CN102867295B - 一种彩色图像颜色校正方法 - Google Patents

Abstract

本发明公开了一种彩色图像颜色校正方法，具体包括提取图像各通道分量，将分量图像分成若干小块，计算每块图像的反射率信息，计算图像的光源值，用光源对色偏图像进行颜色校正。本发明的方法首先将彩色图像分解到红，绿，蓝三个颜色通道，然后将三个颜色通道中的图像分块，计算每块图像的反射率信息，并在分块图像上计算每个颜色通道的光源信息，通过灵活的选择图像分块的大小，可以快速高效的计算出图像的光源值，最后用所计算的光源校正原图像，实现所见即所得的图像颜色校正。本发明的方法具有通过简单的参数选择，快速有效的计算出各种场景下图像的真实光源信息，准确的实现颜色校正。

Description

一种彩色图像颜色校正方法

技术领域

本发明属于计算机视觉和图像处理技术领域，具体涉及彩色图像的颜色校正方法。

背景技术

图像是传递真实场景信息的一种有效媒介。但是由于技术的限制，由机器设备，比如照相机拍摄得到的图像往往在颜色上产生色偏，这是由于场景中光源变化所造成的，比如在日光灯下拍摄的图像偏绿，而在钨丝灯下拍摄的图片偏黄，而人的视觉系统却能够很好的适应这种光源变化下的场景，不受影响的感知场景的真实颜色，这种能力称之为人视觉系统的颜色恒常性。同样，在计算机视觉和图像处理领域也在致力于使机器系统获得人视觉系统颜色恒常性的这样一种能力——计算性颜色恒常，它的主要目的是计算任意一幅图像的未知光源，然后将这幅图像用先前计算得到的光源进行校正后在标准白光下进行显示，以用于后续应用，比如基于颜色的目标识别等。如果由相机拍摄得到的图像，如前所述，本身就是具有色偏的图像，那么这种计算的一种实际应用也就是通常所说的图像颜色校正。比较典型的彩色图像颜色校正方法是由A Chakrabarti等2008年提出的方法，参考文献：A.Chakrabarti,K.Hirakawa,and T.Zickler,“Color constancy beyond bags of pixels,”in IEEE Computer Society Conference onComputer Vision and Pattern Recognition,2008,pp.1–8.该方法对图像进行多尺度滤波，得到不同尺度下的图像信息，利用主成份分析技术来估计出图像的光源，但该方法存在的主要问题是计算复杂，需要训练，灵活性差，不适合用于需要进行实时处理的消费型照相机上的应用，比如图像的自动颜色校正。

发明内容

本发明的目的是为了解决现有的上述彩色图像颜色校正方法存在的缺陷，提出了一种彩色图像的颜色校正方法。

本发明的技术方案是：一种彩色图像的颜色校正方法，包括如下步骤：

S1.提取各颜色通道图像：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像；

S2.对每个颜色通道图像进行分块：根据预先设定的图像块大小，将步骤S1得到的红色，绿色和蓝色通道图像分别分割成相邻但不重复的图像块区域；

S3.计算每个图像块的反射率信息：在每个颜色通道的每个图像块内选择具有最大值的像素点来归一化此图像块内的所有像素点，计算出的值作为此图像块的反射率信息；

S4.计算每个颜色通道图像的光源值：选取某颜色通道下的图像块，累加该图像块的像素值，记为P1；累加由步骤S3计算得到的该图像块的反射率信息，记为P2，最后由P1除以P2得到的值作为此图像块在该颜色通道下的光源值，进而获取每个颜色通道下的光源值；

S5.色偏图像颜色校正：利用步骤S4计算得到的各个颜色通道下的光源值，分别校正每个颜色通道，并将校正后的图像乘上标准光源，得到每个颜色通道下经过校正后的图像，进而得到校正后的彩色图像。

作为一个较佳的实施例，步骤S2的图像分块大小参数取值范围为50×50～70×70。

上述步骤S4中所述的获取每个颜色通道下的光源值具体通过平均该颜色通道下的所有图像块在该颜色通道下的光源值得到，或者通过加权平均的方式得到，具体的加权平均是指对每个图像块的光源值乘以某个加权因子再取平均。

上述步骤S5中所述的校正每个颜色通道具体使用Von kries模型。

上述步骤S5中所述的标准光源的值为其中，表示每个颜色通道无颜色色差的标准白光的光源值。

本发明的有益效果：本发明的方法首先将图像分为红，绿，蓝三个分量，然后对每一个分量的图像进行分块局部处理，估计出图像块的反射率，记为P2，仅接着累加该图像块的像素值，记为P1，然后用P1除以P2得到的值作为该图像块的光源值，最后平均所有图像块的光源值作为该颜色通道的光源值。本发明本质上汲取了人视网膜神经节细胞处理信息的特点——中心外周局部处理，外周的信号(这里具体为P2表示的信号)局部调整中心的信号(这里具体为P1表示的信号)，适当的调节中心外周的大小(表示为图像分块的大小)来改变外周信号和中心信号的取值，从而准确的估计出图像的光源值，最后用此光源值进行图像的颜色校正。这里图像块的大小是一个主要的参数，因为它模拟了视网膜神经节细胞中心外周感受野的大小，随着参数的变化，中心外周感受野的大小也随着变化，从而有效的提取出变化的光源信息。本发明所展示的方法具有参数少(仅有一个可调参数，即图像块大小)，计算简单，速度快，效果好，能够进行实时处理等特点，非常适合于内置在照相机预处理的前端来对图像进行颜色校正。

附图说明

图1是本发明一种彩色图像颜色校正方法的流程示意图。

图2是图像块大小为55×55时估计出来的图像块反射率以图像的形式显示出来时的效果图。

图3是实施例中采用本发明方法对一幅色偏图像进行颜色校正后得到的色偏校正图和标准无色偏图的对比图组。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

视网膜是人类视觉系统接受外界信息的门户，在它上面有各种各样的细胞对进入人眼的信息进行初级处理，其中视网膜神经节细胞具有中心外周的感受野，这种中心外周的结构能够很好的处理变化的光源信息，基于此提出了本发明的方法。

下面通过一个实施例进行具体说明。

从目前国际公认的用于验证计算性颜色恒常校正的图像库网站上下载IMG_0633图像及其对应的标准光源和标准无色偏图，图像大小为874×583，其中IMG_0633图像为48位png格式图像，每个颜色通道以16位精度表示，标准无色偏图是由图像库提供的此图像的真实光源校正后得到的。具体计算方法的流程如图1所示，具体过程如下：

S1.提取各颜色通道图像：首先将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像；以原色偏图像的一个像素值(846,3287,4430)为例，分解成红，绿，蓝三个分量后的值分别为846，3287，4430。

S2.将每个颜色通道图像分块：根据预先设定的图像块大小，分别将经步骤S1所得的红，绿，蓝三个分量图像按照设定的图像块大小分成相邻但不重复的图像块。

这里，图像分块的大小表示了被处理局部区域的大小，为了能更真实的模拟人视网膜神经节细胞感受野的性质，图像分块大小参数取值范围为50×50～70×70，在本实施例中图像分块大小选取的为55×55，为了简化说明，下面的数据均以红通道下大小为3×3的一个图像块为例来具体阐述，像素值分别为(846，838，825，901，853，867，917，786，946)。

S3.计算每个图像块的反射率信息：在每个颜色通道的每个图像块内选择具有最大值的像素点来归一化此图像块内的所有像素点，计算出的值作为此图像块的反射率信息。

以上述红色通道下3×3的一个图像块为例进行说明，在9个像素点中选择一个最大值为946的像素点归一化所有像素点得到(0.8943，0.8858，0.8721，0.9524，0.9017，0.9165，0.9693，0.8309，1.0000)作为该图像块内每个像素点的反射率信息。

图2为在图像分块大小选取为55×55时将一幅色偏图像进行上述S1，S2，S3步骤后得到的整幅图像的反射率信息以图像的形式呈现。

S4.计算每个颜色通道下图像的光源值：选取某颜色通道下的图像块，累加该图像块的像素值，记为P1；累加由步骤S3计算得到的该图像块的反射率信息，记为P2，最后由P1除以P2得到的值作为此图像块在该颜色通道下的光源值，进而获取每个颜色通道下的光源值。

以上述红色通道下3×3的一个图像块为例进行说明，图像块的像素值求和为P1＝7779，反射率信息求和为P2＝8.2230，由P1除以P2得到的值946.0051就是该图像块S1的光源值，以此类推可以得到红色通道下所有图像块的光源值，进而获取红色通道下的光源值。

这里可以将每个颜色通道下所有图像块的光源值取这些光源值的平均作为此颜色通道的光源值，也可以通过加权平均的方式进行，具体的加权平均是指对每个图像块的光源值乘以某个加权因子再取平均。在本实施例中选择直接平均的方式计算每个颜色通道的光源值。

S5.色偏图像颜色校正：由上述步骤求得的三个颜色通道的光源值，采用Von kries模型对原色偏图像进行颜色校正。

以上述红色通道下3×3的一个图像块为例进行说明，假设经过步骤S1、S2、S3、S4处理后得到的红色通道下的光源值为749.5025，原图像块S1的每个像素值(846，838，825，901，853，867，917，786，946)除以749.5025后得到的值为(1.1287，1.1181，1.1007，1.2021，1.1381，1.1568，1.2235，1.0487，1.2622)，即完成了对原色偏图像的颜色校正。

在这里原色偏图像经过颜色校正后，为了在标准光源下验证其效果，还需要将校正后的像素值乘上一个标准光源，这里选取的标准光源的值为表示每个颜色通道无颜色色差的标准白光的光源值。

即在这里将图像块得到的(1.1287，1.1181，1.1007，1.2021，1.1381，1.1568，1.2235，1.0487，1.2622)乘上标准光源系数1/3后得到(0.3762，0.3727，0.3669，0.4007，0.3794，0.3856，0.4078，0.3496，0.4207)，即为上述红色通道下3×3的图像块经过本发明方法颜色校正后的图像的像素值，进而得到每个颜色通道下经过校正后的图像，将经过校正后的三个颜色通道的图像合成一幅彩色图像就得到最终的输出结果，即校正后的彩色图像。

图像分块大小选取为55×55时，测试结果示意图如图3所示，其中：3a.原始色偏图像，3b.由本发明彩色图像颜色校正方法计算得到的无色偏图像，3c.由图像库所提供的真实光源计算得到的标准无色偏图像。

可以看出，本发明的方法首先将彩色图像分解到红，绿，蓝三个颜色通道，然后将三个颜色通道中的图像分块，计算每块图像的反射率信息，并在分块图像上计算每个颜色通道的光源信息，通过灵活的选择图像分块的大小，可以快速高效的计算出图像的光源，最后用所计算的光源校正原图像，实现所见即所得的图像颜色校正。本发明的彩色图像颜色校正方法具有通过简单的参数选择，快速有效的计算出各种场景下所拍摄图像的真实光源信息，准确的实现色偏图像颜色校正，其计算简单，快速，效果好。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种彩色图像的颜色校正方法，包括如下步骤：

S1.提取各颜色通道图像：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像；

S2.对每个颜色通道图像进行分块：根据预先设定的图像块大小，将步骤S1得到的红色，绿色和蓝色通道图像分别分割成相邻但不重复的图像块区域；具体分块大小参数取值范围为50×50～70×70；

S3.计算每个图像块的反射率信息：在每个颜色通道的每个图像块内选择具有最大值的像素点来归一化此图像块内的所有像素点，计算出的值作为此图像块的反射率信息；

S4.计算每个颜色通道图像的光源值：选取某颜色通道下的图像块，累加该图像块的像素值，记为P1；累加由步骤S3计算得到的该图像块的反射率信息，记为P2，最后由P1除以P2得到的值作为此图像块在该颜色通道下的光源值，进而获取每个颜色通道下的光源值；

所述的获取每个颜色通道下的光源值具体通过平均该颜色通道下的所有图像块在该颜色通道下的光源值得到；或者通过加权平均的方式得到，具体的加权平均是指对每个图像块的光源值乘以某个加权因子再取平均；

S5.色偏图像颜色校正：利用步骤S4计算得到的各个颜色通道下的光源值，分别校正每个颜色通道，并将校正后的图像乘上标准光源，得到每个颜色通道下经过校正后的图像，进而得到校正后的彩色图像。

2.根据权利要求1所述的彩色图像的颜色校正方法，其特征在于，步骤S5中所述的校正每个颜色通道具体使用Von kries模型。

3.根据权利要求1所述的彩色图像的颜色校正方法，其特征在于，步骤S5中所述的标准光源的值为其中，表示每个颜色通道无颜色色差的标准白光的光源值。