專利名稱：一種基于hsv顏色空間的偏色檢測(cè)、校正方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及顏色空間轉(zhuǎn)換、直方圖統(tǒng)計(jì)、中值濾波等算法在偏色檢測(cè)及校正中的使用。
背景技術(shù)：
顏色是圖像的重要特征之一，也是圖像處理與分析的重要依據(jù)。從物理意義上說，物體被人眼觀測(cè)到的顏色不僅僅是由其反射特性所決定的，同時(shí)也取決于射向物體的光線顏色。人類的視覺系統(tǒng)具有顏色恒常性，能夠在一定程度上消除光照條件等因素對(duì)顏色的影響，正確地感知物體的顏色。但成像設(shè)備卻不具有這種“調(diào)節(jié)”功能，其采集的圖像往往與物體表面的真實(shí)顏色之間存在一定程度的誤差，即偏色。這種偏色的現(xiàn)象是由外部光源的不同色溫決定的，偏色的程度與外部光源的色溫變化有直接關(guān)系。自動(dòng)白平衡算法就是對(duì)圖像進(jìn)行偏色檢測(cè)及校正的算法，其目的就是盡量減少由于外部光源所造成的顏色差異，補(bǔ)償因外設(shè)非理想特性而產(chǎn)生的偏色現(xiàn)象，在不同的色溫條件下均能還原出被攝目標(biāo)本來的顏色，保持不同設(shè)備、不同觀測(cè)環(huán)境下的顏色恒常性，使得處理后的圖片盡可能地符合人類視覺的習(xí)慣。隨著互聯(lián)網(wǎng)及多媒體等技術(shù)的日益普及，彩色圖像的應(yīng)用范圍不斷擴(kuò)大，偏色的檢測(cè)及校正也就越來越重要，準(zhǔn)確有效地偏色檢測(cè)及校正將為后續(xù)的數(shù)字圖像處理、模式識(shí)別或圖像檢索等提供有效參考。在目前的偏色檢測(cè)及校正技術(shù)中，經(jīng)典的算法主要有灰度世界算法(GrayWorld)、完美反射算法(Perfect Reflector)、模糊神經(jīng)網(wǎng)絡(luò)算法(Fuzzy NeuralNetwork)、基于邊緣檢測(cè)的白平衡算法，以及基于上述幾種算法的改進(jìn)算法等?；疑澜缢惴ɑ赩on-Kries系數(shù)理論的灰色世界假設(shè)，該假設(shè)認(rèn)為對(duì)于一副有足夠色彩變化的圖像，R、G、B三色分量的統(tǒng)計(jì)平均值應(yīng)趨于相同的灰色值。完美反射法的優(yōu)點(diǎn)是計(jì)算非常簡(jiǎn)便，圖像中存在高亮度區(qū)域時(shí)還原效果很好。但是白點(diǎn)的檢測(cè)往往缺乏通用性，當(dāng)圖像中不存在鏡面或者圖像亮度較低的情況下表現(xiàn)不佳。然而，目前的經(jīng)典算法均存在一定的不足，比如對(duì)顏色單調(diào)的圖像、或是圖像包含大面積色塊時(shí)，灰色世界算法往往存在校正失效問題，有時(shí)會(huì)出現(xiàn)過度校正；當(dāng)圖像中不存在鏡面或者圖像亮度較低的情況下，完美反射算法往往表現(xiàn)不佳；當(dāng)圖像出現(xiàn)大范圍有色紋理時(shí)，基于邊緣的白平衡算法常常失效；而對(duì)于模糊神經(jīng)網(wǎng)絡(luò)算法來說，需要大量學(xué)習(xí)先驗(yàn)知識(shí)，并且存在著邏輯單元消耗多，功耗高等難題。而本發(fā)明所提供的算法能有效檢測(cè)不同類型的偏色圖像，算法復(fù)雜度低，可以有效克服經(jīng)典算法的校正失效問題，適用于多種不同場(chǎng)景。

發(fā)明內(nèi)容
本發(fā)明的實(shí)施例提供一種基于HSV顏色空間的偏色檢測(cè)及校正方法，該算法能有效檢測(cè)及校正不同類型的偏色圖像，算法復(fù)雜度低，適用于多種不同場(chǎng)景。本發(fā)明采用如下技術(shù)方案1.輸入待檢測(cè)圖像(一般為RGB顏色空間)；
2.計(jì)算HSV顏色空間中的S通道；
3.統(tǒng)計(jì)S通道的直方圖向量h;
4.對(duì)直方圖向量h進(jìn)行量化和濾波；
5.根據(jù)量化和濾波之后的直方圖向量h’判定圖像是否偏色；
6.若判定圖像偏色，則分別統(tǒng)計(jì)RGB通道對(duì)最大、最小值矩陣的貢獻(xiàn)率，并依此判定偏色通道；
7.在RGB顏色空間中，調(diào)整偏色通道的值，返回第2步；
8.若判定圖像不偏色，則程序結(jié)束。.一種圖像偏色的檢測(cè)及校正裝置包括
計(jì)算單元，用于計(jì)算HSV顏色空·間中的S通道的值，并統(tǒng)計(jì)S通道的直方圖向量h ； 預(yù)處理單元，對(duì)直方圖向量進(jìn)行量化和濾波；
判斷單元，判斷圖像是否偏色，不偏色，程序結(jié)束；
確定單元，用于判斷偏色通道；
校正單元，用于校正偏色圖像，并返回統(tǒng)計(jì)單元。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述的附圖僅僅是本發(fā)明的一些實(shí)施例的部分附圖，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例1提供的偏色檢測(cè)、校正方法流程圖。圖2為本發(fā)明與傳統(tǒng)方法的效果對(duì)比圖；圖2(a)缺少高亮區(qū)域的色塊測(cè)試圖；圖2(b)本發(fā)明算法結(jié)果圖；圖2(c)灰度世界算法結(jié)果圖；圖2(d)完美反射算法結(jié)果圖。特別說明由于所提交的圖2為黑白圖，無(wú)法顯示出本發(fā)明更好的對(duì)比效果，因此在其他證明文件中提交了彩色圖2。圖3為本發(fā)明實(shí)施例2提供的偏色檢測(cè)及校正裝置的結(jié)構(gòu)圖。圖4為本發(fā)明實(shí)施例2提供的計(jì)算單元11的結(jié)構(gòu)圖。圖5為本發(fā)明實(shí)施例2提供的預(yù)處理單元12的結(jié)構(gòu)圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。實(shí)施例1 :
本發(fā)明實(shí)施例1提供一種基于HSV顏色空間的偏色檢測(cè)及校正方法，如圖1所示，該方法包括
101、輸入RGB顏色空間的待檢測(cè)圖像顏色空間(Color Space),又稱為顏色坐標(biāo)系統(tǒng),是一種抽象表不和描述顏色的方法。RGB顏色空間是最常用的顏色模型之一，數(shù)字成像設(shè)備輸出的圖像往往也是RGB格式。102、計(jì)算HSV顏色空間中的S通道
目前的偏色檢測(cè)算法往往先將RGB顏色空間轉(zhuǎn)換為HSV顏色空間，然后提取S通道用于偏色檢測(cè)，而H通道和V通道并不參與后續(xù)處理過程。本發(fā)明采用了直接計(jì)算S通道的方法，大大減少了計(jì)算量，降低了算法的時(shí)間和空間開銷。由RGB顏色空間計(jì)算HSV顏色空間中的S通道的公式如下
1)統(tǒng)計(jì)最大、最小值矩陣
權(quán)利要求
1.一種基于HSV顏色空間的偏色檢測(cè)及校正方法，其步驟如下 (1)輸入待檢測(cè)圖像； (2)計(jì)算HSV顏色空間中的S通道的值； (3)統(tǒng)計(jì)S通道的直方圖向量h; (4)對(duì)直方圖向量h進(jìn)行量化和濾波； (5)根據(jù)量化和濾波之后的直方圖向量h’判定圖像是否偏色； (6)若判定圖像偏色，則分別統(tǒng)計(jì)RGB通道對(duì)最大、最小值矩陣的貢獻(xiàn)率，并依此判定偏色通道； (7)在RGB顏色空間中，調(diào)整偏色通道的值，返回第2步； (8)若判定圖像不偏色，則程序結(jié)束。
2.根據(jù)權(quán)利要求1所述的計(jì)算S通道的值，其方法是1)統(tǒng)計(jì)S通道的最大值和最小值矩陣，分別記為AM = mn( RrG, B) ；2)計(jì)算 S 通道的值，采用
3.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(4)對(duì)直方圖向量h進(jìn)行量化，所采用的方法是對(duì)量化后所得值的小數(shù)點(diǎn)之后的4位保留，第5位按照4舍5入。
4.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(4)對(duì)直方圖向量h進(jìn)行濾波，所采用的方法是選用改進(jìn)的一維中值濾波公式進(jìn)行濾波，其改進(jìn)的一維中值濾波公式為
5.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(5)判斷直方圖向量h’是否偏色的方法是取直方圖向量h’中的前N個(gè)元素進(jìn)行判斷，N的取值范圍是15 25之間的正整數(shù)。
6.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(5)判斷直方圖向量h’是否偏色的方法是取直方圖向量h’的前N個(gè)元素的平均值與閾值Tv比較，若平均值小于閾值Tv則認(rèn)為偏色，閾值Tv的取值范圍是0. 0002 0. 0005。
7.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(5)判斷直方圖向量h’是否偏色的方法是取直方圖向量h’前N個(gè)元素的值，若計(jì)算得出的局部最大最小值的次數(shù)大于閾值Tn，則認(rèn)為偏色，閾值Tn的取值為3 5之間的正整數(shù)。
8.根據(jù)權(quán)利要求7所述的局部范圍出現(xiàn)的最大最小值的統(tǒng)計(jì)方法為采用g(i) = k(i +1) -k(f)和 sgn[ g(i) *g(i +1)] i =公式統(tǒng)計(jì)。
9.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(6)確定偏色通道方法是將RGB各通道的最大值貢獻(xiàn)率Cjffi分別減去對(duì)應(yīng)的最小值貢獻(xiàn)率CV,得到三個(gè)差值，其中最小值所對(duì)應(yīng)的通道即為偏色通道，最大、最小值矩陣的貢獻(xiàn)率是指在統(tǒng)計(jì)最大、最小值矩陣時(shí)，某一通道提供最大值或最小值的像素個(gè)數(shù)除以該通道所有像素個(gè)數(shù)的比率。
10.根據(jù)權(quán)利要求1所述的基于HSV顏色空間的偏色檢測(cè)及校正方法，其特征在于步驟(7)調(diào)整偏色通道值的方法是將偏色通道的數(shù)值乘以糾正系數(shù)k，k取值范圍1. 02 1. 05。
11.一種圖像偏色的檢測(cè)及校正裝置，其特征在于包括 計(jì)算單元，用于計(jì)算HSV顏色空間中的S通道的值，并統(tǒng)計(jì)S通道的直方圖向量h ； 預(yù)處理單元，對(duì)直方圖向量進(jìn)行量化和濾波； 判斷單元，判斷圖像是否偏色，若直方圖向量中的前N個(gè)元素的平均值小于預(yù)設(shè)閾值％或直方圖向量中的前N個(gè)元素出現(xiàn)局部最大最小值的次數(shù)大于閾值Tn，則認(rèn)定所輸入圖像偏色，否則認(rèn)定不偏色，程序結(jié)束，N的取值范圍是15 25之間的正整數(shù)，閾值Tv的取值范圍是0. 0002 0. 0005,閾值Tn的取值范圍是3 5之間的正整數(shù)； 確定單元，用于判斷偏色通道，將RGB各通道的最大值貢獻(xiàn)率Cmc分別減去對(duì)應(yīng)的最小值貢獻(xiàn)率,得到三個(gè)差值，其中最小值所對(duì)應(yīng)的通道即為偏色通道； 校正單元，用于校正偏色圖像，將偏色通道的數(shù)值乘以糾正系數(shù)k (k取值為1.02^1. 05)，并返回統(tǒng)計(jì)單元。
12.根據(jù)權(quán)利要求11所述的計(jì)算單元，包括 計(jì)算模塊，計(jì)算HSV顏色空間中的S通道的值，采用公式
13.根據(jù)權(quán)利要求11所述的預(yù)處理單元，包括 量化模塊，對(duì)直方圖向量進(jìn)行量化所采用的方法是對(duì)量化后所得值的小數(shù)點(diǎn)之后的4位保留，第5位按照4舍5入； 濾波模塊，對(duì)直方圖向量進(jìn)行濾波，采用改進(jìn)的一維中值濾波公式進(jìn)行濾波，公式為
全文摘要
本發(fā)明提供一種圖像偏色的檢測(cè)、校正方法及裝置，涉及數(shù)字圖像處理技術(shù)領(lǐng)域。該方法包括輸入RGB顏色空間的待檢測(cè)圖像；計(jì)算HSV顏色空間中的S通道；統(tǒng)計(jì)S通道的直方圖向量h；對(duì)直方圖向量h進(jìn)行量化和濾波；根據(jù)量化和濾波之后的直方圖向量h'判定圖像是否偏色；若判定圖像偏色，則分別統(tǒng)計(jì)RGB通道對(duì)最大、最小值矩陣的貢獻(xiàn)率，并依此判定偏色通道；在RGB顏色空間中，調(diào)整偏色通道的值，重新計(jì)算S通道的值并判斷是否偏色，反復(fù)執(zhí)行，直到不再偏色為止；若判定圖像不偏色，則程序結(jié)束。本發(fā)明能有效地檢測(cè)和校正多種類型的偏色圖像，克服了傳統(tǒng)方法的不足，對(duì)不同場(chǎng)景均有很好的適應(yīng)性，算法效率高。
文檔編號(hào)G06T7/40GK103065334SQ20131003827
公開日2013年4月24日 申請(qǐng)日期2013年1月31日 優(yōu)先權(quán)日2013年1月31日
發(fā)明者胡勇 申請(qǐng)人:金陵科技學(xué)院