CN103236069A - 一种自适应的边缘导向彩色化的实现方法及其装置 - Google Patents

Abstract

本发明实施例公开了一种自适应的边缘导向彩色化的实现方法及其装置，其中，该方法包括：输入一幅灰度图片；对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；将所获得的彩色图片转换为YUV空间；基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；将Y、U、V通道的值转化到RGB空间，获得处理后的图片。在本发明实施例中，通过基于边缘导向的扩散算法来很好地保留用户初始输入，且极大地避免了传统求解方法中的“病态”问题，并提高图片的视觉效果。

Description

一种自适应的边缘导向彩色化的实现方法及其装置

技术领域

本发明涉及图片处理技术领域，尤其涉及一种自适应的边缘导向彩色化的实现方法及其装置。

背景技术

将计算机作为辅助工具来完成着色这项工作，最初出现于WilsonMaxkle和Brian Hunt在1970年提出的彩色化这个概念中，当时他将计算机辅助彩色化方法应用于处理黑白老照片和黑白电影电视节目，例如“阿波罗”登月获取的月球影像．HalRoach工作室的主席Glick在1984年就曾有过这样的论断，彩色化经典的黑白作品所创造出的经济价值远远超过新创造的黑白作品，因此，在社会价值上，我们可以看到图像彩色化技术的经济利益。彩色化是当前计算机图形学与计算机视觉领域的热点课题，它们在影视、动漫、娱乐、广告、数字化影像以及古画修复等众多工程领域具有十分广阔的应用前景。

随着技术水平的进步及一些新的彩色化处理方式的启发，人们开展进一步的研究，以求开发出真正简便实用的彩色化技术。从实际应用及技术发展本身来讲，进行彩色化研究都是非常有意义的。图像彩色化在医学和工业等领域有着重要的应用，例如一个图像通信过程，由于某种原因接收端仅得到了图像的亮度信息和部分颜色样本，这时就可能利用彩色化技术恢复出完整的彩色图像。

彩色化从根本上讲就是要对图像中的每个像素，用多维颜色空间的一个矢量（如表示亮度、色度、饱和度的三维颜色空间）取代仅表示灰度值的亮度的一维标量，而从亮度到表示色彩的颜色分量的映射却并不是唯一确定的，即不同的颜色可能具有相同的亮度值，却具有不同的色调和饱和度，为了降低这种映射的不确定性，少量的人工干预常起很重要的作用。基于上述原因，现有的彩色化过程必须具备两个要素：一是参考的颜色信息；另一个是基于这些颜色信息的着色策略。另一方面，到目前为止，还缺乏评价彩色化效果的客观标准，还没有一种“正确”的解决方案。因此，随着数字技术的广泛应用和产业化技术越来越得到人们的关注，数字图像彩色化技术作为其中的重要部分之一，仍是一个富有挑战性的研究课题。

2004年，Levin等人提出了使用优化进行计算机着色的方法，优化着色方法基于一个简单的假定：相邻的像素之间如果有相似的灰度值，那么就会有相似的颜色值。利用这一假定，计算机着色的过程转化为一个优化求解的过程，而人工进行少量的标色工作则成为优化求解的约束条件。Levin等人的做法是先由人工在图像中各个区域涂上适当的彩色线条，颜色扩展过程要使所有像素与其邻域像素色度加权和的平方差最小。颜色扩展是在色差空间（YUV颜色空间）进行的，不仅能保证图像在处理前后亮度不变，而且消除了直接在RGB空间进行处理可能产生的颜色混扰。为此，在将颜色进行YUV分解之后的UV色差空间，设定最小化目标：

$Y_{\mathrm{channel}}^{\mathrm{int\; ensity}}\⇒U,V_{\mathrm{channels}}^{\mathrm{color}}$

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2$

（此式表达了Levin方法的主体思想，即相近亮度值Y的像素其U、V值也相近）。

（表示像素点r与相邻像素点构成的窗口r内像素点亮度值的方差）且

上述思想转化为等价的数学优化方程为：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|A_{x_u}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_2\}$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|A_{x_v}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|V_k-\stackrel{\‾}{V_k}\left|\right|}_2\}$

其中 $A=\left[\begin{array}{cccc}1& -w_{12}& ...& -w_{1N}\\ -w_{21}& 1& ...& -w_{2N}\\ ...& ...& ...& ...\\ -w_{N1}& -w_{N2}& ...& 1\end{array}\right],$ b为用户初始化的彩色值，x即为所求结果彩色图。

从实验中可以看出，Levin提出的颜色扩展方法简易可行且效果颇佳，该方法是基于先手工部分着色，再利用最小代价函数控制局部颜色向全局扩展的彩色化，这种处理方式对图像彩色化的实际操作颇有启发意义。Levin算法对于尺寸较小的图像其处理速度也是不错的，但是处理速度随着图像尺寸增大显著下降，而且对于较大的图像在处理时很容易造成计算机内存溢出。最主要的是其方法也是基于假设：空间具有相近亮度值的相邻的像素点具有相似的色彩值，从而使得“病态”问题依然极大地存在于结果中。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种自适应的边缘导向彩色化的实现方法及其装置，能够很好地保留用户初始输入，且极大地避免了传统求解方法中的“病态”问题。

为了解决上述问题，本发明提出了一种自适应的边缘导向彩色化的实现方法，所述方法包括：

输入一幅灰度图片；

对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

将所获得的彩色图片转换为YUV空间；

基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

优选地，所述将所获得的彩色图片转换为YUV空间的步骤包括：

将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，所述初始彩色值包括U通道的值和V通道的值。

优选地，所述基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值的步骤包括：

基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

根据目标方程获得U、V两个通道的色彩值。

优选地，所述基于图像的几何正则性获得目标方程的步骤包括：

对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$

其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

优选地，所述根据目标方程获得U、V两个通道的色彩值的步骤包括：

根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

相应地，本发明实施例还公开了一种自适应的边缘导向彩色化的实现装置，所述装置包括：

输入单元，用于输入一幅灰度图片；

线条处理单元，用于对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

转换单元，用于将所获得的彩色图片转换为YUV空间；

色彩获得单元，用于基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

RGB转化单元，用于将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

优选地，所述转换单元还用于将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，所述初始彩色值包括U通道的值和V通道的值。

优选地，所述装置还包括：

目标方程获取单元，用于基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{\mathrm{\α}}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

所述色彩获得单元还用于根据目标方程获得U、V两个通道的色彩值。

优选地，所述目标方程获取单元还用于对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$

其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

优选地，所述色彩获得单元还用于根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

在本发明实施例中，通过基于边缘导向的扩散算法来很好地保留用户初始输入，且极大地避免了传统求解方法中的“病态”问题，并提高图片的视觉效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例的自适应的边缘导向彩色化的实现方法的流程示意图；

图2是本发明实施例的自适应的边缘导向彩色化的实现装置的结构组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明是基于一种常见于视频中的YUV彩色空间，其中Y代表单色亮度信道（后面以亮度代替），U和V均代表色度信道。主要包括输入一个亮度值Y（x,y,t），输出两个色度值U（x,y,t）和V（x,y,t）。为了表示方便，Y（a）表示一个像素点的亮度值，其中a表示（x,y,t）。

通过一些约束使得具有相近结构的相邻像素点也具有相近的色彩值，因此通过最小化某像素点色彩值U(a)和其相邻像素点的加权均值，可用数学表达式概括表示成：

$J\left(U\right)=\underset{a}{\mathrm{\Σ}}{(U\left(a\right)-\underset{s\∈N\left(a\right)}{\mathrm{\Σ}}{w}_{\mathrm{as}}U\left(s\right))}^2$

同理可得V通道的约束方程。

该技术可用如下数学模型表示：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|A_{x_u}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\}$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|A_{x_v}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|V_k-\stackrel{\‾}{V_k}\left|\right|}_1\}$

根据几何正则性， $\stackrel{\→}{a}=R^{-1}\stackrel{\→}{r},$ $\hat{R}=\frac{1}{M}{C}^{T}C,$ $\stackrel{\widehat{\→}}{r}=\frac{1}{M^2}{C}^T\stackrel{\→}{y}$

故 $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right)$ （其中： $\stackrel{\→}{y}={[y_1...y_k...y_{M^2-1}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，在本发明中M＝3；C是一个8×(M²-1)的矩阵，它的第k列向量就是以y_k为中心的窗口内的除y_k外的像素点构成的向量），于是经过计算

为一个1×8的向量。

$A=\left[\begin{array}{cccc}1& -w_{12}& ...& -w_{1N}\\ -w_{21}& 1& ...& -w_{2N}\\ ...& ...& ...& ...\\ -w_{N1}& -w_{N2}& ...& 1\end{array}\right]$

其中A表示所有像素点间权重的稀疏对称矩阵，其第i行中除1外的非零系数即为以第i个像素为中心计算出的系数b表示对用户给出的初始色彩值，lamda后面的约束是为了保证处理前后初始彩色线条上的色彩值不变。

下面结合图1对本发明实施例的自适应的边缘导向彩色化的实现方法进行详细描述。图1是本发明实施例的自适应的边缘导向彩色化的实现方法的流程示意图，如图1所示，该方法包括：

S101，输入一幅灰度图片；

S102，对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

S103，将所获得的彩色图片转换为YUV空间；

S104，基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

S105，将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

其中，S103包括：

将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，该初始彩色值包括U通道的值和V通道的值。

S104进一步包括：

基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

根据目标方程获得U、V两个通道的色彩值。

具体实施中，基于图像的几何正则性获得目标方程的步骤包括：

对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$

其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

根据目标方程获得U、V两个通道的色彩值的步骤包括：根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

在本发明实施例的方法中，通过基于边缘导向的扩散算法来很好地保留用户初始输入，且极大地避免了传统求解方法中的“病态”问题，并提高图片的视觉效果。

图2示出了本发明实施例的自适应的边缘导向彩色化的实现装置的结构组成，如图2所示，该装置包括：

输入单元20，用于输入一幅灰度图片；

线条处理单元21，用于对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

转换单元22，用于将所获得的彩色图片转换为YUV空间；

色彩获得单元23，用于基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

RGB转化单元24，用于将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

其中，转换单元22还用于将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，该初始彩色值包括U通道的值和V通道的值。

具体实施中，该装置还包括：

目标方程获取单元（图中未示出），用于基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

色彩获得单元23还用于根据目标方程获得U、V两个通道的色彩值。

目标方程获取单元还用于对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$

其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

色彩获得单元23还用于根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

在本发明实施例的装置中，通过基于边缘导向的扩散算法来很好地保留用户初始输入，且极大地避免了传统求解方法中的“病态”问题，并提高图片的视觉效果。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁盘或光盘等。

另外，以上对本发明实施例所提供的自适应的边缘导向彩色化的实现方法及其装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种自适应的边缘导向彩色化的实现方法，其特征在于，所述方法包括：

输入一幅灰度图片；

对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

将所获得的彩色图片转换为YUV空间；

基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

2.如权利要求1所述的自适应的边缘导向彩色化的实现方法，其特征在于，所述将所获得的彩色图片转换为YUV空间的步骤包括：

将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，所述初始彩色值包括U通道的值和V通道的值。

3.如权利要求1所述的自适应的边缘导向彩色化的实现方法，其特征在于，所述基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值的步骤包括：

基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

根据目标方程获得U、V两个通道的色彩值。

4.如权利要求3所述的自适应的边缘导向彩色化的实现方法，其特征在于，所述基于图像的几何正则性获得目标方程的步骤包括：

对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$

$x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$

其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

5.如权利要求4所述的自适应的边缘导向彩色化的实现方法，其特征在于，所述根据目标方程获得U、V两个通道的色彩值的步骤包括：

根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

6.一种自适应的边缘导向彩色化的实现装置，其特征在于，所述装置包括：

输入单元，用于输入一幅灰度图片；

线条处理单元，用于对输入的灰度图片各区域描上彩色线条，获得带有彩色线条的彩色图片；

转换单元，用于将所获得的彩色图片转换为YUV空间；

色彩获得单元，用于基于图像的几何正则性，根据彩色图片的Y通道值获得U、V两个通道的色彩值；

RGB转化单元，用于将Y、U、V通道的值转化到RGB空间，获得处理后的图片。

7.如权利要求6所述的自适应的边缘导向彩色化的实现装置，其特征在于，所述转换单元还用于将所获得的彩色图片转换为YUV空间，并将彩色图片在YUV空间下的初始彩色值标记为b，所述初始彩色值包括U通道的值和V通道的值。

8.如权利要求6所述的自适应的边缘导向彩色化的实现装置，其特征在于，所述装置还包括：

目标方程获取单元，用于基于图像的几何正则性获得目标方程：

$J\left(U\right)=\underset{r}{\mathrm{\Σ}}{(U\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}U\left(s\right))}^2,$ $J\left(V\right)=\underset{r}{\mathrm{\Σ}}{(V\left(r\right)-\underset{s\∈N\left(r\right)}{\mathrm{\Σ}}{w}_{\mathrm{rs}}V\left(s\right))}^2;$

其中， $w_{\mathrm{rs}}=\stackrel{\→}{a}={\left(C^{T}C\right)}^{-1}\left(C^T\stackrel{\→}{y}\right),$ $\stackrel{\→}{y}={[y_1...y_k...y_{M^2}]}^T$ 是以像素a为中心的窗口大小为M内的除a以外的像素点组成的向量，C是一个8×M²的矩阵，它的第k列向量是以y_k为中心的窗口内的除y_k外的向量；

所述色彩获得单元还用于根据目标方程获得U、V两个通道的色彩值。

9.如权利要求8所述的自适应的边缘导向彩色化的实现装置，其特征在于，所述目标方程获取单元还用于对所获得的目标方程进行规范优化，获得优化后的目标方程：

$x_u=\underset{x_u}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_u\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\},$ $x_v=\underset{x_v}{\arg \min }\arg \min \{{\left|\right|\mathrm{Ax}-b_v\left|\right|}_2+\mathrm{\λ}\underset{k}{\mathrm{\Σ}}{\left|\right|U_k-\stackrel{\‾}{U_k}\left|\right|}_1\};$ 其中A表示所有像素点间权重的对称矩阵，b_u表示对户给出的初始色彩值。

10.如权利要求9所述的自适应的边缘导向彩色化的实现装置，其特征在于，所述色彩获得单元还用于根据优化后的目标方程获得目标图片的U通道的值和V通道的值。

Images