图像之间的色彩传递

摘要 本文按照一定准则分别找出参考图像和源图像的均匀区域，并建立对应关系，然后在这些对应区域进行颜色传递。首先将参考图像和源图像从RGB色彩空间转换成lαβ色彩空间。再利用OTSU方法分割背景和前景，求出背景和前景分别的概率，通过类内类外方差的比较。之后采用递归算法来得到足够小的段进行区域划分。下一步进行对应区域的色彩转换。最后分析实验的结果，实现与Reinhard算法的对比以及参数对结果的影响。实验结果表明，本文算法实验结果良好，具有现实意义。 关键字：颜色传递? lαβ色彩空间 OTSU方法 色彩转换 Reinhard算法 研究背景 图像处理的方法有普通光学方法和现在较普遍的数字图像处理方法〔2〕，前者经历了很长的发展历史，从简单的光学滤波到现在的激光全息技术，光学处理理论已经日趋完善，而且处理速度快，信息容量大，分辨率高，又比较经济。但是，光学处理精度不够高，稳定性较差，操作也有所不便。从20世纪60年代起，随着电子技术和计算机技术的不断提高和普及，数字图像处理进入高速发展时期，利用数字计算机或者其他数字硬件，对从图像信息转换而得来的电信号进行某些数学运算，以提高图像的实用性，例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等，数字图像处理技术处理精度比较高，而且可以通过改进处理软件来优化处理效果。数字图像处理包括很多方面，如图像滤波，图像复原，图像压缩，图像分割等，这些传统的图像处理操作，大部分都已经有了比较成熟的算法。人的眼睛对图像颜色的感知明显要高于对图像灰度的感知，对于一幅灰度图像，如果可以将其转化为色彩自然的彩色图像，人们也许可以从中得到更丰富的信息，可以更加方便的识别图像中的各种目标物体。因此，图像的色彩传递在近些年受到越来越多的关注，它是要解决这样的问题〔3，:基于图像A和图像B合成一幅新的图像B，使其同时具有A的色彩和B的形状等信息，即图像B在不改变它自身所表达的形状信息的情况下，学习了图像A的整体色彩基调，这个过程就称为图像的色彩传递。色彩传递主要有两种，一种是两副彩色图像之间的色彩传递，还一种就是把一幅彩色图像的色彩信息传递给一副灰度图像，使灰度图像彩色化，更符合人眼的视觉特性，增强视觉效果。两种色彩传递算法都有非常实际的意义，前者的应用如:要把夏天拍摄的图片或视频处理成像似在秋天拍摄的效果，把早上拍的照片转变为具有黄昏效果的图像。选择不同的参考图像会得到具有不同效果的目标图像。以一幅彩色图像作为参考图像对另一幅彩色图像进行色彩调整, 让被调整的图像具有参考图像的色彩特征。在实际应用中,我们可以把该技术应用于广告和影视制作方面, 使结果图像产生特殊的艺术效果, 也可以应用于处理一些老旧褪色的或色彩反差小图像, 增强它们的层次感, 突出图像的细节信息。因此本课题的研究具有广阔的前景。 1.2研究现状 早在1970年wilsonMarkle就提出了利用计算机辅助对黑白图像或经典电影实现彩色化，来改变这些图像和电影的视觉效果。该彩色化技术在早期阶段主要是由人们手工参与色彩信息的赋值，这样的彩色化处理方法不是很方便，影响了色彩传递技术的实用性。后来为了实现灰度图像色彩传递的非监督性，即不需要人工的参与，首先需要用户自行定义一个色彩映射表，在该映射表中，某一特定的灰度值对应一种特定的颜色，然后利用计算机进行处理时，便可以依照用户定义的色彩映射表，将图像中的灰度值自动地转化为用户想要的彩色图像。但是这种色彩映射表是用户自行定义出来的，具有一定的局限性，对一些特定的灰度图像进行彩色化，可能会有不错的效果，但对大多数的灰度图像彩色化效果不是很理想，失真比较严重。要定义出一个满足全部灰度图像彩色化处理的色彩映射表，是一个相当困难的过程，因为这种彩色映射的方法，是一种伪彩色处理方法，很难模拟出图像本来的真实色彩，因此这方面一直没有得到突破性的发展。 近年来，许多学者致力于该领域的研究汇6一l0]，色彩传递技术取得了较大的发展。其中很多算法都是利用一幅彩色参考图像对目标图像进行色彩传递。这种算法可以选用不同的彩色参考图像，色彩传递后的目标图像会得到不同的视觉效果。色彩传递算法目前主要分为全局颜色传递算法和点匹配颜色传递算法，前者主要适用于在两幅彩色图像之间进行色彩传递，而后者则比较适用于灰度图像的彩色化处理。Reinhard算法就是一种典型的全局传递算法〔6J，该算法是对目标图像在l叨空间中的各通道进行平移，缩放等，通过变换，使目标图像具有和参考图像相同的均值和标准差，最后再把图像由l叨空间转化到RGB空间，从而完成色彩传第一章绪论递过程。该算法利用图像的统计信息(均值和标准差)进行颜色校正，使两幅图像各个通道的均值、方差具有相同的分布，从而达到色彩视觉上的相似，这种方法比较简单，并且速度较快。实验测试，该算法适合于色彩比较单一以及整体颜色结构信息比较相似的两幅图像间的色彩传递，而在有些情况，当参考图像和目标图像的颜色比较丰富时，这种算法的传递效果就不是很理想。点匹配算法主要思想是对目标图像中的每个像素点在参考图像中寻找到最佳匹配点，在匹配的像素点间作色彩传递。Welsh提出的算法便是这种算法的典型代表welsh具体方法也是首先将两幅图像转化到空间，然后再依次遍历目标图像中的各个像素点，从参考图像中寻找与目标图像中纹理最接近的像素点，作为最佳匹配点，保持目标图像l值不变，把从参考图像中找到的最佳匹配点的色彩信息传递给目标图像中的对应像素点。这种算法只按照单个像素点的亮度值和纹理信息进行匹配，由于不同颜色的像素点可能具有相同的亮度值或纹理信息，因此对于一些图像的传递可能会出现不太理想的情况，造成色彩的“误传”现象。为了改善色彩传递的效果，赵国英等提出了高阶矩在色彩传递中的应用刚，其中引入了图像斜度和峰度等高阶信息，利用幂变换和模变换对参考图像的斜度和峰度等高阶矩进行调整，使之更加类似于目标图像的分布，从而获得了更好的色彩传递效果，但高阶统计量仅仅改善进了颜色传递的效果，对于相似性较差的图像仍不能保证颜色传输的成功。张引等考虑到色彩传递算法的无监督性，提出了一种自动采集样本的图像色彩传递算法[9]，利用无监督学习聚类把目标图像和参考图像分别分成一定数量的色彩相近的子块，通过计算各子块的纹理特征和亮度统计值，建立样本块之间的对应关系。从各子块中取出数据点密度较大的像素组成样本块。进而利用最佳匹配算法，查找目标样本块的像素在参考图像对应样本块中的最佳匹配像素，将其颜色值传给目标像素。以目标图像中已完成颜色传递的样本块作为参考样本，使用纹理对比方式完成样本块以外其它像素的颜色传递。该自动采集样本算法既可用于彩色图像间色彩传递，也适用于灰度图像与彩色图像间颜色传递。在目标图像和参考图像的各子块有明显纹理和亮度特征时，该算法可以比较方便地用于批处理和视频处理中。 最近，YufengZheng等人针对夜视图像的彩色化问题，提出了一种局部色彩传递方法，该方法先对假彩色融合图像进行了分割，然后再选择不同的彩色参考图像来对各个图像块进行色彩传递，在色彩传递中除了用到亮度和标准差统计信息的匹配外，又加入了直方图的匹配，还实现了各分割区域对期望呈现色彩的自动选择。YufengZheng的方法可以获得比全局色彩传递更好的效果，但由于仍然是对假彩色图像进行色彩重映射，无法从根本上避免不自然色彩的产生，使一些区域的色彩看起来不是很真实。还有另外一些算法没有选择参考图像，如Levin等人的算法基于这样一种考虑:空间上相邻的像素若亮度相似，颜色一般也会比较类似，按照个人的意愿，首先对灰度目标图像中表示不同纹理的对象描绘上一些彩色的线条，使少量像素得到色彩信息，然后利用纹理相似特性，将已上色像素点的色彩信息进行色彩扩展，从而达到整幅目标图像的上色，这种方法在也可以得到较好的结果。得到的图像色彩比较均匀，但是，该方法需要人工地在灰度图像各个区域涂上适当的彩色线条，无疑阻碍了算法的实用性，当图像的色彩比较简单时，人为的加上一些彩色线条不是一件很困难的事情，但是，当图像的色彩和结构比较复杂时，就不是一件很容易处理的操作了。个人的水平和意愿也会对算法得到的结果产生较大的影响。因此应该尽量减少人为的参与，这样才能提高算法的实用性。 1.3研究意义 色彩传递在实际问题中有着很广泛的应用背景，在信息可视化方面也有大量的应用实例。色彩传递算法也有被应用于商业的图像处理软件中，也可把这种技术进一步扩展到视频处理领域。由此可见，色彩传递算法的研究是非常有实际意义的。 1.4本文研究的内容 Reinhard等提出的色彩传递算法是一个有很高学术价值的算法，但是该算法对于颜色层次较多的图像效果欠佳。因此我们拟选择了一种基于区域分段逼近的色彩传递算法，该算法分别找出参考图像和目标图像的均匀区域并建立对应关系，然后在这些均匀区域上进行颜色传输。 本课题主要针对两幅彩色图像之间的色彩传递问题，实现相关的算法。彩色图像之间的色彩传递算法的基本思想都是：首先分析参考图像和目标图像的色彩分布，然后针对目标图像中的某种色彩，在参考图像中找到其最佳的匹配颜色，予以更新，从而实现从源图像到目标图像的颜色传递。