本發(fā)明屬于計算機視覺和圖像處理技術(shù)領(lǐng)域，具體涉及彩色圖像的場景多光源顏色估計及圖像顏色矯正技術(shù)。

背景技術(shù)：

在自然環(huán)境下，人的視覺系統(tǒng)具有抵制場景中光源顏色變化的能力。比如，對同一個場景，無論是在早晨偏黃的陽光照射下，還是傍晚時分偏紅的陽光照射下，我們的視覺系統(tǒng)所感知到的場景的顏色始終保持恒定，這種能力也被稱為視覺系統(tǒng)的顏色恒常性。受技術(shù)條件的限制，目前的成像設(shè)備如照相機拍攝到的圖片往往受場景中光源顏色的影響而出現(xiàn)不同程度的色偏，這種受場景光源顏色影響而產(chǎn)生的色偏會使得后續(xù)的計算機視覺應(yīng)用如目標(biāo)識別、形狀匹配等無法根據(jù)顏色獲得準(zhǔn)確的識別與匹配。因此，對于一幅輸入的原始色偏圖像，如何有效去除所包含的場景光源顏色就顯得尤為重要。計算性顏色恒常正是致力于解決這個問題，它的主要目的正是計算任意一幅圖像中所包含的未知光源的顏色，然后利用計算得到的光源顏色對原始色偏圖像進(jìn)行校正，得到標(biāo)準(zhǔn)白光下顯示的圖像。目前最經(jīng)典的光源估計方法是Buchsbaum 1980年提出的灰度世界方法，參考文獻(xiàn)：G.Buchsbaum,“A spatial processor model for object colour perception,Journal of the Franklin Institute,vol.310,no.1,pp1–26,July 1980”，該方法雖然計算簡單，但是大多數(shù)情況下很難完全準(zhǔn)確估計光源顏色，并且算法只是針對均勻光源條件下的場景。

到目前為止，對于非均勻分布的多光源估計的研究還比較少，比較有代表性的是Hamid Reza Vaezi Joze等人在2014年提出來的，參考文獻(xiàn)：H.R.V.Joze and M.S.Drew,Exemplar-based color constancy and multiple illumination,Pattern Analysis and Machine Intelligence,IEEE Transactions on,Vol.36,No.5,pp.860-873,2014,但是該方法計算復(fù)雜，需要利用大量的樣本進(jìn)行訓(xùn)練，靈活性差，不適用于實時處理。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有的圖像場景多光源顏色估計方法存在的缺陷，提出了一種多光源環(huán)境下的圖像顏色恒常方法。

本發(fā)明的技術(shù)方案是：一種多光源環(huán)境下的圖像顏色恒常方法，包括如下步驟：

S1.計算圖像的亮度圖：提取圖像中的顏色分量，將輸入的彩色圖像分解為紅色、綠色和藍(lán)色三個顏色分量，三個顏色分量相加得到圖像的亮度圖；

S2.將圖像分為亮區(qū)域和暗區(qū)域：把S1得到的亮度圖分為兩類，具體分為亮區(qū)域和暗區(qū)域；

S3.分別計算亮區(qū)域和暗區(qū)域的光源：分別對原圖的亮區(qū)域和暗區(qū)域用不同尺度的模板進(jìn)行濾波，初步得到圖像的亮區(qū)域和暗區(qū)域的光源；

S4.合成得到整個圖像的光源：將步驟S3計算得到的亮區(qū)域和暗區(qū)域的光源相加，得到整個圖像的光源顏色；

S5.消除光源顏色，實現(xiàn)顏色恒常：用原始色偏圖像中每一個像素分別除以對應(yīng)的計算得到的光源圖像的像素，得到校正后的無色偏圖像。

其中，步驟S2中劃分亮暗區(qū)域的目的是模擬視網(wǎng)膜亮暗適應(yīng)的機制，在視網(wǎng)膜中視錐細(xì)胞和視桿分工明確，不同亮度程度所參與計算的細(xì)胞是不同的。

在實際劃分亮暗區(qū)域采用經(jīng)典的K-均值方法聚為兩類，分為暗區(qū)域和亮度區(qū)域，把原彩色圖像亮區(qū)域標(biāo)記為1，暗區(qū)域標(biāo)記為0。

步驟S3中的濾波模板是一個雙高斯差的DOG模板，公式如下：

$R_1=\frac{1}{2{\mathrm{\π\σ}}_1^2}\exp (-\frac{x^2+y^2}{2{\mathrm{\σ}}_1^2})-\frac{k}{2\mathrm{\π}{\left({\mathrm{\λ\σ}}_1\right)}^2}\exp (-\frac{x^2+y^2}{2{\left({\mathrm{\λ\σ}}_1\right)}^2})$

$R_2=\max \left(R_1\right)+\min \left(R_1\right)-\left(\frac{1}{2{\mathrm{\π\σ}}_2^2}\exp \right(-\frac{x^2+y^2}{2{\mathrm{\σ}}_2^2})-\frac{k}{2\mathrm{\π}\left({\mathrm{\λ\σ}}_2\right)}\exp (-\frac{x^2+y^2}{2{\left({\mathrm{\λ\σ}}_2\right)}^2}\left)\right)$

其中，R₁是ON型感受野的模型，該模型中心正，外周負(fù)，這里作為亮區(qū)域的濾波模板，R₂是OFF型感受野的模型，該模型中心負(fù)，外周正，這里作為暗區(qū)域的濾波模板，其中模板外周的尺度是中心尺度的3倍，也就是λ的值為3，另外濾波模板是一個不平衡的雙高斯差，也就是權(quán)重k的值不等于1，這里面k的取值范圍是k∈(0.1,1)，其中亮區(qū)域濾波尺度要小于暗區(qū)域濾波尺度，也就是σ₁＜σ₂。

這里作為一種優(yōu)選方案，滿足σ₁∈[2,10]，σ₂∈[3,20]。

上述步驟S3中所述的分別計算亮區(qū)域和暗區(qū)域的光源具體包括如下分步驟：

S31.原圖和R₁做卷積得到L₁；

S32.原圖和R₂做卷積得到L₂；

S33.L₁中的暗區(qū)域部分置為0，也就是標(biāo)記為0的部分置為0，L₂中亮區(qū)域部分置為0，也就是標(biāo)記為1的部分置為0；進(jìn)而獲得亮區(qū)域和暗區(qū)域的光源。

經(jīng)過上述S5之后，即可計算出圖像中每一個像素點的光源，得到一幅完整的光源圖像，此光源圖可以用來校正原始的色偏圖像，使其恢復(fù)出圖像本身在標(biāo)準(zhǔn)光源(白光)下的彩色圖像。

本發(fā)明的有益效果：本發(fā)明的顏色恒常方法首先將輸入的彩色圖按照亮度不同分為亮區(qū)域和暗區(qū)域，然后在亮區(qū)域使用中心正外周負(fù)，尺度不同且幅值不等的雙高斯差型濾波器(Difference of Gaussian,DoG)，在暗區(qū)域使用中心負(fù)外周正的DoG濾波器分別進(jìn)行濾波處理，本發(fā)明本質(zhì)上汲取了人視覺系統(tǒng)中視網(wǎng)膜亮暗適應(yīng)以及神經(jīng)元ON型以及OFF型感受野的特點，適當(dāng)?shù)恼{(diào)節(jié)中心外周的感受野范圍(DoG濾波器中心和外周的尺度)以及外周感受野的敏感性強度(DoG濾波器外周的幅值)，從而可以改變空間頻率調(diào)制特性(比如在帶通特性和低通特性之間進(jìn)行變化)，此外調(diào)節(jié)外周感受野的敏感性強度(幅值大小)能夠有效地提取場景中各種顏色區(qū)域，顏色邊界信息來更好地估計場景光源的顏色，因而ON型感受野尺度、OFF型感受野尺度以及兩個感受野相同的外周敏感性強度(幅值大小)是三個主要的參數(shù)。本發(fā)明的方法具有參數(shù)少(僅有三個可調(diào)參數(shù)，即兩個尺度和一個幅值)，計算簡單，速度快，效果好，能夠進(jìn)行實時處理等特點，非常適合于內(nèi)置在物理設(shè)備(如照相機)預(yù)處理的前端來對圖像中的場景光源顏色進(jìn)行估計。

附圖說明

圖1是本發(fā)明的彩色圖像的場景光源顏色估計方法的流程示意圖。

圖2為實施例中人工合成的光源分布圖(2a)，亮區(qū)域估計的光源分布圖(2b)，暗區(qū)域估計的光源分布圖(2c)，最終估計的完整的光源分布圖(2d)。

圖3為實施例中一幅原始輸入圖像(圖3a)，加上人工合成光源之后的圖像(圖3b),以及進(jìn)行色調(diào)校正后的結(jié)果(圖3c)。

具體實施方式

鑒于人類視覺本身就具有顏色恒常的能力，能夠自動校正場景中的色偏，視網(wǎng)膜具有亮暗適應(yīng)的能力以及視網(wǎng)膜神經(jīng)元感受野的特性，基于此，本發(fā)明提出了基于視網(wǎng)膜生理機制的多光源顏色恒常方法。本方法模擬了視覺的明暗適應(yīng)能力和視網(wǎng)膜神經(jīng)元感受野的特性，建立了以劃分亮暗區(qū)域為基礎(chǔ)的基于ON型和OFF型感受野的模型，該模型能夠很好地估計光源的位置和顏色，并且可以調(diào)整參數(shù)適應(yīng)不同的場景圖像。

下面通過一個實施例進(jìn)行具體說明。

從目前國際公認(rèn)的用于估計場景光源顏色的圖像庫網(wǎng)站上下載一幅圖像(8D5U5535.png)及其對應(yīng)的真實光源顏色，圖像大小為340×511，其中8D5U5535圖像沒有經(jīng)過任何相機本身的預(yù)處理(如色調(diào)校正，gamma值校正)。本發(fā)明的詳細(xì)步驟的流程示意圖如圖1所示，具體過程如下：

S1.計算圖像的亮度圖：首先將輸入的彩色圖像分解為紅色、綠色和藍(lán)色三個顏色分量，三個顏色分量相加得到圖像的亮度圖。

以原輸入圖像的兩個像素點(136,45)和(397,172)，像素值分別為(0.026,0.035,0.026)與(0.868,1,0.842)為例，分解為紅色、綠色和藍(lán)色三個顏色分量后的值分別為0.026、0.035、0.026與0.868、1、0.842。紅綠藍(lán)顏色分量進(jìn)行相加作為每一個點的亮度，則兩個像素點的亮度分別為0.026+0.035+0.026＝0.087,0.868+1+0.842＝2.710。

S2.將圖像分為亮區(qū)域和暗區(qū)域:根據(jù)S1得到的亮度值，采用經(jīng)典的K-均值方法，把圖像聚為暗區(qū)域和亮度區(qū)域兩類。我們把原彩色圖像亮區(qū)域標(biāo)記為1，暗區(qū)域標(biāo)記為0。

以S1中的像素點為例：像素點(136,45)的亮度值為0.087,值偏低，使用K-均值聚類后被聚入暗區(qū)域類，標(biāo)記為0；像素點(397,172)的亮度值為2.710,值較高，使用K-均值聚類之后被聚入亮區(qū)域類，標(biāo)記為1。

S3.分別計算亮區(qū)域和暗區(qū)域的光源：分別使用濾波器對由步驟S2得到的亮區(qū)域類與暗區(qū)域類的像素進(jìn)行卷積計算。

本實施例中具體對亮區(qū)域使采用中心正外周負(fù)，尺度不同且幅值不等的雙高斯差型濾波器，在暗區(qū)域使用中心負(fù)外周正的雙高斯差型濾波器分別進(jìn)行濾波處理。對于不同的圖像場景，可以靈活的調(diào)整尺度(σ₁和σ₂)和幅值(k)三個參數(shù)，從而估計場景光源的顏色。

以通過步驟S1～S2對輸入像素值(0.026,0.035,0.026)與(0.868,1,0.842)進(jìn)行計算得到的標(biāo)記為0的暗區(qū)域(0.026,0.035,0.026)與標(biāo)記為1的亮區(qū)域(0.868,1,0.842)為例。

這里可以采用如下的一種計算方式：

S31.原圖和濾波器R₁做卷積得到L₁，暗區(qū)域(0.026,0.035,0.026)經(jīng)卷積后在L₁中的值為(0.026,0.030,0.022)，亮區(qū)域(0.868,1,0.842)經(jīng)卷積后在L₁中的值為(0.880,0.998,0.880)。

S32.原圖和濾波器R₂做卷積得到L₂，暗區(qū)域(0.026,0.035,0.026)經(jīng)卷積后在L₂中的值為(0.050,0.054,0.043),亮區(qū)域(0.868,1,0.842)經(jīng)卷積后在L₂中的值為(0.840,0.952,0.839)。

S33.L₁中的暗區(qū)域部分置為0，也就是標(biāo)記為0的部分置為0，暗區(qū)域(0.026,0.035,0.026)的標(biāo)記為0,在L₁中被置為(0,0,0)。

L₂中亮區(qū)域部分置為0，也就是標(biāo)記為1的部分置為0，亮區(qū)域(0.868,1,0.842)的標(biāo)記為1，在L₂中被置為(0,0,0)。L₁與L₂兩者相加得到整個圖像第一步估計的光源。

本例中R₁中卷積尺度σ₁為3，R₂中卷積尺度σ₂為20，兩個卷積模板的外周感受野權(quán)重k為0.5。

S4.合成得到整個圖像的光源：將亮區(qū)域計算得到的光源L₁和暗區(qū)域計算得到光源L₂相加得到整個圖像的光源顏色。。

以S1中的兩個像素值(0.026,0.035,0.026)與(0.868,1,0.842)為例，(0.026,0.035,0.026)像素點對應(yīng)的光源顏色為(0.050+0,0.054+0,0.043+0)＝(0.050,0.054,0.043),(0.880,0.998,0.880)點對應(yīng)的光源顏色為(0.880+0,0.998+0,0.880+0)＝(0.880,0.998,0.880)。

圖2展示了人工合成的光源分布圖(2a)，亮區(qū)域計算得到的光源L₁分布圖(2b),暗區(qū)域計算得到的光源L₂分布圖(2c)，最終估計的完整的光源分布圖(2d)。

S5.消除光源顏色，實現(xiàn)顏色恒常。用原始色偏圖像中每一個像素分別除以對應(yīng)的計算得到的光源圖像的像素，得到校正后的無色偏圖像。

利用步驟S5計算得到的各個顏色分量下的光源顏色值，分別校正原始輸入圖像的每個顏色分量的像素值。以步驟S1中原始輸入圖像的兩個像素值(0.026,0.035,0.026)與(0.868,1,0.842)為例，其校正后的結(jié)果分別為(0.026/0.050,0.035/0.054,0.026/0.043)＝(0.520,0.648,0.605)，(0.868/0.880,1/0.998,0.842/0.880)＝(0.986,1.002,0.957)，然后將校正后的值乘上標(biāo)準(zhǔn)白光系數(shù)分別得到0.300,0.374,0.349與0.569,0.579,0.553作為最終輸出的校正圖像的像素值，原始輸入圖像的其它像素值也做類似的計算，最后得到校正后的彩色圖像。

以上的簡單實例主要以圖像的單個像素值為例子來闡述，實際計算時是在整幅圖像的所有像素值上進(jìn)行的。

上述實例充分闡述了本發(fā)明的方法計算場景光源顏色以及去除光源影響進(jìn)而實現(xiàn)多光源情況下顏色恒常的整個過程。

圖3c是利用步驟S5計算的光源顏色值對原始的圖像(圖3a)加人造光源之后的多光源圖(圖3b)進(jìn)行色調(diào)校正后的結(jié)果。

本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。