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

【技术领域】

[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

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

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