D_b=-27.4。

综合分析步骤4与步骤5，待测图像3的K值较大，且D_a明显大于零，则图像偏红；待测图像4的K值较大，且D_b明显小于零，则图像偏蓝。以上评价与主观评价一致，检测效果较好。

采用本发明所述技术方案，可以准确地自动检测扫描图像的色偏，具有较高的准确率和可靠性，同时对扫描图像的色偏程度能做出一定的预估。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (5)

1.一种扫描图像色偏自动检测方法，其特征在于，包括以下步骤：

步骤1：扫描得到待测图像，确定所述的待测图像对应的标准图像；

步骤2：

一方面，将所述的标准图像的颜色模式转换为L^*a^*b^*颜色模式，计算所述的标准图像像素点色度值a^*、b^*的平均值d_a标、d_b标：

其中a_标(i,j)和b_标(i,j)分别为所述的标准图像在第i行第j列的色度a^*和b^*值，m_标和n_标为所述的标准图像中横向和纵向的像素数目；

计算所述的标准图像像素色度值a^*、b^*的平均色度差值M_a标、M_b标，利用关系式

计算所述的标准图像的平均色度中心距M_标；

其中：

另一方面，将所述的待测图像的颜色模式转换为L^*a^*b^*颜色模式，并计算所述的待测图像像素点色度值a^*、b^*的平均值d_a、d_b：

$d_a=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}a(i,j)}{m\·n},$ $d_b=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}b(i,j)}{m\·n},$

其中a(i,j)和b(i,j)分别为所述的待测图像在第i行第j列的色度a^*和b^*值，m和n为所述的待测图像中横向和纵向的像素数目；

计算所述的待测图像像素色度值a^*、b^*的平均色度差值M_a、M_b，利用关系式

计算所述的待测图像的平均色度中心距M；

其中：

$M_a=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|a(i,j)-d_a|,$ $M_b=\frac{1}{m\·n}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}|b(i,j)-d_b|;$

步骤3：计算所述的待测图像与标准图像像素色度值a^*和b^*的色度距离D，

步骤4：根据所述的步骤2所得的待测图像的平均色度中心距M和所述的步骤3所得的待测图像与标准图像像素色度值a^*和b^*的色度距离D，计算待测图像偏色因子

步骤5：计算并判断待测图像具体偏色情况，D_a=d_a-d_a标和D_b=d_b-d_b标；

D_a和D_b用于指示具体偏色情况，若D_a大于零，则待测图像与标准图像相比偏红，否则偏绿；若D_b大于零，则待测图像与标准图像相比偏黄，否则偏蓝。

2.根据权利要求1所述的扫描图像色偏自动检测方法，其特征在于：所述的标准图像像素点色度值a^*、b^*的平均值d_a标、d_b标，为通过对多幅典型标准无色偏图像像素点的a^*、b^*色度平均值求平均而得到。

3.根据权利要求1所述的扫描图像色偏自动检测方法，其特征在于：若所述的待测图像与标准图像的平均色度范围圆心点重合，且标准图像的平均色度中心距M_标大于所述的待测图像的平均色度中心距M，则所述的待测图像偏色因子由下式得到：

4.根据权利要求1所述的扫描图像色偏自动检测方法，其特征在于：若所述的待测图像与标准图像的平均色度范围圆心点重合，且标准图像的平均色度中心距M_标小于所述的待测图像的平均色度中心距M，此时待测图像偏色因子由下式得到：

5.根据权利要求1、3或4所述的扫描图像色偏自动检测方法，其特征在于：所述的待测图像偏色因子K值大于0.5时即存在明显色偏。

Images