CN113850738B - 图像紫边的校正装置及方法 - Google Patents
图像紫边的校正装置及方法 Download PDFInfo
- Publication number
- CN113850738B CN113850738B CN202111124098.8A CN202111124098A CN113850738B CN 113850738 B CN113850738 B CN 113850738B CN 202111124098 A CN202111124098 A CN 202111124098A CN 113850738 B CN113850738 B CN 113850738B
- Authority
- CN
- China
- Prior art keywords
- purple
- input image
- calculating
- weight
- channel
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 93
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 71
- 238000013507 mapping Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 244000172533 Viola sororia Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 201000005569 Gout Diseases 0.000 description 1
- 235000005811 Viola adunca Nutrition 0.000 description 1
- 240000009038 Viola odorata Species 0.000 description 1
- 235000013487 Viola odorata Nutrition 0.000 description 1
- 235000002254 Viola papilionacea Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明提供了一种图像紫边的校正装置及方法，包括：图像输入单元，用于获取输入图像，包括高反差区域和非高反差区域，高反差区域包括紫边区域和非紫边区域；紫色色域权重计算单元，根据输入图像的紫色相似度计算紫色色域权重；高反差区域权重计算单元，根据输入图像的高斯梯度值计算高反差区域权重；紫边范围检测单元，根据紫色色域权重和高反差区域权重计算得到紫边区域的范围；全局色度校正单元，用于对整个输入图像的红色、蓝色和绿色通道数据进行校正；紫边校正数据输出单元，根据紫边区域的范围和校正后的全局色度计算得到紫边区域校正数据。本发明可以查找出紫边区域的范围，并对紫边区域进行校正，使其接近真实的颜色。
Description
技术领域
本发明涉及图像技术处理领域，尤其是涉及一种图像紫边的校正装置及方法。
背景技术
在自然摄影当中，相机成像管道中的缺陷通常会导致某种形式的颜色噪声和失真。其中一种现象是在高对比度(场景亮度反差大)区域附近形成局部边缘效应，该效应会在边缘区域形成局部均匀的紫色，色域范围在红紫色到蓝紫色之间，该类现象被统称为图像紫边。
传统的图像紫边校正方法依赖于一个绝对的、实验确定的阈值来检测紫边，并通过降低紫边饱和度的方法来校正紫边。这些方法由于过于依赖一个固定的阈值，会导致紫边范围检测出现偏差，同时，使用降低饱和度的方法可能会使图像出现大量的灰色区域，牺牲了图像原有的色彩，反而降低了图像的真实性。
发明内容
本发明的目的在于提供一种图像紫边的校正装置及方法，可以查找出紫边区域的范围，并对紫边区域进行校正，使其接近真实的颜色。
为了达到上述目的，本发明提供了一种图像紫边的校正装置，包括：
图像输入单元，用于获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
紫色色域权重计算单元，用于计算所述输入图像的紫色相似度，以及根据所述紫色相似度计算紫色色域权重；
高反差区域权重计算单元，用于计算所述输入图像的高斯梯度值，以及根据所述高斯梯度值计算高反差区域权重；
紫边范围检测单元，根据所述紫色色域权重和高反差区域权重计算得到所述紫边区域的范围；
全局色度校正单元，用于根据所述输入图像的明度构建空间变化参数，根据所述空间变化参数和所述输入图像的饱和度计算得到校正权重矩阵，以及根据所述校正权重矩阵对所述输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
紫边校正数据输出单元，根据所述紫边区域的范围和所述全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
可选的，在所述的图像紫边的校正装置，所述输入图像为RGB模式，所述输入图像的位宽根据所述输入图像的配置决定，默认值为8bit。
可选的，在所述的图像紫边的校正装置，所述紫色色域权重计算单元包括：
CbCr计算模块，用于将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵；
紫色相似度计算模块，计算所述YCbCr模式的色域矩阵与紫色的相似度，以得到所述输入图像的紫色相似度；以及
紫色色域权重映射模块，根据所述紫色相似度得到所述输入图像的紫色色域权重。
可选的，在所述的图像紫边的校正装置，所述高反差区域权重计算单元包括：
亮度计算模块，用于计算所述输入图像的亮度；
高斯梯度计算模块，用于计算所述亮度的高斯梯度值；
梯度均值及方差模块，根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；以及
高反差区域权重映射模块，根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。
可选的，在所述的图像紫边的校正装置，所述全局色度校正单元包括：
均值计算模块，用于分别计算所述输入图像的红色通道、绿色通道和蓝色通道的均值；
明度计算模块，根据所述红色通道、绿色通道和蓝色通道的均值计算输入图像的明度；
饱和度计算模块，根据所述红色通道、绿色通道和蓝色通道的均值计算所述输入图像的饱和度；
空间变化参数计算模块，根据所述明度构建空间变化参数，用以表征绿色通道相对于红色强度和蓝色强度被抑制的程度；以及
全局色度校正模块，根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
本发明还提供了一种图像紫边的校正方法，包括：
图像输入单元获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
紫色色域权重计算单元计算所述输入图像的紫色色域权重；
高反差区域权重计算单元计算所述输入图像的高反差区域权重；
紫边范围检测单元根据所述紫色色域权重和所述高反差区域权重计算得到所述紫边区域的范围；
全局色度校正单元对整个输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
紫边校正数据输出单元根据所述紫边区域的范围和所述全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
可选的，在所述的图像紫边的校正方法中，紫色色域权重计算单元计算所述输入图像的紫色相似度的方法包括：
CbCr计算模块将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵；
紫色相似度计算模块计算所述YCbCr模式的色域矩阵与紫色的相似度，以得到所述输入图像的紫色相似度；以及
紫色色域权重映射模块根据所述紫色相似度得到所述输入图像的紫色色域权重。
可选的，在所述的图像紫边的校正方法中，高反差区域权重计算单元计算所述输入图像的高反差区域权重的方法包括：
亮度计算模块计算所述输入图像的亮度；
高斯梯度计算模块计算所述亮度的高斯梯度值；
梯度均值及方差模块根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；以及
高反差区域权重映射模块根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。
可选的，在所述的图像紫边的校正方法中，全局色度校正单元对整个输入图像的红色、蓝色和绿色通道数据进行校正，以得到校正后的全局色度的方法包括：
均值计算模块分别计算所述输入图像的红色通道通道数据、绿色通道通道数据和蓝色通道的均值；
明度计算模块根据所述红色通道、绿色通道和蓝色通道的均值计算输入图像的明度；
饱和度计算模块根据所述红色通道、绿色通道和蓝色通道的均值计算图像的饱和度；
空间变化参数计算模块根据所述明度构建空间变化参数，用以表征绿色通道相对于红色和蓝色强度被抑制的程度；以及
全局色度校正模块根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
在本发明提供的图像紫边的校正装置及方法中，能结合图像色度域的紫色相似度信息和高反差区域的高斯梯度值，自适应地进行紫边范围的计算，有效减少对紫边范围的误判，提高紫边区域检测的准确性；同时，本发明基于空间变化参数得到校正权重矩阵的方法来对紫边区域进行校正，在不破坏图像色度域色度均匀性的前提下使紫边区域的校正的结果更加自然，使其更加接近真实的颜色，进一步提升图像的真实性。
附图说明
图1是本发明实施例的图像紫边的校正装置的示意图；
图2是本发明实施例的图像紫边的紫色色域权重计算单元的示意图；
图3是本发明实施例的图像紫边的高反差区域权重计算单元的示意图；
图4是本发明实施例的图像紫边的全局色度校正单元的示意图；
图5至图9是本发明实施例的图像紫边的校正方法的流程图；
图中：110-图像输入单元、120-紫色色域权重计算单元、130-高反差区域权重计算单元、140-紫边范围检测单元、150-全局色度校正单元、160-紫边校正数据输出单元、121-CbCr计算模块、122-紫色相似度计算模块、123-紫色色域权重映射模块、131-亮度计算模块、132-高斯梯度计算模块、133-梯度均值及方差模块、134-紫色色域权重映射模块、151-均值计算模块、152-明度计算模块、153-饱和度计算模块、154-空间变化参数计算模块、155-全局色度校正模块。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
在下文中，术语“第一”“第二”等用于在类似要素之间进行区分，且未必是用于描述特定次序或时间顺序。要理解，在适当情况下，如此使用的这些术语可替换。类似的，如果本文所述的方法包括一系列步骤，且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。
请参照图1，本发明提供了一种图像紫边的校正装置，包括：
图像输入单元110，用于获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
紫色色域权重计算单元120，用于计算所述输入图像的紫色相似度，以及根据所述紫色相似度计算紫色色域权重；
高反差区域权重计算单元130，用于计算所述输入图像的高斯梯度值，以及根据所述高斯梯度值计算高反差区域权重；
紫边范围检测单元140，根据所述紫色色域权重和所述高反差区域权重计算得到所述紫边区域的范围；
全局色度校正单元150，用于对整个输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
紫边校正数据输出单元160，根据所述紫边区域的范围和所述全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
本发明实施例中，所述输入图像为RGB模式，所述输入图像的位宽根据图像输入单元的配置决定，配置不同，位宽就不同，通常默认值为8bit。输入图像可以是图像获取装置获取的图像，例如相机或的图片。根据配置的不同，输入图像的位宽大小也有所不同，本发明实施例是对位宽为8bit的输入图像进行处理，在本发明的其他实施例中，也可以是其他位宽的输入图像，例如64bit。
优选的，请参照图2，所述紫色色域权重计算单元120包括：
CbCr计算模块121，用于将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵，由于输入图像数据是三通道RGB图像，因此需要YCbCr转换公式计算其Cb/Cr色域矩阵；
紫色相似度计算模块122，计算所述YCbCr模式的色域矩阵与紫色的相似度，以得到所述输入图像的紫色相似度；以及
紫色色域权重映射模块123，根据所述紫色相似度得到所述输入图像的紫色色域权重。
优选的，请参照图3，所述高反差区域权重计算单元130包括：
亮度计算模块131，用于计算输入图像的亮度；
高斯梯度计算模块132，用于计算亮度的高斯梯度值；
梯度均值及方差模块133，根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；以及
高反差区域权重映射模块134，根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。本发明实施例的高反差区域权重计算单元134通过高斯梯度核的计算方法求得高反差区域的梯度值，然后对该梯度值进行映射得到高反差区域权重。这样处理后，后续的紫边色度校正就会集中在高反差区域进行，有效防止对非紫边区域的误判。
优选的，请参照图4，所述全局色度校正单元150包括：
均值计算模块151，用于分别计算所述输入图像的红色通道、绿色通道和蓝色通道的均值；
明度计算模块152，根据红色通道、绿色通道和蓝色通道的均值计算输入图像的明度；
饱和度计算模块153，根据红色通道、绿色通道和蓝色通道的均值计算输入图像的饱和度；
空间变化参数计算模块154，用于根据所述输入图像的明度构建空间变化参数，根据所述空间变化参数和所述输入图像的饱和度计算得到校正权重矩阵，以及根据所述校正权重矩阵对所述输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
全局色度校正模块155，根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
以上对图像紫边的校正装置进行了讲解，因此，相应地，本发明实施例还提供了一种使用图像紫边的校正装置的校正方法，以对使用图像紫边的校正装置的使用进行进一步讲解，整个方法的简图可以参照图5进行大致的对应。而较为详细的图像紫边的校正方法的拆分附图，请参照图6至图9。首先，请参照图6，同时，还请参照图1，图像紫边的校正方法包括：
S1：图像输入单元110获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
S2：紫色色域权重计算单元120计算所述输入图像的紫色色域权重；
S3：高反差区域权重计算单元130计算所述输入图像的高反差区域权重；
S4：紫边范围检测单元根据140所述紫色色域权重和所述高反差区域权重计算得到所述紫边区域的范围；
S5：全局色度校正单元150对整个输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
S6：紫边校正数据输出单元150根据所述紫边区域的范围和所述全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
具体的，在步骤S1中，首先得到输入图形，需要对输入图像内的紫边区域进行校正，紫边区域是使用数码相机拍照过程中，由于被拍摄的场景亮度反差大，则在高光区域和低光区域的交界处容易出现的色散，这种色散通常表现为紫色，通常称为紫边。因此，需要找到输入图像的紫边区域，因此，可以先找到输入图像的整个紫色区域，再从中找出高反差区域。可以利用输入图像的紫色相似度信息来找到输入图像的紫色区域。因此，接下来，可以对输入图像的紫色相似度进行计算，从而可以自适应地找到紫色区域并计算相应权重，以找到紫色区域的范围。
接着执行步骤S2，请参照图7，同时，还请参照图2，紫色色域权重计算单元计算所述输入图像的紫色相似度的方法包括：
首先，执行步骤S21：CbCr计算模块210将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵；具体的转换公式如公式(1)和公式(2)：
Cb＝-0.169×Rin+0.331×Gin+0.5000×Bin (1)；
Cr＝0.500×Rin-0.419×Gin+0.0813×Bin (2)；
其中：Rin/Gin/Bin分别为输入图像数据R/G/B三通道上对应的矩阵，Cb/Cr为计算得到的YCbCr模式的CbCr色域矩阵。
接着，执行步骤S22：紫色相似度计算模块220计算所述YCbCr模式的色域矩阵与紫色的相似度，以得到输入图像的紫色相似度。而欧氏距离是度量YCbCr模式的色域矩阵与紫色的相似度的重要计算方式，根据步骤S21中所得到的CbCr色域矩阵，计算其与紫色色域的欧氏距离以及其与绿色色域的欧式距离，并通过两者的色距比来表征其紫色相似度。而在RGB图像上，紫色由R通道的值与B通道的值混合产生，与G通道的值无关。换言之，当G通道的值为0，R/B通道为1时对应的是紫色色域；当R/B通道的值为0，G通道为1时对应的是绿色色域。
因此，从公式(1)和公式(2)得到CbCr色域矩阵与紫色色域的欧式距离的具体计算如公式(3)、公式(4)和公式(5)：
Cbpurple＝-0.169×1+0.331×0+0.500×1 (3)；
Crpurple＝0.500*1-0.419*0+0.0813*1 (4)；
Lpurple＝sqrt((Cb-Cbpurple)2+(Cr-Crpurple)2) (5)；
其中：Cbpurple为Cb色域矩阵的紫色标准值、Crpurple为Cr色域矩阵的紫色标准值、Cb为Cb色域矩阵、Cr为Cr色域矩阵、sqrt()为计算平方根的函数、Lpurple为CbCr色域矩阵与紫色色域的欧式距离。
CbCr色域矩阵与绿色色域的欧式距离计算如公式(6)、公式(7)和公式(8)：
Cbgreen＝-Cbpurple (6)；
Crgreen＝-Crpurple (7)；
Lgreen＝sqrt((Cb-Cbgreen)2+(Cr-Crgreen)2) (8)；
紫色相似度的计算如公式(9)：
其中：Cbgreen为Cb色域矩阵的绿色标准值、Crgreen为Cr色域矩阵的绿色标准值、Cbpurple为Cb色域矩阵的紫色标准值、Crpurple为Cr色域矩阵的紫色标准值、Cb为Cb色域矩阵、Cr为Cr色域矩阵、Lpurple为CbCr色域矩阵与紫色色域的欧式距离、Lgreen为CbCr色域矩阵与绿色色域的欧式距离，Simpurple为紫色相似度。
可以得出，Simpurple越小，代表该点紫色色域欧式距离和绿色色域欧式距离的色距比越大，紫色相似度越低；反之该值越大，则代表对应色距比越小，紫色相似度越高。
最后，执行步骤S23：紫色色域权重映射模块230根据所述紫色相似度得到输入图像的紫色色域权重。具体的，根据步骤S22中所得到的紫色相似度，对其进行一次映射得到对应的紫色色域权重值WgtColor。该映射过程由色域映射阈值SimThr和色域映射斜率SimSlo共同决定，以上两个参数由外部进行配置，默认参数为SimThr＝0.05，SimSlo＝11。该映射过程的具体计算如公式(10)：
WgtColor＝CLIP((Simpurple-SimThr)*SimSlo，0，1) (10)；
其中：WgtColor为紫色色域权重，Simpurple为紫色相似度，SimThr为色域映射阈值，SimSlo为色域映射斜，CLIP是数学上较为常见的一个函数，其原型为CLIP(x,min,max)，意思是将小于min的值全部置换为min，大于max的值全部置换为max，在[min,max]之间的值则保持不变，例如，首先计算(Simpurple-SimThr)*SimSlo的值，如果(Simpurple-SimThr)*SimSlo的值小于0，则WgtColor的值为0，如果(Simpurple-SimThr)*SimSlo的值大于1，则WgtColor的值为1，如果(Simpurple-SimThr)*SimSlo的值在[0,1]之间，则WgtColor的值为计算(Simpurple-SimThr)*SimSlo得到的值。
步骤S2执行完成后，执行步骤S3，以使得后续的紫边色度校正集中在高反差区域进行，有效防止对非紫边区域的误判。步骤S3为高反差区域权重计算单元，计算所述输入图像的高反差区域权重，请参照图8，同时，还请参照图1，其方法包括步骤S31至步骤S34。
首先，执行步骤S31：亮度计算模块310计算输入图像的亮度，具体的，根据原RGB输入图像的R/G/B通道数值，进行其对应的亮度计算，计算后的亮度为一个矩阵的形式，具体的亮度计算如公式(11)：
Yn＝0.299*Rin+0.587*Gin+0.114*Bin (11)；
其中，Rin为输入图像R通道上对应的矩阵；Gin为输入图像G通道上对应的矩阵；Bin为输入图像B通道上对应的矩阵；Yn为计算得到的亮度矩阵。
接着，执行步骤S32：高斯梯度计算模块320计算亮度的高斯梯度值；高斯梯度计算模块的目的是利用图像的高斯信息来计算对应的近似梯度值，先对高斯核进行求导计算得到高斯导数核，而高斯核的计算如公式(12)：
对该高斯核进行求导，得到高斯导数核的计算如公式(13)：
其中：Kernel_Gauss为高斯核，Kernel_Der为高斯导数核，L为高斯核内部的距离值，Sigma为外部配置的参数，通常选择默认值为1。
接着，利用高斯核对高斯导数核进行卷积处理得到所需要的梯度核，将其称为高斯梯度核。由于梯度是具有方向性的，因此将高斯梯度核的计算简化为水平高斯梯度核和垂直高斯梯度核。以Sigma＝1的7x7的高斯窗为例，其对应的水平高斯梯度核为：
其中：Kernel_Gradh为水平高斯梯度核。
而其对应的垂直高斯梯度核等价于将水平高斯梯度核翻转90°，如下式：
其中：Kernel_Gradv为垂直高斯梯度核。
计算得到水平高斯梯度核和垂直高斯梯度核后，将其作为卷积核对图像的亮度域进行卷积，分别得到图像亮度域的水平高斯梯度和图像亮度域的垂直高斯梯度，再将两者的平方和进行开方得到了图像的高斯梯度值。该过程的具体计算如公式(14)、公式(15)和公式(16)所示：
其中：Kernel_Gradh为水平高斯梯度核，Kernel_Gradv为垂直高斯梯度核，GaussGradh为图像亮度域的水平高斯梯度，GaussGradv为图像亮度域的垂直高斯梯度，GaussGrad为高斯梯度值，Yn为亮度矩阵(亮度域)。
接着，执行步骤S33：梯度均值及方差模块330根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；具体的，根据步骤S32中得到的高斯梯度值，计算其7x7的梯度均值和均值对应的方差值。假定以当前点的高斯梯度为中心的7x7窗口，窗口中的每个点按照顺序命名为Grad0，Grad1，……，Grad48，则梯度均值MeanGrad的计算如公式(17)：
公式中的i＝0,…,48，为对应7x7矩阵的索引值；1/49为对应7x7矩阵的总和值，在实际配置过程中，可以选择不同尺寸的窗口，该均值计算公式也要随着实际配置而变化；MeanGrad为梯度均值。
根据公式(17)得到的梯度均值，假定以当前点的梯度均值为中心的7x7窗口，窗口中的每个点按照顺序命名为：MeanGrad0，MeanGrad1，MeanGrad2，……，MeanGrad47，MeanGrad48，当前点对应的为MeanGardCen，则方差VarMeanGrad的计算如公式(18)：
公式中的i＝0,…,48为对应7x7矩阵的索引值，在实际配置过程中，可以选择不同尺寸的窗口，该方差计算公式也要随着实际配置而变化；VarMeanGrad为方差；MeanGardCen为当前点的梯度均值；MeanGradi为7x7矩阵中对应索引值点的梯度均值。
最后，执行步骤S34：高反差区域权重映射模块340根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。具体的，根据步骤S33中得到的高斯梯度均值和对应的方差值，对其进行控制和映射得到对应的高反差区域权重。首先要对目标梯度值进行计算,其原理是对高斯梯度均值引入标准差控制，该过程的计算如公式(19)和公式(20)：
StdMeanGrad＝sqrt(VarMeanGrad) (19)；
TarGrad＝MeanGrad+α×StdMeanGrad (20)；
其中：α是外部配置的参数，用来控制梯度均值方差对目标梯度的影响，默认值是1；StdMeanGrad为标准差；VarMeanGrad为方差；MeanGrad为梯度均值；TarGrad为目标梯度。
然后，计算高反差区域权重，高反差区域权重WgtGrad的计算如公式(21)：
WgtGrad＝CLIP((TarGrad-GradThr)×GradSlo+GradBias，0，1) (21)；
其中，GradThr/GradSlo/GradBias为外部配置的权重映射参数，用来将TarGrad映射为区间[0,1]的权重矩阵；TarGrad为目标梯度；WgtGrad为高反差区域权重。
步骤S3完成后，进行步骤S4，步骤S4为：紫边范围检测单元根据所述紫色色域权重和所述高反差区域权重计算得到所述紫边的范围；步骤S2中，紫色色域权重计算单元计算得到了紫色色域权重WgtColor，步骤S3中，高反差区域权重计算单元计算得到了高反差区域权重WgtGrad，最终的紫边范围权重WgtPurple需要根据两者的值进行计算获得。具体的计算方法如公式(22)：
WgtPurple＝CLIP((WgtGrad+BiasGrad)×(WgtColor+BiasColor)，0，1) (22)；
其中，WgtPurple为紫边范围权重,可以根据紫边范围权重得到紫边范围；BiasGrad是外部配置的高反差区域权重偏置，默认值为0.1；BiasColoe是外部配置的紫色色域权重偏置，默认值为0.1；WgtColor为紫色色域权重，WgtGrad为高反差区域权重。
步骤S4完成后，进行步骤S5，步骤S5为：全局色度校正单元对整个输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；具体的为，全局色度校正单元根据图像的明度以及饱和度信息，对红/蓝通道进行抑制，对绿通道进行补偿，完成对全局的色度校正，更为具体的，请参照图9，同时，还请参照图4，步骤S5包括：
步骤S51：均值计算模块151分别计算所述输入图像的红色通道、绿色通道和蓝色通道的均值；具体的，根据原RGB输入图像的R/G/B通道数值，计算其各个通道上的均值。均值根据设定的窗口大小来决定，以窗口7x7的R通道为例，假定以当前点为中心的7x7窗口，窗口中的每个点按照顺序命名为Rin0，Rin1，……，Rin48，则R通道均值的计算如公式(23)：
其中：Rmean为R通道均值；i＝0,…,48为对应7x7矩阵的索引值；Rini为为输入图像的R通道对应索引值点的值。
同理，G通道均值和B通道均值的计算分别为公式(24)和公式(25)：
其中：i＝0,…,48为对应7x7矩阵的索引值，在实际配置过程中，可以选择不同尺寸的窗口，该均值计算公式也要随着实际配置而变化；Gmean为G通道均值；Bmean为B通道均值；Gini为输入图像的G通道对应索引值点的值；Bini为输入图像的B通道对应索引值点的值。
步骤S52：明度计算模块152根据红色通道、绿色通道和蓝色通道的均值计算输入图像的明度；具体的，根据步骤S51均值计算模块得到的RGB均值信息即R通道均值、G通道均值和B通道均值，来计算输入图像的明度。输入图像的明度对应的就是R通道均值、G通道均值和B通道均值各个通道上的最大值，因此，输入图像的明度的计算如公式(26)：
Brightness＝max{Rmean，Gmean，bmean} (26)；
其中：Brightness为输入图像的明度；Rmean为R通道均值；Gmean为G通道均值；Bmean为B通道均值。
步骤S53：饱和度计算模块153根据红色通道、绿色通道和蓝色通道的均值计算图像的饱和度；具体的，根据步骤S53均值计算模块得到的RGB均值信息即R通道均值、G通道均值和B通道均值，来计算输入图像的饱和度，因此，输入图像的饱和度计算如公式(27)、公式(28)和公式(29)：
ColorMax＝max{Rmean，Gmean，Bmean} (27)；
ColorMin＝min{Rmean，Gmean，Bmean} (28)；
Saturation＝(ColorMax-ColorMin)/(ColorMax+2-12) (29)；
其中：ColorMax为R通道均值、G通道均值和B通道均值中最大的均值；Rmean为R通道均值；Gmean为G通道均值；Bmean为B通道均值；ColorMin为R通道均值、G通道均值和B通道均值中最小的均值；Saturation为输入图像的饱和度。
步骤S54：空间变化参数计算模块154根据所述明度构建空间变化参数，用以表征绿色通道相对于红色和蓝色强度被抑制的程度；具体的，根据步骤S52中明度计算模块中得到的明度信息，构建一个空间变化参数SGp，用来表征绿色通道相对于红色强度和蓝色强度被抑制的程度。空间变化参数SGp的范围是[-1,1],空间变化参数SGp小于0,则代表绿色通道在色度中占主要地位；空间变化参数SGp大于0，则代表红/蓝通道在色度中占主要地位，空间变化参数SGp越大，则代表该点处绿色通道相对于红色和蓝色通道被抑制的程度越高。空间变化参数SGp的计算如公式(30)：
SGp＝(max{Rmean，Bmean}-Gmean)/(Brightness+2-12) (30)；
其中：SGp为空间变化参数；Rmean为R通道均值；Gmean为G通道均值；Bmean为B通道均值；Brightness为输入图像的明度。
之后对空间变化参数SGp做一次映射，将其转化为空间变化权重WgtSGp，其计算如公式(31)：
WgtSGp＝CLIP((SGp-SGpThr)×SGpSlo+SGpBias，0，1) (31)；
其中，WgtSGp为空间变化权重；SGp为空间变化参数；SGpThr、SGpSlo和SGpBias均为外部配置的权重映射参数，用来将SGp映射为区间[0,1]的权重矩阵。
步骤S55：全局色度校正模块155根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
根据步骤S54中空间变化参数计算模块得到的空间变化参数信息和步骤S53中饱和度计算模块得到的饱和度信息，联合计算得到校正权重矩阵WgtCorr，其计算如公式(32)：
WgtCorr＝CLIP((1-Saturation)×(1-WgtSGp)+CorrBias，0，1) (32)；
其中，Saturation为输入图像的饱和度；WgtSGp为空间变化权重；CorrBias为外部配置的偏置参数，其默认值为0.3。
然后，分别将输入图像的R通道的值Rin、G通道的值Gin、B通道的值Bin和亮度信息Yin与校正权重矩阵WgtCorr进行矩阵点乘计算，得到R通道信息R1、G通道信息G1、B通道信息B1和Y1，再对其进行开窗加权计算。
以R通道信息R1为例。假定以当前点为中心的15x15窗口，窗口中的每个点按照顺序命名为R10，R11，……，R1224，对应的校正权重矩阵WgtCorr窗口中的每个点按照顺序命名为W0，W1，……，W224，则R通道的校正值RCorr的计算如公式(33)：
公式中的i＝0,…,224为对应15x15矩阵的索引值，在实际配置过程中，可以选择不同尺寸的窗口，该加权计算公式也要随着实际配置而变化；RCorr为校正值；Wi为校正权重矩阵内的元素；R1i为R通道信息。
同样地，可以根据相同的公式计算得到G通道的校正值GCorr、B通道的校正值BCorr和亮度的校正值YCorr，在此不做赘述。
接着，根据得到的R通道的校正值RCorr、G通道的校正值GCorr、B通道的校正值BCorr和亮度的校正值YCorr，将其映射回输入图像的输入通道信息，得到输入图像的全局色度校正的结果，映射计算公式如(34)：
其中，Strength为外部配置的强度参数，范围是[0,1]，其默认值为0.8；G通道的校正值GCorr、B通道的校正值BCorr和亮度的校正值YCorr；Yn为输入图像的亮度矩阵。
最后，进行步骤S6，紫边校正数据输出单元根据所述紫边区域的范围和所述全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出，此步骤通过紫边范围检测单元计算得到的紫边范围权重WgtPurple，全局色度校正得到的R通道的校正值RCorr、G通道的校正值GCorr、B通道的校正值BCorr，将两者结合就能得到最终的RGB图像紫边区域校正数据，具体的计算如公式(35)：
其中：Rout为紫边校正数据R通道上的值；Gout为紫边校正数据G通道上的值；Bout为紫边校正数据B通道上的值；RCorr为R通道的校正值；GCorr为G通道的校正值；BCorr为B通道的校正值；WgtPurple为紫边范围权重；Rin为输入图像的R通道的值；Gin为输入图像的G通道的值；Bin为输入图像的B通道的值。由于R通道、G通道和B通道均是矩阵的情况，所以矩阵内的每个元素都会进行校正，校正后输出的数据仍然是以R通道、G通道和B通道的形式输出，同时，每个通道仍然是矩阵的形式。校正后的数据可以更贴近图像的真实性。
综上，在本发明实施例提供的图像紫边的校正装置及方法中，能结合图像色度域的紫色相似度信息和高反差区域的高斯梯度值，自适应地进行紫边范围的计算，有效减少对紫边范围的误判，提高紫边区域检测的准确性；同时，本发明基于空间变化参数得到校正权重矩阵的方法来对紫边区域进行校正，在不破坏图像色度域色度均匀性的前提下使紫边区域的校正的结果更加自然，使其更加接近真实的颜色，进一步提升图像的真实性。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。
Claims (10)
1.一种图像紫边的校正装置，其特征在于，包括：
图像输入单元，用于获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
紫色色域权重计算单元，用于计算所述输入图像的紫色相似度，以及根据所述紫色相似度计算紫色色域权重；
高反差区域权重计算单元，用于计算所述输入图像的高斯梯度值，以及根据所述高斯梯度值计算高反差区域权重；
紫边范围检测单元，根据所述紫色色域权重和高反差区域权重计算得到所述紫边区域的范围；
全局色度校正单元，用于根据所述输入图像的明度构建空间变化参数，根据所述空间变化参数和所述输入图像的饱和度计算得到校正权重矩阵，以及根据所述校正权重矩阵对所述输入图像的红色通道数据、蓝色通道数据和绿色通道数据进行校正，以得到校正后的全局色度；以及
紫边校正数据输出单元，根据所述紫边区域的范围和所述校正后的全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
2.如权利要求1所述的图像紫边的校正装置，其特征在于，所述输入图像为RGB模式。
3.如权利要求1所述的图像紫边的校正装置，其特征在于，所述输入图像的位宽根据所述图像输入单元的配置决定，默认值为8bit。
4.如权利要求1所述的图像紫边的校正装置，其特征在于，所述紫色色域权重计算单元包括：
CbCr计算模块，用于将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵；
紫色相似度计算模块，计算所述YCbCr模式色域矩阵的紫色的相似度，以得到所述输入图像的紫色相似度；以及
紫色色域权重映射模块，根据所述紫色相似度得到所述输入图像的紫色色域权重。
5.如权利要求1所述的图像紫边的校正装置，其特征在于，所述高反差区域权重计算单元包括：
亮度计算模块，用于计算所述输入图像的亮度；
高斯梯度计算模块，用于计算所述亮度的高斯梯度值；
梯度均值及方差模块，根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；以及
高反差区域权重映射模块，根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。
6.如权利要求1所述的图像紫边的校正装置，其特征在于，所述全局色度校正单元包括：
均值计算模块，用于分别计算所述输入图像的红色通道、绿色通道和蓝色通道的均值；
明度计算模块，根据所述红色通道、绿色通道和蓝色通道的均值计算所述输入图像的明度；
饱和度计算模块，根据所述红色通道、绿色通道和蓝色通道的均值计算所述输入图像的饱和度；
空间变化参数计算模块，根据所述明度构建空间变化参数，用以表征所述绿色通道相对于红色强度和蓝色强度被抑制的程度；以及
全局色度校正模块，根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
7.一种使用权利要求1～6中任一项所述的校正装置的图像紫边的校正方法，其特征在于，包括：
图像输入单元获取输入图像，所述输入图像包括高反差区域和非高反差区域，所述高反差区域包括紫边区域和非紫边区域；
计算所述输入图像的紫色色域权重；
计算所述输入图像的高反差区域权重；
根据所述紫色色域权重和高反差区域权重计算得到所述紫边区域的范围；
对整个所述输入图像的红色通道数据、蓝色通道数据和绿色通道的数据进行校正，以得到校正后的全局色度；以及
根据所述紫边区域的范围和所述校正后的全局色度得到紫边区域校正数据，并将所述紫边区域校正数据输出。
8.如权利要求7所述的图像紫边的校正方法，其特征在于，计算所述输入图像的紫色色域权重的方法包括：
将所述输入图像从RGB模式转换为YCbCr模式，以得到YCbCr模式的色域矩阵；
计算所述YCbCr模式的色域矩阵与紫色的相似度，以得到所述输入图像的紫色相似度；以及
根据所述紫色相似度得到所述输入图像的紫色色域权重。
9.如权利要求7所述的图像紫边的校正方法，其特征在于，计算所述输入图像的高反差区域权重的方法包括：
计算所述输入图像的亮度；
计算所述亮度的高斯梯度值；
根据所述高斯梯度值计算梯度均值以及所述梯度均值对应的方差；以及
根据所述梯度均值以及所述梯度均值对应的方差，计算高反差区域权重。
10.如权利要求7所述的图像紫边的校正方法，其特征在于，对整个输入图像的红色通道的数据、蓝色通道的数据和绿色通道的数据进行校正，以得到校正后的全局色度的方法包括：
分别计算所述输入图像的红色通道、绿色通道和蓝色通道的均值；
根据红色通道、绿色通道和蓝色通道的均值计算输入图像的明度；
根据红色通道、绿色通道和蓝色通道的均值计算图像的饱和度；
根据所述明度构建空间变化参数，用以表征绿色通道相对于红色和蓝色强度被抑制的程度；以及
根据所述空间变化参数和所述饱和度，计算校正权重矩阵，以得到校正后的全局色度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111124098.8A CN113850738B (zh) | 2021-09-24 | 2021-09-24 | 图像紫边的校正装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111124098.8A CN113850738B (zh) | 2021-09-24 | 2021-09-24 | 图像紫边的校正装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113850738A CN113850738A (zh) | 2021-12-28 |
| CN113850738B true CN113850738B (zh) | 2024-03-29 |
Family
ID=78979396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111124098.8A Active CN113850738B (zh) | 2021-09-24 | 2021-09-24 | 图像紫边的校正装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113850738B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581344B (zh) * | 2022-05-09 | 2022-08-12 | 浙江芯昇电子技术有限公司 | 一种视频图像紫边校正方法 |
| CN116996786B (zh) * | 2023-09-21 | 2024-01-16 | 清华大学 | 一种rgb-ir图像色彩恢复及校正的方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012007061A1 (en) * | 2010-07-16 | 2012-01-19 | Robert Bosch Gmbh | Method for lateral chromatic aberration detection and correction |
| KR20130000537A (ko) * | 2011-06-23 | 2013-01-03 | 서강대학교산학협력단 | 퍼플 프린징 보정 장치 및 방법 |
| CN106657946A (zh) * | 2017-01-12 | 2017-05-10 | 深圳岚锋创视网络科技有限公司 | 图像紫边消除系统和方法 |
| CN111080559A (zh) * | 2019-12-30 | 2020-04-28 | 上海富瀚微电子股份有限公司 | 一种图像紫边消除装置及方法 |
| CN111199524A (zh) * | 2019-12-26 | 2020-05-26 | 浙江大学 | 一种针对可调光圈光学系统的图像紫边校正方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8582878B1 (en) * | 2010-11-03 | 2013-11-12 | Csr Technology Inc. | Purple fringing automatic detection and correction |
| US10417752B2 (en) * | 2017-10-13 | 2019-09-17 | Axis Ab | Method of reducing purple fringing in images |
-
2021
- 2021-09-24 CN CN202111124098.8A patent/CN113850738B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012007061A1 (en) * | 2010-07-16 | 2012-01-19 | Robert Bosch Gmbh | Method for lateral chromatic aberration detection and correction |
| KR20130000537A (ko) * | 2011-06-23 | 2013-01-03 | 서강대학교산학협력단 | 퍼플 프린징 보정 장치 및 방법 |
| CN106657946A (zh) * | 2017-01-12 | 2017-05-10 | 深圳岚锋创视网络科技有限公司 | 图像紫边消除系统和方法 |
| CN111199524A (zh) * | 2019-12-26 | 2020-05-26 | 浙江大学 | 一种针对可调光圈光学系统的图像紫边校正方法 |
| CN111080559A (zh) * | 2019-12-30 | 2020-04-28 | 上海富瀚微电子股份有限公司 | 一种图像紫边消除装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张林 ; 冯华君 ; 徐之海 ; 李奇 ; 陈跃庭 ; .基于物体颜色信息的图像紫边矫正方法.光学学报.(12),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113850738A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4214154B2 (ja) | ホワイトバランスを自動調整する映像装置及びそのホワイトバランス調整方法 | |
| US8023014B2 (en) | Method and apparatus for compensating image sensor lens shading | |
| KR100467610B1 (ko) | 디지털 화질 개선 방법 및 장치 | |
| US6160579A (en) | Image processing apparatus and method | |
| CN113850738B (zh) | 图像紫边的校正装置及方法 | |
| US8896706B2 (en) | Colour calibration method for an image capture device | |
| CN108600725A (zh) | 一种基于rgb-ir图像数据的白平衡校正装置及方法 | |
| CN108377373A (zh) | 一种基于像素的色彩还原装置及方法 | |
| US20090046171A1 (en) | Non-linear color correction | |
| WO2011152174A1 (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
| CN104796683A (zh) | 一种校准图像色彩的方法和系统 | |
| CN103200409B (zh) | 多投影仪显示系统的颜色校正方法 | |
| EP1805982B1 (en) | Apparatus, system, and method for optimizing gamma curves for digital image devices | |
| Kwok et al. | Gray world based color correction and intensity preservation for image enhancement | |
| US20080079816A1 (en) | Color matching method, and image capturing device and electronic apparatus using the same | |
| CN110930341A (zh) | 一种基于图像融合的低光照图像增强方法 | |
| CN112399163B (zh) | 图像感测装置以及自动白平衡方法 | |
| EP3460748B1 (en) | Dynamic range compression device and image processing device cross-reference to related application | |
| CN103581634A (zh) | 图像的宽动态范围处理方法 | |
| CN107864365B (zh) | 一种消除图像紫边的方法 | |
| JP4023518B2 (ja) | 色補正方法及び色補正装置 | |
| US20130093915A1 (en) | Multi-Illuminant Color Matrix Representation and Interpolation Based on Estimated White Points | |
| JP4052001B2 (ja) | 画像処理装置および方法、記録媒体、並びにプログラム | |
| CN113709429B (zh) | 色彩校正方法与色彩校正系统 | |
| Garud et al. | A fast color constancy scheme for automobile video cameras |
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 |