基于Reinhard算法的局部色彩遷移改進算法

晉詩瑤 張?zhí)煨? 吳軍 劉金輝 王媛 鄭齊憑

摘? 要：色彩遷移是指對于源圖像和參考圖像進行操作，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，色彩搭配較為簡單的圖像，但是對于局部顏色遷移，它不能很好地保留圖像的細節(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算法。

關(guān)鍵詞：顏色遷移;圖像處理;顏色空間

中圖分類號：TP391.4? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：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，提高其社會價值、商業(yè)意義，例如對大量黑白圖片、海報、工業(yè)設(shè)計稿件等，還可以應(yīng)用到醫(yī)學(xué)、遙感及其他學(xué)科領(lǐng)域中，通過色彩傳輸來突出要探測的目標區(qū)域，便于進一步地診斷、識別等。

傳統(tǒng)的灰度圖像色彩遷移算法，如Reinhard算法，對于局部顏色遷移，不能很好的保留原始圖像的細節(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算法，將具有強關(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，通過加入新的局部參考圖像和源圖像信息，引入新的局部標準差比值因子，實現(xiàn)保持細節(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，它改進了RGB模型的強相關(guān)性，其中 l表示非色彩通道，α表示彩色的黃-藍通道，β表示紅-綠通道。由于三種通道之間相關(guān)性較小，可以通過不同的方法對此色彩通道進行運算，干擾性較小，利用此色彩空間實現(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準差、均值等信息，對目標圖像進行色彩校正，讓目標區(qū)域具有與參考區(qū)域相同的均值和標準差。而這一方法的實現(xiàn)主要建立于RGB空間、LMS空間和lαβ空間的相互轉(zhuǎn)化，通過統(tǒng)計lαβ空間上的均值、標準差和梯度等信息，設(shè)置合理的轉(zhuǎn)化規(guī)則，將原圖像和目標圖像融合成一個具有新的色彩細節(jié)特征的新圖像。

3.1 色彩空間的轉(zhuǎn)換

將RGB空間通過過渡矩陣轉(zhuǎn)換到LMS空間，然后用L=log L，M=log M，S=log S來代替原LMS[1]，通過自適應(yīng)矩陣將LMS變換成一組正交基消除強相關(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，利用式（1）

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

進行轉(zhuǎn)化，用L=log L，M=log M，S=log S來代替原L，M，S的值。

然后，讓每個頻帶的值分別減去其平均灰度值，即等價于把LMS坐標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]，然后通過統(tǒng)計出自相關(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求出負載因子矩陣P，C=PT-1即為LMS和lαβ之間的過渡矩陣[3]

完成計算遷移后，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

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算法實現(xiàn)

計算出變換后的均值。式中X表示lαβ空間中的某一顏色通道，Xt是目標區(qū)域中的某一像素點在lαβ空間中X通道的值，X*是對應(yīng)的變換后的值，t是目標區(qū)域X通道的整體均值，是目標區(qū)域X通道的整體標準差，？是參考區(qū)域X通道的整體均值，r是參考區(qū)域X通道的整體標準差[4]。所得到的新圖像便具有參考圖像的均值和標準差信息，達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

觀察式（5）可知，對于特殊情況參考圖像標準差和源圖像標準差相同，即比值為1時，為完全保持細節(jié)的顏色遷移[4]，但是對于兼顧色彩和細節(jié)的顏色遷移，由于Reinhard算法只考慮了圖像的整體色彩，對于具有較為復(fù)雜的顏色搭配和細節(jié)信息的圖像，Reinhard算法的效果并不明顯，通過分析Reinhard算法實現(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節(jié)效果，而實際上二維空間上像素的顏色值是以某種分布存在的，并且某個確定的像素的顏色值只與它周圍的某個鄰域相關(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的三個分量值仍然受到鄰域內(nèi)分量值本身的影響。

于是，本改進算法在Reinhard算法流程的基礎(chǔ)上，通過色彩通道的變換和標準差，均值的統(tǒng)計，同時引入新的局部標準差比值因子，加入局部參考圖像和源圖像信息，設(shè)計一種新的表示方法

其中？局部參考區(qū)域在lαβ空間中X通道的標準差，表示局部目標區(qū)域在lαβ空間中X通道的標準差。

觀察式（6）可知，對比經(jīng)典的Reinhard算法，通過由用戶自主選擇c1 c2的比重，可得到兼顧色彩和細節(jié)的新圖像，其中c1+c2=1，本文中所描述的保持細節(jié)的改進算法，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 實驗操作結(jié)果及分析

為了更好地體現(xiàn)各類圖像運用保持細節(jié)的局部色彩遷移改進算法的適用性，所以選擇灰階過渡細膩類、局部高光屬性類[6]，對比Reinhard算法進行分析。

5.1 灰階過渡細膩類源圖像的實驗結(jié)果分析

由圖1（c）可見，通過Reinhard算法所合成的新圖像，對比源圖像，色彩發(fā)生了較大的改變，但是觀察天空顏色，對比參考圖像，色彩產(chǎn)生失真。而觀察圖1（d）（e）（f）改進算法所得到的新圖像可看出，對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，顏色過渡較為自然。

5.2 局部高光屬性類源圖像的實驗結(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)生較為嚴重的失真，在陽光周圍產(chǎn)生光圈噪聲干擾，而觀察圖2（d）（e）（f）運用局部紋理特征改進算法，選取局部源圖像和目標圖像，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，已經(jīng)形成了一個較為自然的，風格全新的新圖像，營造了一個從水下觀察樹葉和陽光，并且有若隱若現(xiàn)光圈的感覺，效果較為滿意，但是整體顏色效果不夠清晰。

6 結(jié)束語

本文通過分析Reinhard算法實現(xiàn)的原理和過程，提出了一種具有局部紋理特征的改進算法，通過實驗操作結(jié)果可以發(fā)現(xiàn)，對于文中分析的兩類圖像的處理，本文所提出的改進算法對于灰階過渡細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。但是相對于經(jīng)典的Reinhard算法來說，改進算法均要有更好地處理效果。而對于改進算法的不足之處，日后應(yīng)該在文中所提出算法的基礎(chǔ)上，彌補不足，加以改進，尋求更加有效的色彩遷移處理算法。

參考文獻：

[1]陳小娥.兩種色彩傳遞算法適用情況研究[J].計算機應(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]胡國飛，傅健，彭群生.自適應(yīng)顏色遷移[J].計算機學(xué)報，2004（09）：1245-1249.

[4]陳海，馮國燦.保持細節(jié)的局部顏色遷移改進算法[J].計算機科學(xué)，2013，40（S2）：301-303.

[5]桂斌.顏色傳輸算法的研究[J].微計算機信息，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.