一种基于非线性对比度加权的光源颜色估计方法

摘要

本发明公开了一种基于非线性对比度加权的光源颜色估计方法，本发明的方法利用对比度拉伸转换方程对传统的光源估计方法进行非线性调整加权，有效利用了图像每个颜色通道中不同像素(或者边缘)所包含有的不同的光源信息，利用图像在每个空间位置上的对比度作为权值加权像素(或者边缘)，很大程度提升了光源估计的准确性。由于没有训练过程，可实现对图像进行在线实时处理。本发明的方法可内嵌于相机内部，作为一种自动白平衡方法，用于校正图像的颜色。

权利要求

1.一种基于非线性对比度加权的光源颜色估计方法，包括以下步骤：S1、归一化图像：使用图像最大值max(I)对彩色图像I进行归一化处理，S2、计算图像的边缘图：对归一化后的图像分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图 具体计算公式为：其中，x表示像素点所处的位置， 表示对图像在空间域上做n阶微分，获得图像的n阶梯度，即图像的n阶边缘；

S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图 的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB；

所述图像的光源颜色LR、LG、LB具体计算公式为：

其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率；

S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：将更新后的值拉伸至原始图像亮度，具体计算公式为：

其中，I′表示由I′R、I′G、I′B组成的图像， 分别表示求I,I′图像整体的均值；

将三个通道I″R,I″G,I″B重新组合成一幅RGB图像，作为最终的输出。

2.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S1所述的归一化具体为：使得归一化后图像的数值范围为[0,1]：

3.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S2所述的n阶边缘中n的取值范围为[0,+∞)的所有整数。

4.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的p阶矩中p的取值范围为[0,+∞)的所有实数。

5.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的对比度拉伸转换方程的斜率E的取值范围为[0,+∞)的所有实数。

6.根据权利要求1所述的基于非线性对比度加权的光源颜色估计方法，其特征在于，步骤S3所述的对比度拉伸转换方程的饱和度参数mi的取值范围为[0,+∞)的所有实数。

说明书

一种基于非线性对比度加权的光源颜色估计方法

技术领域

[0001] 本发明属于计算机视觉技术领域，涉及彩色图像的场景光源颜色估计，具体涉及一种基于非线性对比度加权的光源颜色估计方法。

背景技术

[0002] 场景中光源颜色的改变使得相机拍摄到的图像产生严重的色偏，这种由光源颜色改变所导致的在机器设备记录的图像上产生的色偏会给后续的各种计算机视觉应用带来严重的影响，如何快速去除场景中光源颜色的干扰成为一个非常重要的问题。

[0003] 人类的视觉系统具有良好的颜色恒常性，视网膜上三种视锥体细胞具有不同的非线性响应机制，能够对视觉输入进行非线性的对比度拉伸。颜色恒常的方法主要通过估计场景光源颜色来还原物体的真实颜色，常见的颜色恒常的方法有基于学习的方法和静态的方法。基于学习的方法需要训练过程，精度相对较高，但是花费时间较长，需要训练集。静态的方法不需要训练，花费时间相对较少，但是精度较低，需要调节参数。静态方法中有一类著名的灰度假设方法，比如J Van De Weijer等人于2007年提出的Grey Edge方法，参考文献：J Van De Weijer,Gevers T,Gijsenij A.Edge-based color constancy[J].IEEE Transactions on Image Processing,2007,16(9):2207-14.这类方法假设图像的边缘是消色的来估计图像中光源的颜色，然而这类方法在计算光源颜色时，假设所有像素值(或者边缘)对图像光源颜色的贡献相同，因此采用同样的权重，从而忽略了不同像素点(或者边缘)含有的光源信息是不相同的这一基本事实，使得估计出来的光源颜色含有较高的误差。

发明内容

[0004] 针对现有技术存在上述问题，本发明提出了一种基于非线性对比度加权的光源颜色估计方法。

[0005] 本发明的技术方案为：一种基于非线性对比度加权的光源颜色估计方法，包括以下步骤：

[0006] S1、归一化图像：使用图像最大值max(I)对彩色图像I进行归一化处理，[0007] S2、计算图像的边缘图：对归一化后的图像分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图 具体计算公式为：

[0008]

[0009] 其中，x表示像素点所处的位置， 表示对图像在空间域上做n阶微分，获得图像的n阶梯度，即图像的n阶边缘；

[0010] S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图 的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB；

[0011] S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：

[0012]

[0013] 将更新后的值拉伸至原始图像亮度，具体计算公式为：

[0014]

[0015] 其中，I′表示由I′R、I′G、I′B组成的图像， 分别表示求I,I′图像整体的均值；

[0016] 将三个通道I′′R,I′′G,I′′B重新组合成一幅RGB图像，作为最终的输出。

[0017] 进一步的，步骤S1所述的归一化具体为：使得归一化后图像的数值范围为[0,1]：

[0018] 进一步的，步骤S3所述图像的光源颜色LR、LG、LB具体计算公式为：

[0019]

[0020] 其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：

[0021]

[0022] 其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率。

[0023] 进一步的，步骤S2所述的n阶边缘中n的取值范围为[0,+∞)的所有整数。

[0024] 进一步的，步骤S3所述的p阶矩中p的取值范围为[0,+∞)的所有实数。

[0025] 进一步的，步骤S3所述的对比度拉伸转换方程的斜率E的取值范围为[0,+∞)的所有实数。

[0026] 进一步的，步骤S3所述的对比度拉伸转换方程的饱和度参数mi的取值范围为[0,+∞)的所有实数。

[0027] 本发明的有益效果是：本发明的方法利用对比度拉伸转换方程对传统的光源估计方法进行非线性调整加权，有效利用了图像每个颜色通道中不同像素(或者边缘)所包含有的不同的光源信息，利用图像在每个空间位置上的对比度作为权值加权像素(或者边缘)，很大程度提升了光源估计的准确性。由于没有训练过程，可以对图像进行实时处理。本发明的方法可内嵌于相机内部，作为一种白平衡方法，用于校正相机拍摄到的图像的色偏。

附图说明

[0028] 图1为本发明实施例光源颜色估计的流程图。

[0029] 图2为本发明实施例一幅具有色偏问题的原始图像图。

[0030] 图3为本发明实施例计算得到的光源与真实的光源在rg空间的表现。

[0031] 图4为本发明实施例原始图像去除色偏之后对应的结果图。

具体实施方式

[0032] 下面结合附图对本发明的实施例作进一步的说明。

[0033] 图像中不同像素点往往含有不同的光源信息，对不同像素点包含有的光源信息仅仅做一个求和无法实现对这些信息的有效利用。一种简单而有效的方案是对这些信息进行非线性加权求和，对含有光源信息多的地方给予高权重，含有光源信息少的地方给予低权重，由于图像的R,G,B颜色通道所包含的光源颜色信息是不同的，需要使用不同的权重函数对每个颜色通道进行处理。基于此，本发明提出了一种基于对比度扩展加权的光源颜色估计方法，流程如图1所示。

[0034] 对于一幅图像大小为240*360，具有色偏问题的图像(如图2所示)，本发明的详细步骤流程如下所示：

[0035] S1、归一化图像：使用图像最大值max(I)对输入彩色图像I进行归一化处理，使得归一化后图像的数值范围为[0,1]。以原始输入图像(图2)中像素值为(140，190，241)的示例像素点1为例，整幅图像的最大值为255，利用公式 对示例像素点归一化后的值为(0.549，0.745,0.945)。

[0036] S2、计算图像的边缘图：对S1得到的图像每一个像素点分别提取红色分量IR、绿色分量IG、蓝色分量IB，然后分别计算三个通道的n阶边缘图 具体计算公式为：

[0037]

[0038] 其中，x表示像素点所处的位置。

[0039] 以S1得到的图像中像素值为(0.549，0.745,0.945)的示例点1为例，本实施例中以n＝2为例，代入上述公式计算得到对应的 分别为(0.00026,0.00023,0.00040)。

[0040] S3、对图像边缘进行对比度加权求和，得到图像光源颜色：利用对比度拉伸转换方程，对步骤S2中得到的n阶边缘图 的p阶矩分别进行加权求和，得到图像的光源颜色LR、LG、LB，具体计算公式为：

[0041]

[0042] 其中，wi(Ii(x))表示利用对比度拉伸转换方程得到的x点的权重，具体计算公式为：

[0043]

[0044] 其中，mi表示i通道的饱和度参数，E表示对比度拉伸转换方程的斜率。

[0045] 本实施例中，以p＝2,E＝2，mR＝1,mG＝1,mB＝1为例，将S2中得到的(0.00026,0.00023,0.00040)，S1中得到的IR、IG、IB(0.549，0.745,0.945)带入以上公式计算得到LR＝0.0136，LG＝0.0129，LB＝0.0124。

[0046] 图3展示了我们计算得到的光源颜色与真实的光源颜色在rg空间之间的角度关系，两条直线之间夹角很小表明我们计算得到的光源颜色很准确。

[0047] S4、校正图像的色偏并输出：将R、G、B三通道每一像素点与其对应的光源颜色LR、LG、LB相除，处理完成得到各通道更新后的值I′R、I′G、I′B，具体计算公式为：

[0048]

[0049] 本实施例中，

[0050] I′R＝IR/LR＝0.549/0.0136＝40.37,I′G＝IG/LG＝0.745/0.0129＝57.75,I′B＝IB/LB＝0.945/0.0124＝76.21。

[0051] 然后，将更新后的值拉伸至原始图像亮度，具体计算公式为：

[0052]

[0053] 其中，I′表示由I′R、I′G、I′B组成的图像， 分别表示求I,I′图像整体的均值。

[0054] 本实施例中，I,I′图像整体的均值 分别为0.5387，41.8318，将I′R,I′G,I′B带入得：

[0055] I′′R＝0.5387/41.8318*40.37＝0.5199

[0056] I′′G＝0.5387/41.8318*57.75＝0.7437

[0057] I′′B＝0.5387/41.8318*76.21＝0.9814

[0058] 最后，将三个通道I′′R,I′′G,I′′B重新组合成一幅RGB图像，作为最终输出。最终输出的图像对应点的像素值即为(0.5199，0.7437，0.9814)。

[0059] 图4展示了最终输出的图像，相比与原始图像(图2)，图像的色偏被有效去除。

[0060] 以上的简单实例主要以图像的单个像素值作为例子来阐述，实际计算时是在整幅图像的所有像素上进行的，实际的数值也是直接取值于程序运行的实验结果。通过这样一个简单实例，阐述了本发明基于对比度扩展加权的光源颜色估计的全过程。

[0061] 这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其他各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。