CN104599241A - 全自动高效计算的颜色一致性方法 - Google Patents

Abstract

本发明公开了一种全自动高效计算的颜色一致性方法，该方法对原始彩色RGB图像先计算各自颜色通道的均值，然后通过颜色均值计算图像的均值，利用得到的这些均值，借用相机的颜色过滤结构和颜色色调一致性模型，融合全局颜色和局部颜色特征，自适应的对图像的每一个颜色通道的每一个像素点作颜色校正，用户还可以根据校正后的图像，进一步按照自己需求，调节参数，得到更好的结果。模拟方法的实验结果表明，提出的方法能获得令人赏心悦目的视觉效果。

Description

全自动高效计算的颜色一致性方法

技术领域

本发明涉及数字设备成像以及图像处理技术领域，特别涉及RGB彩色图像，以及与之对应的RGB图像的颜色一致性视觉增强。

背景技术

随着可拍摄的数字设备的逐渐普及，越来越多的消费者使用普通数字设备来拍摄视频或者图片，这些数字影像对用户来说，都记录了一些特定的人物或者事件，因而具有特定的意义。然而，对于普通消费者来说，很难获得专业的摄像设备所得到的专业级的影像。很多情况下，不同的光照得到的场景的颜色是不一样的。而人眼在很大程度上，能够自适应这些光线的变化，准确辨识这些颜色。用户拍摄图像或者视频时所用到的数字设备，对场景中的光线并不具备与人眼一样的自适应光线变化的特性，这种特性表现在拍摄出来的图像，与用户视觉直接感知到的场景的颜色有偏差，而对这种颜色偏差的校正，就需要对颜色的一致性做调节，以尽量获取到与真是场景颜色一致的数字影像。

对图像的颜色一致性的校正，或者称为颜色白平衡，大概可以分为：(1)直接对图像使用固定参数做全局的颜色校正，最著名和最常用到的一个假设是灰度世界假设(gray-world assumption)是：在中性光源的场景中，物体对光的反射的平均值是没有颜色的，典型的如Gray World方法；另外一个知名的假设是白块假设(white-patch assumption)：RGB通道中的最大颜色响应是由最理想的反射导致的，典型的如Max RGB方法。该类方法主要是用到了比较低层的统计特征，因而计算效率比较高。(2)基于色域的方法(Gamut-based methods)。该类方法利用色域映射来完成，最开始由Forsyth等人将此方法引入。它基于这样一个假设条件：在真实成像的图像里，对于一个给定的光源，只能获得有限的颜色数。该类方法可能会用到颜色的高级特征或者语义特征，因而计算效率比起第一类方法来说，会低很多。

上述方法有一个共同的缺陷就是没有对成像数字设备(如相机)的颜色过滤结构对彩色图像颜色校正所产生的作用做任何考虑。

发明内容

针对现有技术中的缺陷，本发明目的是提供一种考虑了数字成像设备的颜色过滤结构对彩色图像的高效的颜色一致性校正方法。

为实现上述目的，本发明采用以下技术方案：

本发明对原始彩色RGB图像先计算各自颜色通道的均值，然后通过颜色均值计算图像的均值，利用得到的这些均值，借用相机的颜色过滤结构和颜色色调一致性模型，融合全局颜色和局部颜色特征，自适应的对图像的每一个颜色通道的每一个像素点作颜色校正。用户还可以根据校正后的图像，进一步按照自己需求，调节参数，得到更好的结果。

本发明所述的全自动高效计算的颜色一致性方法，具体包括以下步骤：

(1)对原始彩色RGB图像的三个颜色通道分别计算其平均值；

(2)对得到的三个颜色通道的平均值再次计算其平均值，得到整个原始彩色图像的平均值；

(3)根据上述步骤获得的关于图像颜色的全局特征数据即整个原始彩色图像的平均值，对图像的三个颜色通道分别做校正，得到输出的视觉增强的图像；

在上述步骤(3)之后，用户可以调节参数，以满足对图像不同质量的调整。

本发明充分考虑了在数字成像终端需要实时性的要求，结合颜色过滤结构以及色调一致性模型，提出全局颜色与局部颜色特征融合的高效率全自动颜色一致性方法。该方法可以嵌入到数字成像设备中，或者在个人电脑上对后期成像的图像做颜色一致性校正。

与现有技术相比，本发明具有如下收益效果：

本发明能有效的改善图像的视觉质量，使图像的表现更丰富，更接近原始场景。在计算效率上，与Gary-world等方法接近，能充分的满足在高实时性的数字设备等终端上的使用要求。

本发明能有效的对场景的颜色保持一致性，从而方便后续其他的图像处理。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例原始彩色RGB图像；

图2为本发明一实施例原始彩色RGB图像的第一种调节方式的不同调节参数的视觉效果与gray-world方法结果对比；

图3为本发明一实施例原始彩色RGB图像的第二种调节方式的不同调节参数的视觉效果与gray-world方法结果对比。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

图1显示了一张彩色RGB图像。从图中可以看出，图像明显发黄，颜色出现了失真。为了尽量还原原始场景中的真实颜色，需要对其作颜色一致性的校正。在实施之前，先对一些变量做一些说明。

未经颜色一致性校正的彩色图像X(i,j)＝(r(i,j),g(i,j),b(i,j))^T，对其校正后的图像为其中(i,j)表示的是像素在图像的空间位置，i＝1,2,…,n j＝1,2,…,m，分别表示图像的行和列。(r(i,j),g(i,j),b(i,j))^T表示图像的R，G，B三个颜色通道分量在位置(i,j)的值。

基于上述进行全自动高效计算的颜色一致性方法，具体实施步骤如下：

(1)对原始彩色RGB图像的三个颜色通道分别计算其平均值，计算如下：

$\left\{\begin{array}{c}\stackrel{\‾}{r}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}r(i,j)\\ \stackrel{\‾}{g}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}g(i,j)\\ \stackrel{\‾}{b}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}b(i,j)\end{array}\right.---\left(1\right)$

分别为原始彩色RGB图像的三个颜色通道的平均值。

(2)计算原始彩色图像的平均值Imavg，计算如下：

$\mathrm{Imavg}=\frac{\stackrel{\‾}{r}+\stackrel{\‾}{g}+\stackrel{\‾}{b}}{3}---\left(2\right)$

(3)根据上述两步中获得的数据，对图像的三个颜色通道分别做校正，计算如下：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{{\stackrel{\‾}{g}}^2*(r(i,j)+\mathrm{Imavg})}{{\stackrel{\‾}{r}}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{{\stackrel{\‾}{g}}^2*(b(i,j)+\mathrm{Imavg})}{{\stackrel{\‾}{b}}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right.---\left(3\right)$

其中Kr(i,j)即为所计算的对R通道每个像素需要校正的系数，Kb(i,j)即为所计算的对B通道每个像素需要校正的系数。

通常情况下，这样的调节效果并不好，并且用户想要对调节过程可控，则将校正参数更正为：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{\mathrm{\γ}+{\stackrel{\‾}{g}}^2*(r(i,j)+\mathrm{Imavg})}{\mathrm{\γ}+{\stackrel{\‾}{r}}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{\mathrm{\γ}{+\stackrel{\‾}{g}}^2*(b(i,j)+\mathrm{Imavg})}{\mathrm{\γ}+{\stackrel{\‾}{b}}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right.---\left(4\right)$

在这种情况下，一般选择γ＝1e6即可得到比较满意的效果。

或者另外一种可能的形式：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{{(\mathrm{\γ}+\stackrel{\‾}{g})}^2*(r(i,j)+\mathrm{Inavg})}{{(\mathrm{\γ}+\stackrel{\‾}{r})}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{{(\mathrm{\γ}+\stackrel{\‾}{g})}^2*(b(i,j)+\mathrm{Imavg})}{{(\mathrm{\γ}+\stackrel{\‾}{b})}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right.---\left(5\right)$

在这种情况下，一般选择γ＝40即可得到比较满意的效果。

图2和图3分别展示了不同参数选择条件下，得到的图像的不同的视觉效果。

图2第一种调节方式的不同调节参数的图像增强视觉效果对比，(a)Gray-world方法结果；(b)调节参数为1e5；(c)调节参数为1e6；(d)调节参数为1e7；

图3第二种调节方式的不同调节参数的图像增强视觉效果对比，(a)Gray-world方法结果(b)调节参数为20；(c)调节参数为40；(d)调节参数为80。

对于参数γ的取值范围选择问题，通常情况下，γ取值越大，则对于增强图的效果越不明显，极限情况下，γ取值无穷大的时候，所得到的图像与原始图像并无差异。γ取值越小，增强的图像则越明显，一般应以取值0作为下限，此时即无调节作用，但此时的增强效果绝大多数情况下是不理想的，已经有些偏离真实感的成像增强了。根据经验，对于使用式子(10)，调节参数取值1e6是比较中间的数值，能保持真实感成像的增强效果；对于使用式子(11)，调节参数取值40是比较中间的数值，也能保持真实感成像的增强效果。但因成像的内容以及场景等存在千差万别，因而具体的增强效果可以根据中间值，做上下浮动的调整。

(4)得到输出的图像，计算如下：

$\left\{\begin{array}{c}\tilde{r}(i,j)=\mathrm{Kr}(i,j)*r(i,j);\\ \tilde{g}(i,j)=g(i,j);\\ \tilde{b}(i,j)=\mathrm{Kb}(i,j)*b(i,j);\end{array}\right.---\left(6\right)$

经此步骤即可得到输出图像，该图像是以系统的默认调节参数(例如1e6或者40)计算R通道和B通道的调节系数为依据。假如此时所呈现的图像没达到用户的增强效果，则可以调节式子(10)或者式子(11)中的γ参数，依据步骤(3)的γ取值范围，向上或者向下调节即可，如此反复，直至达到或者接近用户的图像增强要求。

本发明用于对彩色图像的视觉增强，该方法基于普通消费级相机的颜色过滤结构及颜色的均匀色调模型，提出了一个基于局部颜色和全局颜色相融合的假设模型，用来自适应的调整彩色图像的颜色值。在模型中设置了可调节的参数，方便用户根据自己目标，得到满意的高质量视觉图像。模拟方法的实验结果表明，提出的方法能获得令人赏心悦目的视觉效果。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种全自动高效计算的颜色一致性方法，用于对彩色图像视觉增强，其特征在于，所述方法包括如下步骤：

第一步，对原始彩色RGB图像的三个颜色通道分别计算其平均值；

第二步，对得到的三个颜色通道的平均值再次计算其平均值，得到整个原始彩色图像的平均值；

第三步，根据上述步骤获得的数据，对图像的三个颜色通道分别做校正，得到输出的视觉增强的图像。

2.根据权利要求1所述的方法，其特征在于，所述第一步中：对原始彩色RGB图像的三个颜色通道分别求取均值，具体为：

设有未经颜色一致性校正的彩色图像X(i,j)＝(r(i,j),g(i,j),b(i,j))^T，对其校正后的图像为其中(i,j)表示的是像素在图像的空间位置，i＝1,2,…,n j＝1,2,…,m，分别表示图像的行和列；(r(i,j),g(i,j),b(i,j))^T表示图像的R，G，B三个颜色通道分量在位置(i,j)的值；

R，G，B三个颜色通道分量的均值做如下计算：

$\left\{\begin{array}{c}\stackrel{\‾}{r}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}r(i,j)\\ \stackrel{\‾}{g}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}g(i,j)\\ \stackrel{\‾}{b}=\frac{1}{m*n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}b(i,j)\end{array}\right.$

分别为原始彩色R，G，B三个颜色通道分量的平均值。

3.根据权利要求2所述的方法，其特征在于，第二步中，整个原始彩色图像的平均值计算如下：

$\mathrm{Imavg}=\frac{\stackrel{\‾}{r}+\stackrel{\‾}{g}+\stackrel{\‾}{b}}{3}.$

4.根据权利要求3所述的方法，其特征在于，所述第三步中，校正的系数为：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{{\stackrel{\‾}{g}}^2*(r(i,j)+\mathrm{Imavg})}{{\stackrel{\‾}{r}}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{{\stackrel{\‾}{g}}^2*(b(i,j)+\mathrm{Imavg})}{{\stackrel{\‾}{b}}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right..$

5.根据权利要求4所述的方法，其特征在于，对系统参数进行可控调节，进一步将校正系数修改为：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{\mathrm{\γ}+{\stackrel{\‾}{g}}^2*(r(i,j)+\mathrm{Imavg})}{\mathrm{\γ}+{\stackrel{\‾}{r}}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{\mathrm{\γ}{+\stackrel{\‾}{g}}^2*(b(i,j)+\mathrm{Imavg})}{{\mathrm{\γ}+\stackrel{\‾}{b}}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right.$

若设定X在[0,255]之间取值，则γ＝1e5～1e7。

6.根据权利要求5所述的方法，其特征在于，γ＝1e6。

7.根据权利要求4所述的方法，其特征在于，对系统参数进行可控调节，进一步将校正系数修改为：

$\left\{\begin{array}{c}\mathrm{Kr}(i,j)=\frac{{(\mathrm{\γ}+\stackrel{\‾}{g})}^2*(r(i,j)+\mathrm{Imavg})}{{(\mathrm{\γ}+\stackrel{\‾}{r})}^2*(g(i,j)+\mathrm{Imavg})}\\ \mathrm{Kb}(i,j)=\frac{{(\mathrm{\γ}+\stackrel{\‾}{g})}^2*(b(i,j)+\mathrm{Imavg})}{{\left(\mathrm{\γ}+\stackrel{\‾}{b}\right)}^2*(g(i,j)+\mathrm{Imavg})}\end{array}\right.$

若设定X在[0,255]之间取值，则γ＝20～80。

8.根据权利要求7所述的方法，其特征在于，γ＝40。

9.根据权利要求5所述的方法，其特征在于，输出的视觉增强的图像为：

$\left\{\begin{array}{c}\tilde{r}(i,j)=\mathrm{Kr}(i,j)*r(i,j);\\ \tilde{g}(i,j)=g(i,j);\\ \tilde{b}(i,j)=\mathrm{Kb}(i,j)*b(i,j)\end{array}\right..$

10.根据权利要求1-9任一项所述的方法，其特征在于，上述第三步之后，用户可以调节参数，以满足对图像不同质量的调整。