灰度影像彩色化处理.ppt

June, 2009 灰度影像彩色化处理 目 录 1.背景介绍 2.色彩传递理论 3.本文色彩传递算法 4.总结 背景介绍 灰度图像与彩色图像间颜色传递也被称为灰度图像彩色化，或者给灰度图像上色。灰度图像与彩色图像间色彩传递是一种图像增强技术。给灰度图像添加颜色可以提高图像的视觉效果。， 色彩传递 背景介绍 发展和意义： 　 传统的灰度图像彩色化处理的方法是假彩色处理或是伪彩色增强的方法，共同的特点都是把原来图像中某种灰度值像素用某种色彩来表示。虽然此方法简单，但却会导致图像彩色化后色彩失真，彩色化后的图像效果不甚理想。 近些年来随着计算机技术的发展,Welsh等人基于前人的研究实现了基于色彩传递的灰度图像彩色化,能很好的将彩色源图像中的色彩信息传递到目标灰度图像中。将灰度图像变成彩色图像 灰度图像的彩色化应用非常广泛,在军事、医学、影视等行业起了不可替代的作用。 色彩传递理论 色彩传递理论： 　　Reinhard提出了图像间的颜色传递算法，图像在lαβ色彩空间进行色彩传递，使用最简单的统计信息——均值和标准差，将待处理的图像的均值和标准差调整到和目标图像相同，该方法取得了较好的效果。通过对Reinhard算法的研究，我们发现在颜色传递过程中，各像素处理过程是相对独立的，每个像素的运算结果不会影响到其他像素的计算。 色彩传递理论 色彩空间： 　ＲＧＢ色彩空间 　　颜色混合的基本定律表明：自然界任何一种颜色均可用红、绿、蓝三种原色光混合匹配产生，这在几何上能够以R，G，B三个互相垂直的轴所构成的空间坐标系统来表示，称为RGB颜色空间。 色彩传递理论 lαβ空间 Ruderman基于人类对图像的感知研究，提出了lαβ颜色空间。其中，l表示非彩色的亮度通道，α表示彩色的红绿(red-green opponent)通道，β表示黄蓝(yellow-blue opponent)通道 lαβ空间是一个抗相关的颜色空间，它将一个通道的改变对另一个通道的影响减到了最小，这使得我们可以对它的各个通道进行独立的计算，而不会引入人为的痕迹 本文色彩传递算法 本文色彩传递算法： 　　通常在使用色彩传递理论对灰度图像进行彩色化处理的过程中，都是使用一张彩色的源图像，以全局方式或者是点对点的方式将这张源图像的色彩信息传递给目标灰度图像，源图像和目标图像的像素匹配依赖于像素亮度及亮度纹理组合得到的权值，然后在匹配的象素点之间进行彩色信息的直接传递。这样就需要源图像和目标图像构成要比较相近，而两张图像画面不能过于复杂。 由于一张彩色源图像，色彩信息有限，而且纹理构成和亮度特征相对单一，通常较复杂的黑白图像不易找到一张能很好与其匹配的彩色图像，所以本文考虑利用两张或两张以上的彩色图像作为源图像，利用多张彩色图像中的彩色信息、纹理构成和亮度特征更好的与目标灰度图像进行匹配，从而实现颜色更精确的传递。 本文色彩传递算法 本文色彩传递算法流程： 背景源图像 目标图像 RGB空间转换到lαβ空间 输出图像 主景源图像 RGB空间转换到lαβ空间 色彩信息传递 像素匹配 像素点采样 亮度调整 RGB空间转换到lαβ空间 本文色彩传递算法 色彩算法实现结果： （1）Welsh算法的实现： 目标灰度图像 彩色源图像 色彩传递 色彩传递后的结果 本文色彩传递算法 （2）本文色彩传递算法的实现（实验组）： 色彩传递 色彩传递后结果 彩色源图像2 目标灰度图像 彩色源图像1 本文色彩传递算法 （2）本文色彩传递算法的实现（对照组）： 色彩传递 色彩传递后结果 目标灰度图像 彩色源图像 本文色彩传递算法 实验组和对照组图像对比： 实验组 对照组 本文色彩传递算法 对比结果： 从运行结果可以看出单幅彩色图像作为源图像对灰度图像进行彩色传递，虽然也能够将丰富的彩色信息进行传递，但是由于单幅彩色图像色彩信息有限，图像纹理结构和亮度特征比较单一，在色彩进行传递的时候，某些地方容易造成色彩的过度不自然或者说是色彩的失真，而且色彩单一，影响色彩传递的最终效果。 通过两张作为源图像作为源图像对灰度图像进行彩色传递能很好的加强了色彩的信息量，丰富了纹理结构和亮度特征，使图像间的色彩传递能够得到更加精确传递，图像的色彩也更加丰富。 总结 论文重点是对Welsh等人的灰度图像彩色化色彩传递算法进行改进，由于Welsh的算法是采用单幅彩色图像作为源图像，源图像的色彩信息，纹理结构和亮度特征都是很有限的，在进行色彩传递的过程中无法做到很精确的将色彩传递到目标灰度图像中。所以论文基于Welsh等人的灰度