Sin_Geek成长の迹

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

伴随着模糊集理论的形成、发展和深化，RusPini率先提出模糊划分的概念。以此为起点和基础，模糊聚类理论和方法迅速蓬勃发展起来。针对不同的应用，人们提出了很多模糊聚类算法，比较典型的有基于相似性关系和模糊关系的方法、基于模糊等价关系的传递闭包方法、基于模糊图论的最大支撑树方法，以及基于数据集的凸分解、动态规划和难以辨别关系等方法。然而，上述方法均不能适用于大数据量的情况，难以满足实时性要求较高的场

Welsh等人在Reinhard等人的彩色图像间色彩迁移算法的基础上，提出了灰度图像彩色化的思想，并提出了相应的算法。该算法主要利用查找匹配像素来实现灰度图像的色彩迁移，因为灰度图像只有亮度信息，所以该算法主要通过像素的亮度值匹配，来实现灰度图像的自动彩色化。具体步骤如下：(1)将参考图像和灰度图像分别由RGB空间转换到lαβ色彩空间。(2)根据灰度图像的亮度及标准差，对参考图像进行亮

接自上一篇“基础知识”，本文里的色彩空间的转换不再赘述。。。        Reinhard等人根据lαβ颜色空间中各通道互相不关联的特点，提出了一组适用于各颜色分量的色彩迁移公式，较好的实现了彩色图像之间的色彩迁移。基本思想就是根据着色图像的统计分析确定一个线性变换，使得目标图像和源图像在lαβ空间中具有同样的均值和方差。因此需要计算两幅图像的均值和标准方差。假设l、a、b分别是源图像l

因为我的本科毕业论文题目跟颜色迁移有关，我以后我会慢慢总结颜色迁移方面的算法与技术~~~~首先介绍下什么事颜色迁移。       颜色迁移是计算机视觉领域的一个很有趣的问题，它实际上要我们解决这么一个问题：基于图像A和图像B，合成一幅新的图像C，使其同时具有A的颜色和B的形状等遗传信息，即图像B在不改变它自身所表达的形状信息的情况下，学习了图像A的整体颜色基调，我们把这个过程称为图像的颜色迁移