基于色貌模型的图像颜色校正

近二三十年来,色貌模型的飞速发展促使颜色校正技术从传统的色度阶段步入到色貌阶段。针对颜色校正技术以及色貌模型和图貌模型的研究现状进行了综述,并对模型的性能进行了比较和评价,进一步展望了基于色貌模型的颜色校正技术的发展趋势。     

基于SSA-CatBoost的颜色校正模型仿真

针对图像采集设备在采集过程中出现的颜色失真以及传统方法存在校正效果不佳的问题,提出了一种结合SSA算法的CatBoost颜色校正模型。首先,建立三个CatBoost模型,并使用SSA算法分别搜索三个模型的最佳参数;然后将所得到的最优参数赋值给三个CatBoost模型,并分别对三通道的测量值与真实值进行拟合;最后,与传统多项式回归方法进行对比,校验此模型校正效果。模型仿真结果表明,上述模型可将色差值ΔE控制在3以内,证实了SSA-CatBoost模型具有更好的颜色校正。     

时空域Retinex颜色校正算法的ZedBoard实现

提出了基于白平衡理论的时空域Retinex颜色校正算法,并且针对该算法的计算复杂度较高、在实时性要求较高的领域存在较大的局限性等缺点,设计了基于白平衡理论的时空域Retinex颜色校正算法的硬件平台。利用ZedBoard开发板上的PS和PL资源对输入的多帧低光照下采集的图像进行白平衡处理,提取场景光照信息图像,然后高效地实现Retinex颜色校正算法,向投影仪输出反映物体固有颜色的反射系数信息图像。用柯尼卡美能达CL200A色温照度计采集投影光的颜色数据,数据显示,校正算法扩展了图像的色域范围,使其更加接近标准色坐标的色域范围,校正后的白点更加靠近标准白点,提高了色彩分辨率,解决了色偏问题。比较了在PC上用MATLAB实现的耗时和在ZedBoard上实现的耗时,结果表明在ZedBoard上的耗时降低了接近两个数量级。     

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。     

泡沫图像统计建模与恒常颜色校正算法研究

由于浮选现场的恶劣环境和复杂光照等问题,将导致采集到的泡沫图像不可避免地发生色偏.为了消除以上不利影响,提高后续颜色特征提取的准确性,本文提出了一种基于图像统计建模的泡沫图像恒常颜色校正算法.首先,通过对泡沫图像统计特性的分析,利用Contourlet变换和广义高斯分布函数对图像进行统计建模.其次,选取颜色恒常性标准图像库(Gray-ball)中已知真实光照的标准图像作为训练样本,建立其统计模型参数集,分别选用常用的5种颜色恒常性算法对其进行颜色校正,并以最小角度误差为每幅标准图像标记最佳颜色恒常性算法.最后,利用K最近邻分类算法将待校正的泡沫图像分至对应的恒常算法中,该算法即为原始泡沫图像的最佳恒常颜色校正算法.实验结果证明,该算法能够获得较好的颜色校正效果.     

软件开发中的色彩设计

一、颜色的类型与混合 在自然界里,红、橙、黄、绿、青、蓝、紫七种颜色我们称其为标准色,或称“彩虹”七色。色光是具有一定波长和频率的电磁波,波长在380—760毫微米的电磁辐射能引起人们的视觉,并把它们感知为各种颜色。 颜色的三原色是红、黄、蓝,红+黄=橙,黄+蓝=绿,颜色的混合是愈混和愈暗,颜色的三原色等量相加     

多视点视频编码去相关颜色校正

多视点视频编码效率受到各个视点图像之间颜色不均衡的影响。在三色激励值近似线性无关的lαβ颜色空间中,对多视点视频数据实现了颜色校正。根据视频序列原始数据的特点,选择合适的变换矩阵,提供了YUV到lαβ空间的变换式。为降低不同视点间亮度差异的影响,在块搜索和匹配中结合相关分析法,获取最优匹配块。将匹配块数据变换到从lαβ衍生的一个线性无关的颜色空间中,采用统计量逼近的方法对数据进行了更简便的校正。结果表明,所校正的数据变换回YUV空间后,主观效果良好,消除了颜色差异,在编码性能上,Y分量平均PSNR提高达l.4dB以上,证明了该颜色校正算法的有效性。     

用jQuery＋SVG打造“颜色选择”插什

纯JS“颜色选择”插件的功能，用jQuery＋SVG制作本插件的关键技术：色盘与色块列表的绘制、色盘亮度的调节、鼠标所在位置颜色的获取，扩展jQuery用于创建SVG元素。     

基于场景深度估计的自然光照水下图像增强方法

针对水下图像模糊、对比度低且色彩失真的问题,结合修正的水下成像模型,提出一种基于场景深度估计的自然光照水下图像增强方法.首先,依据自然光照条件下水下图像场景亮度与场景深度总体成正比的先验理论,对图像的亮度信息进行最小值滤波和软抠图处理以实现场景深度估计;然后,结合暗通道先验知识和场景深度信息进行离散像素点的后向散射分量估计,根据修正的水下成像模型来拟合和去除后向散射;最后,采用基于色适应的颜色校正方法对直接分量进行色偏校正,利用线性拉伸方法来提升图像的亮度和对比度.水下多场景条件下的实验结果表明,本文方法可有效地去除后向散射引起的雾样模糊,提高图像对比度并校正颜色偏差.     

基于暗原色先验原理的水下图像增强

针对水下光衰减和散射导致的图像严重降质问题和用传统方法进行水下图像增强 产生色偏现象,提出一种新的水下图像增强方法。基于暗原色先验原理进行水下图像增强,用 软抠图的方法对图像暗通道进行细化;在图像前0.1%最亮的像素点中,用中值滤波算法计算出 这些像素点的中值,再计算这些像素点和与之对应的中值的差值,差值最小的像素点作为背景 光的预估值,并用该像素点所在区域颜色饱和度方差来判断预估背景光的准确性;利用Retinex 算法和图像各颜色通道的衰减系数比对增强后的图像进行颜色校正。实验表明,该方法能有效 地去除水下图像中的雾色、校正图像色偏问题,进而提高图像对比度。     

基于颜色校正和去模糊的水下图像增强方法

由于光在水下传播时会出现吸收和散射的情况,水下图像往往存在色偏、对比度低、模糊、光照不均匀等问题。根据水下图像成像模型,人们在海底拍摄所获得的图像往往是退化的图像,而退化的图像不能完整地表达海洋场景信息,难以满足实际的应用需要。为此,文中提出了一种基于颜色校正和去模糊的水下图像增强方法。该方法有效融合了颜色校正和去模糊两个阶段,取得了递增的增强效果。在颜色校正阶段,首先对原始图像进行对比度拉伸,在对比度拉伸完成之后,图像可能存在拉伸过度或拉伸不足的现象。因此,所提方法根据灰度世界先验,在对比度拉伸后进一步使用伽马校正来优化和调整图像的对比度和色彩,使图像的R,G,B三通道的灰度值之和趋于相等。接着,在去模糊阶段,通过融合暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。实验结果表明,所提方法具有良好的整体恢复效果,能有效地恢复图像信息,在主观评价和客观评价上均展现出较好的效果。另外,所提方法可以作为水下图像分类等计算机视觉任务的预处理步骤,在实验中能够将水下图像集的分类精度提升16%左右。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

基于B-样条曲线暗通道的图像去雾算法

针对暗原色去雾算法在高亮背景图像中出现光晕（Halo）效应的问题,提出一种基于B-样条曲线加gamma（γ）修正透射率去除Halo效应的算法。通过分析暗原色透射率图像的统计直方图,得出Halo效应的产生是由于HE算法透射率直方图中低灰度值占比较大,因此需要对直方图低灰度包络进行修正。寻找直方图中第1个低灰度波峰,在2个波谷间进行子区间分割,并以区间边界点作为样条区间节点计算三次样条曲线,以拟合低灰度包络。基于透射率图中修正位置对修正结果的关键性作用,采用改进的大津法从横向和纵向两个维度对透射率图进行分割,以确定修正区域,实现精准补偿,提高抗噪性能。根据不同雾图选择合适的γ修正系数修正拟合的灰度包络并对图像进行还原,验证不同修正系数对结果的影响。实验结果表明,当修正系数γ>1.5时,Halo效应能被有效减缓或消除,与HE算法相比,该算法的对比度、信息熵最大可分别提高10.1%和9.9%,算法并行度可达到M或N级。     

Color recovery of black-and-white halftoned images via categorized color-embedding look-up tables

A new method of recovering the original colors of black-and-white (B&W) halftoned images with homogeneous dot patterns is proposed. The conventional inverse halftoning method, which uses a look-up table (LUT), can establish the relation between the halftoned patterns and the corresponding gray levels, while the conventional reversible color to gray conversion method can recover the original colors from a given color-embedded gray image. To accomplish our goal of original color recovery from B&W halftoned patterns, an approach of combining the conventional inverse halftoning and reversible color to gray conversion is presented in this paper. Differently from the conventional method of inverse halftoning via LUT, four LUTs categorized according to the red, green, blue, and gray reference colors are designed to more accurately map a specific B&W halftone pattern into the corresponding color-embedded gray level based on the observation that the shapes of the halftone patterns depend on input colors, thereby increasing the color recovery accuracy. Also, a color mapping method based on a linear regression which models the relation between the recovered colors and the original colors is introduced to adjust the initially recovered colors more closely to the original colors. Experimental results show that unknown original colors can be recovered from B&W halftoned images via the proposed method.     

基于AdaBoost算法的彩色图像人脸检测研究

在彩色图像中,不同的颜色所对应的灰度值可能相同,因此在灰度图像中检测不到的信息可能在彩色图像中被检测到。本文提出一种彩色积分图概念,在AdaBoost算法的分类器训练过程中分别得到彩色图像的人脸信息,并在分类器的后五层使用融合彩色信息的分类器分类。实验表明,本文方法增强了分类器的分类能力,提高了系统的正确检测率,降低了错误报警率。     

计算机彩色模型在图像显示与分割中的应用

本文提出了基于彩色模型的灰度图像彩色显示与分割的方法,该方法将ＲＧＢ,ＨＳＶ和ＧＬＨＳ这几个彩色模型用于图像彩色合成显示并首次用于灰度图像分割中,彩色合成利用图产强方法并考虑到人眼对彩色的分辨率以及视觉特性,不仅增强了图像的内容,而且给予图像合理的彩色显示,使图像易于分析并且具有好的视觉效果。     

Correction of color information of a 3D model using a range intensity image

Most active optical range sensors record, simultaneously with the range image, the amount of light reflected at each measured surface location: this information forms what is called a range intensity image, also known as a reflectance image. This paper proposes a method that uses this type of image for the correction of the color information of a textured 3D model. This color information is usually obtained from color images acquired using a digital camera. The lighting condition for the color images are usually not controlled, thus this color information may not be accurate. On the other hand, the illumination condition for the range intensity image is known since it is obtained from a controlled lighting and observation configuration, as required for the purpose of active optical range measurement. The paper describes a method for combining the two sources of information, towards the goal of compensating for a reference range intensity image is first obtained by considering factors such as sensor properties, or distance and relative surface orientation of the measured surface. The color image of the corresponding surface portion is then corrected using this reference range intensity image. A B-spline interpolation technique is applied to reduce the noise of range intensity images. Finally, a method for the estimation of the illumination color is applied to compensate for the light source color. Experiments show the effectiveness of the correction method using range intensity images.     

基于格雷码的NAM彩色图像表示方法

提出了一个重要定理,即所有格雷码(Cray Codc)位面图的复杂性之和小于所有二值位面图的复杂性之和,并将格雷码应用到基于NAM的彩色图像表示方法中,提出了一种基于格雷码的NAM彩色图像表示方法(简称为GNAM表示方法)。给出了GNAM表示算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析。理论分析和实验结果均表明,与无格雷码的NAM表示方法和经典的线性四元树表示方法相比,GNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是一种有效的彩色图像表示方法。     

一种基于彩色特征点的对象查询方法

图像检索系统中对象的查询，主要采用分割技术来实现。虽然一些研究人员提出过利用光学特征的方法，但是只应用于灰度图像，不能对大量的彩色图像进行有效的查询。为此本文提出了一种基于彩色特征点的对象查询新方法。首先，利用Harris彩色点提取嚣从彩色图像中提取出一组能表征图像特征的彩色点；其次，利用特征点的梯度、角度不变性构造检索策略来实现对象的查询。实验表明，该方法对于对象的光照变化和几何变化有较强的鲁棒性。