welsh颜色迁移算法实现过程

最近研究了一下color transfer的相关内容，自从实现了Reinhard经典颜色迁移算法后，便思考着能编写代码实现第二个经典算法：welsh算法，本人在编写调试大概一周才终于实现了出来。

welsh算法基本思想：

1.将目标图像和样本图像转换到Lab空间；

2.对目标图像和样本图像进行亮度重映射，保证后续的像素匹配正确进行；

3.从参考图片中选择一部分样本点，将这些样本点的像素亮度值L和领域亮度值σ得方差保存起来，作为权值W，W = L/2 + σ/2；

4.对目标图像进行逐像素扫描，对每个像素，计算其权值W，即为亮度值L和领域亮度值σ之和然后除以2，然后在第三步得到的样本点钟找到与其权值最接近的参考点，并将改点的a通道和b通道的值赋给目标图像的像素。

5.将图像从Lab空间转化到RGB空间。

下面来看代码：

class Reference		
	{
	public:
		float weight;
		int a;
		int b;
		Reference(float weight,int a,int b)
		{
			this->weight = weight;
			this->a = a;
			this->b = b;
		}
	};

将类命名为Reference，一共有三个变量，weight表示权值，a和b表示Lab通道中的a通道和bg通道的值，这里我并没有保存像素的坐标信息，因为坐标信息对后续的算法没什么帮助。

在这个文件中，用到一些数值我直接定义出来了：

const int Number = -1;
const int Domain = 7;
const double Alpha = 0.5;

Number表示取参考点的个数，例如Number=20，则表示在图像上要取400个点，即在图像行和列方向分别画20条直线，线的交点即为参考点的位置，当然也可设置为随机取参考点，当Number=-1时表示将参考图像所有点都作为参考点。

double getstatis(int x,int y,IplImage* image)			
{
	int number = 0;
	vector<int> vec;
	for(int i=x - Domain/2;i<=x + Domain/2;i++)
	{
		uchar *ptr = (uchar*)(image->imageData+i*image->widthStep);
		for(int j=y-Domain/2;j<=y+Domain/2;j++)
		{
			if(i<0||i>=image->height||j<0||j>=image->width)
			{
				continue;
			}
			int light = ptr[3*j];
			vec.push_back(light);
		}
	}

	uchar *ptr = (uchar*)(image->imageData+x*image->widthStep);
	int light = ptr[3*y];
	return (light*Alpha+(1-Alpha)*(getstd(vec)));
		
}

其中getstd函数为获取vec的方差，这整个函数的作用是获取位于图像image上（x，y）位置的像素的权值，Alpha的值决定了亮度和方差的比重，在上述步骤中Alpha为0.5.

关于亮度重映射和色彩空间的转换我就不贴代码了，这块比较简单。

	for(int i = 0,information = 1,coutinf = 0;i<secondLabClone->height;i++,coutinf++)
	{
		uchar* ptr = (uchar*)(secondLab->imageData+i*secondLab->widthStep);

		if(coutinf == secondLabClone->height/10)
		{
			coutinf = 0;
			cout<<"proceeding----"<<information<<"/10"<<"---"<<endl;
			information++;
		}

		for(int j=0;j<secondLabClone->width;j++)
		{
			float weight = getstatis(i,j,secondLabClone);
			int index = getindex(references,weight);
			ptr[3*j+1] = references[index].a;
			ptr[3*j+2] = references[index].b;
		}
	}

这部分代码的作用是进行匹配和色彩迁移，geindex函数为匹配过程，即在参考点中找出最佳匹配点，然后就可以对其a通道和b通道赋值。

在实现像素匹配的时候，因为参考点需要不断进行搜索匹配，因此笔者将参考点按权值进行排序，这样速度可以提高很多（搜索速度由N减少到logN）。

处理结果：

整个代码的资源：http://download.csdn.net/detail/zsy162534/9591962