CN104103043B - 空间域色域映射方法 - Google Patents

Abstract

本发明提供一种空间域色域映射方法，其特征在于，包括以下步骤：建立源图像和目标设备与CIE LCH颜色空间的映射关系；在CIE LCH颜色空间将源图像映射到目标设备色域，得到初步色域映射图像；将源图像和初步色域映射图像进行分块处理；采用人眼对比度敏感函数分别对分块处理后的源图像和初步色域映射图像进行空间滤波，将源滤波图像的明度值和饱和度值分别减去初步色域映射滤波图像的明度值和饱和度值，得到误差图像；将初步色域映射图像的明度值和饱和度值分别与误差图像的明度值和饱和度值相加，从而得到修正图像；分别建立修正图像和目标设备与CIE LCH颜色空间的映射关系；以及将修正图像映射到目标设备色域，得到最终色域映射图像。

Description

空间域色域映射方法

技术领域

本发明涉及图像处理领域，具体涉及一种基于人眼补偿机制的空间域色域映射方法。

背景技术

在跨媒体颜色复制过程中，色域映射一直都是国际上颜色科学与图像复制领域的研究重点。色域是指一个技术系统所能表现的颜色范围，一般分为设备色域和图像色域两种。通常在色彩再现过程中，可能出现色域不兼容的问题。例如，可以在液晶显示器上显示的颜色，可能在印刷机或投影仪上无法表现，这样必然导致颜色信息的丢失。

为了确保在不同色域的目标设备上最佳地再现图像，研究人员提出了一系列的色域映射算法。现有的色域映射算法主要分为两种，第一种是点对点色域映射算法(Point-wise gamut mapping algorithms)，第二种是空间域色域映射算法(Spatial gamutmapping algorithms)。

点对点色域映射算法主要分为设备到设备色域映射算法(Device-to-devicegamut mapping algorithms)和图像到设备色域映射算法(Image-to-device gamutmapping algorithms)。然而这些算法都没有考虑临近像素颜色信息的视觉影响，导致映射图像的视觉效果不佳。

空间域色域映射算法主要分为基于视网膜模型(Retinex-based)的色域映射算法、基于视觉感知最小(Image-difference minimization)的色域映射算法和基于频率机制(Frequency-based)的色域映射算法。前两种色域映射算法考虑到了人眼视觉机制，使得复制图像在视觉上忠实于原稿，但是需要大量的计算量，无法满足现实的商业应用。而基于频率机制的色域映射算法将图像的细节部分补偿到映射之后的图像中，方法简单，易于实现，具有很高的商业价值。但是这种算法仅仅是数学意义上的图像细节补偿，没有考虑到实际的人眼视觉系统。

目前，还没有一种考虑人眼视觉系统而计算量较小的色域映射算法。

发明内容

本发明是针对上述问题进行的，目的在于提供一种基于人眼视觉补偿机制、节省计算量和计算时间的空间域色域映射方法。

本发明为解决上述问题，采用了以下的技术方案：

本发明提供一种空间域色域映射方法，其特征在于，包括以下步骤：

分别对源图像和目标设备进行色域边界提取，并分别建立源图像和目标设备与CIE LCH颜色空间的映射关系；

在CIE LCH颜色空间将源图像映射到目标设备色域，得到初步色域映射图像；

将源图像和初步色域映射图像分别进行分块处理；

采用CIE LCH颜色空间下的人眼对比度敏感函数作为空间滤波器，分别对分块处理后的源图像和初步色域映射图像进行空间滤波，得到源滤波图像和初步色域映射滤波图像，将源滤波图像的明度值和饱和度值分别减去初步色域映射滤波图像的明度值和饱和度值，得到误差图像；

将初步色域映射图像的明度值与误差图像的明度值相加，得到修正图像的明度值，将初步色域映射图像的饱和度值与误差图像的饱和度值相加，得到修正图像的饱和度值，根据修正图像的明度值和修正图像的饱和度值对初步色域映射图像进行修正，从而得到修正图像；

分别对修正图像和目标设备进行色域边界提取，建立修正图像和目标设备与CIELCH颜色空间的映射关系；以及

在CIE LCH颜色空间将修正图像映射到目标设备色域，得到最终色域映射图像，

其中，人眼对比度敏感函数为：

CS＝k₁×[exp(a·f)-exp(b·f)]+k₂[1-exp(c·f)]，

式中CS是人眼对比度敏感度，f是空间频率，k₁、k₂、a、b和c是模型系数。

发明的作用与效果

根据本发明所提供的空间域色域映射方法，因为先将源图像映射到目标设备色域得到初步色域映射图像，再利用人眼对比度敏感函数进行空间滤波后的源滤波图像和初步色域映射滤波图像计算误差图像，然后将初步色域映射图像与误差图像相加得到的修正图像映射到目标设备色域，因此最终获得的色域映射图像考虑了人眼视觉系统的特点，充分保留了源图像的细节信息，而且该方法的计算量小，节省计算时间，方便用户使用。

附图说明

图1是本发明的空间域色域方法的流程图；

图2是实施例中多锚点色域映射方法的原理示意图；

图3是明度通道的人眼对比度敏感函数图；以及

图4是饱和度通道的人眼对比度敏感函数图。

具体实施方式

以下结合附图，对本发明提供的空间域色域映射方法作详细阐述。

<实施例>

图1是本发明的空间域色域映射方法的流程图。

如图1所示，本发明所提供的空间域色域映射方法包括以下步骤：

步骤S-01，分别对源图像和目标设备进行色域边界提取，并分别建立源图像和目标设备与CIE LCH颜色空间的映射关系。

步骤S-02，在CIE LCH颜色空间进行图像到目标设备的色域映射，得到初步色域映射图像。在本实施例中，采用多锚点的色域映射算法。

图2是实施例中多锚点色域映射方法的原理示意图。

如图2所示，源图像色域大于目标设备色域，多锚点的色域映射方法将源图像色域按比例压缩到目标设备色域。并且，该方法将目标设备色域分成三个区域，在每个区域采用不同的映射轨迹，分别将相应区域内的源图像色域映射到目标设备色域。

步骤S-03，对源图像和初步色域映射图像分别进行分块处理。在观察图像视场角范围内，视距为w，视角为θ，图像分辨率为R_I，则所观察的图像区域宽(高)度为d＝2w×tan(θ/2)英寸，其对应的像素行/列数为l＝d×R_I，根据l的大小对图像进行分块处理。

步骤S-04，采用CIE LCH颜色空间下的人眼对比度敏感函数(CSF)作为空间滤波器，对分块后的源图像和初步色域映射图像进行空间滤波。人眼对比度敏感函数如下：

CS＝k₁×[exp(a·f)-exp(b·f)]+k₂[1-exp(c·f)]，

式中CS是人眼对比度敏感度，f是空间频率，k₁、k₂、a、b和c是模型系数。

图3是明度通道的人眼对比度敏感函数图。

如图3所示，明度通道的CSF对应的模型系数为k₁＝145.0，k₂＝-9.0，a＝-0.11，b＝-1.30，c＝-0.08。

图4是饱和度通道的人眼对比度敏感函数图。

如图4所示，在不同的色相角下，饱和度通道的CSF的模型系数各不相同，不同色相角下的模型系数如表1所示。

表1不同色相角下的CSF模型系数

确定视距、视角等观察条件后，对于分块后的源图像和初步色域映射图像的明度值应用统一的CSF空间滤波；对于分块后的源图像和初步色域映射图像的饱和度，首先求出每块图像的色相角均值，对于每块图像，采用与色相角均值相对应的CSF进行滤波，得到源滤波图像和初步色域映射滤波图像。

将将源滤波图像的明度值减去初步色域映射滤波图像的明度值，得到误差图像的明度值；将源滤波图像的饱和度值减去初步色域映射滤波图像的饱和度值，得到误差图像的饱和度值。

步骤S-05，将初步色域映射图像的明度值与误差图像的明度值相加，得到修正图像的明度值；将初步色域映射图像的饱和度值与误差图像的饱和度值相加，得到修正图像的饱和度值，从而得到修正图像。

步骤S-06，对修正图像和目标设备进行色域边界提取，分别建立修正图像和目标设备与CIE LCH颜色空间的映射关系。

步骤S-07，在CIE LCH颜色空间将修正图像映射到目标设备，得到最终色域映射图像，映射方法与步骤S-02相同。

实施例的作用与效果

根据本实施例所提供的空间域色域映射方法，因为先将源图像映射到目标设备色域得到初步色域映射图像，再利用人眼对比度敏感函数进行空间滤波后的源滤波图像和初步色域映射滤波图像计算误差图像，然后将初步色域映射图像与误差图像相加得到的修正图像映射到目标设备色域，因此最终获得的色域映射图像考虑了人眼视觉系统的特点，充分保留了源图像的细节信息和视觉效果，而且该算法的计算量小，节省计算时间，方便用户使用。

以上实施例仅为本发明的优选方案，并不用于限定本发明的保护范围。

Claims (1)

1.一种空间域色域映射方法，其特征在于，包括以下步骤：

分别对源图像和目标设备进行色域边界提取，并分别建立所述源图像和所述目标设备与CIE LCH颜色空间的映射关系；

在CIE LCH颜色空间将所述源图像映射到所述目标设备色域，得到初步色域映射图像；

将所述源图像和所述初步色域映射图像分别进行分块处理；

采用CIE LCH颜色空间下的人眼对比度敏感函数作为空间滤波器，分别对分块处理后的所述源图像和所述初步色域映射图像进行空间滤波，得到源滤波图像和初步色域映射滤波图像，将所述源滤波图像的明度值和饱和度值分别减去所述初步色域映射滤波图像的明度值和饱和度值，得到误差图像；

将所述初步色域映射图像的明度值与所述误差图像的明度值相加，得到修正图像的明度值，将所述初步色域映射图像的饱和度值与所述误差图像的饱和度值相加，得到修正图像的饱和度值，根据所述修正图像的明度值和所述修正图像的饱和度值对所述初步色域映射图像进行修正，从而得到修正图像；

分别对所述修正图像和所述目标设备进行色域边界提取，建立所述修正图像和所述目标设备与CIE LCH颜色空间的映射关系；以及

在CIE LCH颜色空间将所述修正图像映射到目标设备色域，得到最终色域映射图像，

其中，所述人眼对比度敏感函数为：

CS＝k₁×[exp(a·f)-exp(b·f)]+k₂[1-exp(c·f)]，

式中CS是人眼对比度敏感度，f是空间频率，k₁、k₂、a、b和c是模型系数。