CN103402117B - 基于Lab色度空间的视频图像偏色检测方法 - Google Patents

Abstract

一种基于Lab色度空间的视频图像偏色检测方法，包括以下步骤：a)RGB颜色空间转换到Lab色度空间；b)计算偏色因子；本发明提出了一种新的偏色检测因子，并成功用于图像的偏色检测。首先，将图像由原始的RGB颜色空间转换为Lab色度空间，然后根据无偏色正常图像与存在偏色异常图像之间的a色度与b色度空间灰度直方图分布的区别，分别计算a色度空间灰度直方图与b色度空间灰度直方图分布的均值后，再根据其与直方图的中值之间的统计分布，来计算偏色因子。大量真实街景图像数据库的实验验证了本专利所提出的新的偏色因子能真实反映出图像的偏色程度，从而完成偏色检测，使用本方法检测速度快，精度准缺。

Description

基于Lab色度空间的视频图像偏色检测方法

技术领域

本发明涉及一种视频图像偏色检测方法，具体为一种基于Lab色度空间的视频图像偏色检测方法。

背景技术

颜色是视频图像的一个十分重要的信息，由于图象的色彩变化往往要比图象的亮度等特征变化对人眼的刺激大得多。因此，视频图像的颜色信息往往是进行视频分析的重要依据，对于图像分割、目标检测与识别、视频检索以及视频目标跟踪等领域的研究都具有十分重要的意义。

在现实世界中，人类视觉系统具有颜色恒常性，即人眼对照明环境的亮度和颜色的变化具有视觉适应现象。当照明条件发生变化时，视觉系统会尽量使感知色貌的差别区域最小，这种现象称为颜色恒常性。而视频图像采集设备并不具有颜色恒常性，在采集视频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，形成偏色图像。如何正确检测出视频成像设备所采集的图像是否正确反映了目标场景的真实颜色，不仅是当前视频质量诊断领域普遍关心的问题，同时也是视频图像恢复与校正所需要解决的重要前提条件。

目前，偏色检测的研究已经取得了一定的进展，其中比较有代表性的偏色的检测方法,主要包括直方图统计法、灰平衡法、白平衡法、等效圆法等。直方图统计可以给出图像的整体颜色表现，但在视频图像的不同应用中，偏色出现原因错综复杂，基于直方图统计的方法难以得到全面准确的判断；灰平衡法师针对满足“灰度世界”假设，即图像的R、G、B均值相等，体现为中性“灰”，但是当环境亮度异常或者图像颜色较为单一时，由于图像不再满足“灰度世界”这一基本假设前提，从而导致了灰平衡法几乎完全失效；白平衡法师针对存在镜面反射的图像，认为镜面反射或白色区域反射的高光部分能够反映光源的色度，从而判断偏色现象，但是当所拍摄的物体无白色或高光部分存在时，偏色检测结果是失真的；等效圆法根据图像在Lab空间中色度均值分布情况，采用图像平均色度和色度中心距的比值来作为衡量图像偏色程度的偏色因子，但是对于无参考的偏色检测问题而言，正确的色度中心选择是随机且难以确定的。

发明内容

本发明所解决的技术问题在于提供一种基于Lab色度空间的视频图像偏色检测方法，以解决上述背景技术中的问题。

本发明所解决的技术问题采用以下技术方案来实现：一种基于Lab色度空间的视频图像偏色检测方法，所述的Lab色度空间由亮度分量L和两个色度分量组成,这两个色度分量分别是从绿到红的a分量和从蓝到黄的b分量；该方法包括以下步骤：

a)从RGB颜色空间到Lab色度空间的转换，包括以下步骤：首先，从24bit真彩的RGB空间转换到sRGB（standard red green blue）空间；然后，通过如式(1)所示的线性变换将被测图像从sRGB空间转换到XYZ空间：

[X,Y,Z]=[M]·[R,G,B]         (1)

其中，[M]为3×3矩阵，                                                ；R、G、B分别是经过Gamma校正的色彩分量：R=g(r)，G=g(g),B=g(b)；其中r、g、b为原始的色彩分量，g(x)是Gamma校正函数：当x＜0.018时，g(x)=4.5318·x；当x≥0.018时，g(x)=1.099·x^0.45-0.099；

最后，按下述式(2)的方法将其从XYZ空间转换到Lab空间：

其中，f(x)是一个类似Gamma函数的校正函数：当x＞0.008856时，f(x)=x^1/3；当x≤0.008856时，f(x)=(7.787·x)+(16/116);X₁、Y₁、Z₁的校正函数分别是线性归一化之后的X、Y、Z值：X₁=X/0.9505;Y₁=Y/1.0;Z₁=Z/1.0891；

b)偏色因子的计算：

设图像I的大小为M×N，则将其从RGB空间转换为Lab空间后，分别计算a分量和b分量的直方图分布h_a(i)和h_b(i)：

上式(3)与式(4)中的分别表示了图像I的a分量与b分量的第i个灰度等级的像素个数；在得到h_a(i)和h_b(i)后，再分别求各自的均值E_a和E_b：

又令图像I的a分量与b分量的直方图中值分别为M_a和M_b，则偏色因子定义如下：

式(7)中的σ_c为偏色因子方差。

作为进一步的方案：设式(7)中图像I的a分量与b分量的直方图中值为：M_a=M_b=256/2=128。

作为进一步的方案：设式(7)中的σ_c=3.1498。

作为进一步的方案：分别计算无偏色正常图像I₁与有偏色异常图像I₂的偏色因子分别为ω_c(I₁）=0.9449，ω_c(I₂）=17.4613；由此可知，当偏色因子ω_c越大时，则偏色的可能性也就越大。

作为进一步的方案：无偏色现象的正常图像的偏色因子ω_c的均值为：mean(ω_c)=1.5079，均方差为：var(ω_c)=0.9936。

有益效果：本专利提出了一种新基于Lab色度空间的视频图像偏色检测方法。该方法首先将图像由原始的RGB颜色空间转换为Lab色度空间，然后根据无偏色正常图像与存在偏色异常图像之间的a色度与b色度空间灰度直方图分布的区别，分别计算a色度空间与b色度空间灰度直方图分布均值后，再将其与直方图中值相结合来计算偏色因子。真实数据的统计实验验证了新的偏色因子能真实反映出图像的偏色程度，从而完成偏色检测。

附图说明

图1为本发明中的无偏色正常图像I₁的a色度分量的直方图；

图2为本发明中的无偏色正常图像I₁的b色度分量的直方图；

图3为本发明中的存在偏色现象的异常图像I₂的a色度分量的直方图；

图4为本发明中的存在偏色现象的异常图像I₂的b色度分量的直方图；

图5为本发明中的麻省理工学院中心街景数据库的偏色因子统计结果图。

具体实施方式

为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面进一步阐述本发明。

本发明一种基于Lab色度空间的视频图像偏色检测方法，采用的CIE Lab色度空间是1976年国际照明委员会推荐的均匀颜色空间，由此空间所计算出来的颜色之间的距离与实际感知上的差别基本一致。其中Lab色度空间由亮度分量L和两个色度分量组成,这两个色度分量分别是a分量（从绿到红）和b分量（从蓝到黄）。

a)从RGB颜色空间到Lab色度空间的转换，包括以下步骤：首先，从24bit真彩的RGB空间转换到sRGB（standard red green blue）空间；然后，通过如式(1)所示的线性变换将被测图像从sRGB空间转换到XYZ空间：

[X,Y,Z]=[M]·[R,G,B]         (1)

其中，[M]为3×3矩阵，；R、G、B分别是经过Gamma校正的色彩分量：R=g(r)，G=g(g),B=g(b)；其中r、g、b为原始的色彩分量，g(x)是Gamma校正函数：当x＜0.018时，g(x)=4.5318·x；当x≥0.018时，g(x)=1.099·x^0.45-0.099；

最后，按下述式(2)的方法将其从XYZ空间转换到Lab空间：

其中，f(x)是一个类似Gamma函数的校正函数：当x＞0.008856时，f(x)=x^1/3；当x≤0.008856时，f(x)=(7.787·x)+(16/116);X₁、Y₁、Z₁的校正函数分别是线性归一化之后的X、Y、Z值：X₁=X/0.9505;Y₁=Y/1.0;Z₁=Z/1.0891；

b)偏色因子的计算

当视频图像中存在偏色现象时，会导致图像在Lab色度空间空间中的直方图分布发生改变。具体而言，L色度分量仅反映了图像在亮度上分布情况，而颜色的分布只与a和b分量有关，无偏色的正常图像I₁，在从RGB空间转换为Lab空间后，其a分量和b分量的直方图分布如图1、图2所示，可见图1、图2中的正常无偏色图像I₁的a分量和b分量直方图分布均值分别为126.7123和126.0767。存在偏色现象的异常图像I₂，如图3、图4所示，计算图像I₂中的a分量和b分量直方图分布的均值则分别为170.7706和127.7424。

由此可知，假设图像a、b分量灰度等级为0～255，则其直方图分布的中值位置应为128，当图像的a分量与b分量直方图分布的均值距离中值位置较远时，则可认为图像存在偏色现象，为了能定量地表达图像偏色程度，本专利提出了一种新的偏色因子计算方法。

设图像I的大小为M×N，则将其从RGB空间转换为Lab空间后，分别计算a分量和b分量的直方图分布h_a(i)和h_b(i)：

上式(3)与式(4)中的分别表示了图像I的a分量与b分量的第i个灰度等级的像素个数。在得到h_a(i)和h_b(i)后，再分别求各自的均值E_a和E_b：

又令图像I的a分量与b分量的直方图中值为：M_a=M_b=256/2=128，则新的偏色因子定义如下：

式(7)中的σ_c为偏色因子方差，通过统计实验后可设σ_c=3.1498。

分别计算图1与图4所示的无偏色正常图像I₁与有偏色异常图像I₂的偏色因子分别为ω_c(I₁）=0.9449，ω_c(I₂）=17.4613。由此可知，当偏色因子ω_c越大时，则偏色的可能性也就越大。

为验证所提偏色因子ω_c的合理性与适应性，本专利针对麻省理工学院生物和计算学习中心街景数据库的真实街景图像进行偏色因子的统计实验，该数据库中所有的3547幅图像均为无偏色的正常图像，计算所有图像的偏色因子ω_c后可得如下图5所示的统计结果。

由图5可知，无偏色现象的正常图像的偏色因子ω_c的均值为：mean(ω_c)=1.5079，均方差为：var(ω_c)=0.9936。由此可知，本专利所提出的新的偏色因子ω_c能真实反映出视频图像的偏色程度。

针对现有视频图像偏色检测存在计算复杂、随机性较大等问题，本发明提出了一种新的偏色检测因子，并成功用于图像的偏色检测。首先，将图像由原始的RGB颜色空间转换为Lab色度空间，然后根据无偏色正常图像与存在偏色异常图像之间的a色度与b色度空间灰度直方图分布的区别，分别计算a色度空间灰度直方图与b色度空间灰度直方图分布的均值后，再根据其与直方图的中值之间的统计分布，来计算偏色因子。大量真实街景图像数据库的实验验证了本专利所提出的新的偏色因子能真实反映出图像的偏色程度，从而完成偏色检测。

以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于Lab色度空间的视频图像偏色检测方法，所述的Lab色度空间由亮度分量L和两个色度分量组成,这两个色度分量分别是从绿到红的a分量和从蓝到黄的b分量；其特征是：该方法包括以下步骤：

a)从RGB颜色空间到Lab色度空间的转换，包括以下步骤：首先，从24bit真彩的RGB空间转换到sRGB(standardredgreenblue)空间；然后，通过如式(1)所示的线性变换将被测图像从sRGB空间转换到XYZ空间：[X，Y，Z]＝[M]·[R，G，B]   (1)

其中，[M]为3×3矩阵， $\left[M\right]=\left[\begin{array}{ccc}0.4125& 0.3576& 0.1805\\ 0.2126& 0.7152& 0.0722\\ 0.0193& 0.1192& 0.9505\end{array}\right];$

R、G、B分别是经过Gamma校正的色彩分量：R＝g(r)，G＝g(g),B＝g(b)；其中r、g、b为原始的色彩分量，g(x)是Gamma校正函数：当x＜0.018时，g(x)＝4.5318·x；当x≥0.018时，g(x)＝1.099·x^0.45-0.099；

最后，按下述式(2)的方法将其从XYZ空间转换到Lab空间：

$\begin{array}{c}L=116\·f\left(Y_1\right)-16;\\ a=500\·(f\left(X_1\right)-f\left(Y_1\right));\\ b=200\·(f\left(Y_1\right)-f\left(Z_1\right));\end{array}---\left(2\right)$

其中，f(x)是一个类似Gamma函数的校正函数：当x＞0.008856时，f(x)＝x^1/3；当x≤0.008856时，f(x)＝(7.787·x)+(16/116)；X₁、Y₁、Z₁的校正函数分别是线性归一化之后的X、Y、Z值：X₁＝X/0.9505；Y₁＝Y/1.0；Z₁＝Z/1.0891；

b)偏色因子的计算：

设图像I的大小为M×N，则将其从RGB空间转换为Lab空间后，分别计算a分量和b分量的直方图分布h_a(i)和h_b(i)：

$h_a\left(i\right)=\frac{n_a^i}{M\·N},i=0,\·\·\·,255---\left(3\right)$

$h_b\left(i\right)=\frac{n_b^i}{M\·N},i=0,\·\·\·,255---\left(4\right)$

上式(3)与式(4)中的与分别表示了图像I的a分量与b分量的第i个灰度等级的像素个数；在得到h_a(i)和h_b(i)后，再分别求各自的均值E_a和E_b：

$E_a=\underset{i=0}{\overset{255}{\mathrm{\Σ}}}i\·h_a\left(i\right)=\underset{i=0}{\overset{255}{\mathrm{\Σ}}}i\·\frac{n_a^i}{M\·N}---\left(5\right)$

$E_b=\underset{i=0}{\overset{255}{\mathrm{\Σ}}}i\·h_b\left(i\right)=\underset{i=0}{\overset{255}{\mathrm{\Σ}}}i\·\frac{n_b^i}{M\·N}---\left(6\right)$

又令图像I的a分量与b分量的直方图中的值分别为M_a和M_b，则偏色因子定义如下：

${\mathrm{\ω}}_c=\sqrt{\frac{{(E_a-M_a)}^2+{(E_b-M_b)}^2}{{\mathrm{\σ}}_c^2}}---\left(7\right)$

式(7)中的σ_c为偏色因子的方差。

2.根据权利要求1所述的基于Lab色度空间的视频图像偏色检测方法，其特征是：设式(7)中图像I的a分量与b分量的直方图中的值为：M_a＝M_b＝256/2＝128。

3.根据权利要求1所述的基于Lab色度空间的视频图像偏色检测方法，其特征是：设式(7)中的σ_c＝3.1498。

4.根据权利要求1所述的基于Lab色度空间的视频图像偏色检测方法，其特征是：分别计算无偏色正常图像I₁与有偏色异常图像I₂的偏色因子分别为ωc(I₁)＝0.9449，ωc(I₂)＝17.4613；由此可知，当偏色因子ω_c越大时，则偏色的可能性也就越大。

5.根据权利要求1所述的基于Lab色度空间的视频图像偏色检测方法，其特征是：无偏色现象的正常图像的偏色因子ω_c的均值为：mean(ω_c)＝1.5079，均方差为：var(ω_c)＝0.9936。