朱　峰　滕奇志　何小海

(四川大學(xué)電子信息學(xué)院圖像信息研究所　成都　610065)

?

顏色遷移在熒光薄片圖像分析中的應(yīng)用

朱峰滕奇志何小海

(四川大學(xué)電子信息學(xué)院圖像信息研究所成都610065)

摘要論文采用顏色遷移的方法解決不同顯微鏡下不同攝像頭拍攝的熒光圖像顏色差異問題,并針對原顏色遷移算法局部信息的欠考慮問題做了融入局部信息的改進(jìn)。該算法首先將目標(biāo)圖像和原圖像轉(zhuǎn)換到lαβ顏色空間,并提取目標(biāo)圖像的l、α、β的局部信息,然后先對源圖像的分量進(jìn)行整體顏色遷移,再根據(jù)遷移結(jié)果對源圖像的α、β分量進(jìn)行融入局部信息的顏色遷移。實(shí)驗(yàn)證明,該算法對于熒光圖像之間的轉(zhuǎn)換效果較好,能解決實(shí)際問題。

關(guān)鍵詞顏色遷移; lαβ顏色空間; HSI顏色空間; 熒光圖像

Fluorescence Image Analysis Using Color Transfer

ZHU FengTENG QizhiHE Xiaohai

(Image Information Institute, School of Electronics and Information Engineering, Sichuan University, Chengdu610065)

AbstractThe color transfer method is proposed to weaken the differences in fluorescence images obtained from different cameras, and the local information is used to improve the color transfer algorithm. The algorithm converts the target image and the source image from RGB color space tolαβcolor space, extracts the local information inlαβcolor space of target image respectively, transfers thelchannel of source image using the overall color transfer, then transfers theα,βchannels of source image using the color transfer blending local information respectively according to the result oflchannel. Experiments show that the algorithm is good for the conversion between fluorescence images.

Key Wordscolor transfer,lαβcolor space, HSI color space, fluorescence image

Class NumberTP391

1引言

通過圖像處理技術(shù)分析巖石薄片含油成分的實(shí)驗(yàn)手段稱為熒光薄片圖像分析[1]。含油薄片在紫外光的照射下,會(huì)激發(fā)薄片上的瀝青物質(zhì)發(fā)出熒光,通過熒光顯微鏡上的攝像頭拍攝生成熒光彩色圖像,再對顯現(xiàn)熒光的區(qū)域進(jìn)行提取并根據(jù)各種瀝青物質(zhì)的分類標(biāo)準(zhǔn)進(jìn)行劃分,然后進(jìn)行含量統(tǒng)計(jì),最后得到含油薄片上各種瀝青物質(zhì)的含量比例。

圖像的顏色信息是熒光圖像含油成分分析的依據(jù)。按照不同油質(zhì)的熒光顏色進(jìn)行分類,得到各瀝青含量的比例。但在實(shí)際分析中,薄片熒光圖像受到各種因素的影響,比如,同一張熒光薄片,在不同的顯微鏡、不同的攝像頭下得到的圖像色彩并不完全相同,在不同的顯示器上呈現(xiàn)的顏色也有差異,這樣會(huì)造成熒光分類的不統(tǒng)一,使熒光圖像的成分分析受到影響。

顏色遷移是通過合成圖A的色彩信息和圖B的形狀信息從而得到圖C,也就是圖B在保持自身的形狀特點(diǎn)的情況下,融入了圖A的色彩信息,我們稱圖A是色彩圖像,圖B是形狀圖像。Ruderman[2]等統(tǒng)計(jì)了自然界圖像的顏色值的分布,應(yīng)用變換顏色空間的方式,得到了在統(tǒng)計(jì)意義上的具有正交基性質(zhì)的顏色空間lαβ,并提出RGB空間變換到lαβ空間的公式。Reinhard[3]等通過此變換在lαβ空間中對圖像進(jìn)行統(tǒng)計(jì)對比,完成了圖像的顏色遷移問題。為了提高熒光分析的準(zhǔn)確性,本文提出了基于顏色遷移的解決方案:通過有經(jīng)驗(yàn)的專業(yè)人員對圖像進(jìn)行認(rèn)定從而建立標(biāo)準(zhǔn)圖像即顏色信息圖像,其它采集的圖像即形狀信息圖像,向該標(biāo)準(zhǔn)圖像進(jìn)行顏色遷移,從而得到統(tǒng)一的圖像標(biāo)準(zhǔn),保證了熒光分析的準(zhǔn)確性;考慮到原顏色遷移算法沒有考慮到局部的信息[8],提出了融入局部顏色基調(diào)的顏色遷移算法,并對顏色通道的相關(guān)性進(jìn)行分析。

2顏色空間的相關(guān)性分析

顏色空間的選擇關(guān)系到圖像的顏色遷移的效果。不同的顏色空間各個(gè)通道之間均勻性、相關(guān)性不同,同樣的處理操作在不同的顏色空間處理的結(jié)果相差很大。下面將討論一些熟知的顏色空間。

2.1RGB空間

RGB空間是非均勻的,同時(shí)RGB空間的三個(gè)通道具有強(qiáng)烈的相關(guān)性,并且RGB空間中的色彩與人感受顏色的方式不同,不適用于人眼的感知特性,在顏色轉(zhuǎn)換時(shí)各通道的像素值的變化會(huì)相互影響,導(dǎo)致圖像的失真,不適于用于本文的顏色遷移處理。

2.2HSI空間

孟塞爾(Munsell)的HSI[4]顏色空間在彩色圖像中使得色彩與亮度分離,HSI空間的各通道之間相關(guān)性比較弱,色調(diào)和飽和度分量與人眼感知特性比較相似。但HSI空間存在色調(diào)奇異點(diǎn),從RGB空間與HSI空間的變換方程關(guān)系可以看出,當(dāng)B、G、R相等,H值是未定義的,而在實(shí)際應(yīng)用中,把此時(shí)H的值當(dāng)作0來處理,這與紅色的色調(diào)值之間發(fā)生混淆。對于RGB空間中的三通道值很相近的點(diǎn),即使各通道分量發(fā)生微小的改變,都可能會(huì)使轉(zhuǎn)換后的H分量發(fā)生巨大波動(dòng)。所以在顏色處理時(shí)這種RGB空間的各通道顏色值相近的點(diǎn)轉(zhuǎn)換到HSI空間時(shí)H分量的值卻相差很大,所以HSI顏色空間也不適于用于顏色遷移處理。

2.3lαβ空間

lαβ顏色空間是對人眼感覺[7]的研究,由亮度分量l、和色度分量α、β分量組成,其中α分量表示黃-藍(lán)通道,β分量表示紅-綠通道。

由于lαβ空間是從LMS空間[5]轉(zhuǎn)換過來的,LMS空間是基于人眼視網(wǎng)膜上對短波光線敏感的錐體細(xì)胞(S錐體),對中波光線敏感的錐體(M錐體),對長波光線敏感的錐體(L錐體)的顏色空間。因此要將顏色值從基于設(shè)備的RGB空間變換到lαβ空間中,先要將顏色值轉(zhuǎn)化到基于對波長敏感的LMS空間。由于LMS空間是由RGB空間進(jìn)行簡單的矩陣變換得到,所以LMS空間的分量還是比較分散,分布在0~255之間。為了讓轉(zhuǎn)換到LMS空間的顏色值比較集中,方便處理,在實(shí)際應(yīng)用中,我們使用下面的方程進(jìn)行轉(zhuǎn)化:

L=log10Ls

(1)

M=log10Ms

(2)

S=log10Ss

(3)

此時(shí)的LMS空間各分量分布在0~3之間,比較集中,同時(shí)求出LMS的自相關(guān)矩陣:

(4)

其中r#*表示整個(gè)圖像中#通道的值序列與*通道的值序列之間的相關(guān)系數(shù)。

RLMS通常不是一個(gè)對角陣,并且非對角線上的值也比較大,說明LMS空間的三個(gè)通道之間相關(guān)性很嚴(yán)重[6]。這就顯示了如果要改變一個(gè)通道的值,則同時(shí)要修改其他通道的值來消除相關(guān)性帶來的影響。為此本文通過對LMS的自相關(guān)矩陣進(jìn)行主元分析和特征值分析來減弱LMS空間的三個(gè)通道的相關(guān)性,從而生成lαβ顏色空間。主元分析是對原強(qiáng)相關(guān)性序列進(jìn)行統(tǒng)計(jì)分析和聚類,將強(qiáng)相關(guān)性的變量轉(zhuǎn)化為弱相關(guān)性變量,同時(shí)生成變換矩陣。

根據(jù)矩陣論相關(guān)知識(shí),對LMS空間的自相關(guān)矩陣RLMS進(jìn)行特征值求解,得到特征值λ1、λ2、λ3(λ1>λ2>λ3),和對應(yīng)的特征向量e1、e2、e3,并得到特征值矩陣為

(5)

P=[p1p2p3]

(6)

從而得到LMS空間到lαβ空間的轉(zhuǎn)換的過渡矩陣C=PT-1(其中T-1是特征值矩陣T的逆矩陣),并進(jìn)行歸一化,從而有以下LMS到lαβ空間的轉(zhuǎn)換:

[lαβ]T=C[LMS]T

(7)

3顏色遷移合成算法

3.1RGB空間與lαβ空間的相互變換:

RGB空間與lαβ空間可以相互變換,公式如下[3]:

1) 先將RGB空間轉(zhuǎn)換到LMS空間:

(8)

2) 為了讓LMS空間的分量分布更加聚斂,所以將其轉(zhuǎn)換到LMS對數(shù)空間中:

L′=log10L

(9)

M′=log10M

(10)

S′=log10S

(11)

3) 將LMS空間轉(zhuǎn)到lαβ空間:

(12)

在lαβ空間進(jìn)行顏色遷移后,為了顯示結(jié)果圖,還是要把結(jié)果從lαβ空間變換到RGB空間,下面給出相應(yīng)變換:

1) 將lαβ空間轉(zhuǎn)到LMS對數(shù)空間:

(13)

2) 從LMS對數(shù)空間轉(zhuǎn)化到LMS空間:

L=10L′

(14)

M=10M′

(15)

S=10S′

(16)

3) 從LMS空間到RGB空間的轉(zhuǎn)換:

(17)

3.2改進(jìn)的顏色遷移算法

Reinhard的整體顏色遷移算法沒有考慮局部的顏色信息[9~10],只考慮了圖像整體的顏色基調(diào)[6],造成結(jié)果圖像的顏色細(xì)節(jié)信息有損失。本文考慮了局部的顏色信息,通過獲取目標(biāo)圖像的局部顏色信息,使得轉(zhuǎn)換后的結(jié)果圖像顏色基調(diào)更接近目標(biāo)圖像。本文算法如下:

1) 先將源圖像和目標(biāo)圖像從RGB顏色空間變換到lαβ顏色空間。

2) 對源圖像的l分量處理:

(18)

3) 掃描目標(biāo)圖像,對每個(gè)n×n區(qū)域提取l、α、β分量的局部均值和局部標(biāo)準(zhǔn)差(n值可變),并建立數(shù)組。

4) 對源圖像的每個(gè)像素點(diǎn)分別提取n×n鄰域的l*、α、β分量的局部均值和局部標(biāo)準(zhǔn)差,用得到的l*的局部均值與局部標(biāo)準(zhǔn)差與目標(biāo)圖像中提取的l分量的局部均值和局部標(biāo)準(zhǔn)差數(shù)組的各個(gè)元素進(jìn)行如下比較:

(19)

源圖像該像素點(diǎn)的最佳匹配就取結(jié)果最小值所對應(yīng)的目標(biāo)圖像的局部均值和局部標(biāo)準(zhǔn)差。并將源圖像的α、β分量進(jìn)行如下處理:

(20)

(21)

5) 將得到的l*、α*、β*分量進(jìn)行逆轉(zhuǎn)化為RGB圖像,得到顏色遷移后的結(jié)果圖。

4顏色遷移實(shí)驗(yàn)結(jié)果

采用本文的算法(其中C1=0.9,C2=0.1,n=55)和Reinhard的整體顏色遷移算法進(jìn)行了800組對比實(shí)驗(yàn),實(shí)驗(yàn)的部分處理圖如圖1、2所示。

從上面的兩組圖對比看,本文的算法加入了局部顏色信息,比算法的細(xì)節(jié)信息要多,紋理清晰一些。

熒光分析中對各瀝青組分的劃分主要是以熒光薄片的發(fā)光顏色為依據(jù),其對應(yīng)關(guān)系如表1所示。

(a)源圖像

(b)標(biāo)準(zhǔn)圖像

(c)Reinhard算法

(d)本文算法

(a)源圖像

(b)標(biāo)準(zhǔn)圖像

(c)Reinhard算法

(d)本文算法

瀝青組分發(fā)光顏色油質(zhì)瀝青黃,黃白,淡黃白,綠黃,淺綠,白等膠質(zhì)瀝青以橙為主,黃橙,淡黃橙,褐橙瀝青質(zhì)瀝青以褐為主,褐,淡褐,橙褐等碳質(zhì)瀝青不發(fā)光(全黑)

熒光分析主要以上述的顏色范圍結(jié)合顏色值來劃分各個(gè)瀝青組分。本文對比顏色遷移前后熒光分析得出的各瀝青含量比例,下面是部分?jǐn)?shù)據(jù):

從上述結(jié)果看出,未經(jīng)過顏色遷移,原圖和標(biāo)準(zhǔn)圖熒光分析數(shù)據(jù)相差很大,應(yīng)用顏色遷移算法的處理,對圖像的熒光分析可以很接近目標(biāo)圖像的分析結(jié)果,本文算法在分析結(jié)果上也比算法更加偏向標(biāo)準(zhǔn)圖像的分析結(jié)果,所以本文算法在熒光含油成分分析中有很好的作用。在實(shí)際應(yīng)用中,先采集標(biāo)準(zhǔn)圖像與待標(biāo)定的圖像,將待標(biāo)定圖像向標(biāo)準(zhǔn)圖像進(jìn)行顏色遷移,并獲取相關(guān)參數(shù),以后就可以直接用參數(shù)對圖像進(jìn)行轉(zhuǎn)換。保證了熒光分析的準(zhǔn)確性。

表2　處理結(jié)果1

表3　處理結(jié)果2

表4　處理結(jié)果3

5結(jié)語

本文介紹了從LMS空間到空間的變換的主元分析,對不同顏色空間的進(jìn)行了相關(guān)性分析。針對不同的攝像頭拍攝的熒光圖像差別比較大,影響了熒光分析的準(zhǔn)確性,本文提出的融入局部信息的顏色遷移算法能夠減弱差異性,并取得了很好的效

果。但該算法對局部信息的提取沒有選擇性,比較盲目,導(dǎo)致處理比較慢,比較耗時(shí)間,在以后的研究中將考慮提取有針對性的局部信息,以期能得到比較好的實(shí)時(shí)性和更好的效果。

參 考 文 獻(xiàn)

[1] 何小海,吳小強(qiáng).巖石薄片彩色熒光圖象的采集與分析[J].數(shù)據(jù)采集與處理,1998,13(A10):172-174.

HE Xiaohai, WU Xiaoqiang. Acquisition and analysis of rock slice’s color fluorescent image[J]. Journal of Data Acquisition and Processing,1998,13(A10):172-174.

[2] Ruderman D. L., Cronin T. W., Chiao C.C. Statistics of cone responses to natural images: implications for visual coding[J]. Joural of Optical Society of America,1998,15(8):2036-2045.

[3] Reinhard E., Ashikhmin M., Gooch B., et al. Color transfer between images[J]. IEEE Computer Graphics and Applications,2001,21(5):34-40.

[4] Rafael C. Gonzalez, Richard E. Woods.數(shù)字圖像處理[M].第三版.北京:電子工業(yè)出版社,2011:257-261.

Rafael C. Gonzalez, Richard E. Woods. Digital Image Processing[M]. Third Edition. Beijing: Publishing House of Electronics Industry,2011:257-261.

[5] Smith V. C., Pokorny J. Spectral sensitivity of the foveal conephotopigments between 400 and 500 nm[J]. Vision Research,1975,15(2):161-171.

[6] 胡國飛,傅健,彭群生.自適應(yīng)顏色遷移[J].計(jì)算機(jī)學(xué)報(bào),2004,27(9):1245-1249.

HU Guofei, FU Jian, PENG Qunsheng. Adaptive Color Transfer[J]. Chinese Journal of Computers,2004,27(9):1245-1249.

[7] Borer S., Siisstrunk S. Opponent color space motivated by retinal processing[C]//Proceedings of the IS&T CGIV, Poitiers, France,2002:187-189.

[8] Rogowitz B. E., Kalvin. The “Which Blair Project”: A quick visual method for evaluating perceptual color maps[C]//Proceedings of IEEE Visualization, San Diego, USA,2001:183-190.

[9] Xiao, XZ, Ma, LZ. Gradient-Preserving Color Transfer[J]. Computer Graphics Forum: Journal of the European Association for Computer Graphics,2009,28(7):1879-1886.

[10] 陳海,馮國燦.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(z2):301-303.

CHEN Hai, FENG Guocan. Novel Algorithm for Local Color Transfer Based on Preserving Detail Texture[J]. Computer Science,2013,40(z2):301-303.

中圖分類號(hào)TP391

DOI:10.3969/j.issn.1672-9722.2016.01.026

作者簡介:朱峰,男,碩士研究生,研究方向:圖像處理與網(wǎng)絡(luò)通信。滕奇志,女,博士,教授,博士生導(dǎo)師,研究方向:圖像處理與模式識(shí)別。何小海,男,博士,教授,博士生導(dǎo)師,研究方向:圖像處理與網(wǎng)絡(luò)通信。

基金項(xiàng)目:國家自然科學(xué)基金“巖石微觀非均質(zhì)結(jié)構(gòu)三維圖像重建及分辨率提升技術(shù)研究”(編號(hào):61372174)資助。

收稿日期:2015年7月15日,修回日期:2015年8月25日