【论文阅读】Color Transfer between Images

论文：Color Transfer between Images
作者：Erik Reinhard
年份：2001
期刊：IEEE Computer Graphics and Applications
这篇论文比较经典，也是我看的第一篇论文，有关这篇论文的博客也很多，所以我在这只记录主要思想。
将目标图片的颜色渲染到原图片上，怎么实现呢？用一个简单的算法来实现，并且选择一个合适的颜色空间，然后在那里应用简单的操作。我们需要对颜色进行操作，但是例如RGB颜色空间,三通道之间是相关的，改变其中任何一个通道另外两个都会发生变化，会使结果变得更加复杂，怎么办？我们想得到一个没有轴之间相关性的正交颜色空间，在那里进行操作。
Lαβ空间可以满足要求：
（1）假设人类的视觉系统非常适合处理自然场景，Lαβ空间可以最小化许多自然场景中通道之间的相关性。
（2）轴之间的相关性也很（Lab颜色被设计来接近人类视觉。它致力于感知均匀性，它的L分量密切匹配人类亮度感知），使我们可以在不同的颜色通道中应用不同的操作，并且不会出现交叉通道伪影。
（3）这个颜色空间是对数的，意味着通道强度的均匀变化可检测
我们操纵的是RGB图像，但是要在Lαβ空间里完成操作过程，RGB没法直接转换成Lαβ，所以通过中间变量LMS，但是会有一定的误差，再转换到对数LMS来消灭误差，在Lαβ空间操作完成之后，再原路返回到RGB。

                       RGB → LMS → 对数LMS → Lαβ

（L：亮度 α：红绿通道 β：黄蓝通道 均值：亮度水平 方差：对比度强弱）
在Lαβ空间里：
（1）分通道计算源图片和目标图片的均值和标准差
（2）源图片逐像素减对应通道的均值

（3）得到的数除以原图片标准差乘以目标图片标准差

（4）加上目标图片的均值
（5）Lαβ→ LMS
（6）转换回来的RGB图像作越界检测矫正结果
在转移过程中，有可能选择效果不好的源图像和目标图像，结果的质量取决于图像在构图上的相似性。例如，如果合成图像包含很多草，照片中有更多的天空，那么我们可以预期统计数据的转移失败。
color transfer的结果：

思考：
在colortransfer中为什么大量的草和天空就会转移失败? （一般不用考虑）