CN115511982A - 一种基于灰色表面提取的颜色恒常性方法 - Google Patents
一种基于灰色表面提取的颜色恒常性方法 Download PDFInfo
- Publication number
- CN115511982A CN115511982A CN202211175655.3A CN202211175655A CN115511982A CN 115511982 A CN115511982 A CN 115511982A CN 202211175655 A CN202211175655 A CN 202211175655A CN 115511982 A CN115511982 A CN 115511982A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- color
- illumination
- corrected
- 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.)
- Pending
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
由于不同环境光的照明颜色会使图像场景中物体颜色发生变化,为了还原图像中物体在人眼中的真实颜色,本发明公开了一种基于灰色表面提取的颜色恒常性算法,首先基于光照不变向量提取图像中的灰色像素,然后对这些像素采用灰度世界算法预测图像中的光源,并对图像进行色适应矫正。根据色适应结果循环迭代,继续检测图像中的灰色像素并进行色适应,直至满足设定阈值即停止算法。相较传统算法,本发明大幅度提升了光照估计精度。
Description
技术领域
本发明涉及一种基于灰色表面提取的颜色恒常性方法,属于计算机视觉和图像处理技术领域。
背景技术
随着计算机视觉和数字图像处理领域的快速发展,最初基于灰度图像的算法理论也已经扩展到彩色图像,物体的颜色信息也逐渐成为研究的热点,是实现特征提取、目标检测、语义分割、图像识别等视觉任务的先决条件。然而颜色信息也是极其不稳定的,在实际场景中,一方面,物体呈现出的颜色由自身材质的反射特性决定,另一方面也很容易收到光照变化的影响,从而使观察到的图像发生色偏,对许多计算机视觉工作和实际应用领域造成干扰,因此需要我们首先将图像颜色恢复到标准光源下,也即是实现颜色恒常性。实现颜色恒常性是现在数码相机图像预处理系统的重要组成部分,它的目的是消除照明颜色对图像场景中物体颜色的影响。
颜色恒常性是指尽管光照的强度和光谱分布会发生改变,但人类视觉系统仍能够稳定感知到物体颜色的知觉特性。人眼视觉可以通过多种途径实现颜色恒常性,可以补偿光照颜色变化对物体颜色呈现的影响。实现图像计算性颜色恒常需要首先预测出真实的光照颜色,然后对图像进行色适应从而消除场景光照带来的影响。
求解光照颜色本身其实是一个欠约束的问题,因此,最早研究颜色恒常性的学者都提出了不同的假设来为该问题增加限制条件,设计了几种经典的基于图像本身的颜色统计特征的算法,凭借其计算过程简单、时间复杂度和复现难度低等优点,直至今日仍被广泛使用。但是这些假设或多或少都存在局限性,当需要校正的图像场景不完全满足这些假设时,算法的估计性能就难以令人满意。比如灰度世界算法假设图像场景中的所有表面都是灰色表面,但是显然现实场景中的物体不都是灰色表面,如果能只利用图像中的灰色表面来进行光照颜色估计,则更加得贴合算法假设本身。
发明内容
本发明为了解决以上光照估计的问题,提供了一种基于灰色表面提取的颜色恒常性方法。
本发明所采用的技术方案,包括以下步骤:
S1、取得一张偏色图像作为待修正图像;
S2、对待修正图像的每个点的像素值做对数运算,将图像转换到对数域,在此基础上,基于对角模型设计光照不变向量;
S3、根据光照不变向量,使用高斯拉普拉斯算子与图像进行卷积,计算对数域图像每个像素点的灰度索引值(Gray Index),将灰度索引值从小到大进行排序(索引值越小,则越接近灰色像素),筛选出特定比例的灰色表面像素;
S4、选取步骤S3筛选出的灰色表面像素,并使用灰度世界算法来估计场景光照颜色,根据估计出的光照颜色对原始待修正图像进行色适应矫正,并将矫正后的图像作为新的待修正图像;
S5、开始迭代算法,计算S4得到的新的带修正图像每个点的R、B通道与G通道的相对偏差值,并设置偏差阈值,筛选出相对偏差值小于偏差阈值的像素点作为灰色表面像素。如果筛选出的像素点数量小于设定的最小值,则使用步骤S4得到的图像作为最终的修正图像;否则,则同样使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像;
S6、继续新一轮迭代,处理方法与步骤S5相似,如果筛选出的像素点数量小于设定的最小值,则使用步骤S5得到的图像作为最终的修正图像;否则,使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计;
S7、计算相邻两次光照估计结果的误差值,小于设定的误差阈值则停止算法,使用前一次的矫正图像作为最终的修正图像;否则,继续进行迭代算法,当迭代次数超过设定最多次数时同样停止算法。
进一步的,所述步骤S2包括以下步骤:
S21、首先基于对角模型对图像进行建模并转换到对数域:
基于彩色数字成像的过程,使用朗伯特假设将图像内所有点的颜色表示为光照颜色值I(λ),物体的表面反射率S(x,λ)和成像设备传感器响应函数ρc(λ)的组合:
fc(x)=∫ωI(λ)ρc(λ)S(x,λ)dλ
其中,λ表示场景光照的波长,ω表示可见光谱的范围,x表示像素坐标。
假设相机的灵敏度函数是窄带的,光的照射色值和成像设备传感器相应函数的乘积可以认为是一个常数,因此公式可以简化为:
Ii(x,y)=Ci(x,y)·Ri(x,y),i∈{r,g,b}
r,g,b表示图像的红色、绿色、蓝色分量;
将图像转换到对数域:
S22、设计光照不变向量,计算过程为:假设在极小的局部区域内,光照条件是均匀的,则图像局部区域内任意一点(x,y)与其相邻像素点的像素差值可以计算为:
进一步的,所述步骤S3包括以下步骤:
S31、使用高斯拉普拉斯算子(Laplacian of Gaussian,LoG)与图像块进行卷积,计算图像每个点为中心的5*5局部区域的对比度△(x,y):
△(x,y)=[△r(x,y),△g(x,y),△b(x,y)]
S32、设计灰度索引值来筛选灰色表面像素。根据步骤S31得到的对比度△(x,y),灰色表面区域应该尽可能满足:
△r(x,y)=△g(x,y)=△b(x,y)≠0
S33、计算灰度索引值:
对灰度索引值从小到大进行排序,设定一个固定阈值T(取值范围为0-100),代表选取按排序后的前T%的像素点,令其Weight为1,其它像素点的Weight为0并舍弃。
进一步的,所述步骤S4中,灰度世界算法为计算图像所有像素点的每个通道的均值,获得一个光照颜色估计结果,而这里改进为计算步骤S3筛选出的点的每个通道的均值,然后基于对角模型对待修正图像进行色适应矫正,对角模型的原理为:得到色偏图像的光照颜色值后,通过矩阵变换的方式,将图像的三通道数值转换为标准白光下的数值。
进一步的,所述步骤S5包括以下分步骤:
S51、开始迭代算法。假设经过步骤S4得到的图像已经是恢复到标准光源下的图像,因此图像中的灰色表面像素的三通道值理论上应该是相等的,因此,从待修正图像中提取灰色表面像素:
S52、设定一个阈值τ,经过步骤S51计算出的isGray值为1的像素作为灰色表面像素,筛选出所有满足条件的像素点,并统计数量length,如果length小于设定的最小值,则停止迭代算法,使用步骤S4得到的图像作为最终的修正图像;
S53、如果像素点数量length大于设定的最小值,则使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像;
进一步的,所述步骤S7中,相邻两次光照估计结果为经过步骤S6和步骤S7得到的光照颜色值,当误差小于设定阈值时,认为估计结果已足够接近,无需继续迭代,因此选择前一次的矫正图像作为最终的修正图像;否则,继续进行迭代,直到迭代次数超过了设定的最多迭代次数。
本发明公开了一种基于灰色表面提取的颜色恒常性方法,与现有技术相比,本发明在传统灰度世界算法的基础上,通过提取图像场景中存在的灰色表面来进一步提高该假设的适用性,提出了基于灰色表面提取的颜色恒常性计算。本方法可以较为准确得识别出图像中的灰色像素,得到用于估计光照颜色的点集,并且经过迭代算法可以更加准确的提取灰色表面。本发明提出的方法可以对灰度世界算法难以处理的包含大量单色区域场景的图像进行一个准确的颜色矫正,算法总体具有更高的准确性。
附图说明
图1为本发明的一种基于灰色表面提取的颜色恒常性方法总体流程图。
图2为本发明的基于光照不变向量的灰色表面提取算法流程图。
具体实施方式
为了更好的理解本发明的技术方案,下面结合参考附图对本发明流程作进一步说明。
如图1所示,本发明提出的一种基于灰色表面提取的颜色恒常性方法,包括以下步骤S1~S7:
S1、取得一张偏色图像作为待修正图像。
S2、对待修正图像的每个点的像素值做对数运算,将图像转换到对数域,在此基础上,基于对角模型设计光照不变向量。
步骤S2包括以下分步骤S21~S22:
S21、首先基于对角模型对图像进行建模并转换到对数域:
其中,为转换到对数域的图像像素值,通过对角模型将其转换为由光源决定的图像的照射分量log(Ci(x,y))与图像中物体本身的反射分量log(Ri(x,y))的加和,i代表图像的红色、绿色、蓝色任一分量。
S22、设计光照不变向量,计算过程为:假设在极小的局部区域内,光照条件是均匀的,因此公式中的照射分量log(Ci(x,y))可以认为是一个常量,图像局部区域内任意一点(x,y)与其相邻像素点的颜色差值可以计算为:
S3、根据光照不变向量,使用高斯拉普拉斯算子与图像进行卷积,计算对数域图像每个像素点的灰度索引值(Gray Index),将灰度索引值从小到大进行排序,筛选出特定比例的灰色表面像素。
如图2所示,步骤S3包括以下分步骤S31~S33:
S31、使用高斯拉普拉斯算子(Laplacian of Gaussian,LoG)与图像块进行卷积,计算图像每个点为中心的5*5局部区域的对比度△(x,y):
△(x,y)=[△r(x,y),△g(x,y),△b(x,y)]
△r(x,y),△g(x,y),Δb(x,y)分别意为图像像素值中红色、绿色、蓝色分量的对比度。
S32、根据步骤S31得到的对比度△(x,y),灰色表面区域应该尽可能满足:
△r(x,y)=△g(x,y)=△b(x,y)≠0
S33、设计灰度索引值来筛选灰色表面像素,计算灰度索引值的公式如下:
对灰度索引值从小到大进行排序,设定一个固定阈值T(取值范围为0-100),代表选取按排序后的前T%的像素点,令其Weight为1,其它像素点的Weight为0并舍弃。
S4、选取步骤S3筛选出的灰色表面像素,并使用灰度世界算法来估计场景光照颜色,根据估计出的光照颜色对原始待修正图像进行色适应矫正,并将矫正后的图像作为新的待修正图像;
进一步的,步骤S4中,灰度世界算法为计算图像所有像素点的每个通道的均值,获得一个光照颜色估计结果,本发明改进为计算步骤S3筛选出的点的每个通道的均值,然后基于对角模型对待修正图像进行色适应矫正。对角模型的原理为:得到色偏图像的光照颜色值后,通过矩阵变换的方式,将图像的三通道数值转换为标准白光下的数值。
S5、开始迭代算法,计算S4得到的新的待修正图像每个点的R、B通道与G通道的相对偏差值,并设置偏差阈值,筛选出相对偏差值小于偏差阈值的像素点作为灰色表面像素。如果筛选出的像素点数量小于设定的最小值,则使用步骤S4得到的图像作为最终的修正图像;否则,则同样使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像;
步骤S5包括以下分步骤S51~S53:
S51、开始迭代算法。假设经过步骤S4得到的图像已经是恢复到标准光源下的图像,因此图像中的灰色表面像素的三通道值理论上应该是相等的,因此,从待修正图像中提取灰色表面像素:
S52、设定一个阈值τ,经过步骤S51计算出的isGray值小于阈值τ的像素作为灰色表面像素,筛选出所有满足条件的像素点,并统计数量length,如果length小于设定的最小值,则停止迭代算法,使用步骤S4得到的图像作为最终的修正图像;
S53、如果像素点数量length大于设定的最小值,则使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像;
S6、继续新一轮迭代,处理方法与步骤S5相似,如果筛选出的像素点数量小于设定的最小值,则使用步骤S5得到的图像作为最终的修正图像;否则,使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计;
所述步骤S6中,处理过程步骤(5)相同。
S7、计算相邻两次光照估计结果的误差值,小于设定的误差阈值则停止算法,使用前一次的矫正图像作为最终的修正图像;否则,继续进行迭代算法,当迭代次数超过设定最多次数时同样停止算法。
进一步的,步骤S7中,相邻两次光照估计结果为经过步骤S6和步骤S7得到的光照颜色值,当误差小于设定阈值时,认为估计结果已足够接近,无需继续迭代,因此选择前一次的矫正图像作为最终的修正图像;否则,继续进行迭代,直到迭代次数超过了设定的最多迭代次数。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种基于灰色表面提取的颜色恒常性方法,其特征在于,包括以下几个步骤:
步骤S1,获取一张偏色图像作为待修正图像;
步骤S2,对待修正图像的每个点的像素值通过对数运算变换到对数域,在此基础上,基于对角模型设计光照不变向量;
步骤S3,根据光照不变向量,使用高斯拉普拉斯算子对图像进行卷积,计算对数域图像每个像素点的灰度索引值,将灰度索引值从小到大进行排序,筛选出一定比例的灰色表面像素;
步骤S4,选取步骤S3筛选出的灰色表面像素,使用灰度世界算法估计场景光照颜色,根据估计出的光照颜色对原始待修正图像进行色适应矫正,并将矫正后的图像作为新的待修正图像;
步骤S5,开始迭代算法,计算S4得到的新的修正图像每个点的R、B通道与G通道的相对偏差值,筛选出相对偏差值小于设定偏差阈值的像素点作为灰色表面像素;如果筛选出的像素点数量小于设定数量阈值,则使用步骤S4得到的图像作为最终的修正图像;否则,继续使用灰度世界算法对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像;
步骤S6,继续下一次迭代,处理方法与步骤S5相同,如果筛选出的像素点数量小于设定的最小值,则使用步骤S5得到的图像作为最终的修正图像;否则,使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计;
步骤S7,计算相邻两次光照估计结果的误差值,小于设定误差阈值则停止算法,使用前一次的矫正图像作为最终的修正图像;否则继续迭代算法;当迭代次数超过设定迭代次数阈值时停止算法。
2.根据权利要求1所述的一种基于灰色表面提取的颜色恒常性方法,其特征在于:步骤S2中,基于对角模型对图像进行建模并转换到对数域;
其中,为转换到对数域的图像像素值,通过对角模型将其转换为由光源决定的图像的照射分量log(Ci(x,y))与图像中物体本身的反射分量log(Ri(x,y))的加和,i代表图像的红色、绿色、蓝色任一分量;
光照不变向量的计算过程为:假设在极小的局部区域内,光照条件是均匀的,因此公式中的照射分量log(Ci(x,y))可以认为是一个常量,图像局部区域内任意一点(x,y)与其相邻像素点的颜色差值可以计算为:
3.根据权利要求1所述的一种基于灰色表面提取的颜色恒常性方法,其特征在于:步骤S3的具体实现包括如下子步骤:
S31,通过使用高斯拉普拉斯算子与图像块进行卷积,计算图像每个点为中心的k*k局部区域的对比度Δ(x,y):
Δ(x,y)=[Δr(x,y),Δg(x,y),Δb(x,y)]
Δr(x,y),Δg(x,y),Δb(x,y)分别意为图像像素值中红色、绿色、蓝色分量的对比度,k为常数;
S32,设计灰度索引值来筛选灰色表面像素,根据对比度Δ(x,y),灰色表面区域应该满足:
Δr(x,y)=Δg(x,y)=Δb(x,y)≠0
S33,计算灰度索引值:
对灰度索引值GI从小到大进行排序,设定一个固定阈值T,取值范围为0-100,代表选取按排序后的前T%的像素点,令其Weight为1,其它像素点的Weight为0并舍弃。
4.根据权利要求1所述的一种基于灰色表面提取的颜色恒常性方法,其特征在于:步骤S4所述的灰度世界算法为计算步骤S3筛选出的点的每个通道的均值,然后基于对角模型对待修正图像进行色适应矫正,对角模型的原理为:得到色偏图像的光照颜色值后,通过矩阵变换的方式,将图像的三通道数值转换为标准白光下的数值。
5.根据权利要求1所述的一种基于灰色表面提取的颜色恒常性方法,其特征在于:步骤S5的具体实现方式包括以下子步骤:
S51,开始迭代算法,假设经过步骤S4得到的图像已经是恢复到标准光源下的图像,因此图像中的灰色表面像素的三通道值理论上应该是相等的,因此,从待修正图像中提取灰色表面像素:
S52,设定一个阈值τ,计算出isGray值为1的像素作为灰色表面像素,并统计数量length,如果length小于设定的数量阈值,则停止迭代算法,使用步骤S2得到的图像作为最终的修正图像;
S53,如果像素点数量length大于设定的数量阈值,则使用灰度世界算法来对筛选出的灰色表面像素进行光照颜色估计,根据估计出的光照颜色对新的待修正图像进行色适应矫正,并将矫正后的图像作为下一次处理的待修正图像。
6.根据权利要求1所述的一种基于灰色表面提取的颜色恒常性方法,其特征在于:所述步骤S7中,相邻两次光照估计结果为经过步骤S6和步骤S7得到的光照颜色值,当误差小于设定阈值时,认为估计结果已足够接近,无需继续迭代,因此选择前一次的矫正图像作为最终的修正图像;否则,继续进行迭代,直到迭代次数超过了设定的最多迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175655.3A CN115511982A (zh) | 2022-09-26 | 2022-09-26 | 一种基于灰色表面提取的颜色恒常性方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175655.3A CN115511982A (zh) | 2022-09-26 | 2022-09-26 | 一种基于灰色表面提取的颜色恒常性方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115511982A true CN115511982A (zh) | 2022-12-23 |
Family
ID=84505953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211175655.3A Pending CN115511982A (zh) | 2022-09-26 | 2022-09-26 | 一种基于灰色表面提取的颜色恒常性方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511982A (zh) |
-
2022
- 2022-09-26 CN CN202211175655.3A patent/CN115511982A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Single image dehazing with image entropy and information fidelity | |
US8295606B2 (en) | Device and method for detecting shadow in image | |
KR101518722B1 (ko) | 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 | |
Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
US12002259B2 (en) | Image processing apparatus, training apparatus, image processing method, training method, and storage medium | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN110210282B (zh) | 一种基于非凸低秩稀疏分解的运动目标检测方法 | |
Pierre et al. | Luminance-chrominance model for image colorization | |
CN111612741B (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
Nnolim | An adaptive RGB colour enhancement formulation for logarithmic image processing-based algorithms | |
Steffens et al. | Cnn based image restoration: Adjusting ill-exposed srgb images in post-processing | |
CN111415304A (zh) | 基于级联深度网络的水下视觉增强方法和装置 | |
Abebe et al. | Towards an automatic correction of over-exposure in photographs: Application to tone-mapping | |
CN112651945A (zh) | 一种基于多特征的多曝光图像感知质量评价方法 | |
Singh et al. | Multiscale reflection component based weakly illuminated nighttime image enhancement | |
Sasi et al. | Shadow detection and removal from real images: state of art | |
JP5203159B2 (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
Li et al. | Contrast enhancement algorithm for outdoor infrared images based on local gradient-grayscale statistical feature | |
CN115511982A (zh) | 一种基于灰色表面提取的颜色恒常性方法 | |
CN107292837B (zh) | 基于误差补偿的图像去雾方法 | |
CN115908967A (zh) | 基于循环生成对抗网络的石化装置管道数据样本均衡方法 | |
KR101796551B1 (ko) | 가변조명에 강인한 깊이정보 고속 산출방법 및 시스템 | |
Riaz et al. | Visibility restoration using generalized haze-lines | |
JPH06251147A (ja) | 映像特徴処理方法 | |
Yu et al. | Image enhancement algorithm based on image spatial domain segmentation |
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 |