CN113077405A - 二分割分块的颜色传递及其质量评价体系 - Google Patents
二分割分块的颜色传递及其质量评价体系 Download PDFInfo
- Publication number
- CN113077405A CN113077405A CN202110329286.8A CN202110329286A CN113077405A CN 113077405 A CN113077405 A CN 113077405A CN 202110329286 A CN202110329286 A CN 202110329286A CN 113077405 A CN113077405 A CN 113077405A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- transfer
- images
- source image
- 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.)
- Withdrawn
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 224
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 96
- 230000005540 biological transmission Effects 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 239000003086 colorant Substances 0.000 claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000009877 rendering Methods 0.000 claims abstract description 9
- 230000014759 maintenance of location Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 230000006872 improvement Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002902 bimodal effect Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 abstract description 5
- 230000005012 migration Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明针对图像全局颜色传递算法的不足，提出了一种应用二分割分块的颜色传递方法，该算法针对图像的色彩直方图进行灰度临界值分割，从而将图像相差较大的两部分分离开来并分别进行对应的颜色传递，大幅改善了图像色彩的过度渲染问题；本发明同时提出了一种图像迁移质量评价体系及指标，即通过对比图像在进行颜色传递前后的视觉显示效果的变化提出了色彩一致性和边缘保持率统计因子，分别从图像的色彩分布和组成结构两个方面进行较全面的评价分析，该图像迁移质量评价体系客观使用，能够准确实用快速的评价图像迁移质量。
Description
技术领域
本发明涉及一种颜色传递及其质量评价体系，特别涉及一种二分割分块的颜色传递及其质量评价体系，属于颜色传递及其评价技术领域。
背景技术
随着信息技术在高速发展，人们的工作和生活对图像的需求越来越大。作为信息传播的一种重要媒介，图像信息是人们获取信息的最直接，最有效方式。图像质量的好坏直接影响人们获取信息的质量，因此图像信息处理受到人们的广泛关注和具有重要的价值。
图像处理以人的主观感受即视觉效果为参考来改善图像的显示效果，该过程是将有缺陷的图像修改为高质量的图像。图像通常凭借颜色、形状纹理等信息来记录和表现客观世界的现象和印象，颜色心理学表明不同的图像色彩给人以不同的视觉体验，改变图像的色彩会改变我们的视觉感受，橙色色彩能给人们以太阳般的温暖感受，蓝色有蓝天的轻盈感觉，灰色具有沮丧沉重的感觉。另外,许多的颜色在很多文化中还具有一定的象征意义，在很多文化看来，红色代表着喜庆幸运，白色代表着纯洁和平，黑色象征着黑暗与死亡，绿色象征着生命与自然。颜色与人们的生活息息相关，是日常生活中重要的一部分，因此颜色传递学习技术的出现，满足了人们追求个性化，艺术化的来改变图像的颜色类型及分布的需求。
大自然中充满着丰富多彩的颜色，绿色的草地、蓝色的天空、五彩缤纷的花朵，这些颜色给人们以视觉上美的感受，其实人眼看到的这些绚丽的颜色实际上是照射在物体表明的白光被吸收特定频率的光后余下的光反射在人的视网膜而形成的一种视觉感觉，因此光是各种颜色出现的根源。光是一种电磁波，它能够被人眼捕捉并使人眼产生明暗感觉，光通常用波长来进行定量描述，可见光的波长只占整个光谱波长范围的很小一部分，这部分光呈现的颜色随波长由短到长从紫到红依次变化。
颜色视觉的感知和人的生理及心理因素有密切的关联，要对颜色进行精确的分析就需要对颜色进行精确评价，对颜色定量评价的研发推动了颜色空间理论的发展，而颜色空间理论又是计算机视觉研究的理论基础，当前颜色空间理论的理论体系已基本完全建立，使用比较多的颜色空间有RGB、XYZ、LMS、HSV、Lαβ等，并且不同的颜色空间都有其相应的应用领域，因此在进行图像处理工作时，应根据图像处理的具体要求，选择合适的颜色空间至关重要。
颜色传递利用统计学的方法来改变图像的色彩特征，它主要实现的是一张图像在保持自身内容信息的同时学习另一张或者多张图像的色彩信息。根据待迁移图像的类型不同，颜色传递方法总体上可归纳为两大类：对彩色图像进行颜色传递和对灰度图像彩色化处理。当前颜色传递使用主要发生在以下几个方面：
一是灰度图像彩色化，由于人眼视觉系统对彩色更加敏感，所以在人眼看来彩色图像包含着比灰度图像更丰富的细节信息，能给人们带来更愉快的视觉体验，然而由于技术等原因，一些老旧照片及老旧经典影像大都是灰度成像，另外，一些红外拍摄的图像、医学CT图像、核磁共振图像等受限于成像技术的特征和显示介质的特殊性，通常也是以灰度图像的形式来显现，如果能够使这些灰度影像自然彩色化，将具有更加现实的意义和巨大的应用价值；
二是彩色图像的渲染，利用颜色传递技术可以改变某些图像中的色调分布，甚至能够获得特殊的显示效果，例如，将一张早晨拍摄的图像处理成具有黄昏阶调的效果，将一张自然场景进行季节阶调色彩的转换等，应用在摄影行业，只需获取一张场景的一张或者一组照片，就能通过颜色传递技术获得一系列不同色彩阶调的彩色图像，从而节约了拍摄时间和成本，因此，颜色传递技术不仅方便了人们的生活，而且具有重要的商业和经济意义；
三是印前的预处理，如在复制偏色失真图像时，通过运用颜色传递技术选取一张色彩阶调风格与我们期望的失真图像失真之前的阶调相近的图像，就可以自动还原失真图像的色彩阶调信息，从而获得偏色失真图像降质之前的视觉效果，同传统印前处理需要相关图像校正软件进行人工校正相比，可以节省大量的人力物力财力，所以，颜色传递在一定程度上消减了印前处理的工作量，加速了印前处理的速度。
现有技术依然没有一套较好的颜色传递方法，也缺少颜色传递质量评价体系，现有技术的难点和本发明解决的问题主要集中在以下方面：
第一，现有技术的图像间颜色传递方法的健壮性和鲁棒性较差，缺少自适应的自动化的颜色传递方法及其质量评价体系，无法改善图像间颜色全局传递算法的性能，现有技术缺少一种颜色传递质量的评价体系，缺少针对源图像间颜色传递质量从图像的颜色与纹理两个方面分别引入颜色一致性和纹理保持率的计算方法，颜色传递质量评价体系在颜色传递当前广泛使用的情况下十分重要，现有技术还没有一种性能优异、准确实用快速的评价图像迁移质量的解决方法；
第二，现有技术的图像间颜色传递方法整体上比较简单，传递速度较快，但只是简单的进行源图像和目标图像的基本统计信息对齐，并没有考虑到像素间的空间联系，具有局限性，只有当源图像和目标图像的结构信息接近的情况下才能取得稳定鲁棒的颜色传递效果，当源图像在色调，结构等方面与目标图像相差很远时，容易出现颜色过渡渲染甚至丢失很多图像细节信息；
第三，现有技术缺少一种图像迁移质量评价体系及指标，缺少分别从图像的色彩分布和组成结构两个方面进行较全面的评价分析，现有技术急需一种能够准确实用快速的评价图像迁移质量的体系或者方法；
第四，现有技术的全局颜色传递方法都是统计意义上的全局自适应颜色传递方法，当处理复杂色彩信息的自然图像时，容易出现色彩的错误传递，导致颜色传递的效果不符合预期目标，导致全局颜色传递的不自然的效果；众多有蓝天白云的场景图像在进行颜色传递时，现有技术很容易出现天空及白云颜色传递异常，容易出现目标图像主色调的颜色，比如目标图像中有大片绿色的草地时就会给源图像场景中的云渲染上绿色的阶调，从而使源图像颜色传递的不自然。
发明内容
针对现有技术的不足，本发明通过对颜色传递基本步骤的分析与测试，从图像局部相似性的角度出发进行了改进优化，提高了图像间颜色传递方法的健壮性和鲁棒性，对全局传递算法提出利用图像直方图进行二分割分块处理的改进方案，提出基于颜色传递的基本步骤的改进方法，改善图像间颜色全局传递算法的性能，提出一种颜色传递质量的评价体系，首先在传递开始之前，针对源图像和目标图像的颜色分布差异评价引入主色相似性的计算方法，然后针对源图像间颜色传递质量从图像的颜色与纹理两个方面分别引入颜色一致性和纹理保持率的计算方法，由此充分体现本发明颜色传递质量评价体系的必要性和先进性。。
为达到以上技术效果，本发明所采用的技术方案如下：
二分割分块的颜色传递及其质量评价体系，从图像局部相似性出发对颜色传递算法进行改进，并提出一张图像间颜色传递结果评价体系，提出针对颜色传递的质量评价参数，融合颜色传递的具体情况在图像传递前后分别从图像的颜色、纹理两个方面特征提出图像间颜色传递质量评价体系；
基于颜色传递的基本步骤的改进方案：将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，改善颜色传递的基本步骤的全局颜色传递的不自然的效果，具体的步骤包括：
第1步，分别统计进行颜色传递处理的两张图像的色彩直方图分布信息，然后根据色彩直方图分布，应用灰度临界值分割法找出双峰色彩直方图的谷底即可分离出图像,颜色差异明显的两部分，并分别计算这两部分的匹配权重值；
第2步，将两图像的像素数据由RGB空间变换到Lαβ空间；
第3步，在源图像和目标图像的对应区域分别应用本发明的颜色传递的基本步骤，然后将变换后的数据变换回RGB空间，从而完成源图像间颜色传递工作；
基于颜色传递的基本步骤的改进方案改善众多区域颜色过度传递的问题，并且传递后的图像的色彩直方图分布依然保持着双峰特征；
图像间颜色传递结果评价体系：定量的对图像颜色传递的质量进行评价，对图像间颜色传递效果的评价主要从两方面进行评价，一方面是评价进行颜色传递的源图像和目标图像的相似性，并解析相似性差异对颜色传递结果的影响以对颜色传递进行预分析，另一方面通过比较源图像在颜色传递前后在颜色纹理变化来评估颜色传递质量。
二分割分块的颜色传递及其质量评价体系，进一步的，二分割分块的图像间颜色传递方法：根据图像的直方图分布对图像进行二分处理，然后在对应区域分别进行全局传递，两张图像如果有相似的统计信息就会有相似的颜色视觉感受，通过一组线性数学变换来使源图像数据具有和目标图像类似的基本统计信息，使它们具有统一的像素均值和方差信息，最终使源图像取得目标图形的颜色信息，获得和目标图像相同或相似的颜色视觉效果，通过实验测试提高颜色传递的准确性，减轻图像众多区域的颜色过度渲染。
二分割分块的颜色传递及其质量评价体系，进一步的，颜色传递的基本步骤：
第一步，采用一个变换矩阵将源图像数据和目标图像数据由RGB颜色空间变换到lαβ空间；
第二步，分别统计两张图像在lαβ颜色空间三通道的均值vs、vt和方差信息σs、σt；
第三步，对源图像的三通道数据施加线性变换计算：
一是在lαβ颜色空间遍历整个源图像数据，将源图像的所有像素数据的三通道值分别减去其相应通道的均值；
二是将源图像像素数据的三通道值分别按照目标图像标准差和源图像标准差的比值比例使用缩放变换处理；
三是将上个步骤中经变换得到的所有像素数据的所有通道值分别与目标图像相应通道的统计均值相加运算；
四是在利用逆变换矩阵将源图像数据由lαβ空间转换回RGB空间并显示，实现源图像间颜色传递。
二分割分块的颜色传递及其质量评价体系，进一步的，基于颜色传递的基本步骤的改进方案：将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，具体的步骤包括：
第1步，分别统计进行颜色传递处理的两张图像的色彩直方图分布信息，然后根据色彩直方图分布，应用灰度临界值分割法找出双峰色彩直方图的谷底即可分离出图像,颜色差异明显的两部分，并分别计算这两部分的匹配权重值；
第2步，将两图像的像素数据由RGB空间变换到Lαβ空间；
第3步，在源图像和目标图像的对应区域分别应用本发明的颜色传递的基本步骤，然后将变换后的数据变换回RGB空间，从而完成源图像间颜色传递工作；
基于颜色传递的基本步骤的改进方案改善众多区域颜色过度传递的问题，并且传递后的图像的色彩直方图分布依然保持着双峰特征。
二分割分块的颜色传递及其质量评价体系，进一步的，源图像与目标图像的相似性评价：从颜色和结构两方面进行比较，对两张图像相似性进行评价，在结构方面采用结构相似度评价，在颜色方面主要评价两张图像的彩色度，通过彩色度的数值来评估彩色方面的差异，本发明采用图像色彩相关度法，具体表述形式为：
其中v，b为相应通道的均值和方差，rg＝R-G，yb＝0.5(R+G)-B，根据颜色统计对比源图像和目标图像的颜色度解析其颜色的差异性，当两张图像的颜色相关系数的差值大于13时，人眼就很容易辨别出这两种颜色的差异，而差值小于12时两张图像的颜色比较接近。
二分割分块的颜色传递及其质量评价体系，进一步的，图像结构相似度评价两张图像在结构内容上的相似性，人眼在观察图像时能通过提取结构信息获取对内容的感知，与基于统计的误差累积法的假设前提是信号间具有独立性和非相关性不同，自然图像的纹理具有很大的相关性，并且反映图像很多重要的信息，基于图像结构相似度的方法更能真实的反映图像的视觉差异特征；
通过对源图像和目标图像进行彩色度和结构相似性的计算比较，从颜色、结构纹理相似性两方面对图像间颜色传递提供一种参照，从而对颜色传递工作起到导向作用,具体而言根据传递之前对源图像和目标图像进行结构相似性分析和色彩度的差异分析，选择采用的传递方法以获得更好的传递结果及预测传递方法的传递效果。
二分割分块的颜色传递及其质量评价体系，进一步的，图像间颜色传递结果评价：对源图像颜色传递的质量进行评价主要是从源图像纹理的保持性和颜色的一致性两个方面进行评价。
二分割分块的颜色传递及其质量评价体系，进一步的，在对源图像的统计信息调整对齐的过程中，像素三通道值的改变会对图像的局部细节产生影响，针对源图像的纹理细节保持性的评价，本发明主要考虑图像边缘的损失情况，比较源图像在颜色传递前后的边缘的保持程度，图像的边缘是图像局部区域灰度变化比较迅速的区域，在图像边缘区域像素的灰度值会在某一个方向发生剧烈变化，选择边缘作为图像细节的评估标准是图像的边缘包含图像的最主要信息，对图像进行边缘信息提取大张度减少处理的数据量，去除许多相关性不强的信息的同时保留图像主要的结构信息，对于图像的目标识别与内容理解有非常重要的作用，本发明采用canny算子对图像进行边缘提取，详细的过程为：
过程一，使用高斯函数对图像进行平滑处理，这个过程所使用的函数模板是二维高斯函数的水平和垂直两个方向的偏导数，通过对该二维高斯函数对应梯度分解得到的行列两个方向的滤波器，来加快计算速度，然后使用这两个计算模板与图像卷积平滑；
过程二，计算图像的梯度值和方向，图像像素的梯度采用图像像素x、y方向的一阶差分近似表示；
过程三，修正图像局部梯度值的非极大值，不能仅仅根据单个像素梯度值的大小来确定边缘点，为过滤假边缘点，只提取图像屋脊带区域梯度值局部变化较大的像素点，而屋脊带宽度细化到单个像素；
过程四，利用双临界值算法检测并将边缘点连接起来，对上一步得到的结果与一个给定的临界值进行比较，梯度值小于该临界值的置零处理，单个临界值会导致提取的边缘信息过多或过少，临界值过高提取的边缘像素过少，无法准确反映图像的边缘，临界值过低会包含过多的伪边缘点，使用两个临界值的双临界值法来有效提取图像的边缘，在高临界值检测的基础上对低临界值的检测结果进行再次搜索，具体为边缘连接时以高临界值检测结果中的单个像素出发寻找一条不间断的轮廓线，然后该线的终点通过8邻域搜索在低临界值检测集合中的寻找非零像素点加到高临界值检测结果中，以该点为起点在高临界值检测结果中跟踪一条轮廓线直至线的终点，然后不断重复上述过程直到没有新的轮廓线出现为止；
在完成对源图像在颜色传递前后进行canny边缘检测提取工作之后，根据初始源图像的检测结果统计在颜色传递后边缘区域的损失情况，具体的计算式为：
r＝m0/m1
其中m0表示源图像在颜色传递之前的边缘点的数量，m1表示源图像在颜色传递之后原边缘点没有发生改变的个数，r的取值范围在0-1之间，当r＝1时说明源图像的边缘点完全没有发生变化，颜色传递的纹理细节保持的较好，相反当r＝0时说明图像的纹理结构完全发生了变化，颜色传递的效果非常差，已经完全破坏了图像的内容信息。
二分割分块的颜色传递及其质量评价体系，进一步的，源图像在颜色传递过程中颜色方面的传递质量评价由颜色一致性t来评价，本发明首先对源图像的色彩直方图分布进行主色提取，然后检查每种主色类中的像素点在颜色传递之后是否扔属于同一个主色类域中，对源图像进行主色聚类的过程为：
步骤一，变换图像数据的颜色空间到更容易评价图像颜色的HSV空间；
步骤二，对每个像素的h，s，v三通道值进行量化，其中h通道量化为16个值，s和v通道均量化为4个值，共计将图像的颜色量化为256种颜色，然后计算图像的色彩直方图；
步骤三，根据图像色彩直方图统计每种颜色的频数与某个特定临界值比较，以此提取图像的主色并统计每种主色i所包含的像素
N为主色的数量，在源图像进行颜色传递算法处理之后，统计在传递前每种主色i范围内的像素点仍然落在同一种主色范围内的数量并以
表示，对于整个图像，保持颜色一致性的像素点的中的个数为
源图像的颜色一致性评价式为：
t的取值范围也是介于0-1之间，t越大表明颜色的一致性保持的越好，当t＝1时，说明基本完全保持了源图像的颜色分布传递的结果比较好，当t＝0时说明源图像进行颜色传递后的结果完全偏离源图像的颜色结构分布传递的质量非常差。
与现有技术相比，本发明的贡献和创新点在于：
第一，本发明针对图像全局颜色传递算法的不足，提出了一种应用二分割分块的颜色传递方法，该算法针对图像的色彩直方图进行灰度临界值分割，从而将图像相差较大的两部分分离开来并分别进行对应的颜色传递，通过实验测试提高了颜色传递的准确性，大幅改善了图像色彩的过度渲染问题；
第二，本发明提出了一种图像迁移质量评价体系及指标，即通过对比图像在进行颜色传递前后的视觉显示效果的变化提出了色彩一致性和边缘保持率统计因子，分别从图像的色彩分布和组成结构两个方面进行较全面的评价分析，该图像迁移质量评价体系客观使用，能够准确实用快速的评价图像迁移质量；
第三，本发明将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，改善颜色传递的基本步骤的全局颜色传递的不自然的效果；
第四，本发明通过对颜色传递基本步骤的分析与测试，从图像局部相似性的角度出发进行了改进优化，提高了图像间颜色传递方法的健壮性和鲁棒性，本发明致力于自适应的自动化的颜色传递方法及其质量评价体系的研发，对全局传递算法提出利用图像直方图进行二分割分块处理的改进方案，提出基于颜色传递的基本步骤的改进方法，改善图像间颜色全局传递算法的性能，提出一种颜色传递质量的评价体系，首先在传递开始之前，针对源图像和目标图像的颜色分布差异评价引入主色相似性的计算方法，然后针对源图像间颜色传递质量从图像的颜色与纹理两个方面分别引入颜色一致性和纹理保持率的计算方法，由此充分体现本发明颜色传递质量评价体系的必要性和先进性。
附图说明
图1是颜色传递的基本步骤应用不成功的效果图。
图2是基于颜色传递的基本步骤的改进方案的效果图。
图3是颜色传递的基本步骤成功运用的直方图分布图。
图4是本发明方法改进前后的效果对比示意图。
具体实施方式
下面结合附图，对本发明提供的二分割分块的颜色传递及其质量评价体系的技术方案进行进一步的描述，使本领域的技术人员能够更好的理解本发明并能予以实施。
本发明从图像局部相似性出发对颜色传递算法进行改进，并提出一张图像间颜色传递结果评价体系，设计了针对颜色传递的质量评价参数，融合颜色传递的具体情况在图像传递前后分别从图像的颜色、纹理两个方面特征提出图像间颜色传递质量评价体系。
一、二分割分块的图像间颜色传递方法
现有技术的颜色传递算法主要有两大类，一类是利用全局统计信息进行对齐的彩色图像间的颜色传递算法，另一类是灰度图像彩色化的方法，这类算法首先需要从两张图像中寻找匹配点，然后进行点对点间的颜色传递从而完成灰度图像的彩色化工作。本发明通过分析经典全局传递算法的不足，提出根据图像的直方图分布对图像进行二分处理，然后在对应区域分别进行全局传递，通过实验测试提高了颜色传递的准确性，在一定程度上减轻了图像众多区域的颜色过度渲染现象。
两张图像如果有相似的统计信息就会有相似的颜色视觉感受，通过一组线性数学变换来使源图像数据具有和目标图像类似的基本统计信息，使它们具有统一的像素均值和方差信息，最终使源图像取得目标图形的颜色信息，获得和目标图像相同或相似的颜色视觉效果。
(一)颜色传递的基本步骤
第一步，采用一个变换矩阵将源图像数据和目标图像数据由RGB颜色空间变换到lαβ空间；
第二步，分别统计两张图像在lαβ颜色空间三通道的均值vs、vt和方差信息σs、σt；
第三步，对源图像的三通道数据施加线性变换计算：
一是在lαβ颜色空间遍历整个源图像数据，将源图像的所有像素数据的三通道值分别减去其相应通道的均值；
二是将源图像像素数据的三通道值分别按照目标图像标准差和源图像标准差的比值比例使用缩放变换处理；
三是将上个步骤中经变换得到的所有像素数据的所有通道值分别与目标图像相应通道的统计均值相加运算；
四是在利用逆变换矩阵将源图像数据由lαβ空间转换回RGB空间并显示，实现源图像间颜色传递。
采用以上方法进行测试，由结果图能够看到，基本能够取得较好的颜色效果，基本上能够使源图像获得和目标图像相似的色调信息，整体上比较简单，传递速度较快，但只是简单的进行源图像和目标图像的基本统计信息对齐，并没有考虑到像素间的空间联系，具有局限性，只有当源图像和目标图像的结构信息接近的情况下才能取得稳定鲁棒的颜色传递效果，如图1所示，当源图像在色调，结构等方面与目标图像相差很远时，容易出现颜色过渡渲染甚至丢失很多图像细节信息。
(二)基于颜色传递的基本步骤的改进方案
针对颜色传递的基本步骤的不足，通过对颜色传递的基本步骤的测试，从实验的测试结果中可以发现，众多有蓝天白云的场景图像在进行颜色传递时，很容易出现天空及白云颜色传递异常，容易出现目标图像主色调的颜色，比如目标图像中有大片绿色的草地时就会给源图像场景中的云渲染上绿色的阶调，从而使源图像颜色传递的不自然。具体的分析过程为：假设源图像的天空区域和其他区域的像素颜色均值为vs1、vs2，目标图像的天空区域和其他部分的像素均值为vt1、vt2，颜色传递的目标是为了实现vs1＝vt1、vs2＝vt2，根据全局颜色传递的转换公式运算后，对于源图像的天空部分的像素彩色通道的均值，与这部分区域颜色传递的期望值的偏差，于是可以得出结论当vs1≈vs且vt1≈vt，即这类图像的天空部分和其他部分颜色差异较大时不能取得预期的颜色传递效果。图2为基于颜色传递的基本步骤的改进方案的效果图，图3为颜色传递的基本步骤的成功运用的直方图分布。
进一步分析发现这类图像的色彩直方图呈明显的双峰分布，在这种情况下对每部分用全局的颜色信息进行传递就不可避免的会使部分区域的颜色传递结果出现过度渲染问题，因此本发明将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，改善颜色传递的基本步骤的全局颜色传递的不自然的效果。具体的步骤包括：
第1步，分别统计进行颜色传递处理的两张图像的色彩直方图分布信息，然后根据色彩直方图分布，应用灰度临界值分割法找出双峰色彩直方图的谷底即可分离出图像,颜色差异明显的两部分，并分别计算这两部分的匹配权重值；
第2步，将两图像的像素数据由RGB空间变换到Lαβ空间；
第3步，在源图像和目标图像的对应区域分别应用本发明的颜色传递的基本步骤，然后将变换后的数据变换回RGB空间，从而完成源图像间颜色传递工作。
基于颜色传递的基本步骤的改进方案的颜色传递的实验结果图4如下，通过与颜色传递的基本步骤的实验效果图进行对比可以发现，基于颜色传递的基本步骤的改进方案改善了众多区域颜色过度传递的问题，并且传递后的图像的色彩直方图分布依然保持着双峰特征。
二、图像间颜色传递结果评价体系
主观评价具有很强的不确定性和主观性，并且评价过程繁琐，因此为了得到稳定客观的图像间颜色传递评价结果就需要定量的对图像颜色传递的质量进行评价，本发明对图像间颜色传递效果的评价主要从两方面进行评价，一方面是评价进行颜色传递的源图像和目标图像的相似性，并解析相似性差异对颜色传递结果的影响以对颜色传递进行预分析，另一方面通过比较源图像在颜色传递前后在颜色纹理变化来评估颜色传递质量。
(一)源图像与目标图像的相似性评价
本发明从颜色和结构两方面进行比较，对两张图像相似性进行评价，在结构方面采用结构相似度评价，在颜色方面主要评价两张图像的彩色度，通过彩色度的数值来评估彩色方面的差异，本发明采用图像色彩相关度法，具体表述形式为：
其中v，b为相应通道的均值和方差，rg＝R-G，yb＝0.5(R+G)-B，根据颜色统计对比源图像和目标图像的颜色度解析其颜色的差异性，当两张图像的颜色相关系数的差值大于13时，人眼就很容易辨别出这两种颜色的差异，而差值小于12时两张图像的颜色比较接近。
图像结构相似度评价两张图像在结构内容上的相似性，人眼在观察图像时能通过提取结构信息获取对内容的感知，与基于统计的误差累积法的假设前提是信号间具有独立性和非相关性不同，自然图像的纹理具有很大的相关性，并且反映图像很多重要的信息，因此基于图像结构相似度的方法更能真实的反映图像的视觉差异特征。
通过对源图像和目标图像进行彩色度和结构相似性的计算比较，从颜色、结构纹理相似性两方面对图像间颜色传递提供一种参照，从而对颜色传递工作起到导向作用,具体而言根据传递之前对源图像和目标图像进行结构相似性分析和色彩度的差异分析，选择采用的传递方法以获得更好的传递结果及预测传递方法的传递效果。
(二)图像间颜色传递结果评价
本发明对源图像颜色传递的质量进行评价主要是从源图像纹理的保持性和颜色的一致性两个方面进行评价。
在对源图像的统计信息调整对齐的过程中，像素三通道值的改变会对图像的局部细节产生影响，针对源图像的纹理细节保持性的评价，本发明主要考虑图像边缘的损失情况，比较源图像在颜色传递前后的边缘的保持程度，图像的边缘是图像局部区域灰度变化比较迅速的区域，在图像边缘区域像素的灰度值会在某一个方向发生剧烈变化，选择边缘作为图像细节的评估标准是图像的边缘包含图像的最主要信息，对图像进行边缘信息提取大张度减少处理的数据量，去除许多相关性不强的信息的同时保留图像主要的结构信息，对于图像的目标识别与内容理解有非常重要的作用，本发明采用canny算子对图像进行边缘提取，详细的过程为：
过程一，使用高斯函数对图像进行平滑处理，这个过程所使用的函数模板是二维高斯函数的水平和垂直两个方向的偏导数，通过对该二维高斯函数对应梯度分解得到的行列两个方向的滤波器，来加快计算速度，然后使用这两个计算模板与图像卷积平滑；
过程二，计算图像的梯度值和方向，图像像素的梯度采用图像像素x、y方向的一阶差分近似表示；
过程三，修正图像局部梯度值的非极大值，不能仅仅根据单个像素梯度值的大小来确定边缘点，为过滤假边缘点，只提取图像屋脊带区域梯度值局部变化较大的像素点，而屋脊带宽度细化到单个像素；
过程四，利用双临界值算法检测并将边缘点连接起来，对上一步得到的结果与一个给定的临界值进行比较，梯度值小于该临界值的置零处理，单个临界值会导致提取的边缘信息过多或过少，临界值过高提取的边缘像素过少，无法准确反映图像的边缘，临界值过低会包含过多的伪边缘点，使用两个临界值的双临界值法来有效提取图像的边缘，在高临界值检测的基础上对低临界值的检测结果进行再次搜索，具体为边缘连接时以高临界值检测结果中的单个像素出发寻找一条不间断的轮廓线，然后该线的终点通过8邻域搜索在低临界值检测集合中的寻找非零像素点加到高临界值检测结果中，以该点为起点在高临界值检测结果中跟踪一条轮廓线直至线的终点，然后不断重复上述过程直到没有新的轮廓线出现为止；
在完成对源图像在颜色传递前后进行canny边缘检测提取工作之后，根据初始源图像的检测结果统计在颜色传递后边缘区域的损失情况，具体的计算式为：
r＝m0/m1
其中m0表示源图像在颜色传递之前的边缘点的数量，m1表示源图像在颜色传递之后原边缘点没有发生改变的个数，r的取值范围在0-1之间，当r＝1时说明源图像的边缘点完全没有发生变化，颜色传递的纹理细节保持的较好，相反当r＝0时说明图像的纹理结构完全发生了变化，颜色传递的效果非常差，已经完全破坏了图像的内容信息。
源图像在颜色传递过程中颜色方面的传递质量评价由颜色一致性t来评价，一个较好的颜色传递算法必须能保证在初始源图像中颜色相同的区域在应用颜色传递算法之后依然能够取得一致的颜色效果，人眼在比较两张图像时，视觉系统会过滤掉次要的颜色信息，更多关注图像的主颜色，主色是图像中的目标的颜色或背景的颜色中占有较大区域的颜色，为了统计的方便，本发明首先对源图像的色彩直方图分布进行主色提取，然后检查每种主色类中的像素点在颜色传递之后是否扔属于同一个主色类域中，对源图像进行主色聚类的过程为：
步骤一，变换图像数据的颜色空间到更容易评价图像颜色的HSV空间；
步骤二，对每个像素的h，s，v三通道值进行量化，其中h通道量化为16个值，s和v通道均量化为4个值，共计将图像的颜色量化为256种颜色，然后计算图像的色彩直方图；
步骤三，根据图像色彩直方图统计每种颜色的频数与某个特定临界值比较，以此提取图像的主色并统计每种主色i所包含的像素
N为主色的数量，在源图像进行颜色传递算法处理之后，统计在传递前每种主色i范围内的像素点仍然落在同一种主色范围内的数量并以
表示，对于整个图像，保持颜色一致性的像素点的中的个数为
源图像的颜色一致性评价式为：
t的取值范围也是介于0-1之间，t越大表明颜色的一致性保持的越好，当t＝1时，说明基本完全保持了源图像的颜色分布传递的结果比较好，当t＝0时说明源图像进行颜色传递后的结果完全偏离源图像的颜色结构分布传递的质量非常差。
本发明通过对颜色传递基本步骤的分析与测试，从图像局部相似性的角度出发进行了改进优化，提高了图像间颜色传递方法的健壮性和鲁棒性，本发明致力于自适应的自动化的颜色传递方法及其其质量评价体系的研发，对全局传递算法提出利用图像直方图进行二分割分块处理的改进方案，提出基于颜色传递的基本步骤的改进方法，改善图像间颜色全局传递算法的性能，提出一种颜色传递质量的评价体系，首先在传递开始之前，针对源图像和目标图像的颜色分布差异评价引入主色相似性的计算方法，然后针对源图像间颜色传递质量从图像的颜色与纹理两个方面分别引入颜色一致性和纹理保持率的计算方法。
Claims (9)
1.二分割分块的颜色传递及其质量评价体系，其特征在于，从图像局部相似性出发对颜色传递算法进行改进，并提出一张图像间颜色传递结果评价体系，提出针对颜色传递的质量评价参数，融合颜色传递的具体情况在图像传递前后分别从图像的颜色、纹理两个方面特征提出图像间颜色传递质量评价体系；
基于颜色传递的基本步骤的改进方案：将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，改善颜色传递的基本步骤的全局颜色传递的不自然的效果，具体的步骤包括：
第1步，分别统计进行颜色传递处理的两张图像的色彩直方图分布信息，然后根据色彩直方图分布，应用灰度临界值分割法找出双峰色彩直方图的谷底即可分离出图像,颜色差异明显的两部分，并分别计算这两部分的匹配权重值；
第2步，将两图像的像素数据由RGB空间变换到Lαβ空间；
第3步，在源图像和目标图像的对应区域分别应用本发明的颜色传递的基本步骤，然后将变换后的数据变换回RGB空间，从而完成源图像间颜色传递工作；
基于颜色传递的基本步骤的改进方案改善众多区域颜色过度传递的问题，并且传递后的图像的色彩直方图分布依然保持着双峰特征；
图像间颜色传递结果评价体系：定量的对图像颜色传递的质量进行评价，对图像间颜色传递效果的评价主要从两方面进行评价，一方面是评价进行颜色传递的源图像和目标图像的相似性，并解析相似性差异对颜色传递结果的影响以对颜色传递进行预分析，另一方面通过比较源图像在颜色传递前后在颜色纹理变化来评估颜色传递质量。
2.根据权利要求1所述的二分割分块的颜色传递及其质量评价体系，其特征在于，二分割分块的图像间颜色传递方法：根据图像的直方图分布对图像进行二分处理，然后在对应区域分别进行全局传递，两张图像如果有相似的统计信息就会有相似的颜色视觉感受，通过一组线性数学变换来使源图像数据具有和目标图像类似的基本统计信息，使它们具有统一的像素均值和方差信息，最终使源图像取得目标图形的颜色信息，获得和目标图像相同或相似的颜色视觉效果，通过实验测试提高颜色传递的准确性，减轻图像众多区域的颜色过度渲染。
3.根据权利要求1所述的二分割分块的颜色传递及其质量评价体系，其特征在于，颜色传递的基本步骤：
第一步，采用一个变换矩阵将源图像数据和目标图像数据由RGB颜色空间变换到lαβ空间；
第二步，分别统计两张图像在lαβ颜色空间三通道的均值vs、vt和方差信息σs、σt；
第三步，对源图像的三通道数据施加线性变换计算：
一是在lαβ颜色空间遍历整个源图像数据，将源图像的所有像素数据的三通道值分别减去其相应通道的均值；
二是将源图像像素数据的三通道值分别按照目标图像标准差和源图像标准差的比值比例使用缩放变换处理；
三是将上个步骤中经变换得到的所有像素数据的所有通道值分别与目标图像相应通道的统计均值相加运算；
四是在利用逆变换矩阵将源图像数据由lαβ空间转换回RGB空间并显示，实现源图像间颜色传递。
4.根据权利要求3所述的二分割分块的颜色传递及其质量评价体系，其特征在于，基于颜色传递的基本步骤的改进方案：将源图像和目标图像的蓝天白云与其他部分进行分离，即将色彩直方图有明显双峰分布的源图像和目标图像根据色彩直方图分布使用最大类间方差法进行临界值分割，然后就可以对这两部分区域分别进行对应的传递，这样两图像对应的区域的彩色分布差异就比较小，具体的步骤包括：
第1步，分别统计进行颜色传递处理的两张图像的色彩直方图分布信息，然后根据色彩直方图分布，应用灰度临界值分割法找出双峰色彩直方图的谷底即可分离出图像,颜色差异明显的两部分，并分别计算这两部分的匹配权重值；
第2步，将两图像的像素数据由RGB空间变换到Lαβ空间；
第3步，在源图像和目标图像的对应区域分别应用本发明的颜色传递的基本步骤，然后将变换后的数据变换回RGB空间，从而完成源图像间颜色传递工作；
基于颜色传递的基本步骤的改进方案改善众多区域颜色过度传递的问题，并且传递后的图像的色彩直方图分布依然保持着双峰特征。
5.根据权利要求1所述的二分割分块的颜色传递及其质量评价体系，其特征在于，源图像与目标图像的相似性评价：从颜色和结构两方面进行比较，对两张图像相似性进行评价，在结构方面采用结构相似度评价，在颜色方面主要评价两张图像的彩色度，通过彩色度的数值来评估彩色方面的差异，本发明采用图像色彩相关度法，具体表述形式为：
其中v，b为相应通道的均值和方差，rg＝R-G，yb＝0.5(R+G)-B，根据颜色统计对比源图像和目标图像的颜色度解析其颜色的差异性，当两张图像的颜色相关系数的差值大于13时，人眼就很容易辨别出这两种颜色的差异，而差值小于12时两张图像的颜色比较接近。
6.根据权利要求5所述的二分割分块的颜色传递及其质量评价体系，其特征在于，图像结构相似度评价两张图像在结构内容上的相似性，人眼在观察图像时能通过提取结构信息获取对内容的感知，与基于统计的误差累积法的假设前提是信号间具有独立性和非相关性不同，自然图像的纹理具有很大的相关性，并且反映图像很多重要的信息，基于图像结构相似度的方法更能真实的反映图像的视觉差异特征；
通过对源图像和目标图像进行彩色度和结构相似性的计算比较，从颜色、结构纹理相似性两方面对图像间颜色传递提供一种参照，从而对颜色传递工作起到导向作用,具体而言根据传递之前对源图像和目标图像进行结构相似性分析和色彩度的差异分析，选择采用的传递方法以获得更好的传递结果及预测传递方法的传递效果。
7.根据权利要求1所述的二分割分块的颜色传递及其质量评价体系，其特征在于，图像间颜色传递结果评价：对源图像颜色传递的质量进行评价主要是从源图像纹理的保持性和颜色的一致性两个方面进行评价。
8.根据权利要求7所述的二分割分块的颜色传递及其质量评价体系，其特征在于，在对源图像的统计信息调整对齐的过程中，像素三通道值的改变会对图像的局部细节产生影响，针对源图像的纹理细节保持性的评价，本发明主要考虑图像边缘的损失情况，比较源图像在颜色传递前后的边缘的保持程度，图像的边缘是图像局部区域灰度变化比较迅速的区域，在图像边缘区域像素的灰度值会在某一个方向发生剧烈变化，选择边缘作为图像细节的评估标准是图像的边缘包含图像的最主要信息，对图像进行边缘信息提取大张度减少处理的数据量，去除许多相关性不强的信息的同时保留图像主要的结构信息，对于图像的目标识别与内容理解有非常重要的作用，本发明采用canny算子对图像进行边缘提取，详细的过程为：
过程一，使用高斯函数对图像进行平滑处理，这个过程所使用的函数模板是二维高斯函数的水平和垂直两个方向的偏导数，通过对该二维高斯函数对应梯度分解得到的行列两个方向的滤波器，来加快计算速度，然后使用这两个计算模板与图像卷积平滑；
过程二，计算图像的梯度值和方向，图像像素的梯度采用图像像素x、y方向的一阶差分近似表示；
过程三，修正图像局部梯度值的非极大值，不能仅仅根据单个像素梯度值的大小来确定边缘点，为过滤假边缘点，只提取图像屋脊带区域梯度值局部变化较大的像素点，而屋脊带宽度细化到单个像素；
过程四，利用双临界值算法检测并将边缘点连接起来，对上一步得到的结果与一个给定的临界值进行比较，梯度值小于该临界值的置零处理，单个临界值会导致提取的边缘信息过多或过少，临界值过高提取的边缘像素过少，无法准确反映图像的边缘，临界值过低会包含过多的伪边缘点，使用两个临界值的双临界值法来有效提取图像的边缘，在高临界值检测的基础上对低临界值的检测结果进行再次搜索，具体为边缘连接时以高临界值检测结果中的单个像素出发寻找一条不间断的轮廓线，然后该线的终点通过8邻域搜索在低临界值检测集合中的寻找非零像素点加到高临界值检测结果中，以该点为起点在高临界值检测结果中跟踪一条轮廓线直至线的终点，然后不断重复上述过程直到没有新的轮廓线出现为止；
在完成对源图像在颜色传递前后进行canny边缘检测提取工作之后，根据初始源图像的检测结果统计在颜色传递后边缘区域的损失情况，具体的计算式为：
r＝m0/m1
其中m0表示源图像在颜色传递之前的边缘点的数量，m1表示源图像在颜色传递之后原边缘点没有发生改变的个数，r的取值范围在0-1之间，当r＝1时说明源图像的边缘点完全没有发生变化，颜色传递的纹理细节保持的较好，相反当r＝0时说明图像的纹理结构完全发生了变化，颜色传递的效果非常差，已经完全破坏了图像的内容信息。
9.根据权利要求8所述的二分割分块的颜色传递及其质量评价体系，其特征在于，源图像在颜色传递过程中颜色方面的传递质量评价由颜色一致性t来评价，本发明首先对源图像的色彩直方图分布进行主色提取，然后检查每种主色类中的像素点在颜色传递之后是否扔属于同一个主色类域中，对源图像进行主色聚类的过程为：
步骤一，变换图像数据的颜色空间到更容易评价图像颜色的HSV空间；
步骤二，对每个像素的h，s，v三通道值进行量化，其中h通道量化为16个值，s和v通道均量化为4个值，共计将图像的颜色量化为256种颜色，然后计算图像的色彩直方图；
步骤三，根据图像色彩直方图统计每种颜色的频数与某个特定临界值比较，以此提取图像的主色并统计每种主色i所包含的像素
N为主色的数量，在源图像进行颜色传递算法处理之后，统计在传递前每种主色i范围内的像素点仍然落在同一种主色范围内的数量并以
表示，对于整个图像，保持颜色一致性的像素点的中的个数为
源图像的颜色一致性评价式为：
t的取值范围也是介于0-1之间，t越大表明颜色的一致性保持的越好，当t＝1时，说明基本完全保持了源图像的颜色分布传递的结果比较好，当t＝0时说明源图像进行颜色传递后的结果完全偏离源图像的颜色结构分布传递的质量差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110329286.8A CN113077405A (zh) | 2021-03-27 | 2021-03-27 | 二分割分块的颜色传递及其质量评价体系 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110329286.8A CN113077405A (zh) | 2021-03-27 | 2021-03-27 | 二分割分块的颜色传递及其质量评价体系 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113077405A true CN113077405A (zh) | 2021-07-06 |
Family
ID=76611025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110329286.8A Withdrawn CN113077405A (zh) | 2021-03-27 | 2021-03-27 | 二分割分块的颜色传递及其质量评价体系 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113077405A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703916A (zh) * | 2023-08-07 | 2023-09-05 | 山东正基药业有限公司 | 一种基于图像处理的洗化水质量监测方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281642A (zh) * | 2008-05-12 | 2008-10-08 | 西安理工大学 | 基于自适应聚类颜色传递的雾天图像清晰化方法 |
| CN101441763A (zh) * | 2008-11-11 | 2009-05-27 | 浙江大学 | 基于颜色传递的多色调图像统一调整方法 |
| CN102663745A (zh) * | 2012-03-23 | 2012-09-12 | 北京理工大学 | 一种基于视觉任务的彩色融合图像质量评价方法 |
| CN103606163A (zh) * | 2013-12-04 | 2014-02-26 | 南京汇川工业视觉技术开发有限公司 | 基于四元数理论和canny算法的彩色图像边缘检测方法 |
| CN105844640A (zh) * | 2016-03-24 | 2016-08-10 | 西安电子科技大学 | 基于梯度的彩色图像质量评价方法 |
| CN106815826A (zh) * | 2016-12-27 | 2017-06-09 | 上海交通大学 | 基于场景识别的夜视图像彩色融合方法 |
| CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
| CN109710791A (zh) * | 2018-12-14 | 2019-05-03 | 中南大学 | 一种基于显著滤波器的多源彩色图像颜色迁移方法 |
| CN109859157A (zh) * | 2018-11-16 | 2019-06-07 | 天津大学 | 基于视觉注意特征的全参考图像质量评价方法 |
| CN109872331A (zh) * | 2019-01-30 | 2019-06-11 | 天津大学 | 一种基于深度学习的遥感图像数据自动识别分类方法 |
| CN109919959A (zh) * | 2019-01-24 | 2019-06-21 | 天津大学 | 基于色彩、自然性及结构的色调映射图像质量评价方法 |
| CN112102269A (zh) * | 2020-09-01 | 2020-12-18 | 浙江大学 | 计算风格迁移质量相似度的方法、装置、计算机设备和存储介质 |
| CN112132774A (zh) * | 2019-07-29 | 2020-12-25 | 方玉明 | 一种色调映射图像的质量评价方法 |
-
2021
- 2021-03-27 CN CN202110329286.8A patent/CN113077405A/zh not_active Withdrawn
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281642A (zh) * | 2008-05-12 | 2008-10-08 | 西安理工大学 | 基于自适应聚类颜色传递的雾天图像清晰化方法 |
| CN101441763A (zh) * | 2008-11-11 | 2009-05-27 | 浙江大学 | 基于颜色传递的多色调图像统一调整方法 |
| CN102663745A (zh) * | 2012-03-23 | 2012-09-12 | 北京理工大学 | 一种基于视觉任务的彩色融合图像质量评价方法 |
| CN103606163A (zh) * | 2013-12-04 | 2014-02-26 | 南京汇川工业视觉技术开发有限公司 | 基于四元数理论和canny算法的彩色图像边缘检测方法 |
| CN105844640A (zh) * | 2016-03-24 | 2016-08-10 | 西安电子科技大学 | 基于梯度的彩色图像质量评价方法 |
| CN106815826A (zh) * | 2016-12-27 | 2017-06-09 | 上海交通大学 | 基于场景识别的夜视图像彩色融合方法 |
| CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
| CN109859157A (zh) * | 2018-11-16 | 2019-06-07 | 天津大学 | 基于视觉注意特征的全参考图像质量评价方法 |
| CN109710791A (zh) * | 2018-12-14 | 2019-05-03 | 中南大学 | 一种基于显著滤波器的多源彩色图像颜色迁移方法 |
| CN109919959A (zh) * | 2019-01-24 | 2019-06-21 | 天津大学 | 基于色彩、自然性及结构的色调映射图像质量评价方法 |
| CN109872331A (zh) * | 2019-01-30 | 2019-06-11 | 天津大学 | 一种基于深度学习的遥感图像数据自动识别分类方法 |
| CN112132774A (zh) * | 2019-07-29 | 2020-12-25 | 方玉明 | 一种色调映射图像的质量评价方法 |
| CN112102269A (zh) * | 2020-09-01 | 2020-12-18 | 浙江大学 | 计算风格迁移质量相似度的方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 史洪飞, 包尚联, 王卫东: "基于对象识别和分割的图像噪声抑制", 中国医学影像技术, no. 09 * |
| 孙斌;陈小惠;王贵圆;富容国;常本康;: "色彩传递算法在不同色彩空间中的成像效果研究", 电子测量与仪器学报, no. 10 * |
| 王东;蒋炯辉;周世生;: "基于局部矢量匹配的颜色特征快速传递算法", 信息与控制, no. 02 * |
| 陈继红;刘素真;: "可见光与红外CPCT彩色图像融合研究与实现", 现代电子技术, no. 09 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703916A (zh) * | 2023-08-07 | 2023-09-05 | 山东正基药业有限公司 | 一种基于图像处理的洗化水质量监测方法 |
| CN116703916B (zh) * | 2023-08-07 | 2023-10-20 | 山东正基药业有限公司 | 一种基于图像处理的洗化水质量监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11615559B2 (en) | Methods and systems for human imperceptible computerized color transfer | |
| Li et al. | Example-based image colorization using locality consistent sparse representation | |
| Shin et al. | Does colorspace transformation make any difference on skin detection? | |
| Jiang et al. | Image dehazing using adaptive bi-channel priors on superpixels | |
| Barnard et al. | A comparison of computational color constancy algorithms. ii. experiments with image data | |
| Song et al. | Color to gray: Visual cue preservation | |
| US7580169B2 (en) | Image processing apparatus and its method | |
| CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
| El Khoury et al. | Color and sharpness assessment of single image dehazing | |
| CN104599271A (zh) | 基于CIE Lab彩色空间的灰度阈值分割方法 | |
| CN111583201B (zh) | 一种用于构建超分辨率病理显微镜的迁移学习方法 | |
| Lisani et al. | An inquiry on contrast enhancement methods for satellite images | |
| CN110706196B (zh) | 基于聚类感知的无参考色调映射图像质量评价算法 | |
| CN109741285A (zh) | 一种水下图像数据集的构建方法及系统 | |
| CN111709305A (zh) | 一种基于局部图像块的人脸年龄识别方法 | |
| CN113077405A (zh) | 二分割分块的颜色传递及其质量评价体系 | |
| US7221780B1 (en) | System and method for human face detection in color graphics images | |
| Hu et al. | No reference quality assessment for Thangka color image based on superpixel | |
| CN103871084B (zh) | 蓝印花布图案识别方法 | |
| CN114187380B (zh) | 基于视觉显著性和通道注意力机制的色彩传递方法 | |
| KR100488014B1 (ko) | ＹＣｒＣｂ 칼라 기반 얼굴 영역 추출 방법 | |
| CN112951427B (zh) | 异常细胞的分级系统 | |
| CN114972849A (zh) | 胶质瘤的类型识别方法、模型训练方法、装置、设备 | |
| Yuan et al. | Color image quality assessment with multi deep convolutional networks | |
| Nachlieli et al. | Skin-sensitive automatic color correction |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210706 |