⾊偏图像的校正⽅法
【专利摘要】本发明提供了⼀种⾊偏图像的校正⽅法，其特征在于包括以下步骤：1、对⾊偏图像进⾏软分类，计算每⼀类图像的⽐例系数ρk；2、根据ρk对每⼀类图像进⾏⾼光提取，得到每⼀类图像的多个⾼光区域；3、分别对每⼀类图像的⾼光区域进⾏⾊度聚类和空间聚类，得到每⼀类图像的多个参考光源；4、根据每⼀类图像中的所有参考光源计算得到校正系数，并依据校正系数对该类图像进⾏校正，得到该类图像的校正图像；5、将三类校正图像进⾏加权整合，得到⾊偏图像的校正图像。根据本发明所提供的⾊偏图像的校正⽅法，不仅简化了局部⾊彩校正算法模型，减少了计算量，并且本⽅法对⾮均匀多光源⾊偏图像校正效果显著，校正后的⾊度和亮度与原图相⽐基本相同。 【专利说明】⾊偏图像的校正⽅法
邢源高
中国粉末冶金网【技术领域】kps
[0001]本发明属于图像处理领域，具体设计⼀种采⽤⾊彩校正算法对⾮均匀多光源的⾊偏图像进⾏校正的⽅法。
【背景技术】
[0002]⾊彩校正是指改变数字图像的颜⾊值以实现⼈类视觉系统的⾊彩恒常性。⽽计算机恒常性的基本原理是：当给予计算机充分的图像数据、合适的算法及参数、适当的程序和模型的情况下，计算机能模拟⼈类视觉系统的⾊彩恒常性。现实中计算机⾊彩恒常性的实现存在很多难题，其中⽐较典型就是⾊差问题。因此要实现计算机的⾊彩恒常性，就必须对采集到的数字图像进⾏⾊彩校正。
[0003]⽬前，很多研究⼈员对颜⾊恒常性研究都是针对单⼀光源下。这种研究的关键是在获取图像时，不管现实场景中是否为单⼀光源，都假设场景中光源是单⼀的。由光源⾊温变化引起的⾊偏现象是单⼀环境光源下⽐较典型的⾊偏类型，⽬前对这种类型的⾊偏研究也有很多，如⽩平衡算法和基于von Kries⾊系数定律的颜⾊恒常性模型等。1980年G.Buchsbaum提出了灰度世界(Grey-World)算法，该算法将未知光源照射下图像的R、G、B三通道的均值，通过对⽐校正到标准光源下(其中标准光源下图像三通道的均值相等)。完美反射(ffhite-Patch, max-RGB )算法假设图像中的镜⾯部分能对光源全反射，亮度最⼤，所以将图像R、G、B三通道的最⼤值作为环境光源信息，通过对⽐校正到标准光源下。
[0004]虽然灰度世界算法及完美反射算法⽐较简单，容易实现，但是对于⽐较复杂的⾊偏情况，特别是对⾮均匀多光源⾊偏情况，其相对简单的算法并不能很好的校正图像，效果并不是很理想。
[0005]对现实场景中有多光源或者物体发⽣反射等情况下得到的⾊偏图像进⾏⾊彩校正要⽐单⼀光源
下⾊偏图像校正复杂的多。⽬前，针对多光源图像⾊偏校正算法⽐较常⽤的是E.Land等提出的视⽹膜⽪层理论(Retinex理论)，这种算法直接利⽤图像像素信息恢复物体真实颜⾊，同时这种理论具有锐化、动态范围压缩和颜⾊恒常性等功能。Retinex算法很多是利⽤Hurlbert提出的⾼斯中⼼环绕函数来对图像实现操作。⽬前，⼜发展了 SSR(单尺度Retinex)和MSR (多尺度Retinex)，但其算法中采⽤的是卷积运算，导致计算时间很长，后来⼜发展了⼀种快速MSR算法，为了改善SSR及MSR算法本⾝在⾊彩校正⽅⾯的局限性，引⼊了⾊彩恢复因⼦形成了 MSRCR算法，后续⼜发展了⼀系列改进算法，⽐如“AnAutomatic Color Correction Method Inspired By The Retinex And Opponent ColorsTheories “⽂中提到的基于retinex和对⽴学说理论⾊彩校正⽅法，但其在⾼光提取⽅⾯各个类别采⽤单⼀阈值，导致其对阈值的依赖性太⼤，提取的⾼光区域类型⽐较单⼀，从⽽导致校正不彻底，⾊度和亮度与原图相⽐失真，⽬前已有⼈提出更为系统的分层⾊彩校正⽅法，如，Tiierarchical Color Correction for Camera Cell Phone Images “⽂中分层分类对图像进⾏处理，但由于其局部分类采⽤分辨率合成算法导致其计算过于繁杂，计算量较⼤，导致缺乏应⽤前景。
【发明内容】
[0006]本发明的⽬的是提供⼀种⾊偏图像的校正⽅法，以解决上述问题。
[0007]为了实现上述⽬的，本发明所采⽤的技术⽅案是:
[0008]⾊偏图像的校正⽅法，其特征在于，包括以下步骤:
[0009]步骤⼀：根据三⾊模型对⾊偏图像进⾏软分类，获得偏红、偏绿和偏蓝三类图像，分别计算得到每⼀类图像的⽐例系数Pk，ke {1,2, 3}；
[0010]步骤⼆：根据每⼀类图像的Pk和图像影响因⼦β，分别对每⼀类图像进⾏⾼光提取，得到每⼀类图像的多个⾼光区域；
[0011]步骤三：分别对每⼀类图像的多个⾼光区域依次进⾏⾊度聚类和空间聚类，得到每⼀类图像的多个参考光源；
[0012]步骤四：根据每⼀类图像中的所有参考光源与该类图像的所有像素之间的⾊度距离和空间距离，计算得到该类图像的校正系数，并依据该类的校正系数，对该类图像中的每⼀个像素进⾏校正，得到该类图像的校正图像；
[0013]步骤五：将按照步骤四所得到的三类校正图像进⾏加权整合，得到⾊偏图像的校正图像。 [0014]另外，本发明所涉及的⾊偏图像的校正⽅法还可以具有这样的特征：其中，步骤⼀中采⽤⼴义⾼斯混合模型计算⽐例系数Pk。
[0015]另外，本发明所涉及的⾊偏图像的校正⽅法还可以具有这样的特征：其中，偏红、偏绿和偏蓝
风行三国三类图像分别对应R、G、B三个通道，
[0016]步骤⼆中的图像影响因⼦β为4%~16%之间的任意数值，
[0017]⾼光提取的⽅法为:
[0018]I)根据公式:
【权利要求】
1.⾊偏图像的校正⽅法，其特征在于，包括以下步骤: 步骤⼀：根据三⾊模型对所述⾊偏图像进⾏软分类，获得偏红、偏绿和偏蓝三类图像，分别计算得到每⼀类图像的⽐例系数Pk，ke {1,2, 3}； 步骤⼆：根据每⼀类图像的Pk和图像影响因⼦β，分别对每⼀类图像进⾏⾼光提取，得到每⼀类图像的多个⾼光区域； 步骤三：分别对每⼀类图像的多个⾼光区域依次进⾏⾊度聚类和空间聚类，得到每⼀类图像的多个参考光源； 步骤四：根据每⼀类图像中的所有所述参考光源与该类图像的所有像素之间的⾊度距离和空间距离，计算得到该类图像的校正系数，并依据该类的所述校正系数，对该类图像中的每⼀个像素进⾏校正，得到该类图像的校正图像； 步骤五：将步骤四所得到的三类校正图像进⾏加权整合，得到所述⾊偏图像的校正图像。
2.根据权利要求1所述的⾊偏图像的校正⽅法，其特征在于: 其中，所述步骤⼀中采⽤⼴义⾼斯混合模
型计算所述⽐例系数P k。
3.根据权利要求1所述的⾊偏图像的校正⽅法，其特征在于: 其中，所述偏红、偏绿和偏蓝三类图像分别对应R、G、B三个通道， 所述步骤⼆中的图像影响因⼦β为4%~16%之间的任意数值， 所述闻光提取的⽅法为: 1)根据公式
中国驻法国的参赞4.根据权利要求3所述的⾊偏图像的校正⽅法，其特征在于: 其中，所述图像影响因⼦β为8%。
5.根据权利要求1所述的⾊偏图像的校正⽅法，其特征在于: 其中，将所述步骤⼆中得到的每⼀类图像的多个⾼光区域的信息r分别存⼊该类图像相对应的矩阵Regions=Ir1, r2, r3......rj中，计算得到每⼀类图像的所述信息r的平均⾊度差AEcitl(rm，rn)，分别对三类图像的平均⾊度差AEcitl(rm，rn)进⾏以下处理，得到步骤三中每⼀类图像的多个参考光源: a、取任⼀类图像⾼光区域间的AEcitl(rm，rn)，建⽴RXR 的矩阵D，根据
矿石品位6.根据权利要求1所述的⾊偏图像的校正⽅法，其特征在于: 其中，根据步骤三中得到的每⼀类图像的参考光源，分别进⾏以下计算，得到每⼀类图像的所述校正系数:
a、根据公式
【⽂档编号】G06T5/00GK103854261SQ201410063159
【公开⽇】2014年6⽉11⽇ 申请⽇期:2014年2⽉25⽇ 优先权⽇:2014年2⽉25⽇
【发明者】赵萍, 王⽂举, 陈伟 申请⼈：上海理⼯⼤学
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议