基于Reinhard算法的局部色彩遷移改進(jìn)算法

晉詩(shī)瑤 張?zhí)煨? 吳軍 劉金輝 王媛 鄭齊憑

摘? 要：色彩遷移是指對(duì)于源圖像和參考圖像進(jìn)行操作，使合成的新圖像保留源圖像的整體特征和參考圖像的顏色信息。Reinhard是一種經(jīng)典的可實(shí)現(xiàn)圖像的色彩遷移的算法，能夠較好地處理整體輪廓比較清晰，色彩搭配較為簡(jiǎn)單的圖像，但是對(duì)于局部顏色遷移，它不能很好地保留圖像的細(xì)節(jié)信息，因此文章在Reinhard算法的基礎(chǔ)上，提出并分析了一種基于lαβ顏色空間的局部色彩遷移改進(jìn)算法。

關(guān)鍵詞：顏色遷移;圖像處理;顏色空間

中圖分類號(hào)：TP391.4? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）11-0033-03

Abstract： Color transfer refers to the operation of the source image and the reference image so that the synthesized new image retains the overall characteristics of the source image and the color information of the reference image. Reinhard is a classic color migration algorithm which can realize image， can better handle the overall outline clearer， color collocation is relatively simple image， but for local color migration， it can't well reserve the detail of the image information， so this article on the basis of Reinhard algorithm， is proposed and analyzed a l alpha beta color space based on the local color migration algorithm.

Keywords： color transfer; image processing; color space

1 概述

圖像的顏色遷移是圖像處理中一門新興的熱門技術(shù)，通過(guò)圖像之間色彩的傳輸，可以合成具有不同色彩效果的圖像，滿足人們的不同需求。對(duì)于灰度圖像的色彩遷移，不僅可以提高其觀賞性、藝術(shù)性，提高其社會(huì)價(jià)值、商業(yè)意義，例如對(duì)大量黑白圖片、海報(bào)、工業(yè)設(shè)計(jì)稿件等，還可以應(yīng)用到醫(yī)學(xué)、遙感及其他學(xué)科領(lǐng)域中，通過(guò)色彩傳輸來(lái)突出要探測(cè)的目標(biāo)區(qū)域，便于進(jìn)一步地診斷、識(shí)別等。

傳統(tǒng)的灰度圖像色彩遷移算法，如Reinhard算法，對(duì)于局部顏色遷移，不能很好的保留原始圖像的細(xì)節(jié)信息，因此，本文提出一種基于Reinhard算法的局部色彩遷移改進(jìn)算法，將具有強(qiáng)關(guān)聯(lián)性的RGB顏色空間模型，轉(zhuǎn)化到具有正交基的lαβ顏色空間上，通過(guò)加入新的局部參考圖像和源圖像信息，引入新的局部標(biāo)準(zhǔn)差比值因子，實(shí)現(xiàn)保持細(xì)節(jié)的顏色遷移，得到一幅具有全新色彩的自然的新圖像。

2 色彩空間模型概述

2.1 RGB色彩空間

RGB空間是一種應(yīng)用最為廣泛的顏色空間模型，它以R，G，B三種最基本的顏色作為三基色，構(gòu)成一個(gè)立方體模型，三種顏色的混合比例不同，所得到的顏色也不同，在RGB空間中，任意色光F都能RGB三種分量的不同混合疊加而形成。RGB模型簡(jiǎn)單直觀，但是RGB三種基色高度相關(guān)，如果任一基色發(fā)生改變，那么它所構(gòu)成的顏色在很大程度上也要發(fā)生改變。

2.2 lαβ色彩空間

lαβ色彩空間是Ruderman提出的一種新的色彩空間，它改進(jìn)了RGB模型的強(qiáng)相關(guān)性，其中 l表示非色彩通道，α表示彩色的黃-藍(lán)通道，β表示紅-綠通道。由于三種通道之間相關(guān)性較小，可以通過(guò)不同的方法對(duì)此色彩通道進(jìn)行運(yùn)算，干擾性較小，利用此色彩空間實(shí)現(xiàn)顏色遷移，可以得到比較好地效果。

3 Reinhard算法

Reinhard算法是基于圖像的標(biāo)準(zhǔn)差、均值等信息，對(duì)目標(biāo)圖像進(jìn)行色彩校正，讓目標(biāo)區(qū)域具有與參考區(qū)域相同的均值和標(biāo)準(zhǔn)差。而這一方法的實(shí)現(xiàn)主要建立于RGB空間、LMS空間和lαβ空間的相互轉(zhuǎn)化，通過(guò)統(tǒng)計(jì)lαβ空間上的均值、標(biāo)準(zhǔn)差和梯度等信息，設(shè)置合理的轉(zhuǎn)化規(guī)則，將原圖像和目標(biāo)圖像融合成一個(gè)具有新的色彩細(xì)節(jié)特征的新圖像。

3.1 色彩空間的轉(zhuǎn)換

將RGB空間通過(guò)過(guò)渡矩陣轉(zhuǎn)換到LMS空間，然后用L=log L，M=log M，S=log S來(lái)代替原LMS[1]，通過(guò)自適應(yīng)矩陣將LMS變換成一組正交基消除強(qiáng)相關(guān)性，從而使RGB空間變換到lαβ空間。

在將RGB空間轉(zhuǎn)化成LMS空間時(shí)，利用式（1）

LMS=0.3811? 0.5783? 0.04020.1967? 0.7244? 0.07820.0241? 0.1288? 0.8444RGB（1）

進(jìn)行轉(zhuǎn)化，用L=log L，M=log M，S=log S來(lái)代替原L，M，S的值。

然后，讓每個(gè)頻帶的值分別減去其平均灰度值，即等價(jià)于把LMS坐標(biāo)系的中心移至其分布的中心，并求出LMS的自相關(guān)矩陣R[2]，然后通過(guò)統(tǒng)計(jì)出自相關(guān)矩陣的特征值λ1，λ2，λ3和特征向量e1，e2，e3，得到特征值矩陣T，利用Рi=λi1/2еi求出負(fù)載因子矩陣P，C=PT-1即為L(zhǎng)MS和lαβ之間的過(guò)渡矩陣[3]

完成計(jì)算遷移后，將lαβ空間重新轉(zhuǎn)化到RGB空間，首先利用公式

轉(zhuǎn)化到LMS空間，再用L=10L，M=10M，S=10S代替為原LMS的值，最后通過(guò)

RGB=4.4679? -3.5873? 0.1193-1.2186? 2.3809 -0.16240.0497-0.2439? 1.2045LMS（4）

轉(zhuǎn)化到RGB空間。

3.2 Reinhard算法實(shí)現(xiàn)

計(jì)算出變換后的均值。式中X表示lαβ空間中的某一顏色通道，Xt是目標(biāo)區(qū)域中的某一像素點(diǎn)在lαβ空間中X通道的值，X*是對(duì)應(yīng)的變換后的值，t是目標(biāo)區(qū)域X通道的整體均值，是目標(biāo)區(qū)域X通道的整體標(biāo)準(zhǔn)差，？是參考區(qū)域X通道的整體均值，r是參考區(qū)域X通道的整體標(biāo)準(zhǔn)差[4]。所得到的新圖像便具有參考圖像的均值和標(biāo)準(zhǔn)差信息，達(dá)到與參考圖像色彩相似的目的。

4 基于局部紋理特征的Reinhard算法改進(jìn)

觀察式（5）可知，對(duì)于特殊情況參考圖像標(biāo)準(zhǔn)差和源圖像標(biāo)準(zhǔn)差相同，即比值為1時(shí)，為完全保持細(xì)節(jié)的顏色遷移[4]，但是對(duì)于兼顧色彩和細(xì)節(jié)的顏色遷移，由于Reinhard算法只考慮了圖像的整體色彩，對(duì)于具有較為復(fù)雜的顏色搭配和細(xì)節(jié)信息的圖像，Reinhard算法的效果并不明顯，通過(guò)分析Reinhard算法實(shí)現(xiàn)的原理可知，Reinhard算法注重整體顏色基調(diào)遷移，但是忽略了圖像小區(qū)域內(nèi)像素之間的關(guān)聯(lián)性，所以很有可能修改了圖像的紋理信息的細(xì)節(jié)效果，而實(shí)際上二維空間上像素的顏色值是以某種分布存在的，并且某個(gè)確定的像素的顏色值只與它周圍的某個(gè)鄰域相關(guān)而不受鄰域之外的顏色值影響[5]，于是在把源圖像和參考圖像的RGB都轉(zhuǎn)化為lαβ后，lαβ的三個(gè)分量值仍然受到鄰域內(nèi)分量值本身的影響。

于是，本改進(jìn)算法在Reinhard算法流程的基礎(chǔ)上，通過(guò)色彩通道的變換和標(biāo)準(zhǔn)差，均值的統(tǒng)計(jì)，同時(shí)引入新的局部標(biāo)準(zhǔn)差比值因子，加入局部參考圖像和源圖像信息，設(shè)計(jì)一種新的表示方法

其中？局部參考區(qū)域在lαβ空間中X通道的標(biāo)準(zhǔn)差，表示局部目標(biāo)區(qū)域在lαβ空間中X通道的標(biāo)準(zhǔn)差。

觀察式（6）可知，對(duì)比經(jīng)典的Reinhard算法，通過(guò)由用戶自主選擇c1 c2的比重，可得到兼顧色彩和細(xì)節(jié)的新圖像，其中c1+c2=1，本文中所描述的保持細(xì)節(jié)的改進(jìn)算法，由用戶事先截取指定區(qū)域存為新的局部參考圖像和源圖像。

5 實(shí)驗(yàn)操作結(jié)果及分析

為了更好地體現(xiàn)各類圖像運(yùn)用保持細(xì)節(jié)的局部色彩遷移改進(jìn)算法的適用性，所以選擇灰階過(guò)渡細(xì)膩類、局部高光屬性類[6]，對(duì)比Reinhard算法進(jìn)行分析。

5.1 灰階過(guò)渡細(xì)膩類源圖像的實(shí)驗(yàn)結(jié)果分析

由圖1（c）可見(jiàn)，通過(guò)Reinhard算法所合成的新圖像，對(duì)比源圖像，色彩發(fā)生了較大的改變，但是觀察天空顏色，對(duì)比參考圖像，色彩產(chǎn)生失真。而觀察圖1（d）（e）（f）改進(jìn)算法所得到的新圖像可看出，對(duì)比天空位置的圖片顏色和紋理，隨著c2的不斷增大，加入的局部紋理信息越多，圖片的失真越小。采用該算法得到的圖像，顏色過(guò)渡較為自然。

5.2 局部高光屬性類源圖像的實(shí)驗(yàn)結(jié)果分析

觀察圖2（c）可以看出，應(yīng)用Reinhard算法所得到的新圖像產(chǎn)生較為嚴(yán)重的失真，在陽(yáng)光周圍產(chǎn)生光圈噪聲干擾，而觀察圖2（d）（e）（f）運(yùn)用局部紋理特征改進(jìn)算法，選取局部源圖像和目標(biāo)圖像，隨著c1和c2比值的減小，所產(chǎn)生的噪聲失真減小，由（f）可見(jiàn)，已經(jīng)形成了一個(gè)較為自然的，風(fēng)格全新的新圖像，營(yíng)造了一個(gè)從水下觀察樹(shù)葉和陽(yáng)光，并且有若隱若現(xiàn)光圈的感覺(jué)，效果較為滿意，但是整體顏色效果不夠清晰。

6 結(jié)束語(yǔ)

本文通過(guò)分析Reinhard算法實(shí)現(xiàn)的原理和過(guò)程，提出了一種具有局部紋理特征的改進(jìn)算法，通過(guò)實(shí)驗(yàn)操作結(jié)果可以發(fā)現(xiàn)，對(duì)于文中分析的兩類圖像的處理，本文所提出的改進(jìn)算法對(duì)于灰階過(guò)渡細(xì)膩類圖像的處理效果較好，局部高反差類圖像的處理效果略差。但是相對(duì)于經(jīng)典的Reinhard算法來(lái)說(shuō)，改進(jìn)算法均要有更好地處理效果。而對(duì)于改進(jìn)算法的不足之處，日后應(yīng)該在文中所提出算法的基礎(chǔ)上，彌補(bǔ)不足，加以改進(jìn)，尋求更加有效的色彩遷移處理算法。

參考文獻(xiàn)：

[1]陳小娥.兩種色彩傳遞算法適用情況研究[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（09）：251-254.

[2]胡良梅.基于信息融合的圖像理解方法研究[D].合肥工業(yè)大學(xué)，2006.

[3]胡國(guó)飛，傅健，彭群生.自適應(yīng)顏色遷移[J].計(jì)算機(jī)學(xué)報(bào)，2004（09）：1245-1249.

[4]陳海，馮國(guó)燦.保持細(xì)節(jié)的局部顏色遷移改進(jìn)算法[J].計(jì)算機(jī)科學(xué)，2013，40（S2）：301-303.

[5]桂斌.顏色傳輸算法的研究[J].微計(jì)算機(jī)信息，2010，26（05）：212-214.

[6]于藝銘，王琪，張琪，等.基于分通道自適應(yīng)匹配的梯度保持色彩遷移算法[J].影像科學(xué)與光化學(xué)，2019，37（02）：146-155.