CN107909617B - 一种基于非线性对比度加权的光源颜色估计方法 - Google Patents

一种基于非线性对比度加权的光源颜色估计方法 Download PDF

Info

Publication number
CN107909617B
CN107909617B CN201711113113.2A CN201711113113A CN107909617B CN 107909617 B CN107909617 B CN 107909617B CN 201711113113 A CN201711113113 A CN 201711113113A CN 107909617 B CN107909617 B CN 107909617B
Authority
CN
China
Prior art keywords
image
light source
color
contrast
weighting
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
CN201711113113.2A
Other languages
English (en)
Other versions
CN107909617A (zh
Inventor
高绍兵
梁栋
李洪莹
张明
唐华锦
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201711113113.2A priority Critical patent/CN107909617B/zh
Publication of CN107909617A publication Critical patent/CN107909617A/zh
Application granted granted Critical
Publication of CN107909617B publication Critical patent/CN107909617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Abstract

本发明公开了一种基于非线性对比度加权的光源颜色估计方法，本发明的方法利用对比度拉伸转换方程对传统的光源估计方法进行非线性调整加权，有效利用了图像每个颜色通道中不同像素(或者边缘)所包含有的不同的光源信息，利用图像在每个空间位置上的对比度作为权值加权像素(或者边缘)，很大程度提升了光源估计的准确性。由于没有训练过程，可实现对图像进行在线实时处理。本发明的方法可内嵌于相机内部，作为一种自动白平衡方法，用于校正图像的颜色。

Description

一种基于非线性对比度加权的光源颜色估计方法
技术领域
本发明属于计算机视觉技术领域，涉及彩色图像的场景光源颜色估计，具体涉及一种基于非线性对比度加权的光源颜色估计方法。
背景技术
场景中光源颜色的改变使得相机拍摄到的图像产生严重的色偏，这种由光源颜色改变所导致的在机器设备记录的图像上产生的色偏会给后续的各种计算机视觉应用带来严重的影响，如何快速去除场景中光源颜色的干扰成为一个非常重要的问题。
人类的视觉系统具有良好的颜色恒常性，视网膜上三种视锥体细胞具有不同的非线性响应机制，能够对视觉输入进行非线性的对比度拉伸。颜色恒常的方法主要通过估计场景光源颜色来还原物体的真实颜色，常见的颜色恒常的方法有基于学习的方法和静态的方法。基于学习的方法需要训练过程，精度相对较高，但是花费时间较长，需要训练集。静态的方法不需要训练，花费时间相对较少，但是精度较低，需要调节参数。静态方法中有一类著名的灰度假设方法，比如J Van De Weijer等人于2007年提出的Grey Edge方法，参考文献：J Van De Weijer,Gevers T,Gijsenij A.Edge-based color constancy[J].IEEETransactions on Image Processing,2007,16(9):2207-14.这类方法假设图像的边缘是消色的来估计图像中光源的颜色，然而这类方法在计算光源颜色时，假设所有像素值(或者边缘)对图像光源颜色的贡献相同，因此采用同样的权重，从而忽略了不同像素点(或者边缘)含有的光源信息是不相同的这一基本事实，使得估计出来的光源颜色含有较高的误差。
发明内容
针对现有技术存在上述问题，本发明提出了一种基于非线性对比度加权的光源颜色估计方法。
本发明的技术方案为：一种基于非线性对比度加权的光源颜色估计方法，包括以下步骤：
S1、归一化图像：使用图像最大值max(I)对彩色图像I进行归一化处理，
S2、计算图像的边缘图：对归一化后的图像分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图
Figure BDA0001465685350000011
具体计算公式为：
Figure BDA0001465685350000012
其中，x表示像素点所处的位置，
Figure BDA0001465685350000013
表示对图像在空间域上做n阶微分，获得图像的n阶梯度，即图像的n阶边缘；
S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图
Figure BDA0001465685350000021
的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB；
S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：
Figure BDA0001465685350000022
将更新后的值拉伸至原始图像亮度，具体计算公式为：
Figure BDA0001465685350000023
其中，I′表示由I′R、I′G、I′B组成的图像，
Figure BDA0001465685350000024
分别表示求I,I′图像整体的均值；
将三个通道I′′R,I′′G,I′′B重新组合成一幅RGB图像，作为最终的输出。
进一步的，步骤S1所述的归一化具体为：使得归一化后图像的数值范围为[0,1]：
Figure BDA0001465685350000025
进一步的，步骤S3所述图像的光源颜色LR、LG、LB具体计算公式为：
Figure BDA0001465685350000026
其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：
Figure BDA0001465685350000027
其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率。
进一步的，步骤S2所述的n阶边缘中n的取值范围为[0,+∞)的所有整数。
进一步的，步骤S3所述的p阶矩中p的取值范围为[0,+∞)的所有实数。
进一步的，步骤S3所述的对比度拉伸转换方程的斜率E的取值范围为[0,+∞)的所有实数。
进一步的，步骤S3所述的对比度拉伸转换方程的饱和度参数mi的取值范围为[0,+∞)的所有实数。
本发明的有益效果是：本发明的方法利用对比度拉伸转换方程对传统的光源估计方法进行非线性调整加权，有效利用了图像每个颜色通道中不同像素(或者边缘)所包含有的不同的光源信息，利用图像在每个空间位置上的对比度作为权值加权像素(或者边缘)，很大程度提升了光源估计的准确性。由于没有训练过程，可以对图像进行实时处理。本发明的方法可内嵌于相机内部，作为一种白平衡方法，用于校正相机拍摄到的图像的色偏。
附图说明
图1为本发明实施例光源颜色估计的流程图。
图2为本发明实施例一幅具有色偏问题的原始图像图。
图3为本发明实施例计算得到的光源与真实的光源在rg空间的表现。
图4为本发明实施例原始图像去除色偏之后对应的结果图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
图像中不同像素点往往含有不同的光源信息，对不同像素点包含有的光源信息仅仅做一个求和无法实现对这些信息的有效利用。一种简单而有效的方案是对这些信息进行非线性加权求和，对含有光源信息多的地方给予高权重，含有光源信息少的地方给予低权重，由于图像的R,G,B颜色通道所包含的光源颜色信息是不同的，需要使用不同的权重函数对每个颜色通道进行处理。基于此，本发明提出了一种基于对比度扩展加权的光源颜色估计方法，流程如图1所示。
对于一幅图像大小为240*360，具有色偏问题的图像(如图2所示)，本发明的详细步骤流程如下所示：
S1、归一化图像：使用图像最大值max(I)对输入彩色图像I进行归一化处理，使得归一化后图像的数值范围为[0,1]。以原始输入图像(图2)中像素值为(140，190，241)的示例像素点1为例，整幅图像的最大值为255，利用公式
Figure BDA0001465685350000031
对示例像素点归一化后的值为(0.549，0.745,0.945)。
S2、计算图像的边缘图：对S1得到的图像每一个像素点分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图
Figure BDA0001465685350000045
具体计算公式为：
Figure BDA0001465685350000041
其中，x表示像素点所处的位置。
以S1得到的图像中像素值为(0.549，0.745,0.945)的示例点1为例，本实施例中以n＝2为例，代入上述公式计算得到对应的
Figure BDA0001465685350000046
分别为(0.00026,0.00023,0.00040)。
S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图
Figure BDA0001465685350000047
的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB，具体计算公式为：
Figure BDA0001465685350000042
其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：
Figure BDA0001465685350000043
其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率。
本实施例中，以p＝2,E＝2，mR＝1,mG＝1,mB＝1为例，将S2中得到的
Figure BDA0001465685350000048
(0.00026,0.00023,0.00040)，S1中得到的IR、IG、IB(0.549，0.745,0.945)带入以上公式计算得到LR＝0.0136，LG＝0.0129，LB＝0.0124。
图3展示了我们计算得到的光源颜色与真实的光源颜色在rg空间之间的角度关系，两条直线之间夹角很小表明我们计算得到的光源颜色很准确。
S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：
Figure BDA0001465685350000044
本实施例中，
I′R＝IR/LR＝0.549/0.0136＝40.37,I′G＝IG/LG＝0.745/0.0129＝57.75,I′B＝IB/LB＝0.945/0.0124＝76.21。
然后，将更新后的值拉伸至原始图像亮度，具体计算公式为：
Figure BDA0001465685350000051
其中，I′表示由I′R、I′G、I′B组成的图像，
Figure BDA0001465685350000052
分别表示求I,I′图像整体的均值。
本实施例中，I,I′图像整体的均值
Figure BDA0001465685350000053
分别为0.5387，41.8318，将I′R,I′G,I′B带入得：
I′′R＝0.5387/41.8318*40.37＝0.5199
I′′G＝0.5387/41.8318*57.75＝0.7437
I′′B＝0.5387/41.8318*76.21＝0.9814
最后，将三个通道I′′R,I′′G,I′′B重新组合成一幅RGB图像，作为最终输出。最终输出的图像对应点的像素值即为(0.5199，0.7437，0.9814)。
图4展示了最终输出的图像，相比与原始图像(图2)，图像的色偏被有效去除。
以上的简单实例主要以图像的单个像素值作为例子来阐述，实际计算时是在整幅图像的所有像素上进行的，实际的数值也是直接取值于程序运行的实验结果。通过这样一个简单实例，阐述了本发明基于对比度扩展加权的光源颜色估计的全过程。
这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其他各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于非线性对比度加权的光源颜色估计方法，包括以下步骤：
S1、归一化图像：使用图像最大值max(I)对彩色图像I进行归一化处理，
S2、计算图像的边缘图：对归一化后的图像分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图
Figure FDA0002212576710000011
具体计算公式为：
Figure FDA0002212576710000012
其中，x表示像素点所处的位置，
Figure FDA0002212576710000013
表示对图像在空间域上做n阶微分，获得图像的n阶梯度，即图像的n阶边缘；
S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图
Figure FDA0002212576710000014
的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB；
所述图像的光源颜色LR、LG、LB具体计算公式为：
Figure FDA0002212576710000015
其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：
Figure FDA0002212576710000016
其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率；
S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：
Figure FDA0002212576710000017
将更新后的值拉伸至原始图像亮度，具体计算公式为：
Figure FDA0002212576710000018
其中，I′表示由I′R、I′G、I′B组成的图像，
Figure FDA0002212576710000019
分别表示求I,I′图像整体的均值；
将三个通道I″R,I″G,I″B重新组合成一幅RGB图像，作为最终的输出。
2.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S1所述的归一化具体为：使得归一化后图像的数值范围为[0,1]：
Figure FDA0002212576710000021
3.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S2所述的n阶边缘中n的取值范围为[0,+∞)的所有整数。
4.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的p阶矩中p的取值范围为[0,+∞)的所有实数。
5.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的对比度拉伸转换方程的斜率E的取值范围为[0,+∞)的所有实数。
6.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的对比度拉伸转换方程的饱和度参数mi的取值范围为[0,+∞)的所有实数。
CN201711113113.2A 2017-11-13 2017-11-13 一种基于非线性对比度加权的光源颜色估计方法 Active CN107909617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711113113.2A CN107909617B (zh) 2017-11-13 2017-11-13 一种基于非线性对比度加权的光源颜色估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711113113.2A CN107909617B (zh) 2017-11-13 2017-11-13 一种基于非线性对比度加权的光源颜色估计方法

Publications (2)

Publication Number Publication Date
CN107909617A CN107909617A (zh) 2018-04-13
CN107909617B true CN107909617B (zh) 2020-03-17

Family

ID=61844832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711113113.2A Active CN107909617B (zh) 2017-11-13 2017-11-13 一种基于非线性对比度加权的光源颜色估计方法

Country Status (1)

Country Link
CN (1) CN107909617B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW494678B (en) * 2000-12-20 2002-07-11 Kinpo Elect Inc White balance processing method of digital image capturing device
JP2004199200A (ja) * 2002-12-16 2004-07-15 Canon Inc パターン認識装置、撮像装置、情報処理システム、パターン認識方法、記録媒体、及びプログラム
CN103854261A (zh) * 2014-02-25 2014-06-11 上海理工大学 色偏图像的校正方法
CN103945145A (zh) * 2013-01-17 2014-07-23 三星泰科威株式会社 处理图像的设备和方法
CN104504722A (zh) * 2015-01-09 2015-04-08 电子科技大学 一种利用灰色点校正图像颜色的方法
CN105100576A (zh) * 2014-04-21 2015-11-25 展讯通信（上海）有限公司 光源检测方法及装置
CN106211804A (zh) * 2014-04-29 2016-12-07 英特尔公司 利用对原始图像数据的色度测量进行自动白平衡
CN106981053A (zh) * 2017-03-02 2017-07-25 天津大学 一种基于加权融合的水下图像增强方法
CN107123150A (zh) * 2017-03-25 2017-09-01 复旦大学 全局颜色对比度检测和分割显著图的方法
CN107169942A (zh) * 2017-07-10 2017-09-15 电子科技大学 一种基于鱼类视网膜机制的水下图像增强方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI546769B (zh) * 2015-04-10 2016-08-21 瑞昱半導體股份有限公司 影像處理裝置與影像處理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW494678B (en) * 2000-12-20 2002-07-11 Kinpo Elect Inc White balance processing method of digital image capturing device
JP2004199200A (ja) * 2002-12-16 2004-07-15 Canon Inc パターン認識装置、撮像装置、情報処理システム、パターン認識方法、記録媒体、及びプログラム
CN103945145A (zh) * 2013-01-17 2014-07-23 三星泰科威株式会社 处理图像的设备和方法
CN103854261A (zh) * 2014-02-25 2014-06-11 上海理工大学 色偏图像的校正方法
CN105100576A (zh) * 2014-04-21 2015-11-25 展讯通信（上海）有限公司 光源检测方法及装置
CN106211804A (zh) * 2014-04-29 2016-12-07 英特尔公司 利用对原始图像数据的色度测量进行自动白平衡
CN104504722A (zh) * 2015-01-09 2015-04-08 电子科技大学 一种利用灰色点校正图像颜色的方法
CN106981053A (zh) * 2017-03-02 2017-07-25 天津大学 一种基于加权融合的水下图像增强方法
CN107123150A (zh) * 2017-03-25 2017-09-01 复旦大学 全局颜色对比度检测和分割显著图的方法
CN107169942A (zh) * 2017-07-10 2017-09-15 电子科技大学 一种基于鱼类视网膜机制的水下图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Edge-Based Color Constancy";Joost van de Weijer et al.;《IEEE Transaction on Image Processing》;20070813;摘要、正文第1-2章 *

Also Published As

Publication number Publication date
CN107909617A (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
CN107680056B (zh) 一种图像处理方法及装置
US11625815B2 (en) Image processor and method
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
WO2017024615A1 (zh) 图像增强方法
CN108230407B (zh) 一种图像的处理方法和装置
CN104504722B (zh) 一种利用灰色点校正图像颜色的方法
US9947258B2 (en) Image processing method and image processing apparatus
CN103065334A (zh) 一种基于hsv颜色空间的偏色检测、校正方法及装置
CN108876742B (zh) 图像色彩增强方法和装置
JP2018526755A (ja) 画像コントラストの増強方法
CN111209775B (zh) 信号灯图像处理方法、装置、设备及存储介质
CN103248793A (zh) 色域转换系统的肤色最佳化方法与装置
CN104766276B (zh) 一种基于颜色空间的偏色校正方法
CN110807735A (zh) 图像处理方法、装置、终端设备及计算机可读存储介质
CN105812762A (zh) 一种处理图像偏色的自动白平衡方法
CN102280096A (zh) 一种融合图像缩放与颜色空间转换的方法
CN109427041B (zh) 一种图像白平衡方法及系统、存储介质及终端设备
CN107256539B (zh) 一种基于局部对比度的图像锐化方法
CN106296608A (zh) 一种基于映射表的鱼眼图像处理方法及系统
CN111107330A (zh) 一种Lab空间的偏色校正方法
CN107027017A (zh) 一种图像白平衡的调整方法、装置、图像处理芯片及存储装置
CN208353496U (zh) 一种基于rgb-ir图像数据的白平衡校正装置
CN107358592B (zh) 一种迭代式全局自适应图像增强方法
CN104680484A (zh) 一种图像增强的方法及装置
CN107909617B (zh) 一种基于非线性对比度加权的光源颜色估计方法

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
GR01 Patent grant
GR01 Patent grant