[go: up one dir, main page]

CN113923429A - 一种基于色卡的颜色校正方法 - Google Patents

一种基于色卡的颜色校正方法 Download PDF

Info

Publication number
CN113923429A
CN113923429A CN202111535771.7A CN202111535771A CN113923429A CN 113923429 A CN113923429 A CN 113923429A CN 202111535771 A CN202111535771 A CN 202111535771A CN 113923429 A CN113923429 A CN 113923429A
Authority
CN
China
Prior art keywords
color
brightness
matrix
image
card
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.)
Granted
Application number
CN202111535771.7A
Other languages
English (en)
Other versions
CN113923429B (zh
Inventor
王毅
张思勤
袁霞
温序铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Sobey Digital Technology Co Ltd
Original Assignee
Chengdu Sobey Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Sobey Digital Technology Co Ltd filed Critical Chengdu Sobey Digital Technology Co Ltd
Priority to CN202111535771.7A priority Critical patent/CN113923429B/zh
Publication of CN113923429A publication Critical patent/CN113923429A/zh
Application granted granted Critical
Publication of CN113923429B publication Critical patent/CN113923429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/67—Circuits for processing colour signals for matrixing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于色卡的颜色校正方法，属于图像色彩校正技术领域，包括步骤：对包含色卡的待校正图像提取线性化色卡颜色值，通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，得到亮度匹配后的颜色值，再利用亮度匹配后的颜色值计算颜色校正矩阵，利用颜色校正矩阵计算校正后的图像。本发明解决了图像校正的过曝问题，以及应用本发明可以提高图像色彩校正算法的适应性和鲁棒性。

Description

一种基于色卡的颜色校正方法
技术领域
本发明涉及图像色彩校正技术领域，更为具体的，涉及一种基于色卡的颜色校正方法。
背景技术
色彩校正技术自彩色摄影术发明以来一直担当着彩色影像的色彩重现的角色。由于输入输出设备的制造工艺，参数设置的不同，其通道响应存在非线性失真，需要对色彩进行校正。色彩校正已被许多行业使用，例如电视制作，游戏，摄影，工程，化学，医药等。
色彩校正最常用有效的是基于标准色卡的校正方法，标准色卡的作用就是用来检测镜头拍摄的图像色彩还原能力，检测样本标准色与镜头拍摄出来后的偏差。目前的色彩校正方法大多通过计算颜色校正矩阵进行校正。传统的基于标准色卡的校正有多项式拟合，神经网络，支持向量机等方法，其中最简便常用的方法为多项式拟合，而多项式拟合的方法大多基于最小二乘法，所以颜色校正矩阵的初始化使用基于最小二乘法的多项式拟合。根据提取到的颜色矩阵和标准色卡的颜色矩阵通过最小二乘法的公式计算得出颜色校正矩阵。
最小二乘法算法得到的结果能达到一个颜色距离上的局部最优解，但由于人眼对颜色的识别非线性，颜色值上的空间距离不能符合人眼对颜色差距的辨别，我们人眼看来差异比较大的颜色事实上RGB的差异可能很小。所以需要继续对最小二乘法得出的校正矩阵进行优化，通过使用符合人眼标准的色差计算公式作为距离函数，使校正后的色彩在视觉观察中与真实色彩差距最小。
上述方法能够实现基于标准色卡的颜色校正，得到较好的校正效果，但该算法存在一定问题。由于算法校正颜色的同时也对亮度进行了改变，使色卡颜色值向标准颜色值靠近，同时也校正了亮度，在拍摄时色卡亮度与标准亮度差距较大时，计算出的校正矩阵会使校正后的图像亮度变化较大，容易产生过曝光的现象。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于色卡的颜色校正方法，解决了图像校正的过曝问题，以及应用本发明可以提高图像色彩校正算法的适应性和鲁棒性。
本发明的目的是通过以下方案实现的：
一种基于色卡的颜色校正方法，包括步骤：对包含色卡的待校正图像提取线性化色卡颜色值，通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，得到亮度匹配后的颜色值，再利用亮度匹配后的颜色值计算颜色校正矩阵，利用颜色校正矩阵计算校正后的图像。
进一步地，所述通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，包括子步骤：
通过计算亮度匹配系数，将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配。
进一步地，所述计算亮度匹配系数包括子步骤：
在图像亮度与色卡亮度比值处于阈值
Figure 629945DEST_PATH_IMAGE001
和
Figure 350777DEST_PATH_IMAGE002
之间时，设计如下亮度匹配系数的 计算公式：
Figure 516179DEST_PATH_IMAGE003
其中M为亮度匹配系数，
Figure 574019DEST_PATH_IMAGE004
为图像亮度均值，
Figure 406846DEST_PATH_IMAGE005
为色卡亮度均值，
Figure 173945DEST_PATH_IMAGE006
为标准色 卡亮度，
Figure 826643DEST_PATH_IMAGE007
为亮度阈值；下标B表示亮度；
在图像亮度与色卡亮度比值大于
Figure 852237DEST_PATH_IMAGE001
或小于
Figure 8411DEST_PATH_IMAGE002
时，亮度匹配系数M计算公式为：
Figure 336625DEST_PATH_IMAGE008
最后，将亮度匹配系数M与色卡颜色值矩阵相乘得到亮度匹配后的颜色值；
Figure 351985DEST_PATH_IMAGE009
。
其中
Figure 791057DEST_PATH_IMAGE010
为色卡颜色值矩阵，C为亮度匹配后的颜色值。
进一步地，所述阈值
Figure 457530DEST_PATH_IMAGE007
=0.25，
Figure 956645DEST_PATH_IMAGE001
=9，
Figure 318356DEST_PATH_IMAGE002
=0.6。
进一步地，所述利用亮度匹配后的颜色值计算颜色校正矩阵包括子步骤：使用亮度匹配后的颜色值和标准颜色矩阵通过最小二乘法的矩阵计算公式计算初始的CCM矩阵M ccm ，计算公式如下：
Figure 436485DEST_PATH_IMAGE011
其中
Figure 567252DEST_PATH_IMAGE012
为经过亮度匹配后的待校正颜色矩阵，
Figure 361901DEST_PATH_IMAGE013
为标准色卡颜色矩阵。
进一步地，对计算得到的初始的CCM矩阵M ccm 进行优化得到颜色校正矩阵。
进一步地，所述优化采用Nelder-Mead算法，使用CIEDE 2000色差计算函数作为优化时距离函数，公式为：
Figure 476488DEST_PATH_IMAGE014
其中，
Figure 991783DEST_PATH_IMAGE015
为色差，
Figure 383581DEST_PATH_IMAGE016
为校正蓝色区域的旋转函数，参数因子
Figure 958919DEST_PATH_IMAGE017
，
Figure 685435DEST_PATH_IMAGE018
，
Figure 270000DEST_PATH_IMAGE019
是 与使用条件相关的校正系数，它们是影响着色差感觉的因素，
Figure 375359DEST_PATH_IMAGE020
；
Figure 262544DEST_PATH_IMAGE021
、
Figure 820564DEST_PATH_IMAGE022
、
Figure 333454DEST_PATH_IMAGE023
分别表示明度差，彩度差和色相差；
Figure 558899DEST_PATH_IMAGE024
、
Figure 476040DEST_PATH_IMAGE025
、
Figure 927881DEST_PATH_IMAGE026
均为权重函数，由明度、 彩度和色相的均值计算得出。
进一步地，所述利用颜色校正矩阵计算校正后的图像，包括子步骤：在待校正图像线性化后，将图像中各像素的RGB值与校正矩阵相乘，完成全图像的色彩校正。
本发明的有益效果是：
本发明实施例能够校正图像色彩，能够对拍摄设备进行色彩校正，使不同的拍摄设备拍摄出的色彩更加一致。
本发明实施例基于对现有色卡校色算法进行改进，有针对性地对算法在校正色彩时对亮度的影响方面进行了改进，避免了算法校正颜色时对亮度的影响可能产生的过曝光现象，使算法对不同曝光图像都能正常校正，通过本发明实施例方法能够提高图像校正算法的适应性和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例方法的流程图。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
下面根据附图1，对本发明的技术构思、工作原理、功效和工作过程作进一步详细说明。
本发明至少解决如下技术问题：传统算法当色卡与周围环境亮度差异较大时，校正后容易产生过曝光的问题。本发明的设计构思：针对该技术问题对原方法进行了改进，提出将色卡亮度与标准色卡亮度匹配的方法来解决因两者亮度差异而产生的校正后亮度变化使图像过曝光的问题。同时，对亮度匹配程度进行控制，使其能对曝光较小图像正常进行亮度的校正。通过改进，提高了校正时对不同曝光图像的适应力，使算法的应用更具鲁棒性。
在具体应用时，本发明提供一种改进的色卡校色方案，包括步骤：输入为包含色卡的待校正图像，输出为颜色校正矩阵和校正后的图像。具体技术构思如下：由于传统算法校正颜色的同时也对亮度进行了校正。因此，在色卡亮度较小时计算出的校正矩阵会提高整张图像的亮度，容易产生过曝光的问题。所以，本发明加入了对色卡的亮度的匹配计算来对原算法进行改进。
而在具体实施时又遇到另一技术问题：色卡和环境亮度差异极大的极端情况。为 了避免色卡和环境亮度差异极大的极端情况，本发明方法首先需要设置判断步骤。在具体 实施中，当图像亮度均值与色卡亮度均值的比值
Figure 854248DEST_PATH_IMAGE027
在经验阈值0.6至9之内时，将针对 不同的环境亮度计算不同的亮度匹配系数值，此时匹配系数计算公式为：
Figure 58834DEST_PATH_IMAGE003
其中M为亮度匹配系数，
Figure 412454DEST_PATH_IMAGE004
为图像亮度均值，
Figure 86012DEST_PATH_IMAGE005
为色卡亮度均值，
Figure 550492DEST_PATH_IMAGE006
为标准色 卡亮度，
Figure 484950DEST_PATH_IMAGE007
为设定的亮度阈值。经过本发明的问题分析、方案调整和验证，得知
Figure 134106DEST_PATH_IMAGE007
=0.25 时较为合理。在图像平均亮度处于不同区间时计算出不同的匹配系数，使算法在校正时能 够避免过曝光的情况，又能保留亮度校正效果。
当图像亮度均值与色卡亮度的比值不在经验阈值0.6至9之内时，说明色卡与环境亮度相差较大，此时M的计算公式为：
Figure 419594DEST_PATH_IMAGE008
此种情况下，亮度的校正容易对图像产生不好的影响，所以使色卡亮度完全匹配标准色卡亮度，使算法校正前后图像亮度基本不变。
最后将色卡颜色值矩阵乘颜色匹配系数M得到亮度匹配后的色卡颜色值：
Figure 563130DEST_PATH_IMAGE009
其中
Figure 352095DEST_PATH_IMAGE028
为色卡颜色值矩阵，C为亮度匹配后的颜色值。
本发明方法对图像亮度设置阈值，使其能在不同亮度情况下保护图像不过曝，又能进行一定程度的亮度校正。
在具体实施时，包括如下步骤：
第一步：拍摄图像可能由于拍摄设备机制或者为了适应人眼的习惯等原因与亮度存在非线性关系，需要根据拍摄时所使用的色彩空间使用相应转换公式将图像像素数据线性化。
第二步：为了避免原方法校正图像时过曝光的问题，在计算初始颜色校正矩阵（CCM）之前，本发明方法加入一步对色卡的亮度匹配计算步骤。在具体实施时，关于对色卡的亮度匹配又提供一种方案但不限于此，只要是对色卡的亮度匹配计算均应属于本发明的技术构思。可选的，本发明方法提供如下具体实施例方案：计算图像亮度均值，标准色卡亮度和图像色卡亮度，并根据图像亮度均值范围计算亮度匹配系数，将提取的色卡颜色值乘以该系数得到匹配后的颜色矩阵用于后续的计算。
第三步：使用亮度匹配后的颜色值矩阵和标准颜色矩阵通过最小二乘法的矩阵计算公式计算初始的CCM矩阵。
第四步：利用优化算法，以标准的色差计算公式作为距离函数优化CCM矩阵，使矩阵的色彩校正结果能够符合人眼对颜色差别的评估。
第五步：将待校正图像线性化，图像中各像素的RGB值与校正矩阵相乘，即可完成全图像的色彩校正。
实施例1：一种基于色卡的颜色校正方法，包括步骤：对包含色卡的待校正图像提取线性化色卡颜色值，通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，得到亮度匹配后的颜色值，再利用亮度匹配后的颜色值计算颜色校正矩阵，利用颜色校正矩阵计算校正后的图像。
实施例2：在实施例1的基础上，所述通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，包括子步骤：通过计算亮度匹配系数，将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配。
实施例3：在实施例2的基础上，所述计算亮度匹配系数包括子步骤：在图像亮度与 色卡亮度比值处于阈值
Figure 313097DEST_PATH_IMAGE001
和
Figure 679357DEST_PATH_IMAGE002
之间时，设计如下亮度匹配系数的计算公式：
Figure 751218DEST_PATH_IMAGE003
其中M为亮度匹配系数，
Figure 801213DEST_PATH_IMAGE004
为图像亮度均值，
Figure 667538DEST_PATH_IMAGE005
为色卡亮度均值，
Figure 662039DEST_PATH_IMAGE006
为标准色 卡亮度，
Figure 396646DEST_PATH_IMAGE007
为亮度阈值；下标B表示亮度；
在图像亮度与色卡亮度比值大于
Figure 160202DEST_PATH_IMAGE001
或小于
Figure 72795DEST_PATH_IMAGE002
时，亮度匹配系数M计算公式为：
Figure 820171DEST_PATH_IMAGE008
最后，将亮度匹配系数M与色卡颜色值矩阵相乘得到亮度匹配后的颜色值；
Figure 968256DEST_PATH_IMAGE009
。
其中
Figure 976532DEST_PATH_IMAGE028
为色卡颜色值矩阵，C为亮度匹配后的颜色值。
实施例4：在实施例3的基础上，所述阈值
Figure 184659DEST_PATH_IMAGE007
=0.25，
Figure 29118DEST_PATH_IMAGE001
=9，
Figure 980894DEST_PATH_IMAGE002
=0.6。
实施例5：在任一个实施例1~4的基础上，所述利用亮度匹配后的颜色值计算颜色校正矩阵包括子步骤：使用亮度匹配后的颜色值和标准颜色矩阵通过最小二乘法的矩阵计算公式计算初始的CCM矩阵M ccm ，计算公式如下：
Figure 109256DEST_PATH_IMAGE011
其中
Figure 222705DEST_PATH_IMAGE012
为经过亮度匹配后的待校正颜色矩阵，
Figure 679094DEST_PATH_IMAGE013
为标准色卡颜色矩阵。
实施例6：在实施例5的基础上，对计算得到的初始的CCM矩阵M ccm 进行优化得到颜色校正矩阵。
实施例7：在实施例6的基础上，所述优化采用Nelder-Mead算法，使用CIEDE 2000色差计算函数作为优化时距离函数，公式为：
Figure 44348DEST_PATH_IMAGE014
其中，
Figure 902582DEST_PATH_IMAGE015
为色差，
Figure 842725DEST_PATH_IMAGE016
为校正蓝色区域的旋转函数，参数因子
Figure 520831DEST_PATH_IMAGE017
，
Figure 814409DEST_PATH_IMAGE029
，
Figure 402517DEST_PATH_IMAGE019
是 与使用条件相关的校正系数，它们是影响着色差感觉的因素，
Figure 123348DEST_PATH_IMAGE020
；
Figure 678963DEST_PATH_IMAGE030
、
Figure 510653DEST_PATH_IMAGE022
、
Figure 77901DEST_PATH_IMAGE023
分别表示明度差，彩度差和色相差；
Figure 110579DEST_PATH_IMAGE024
、
Figure 763277DEST_PATH_IMAGE025
、
Figure 523291DEST_PATH_IMAGE026
均为权重函数，由明度、 彩度和色相的均值计算得出。
实施例8：在实施例1的基础上，所述利用颜色校正矩阵计算校正后的图像，包括子步骤：在待校正图像线性化后，将图像中各像素的RGB值与校正矩阵相乘，完成全图像的色彩校正。
实施例9：在实施例3的基础上，如图1所示，本实施例又提供一种改进的色彩校正方法，包括如下步骤：
第一步：提取待校正图像中色卡的颜色值并创建N×3的RGB颜色矩阵，N为色卡的颜色数量。
第二步：进行色卡颜色值的亮度匹配，通过计算亮度匹配系数将提取到的线性化色卡亮度向标准色卡亮度进行匹配。
在图像亮度与色卡亮度差距较小时，亮度匹配系数计算公式为：
Figure 945045DEST_PATH_IMAGE003
其中M为亮度匹配系数，
Figure 273259DEST_PATH_IMAGE004
为图像亮度均值，
Figure 288619DEST_PATH_IMAGE005
为色卡亮度均值，
Figure 727691DEST_PATH_IMAGE006
为标准色 卡亮度，
Figure 394164DEST_PATH_IMAGE007
为设定的亮度阈值。
在图像亮度与色卡亮度差距较大时，亮度匹配系数计算公式为：
Figure 893279DEST_PATH_IMAGE008
最后原颜色值矩阵与亮度匹配系数M（实际起到校正系数作用）相乘得到亮度匹配后的颜色值。
Figure 395935DEST_PATH_IMAGE008
其中
Figure 107539DEST_PATH_IMAGE028
为色卡颜色值矩阵，C为亮度匹配后的颜色值。
第三步：使用最小二乘法计算初始的CCM矩阵
Figure 769465DEST_PATH_IMAGE031
若要获得使
Figure 298535DEST_PATH_IMAGE032
成立的最优
Figure 413122DEST_PATH_IMAGE033
。则根据最小二乘法，CCM的计算 公式为：
Figure 928417DEST_PATH_IMAGE034
其中
Figure 320215DEST_PATH_IMAGE012
为经过亮度匹配后的待校正颜色矩阵，
Figure 161132DEST_PATH_IMAGE013
为标准色卡颜色矩阵。
第四步：由于人眼对颜色辨别是非线性的，为了使结果在视觉观察上达到最优效果，需要对上一步得到的CCM矩阵进行优化，优化方法使用Nelder-Mead算法，不需要函数可导并能较快收敛到局部最小值，使用CIEDE 2000色差计算函数作为优化时距离函数。公式为：
Figure 622069DEST_PATH_IMAGE014
参数因子
Figure 206634DEST_PATH_IMAGE017
，
Figure 452939DEST_PATH_IMAGE029
，
Figure 199178DEST_PATH_IMAGE019
是与使用条件相关的校正系数，它们是影响着色差感觉 的因素，一般情况下
Figure 22778DEST_PATH_IMAGE020
；
Figure 535667DEST_PATH_IMAGE035
、
Figure 495533DEST_PATH_IMAGE022
、
Figure 553619DEST_PATH_IMAGE023
分别表示明度差，彩度差和 色相差。
Figure 130094DEST_PATH_IMAGE024
、
Figure 790882DEST_PATH_IMAGE025
、
Figure 995468DEST_PATH_IMAGE026
均为权重函数，由明度、彩度和色相的均值计算得出。
第五步：使用改进算法计算的校正矩阵对待校正图像进行校正，使图像色彩更加接近人眼观察下的真实颜色。
实施例9提供了一种鲁棒性高的色彩校正方法，针对色卡颜色与标准值的亮度差异进行一定程度的匹配，控制对亮度的校正程度，最终校正结果视觉效果良好，解决了传统算法在校正时容易过曝光的缺点。该方法有针对性地对算法在校正色彩时对亮度的影响方面进行了改进，避免了算法校正颜色时对亮度的影响可能产生的过曝光现象，使算法对不同曝光图像都能正常校正，提高了算法的适应性和鲁棒性。
本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，在一台计算机设备（可以是个人计算机，服务器，或者网络设备等）以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器（Random Access Memory，RAM）、随机存取存储器（Random Access Memory，RAM）等。

Claims (8)

1.一种基于色卡的颜色校正方法，其特征在于，包括步骤：
对包含色卡的待校正图像提取线性化色卡颜色值，通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，得到亮度匹配后的颜色值，再利用亮度匹配后的颜色值计算颜色校正矩阵，利用颜色校正矩阵计算校正后的图像。
2.根据权利要求1所述的基于色卡的颜色校正方法，其特征在于，所述通过亮度匹配将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配，包括子步骤：
通过计算亮度匹配系数，将提取到的线性化色卡颜色值的亮度向标准色卡亮度进行匹配。
3.根据权利要求2所述的基于色卡的颜色校正方法，其特征在于，所述计算亮度匹配系数包括子步骤：
在图像亮度与色卡亮度差距小于设定的比值处于阈值
Figure 799496DEST_PATH_IMAGE001
和
Figure 903587DEST_PATH_IMAGE002
之间时，设计如下亮度匹 配系数的计算公式：
Figure 886586DEST_PATH_IMAGE003
其中M为亮度匹配系数，
Figure 737255DEST_PATH_IMAGE004
为图像亮度均值，
Figure 20469DEST_PATH_IMAGE005
为色卡亮度均值，
Figure 311773DEST_PATH_IMAGE006
为标准色卡亮 度，
Figure 47648DEST_PATH_IMAGE007
为亮度阈值；下标B表示亮度；
在图像亮度与色卡亮度比值大于
Figure 980969DEST_PATH_IMAGE001
或小于
Figure 367957DEST_PATH_IMAGE002
时，亮度匹配系数M计算公式为：
Figure 830162DEST_PATH_IMAGE008
最后，将亮度匹配系数M与色卡颜色值矩阵相乘得到亮度匹配后的颜色值；
Figure 787754DEST_PATH_IMAGE009
其中
Figure 242875DEST_PATH_IMAGE010
为色卡颜色值矩阵，C为亮度匹配后的颜色值。
4.根据权利要求3所述的基于色卡的颜色校正方法，其特征在于，所述阈值
Figure 235102DEST_PATH_IMAGE007
=0.25，
Figure 133788DEST_PATH_IMAGE001
=9，
Figure 844255DEST_PATH_IMAGE002
=0.6。
5.根据权利要求1~4任一所述的基于色卡的颜色校正方法，其特征在于，所述利用亮度匹配后的颜色值计算颜色校正矩阵包括子步骤：使用亮度匹配后的颜色值和标准颜色矩阵通过最小二乘法的矩阵计算公式计算初始的CCM矩阵M ccm ，计算公式如下：
Figure 837487DEST_PATH_IMAGE011
其中
Figure 949800DEST_PATH_IMAGE012
为经过亮度匹配后的待校正颜色矩阵，
Figure 753808DEST_PATH_IMAGE013
为标准色卡颜色矩阵。
6.根据权利要求5所述的基于色卡的颜色校正方法，其特征在于，对计算得到的初始的CCM矩阵M ccm 进行优化得到颜色校正矩阵。
7.根据权利要求6所述的基于色卡的颜色校正方法，其特征在于，所述优化采用Nelder-Mead算法，使用CIEDE 2000色差计算函数作为优化时距离函数，公式为：
Figure 951571DEST_PATH_IMAGE014
其中，
Figure 764806DEST_PATH_IMAGE015
为色差，
Figure 983822DEST_PATH_IMAGE016
为校正蓝色区域的旋转函数，参数因子
Figure 224311DEST_PATH_IMAGE017
，
Figure 909370DEST_PATH_IMAGE018
，
Figure 260717DEST_PATH_IMAGE019
是与使 用条件相关的校正系数，它们是影响着色差感觉的因素，
Figure 331310DEST_PATH_IMAGE020
；
Figure 8279DEST_PATH_IMAGE021
、
Figure 915055DEST_PATH_IMAGE022
、
Figure 804514DEST_PATH_IMAGE023
分别表示明度差，彩度差和色相差；
Figure 11504DEST_PATH_IMAGE024
、
Figure 843063DEST_PATH_IMAGE025
、
Figure 237135DEST_PATH_IMAGE026
均为权重函数，由明度、 彩度和色相的均值计算得出。
8.根据权利要求1所述的基于色卡的颜色校正方法，其特征在于，所述利用颜色校正矩阵计算校正后的图像，包括子步骤：在待校正图像线性化后，将图像中各像素的RGB值与校正矩阵相乘，完成全图像的色彩校正。
CN202111535771.7A 2021-12-16 2021-12-16 一种基于色卡的颜色校正方法 Active CN113923429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111535771.7A CN113923429B (zh) 2021-12-16 2021-12-16 一种基于色卡的颜色校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111535771.7A CN113923429B (zh) 2021-12-16 2021-12-16 一种基于色卡的颜色校正方法

Publications (2)

Publication Number Publication Date
CN113923429A true CN113923429A (zh) 2022-01-11
CN113923429B CN113923429B (zh) 2022-04-12

Family

ID=79248913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111535771.7A Active CN113923429B (zh) 2021-12-16 2021-12-16 一种基于色卡的颜色校正方法

Country Status (1)

Country Link
CN (1) CN113923429B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115700759A (zh) * 2022-11-14 2023-02-07 上海微创医疗机器人（集团）股份有限公司 医学图像显示方法、医学图像处理方法和图像显示系统
CN116156137A (zh) * 2022-12-23 2023-05-23 北京瞰瞰智能科技有限公司 一种图像色彩矩阵自动优化处理方法及装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621701A (zh) * 2009-01-04 2010-01-06 四川川大智胜软件股份有限公司 独立于几何校正的任意光滑曲面屏幕多投影仪显示墙色彩校正方法
CN102244790A (zh) * 2011-06-27 2011-11-16 展讯通信（上海）有限公司 图像信号处理器配套参数的自适应调整装置及方法
CN103905803A (zh) * 2014-03-18 2014-07-02 中国科学院国家天文台 一种图像的颜色校正方法及装置
CN104217409A (zh) * 2014-09-30 2014-12-17 南京汇川工业视觉技术开发有限公司 一种基于模拟退火最优化算法的图像色彩校正方法
CN106530361A (zh) * 2016-11-16 2017-03-22 上海市东方医院 彩色人脸图像的颜色校正方法
CN107730471A (zh) * 2017-10-26 2018-02-23 北京农业智能装备技术研究中心 一种针对秧苗长势监测的叶片图像色彩矫正方法和装置
CN108600723A (zh) * 2018-07-20 2018-09-28 长沙全度影像科技有限公司 一种全景相机的颜色校正方法及评价方法
US20180349444A1 (en) * 2017-06-06 2018-12-06 Espial Group Inc. Glyph management in texture atlases
JP6487515B1 (ja) * 2017-10-13 2019-03-20 大日精化工業株式会社 成形品セット、コンピュータカラーマッチングシステム、データベース、及び、成形品セットの製造方法
CN110830778A (zh) * 2018-08-14 2020-02-21 杭州海康威视数字技术股份有限公司 成像设备色彩校正方法、装置、电子设备及存储介质
CN112073703A (zh) * 2020-08-31 2020-12-11 深圳市景阳科技股份有限公司 一种色彩校正矩阵的调整方法、装置、终端设备及介质
CN112561829A (zh) * 2020-12-23 2021-03-26 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN112839216A (zh) * 2021-01-13 2021-05-25 合肥埃科光电科技有限公司 一种图像色彩校正方法及装置
CN113628135A (zh) * 2021-07-28 2021-11-09 Oppo广东移动通信有限公司 图像颜色校正方法、装置、计算机装置及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621701A (zh) * 2009-01-04 2010-01-06 四川川大智胜软件股份有限公司 独立于几何校正的任意光滑曲面屏幕多投影仪显示墙色彩校正方法
CN102244790A (zh) * 2011-06-27 2011-11-16 展讯通信（上海）有限公司 图像信号处理器配套参数的自适应调整装置及方法
CN103905803A (zh) * 2014-03-18 2014-07-02 中国科学院国家天文台 一种图像的颜色校正方法及装置
CN104217409A (zh) * 2014-09-30 2014-12-17 南京汇川工业视觉技术开发有限公司 一种基于模拟退火最优化算法的图像色彩校正方法
CN106530361A (zh) * 2016-11-16 2017-03-22 上海市东方医院 彩色人脸图像的颜色校正方法
US20180349444A1 (en) * 2017-06-06 2018-12-06 Espial Group Inc. Glyph management in texture atlases
JP6487515B1 (ja) * 2017-10-13 2019-03-20 大日精化工業株式会社 成形品セット、コンピュータカラーマッチングシステム、データベース、及び、成形品セットの製造方法
CN107730471A (zh) * 2017-10-26 2018-02-23 北京农业智能装备技术研究中心 一种针对秧苗长势监测的叶片图像色彩矫正方法和装置
CN108600723A (zh) * 2018-07-20 2018-09-28 长沙全度影像科技有限公司 一种全景相机的颜色校正方法及评价方法
CN110830778A (zh) * 2018-08-14 2020-02-21 杭州海康威视数字技术股份有限公司 成像设备色彩校正方法、装置、电子设备及存储介质
CN112073703A (zh) * 2020-08-31 2020-12-11 深圳市景阳科技股份有限公司 一种色彩校正矩阵的调整方法、装置、终端设备及介质
CN112561829A (zh) * 2020-12-23 2021-03-26 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN112839216A (zh) * 2021-01-13 2021-05-25 合肥埃科光电科技有限公司 一种图像色彩校正方法及装置
CN113628135A (zh) * 2021-07-28 2021-11-09 Oppo广东移动通信有限公司 图像颜色校正方法、装置、计算机装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
段仲麒: "串行视觉通信下失真图像颜色校正方法仿真", 《计算机仿真》 *
陆涛: "基于统计特征分类耦合自适应Gamma校正的图像增强算法", 《电子测量与仪器学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115700759A (zh) * 2022-11-14 2023-02-07 上海微创医疗机器人（集团）股份有限公司 医学图像显示方法、医学图像处理方法和图像显示系统
CN116156137A (zh) * 2022-12-23 2023-05-23 北京瞰瞰智能科技有限公司 一种图像色彩矩阵自动优化处理方法及装置

Also Published As

Publication number Publication date
CN113923429B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN113923429B (zh) 一种基于色卡的颜色校正方法
CN107197225A (zh) 基于色适应模型的彩色数码相机白平衡校正方法
CN111199524B (zh) 一种针对可调光圈光学系统的图像紫边校正方法
CN105578021B (zh) 双目相机的成像方法及其装置
CN113573032B (zh) 图像处理方法及投影系统
CN111292246A (zh) 图像颜色校正方法、存储介质及内窥镜
CN108600723A (zh) 一种全景相机的颜色校正方法及评价方法
CN103886565B (zh) 基于目的性优化及直方图均衡化的夜间彩色图像增强方法
US8860806B2 (en) Method, device, and system for performing color enhancement on whiteboard color image
CN113596422B (zh) 一种色彩校正矩阵ccm调整的方法及监控设备
CN106651812B (zh) 一种简单镜头成像的多通道psf标定方法
CN109410152A (zh) 成像方法和装置、电子设备、计算机可读存储介质
CN106530361A (zh) 彩色人脸图像的颜色校正方法
CN112351195B (zh) 图像处理方法、装置和电子系统
KR20090079069A (ko) 색채 복원 방법 및 시스템
CN113676629A (zh) 图像传感器、图像采集装置、图像处理方法及图像处理器
CN113676639A (zh) 图像处理方法、处理装置、电子设备及介质
CN104581105A (zh) 基于色温距离变换权重图和块可靠性修正的自动白平衡方法
CN113628135B (zh) 图像颜色校正方法、装置、计算机装置及存储介质
CN111586385A (zh) 一种基于b样条曲线的投影图像颜色校正方法
CN115103172A (zh) 一种图像色彩矫正方法、设备及计算机可读存储介质
CN106651811A (zh) 一种亮度通道引导的简单镜头成像模糊去除方法
CN115665565A (zh) 在线烟叶图像颜色校正方法、系统及装置
CN115426487A (zh) 色彩校正矩阵调整方法、装置、电子设备及可读存储介质
CN119011740A (zh) 图像处理方法、装置、电子设备及可读存储介质

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