使用颜色转换算法实现图像调色

最新推荐文章于 2023-09-15 09:32:10 发布

grafx

最新推荐文章于 2023-09-15 09:32:10 发布

阅读量6.6k

点赞数 4

分类专栏：图像处理 / 特效 / 滤镜

本文链接：https://blog.csdn.net/grafx/article/details/17768897

版权

图像处理 / 特效 / 滤镜专栏收录该内容

30 篇文章 28 订阅

订阅专栏

在使用图像处理软件给图像调色时，我们通常会使用色彩平衡或曲线等功能，有时调来调去似乎总是不太满意。有没有一种方便、省事的方法，通过鼠标简单点选，就能将待处理的图片调成自己喜欢的某张图片色调呢？前几天在浏览SIGGRAPH 2013会议论文集时，发现几篇调色相关文章，但在算法实现步骤上作者似乎讲的不是很详细，实现起来有一定难度。在进一步查阅资料过程中，发现了这篇文章《Color Transfer between Images》，文章讲的很详细，算法实现起来比较容易。

算法流程大体为：

首先，将源图像和目标图像由rgb空间转为lab空间；

其次，分别计算源图像和目标图像均值及标准差；

然后，在lab空间，遍历每个像素点，分别对每个像素点计算各个通道值，计算方法为：将源图像减去自身均值后乘以标准差比值，再将相乘结果加上目标图像均值后赋值给输出图像；

最后，将输出图像由lab空间转为rgb空间。至此，算法执行完毕。

可能有人会有疑惑，为什么要在lab空间完成整个计算过程，文章作者表述说：“rgb颜色空间各通道之间存在相关性，如果要改变一个像素颜色值，就必须改变三个颜色通道，这使得调色过程变得复杂，而lab颜色空间各通道之间相关性最小，可以在不同通道独立地进行颜色信息的统计和运算，同时lab颜色空间色域宽阔，并且与设备无关”。当然，在rgb空间也可以完成上述运算过程，经过实验，在rgb空间完成颜色转换后输出的色调看起来也不错，这个就仁者见仁智者见智了。

下面为算法的c++实现，程序中颜色空间转换过程直接调用了opencv相关函数，所以算法实现上容易了很多。

#include "stdafx.h"
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>

using namespace cv;

#define max_uchar(a, b)    (((a) > (b)) ? (a) : (b))
#define min_uchar(a, b)    (((a) < (b)) ? (a) : (b))

// 计算彩色图像均值和标准差
void CompMeanAndVariance(Mat &img, Vec3f &mean3f, Vec3f &variance3f)
{
	int row = img.rows;
	int col = img.cols;
	int total = row * col;
	float sum[3] = { 0.0f };
	// 均值
	uchar *pImg = img.data;
	for (int i = 0; i < row; i++)
	{
		for (int j = 0; j < col; j++)
		{
			sum[0] += pImg[3*j + 0];
			sum[1] += pImg[3*j + 1];
			sum[2] += pImg[3*j + 2];
		}
		pImg += img.step;
	}

	mean3f[0] = sum[0] / total;
	mean3f[1] = sum[1] / total;
	mean3f[2] = sum[2] / total;

	memset(sum, 0, sizeof(sum));
	// 标准差
	pImg = img.data;
	for (int i = 0; i < row; i++)
	{
		for (int j = 0; j < col; j++)
		{
			sum[0] += (pImg[3*j + 0] - mean3f[0]) * (pImg[3*j + 0] - mean3f[0]);
			sum[1] += (pImg[3*j + 1] - mean3f[1]) * (pImg[3*j + 1] - mean3f[1]);
			sum[2] += (pImg[3*j + 2] - mean3f[2]) * (pImg[3*j + 2] - mean3f[2]);
		}
		pImg += img.step;
	}

	variance3f[0] = sqrt(sum[0] / total);
	variance3f[1] = sqrt(sum[1] / total);
	variance3f[2] = sqrt(sum[2] / total);
}

// 颜色转换
void ColorTransfer(Mat &src, Mat &tar, Mat &dst)
{
	Mat srcLab, tarLab;
	Vec3f srcMean3f, tarMean3f;// 源/目标图像均值
	Vec3f srcVariance3f, tarVariance3f;// 源/目标图像标准差
	Vec3f ratioVariance3f;// 标准差比例

	// BGR空间转Lab空间
	cvtColor(src, srcLab, CV_BGR2Lab);
	cvtColor(tar, tarLab, CV_BGR2Lab);
	// 计算当前图像与目标图像均值及标准差
	CompMeanAndVariance(srcLab, srcMean3f, srcVariance3f);
	CompMeanAndVariance(tarLab, tarMean3f, tarVariance3f);

	// 标准差比
	ratioVariance3f[0] = tarVariance3f[0] / srcVariance3f[0];
	ratioVariance3f[1] = tarVariance3f[1] / srcVariance3f[1];
	ratioVariance3f[2] = tarVariance3f[2] / srcVariance3f[2];

	// 计算颜色转换值
	int row = srcLab.rows;
	int col = srcLab.cols;
	uchar *pImg = srcLab.data;
	for (int i = 0; i < row; i++)
	{
		for (int j = 0; j < col; j++)
		{
			pImg[3*j + 0] = (uchar)min_uchar(255, max_uchar(0, ratioVariance3f[0] * (pImg[3*j + 0] - srcMean3f[0]) + tarMean3f[0]));
			pImg[3*j + 1] = (uchar)min_uchar(255, max_uchar(0, ratioVariance3f[1] * (pImg[3*j + 1] - srcMean3f[1]) + tarMean3f[1]));
			pImg[3*j + 2] = (uchar)min_uchar(255, max_uchar(0, ratioVariance3f[2] * (pImg[3*j + 2] - srcMean3f[2]) + tarMean3f[2]));
		}
		pImg += srcLab.step;
	}

	// Lab空间转BGR空间
	cvtColor(srcLab, dst, CV_Lab2BGR);
}

int main()
{
	Mat src = imread("image\\src.jpg");
	Mat tar = imread("image\\tar.jpg");
	imshow("src", src);
	imshow("tar", tar);

	// 调色
	Mat dst;
	ColorTransfer(src, tar, dst);
	imshow("dst", dst);

	waitKey();
	return 0;
}