颜色迁移之五——自适应迁移算法

颜色空间为一个三维的线性空间，通常使用红色、绿色和蓝色（RGB）作为颜色空间的基，但这三原色不能直观地度量色调、饱和度和亮度（HSV），为了体现颜色空间中的不同特性，人们总结了很多颜色空间。由Smith等提出的LMS颜色空间的三个分量分别表示长、中、短激发光谱。而人的视网膜中锥状细胞的光感器对光的波长最敏感。在这个意义上，我们把计算机里的RGB图像表示转换成基于人眼更为敏感波长的LMS表示。实际上不同颜色空间是同构的，因此它们之间必然存在变换矩阵，事实上在Reinhard等给出了RGB和LMS之间的颜色变换，经过变换后的LMS值的分布域和RGB 值的分布域一样，还是比较发散，为了使得LMS数据点更加聚敛，Reinhard等对LMS做了对数变换L=logL，M=logM，S=logS来代替LMS的值。胡国飞等在此基础上求出了LMS的相关矩阵

，

其中r_LM，r_MS，r_LS分别表示L和M，M和S，L和S的相关系数。大量图像样本的实验结果表明相关矩阵通常不是一个三对角矩阵，甚至根本不是对角占优的矩阵，也就是说LMS三个分量间具有严重的相关性。然后利用特征值分析和主元分析方法来得到复合线性变换矩阵，对LMS值采取一系列平移旋转和变比的线性变换，使得所得的图像各像素的颜色分量基本上消除这种相关性。根据矩阵论，很容易地对相关矩阵进行特征值分解，求出特征值λ1，λ2，λ3和特征向量e1，e2，e3，并记特征矩阵为

，

然后由求出负载因