CN110136214B - 一种彩色图像颜色一致性描述方法 - Google Patents
一种彩色图像颜色一致性描述方法 Download PDFInfo
- Publication number
- CN110136214B CN110136214B CN201910409572.8A CN201910409572A CN110136214B CN 110136214 B CN110136214 B CN 110136214B CN 201910409572 A CN201910409572 A CN 201910409572A CN 110136214 B CN110136214 B CN 110136214B
- Authority
- CN
- China
- Prior art keywords
- color
- image
- data
- sub
- pixel
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000005286 illumination Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 230000001788 irregular Effects 0.000 claims abstract description 14
- 239000003086 colorant Substances 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000016776 visual perception Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000004075 alteration Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000003709 image segmentation Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003042 antagnostic effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供了一种彩色图像颜色一致性描述方法,它利用一幅图像就能工作,首先根据颜色、纹理的视觉相似性划分图像为含有不规则几何形状的若干个子区域,构建特定的子区域分析数据集并进行线性拟合处理,获取图像子区域以及图像整体的外界照明状况,然后利用特定的像素转换关系实现图像的颜色一致性描述,获得图像内容的本质外貌特征,解决了同一景物在不同照明条件下所捕获图像的外貌不一致性问题。该方法不需要人工干预,主动分析图像内容获取关键转换参数,参数具有一次获得、像素共用的特征,处理速度快、实用性强。本发明隶属于人工智能、本征颜色识别的范畴,在图像分割、印品质量检测、目标识别和机器视觉领域具有较好的应用潜力。
Description
技术领域
本发明涉及一种彩色图像颜色一致性描述方法,隶属于人工智能、本征颜色识别范畴,可应用于图像分割、印品质量检测、目标识别和机器视觉等领域。
背景技术
颜色作为彩色图像的一个重要属性已经在图像复制、机器检测和人工智能等领域得到了广泛的应用,比如印刷质量检测、图像分割、物体识别与追踪等。然而,图像像素的颜色值,除了与采集设备所捕获外界景物的本质属性有关外,还与图像获取时的外界照明情况密不可分。因此,如果外界照明条件发生改变,那么即使使用了相同的设备、对同一外界景物进行图像数据采集,也是很难保证所捕获的图像具有相同的颜色外貌特性的。
事实上,在日常生活及工业应用中,由于真实照明条件和外界场景的复杂多变性,要求外界照明条件恒定不变几乎是不现实的。外界景物所处的照明条件会随着时间、空间等的改变而发生不可重复性的变化,照明光源强度的变化会使设备捕获的图像具有阴影效应,而光源颜色的不同会使图像产生可辨的色偏,致使同一景物用同一设备或不同设备所采集的图像具有了不同的图像外貌特征。这些图像无法真实、客观反映其内景物的本质属性,在景物几何形状、颜色、纹理等方面有着不可忽视的图像质量退化问题,也带来了较为严重的视觉混淆问题。
专利CN103258334B公开了一种彩色图像的场景光源颜色估计方法,该方法通过选取DoG滤波器的尺度和幅值来模拟神经元的感受野特性,计算图像场景的光源颜色值;专利CN102360506B提供了一种基于局部线性保持的场景颜色风格一致化处理方法,它要求输入原始彩色图像和参考彩色图像,将参考图像的主色调迁移到原图像上,考虑图像空间的局部线性关系,避免了颜色分类带来的颜色过渡不平滑的问题;专利CN101674490B提出了一种基于视网膜视觉机制的彩色图像颜色恒常性方法,该方法通过建立感受野单拮抗模型来实现色偏图像颜色恒常和颜色增强的功能;专利CN1617141A公开了一种用于提取图像效果颜色和恢复原始图像颜色的方法;专利CN105302854A提供了一种移动终端图像颜色再现一致性的方法,该方法涉及到基于移动终端和服务器等的系列色彩管理操作;专利CN105479960A公开了一种使屏幕显示颜色与实际印花颜色一致的数码印花方法;专利CN105915757A公开了一种基于RGB彩色通道误差函数的颜色矫正方法;专利CN101930596A公开了一种复杂光照下的两步法颜色恒常性方法;专利CN1916939B提供了一种提取不受照明变化影响的颜色的方法和装置及其呈现方法;专利CN107392968A公开了一种融合颜色对比图和颜色空间分布图的图像显著性检测方法,该方法综合了图像底层颜色对比特征图和图像颜色空间分布特征图来得到最后的显著性图,能够在较低的时间复杂度内得到较为准确、完整的图像显著性图。
近年来,随着人工智能、新媒体技术的快速发展,有关机器视觉的诸多问题备受关注,尤其是所涉及到的图像颜色的客观、真实及一致性描述问题。彩色图像颜色的一致性描述问题的解决,一直备受业界学者、相关企业人士的关注。如何减少外界照明条件对采集设备所捕获图像信息的干扰?如何从图像中获得其内景物的客观本质属性以及真实的颜色、纹理等信息?怎样使同一景物在不同条件下所得到的图像具有一致的真实客观外貌?这些问题的解决,对于图像内容分析、目标检测识别、图像理解等至关重要,在图像分割、印品质量检测、机器视觉、图像理解和人工智能等领域有着非常重要的理论和实用价值。
发明内容
本发明的目的是为了解决数字采集设备在捕获同一景物影像时由于受到照明条件随时间、空间等的变化的影响而使所捕获到的图像外貌不同的问题,而提出了一种彩色图像颜色一致性描述的方法。
为了实现上述目的,本发明提供了一种技术方案,一种彩色图像颜色一致性描述方法,其特征在于,包括如下步骤:
步骤1:依据彩色图像的颜色、纹理的视觉感知相似性,将所述彩色图像划分为含有不规则几何形状的k个子区域,所述的k个子区域的子区域面积与图像总面积的比值的最小值不小于0.5%,所述的子区域的子区域内任意两像素之间的基于“像素L′a′b′数据”的像素间色差ΔPL′a′b′不大于3.0,所述的子区域的子区域之间的基于“像素L′a′b′数据”的子区域间色差ΔSL′a′b′的最小值不小于5.0;
所述的“像素L′a′b′数据”可根据下列关系式由图像像素的红、绿、蓝通道的颜色数据R、G、B计算得到,
L′=116f(Y)-16,a′=500[f(X)-f(Y)],b′=200[f(Y)-f(Z)],
其中,X=0.433953R+0.376219G+0.189828B,Y=0.212671R+0.715160G+0.072169B,
Z=0.017758R+0.109477G+0.872765B,用t表示X、Y、Z,则当t>0.00885645时f(t)=t1/3,当t≤0.00885645时f(t)=7.78703704t+0.13793103;
所述的像素间色差ΔPL′a′b′为ΔPL′a′b′=[(L′2-L′1)2+(a′2-a′1)2+(b′2-b′1)2]1/2,L′2、L′1、a′2、a′1、b′2、b′1为两个像素的L′、a′、b′数据;
所述的子区域间色差ΔSL′a′b′为ΔSL′a′b′=[(SL′2-SL′1)2+(Sa′2-Sa′1)2+(Sb′2-Sb′1)2]1/2,SL′2、SL′1、Sa′2、Sa′1、Sb′2、Sb′1为两个子区域的所有像素的像素L′、a′、b′数据的平均值;
步骤2:对步骤1所述的k个子区域,进行图像子区域外界照明光源的颜色计算,通过执行下列操作来实现:
(1)令第I个所述图像子区域的照明光源的颜色值为(MR,MG,MB),其中的I为1~k之间的整数,MR、MG和MB为第I个所述子区域的照明光源的红、绿和蓝颜色值,然后计算第I个子区域的每个像素的r=R/(R+G+B)、g=G/(R+G+B)、b=B/(R+G+B)以及ψ=1/(R+G+B)值,R、G、B为图像像素的红、绿、蓝通道的颜色值,ψ为图像像素的红、绿、蓝颜色值的和的倒数,并由第I个子区域的所有像素的r、g、b和ψ数据构建r-ψ、g-ψ和b-ψ数据集;
(2)利用最小二乘法对操作(1)所获得的r-ψ、g-ψ和b-ψ数据集在平面直角坐标系中分别进行线性拟合处理,所采用的拟合关系式具有y=kx+m的形式,其中的y对应r、g和b数据而x对应ψ数据,所得到的r-ψ、g-ψ和b-ψ数据集的数据拟合关系式分别为y=kr-ψx+MR、y=kg-ψx+MG、y=kb-ψx+MB,其中的kr-ψ、kg-ψ、kb-ψ、MR、MG、MB为由所述的r-ψ、g-ψ和b-ψ数据集经线性拟合处理而得到的拟合参数值,则第I个图像子区域的照明光源的颜色值为(MR,MG,MB);
(3)重复执行操作(1)和操作(2),获得步骤1所述的k个子区域的照明光源的颜色值(MRI,MGI,MBI),I=1~k,再对所获得的k个颜色值执行平均化处理,得到外界照明光源的颜色值(mr,mg,mb),mr=∑MRI/k、mg=∑MGI/k、mb=∑MBI/k;
步骤3:对彩色图像进行颜色一致性描述处理,将彩色图像的像素数据转换到具有描述一致性特征的光源下,通过执行下列操作来实现:
(1)利用步骤2所获得的光源颜色值(mr,mg,mb),令μ=mr-0.5mg-0.5mb、v=0.866mg-0.866mb、ω=0.6667mr+0.6667mg+0.6667mb,于是得到μ′=v/(μ2+v2)1/2、v′=-μ/(μ2+v2)1/2、δ=ω/(μ2+v2+ω2)1/2和ξ=(1-δ2)1/2;
(2)依据步骤3的操作(1)所获得的μ′、v′、δ和ξ数据,对彩色图像的所有像素的R、G、B颜色值进行数据转换处理,通过执行下列转换关系来实现:
R′=J·R+P·G+L·B,G′=M·R+Q·G+N·B,B′=K·R+W·G+I·B,
其中,
J=0.67μ′2-0.95v′2ξ-0.33(μ′2-v′2)δ,
M=-0.33μ′2+0.19μ′v′+(0.39μ′-0.28v′)ξ-(0.33μ′2+0.67v′2-0.19μ′v′)δ,
K=-0.33μ′2-0.19μ′v′-(0.39μ′+0.28v′)ξ-(0.33μ′2+0.67v′2+0.19μ′v′)δ,
P=-0.33μ′2+0.58μ′v′+(0.43μ′+0.69v′)ξ+(0.33μ′2-0.58μ′v′)δ,
Q=0.17μ′2+0.5v′2-0.19μ′v′+(0.05μ′+0.03v′)ξ+(0.83μ′2+0.5v′2+0.19μ′v′)δ,
W=0.17μ′2-0.5v′2-0.38μ′v′+(0.82μ′+0.03v′)ξ-(0.17μ′2-0.5v′2-0.38μ′v′)δ,
L=-0.33μ′2-0.58μ′v′-(0.43μ′-0.69v′)ξ+(0.33μ′2+0.58μ′v′)δ,
N=0.17μ′2-0.5v′2+0.38μ′v′-(0.82μ′-0.03v′)ξ-(0.17μ′2-0.5v′2+0.38μ′v′)δ,
I=0.17μ′2+0.5v′2+0.19μ′v′-(0.05μ′-0.03v′)ξ+(0.83μ′2+0.5v′2-0.19μ′v′)δ,
于是,得到了具有颜色描述一致性特征的图像像素的相应颜色数据R′、G′、B′,再对R′、G′、B′数据进行取整数操作,即R′=int[R′]、G′=int[G′]和B′=int[B′],获得彩色图像像素的最终颜色数据R′、G′和B′。
上述技术方案中,步骤1和步骤3所述的彩色图像为利用经过仪器基本功能校准的采集设备所捕获的、没有经过进一步处理的原始彩色图像,不包括利用软件技术进行处理所获得的人工合成的彩色图像。
上述技术方案中,步骤1所述的彩色图像的颜色、纹理的视觉感知相似性,体现在,所述的子区域的子区域内任意两像素之间的基于“像素L′a′b′数据”的像素间色差ΔPL′a′b′不大于3.0,所述的子区域的子区域之间的基于“像素L′a′b′数据”的子区域间色差ΔSL′a′b′的最小值不小于5.0。
上述技术方案中,步骤1所述的不规则几何形状为非正方形和矩形的任意几何形状。
上述技术方案中,步骤1所述的含有不规则几何形状的k个子区域,优选的,为所述的k个子区域均为具有非正方形和矩形的任意几何形状。
上述技术方案中,步骤1所述的含有不规则几何形状的k个子区域,优选的,为所述的k个子区域中,具有正方形和/或矩形几何形状的子区域的数量占所述子区域总数的比例不超过30%。
上述技术方案中,步骤1所述的k个子区域的划分,优选的,采用“k-means”聚类分析算法实现。
上述技术方案中,步骤1-3所述的彩色图像的像素R、G、B颜色数据的取值范围均为0-Ω,Ω为不小于255的整数。
由于上述技术方案的运用,本发明提供的彩色图像颜色一致性描述方法,具有下列特点:
1.本发明提供的彩色图像颜色一致性描述方法,解决了同一景物在不同照明条件下用采集设备所捕获的彩色图像的外貌不一致性的问题,可以获得图像内景物的客观本质属性如颜色、纹理等。
2.本发明提供的彩色图像颜色一致性描述方法,在图像处理过程中不需要人工干预,只要求输入一幅采集设备捕获的原始图像即可,并且经该方法处理后得到的彩色图像能够较为客观的反映其内景物的本质属性,其外貌与人眼感知的外貌基本一致,符合人眼的视觉感知特性。
3.本发明提供的彩色图像颜色一致性描述方法,能够使用数字化设备采集的不同光照条件下的同一景物的多幅彩色图像具有较为一致的图像颜色外貌,可用于对图像内景物真实颜色要求较为严格的场合如监控、物体识别与评价等。
4.本发明提供的彩色图像颜色一致性描述方法,考虑了输入图像的颜色、纹理等信息,将图像划分为k个子区域,所划分的k个子区域中含有特定数量的具有不规则几何形状的子区域,对它们进行处理后所得到的外界照明信息比较客观、准确、合理。
5.本发明提供的彩色图像颜色一致性描述方法,所划分的k个子区域不仅具有不规则的几何形状,而且子区域的面积占图像总面积的比值的最小值不小于0.5%,子区域内的像素间色差ΔPL′a′b′不大于3.0,子区域之间的子区域间色差ΔSL′a′b′的最小值不小于5.0。
6.本发明提供的彩色图像颜色一致性描述方法,所处理的输入图像为利用经过仪器基本功能校准的采集设备所捕获的、没有经过进一步处理的原始彩色图像,不包括利用软件技术进行处理后所获得的人工合成的彩色图像。
7.本发明提供的彩色图像颜色一致性描述方法,在对图像像素的颜色数据进行转换处理时,依据本发明提供的技术方案由输入图像本身主动获取其内所需的特定的μ、v、ω、μ′、v′、δ、ξ参数,并自动得到J、M、K、P、Q、W、L、N、I特定转换参数,再进行进一步的图像数据转换处理,上述参数具有参数一次获得、图像像素共同使用的特点,从而使图像数据的处理速度很快,算法也相对简单、实用。
8.本发明提供的彩色图像颜色一致性描述方法,所处理的输入图像的像素颜色值范围为0-Ω,Ω为不小于255的整数,也就是说,彩色图像既包括颜色数据取值范围为0-255的传统彩色图像,也包括图像像素的颜色数据的存储位数更多的彩色图像如颜色值取范围为0-Ω,Ω为大于255的整数或Ω=1024。
9.本发明提供的彩色图像颜色一致性描述方法,对输入的图像进行处理,处理后获得的图像的像素颜色值的范围与所输入图像的数据范围完全一致,也就是说,输入图像的R、G、B数据范围为0-Ω,处理之后图像的R′、G′、B′数据取值范围也为0-Ω。
10.本发明提供的彩色图像颜色一致性描述方法,在对输入的彩色图像进行处理时,必须使用本发明提供的系列特定转换关系来实现,并且特定的转换关系所用到的L′、a′、b′、ΔPL′a′b′、ΔSL′a′b′、μ、v、ω、μ′、v′、δ、ξ、J、M、K、P、Q、W、L、N、I等核心参数必须根据输入的图像来主动获取,不同彩色图像的上述参数以及转换关系也是不同的。
附图说明
图1为本发明提供的彩色图像颜色一致性描述方法的技术方案流程框图。
图2为本发明提供的彩色图像颜色一致性描述方法的“图像k个子区域划分”子流程框图。
图3为本发明提供的彩色图像颜色一致性描述方法的“图像子区域照明光源计算”子流程框图。
图4为本发明提供的彩色图像颜色一致性描述方法的“图像颜色描述一致性处理”子流程框图。
图5为本发明提供的彩色图像颜色一致性描述方法的“图像k个子区域划分”示意图。
图6为本发明实施例一中的彩色图像颜色一致性描述的处理示意图。
图7为本发明实施例二中的彩色图像颜色一致性描述的处理示意图。
图8为本发明实施例三中的彩色图像颜色一致性描述的处理示意图。
图9为本发明实施例四中的彩色图像颜色一致性描述的处理示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明提供的彩色图像颜色一致性描述方法的技术方案流程框图,图2为图1所述流程框图中的“图像k个子区域划分”子流程框图,图3为图1所述流程框图中的“图像子区域照明光源计算”子流程框图,图4为图1所述流程框图中的“图像颜色一致性描述处理”子流程框图。如图1-4所示,本发明提供的彩色图像颜色一致性描述方法,是通过以下步骤实现的:
步骤1:将数字化设备采集的一幅彩色图像划分为含有不规则几何形状的k个子区域,k个子区域的子区域面积与图像总面积比值的最小值不小于0.5%,每个子区域内任意两像素的ΔPL′a′b′不大于3.0,子区域之间的ΔSL′a′b′的最小值不小于5.0。图5给出了将图像划分为含有不规则几何形状的k个子区域的子区域划分示意图,以k=19为例,优选的,将图像划分为:(1)子区域均为具有非正方形和矩形的不规则几何形状,(2)具有正方形和/或矩形几何形状的子区域的数量占所述子区域总数的比例不超过30%。
步骤2:对步骤1划分的k个子区域,进行图像子区域外界照明光源的颜色计算。由图像子区域的像素R、G、B值计算相应的r、g、b和ψ数据并构建r-ψ、g-ψ和b-ψ数据集,然后利用最小二乘法对r-ψ、g-ψ和b-ψ数据集在直角坐标系中进行数据线性拟合处理,获得该子区域的光源颜色计算值为(MR,MG,MB)。
步骤3:利用步骤2获得的k个光源颜色值(MRI,MGI,MBI),I=1~k,获得外界照明光源的颜色值(mr,mg,mb),mr=∑MRI/k、mg=∑MGI/k、mb=∑MBI/k。
步骤4:对输入的彩色图像进行图像颜色一致性描述处理,把原始图像的像素数据转换到具有描述一致特征的光源下。首先,获取原始输入图像的μ、v、ω、μ′、v′、δ、ξ数据以及J、M、K、P、Q、W、L、N、I数据,然后利用转换关系R′=J·R+P·G+L·B、G′=M·R+Q·G+N·B和B′=K·R+W·G+I·B进行转换处理,并执行取整数操作R′=Int[R′]、G′=Int[G′]和B′=Int[B′],最终获得具有颜色描述一致特性的R′、G′、B′彩色图像。
上述步骤1-4,在图像处理中不需要人工干预,只要输入所要求的RGB格式的原始彩色图像数据即可,经该方法处理后得到的图像能够较为客观的反映其内景物的本质属性,其外貌与人眼感知的外貌基本一致,符合人眼的视觉感知特性。此外如果数字化设备采集的图像已经存储为了非红、绿、蓝通道格式的文件如CMYK、多通道格式等,则可以采用商业软件如Photoshop等将它们先转换为RGB通道格式,再利用本专利提供的方法和技术方案进行处理即可。
实施例一:
图6(a)为用数字化采集设备捕获的一幅彩色图像,图像的整体色调偏红,图像的大小为3328×2496像素,图像像素R、G、B颜色值的取值范围为0-255,Ω=255。参见图1-4和步骤1-4,利用图像的R、G、B数据以及本发明提供的技术方案,获得图像的L′、a′、b′数据并对图像进行k个子区域划分的聚类分析,优选的,选择“K-means”方法进行聚类,获得图像的“k个子区域划分”的子区域划分图像,其显示效果图如图6(b)所示,k个子区域均为不具有正方形或矩形的几何形状,所采用的图像子区域划分的条件为:最小子区域的像素面积占图像总面积的比值为0.55%,子区域内的ΔPL′a′b′的最大值为3.0,子区域之间的ΔSL′a′b′的最小值为5.0,所获得的图像子区域的数目k为30。
参见图1-4和步骤1-4,依据图6(a)原始图像和图6(b)图像子区域划分示意图,对所获得的图像子区域执行光源颜色值的计算,首先由子区域R、G、B数据构建其r-ψ、g-ψ和b-ψ数据集,并在直角坐标系中进行线性拟合处理,获得k个子区域的光源颜色信息,然后对k个光源颜色数据进行平均化处理,得到外界照明的光源数据,所获得的彩色图像的外界光源数据为(0.827,0.639,0.552)。利用本发明提供的技术方案,获取彩色图像的μ、v、ω、μ′、v′、δ、ξ以及J、M、K、P、Q、W、L、N、I数据,然后利用转换关系R′=J·R+P·G+L·B、G′=M·R+Q·G+N·B和B′=K·R+W·G+I·B进行图像数据处理,并执行取整数操作,获得处理后的具有颜色描述一致特性的R′、G′、B′彩色图像,见图6(c),可见,利用本发明提供的技术方案进行处理,数字化采集设备捕获的偏红的原始图像,恢复了其在没有外界干扰时的客观、本质外貌。
实施例二:
图7(a)为用数字化采集设备捕获的一幅彩色图像,图像的R、G、B颜色值的取值范围为0-1024,Ω=1024,图像的大小为3328×2496像素,图像的整体色调偏弱、偏暗。参见图1-4和步骤1-4,利用图像的R、G、B数据以及本发明提供的技术方案,获得图像的L′、a′、b′数据并对图像进行k个子区域划分的聚类分析,优选的,选择“K-means”方法进行聚类,获得图像的“k个子区域划分”的子区域划分图像,其显示效果图如图7(b)所示,k个子区域均为不具有正方形或矩形的几何形状,所采用的图像子区域划分的条件为:最小子区域的像素面积占图像总面积的比值为1.5%,子区域内的ΔPL′a′b′的最大值为3.0,子区域的ΔSL′a′b′的最小值为5.0,所获得的图像子区域的数目k为20。
参见图1-4和步骤1-4,依据图7(a)原始彩色图像和图7(b)图像子区域划分的示意图,对所获得的图像子区域执行光源颜色值的计算,首先由子区域的R、G、B数据构建其r-ψ、g-ψ和b-ψ数据集,并在直角坐标系中进行线性拟合处理,获得k个子区域的光源颜色信息,然后对k个光源颜色信息进行平均化处理,得到外界照明的光源数据,所获得的彩色图像的外界光源数据为(0.432,0.431,0.462)。利用本发明提供的技术方案,获取原始的彩色图像的μ′v、ω、μ′、v′、δ、ξ数据以及J、M、K、P、Q、W、L、N、I数据,然后利用转换关系R′=J·R+P·G+L·B、G′=M·R+Q·G+N·B和B′=K·R+W·G+I·B进行图像数据处理,并执行取整数操作,获得处理后的具有颜色描述一致特性的R′、G′、B′彩色图像,见图7(c),可见,利用本发明提供的技术方案进行处理,数字化采集设备捕获的色调偏弱、偏暗的原始图像,恢复了其在没有外界干扰时的客观、本质外貌特征。
应当说明的是,为了便于在常规显色设备上展示,图7为已将数值为0-1024范围的图像像素数据在显示时线性转化为了0-255的范围,但是本发明提供的技术方案对图像数据进行处理时,若不需要显示则不需要进行上述为了显示而在数据范围方面的数据转换。
实施例三:
图8(a)为用数字化采集设备捕获的一幅彩色图像,图像的整体色调偏绿,图像的大小为3328×2496像素,图像像素R、G、B颜色值的取值范围为0-255,Ω=255。参见图1-4和步骤1-4,利用图像的R、G、B数据以及本发明提供的技术方案,获得彩色图像的L′、a′、b′数据,并对图像进行k个子区域划分的聚类分析,优选的,选择“K-means”方法进行聚类,获得图像的“k个子区域划分”的子区域划分图像,其显示效果图如图8(b)所示,k个子区域中有2个为正方形或矩形的几何形状,所采用的图像划分的条件为:最小子区域的像素面积占图像总面积的比值为0.5%,子区域内的ΔPL′a′b′的最大值为3.0,子区域之间的ΔSL′a′b′的最小值为5.0,所获得的图像子区域的数目k为50。
参见图1-4和步骤1-4,依据图8(a)原始图像和图8(b)图像子区域划分示意图,对所获得的图像子区域执行光源颜色值的计算,首先由子区域的R、G、B数据构建其r-ψ、g-ψ和b-ψ数据集,并在直角坐标系中进行线性拟合处理,获得k个子区域的光源颜色信息,然后对k个光源颜色信息执行平均化处理,得到外界照明的光源数据,所获得的彩色图像的外界光源数据为(0.69,0.784,0.682)。利用本发明提供的技术方案,获得彩色图像的μ、v、ω、μ′、v′、δ、ξ数据以及J、M、K、P、Q、W、L、N、I数据,然后利用转换关系R′=J·R+P·G+L·B、G′=M·R+Q·G+N·B和B′=K·R+W·G+I·B进行图像数据处理并进行取整数操作,获得处理后的具有颜色描述一致特性的R′、G′、B′彩色图像,见图8(c),可见,利用本发明提供的技术方案进行处理,数字化采集设备捕获的偏绿的原始图像,恢复了其在没有外界干扰时的客观、本质外貌。此外,不难发现,不同的原始图像,利用本发明进行处理后所获得的图像图6(c)、图7(c)和图8(c)的外貌较为一致,较好的反映了图像内容的客观、本质属性。
实施例四:
图9(a)为用数字化采集设备捕获的一幅彩色图像,图像的整体色调偏蓝,图像的大小为3328×2496像素,图像像素R、G、B颜色值的取值范围为0-255,Ω=255。参见图1-4和步骤1-4,利用图像的R、G、B数据以及本发明提供的技术方案,获得彩色图像的L′、a′、b′数据,并对图像进行k个子区域划分的聚类分析,优选的,选择“K-means”方法进行聚类,获得图像的“k个子区域划分”的子区域划分图像,其显示效果图如图9(b)所示,具有正方形和/或矩形几何形状的子区域的数目与子区域总数的比值为30%,所采用的图像划分的条件为:最小子区域的像素面积占图像总面积的比值为0.5%,子区域内的ΔPL′a′b′的最大值为3.0,子区域之间的ΔSL′a′b′的最小值为5.0。
参见图1-4和步骤1-4,依据图9(a)原始图像和图9(b)图像子区域划分示意图,对所获得的图像子区域执行光源颜色值的计算,首先由子区域的R、G、B数据构建其r-ψ、g-ψ和b-ψ数据集,并在直角坐标系中进行线性拟合处理,获得k个子区域的光源颜色信息,然后对k个光源颜色信息执行平均化处理,得到外界照明的光源数据,所获得的彩色图像的外界光源数据为(0.639,0.639,0.843)。利用本发明提供的技术方案,获得彩色图像的μ、v、ω、μ′、v′、δ、ξ数据以及J、M、K、P、Q、W、L、N、I数据,然后利用转换关系R′=J·R+P·G+L·B、G′=M·R+Q·G+N·B和B′=K·R+W·G+I·B进行图像数据处理并进行取整数操作,获得处理后的具有颜色描述一致特性的R′、G′、B′彩色图像,见图9(c),可见,利用本发明提供的技术方案进行处理,数字化采集设备捕获的偏绿的原始图像,恢复了其在没有外界干扰时的客观、本质外貌。
此外,不难发现,虽然数字化设备所捕获的原始图像的视觉感知外貌有明显的不同,然而利用本发明提供的技术方案进行处理后所获得的处理后的彩色图像,见图6(c)、图7(c)、图8(c)以及图9(c),的外貌表现出了较为一致的图像外貌特征,均能较好的反映图像内容的客观、本质属性。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于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,这些都是属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种彩色图像颜色一致性描述方法,其特征在于,包括如下步骤:
步骤1:依据彩色图像的颜色、纹理的视觉感知相似性,将所述彩色图像划分为含有不规则几何形状的k个子区域,所述的k个子区域的子区域面积与图像总面积的比值的最小值不小于0.5%,所述的子区域的子区域内任意两像素之间的基于“像素L′a′b′数据”的像素间色差ΔPL′a′b′不大于3.0,所述的子区域的子区域之间的基于“像素L′a′b′数据”的子区域间色差ΔSL′a′b′的最小值不小于5.0;
所述的“像素L′a′b′数据”可根据下列关系式由图像像素的红、绿、蓝通道的颜色数据R、G、B计算得到,
L′=116f(Y)-16,a′=500[f(X)-f(Y)],b′=200[f(Y)-f(Z)],
其中,X=0.433953R+0.376219G+0.189828B,Y=0.212671R+0.715160G+0.072169B,
Z=0.017758R+0.109477G+0.872765B,用t表示X、Y、Z,则当t>0.00885645时f(t)=t1 /3,当t≤0.00885645时f(t)=7.78703704t+0.13793103;
所述的像素间色差ΔPL′a′b′为ΔPL′a′b′=[(L′2-L′1)2+(a′2-a′1)2+(b′2-b′1)2]1/2,L′2、L′1、a′2、a′1、b′2、b′1为两个像素的L′、a′、b′数据;
所述的子区域间色差ΔSL′a′b′为ΔSL′a′b′=[(SL′2-SL′1)2+(Sa′2-Sa′1)2+(Sb′2-Sb′1)2]1/2,SL′2、SL′1、Sa′2、Sa′1、Sb′2、Sb′1为两个子区域的所有像素的像素L′、a′、b′数据的平均值;
步骤2:对步骤1所述的k个子区域,进行图像子区域外界照明光源的颜色计算,通过执行下列操作来实现:
(1)令第I个所述图像子区域的照明光源的颜色值为(MR,MG,MB),其中的I为1~k之间的整数,MR、MG和MB为第I个所述子区域的照明光源的红、绿和蓝颜色值,然后计算第I个子区域的每个像素的r=R/(R+G+B)、g=G/(R+G+B)、b=B/(R+G+B)以及ψ=1/(R+G+B)值,R、G、B为图像像素的红、绿、蓝通道的颜色值,ψ为图像像素的红、绿、蓝颜色值的和的倒数,并由第I个子区域的所有像素的r、g、b和ψ数据构建r-ψ、g-ψ和b-ψ数据集;
(2)利用最小二乘法对操作(1)所获得的r-ψ、g-ψ和b-ψ数据集在平面直角坐标系中分别进行线性拟合处理,所采用的拟合关系式具有y=kx+m的形式,其中的y对应r、g和b数据而x对应ψ数据,所得到的r-ψ、g-ψ和b-ψ数据集的数据拟合关系式分别为y=kr-ψx+MR、y=kg-ψx+MG、y=kb-ψx+MB,其中的kr-ψ、kg-ψ、kb-ψ、MR、MG、MB为由所述的r-ψ、g-ψ和b-ψ数据集经线性拟合处理而得到的拟合参数值,则第I个图像子区域的照明光源的颜色值为(MR,MG,MB);
(3)重复执行操作(1)和操作(2),获得步骤1所述的k个子区域的照明光源的颜色值(MRI,MGI,MBI),I=1~k,再对所获得的k个颜色值执行平均化处理,得到外界照明光源的颜色值(mr,mg,mb),mr=∑MRI/k、mg=∑MGI/k、mb=∑MBI/k;
步骤3:对彩色图像进行颜色一致性描述处理,将彩色图像的像素数据转换到具有描述一致性特征的光源下,通过执行下列操作来实现:
(1)利用步骤2所获得的光源颜色值(mr,mg,mb),令μ=mr-0.5mg-0.5mb、v=0.866mg-0.866mb、ω=0.6667mr+0.6667mg+0.6667mb,于是得到μ′=v/(μ2+v2)1/2、v′=-μ/(μ2+v2)1/2、δ=ω/(μ2+v2+ω2)1/2和ξ=(1-δ2)1/2;
(2)依据步骤3的操作(1)所获得的μ′、v′、δ和ξ数据,对彩色图像的所有像素的R、G、B颜色值进行数据转换处理,通过执行下列转换关系来实现:
R′=J·R+P·G+L·B,G′=M·R+Q·G+N·B,B′=K·R+W·G+I·B,
其中,
J=0.67μ′2-0.95v′2ξ-0.33(μ′2-v′2)δ,
M=-0.33μ′2+0.19μ′v′+(0.39μ′-0.28v′)ξ-(0.33μ′2+0.67v′2-0.19μ′v′)δ,
K=-0.33μ′2-0.19μ′v′-(0.39μ′+0.28v′)ξ-(0.33μ′2+0.67v′2+0.19μ′v′)δ,
P=-0.33μ′2+0.58μ′v′+(0.43μ′+0.69v′)ξ+(0.33μ′2-0.58μ′v′)δ,
Q=0.17μ′2+0.5v′2-0.19μ′v′+(0.05μ′+0.03v′)ξ+(0.83μ′2+0.5v′2+0.19μ′v′)δ,
W=0.17μ′2-0.5v′2-0.38μ′v′+(0.82μ′+0.03v′)ξ-(0.17μ′2-0.5v′2-0.38μ′v′)δ,
L=-0.33μ′2-0.58μ′v′-(0.43μ′-0.69v′)ξ+(0.33μ′2+0.58μ′v′)δ,
N=0.17μ′2-0.5v′2+0.38μ′v′-(0.82μ′-0.03v′)ξ-(0.17μ′2-0.5v′2+0.38μ′v′)δ,
I=0.17μ′2+0.5v′2+0.19μ′v′-(0.05μ′-0.03v′)ξ+(0.83μ′2+0.5v′2-0.19μ′v′)δ,
于是,得到了具有颜色描述一致性特征的图像像素的相应颜色数据R′、G′、B′,再对R′、G′、B′数据进行取整数操作,即R′=int[R′]、G′=int[G′]和B′=int[B′],获得彩色图像像素的最终颜色数据R′、G′和B′。
2.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的彩色图像为利用经过仪器基本功能校准的采集设备所捕获的、没有经过进一步处理的原始彩色图像,不包括利用软件技术进行处理所获得的人工合成的彩色图像。
3.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的彩色图像的颜色、纹理的视觉感知相似性,体现在,所述的子区域的子区域内任意两像素之间的基于“像素L′a′b′数据”的像素间色差ΔPL′a′b′不大于3.0,所述的子区域的子区域之间的基于“像素L′a′b′数据”的子区域间色差ΔSL′a′b′的最小值不小于5.0。
4.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的不规则几何形状为非正方形和矩形的任意几何形状。
5.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的含有不规则几何形状的k个子区域,为所述的k个子区域均为具有非正方形和矩形的任意几何形状。
6.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的含有不规则几何形状的k个子区域,为所述的k个子区域中,具有正方形和/或矩形几何形状的子区域的数量占所述子区域总数的比例不超过30%。
7.根据权利要求1所述的一种彩色图像颜色一致性描述方法,其特征在于,所述的k个子区域的划分,采用“k-means”聚类分析算法实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409572.8A CN110136214B (zh) | 2019-05-15 | 2019-05-15 | 一种彩色图像颜色一致性描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409572.8A CN110136214B (zh) | 2019-05-15 | 2019-05-15 | 一种彩色图像颜色一致性描述方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110136214A CN110136214A (zh) | 2019-08-16 |
CN110136214B true CN110136214B (zh) | 2023-05-23 |
Family
ID=67574690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409572.8A Active CN110136214B (zh) | 2019-05-15 | 2019-05-15 | 一种彩色图像颜色一致性描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110136214B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377376A (zh) * | 2012-04-13 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 图像分类的方法和系统、图像检索的方法和系统 |
CN104599241A (zh) * | 2014-12-05 | 2015-05-06 | 上海交通大学 | 全自动高效计算的颜色一致性方法 |
CN105118076A (zh) * | 2015-07-30 | 2015-12-02 | 上海应用技术学院 | 基于过度分割和局部与全局一致性的图像彩色化方法 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
-
2019
- 2019-05-15 CN CN201910409572.8A patent/CN110136214B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377376A (zh) * | 2012-04-13 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 图像分类的方法和系统、图像检索的方法和系统 |
CN104599241A (zh) * | 2014-12-05 | 2015-05-06 | 上海交通大学 | 全自动高效计算的颜色一致性方法 |
CN105118076A (zh) * | 2015-07-30 | 2015-12-02 | 上海应用技术学院 | 基于过度分割和局部与全局一致性的图像彩色化方法 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
Non-Patent Citations (5)
Title |
---|
Design of Comprehensive Color Feature Vector for Tile Color Online Inspection;Weiqing Li 等;《2008 International Symposium on Information Science and Engieering》;20081230;全文 * |
Piecewise-consistent Color Mappings of Images Acquired Under Various Conditions;Sefy Kagarlitsky 等;《IEEE》;20100506;全文 * |
基于Retinex算法的中波红外图像区域分割;肖宇 等;《激光杂志》;20190430;第40卷(第4期);全文 * |
基于视觉一致性的图像检索;贺广南 等;《中国图象图形学报》;20110430;第16卷(第4期);全文 * |
结合区域颜色一致性和图割的复杂场景文本分割方法;刘晓佩;《控制与决策》;20151130;第30卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110136214A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mojsilovic | A computational model for color naming and describing color composition of images | |
Faridul et al. | A Survey of Color Mapping and its Applications. | |
Tremeau et al. | Color in image and video processing: most recent trends and future research directions | |
US6909806B2 (en) | Image background replacement method | |
CN109147005B (zh) | 一种用于红外图像的自适应染色方法、系统、存储介质、终端 | |
CN111489346B (zh) | 一种全参考图像质量评价方法及系统 | |
CN111429370B (zh) | 一种煤矿井下的图像增强方法、系统及计算机存储介质 | |
CN112614060A (zh) | 人脸图像头发渲染方法、装置、电子设备和介质 | |
KR20070090224A (ko) | 전자 색 이미지 채도 처리 방법 | |
CN112802137B (zh) | 一种基于卷积自编码器的颜色恒常性方法 | |
Rodríguez et al. | Color matching images with unknown non-linear encodings | |
CN110136214B (zh) | 一种彩色图像颜色一致性描述方法 | |
Panetta et al. | Novel multi-color transfer algorithms and quality measure | |
Zhang | Color feature extraction | |
Bojie et al. | Research on tea bud identification technology based on HSI/HSV color transformation | |
CN109102473B (zh) | 一种改善彩色数字图像质量的方法 | |
Wong et al. | Single image realism assessment and recoloring by color compatibility | |
CN108053452B (zh) | 一种基于混合模型的数字图像色彩提取方法 | |
Zhu et al. | Image Shadow Detection and Removal in Autonomous Vehicle Based on Support Vector Machine. | |
Khediri et al. | Comparison of image segmentation using different color spaces | |
Zhi | An alternative green screen keying method for film visual effects | |
Hu et al. | General regression neural network utilized for color transformation between images on RGB color space | |
CN107454374B (zh) | 图像处理装置、图像处理方法以及图像处理系统 | |
CN110674336A (zh) | 一种识别、检索影像文件的系统 | |
Nishikawa et al. | Dynamic color lines |
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 |