灰度图像彩色化

最新推荐文章于 2021-11-23 20:54:13 发布

捷杰耶夫

最新推荐文章于 2021-11-23 20:54:13 发布

阅读量3k

点赞数

分类专栏：图像

图像专栏收录该内容

271 篇文章 2 订阅

订阅专栏

作者：wangtaohappy

转自：http://blog.csdn.net/wangtaohappy/article/details/17561097

http://blog.csdn.net/trent1985/article/details/9499385

最近一直在研究这个灰度图像彩色化算法，看了不少论文，做了不少实验，做个总结跟大家分享一下呵呵，希望能跟对于这个算法有兴趣高手们能共同讨论一下，也算是抛砖引玉吧！

目前灰度图像彩色化的算法主要有以下几种：

1，基于优化扩展的彩色化算法

2，基于最短距离和色度混合的彩色化算法

3，基于颜色转移的彩色化算法

相关参考文献举例如下：

1，Colorization>

Fig.1

对于基于距离和色度混合的彩色化算法，这种算法最大的优点是速度快，属于快速算法，缺点是单纯考虑了距离的影响，忽略了颜色聚类的影响，也属于半自动算法，其主要思想是：用户设定颜色线条，然后根据某种距离公式计算每一个像素到颜色线条的距离，则距离最近的线条颜色即为该像素的颜色。

效果图举例：

Fig.2

对于基于颜色转移的彩色化算法，这种算法最大的优点是：自动化，不需要人为干涉，只需要你提供一张与目标灰度图像内容相近的彩色图像，主要思想是：研究某种颜色匹配算法，将彩色图像中的颜色信息匹配到目标灰度图像中，从而完成灰度图的彩色化。这种算法的缺点是：1，在彩色图像中不一定可以找到灰度图中完美匹配的点，因此，对于这些点，效果较差；2，不能按照我们需要的颜色进行彩色化；

效果图举例：

Fig.3

本文结合以上三种算法的优缺点，介绍本人认为的最简单的最适用的第二种算法：基于最短距离和颜色混合的灰度图像彩色化距离

这个算法过程如下：

1，寻找最短距离算法，图像中的距离算法有很多，比如：欧式距离，Dijkstra距离等，这里我们使用欧式距离，公式如下：

2，对于灰度图A，人为的设定颜色区域S[i]，其中i表示颜色线条的个数，每一个颜色线条，我们使用集合S[i]表示，如图Fig.1中左边灰度图所示，有人为添加的许多颜色线条；

3，对于图像A，包含两个集合，一个是没有着色的像素点集合M，一个是被颜色线条覆盖的像素点集合N，对于N中的每个像素，实际上对应的颜色就是颜色线条的颜色，对于M中的每一个像素点，由于是灰度图像，因此，它只有灰度信息，也就是亮度信息Y（这里我们使用YCbCr颜色空间），我们需要做的就是确定这个像素对应的Cb,Cr色度值。

首先，我们计算M中的每一个像素P(x,y)到每一个颜色线条S[i]的距离，记为D[i]，那么，我们寻找D[i]的最小值，也就是到P距离最短的颜色线条，那么P的颜色就是具有最短距离D[i]的颜色i，这样就可以求出对应的Cb,Cr值了。

其次，这样的算法有可能得到的图像边缘过度不自然，因此，采取了一种颜色混合的算法，我们把P点的颜色看作是不同颜色线条i距离D[i]的加权，公式如下：

其中d表示欧式距离，c表示色度Cb,Cr，chrominance表示相应的结果色度，W表示一种加权公式

对于W，公式如下：

其中，

b一般取4，范围为(0,6]

这样整个彩色化过程就完成了，放上我自己的效果图：

我的效果图是针对以上算法进行了改进之后得到的，有兴趣的图像处理爱好者们可以研究一下，期待跟大侠们交流！我的QQ1358009172，博客http://dongtingyueh.blog.163.com/