CN107371005B - 关于色域映射的可扩展存储损失优化系统和方法 - Google Patents

关于色域映射的可扩展存储损失优化系统和方法 Download PDF

Info

Publication number
CN107371005B
CN107371005B CN201710311488.3A CN201710311488A CN107371005B CN 107371005 B CN107371005 B CN 107371005B CN 201710311488 A CN201710311488 A CN 201710311488A CN 107371005 B CN107371005 B CN 107371005B
Authority
CN
China
Prior art keywords
color
gamut mapping
gamut
input
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710311488.3A
Other languages
English (en)
Other versions
CN107371005A (zh
Inventor
袁健博
汪灏泓
任小波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TCL Technology Group Co Ltd
Original Assignee
TCL Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TCL Technology Group Co Ltd filed Critical TCL Technology Group Co Ltd
Publication of CN107371005A publication Critical patent/CN107371005A/zh
Application granted granted Critical
Publication of CN107371005B publication Critical patent/CN107371005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G06F3/147—Digital output to display device ; Cooperation and interconnection of the display device with other functional units using display panels
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
    • G09G5/02—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed
    • G09G5/06—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed using colour palettes, e.g. look-up tables
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6058—Reduction of colour to a range of reproducible colours, e.g. to ink- reproducible colour gamut
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2340/00—Aspects of display data processing
    • G09G2340/06—Colour space transformation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种关于色域映射的可扩展存储损失优化系统和方法。所述方法包括在输入色域和输出色域之间生成预先计算的色域映射，接收包括一个以上输入像素的输入信号，其中，所述输入像素对应于一组表示在第一色彩空间的第一色彩值；将一组所述第一色彩值转换为一组表示在第二色彩空间的第二色彩值；基于所述预先计算的色域映射和一组所述第二色彩值，通过映射建模和色彩重现生成表示在所述第二色彩空间的一组第三色彩值；将所述第三色彩值集合转换为表示在所述第一色彩空间的一组第四色彩值；输出包括一个以上的输出像素的输出信号，所述输出像素对应于输出信号内的输出设备的所述第四色彩值。

Description

关于色域映射的可扩展存储损失优化系统和方法
技术领域
本发明涉及计算机技术领域，特别涉及基于色域映射的方法和系统的可扩展存储损失优化系统和方法。
背景技术
随着显示技术的快速发展，具有革命性的高分辨率和下一代图像质量的显示技术正在兴起。如今，电视和显示器的尺寸变得越来越大，分辨率变得越来越高，例如，4K显示，甚至5K显示，然而，从某种角度上说，标准输入的视频信号落后于显示设备的发展，例如，色域或域长。在输入视频信号和输出视频设备之间的色域错误匹配经常发生，即所述输入视频信号的色彩没有在所述输出设备上正确地重现。
所述色域错误匹配也可导致在跨媒介的色彩重现上产生问题，因为一个色彩信号或者显示设备只能产生色彩的某个完备子集，理想状态是具有最少失真地显示在显示设备所提供的色域之外的色彩，并利用显示器所提供的增宽和增强的色域。
色域映射是色彩重现过程的一个整体的组成部分。通过使用合适的色域映射算法来调整色彩，所述色域映射能够使得原始色彩去“适应”内在不同形状的色域，并跨一系列媒介地真实传递图像。然而，所述色域映射不能被实时执行，这是由于输出设备(例如，显示设备)的硬件配置缘故，这已成为色域映射的瓶颈。
本发明公开的方法及系统用于解决现有技术中的一个或者多个问题。
发明内容
本公开提供了一种关于色域映射的可扩展存储损失优化系统(SSLO)的方法。所述SSLO系统的方法包括在输入色域和输出色域之间生成预先计算的的色域映射，其中，在输入信号域内的输入设备具有所属的输入色域，且在输出信号域内的输出设备具有所述输出色域；从所述输入信号域内的所述输入设备上，接收包括一个以上输入像素的输入信号，其中，所述输入像素对应于一组表示在第一色彩空间的第一色彩值；将一组所述第一色彩值转换为一组表示在第二色彩空间的第二色彩值；基于所述预先计算的色域映射和一组所述第二色彩值，通过映射建模和色彩重现生成表示在所述第二色彩空间的一组第三色彩值；将所述第三色彩值集合转换为表示在所述第一色彩空间的一组第四色彩值；及输出包括一个以上的输出像素的输出信号，所述输出像素对应于输出信号域内的输出设备的所述第四色彩值。
本发明还提供一种关于色域映射的可扩展存储损失优化系统(SSLO)。所述SSLO系统包括：预先计算的色域映射生成模块：用于在输入色域和输出色域之间生成预先计算的色域映射，其中，在输入信号域内的输入设备具有所属的输入色域，在输出信号域内的输出设备具有输出色域；信号输入模块：用于从所述输入信号域内的所述输入设备上，接收包括一个以上输入像素的输入信号，，其中，所述输入像素对应于一组表示在第一色彩空间的第一色彩值；第一色彩空间转换模块：用于将一组所述第一色彩值转换为一组表示在第二色彩空间的第二色彩值；映射建模和色彩重现过程模块：用于基于所述预先计算的色域映射和一组所述第二色彩值，通过映射建模和色彩重现生成表示在所述第二色彩空间的一组第三色彩值；第二色彩空间转换模块：用于将所述第三色彩值集合转换为表示在所述第一色彩空间的一组第四色彩值；及信号输出模块：用于输出包括多个输出像素的一输出信号，所述输出像素对应于输出信号域内的输出设备的所述第四色彩值。
本发明的其他方面，所属技术领域技术人员能够依据本发明的权利要求书，说明书，以及附图有效实施并充分公开。
根据本发明公开的各种不同实施例，以下附图仅仅是用于说明目的的实例，不限制本发明的域。
附图说明
图1为表示典型色彩系统的色域的xy色度图。
图2为一现有技术的预先计算的色域映射框架图。
图3为另一现有技术的预先计算的色域映射框架图。
图4为本发明具体实施例的工作环境示意图。
图5为本发明具体实施例的计算系统示意图。
图6为本发明具体实施例中示范性的关于色域映射的可扩展存储损失优化系统(SSLO)的框架图。
图7为在本发明具体实施例的SSLO系统中各模块执行过程的示意图。
图8为本发明具体实施例中示范性的预先计算的色域映射过程的流程图。
图9为本发明具体实施例中示范性的映射建模和色彩重现(MMCR)过程的流程图。
图10为具有噪声的基于密度的聚类方法(DBSCAN)的算法示意图。及
图11为本发明具体实施例中示范性的分层聚类的示意图。
具体实施方式
为了便于理解本发明，下面参照相关附图对本发明进行更全面的描述。下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚，完整地描述。除非另外指出，在各图中相同的参考数字用于相同的部件。显然，描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。
色域或域是全景的一种，是指在指定环境中能够被准确表征的整个色彩范围，例如通过特定的设备或由视频信号所提供。图1为表示典型色彩系统色域的xy色度图。
例如，如图1所示，电影胶片能够比传统电视，电脑或家庭视频系统重现更大的色域。CRT和类似的视频显示器具有一个大致为三角形的色域，所述色域能够覆盖可见色彩空间的相当大的部分。具有某种LED或者宽广色域的CCFL背光的LCD屏产生一比CRT更全面的色域。印刷过程中通常使用CMYK色彩空间(青色、品红、黄色与黑色)。极少数的印刷过程不包括黑色；但是在表现低饱和度、低亮度颜色的时候效果不好(除了染料升华打印机)。
根据图1，在跨媒体重现中会出现色域错配，因为一个色彩信号或者显示设备仅仅只能产生某一种完全的色彩完全子集，例如，用户用相机照相并在显示设备，如电视上，来显示照片。该相机是所述输入设备，具有一输入色域，而该显示设备是所述输出设备，具有一输出色域。由于在相机和显示设备之间的所述色域错配，该用户可能会有无法在显示器上显示正确的照片色彩的问题。
而在通过打印机打印照片时，由于在打印机和相机之间的色域错配，该用户会有同样的问题。所述相机是输入设备，而所述打印机是输出设备，因此，在输入设备和输出设备之间，也就是在输入色域和输出色域之间，能够正确地重现色彩，就是非常希望的。
在输入色域和输出色域之间的色域映射是所述色彩重现过程的不可缺少的部分。通过使用适当的色域映射算法来调整所述的颜色，所述色域映射能够使得原始颜色去“适应”内在不同形状的色域并在一定范围内跨媒体真实传递图像。在所述输入视频信号和输出显示设备之间的色域匹配的计算是常常通过常用的笔记本或计算机来解决。然而，由于显示设备的硬件限制，例如，存储器(内存)限制，在所述输出设备上(如，显示设备上)实时解决如此复杂的问题，就可能是不可行的。
例如，当用RGB离散来代表色彩，每个色彩通道(R/G/B)具有256级(数值为0-255)，这总共有256×256×256种不同的颜色。因此，很难在所述输出设备(如，显示设备)上加载全部的色域映射，并且，所述输出设备可能不能对每个输入颜色都实时在所述色域映射中搜索找到并显示正确的色彩。
为了实现实时计算，现有技术必须包括一近似步骤，且在所述输入设备和输出设备之间的预先计算的色域匹配关系(即，预先计算的色域映射)被用来作为先验的知识，以在给定的硬件限制下，找到一个对整个色域映射的理想的近似。
然而，对整个色域映射的所述近似可能导致在输入色域和输出色域之间的一定的色彩损失。对所述整个色域映射的所述近似，要么是能够基于从整个映射提取出的一个模型重现输出颜色的一个机构，要么是通过存储所述预先计算的色域映射的一个子集来计算所述输出色彩的一个过程。
例如，所述用户可用预先计算的色域映射作为现有知识并实施用于数字电视色彩重现增强的四面体插值。相同的现有知识也可以用于训练导致回归的神经网络，然后通过一查找表来生成每个输出RGB值对应输出颜色。
图2为一现有技术中预先计算的色域映射的框图。图3为另一现有技术中预先计算的色域映射的框图。图2和图3的框图都在尝试近似所述预先计算的色域映射。然而，两者都没有提供存储限制和近似值损失之间关系的定量建模。
而且，图2所示的框架在插值之前没有包括任何分析和计算，输入RGB信号200通过插值到输出RGB信号201，因此生成所述整个预先计算的色域映射203后，根据插值方法204的随机选择加载所述映射的子集205，所述插值方法是假设色彩是同时间统一分布。然而，所述假设可能是错的，并且由于所述插值是随机选择，框架不能够提供有力的表现。
图3所示的框架包括输入RGB信号300、预先计算的色域映射301、训练的回归模型303、用训练后的模型预测输出304，根据预先计算的色域映射采用训练的回归模型。然而，在三维(3D)空间中的色彩代表支配所述框架，并且由于三维空间，不可能完美的解决如此复杂的回归问题。
总而言之，插值算法的经验选择，如四面体插值和三次多项式插值，常常假设在色彩空间中RGB离散是统一分布的。然而，如此假设在实际操作中可能是不正确的，另外，现有色彩映射方法可能不能够根据硬件配置的不同需求提供可扩展的选择。
由于仅仅使用如RGB或XYZ这种3D空间可能并不适应于所述模型以实现所期待的性能，所以回归模式可能不能够证明其线性和特征的选择。而且，现有技术的色彩映射方法仅能定性估计所述近似性能，而不能建立用于存储限制和近似损失的定量模型。因此，现有的解决办法不能提供优化方案和扩展性。
本公开提供了一种关于色域映射的可扩展存储损失优化(SSLO)系统。所述SSLO系统使用可扩展的方式以建立所述存储限制和所述近似损失之间的关系，因此可实现能够用于任何给定的色域映射情况和任何设备限制的优化方案。
在所述SSLO系统中，预先计算的色域映射可作为现有知识。通过结合映射建模和色彩重现(MMCR)过程，所述SSLO系统可以建立整个色域映射的存储限制和近似损失之间的定量关系，并且基于所建立的定量关系提供一优化方案。所述SSLO系统可能有几个优势，例如可扩展性和实时计算。所述SSLO系统可对所述输入设备和输出设备之间的色域错配架设桥梁，例如，在标准输入视频信号和非标准输出显示设备之间。
图4说明了本发明具体实施方式中的示范性的工作环境400，如图4所示，环境400包括用户终端402，服务器404，用户406，和网络410，其中也可以包括其他设备。
所述用户终端402可包括具有一定运算能力的任何合适的电气设备，比如电视机，机顶盒，移动电话，智能电话，平板电脑，个人电脑(PC),服务器电脑，笔记本电脑，个人数码助理(PDA)等。进一步，所述用户终端402可以是任何能够演示文档，图片，视频的内容演示设备。
所述服务器404可包括任何合适的服务器计算机或若干个向用户406提供个性化内容的服务器计算机。所述服务器404也可协助在其他服务器和用户终端402之间的通讯，数据存储，和数据处理。所述用户终端402，和服务器404可以通过一个或多个通讯网络410相互通讯，比如有线网络，电话网络，和/或卫星网络等。
所述用户406可与所述用户终端402交互以查询和检索各种内容和执行其他感兴趣的活动，或，如果所述移动终端102使用了语音识别引擎，移动感应器，或深度相机，所述用户可以通过语音，手势或肢体语言去控制所述用户终端402。所述用户406可能是单个用户或者多个用户，比如家庭成员。
可以在任何适合的计算电路平台中实施所述用户终端402，和/或服务器404。图5为能够实现所述用户终端402和/或服务器404的示范性的计算系统的结构框图。
如图5所示，所述计算系统500可包括处理器502，存储介质504，显示器506，通讯模块508，数据库514以及外围设备512。其中某些设备可被省略，也可以包括其他设备。
所述处理器502可包括任何合适的一个或多个处理器。进一步，所述处理器502可以包括用于多线程或并行处理的多核。所述存储介质504可以包括内存模块，比如ROM，RAM，闪存模块,以及大容量存储器，比如光盘和硬盘等。所述存储介质504可存储有计算机程序，使得当处理器502执行这些计算机程序时，可以实现不同的进程。
进一步地，所述外围设备512可包括各种传感器和其他I/O设备，比如键盘和鼠标，且所述通讯模块508可包括网络接口设备，用于通过通讯网络建立连接。所述数据库514可包括用于存储一定数据的一个或多个数据库并对所存储的数据执行某种操作，如数据库搜索。
所述用户终端402和/或服务器404可实施一SSLO系统，以对用户406实现可扩展的存储损失优化的色域映射。图6为本发明具体实施方式的关于色域映射的可扩展存储损失优化(SSLO)系统的框图。
所图6所示，所述可扩展存储损失优化系统600可包括一预先计算的色域映射模块601，一映射建模和色彩重现(MMCR)处理模块602，一第一色彩空间转换模块603，一第二色彩空间转换模块604，一信号输入模块605，和一信号输出模块606。所述映射建模和色彩重现(MMCR)处理模块602可以进一步包括一映射建模处理模块6021和一色彩重现处理模块6022。
需要注意的是，在本发明中可采用分离RGB值来代表一连续色彩空间，所述连续色彩空间在一输入域或输入媒体，和一输出域或输出媒体内，而采用XYZ值或XYZ坐标来代表在所述MMCR过程中的连续色彩空间。就是说，可以在所述输入域和输出域中采用一RBG色彩空间，同时可以在所述MMCR处理模块602中采用一XYZ色彩空间，上述仅仅是用于说明目的，而不是用于限定本发明的保护范围。在其他实施例中，在所述输入域，输出域和所述MMCR处理模块602中可以采用各种色彩空间，如Lab色彩空间，LCH色彩空间。
所述信号输入模块605可用于从一输入信号域(图6中未显示)接收一RGB输入信号(例如：RGB视频信号，RGB图像信号)，所述RGB输入信号具有待处理的RBG色彩值，并将所述RBG色彩值传送到所述第一色彩空间转换模块603。所述第一色彩空间转换模块603可用于将待处理的RGB值转换为待处理的XYZ值，即，将所述RGB色彩空间转换为所述XYZ色彩空间，然后将待处理的XYZ值发送至所述色彩重现处理模块6022.
所述预先计算的色域处理模块601可用于执行一预先计算的色域映射，尤其是，在所述输入域内的每个RGB值和在输出域内相对应的输出RGB值之间，生成细粒度的色彩匹配对。换而言之，所述预先计算的色域映射模块601可生成一预先计算的色域映射，然后向所述映射建模处理模块6021传送所述预先计算的色域映射。
所述映射建模处理模块6021可用于使用预先确定的聚类建模算法来对所述预先计算的色域映射建模，并通过学习或训练过程对需要存储于所述输出设备的信息进行压缩，从而可获得训练后的聚类模型。所述映射建模处理模块6021也可用于向所述色彩重现处理模块6022发送所述训练后的聚类模型。
所述色彩重现处理模块6022可用于根据所述训练后的聚类模型和插值重现所述色彩，和向所述第二色彩空间转换模块604发送所述重现后的色彩(即，处理后的XYZ值)。所述第二色彩空间转换模块604可用于将所述处理后的XYZ值转换为所述处理后的RGB值，即将所述XYZ色彩空间转换为所述RGB色彩空间。所述信号输出模块606可用于从所述第二色彩空间转换模块604中接收所述处理后的RGB值，并向一输出信号域输出所述对应的RGB信号(在图6中未显示)。
图7为本发明实施例中由一示范性的SSLO系统的各模块所执行的一示例过程700，如图7所示，首先，所述预先计算的色域映射模块在一输入信号域和一输出信号域之间生成一色域映射(S701)，即，在所述输出信号域内，为在所述输入信号域内的每个色彩产生一匹配的RGB值(或XYZ值)。在所述输入信号域和所述输出信号域之间的所述色域映射就叫做所述预先计算的色域映射。所述预先计算的色域映射可被采用为现有知识，来找到整个色域映射的一期望的近似值，所述近似值在给定的硬件限制下能够实现实时计算。
图8为本发明具体实施方式的示例性的预先计算的色域映射的流程图，如图8所示，首先，提供至少一个来自于所述输入信号域的预存(或参考)RGB信号(即，预存的输入域RGB信号)(S7011)。将所述预存的输入域RGB信号的相应的RBG色彩值转换为在另一个色彩空间内(例如XYZ色彩空间)表示的色彩值(S7012)。同时，提供至少一个来自于所述输出信号域的预存的(或参考)RGB信号(即，预存的输出域RGB信号)(S7013)。将预存的输出域RGB信号的相应的RBG色彩值转换为表示在另一个色彩空间(例如XYZ色彩空间)内的色彩值(S7014)。
将所述预存的输入域RGB信号的所述RBG色彩值和所述预存的输出域RGB信号的所述RBG色彩值分别转换为由一相同的色彩空间表示的色彩值。然后根据预确定算法，在所述输入信号域和所述输出信号域之间，生成一个色域映射(称之为所述预先计算的色域映射)(S7015)，并为后续进程保存(S7016)。
尤其是，当生成所述预先计算的色域映射时，假设计算和内存的是无上限的，因为一普通计算机通常会在一合理的时间内完成该任务。所述预先计算的色域映射可有一个256×256×256的色彩数目，因为所述RGB离散能够表示这个颜色数目。根据不同的预确定算法、输入信号域和输出信号域，所述预先计算的色域映射可以在RGB色彩空间或其他色彩空间中，如XYZ，Lab,和LCH色彩空间，被执行。
由于输入色域和输出色域之间的错配，而生成所述预先计算的色域映射的原理主要分为两种：(a)最少失真地显示所述原始输入色彩；或(b)伴随充分探究的输出色域地显示所述原始输入色彩。这两种原理可为两个不同的任务，由于所述显示设备(如，输出设备)常提供与所述输入色域有部分错配的一个范围更宽广的色域。
即，所述输出色域可比所述输入色域有一范围更宽广的色域，并在所述输出色域和所述输入色域之间存在部分错配，根据原理(a),只能使用输出色域的一定的子集。根据原理(b)，所述色彩可以通过依赖于所述色彩空间的亮度，色度或色调来改变，并且，所述预确定算法可以呈现更高的动态范围。
本发明公开的SSLO系统可由任何预确定的色域映射算法实施，所述预确定的色域映射算法根据不同的要求和硬件配置，要么遵循原理(a),要么遵循原理(b)。假定一个输入色彩i由RGB(ri,gi,bi)表示，一个色域映射函数，用G表示为：
G(i)＝i′ (1)
其中，i′是指在所述输入像素i的RGB空间(ri',gi',bi')中对应的输出色彩，更具体的，所述色域映射函数可包括将RGB色彩空间转换为其他色彩空间，取决于所选择的算法，包括XYZ，Lab,和LCH。因此所述色域映射函数G可成为在所述色彩空间s中的转换函数(称为Ψ)和映射函数Ω的一个组合，其中所述输入和输出色彩皆可被转换。因此，方程(1)如下所示：
G(i)＝Ωs(Ψ(i))＝i′ (2)
方程(3)是将所述RGB色彩空间转换为XYZ色彩空间的方程。
Figure BDA0001287209540000141
其中，所述系数矩阵M可能是与设备相关的或者在一给定设备下的固定矩阵。在一个实施例中，所述系数矩阵M可以是一个3×3矩阵。
因为XYZ，Lab，和LCH色彩空间是与设备无关的，从一个色彩空间到另一个色彩空间的转换可如下定义。方程4和方程5是从XYZ色彩空间转换到Lab色彩空间的转换函数ΨXYZ2Lab.且方程6是从Lab色彩空间转换到LCH色彩空间的转换函数ΨXYZ2Lab.
Figure BDA0001287209540000142
Figure BDA0001287209540000143
Figure BDA0001287209540000144
其中[xn,yn,zn]＝[95.047,100.0,108.88]作为系统默认值，并且在方程(5)中定义f：
Figure BDA0001287209540000151
方程(6)定义了从Lab转换到LCH的过程：
Figure BDA0001287209540000152
所述映射函数Ω的选择可包括但不限于基于固定的H范围的二维LCH映射，基于三维的LCH映射，基于不同锚点的色域映射，等等。本发明所公开的SSLO系统可以根据各种要求采用任何合适的色域算法。
返回图7，接收来自于输入信号域内的一个RGB信号(S703)和将对应的RBG色彩值转换为XYZ色彩值(S704)。基于所述预先计算的色域映射，所述MMCR处理模块在所述转换后的XYZ值中执行一个MMCR过程(S702)。
图9为本发明具体实施方式的示范性的MMCR过程的流程图。参照图7和图9，基于聚类的所述MMCR过程包括一映射建模(MM)训练阶段(S7021)和一色彩重现(CR)预测阶段(S7022)。所述映射建模(MM)训练阶段(S7021)还可包括聚类训练(S901)和分层聚类建模(S902)。所述色彩重现(CR)预测阶段(S7022)还可包括聚类预测(S903)和插值(S904)。
聚类，也称为无监督学习，是根据给定环境所定义的度量对一组相似客体进行分类的技术。一个聚类算法可以包括两步：训练和测试。图10为具有噪声的基于密度的空间聚类方法(DBSCAN)算法的示意图。DBSCAN是基于密度的聚类算法，其中，具有类似密度的客体可以归为一个簇。
具体的，分层聚类是在模型上建立聚类层次的方法，图11为本发明具体实施方式的示范性的分层聚类的示意图。如图11所示，一个树状图可用来表示所述分层聚类的过程。在每一步中，多个簇可逐渐汇聚，并且最后的树状图可以提供本发明所公开的SSLO系统所期待的所述可扩展性。所述簇的数目和每个簇的大小可被适应性地选择，来协调所述硬件的要求，使得对不同的硬件配置的优化解决方案能够实现。在所公开的实施例中，分层聚类算法可以包括但不限于BIRCH，Chameleon，和概率分层聚类。
回到图9，首先，用于将色彩分组为簇的各种模型在所述训练步骤中学习(S901)，即，所述聚类训练。然后采用分层聚类来对所述预先计算的色域映射建模，并在所述输出域内压缩所需要加载在设备中的数据(S902)。不同于完全映射，可能只需要将每个簇的信息用于对所述预先计算的色域映射建模。
若给定从所述步骤S701产生的所述预先计算的色域映射，所述聚类模型可被训练来实现在每个步骤中都最少失真。然后可生成簇的一树状图，可选择簇的深度色彩用于聚类，所述聚类模型和相应于硬件要求的三个或四个色点可以根据经验保存。
具体的，所述映射建模(MM)训练阶段(S7021)可表达大多数的计算,其中，所述映射建模(MM)训练(S7021)可脱机执行，并可能只需要执行一次。
总体而言，有两种类型的分层聚类：(a)凝聚的分层聚类(AGNES)，和分裂的分层聚类(DIANA)。所述AGNES方法是自底向上的策略，首先将每个对象作为一个簇，然后根据某种标准，在每步骤中合并最相似的簇对。与此相对，所述DIANA方法自顶向下的方法，所有对象开始于一个簇然后在后续步骤中逐渐分裂。AGNES和DIANA都遵循给定距离度量的相同逻辑，按照某种标准，多个簇汇聚或者分裂。
例如，给定两个像素i和j,在两个像素i和j之间的距离可由在方程(7)中用RGB或XYZ色彩表示的欧几里得距离来定义，或其他度量如曼哈顿距离，最大值距离等等。
Figure BDA0001287209540000171
Figure BDA0001287209540000172
此外，其他定义好的颜色差异度量也可做为距离度量，例如CIEDE200。给定一对色彩像素i和j，与之对应的Lab值(Li,ai,bi)和(Lj,aj,bj),色彩差异ΔE00通过以下方程计算。
(a).计算C’u,h’u,其中u＝i,j:
Figure BDA0001287209540000181
Figure BDA0001287209540000182
Figure BDA0001287209540000183
a′u＝(1+G)au
Figure BDA0001287209540000184
Figure BDA0001287209540000185
(b).计算ΔL’,ΔC’,ΔH’:
ΔL’＝Lj-Li (10)
ΔC’＝Cj′-Ci′ (11)
Figure BDA0001287209540000186
Figure BDA0001287209540000187
(c).计算ΔE00:
Figure BDA0001287209540000191
Figure BDA0001287209540000192
Figure BDA0001287209540000193
Figure BDA0001287209540000194
Figure BDA0001287209540000195
Figure BDA0001287209540000196
Figure BDA0001287209540000197
RT＝-sin(2Δθ)Rc (17)
Figure BDA0001287209540000198
基于距离度量定义，下一步是选择关联原则，所述选择关联原则意味着在每一步中决定哪对簇汇聚或者分裂的规则，换而言之，所述关联原则是两个色彩簇之间的距离度量。假定两个簇A和B，及所选择的距离度量d，存在几个关联原则，比如：在方程(19)中的完全关联聚类，在方程(20)单个关联聚类，在方程(21)中的平均关联聚类和其他各种变量
max{d(x,y):x∈A,y∈B} (19)
min{d(x,y):x∈A,y∈B} (20)
Figure BDA0001287209540000201
其他类型的分层聚类也可以嵌入至本发明所公开的SSLO系统中，例如BIRCH和Chameleon等。
本发明实施例中，对于每一步，为每个算法所特别定义的所述成本函数可以最小化。这些成本函数，包括所述关联原则(即，簇之间的距离)，可被用来规定每一步的评估损失。进一步的，可以计算用于储存每一步的所述簇的所述(数据)存储器，因此在此过程中可建立一个存储损失公式。
考虑到聚类模型优化的性质，可以实现在任何给定色域映射情况和任何设备限制下都可以实现的优化方案。按照之前讨论过的色域映射处理，所述分层聚类可应用于任何色彩空间。
返回图7和图9，所述映射建模(MM)训练阶段(S7021)的下一步是所述色彩重现(CR)预测阶段(S7022)，其中，所保存的模型和簇的信息(例如，按照经验，为每个聚类存储三个或四个点)可用于预测一给定的输入像素属于哪个簇并在任意给定的色彩空间内计算所输出的色彩值。
训练后的模型可以被用来预测每个输入颜色的簇(S903)，换而言之，预测每个输入色彩分组到哪个簇。特别是，给定一训练后的聚类分层，对每个输入像素将被分组到哪个簇的计算，可以是毫不费力的，并且是可以实时执行的。而且，将所述整个输入帧考虑为一个矩阵并根据所述模型应用矩阵操作，将是更有时效性的。按照不同的分层聚类算法进行预测的公式是不同的，在这里就不再讨论。
然后，所述输出色彩可基于对每个簇所存储的所述信息，通过插值被重现(S904)，就是说，对每个簇所保存的颜色点可被用于插值计算所述输出颜色值。特别是，对于每个簇A，让一集合SA代表所存储的输入色点和对应的输出色点{(c1,c1’),(c2,c2’),…,(cn,cn’)}的相匹配对的集合，其中集合SA大小|SA|＝n。需要注意到所述色点cu可以在任意色彩空间定义，例如RGB和XYZ色彩空间。考虑一个所预测的在簇A中的新的输入颜色ci,，和所选择的距离度量d，所述对应的输出颜色ci’可通过插值计算出来。
在步骤S904中可采用不同的插值算法。在一实施例中，在后续步骤中可采用线性插值。计算第一距离向量distA(ci)，其中，每条输入都是所述输入色彩和集合SA中和每个色点之间的距离：
distA(ci)＝[d(ci,c1),d(ci,c3),……,d(ci,cn)] (22)
然后在方程(23)中定义权重向量w:
Figure BDA0001287209540000211
以及，所述输出颜色ci’是存储在集合SA中对应的输出色点的加权平均值，如方程(24)所示：
ci′＝w×[c1′,c′2,……,c′n]′ (24)
返回图7，在重现输出色彩以后，将所述XYZ色彩空间转换为所述RBG色彩空间(S705)，并将对应的RBG信号输出，例如，输出至在所述输出域内的设备(S706)。
输入和输出信号之的间色域错配是仍没有被良好解决的常见问题，这是由于硬件在内存空间和计算成本方面的瓶颈，和在现代终端设备例如打印机和显示器中缺少标准所导致的。本发明所公开的可扩张存储损失优化的色域映射框架(SSLO)连同一个包含色域映射建模和色彩重现(MMCR)的处理，通过对整个预先计算的色域映射近似所导致的所述存储和损失量化建模，可以解决此问题。因此，在所述显示设备上加载信息的空间成本会减少，而对任何给定硬件限制的优化方案会实现。
MMCR过程的簇的数量可以被调整来适应在任意显示设备上的硬件配置，并且对任意给定色域映射情况和任何设备限制的优化方案都可以被实现。本发明所公开的MMCR过程可以是一个做一次用多次的针对硬件导致的瓶颈的解决方案。所述离线压缩步骤可占用大多数的计算，但是仅仅需要运行一次。所述色彩重现可设计成低成本并以实时计算为特征。
本发明所公开的色域映射框架是可扩展的和可适应的，可按照所述具体的硬件需求，被实施和调整。为了实现优化方案，本发明所公开的色域映射框架也可灵活地被嵌入任何色域映射算法，以生成预先计算的色域映射，和任何分层聚集算法，用于生成树状图，以取得所述优化方案。
本发明公开的实施例的描述用于向本领域普通技术人员说明本发明。对所述实施例的各种修改对本领域普通技术人员是显而易见的，并且在本发明实施例中给出的一般性原则在不脱离本发明的精神或者范围的情况下，也可以应用于其他实施例中。因此，本发明不限于所述实施例，而是应用于应用本发明实例所述原则和新特征的更广领域。

Claims (18)

1.一种关于色域映射的可扩展存储损失优化系统的方法，其特征在于，包括：
在输入色域和输出色域之间生成预先计算的色域映射，其中，输入设备具有所述输入色域，且输出设备具有所述输出色域；
从所述输入设备上，接收包括一个以上输入像素的输入信号，其中，所述输入像素对应于一组表示在第一色彩空间的第一色彩值；
将一组所述第一色彩值转换为一组表示在第二色彩空间的第二色彩值；
基于所述预先计算的色域映射和一组所述第二色彩值，通过映射建模和色彩重现生成表示在所述第二色彩空间的一组第三色彩值；
将所述一组第三色彩值转换为表示在所述第一色彩空间的一组第四色彩值；及
输出包括一个以上的输出像素的输出信号，所述输出像素对应于输出设备的所述第四色彩值。
2.根据权利要求1所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，所述在输入色域和输出色域之间生成预先计算的色域映射还包括：
从所述输入设备上接收至少一个输入信号域参考信号，所述输入信号域参考信号包括表示在所述第一色彩空间内的一组第一参考色彩值；
将一组表示在所述第一色彩空间内的一组所述第一参考色彩值转换为表示在所述第二色彩空间内的一组第二参考色彩值；
从所述输出设备上接收至少一个输出信号域参考信号，所述输出信号域参考信号包括表示在所述第一色彩空间的一组第三参考色彩值；
将表示在所述第一色彩空间内的所述一组第三参考色彩值转换为表示在所述第二色彩空间内的一组第四参考色彩值；及
基于所述第二参考色彩值和所述第四参考色彩值，在所述输入设备和所述输出设备之间，生成所述预先计算的色域映射。
3.根据权利要求2所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，
基于色域映射函数：G(i)＝i′,生成所述预先计算的色域映射，其中，i是指对应于所述第一参考色彩值的所述输入像素，i′是指对应于所述第三参考色彩值的所述输出像素。
4.根据权利要求2所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，所述映射建模还包括：
基于所述预先计算的色域映射，通过学习一个以上用于将色彩分组为簇的模型来生成至少一个已训练的模型；
执行分层聚类算法对所述预先计算的色域映射建模；以及
对每个簇保存一个以上的色点。
5.根据权利要求4所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，每个簇保存3或4个色点。
6.根据权利要求4所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，执行分层聚类算法对所述预先计算的色域映射建模还包括：
计算在所述第二色彩空间中的两个簇之间的距离；及
基于两个簇之间的距离，确定所述两个簇是聚集还是分裂。
7.根据权利要求4所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，所述色彩重现还包括：
基于所述已训练的模型，预测每个输入像素所属的所述簇；且
基于每个簇保存的色点通过插值来计算所述第三色彩值。
8.根据权利要求7所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，基于每个簇保存的色点通过插值来计算所述第三色彩值还包括：
执行线性插值来计算所述第三色彩值。
9.根据权利要求8所述的关于色域映射的可扩展存储损失优化系统的方法，其特征在于，
基于假设所预测的所述第二色彩值ci属于簇A，根据c′i＝w×[c′1,c′2,……,c′n]′确定所述第三色彩值c′i，
其中w是权重向量，且
Figure FDA0002753086910000041
其中，distA(ci)是在簇A中由第二色彩值所表示的每个色点和由所述第三色彩值c′i所表示的色点之间的第一距离向量，且distA(ci)＝[d(ci,c1),d(ci,c2),……,d(ci,cn)],
cn是指包括在所述簇A中的所述第一参考色彩值；及
c′n是指包括在所述簇A中的相应的所述第四参考色彩值。
10.一种关于色域映射的可扩展存储损失优化系统，其特征在于，包括：
预先计算的色域映射生成模块：用于在输入色域和输出色域之间生成预先计算的色域映射，其中，在输入设备具有所述输入色域，在输出设备具有输出色域；
信号输入模块：用于从所述输入设备上，接收包括一个以上输入像素的输入信号，其中，所述输入像素对应于一组表示在第一色彩空间的第一色彩值；
第一色彩空间转换模块：用于将一组所述第一色彩值转换为一组表示在第二色彩空间的第二色彩值；
映射建模和色彩重现过程模块：用于基于所述预先计算的色域映射和一组所述第二色彩值，通过映射建模和色彩重现生成表示在所述第二色彩空间的一组第三色彩值；
第二色彩空间转换模块：用于将所述一组第三色彩值转换为表示在所述第一色彩空间的一组第四色彩值；及
信号输出模块：用于输出包括一个以上的输出像素的一输出信号，所述输出像素对应于输出设备的所述第四色彩值。
11.根据权利要求10所述的关于色域映射的可扩展存储损失优化系统，其特征在于，所述预先计算的色域映射生成模块还包括：
从所述输入设备上接收至少一个输入信号域参考信号，所述输入信号域参考信号包括表示在所述第一色彩空间内的一组第一参考色彩值；
将一组表示在所述第一色彩空间内的一组所述第一参考色彩值转换为表示在所述第二色彩空间内的一组第二参考色彩值；
从所述输出设备上接收至少一个输出信号域参考信号，所述输出信号域参考信号包括表示在所述第一色彩空间的一组第三参考色彩值；
将表示在所述第一色彩空间内的所述一组第三参考色彩值转换为表示在所述第二色彩空间内的一组第四参考色彩值；及
基于所述第二参考色彩值和所述第四参考色彩值，在所述输入设备和所述输出设备之间，生成所述预先计算的色域映射。
12.根据权利要求11所述的关于色域映射的可扩展存储损失优化系统，其特征在于，基于色域映射函数：G(i)＝i′,生成所述预先计算的色域映射，其中，i是指对应于所述第一参考色彩 值的所述输入像素，i′是指对应于所述第三参考色彩值的所述输出像素。
13.根据权利要求11所述的关于色域映射的可扩展存储损失优化系统，其特征在于，所述映射建模还包括：
基于所述预先计算的色域映射，通过学习一个以上用于将色彩分组为簇的模型来生成至少一个已训练的模型；
执行层次聚类算法对所述预先计算的色域映射建模；以及
对每个簇保存一个以上的色点。
14.根据权利要求13所述的关于色域映射的可扩展存储损失优化系统，其特征在于，每个簇保存3或4个色点。
15.根据权利要求13所述的关于色域映射的可扩展存储损失优化系统，其特征在于，执行层次聚类算法对所述预先计算的色域映射建模还包括：
计算在所述第二色彩空间中的两个簇之间的距离；及
基于两个簇之间的距离，确定所述两个簇是聚集还是分裂。
16.根据权利要求13所述的关于色域映射的可扩展存储损失优化系统，其特征在于，所述色彩重现还包括：
基于所述已训练的模型，预测每个输入像素所属的所述簇；且
基于每个簇保存的色点通过插值来计算所述第三色彩值。
17.根据权利要求16所述的关于色域映射的可扩展存储损失优化系统，其特征在于基于每个簇保存的色点通过插值来计算所述第三色彩值还包括：
执行线性插值来计算所述第三色彩值。
18.根据权利要求17所述的关于色域映射的可扩展存储损失优化系统，其特征在于，
基于假设所预测的所述第二色彩值ci属于簇A，根据c′i＝w×[c′1,c′2,……,cn]′确定所述第三色彩值c′i，
其中w是权重向量，且
Figure FDA0002753086910000071
其中，distA(ci)是在簇A中由第二色彩值所表示的每个色点和由所述第三色彩值c′i表所表示的色点之间的一第一距离向量，且distA(ci)＝[d(ci,c1),d(ci,c2),……,d(ci,cn)],
cn是指包括在所述簇A中的所述第一参考色彩值；及
c′n是指包括在所述簇A中的相应的所述第四参考色彩值。
CN201710311488.3A 2016-05-11 2017-05-05 关于色域映射的可扩展存储损失优化系统和方法 Active CN107371005B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/152,239 US9910633B2 (en) 2016-05-11 2016-05-11 Scalable storage-loss optimized framework based method and system for color gamut mapping
US15/152,239 2016-05-11

Publications (2)

Publication Number Publication Date
CN107371005A CN107371005A (zh) 2017-11-21
CN107371005B true CN107371005B (zh) 2021-01-12

Family

ID=60297029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710311488.3A Active CN107371005B (zh) 2016-05-11 2017-05-05 关于色域映射的可扩展存储损失优化系统和方法

Country Status (2)

Country Link
US (1) US9910633B2 (zh)
CN (1) CN107371005B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9875443B2 (en) * 2015-06-18 2018-01-23 TCL Research America Inc. Unified attractiveness prediction framework based on content impact factor
TWI748035B (zh) * 2017-01-20 2021-12-01 日商半導體能源硏究所股份有限公司 顯示系統及電子裝置
CN115797151A (zh) * 2021-09-10 2023-03-14 北京字跳网络技术有限公司 一种颜色映射色卡生成方法及装置
CN115529447B (zh) * 2022-11-23 2023-05-02 芯动微电子科技(珠海)有限公司 一种显示方法、系统及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1450796A (zh) * 2002-04-08 2003-10-22 三菱电机株式会社 检测和/或追踪图像或图像序列中颜色区域的方法和装置
CN101534374A (zh) * 2008-03-14 2009-09-16 富士施乐株式会社 颜色处理装置及颜色处理方法
CN101583040A (zh) * 2008-05-14 2009-11-18 汤姆森特许公司 使用空间频率分析将压缩图像处理为域映射图像的方法
JP2009284107A (ja) * 2008-05-20 2009-12-03 Fuji Xerox Co Ltd 色処理装置およびプログラム
CN101616332A (zh) * 2008-06-26 2009-12-30 北京中视中科光电技术有限公司 一种色域扩展系统及方法
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
CN103369330A (zh) * 2012-03-27 2013-10-23 富士施乐株式会社 颜色调节装置、颜色调节系统和颜色调节方法
CN104811676A (zh) * 2014-01-28 2015-07-29 群创光电股份有限公司 色域映射方法及其装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6043909A (en) * 1996-02-26 2000-03-28 Imagicolor Corporation System for distributing and controlling color reproduction at multiple sites
US7365879B2 (en) * 2004-05-13 2008-04-29 Eastman Kodak Company Determining sets of n-dimensional colorant control signals
US7822270B2 (en) * 2005-08-31 2010-10-26 Microsoft Corporation Multimedia color management system
US7804630B2 (en) * 2006-01-31 2010-09-28 Canon Kabushiki Kaisha Image processing apparatus and image processing method
US7764411B2 (en) * 2006-11-14 2010-07-27 Fuji Xerox Co., Ltd. Color processing apparatus and method, and storage medium storing color processing program
JP5043513B2 (ja) * 2007-05-28 2012-10-10 キヤノン株式会社 色処理装置および方法
JP4623137B2 (ja) * 2008-05-14 2011-02-02 富士ゼロックス株式会社 色処理装置、方法及びプログラム
JP2009278538A (ja) * 2008-05-16 2009-11-26 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
US9179045B2 (en) * 2008-10-17 2015-11-03 Ricoh Production Print Solutions LLC Gamut mapping based on numerical and perceptual models
US20100156929A1 (en) * 2008-12-23 2010-06-24 Eastman Kodak Company Ridge-based color gamut mapping
KR101809993B1 (ko) * 2011-06-03 2017-12-19 삼성디스플레이 주식회사 영상 신호 처리 방법 및 이를 수행하는 표시 장치
JP5973780B2 (ja) * 2011-06-17 2016-08-23 キヤノン株式会社 色処理装置およびその方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1450796A (zh) * 2002-04-08 2003-10-22 三菱电机株式会社 检测和/或追踪图像或图像序列中颜色区域的方法和装置
CN101534374A (zh) * 2008-03-14 2009-09-16 富士施乐株式会社 颜色处理装置及颜色处理方法
CN101583040A (zh) * 2008-05-14 2009-11-18 汤姆森特许公司 使用空间频率分析将压缩图像处理为域映射图像的方法
JP2009284107A (ja) * 2008-05-20 2009-12-03 Fuji Xerox Co Ltd 色処理装置およびプログラム
CN101616332A (zh) * 2008-06-26 2009-12-30 北京中视中科光电技术有限公司 一种色域扩展系统及方法
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
CN103369330A (zh) * 2012-03-27 2013-10-23 富士施乐株式会社 颜色调节装置、颜色调节系统和颜色调节方法
CN104811676A (zh) * 2014-01-28 2015-07-29 群创光电股份有限公司 色域映射方法及其装置

Also Published As

Publication number Publication date
US20170329566A1 (en) 2017-11-16
CN107371005A (zh) 2017-11-21
US9910633B2 (en) 2018-03-06

Similar Documents

Publication Publication Date Title
US11023791B2 (en) Color conversion using neural networks
CN107371005B (zh) 关于色域映射的可扩展存储损失优化系统和方法
US20200258197A1 (en) Method for generating high-resolution picture, computer device, and storage medium
US9591187B2 (en) Image processing that includes reducing a number of colors within a cell of an image
EP3815047A1 (en) Image colorization based on reference information
US20230245351A1 (en) Image style conversion method and apparatus, electronic device, and storage medium
US10334142B2 (en) Color profile adjustment
CN112614110B (zh) 评估图像质量的方法、装置及终端设备
CN110533117A (zh) 图像比对方法、装置、设备和存储介质
CN111539353A (zh) 一种图像场景识别方法及装置、计算机设备以及存储介质
US8564841B2 (en) Switching controller system and method for improving image graininess during color management profile construction
US8928936B2 (en) Red-green-blue to monochrome color conversion
WO2009094154A1 (en) Gamut mapping in spectral space based on an objective function
EP3014866B1 (en) Color image processing
CN116668656A (zh) 图像处理方法及电子设备
CN112927200B (zh) 本征图像分解方法、装置、可读存储介质及电子设备
KR101780610B1 (ko) 조색모니터, 조색시스템 및 조색방법
US7855802B2 (en) Time-efficient generation of color look-up table
Schaefer et al. A hybrid color quantization algorithm incorporating a human visual perception model
US8385636B2 (en) Color processing apparatus and computer-readable medium
CN113191376A (zh) 图像处理方法、装置、电子设备和可读存储介质
CN114429420B (zh) 图像的生成方法、装置、可读介质和电子设备
US12101566B2 (en) Information processing apparatus, information processing terminal, method, and model
Hu et al. [Retracted] Automatic Color‐Matching Model of Environmental Art Based on Visual Matching by Using IoT
US8570591B2 (en) Color conversion device, color conversion method and computer readable medium calculate a minimum required black amount in regard to colors that are reproduced by an output device that actually outputs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province

Applicant after: TCL Technology Group Co.,Ltd.

Address before: 516006 23rd floor, TCL science and technology building, 17 Huifeng 3rd road, Zhongkai hi tech Development Zone, Huizhou City, Guangdong Province

Applicant before: TCL RESEARCH AMERICA Inc.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant