轻松校正照片颜色

许多人在使用数码相机拍摄的时候都会遇到这样的问题，在日光灯的房间里拍摄的照片显得发绿，在室内钨丝灯光下拍摄出来的照片偏黄，而在日光阴影处拍摄到的照片则莫名其妙地偏蓝，这主要是由于白平衡没有调节好造成的。     

利用白平衡进行偏色图像的颜色校正

在图像处理领域,大量研究基于景物的颜色特征,所以要保证景物在不同光照下的颜色恒常性。文中提出了一种新的监督颜色校正方法。在拍摄背景中放置黑白渐变的基准板,利用黑平衡和白平衡的原理,通过对基准板所成图像的R、G、B通道累积直方图的分析,得到对偏色图像各通道灰度值的校准方法,来校准整幅图像。实验结果表明,校准图像与颜色正常图像视觉效果基本一致,校正效果较好,方法简洁实用。     

焦点引导的带颜色恢复的多尺度Retinex算法

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。     

一种颜色保持的彩色图像增强新算法

分析了Retinex理论及其典型彩色图像增强算法,在此基础上提出一种颜色保持的彩色图像增强新算法。利用非线性sigmoid传输函数多尺度增强亮度分量,并进行局部对比度增强后获得亮度增益曲面,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真。几种算法实验结果的比较和分析。表明,这种算法是有效的。     

基于自适应局部非线性回归的颜色校正算法

颜色是图像的重要信息。许多颜色校正算法都采用精度较高的查找表法。为了更好地拟合颜色空间之间复杂的映射关系,在自适应局部线性回归颜色校正模型的基础上提出了基于自适应局部非线性回归的颜色校正模型,在小样本情况下,自适应地选择插值点的个数,利用局部非线性回归模型优化权值,建立三维的查找表,实现较好的颜色校正效果。实验证明基于自适应局部非线性回归的颜色校正模型的校正精度整体高于基于自适应局部线性回归的颜色校正模型的校正精度。     

基于Retinex理论的图像增强算法研究

Retinex理论的图像增强算法,就是在一个图像中,忽略透射光的影响,同时来获得物体的反射的基本特性,并通过这种方式来获得物体原本的图像形态。本文在探讨了Retinex基本理论,对建立在该理论基础上的图像增强算法的实现做了理论与实践的研究。     

颜色校正方法及其在图像处理中的应用

如何通过颜色校正获得真实的颜色重现已成为图像处理中普遍存在的技术难点。首先对影响颜色失真的主要因素进行分析;然后讨论了一些有代表性的颜色校正方法及其改进机制,并进一步介绍了颜色校正在图像处理中的不同应用;最后指出了颜色校正未来的发展趋势。     

HSV色彩空间的Retinex结构光图像增强算法

在结构光几何重建中,由于拍摄方式和场景照明情况的复杂多变,使得产生的图像可能会因为光线的亮暗不均造成图像细节的缺失.为此,提出一种基于HSV色彩空间变换的带颜色恢复Retinex算法和色彩饱和度校正策略.针对颜色保持的需要,首先将传统RGB空间上的多尺度Retinex算法转换到HSV颜色空间;然后通过分析HSV颜色空间模型来增强模型中的V分量,同时利用相关系数使S分量随着V分量的增强进行自适应调整;最后将HSV模型转换到RGB空间,使增强后的图像颜色得到保持.实验结果表明,该算法应用于结构光条纹图像的增强中将使结构光图像在颜色得到保持的同时细节信息也得到了增强,更利于后续条纹信息的提取及自动编码.     

基于Retinex的彩色图像增强方法综述

Retinex算法是彩色图像增强领域中的重要方法, Retinex算法具有丰富的内涵.针对传统Retinex算法易在增强结果中产生色彩失真、光晕现象等局限性,本文讨论并分析了现有的基于颜色空间转变、色彩校正和估计照度分量设计方法的一系列相关的改进方法.最后指出了Retinex算法可进一步研究的方向.     

基于标准白色模板的扩展RGB颜色校正算法

如何通过颜色校正获得真实的颜色重现已成为图像处理中普遍存在的技术难点。针对此类问题,提出一种基于白色模板的颜色校正方法：首先将颜色空间的精度扩展到一定的程度,然后制作一个标准状态下的白色模板;接着根据条件选取适当的校正算子,根据校正算子得出的RGB值去校正在同样条件下得到的目标图像。工程实践和仿真结果表明,校正后的图像不但在视觉上与标准图像达到一致,并且在数值误差上也小于传统的校正方法。     

肤色模型快速人脸检测算法研究

为提高人脸检测效率．研究实现采用肤色模型的低分辨率视频快速人脸检测算法。主要步骤包括采用Gray World方法的图像预处理、图像二值化和形态学处理等,从而实现快速人脸定位。实验结果证明该方法的正确性、快速性和有效性。该算法可以为后期人脸特征检测的精确定位奠定基础。     

基于Retinex理论的图像增强算法*

这种增强算法首先依据像素的R,G,B分量将输入的彩色图像被分解成为三幅图像,代表场景中波长不同（长波、中波和短波）的反射光的强度;分别计算长波、中波和短波波段内像素间的相对明暗关系,进而确定每个像素的色彩。最后,将Retinex色度空间内的色彩线性映射到RGB空间,获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。     

基于Lab色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。     

基于Retinex算法的亮度分层图像增强算法

在处理低照度的图像时，传统的Retinex算法虽然可以提高图像的辨识度，但是存在“光晕伪影”和图像细节表现不明显等问题，因此本文采用了引导滤波图像分层处理与多尺度Retinex算法相结合的图像增强算法。首先在HSI色彩空间中对原始图像使用引导滤波算法，将图像分成细节图像和基本图像。然后对分离出来的两个图像层构造增益系数，分别进行增强处理后再进行重构，得到一个新的亮度图像。最后，在RGB色彩空间内对新的亮度图像进行色彩恢复从而输出最终的亮度较高、还原度较好的图像。实验结果表明，本文算法使图像的边缘和细节更加突出，而且能够消除“光晕伪影”现象，客观评价指标也有较大幅度的提升。     

一种输入图像的色彩误差校正新模型

在分析扫描物呈色原理和误差产生原因的基础上，提出了一种扫描输入图像的色空间转换的修正模型。首先重新解释Neugebauer方程的参数含意，使原本只适用于印刷网点图像的Neugebauer方程也适用于非印刷网点图像。随后结合Neugebauer方程和RBF神经网络，分单色、双色和三色逐步导出输入图像的色彩修正方程。最后给出的实验结果表明，与目前具有较高转换精度的主流模型比较，本文模型能够明显提高转换精度。     

基于改进型Retinex算法的彩色图像增强技术

由于单尺度Retinex算法在处理过程中会产生光照强度问题导致图像细节表达不细致,提出一种改进的基于单尺度Retinex(SSR)算法的 真彩图像增强算法。首先,使用加权最小二乘法对原始彩色图像进行细节增强,然后对原始图像进行优化。对处理后的图像层和细节图像层构造增益系数,并进行重构输出一幅新的合并图像。实验结果表明,所提算法能够有效减少图像中的噪声,并使图像细节和对比度更加突出,亮度增强。相比于其它传统的算法,改进型Retinex算法处理后的图像客观评价指标有大幅度提升,图像增强能力有大幅改善。     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.     

一种颜色相似度量化算法分析与实现

以RGB颜色空间为研究对象,将RGB模型的空间立方体结构切片进行分析,提出一种新的颜色类量化方法即RGB颜色空间模型的8顶点颜色类量化方法。实验表明,该算法不仅可避免复杂的颜色空间转换过程,而且符合人眼颜色视觉的相似性判断规律,可以得到较理想的颜色识别效果。