CN104637036A - 一种中国古画增强方法 - Google Patents

Abstract

本发明涉及一种中国古画增强方法，包括下列步骤：将输入的彩色水下图像由RGB空间转换到CIELAB颜色空间；划分背景区域；获取背景主颜色；进行背景偏色校正；调整饱和度；增强图像的对比度；重新变换回RGB空间。本发明对于纸质材质的退化古画情况增强效果均较理想。

Description

一种中国古画增强方法

所属技术领域

本发明涉及计算机视觉领域中的图像增强领域，尤其是涉及数字化中国古画的图像增强技术。

背景技术

中国在悠久的发展历程中创造了灿烂的艺术文化，绘画是其中最为重要的艺术表现形式之一。中国画(简称国画)有将近三千年的历史。古画现存数量很少且十分珍贵，主要收藏于世界各地的博物馆中。当今网络时代，随着数字图书馆和数字博物馆等技术的不断成熟，使得人们足不出户通过网络浏览和欣赏古画作品已经成为现实。这需要对现有保存的古画进行数字化处理。

古画通常是用毛笔、墨和颜料在宣纸、绢帛上作画。由于存放年代久远，以及存放方式和环境的影响，导致古画存在褪色、背景污损、折痕等损坏，导致数字化后的古画图像画面质量下降，严重影响了古画的观赏和研究价值。因此对原始数字化古画图像进行增强和修复处理，提高其可视质量，无论是在科学研究还是在文物保护、文化传播以及历史研究领域都具有至关重要的意义。

传统的古画修复方法主要采用人工修复方式。但人工古画修复过程繁复漫长，并要求修复者拥有丰富的修复经验和扎实的修复功底。另外，人工古画修复必须遵从“修旧如旧、保持原貌原韵”的原则，绝不能凭主观感觉随意改变原状，以免影响古画的文物价值和艺术价值。随着图像处理技术的发展，出现了针对数字化古画图像的虚拟古画修复技术。虚拟修复技术与人工修复方式互补，借助图像处理方法，按照一定规律恢复古画的本来风貌，而不必担心对古画造成实质性的破坏。

目前已有的古画虚拟修复技术主要分为两类。第一类方法是基于多光谱成像技术^[1][2]，通过计算颜料的光谱性质来获取画作所用颜料的真实颜色。第二类方法是通过普通光学传感器(如数码相机)采集画作的表面颜色信息，并结合图像处理技术，实现古画内容的修复。相对于第一类方法，第二类方法(称为基于图像处理技术的方法)所需设备简单，可以参考各种成熟的数字图像处理技术，功能多样简单易行，主要用于对颜色恢复质量要求不是特别高的古画修复情况。

国内外研究者针对古画褪色问题，开展了古画颜色恢复的研究。台湾大学的Pei等人^[3]较早地开展了古画的彩色对比度增强，以及基于纹理合成技术的古画残损修补等方面的研究。他们在后续的工作中^[4]提出了一套古画颜色增强方案，主要包括背景颜色调整和饱和度增强两部分。他们先在CIELAB空间中根据三维直方图的峰值点位置，确定主颜色信息，然后计算图像中各点与主颜色的接近程度，并转换到CIE XYZ空间完成背景颜色调整。饱和度调整过程也是在CIEXYZ空间完成的，首先搜索各种颜色的饱和度最大值，计算各种颜色对应的饱和度比例，并按照预设的传递函数调整饱和度。于向楠^[5]等提出了一整套针对数字古画的颜色调整方法。他们将古画分为重彩画与水墨画两类。对于重彩古画，提出了一种新的颜料褪色模型用于颜色恢复。对于水墨古画，采用一种改进的自动白平衡技术调整退化背景颜色。Guo等^[6]首先用导向滤波器增强输入图像，然后从原图像中提取显著性图和抠图，将二者融合得到提取前景，最后直接使用特定颜色(如白色)替代背景颜色，实现图像增强。但该方法容易将前景中的平坦区域(如人脸、衣服等)误判为背景区域，导致增强后的结果存在明显差错。专利方面，张加万等^[7]提出了一种应用于中国古画修复的多光谱抠图方法(申请号：201110154230X)，首先通过多光谱成像系统获得该画的多光谱图像，重建出待修复图像的光谱反射率；然后求出待修复图像的吸收散射比，建立多光谱抠图模型；最后进行参数估计和抠图。本发明不需要人工辅助即可将前景从半透明的笔画中提取出来的多光谱抠图方法，能够成功地应用于中国古画的修复。

已有古画图像增强方法方法，大都在RGB空间完成，并没有区别亮度分量和色度分量，也没有区分前景和背景区域。本发明提出了一种在CIELAB颜色空间的古画颜色增强方法，检测并纠正古画纸张背景偏色情况，同时提高图像前景区域的饱和度和对比度。

参考文献

1.J.A.Toque,et al.,Pigment identification by analytical imaging using multispectralimages[J],in Proceeding of 16th IEEE International Conference on Image Processing(ICIP),(2009)2861-2864.

2.T.K.Shih,C.Rong-Chi,L.Liang-Chen,H.Huan-Chi,Multi-layer inpainting on Chineseartwork[C],in Proceeding of IEEE International Conference on Multimedia and Expo,Taipei,Taiwan,2004,1,pp:21-24.

3.S.C.Pei,and Y.M.Chiu,Virtual restoration of ancient Chinese paintings using colorcontrast enhancement and lacuna texture synthesis[J],IEEE Transactions on Image Processing,2004.13(3),pp:416-429.

4.S.C.Pei,and Yi-Mei Chiu,Background adjustment and saturation enhancement in ancientChinese paintings.IEEE Transaction on Image Processing.2006,15(10),pp:3230-3234.

5.于向楠基于颜色调整的古画恢复方法研究天津大学硕士学位论文2009

6.F.Guo,J.Tang and H.Peng,Image Recovery for Ancient Chinese Paintings,InternationalJournal of Signal Processing,Image Processing and Pattern Recognition,2013,6(5),pp.165-178.

7.张加万,张怡,闫丽霞,张胜平,陈锦言应用于中国古画修复的多光谱抠图方法,中国发明专利,申请号:201110154230X

8.林福宗,《多媒体技术基础》(第3版),2009年,清华大学出版社.

发明内容

本发明针对存在背景严重偏色的数字化中国古画，提出一种图像增强方法。本发明结合色彩学知识和数字图像处理技术，实现对中国古画的增强处理，包括校正其背景偏色情况，并提高其饱和度，拉伸对比度，最终达到提高中国古画可视质量的目的。本发明的技术方案如下：

一种中国古画增强方法，包括下列步骤：

1)将输入的彩色水下图像由RGB空间转换到CIELAB颜色空间；

2)计算图像L*分量的直方图，用H(L*)表示，采用经典的Otsu方法计算阈值TH，并使用TH将L*分量中各像素点分为两类，将L*值小于TH像素点集合划归为背景灰度级，并将该类灰度级在图像中所对应的像素点划归为背景区域，用Ω表示；

3)用D(x,y)表示Ω中(x,y)位置上的颜色点到其它背景点的平均距离，即有：

$D(x,y)=\frac{1}{N-1}\underset{(i,j)\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ΔE}((L_{(x,y)}^{*},a_{(x,y)}^{*}{b}_{(x,y)}^{*}),(L_{(i,j)}^{*},a_{(i,j)}^{*},b_{(i,j)}^{*}))---\left(1\right)$

式中，N表示Ω内的颜色总数，ΔE表示CIE LAB颜色空间中两颜色值对应的差别，用c₁＝(L₁*,a₁*,b₁*)和c₂＝(L₂*,a₂*,b₂*)表示两颜色值，ΔE定义为：

$\mathrm{\ΔE}(c_1,c_2)=\sqrt{{(L_2^{*}-L_1^{*})}^2+{(a_1^{*}-a_1^{*})}^2+{(b_2^{*}-b_1^{*})}^2}---\left(2\right)$

定义D(x,y)取得最小值时对应的颜色值为背景主颜色，用C_d＝(L_d*,a_d*,b_d*)表示；

4)针对背景偏色情况，调整图像两色度通道，进行背景偏色校正，用(a′*,b′*)表示调整后的两色度通道值：

a′*＝a*-a_d*,b′*＝b*-b_d*  (3)

5)使用Sigmoid函数构造用来调整饱和度的变换式：

$S\left(x\right)=\frac{1-e^{-\mathrm{\αx}}}{1+e^{-\mathrm{\αx}}}---\left(4\right)$

在调整饱和度时，首先使用式(4)将前景区域各点的a*和b*分量变换到区间[-1,1]之间，然后线性放大到区间[-127,128]之间，通过改变参数α的取值来调整该函数的压缩特性，α在[0.01,0.03]范围内取值；

6)用L^* _min、L^* _max和L^* _avg分别表示原始输入图像L*分量的最小值、最大值和平均值，参考之前得到的阈值TH，结合下式对L分量进行分段拉伸处理，增强图像的对比度：

$L^{\&prime;*}\left\{\begin{array}{cc}{L}_{\mathrm{avg}}\&times;\frac{L^{*}-L_{\min }^{*}}{T-L_{\min }^{*}},& L_{\min }^{*}\&le;L^{*}\&le;\mathrm{TH}\\ (100-L_{\mathrm{avg}})\&times;\frac{L^{*}-T}{L_{\max }^{*}-T}+L_{\mathrm{avg}},& \mathrm{TH}<L^{*}\&le;L_{\max }^{*}\end{array}\right.---\left(5\right)$

7)将处理后的L*、a*和b*三分量重新变换回RGB空间。

为了验证所提方法的有效性，从Internet共下载86幅古画图像构造测试样本集，其中纸质古画64幅，绢质材料古画22幅。图2列出了部分处理结果示例，由于尺寸限制，某些图像只显示了部分区域。

图2中左侧一栏是古画图像原图，右侧一栏是所提方法处理结果。图中前4行都是纸质古画情况，其中第1、2行是颜色退化不很严重的情况，第3、4行是颜色严重退化情况。图中第5、6行是部分绢质材料古画的处理结果。相对于绢质材料古画情况，所提方法对于纸质材质的退化古画情况增强效果均较理想。对比原图，处理结果图的背景偏色情况明显减弱，前景的饱和度和对比度明显提高。对于绢画材料情况的处理效果不如纸质材料情况，这是因为绢质材料本身带有颜色，并不满足所提方法背景为灰色或白色的假设条件。

附图说明

图1所提方法流程图

图2部分实验结果示例，左侧的(a)列为原图，右侧的(b)列为处理结果

具体实施方式

下面结合附图和实施例对本发明进行说明。图1所示为所提方法的流程图，首先将输入古画图像由RGB颜色空间转换到CIE LAB空间，分离色度分量和亮度分量；利用亮度分量将图像快速划分成背景和前景区域；考察背景区域各颜色值到其它颜色之间距离的最小值，确定背景主颜色，在此基础上校正背景偏色；设计一种基于Sigmoid函数的前景区域颜色饱和度增强技术；采用分段处理方式，拉伸前景区域亮度分量的对比度；最后，将处理后的色度分量和亮度分量组合后变换到RGB空间，便于显示和存储。具体如下：

1、颜色空间变换

将输入的彩色水下图像由RGB空间转换到CIELAB颜色空间。详细的变换公式参考文献[8]。变换后的颜色空间中，L*分量的取值范围是[0,100]，a*和b*的取值范围都是[-127,128]。对于L*轴上(即有a*＝b*＝0)的各点只有亮度信息，色度值为零；a*分量取值越大表示越接近于红色，取值越小表示越接近于绿色；b*分量取值越大表示越接近于黄色，取值越小越接近于蓝色。

2、检测古画背景主颜色

国画中常使用空白表现画面中的天空、水、云雾等景象，这种技法称为“留白”。在古画中，留白区域没有涂抹任何颜料，它反映了作画所用纸张(或绢帛)的原貌，我们将这类区域称为背景区域。由于长期存放以及环境的影响，古画的背景区域存在不同程度的偏色，常表现为黄色或橙色。背景偏色情况的出现，严重影响了古画图像的整体色调，使得图像存在较明显的偏色线性，饱和度和对比度也较低，降低了古画的视觉质量。

为了降低背景偏色对视觉效果的影响，需要检测出古画的背景主颜色。为了计算主颜色，需要提取背景区域。所提方法采用了一种背景区域快速提取方案。首先计算图像L*分量的直方图，用H(L*)表示；然后采用经典的Otsu方法计算阈值TH，并使用T将L*分量中各像素点分为两类。具体的做法是，将L*值小于TH像素点集合划归为背景灰度级，并将该类灰度级在图像中所对应的像素点划归为背景区域，用Ω表示。

用D(x,y)表示Ω中(x,y)位置上的颜色点到其它背景点的平均距离，即有：

$D(x,y)=\frac{1}{N-1}\underset{(i,j)\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}\mathrm{\&Delta;E}((L_{(x,y)}^{*},a_{(x,y)}^{*}{b}_{(x,y)}^{*}),(L_{(i,j)}^{*},a_{(i,j)}^{*},b_{(i,j)}^{*}))---\left(1\right)$

式中，N表示Ω内的颜色总数。ΔE表示CIE LAB颜色空间中两颜色值对应的差别。用c₁＝(L₁*,a₁*,b₁*)和c₂＝(L₂*,a₂*,b₂*)表示两颜色值，ΔE定义为：

$\mathrm{\&Delta;E}(c_1,c_2)=\sqrt{{(L_2^{*}-L_1^{*})}^2+{(a_1^{*}-a_1^{*})}^2+{(b_2^{*}-b_1^{*})}^2}---\left(2\right)$

定义D(x,y)取得最小值时对应的颜色值为背景的“主颜色”，用C_d＝(L_d*,a_d*,b_d*)表示，

3、背景偏色校正

假设背景区域没有颜色，即其表现为白色或者灰色的(即满足a*＝b*＝0)，因此，调整后的背景区域色度分量a*和b*都应接近于0。针对背景偏色情况，调整图像两色度通道。用(a′*,b′*)表示调整后的两色度通道值，具体过程如式(3)所示：

a′*＝a*-a_d*,b′*＝b*-b_d*  (3)

4、前景饱和度调整

通过观察前景区域各点的色度分量分布发现，a*分量和b*分量值大都集中在(0,0)点附近，且取值范围较窄。为了增强前景点颜色饱和度同时，避免过饱和情况的发生，所提方法使用Sigmoid函数构造用来调整饱和度的变换式，如式(4)所示：

$S\left(x\right)=\frac{1-e^{-\mathrm{\&alpha;x}}}{1+e^{-\mathrm{\&alpha;x}}}---\left(4\right)$

在调整饱和度时，首先使用式(4)将前景区域各点的a*和b*分量变换到区间[-1,1]之间，然后线性放大到区间[-127,128]之间。通过改变参数α的取值来调整该函数的压缩特性，α的取值越大，扩展效果越明显，也越容易引起过饱和现象。实验结果表明，α在[0.01,0.03]范围内取值是合适的。在所提方法，令α＝0.02。

5、基于亮度分量的对比度拉伸

观察发现，背景区域的亮度值通常高于前景区域，而前景区域的亮度变化范围更大，因此本专利所提方法扩展前景区域的灰度值范围，压缩背景区域的灰度值范围。

用L^* _min、L^* _max和L^* _avg分别表示原始输入图像L*分量的最小值、最大值和平均值。参考之前得到的阈值TH，结合下式对L分量进行分段拉伸处理，增强图像的对比度：

$L^{\&prime;*}\left\{\begin{array}{cc}{L}_{\mathrm{avg}}\&times;\frac{L^{*}-L_{\min }^{*}}{T-L_{\min }^{*}},& L_{\min }^{*}\&le;L^{*}\&le;\mathrm{TH}\\ (100-L_{\mathrm{avg}})\&times;\frac{L^{*}-T}{L_{\max }^{*}-T}+L_{\mathrm{avg}},& \mathrm{TH}<L^{*}\&le;L_{\max }^{*}\end{array}\right.---\left(5\right)$

最后，将处理后的L*、a*和b*三分量重新变换回RGB空间，以便于存储和显示图像。

本发明可概括如下：

1.将输入的中国古画图像由RGB空间转换到CIE L*a*b*空间。

2.根据L*分量的直方图，结合大津法(OTSU法)计算阈值TH，分割背景区域。

3.结合式(1)和式(2)，计算背景主颜色。

4.使用(3)式，调整背景偏色。

5.使用(4)式，调整前景颜色的饱和度。

6.使用(5)式，扩展前景区域的灰度值范围，压缩背景区域的灰度值范围。

7.将调整后的L*、a*、b*三分量重新变换回RGB空间，以便于显示和存储。

Claims (1)

1.一种中国古画增强方法，包括下列步骤：

1)将输入的彩色水下图像由RGB空间转换到CIELAB颜色空间；

2)计算图像L*分量的直方图，用H(L*)表示，采用经典的Otsu方法计算阈值TH，并使用TH将L*分量中各像素点分为两类，将L*值小于TH像素点集合划归为背景灰度级，并将该类灰度级在图像中所对应的像素点划归为背景区域，用Ω表示；

3)用D(x,y)表示Ω中(x,y)位置上的颜色点到其它背景点的平均距离，即有：

$D(x,y)=\frac{1}{N-1}\underset{(i,j)\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}\mathrm{\&Delta;E}((L_{(x,y)}^{*},a_{(x,y)}^{*},b_{(x,y)}^{*}),(L_{(i,j)}^{*},a_{(i,j)}^{*},b_{(i,j)}^{*}))---\left(1\right)$

式中，N表示Ω内的颜色总数，ΔE表示CIE LAB颜色空间中两颜色值对应的差别，用c₁＝(L₁*,a₁*,b₁*)和c₂＝(L₂*,a₂*,b₂*)表示两颜色值，ΔE定义为：

$\mathrm{\&Delta;E}(c_1,c_2)=\sqrt{{(L_2^{*}-L_1^{*})}^2+{(a_2^{*}-a_1^{*})}^2+{(b_2^{*}-b_1^{*})}^2}---\left(2\right)$

定义D(x,y)取得最小值时对应的颜色值为背景主颜色，用C_d＝(L_d*,a_d*,b_d*)表示；

4)针对背景偏色情况，调整图像两色度通道，进行背景偏色校正，用(a′*,b′*)表示调整后的两色度通道值：

a′*＝a*-a_d*,b′*＝b*-b_d*  (3)

5)使用Sigmoid函数构造用来调整饱和度的变换式：

$S\left(x\right)=\frac{1-e^{-\mathrm{\&alpha;x}}}{1+e^{-\mathrm{\&alpha;x}}}---\left(4\right)$

在调整饱和度时，首先使用式(4)将前景区域各点的a*和b*分量变换到区间[-1,1]之间，然后线性放大到区间[-127,128]之间，通过改变参数α的取值来调整该函数的压缩特性，α在[0.01,0.03]范围内取值；

6)用L^* _min、L^* _max和L^* _avg分别表示原始输入图像L*分量的最小值、最大值和平均值，参考之前得到的阈值TH，结合下式对L分量进行分段拉伸处理，增强图像的对比度：

$L^{\&prime;*}=\left\{\begin{array}{cc}{L}_{\mathrm{avg}}\&times;\frac{L^{*}-L_{\min }^{*}}{T-L_{\min }^{*}}& L_{\min }^{*}\&le;L^{*}\&le;\mathrm{TH}\\ (100-L_{\mathrm{avg}})\&times;\frac{L^{*}-T}{L_{\max }^{*}-T}+L_{\mathrm{avg}},& \mathrm{TH}<L^{*}\&le;L_{\max }^{*}\end{array}\right.---\left(5\right)$

7)将处理后的L*、a*和b*三分量重新变换回RGB空间。