2 2 2 2 ·01· 《测控技术 》2008年第 27卷第 5期 基于图像分析的偏色检测及颜色校正方法 徐晓昭 , 蔡轶珩 , 刘长江 , 贾克斌 , 沈兰荪 (北京工业大学 信号与信息处理研究室 ,北京 　100022) 摘要 :采用一种基于等效圆的偏色检测方法 ,克服了传统方法在图像偏色检测中的局限性 。为了对检测后的偏色图像进行 校正 ,采用一种结合灰度世界和完美反射的颜色校正方法 ,弥补了传统方法的不足 ,从而得到更为“真实 ”的校正图像 。实 验结果表明 ,基于图像分析的偏色检测及颜色校正方法 ,提高了偏色检测的可靠性 ,取得了较好的颜色校正效果 。该方法 仅利用图像本身的特征进行分析 ,具有普遍的适用性 。 关键词 :图像分析 ;偏色检测 ;颜色校正 中图分类号 : TP391　　文献标识码 : A　　文章编号 : 1000 - 8829 (2008) 05 - 0010 - 03 Color Ca st D etection and Color Correction M ethods Ba sed on Image Ana lysis XU Xiao zhao, CA I Yi bin, SHEN Lan (Signal & Information Processing Laboratory, Beijing University of Technology, Beijing 100022, China) heng, L IU Chang jiang, J IA Ke sun Abstract:A color cast detection method based on equivalent circle is app lied,which overcomes the lim it of traditional methods of de tecting image color cast. In order to correct color cast of detected image, the color correction method of combing gray world and p refect reflector is app lied,which offsets the defect of traditional methods and gets more “real”corrected image. Experiment results show that color cast detection and color correction methods based on image analysis enhance the reliability of color cast detection, and achieve good color correction effects. The p roposed methods only use feature of image to analyze, and have universal app licability. Key words: image analysis; color cast detection; color correction 　　颜色是图像的一个重要特征 ,包含了许多可视化信息 。图 像的颜色信息往往是进行图像分析的重要依据 ,对于图像分割 、 目标检测与识别 、图像检索等领域的研究都具有十分重要的意 义 。 人的视觉系统具有颜色恒常性 [ 1 ] ,能够在一定程度上消除 光照条件等对颜色的影响因素 ,正确地感知物体的颜色 。但成 像设备不具有这种“调节 ”功能 ,因此成像设备采集的图像的颜 色与物体表面的真实颜色之间存在一定程度的误差 ,即偏色 。 偏色的程度与外界光照的色温有很大关系 。色温 [ 2 ]是对光源 的颜色进行描述的一个色度量 。当光源所发出的光的颜色与黑 体在某一温度下辐射的颜色相同时 ,黑体的这个温度就称为该 光源的色温 。同一种颜色 ,在自然光 、钨丝灯 、卤素灯等不同光 源下所呈现的颜色是不一样的 ,这种差异是由光源的“色温 ”不 同造成的 。一般光源色温较高时 ,采集图像的颜色偏蓝 ,而光源 2007 收稿日期 : 2008 - 01 - 08 基金项目 :国家自然科学基金重点项目 ( 60431020 ) ;北京市自然科学基 金项目 (3052005) ;教育部博士点基金项目 ( 20040005015) ;北京工业大 学第六届研究生科技基金资助课题 ( ykj 作者简介 :徐晓昭 (1978—) ,男 ,在读博士生 ,主要研究领域为图像 /视频 信号处理和颜色校正 ;蔡轶珩 ( 1974—) ,女 ,副教授 ,主要研究领域为科 学仪器与智能化信息处理 ;刘长江 ( 1940—) ,男 ,教授 ,主要研究领域为 光学精密仪器 ;贾克斌 (1962—) ,男 ,教授 ,博士生导师 ,主要研究领域为 基于内容的图像 /视频检索、编码和处理技术 、基于 Internet网的多媒体 信息处理技术 ;沈兰荪 (1938—) ,男 ,教授 ,博士生导师 ,主要研究领域为 图像 /视频编码、传输、处理 ,以及中医舌象采集与分析技术等。 1906, ykj 1908) 2007 色温较低时 ,采集图像的颜色偏红 。所以如何使成像设备所采 集的图像能正确反映物体的真实颜色成为当前普遍关注和研究 的关键问题 。 1　偏色检测方法 1. 1　颜色空间的选择 要衡量两种颜色之间的偏差程度 ,首先需要选择合适的颜 色空间 [ 3 ] 。最常用的空间是 RGB 颜色空间 ,但 RGB 空间具有 不直观 、不均匀 、设备依赖性等缺点 。本文采用的是 1976年国 际照明委员会制定的 CLELab颜色空间 ,由此空间所计算出来 的颜色之间的距离与实际感知上的差别是基本一致的 。其中 Lab颜色由亮度分量 L 和两个色度分量组成 , 这两个分量分别 是 a分量 (从绿到红 )和 b分量 (从蓝到黄 ) 。从 RGB 空间到 Lab空间的转换可分 3 步来实现 。第 1 步是从 24 bit真彩的 RGB空间转换到 sRGB ( standard red green blue)空间 。 sRGB 空 间是一种标准 RGB 空间 ,是计算机上使用最为广泛的颜色空 间 。第 2步通过线性变换将 sRGB 空间转换 X YZ 空间 , X YZ 空 间是一种设备无关的“过渡 ”颜色空间 。第 3步将 X YZ 空间转 换为 Lab空间 。 1. 2　传统的偏色检测方法 为了能再现“真实 ”的颜色就必须去除环境中光源色温等 因素的影响 ,即消除偏色 。然而 ,去除图像偏色的先决条件是要 检测出图像中是否存在偏色以及偏色程度 。目前 ,偏色检测的 研究已经取得了一定的进展 ,其中比较有代表性的偏色的检测 方法 ,主要包括直方图统计法 [ 4 ] 、灰平衡法 [ 5 ] 、白平衡法 [ 5 ]等 。 

基于图像分析的偏色检测及颜色校正方法 ·11· 直方图统计往往可以给出此图像的整体颜色表现 。图 1给 出了一幅偏色图像 ,图 2给出了其颜色直方图统计 。显然 ,直接 根据 R、G、B 3个通道的平均亮度就可以初步判断出图像是否 偏色 。R分量的亮度值较高 ,按照 R、G、B 3基色理论 ,整幅图 像偏红 ,这和主观感觉是吻合的 。但对于不同应用中的各种图 像来说 ,偏色出现的原因错综复杂 ,基于直方图统计法难以得到 全面 、准确的判断 。 M N ∑ ∑ i =1 j =1 ( a - da ) 2 M N M a = 　M b = M N ∑ ∑ i =1 j =1 ( b - db ) 2 MN ( 3) 2 +M b 2 M = M a ( 4) ( 5) 式中 ,M、N 分别为图像的宽和高 ,以像素为单位 。在 a - b色度 平面上 ,等效圆的中心坐标为 ( da , db ) ,半径为 M = M a 2 +M b 2 , 等效圆的中心到 a - b色度平面中性轴原点为 ( a = 0, b = 0)的距 K = D /M da 2 + db 离 D = 2 。由等效圆在 a - b色度平面上的具体位置 , 来判断图像整体的偏色 。 da > 0,偏红 ,否则偏绿 。 db > 0, 偏黄 , 否则偏蓝 。引入偏色因子 K, K值越大 ,偏色越严重 。 图 1　钨丝灯光源下获取的偏色图像 2　颜色校正方法 颜色校正属于颜色恒常性问题 。颜色校正的目标是研究在 各种光照条件下如何描述物体本征颜色 。目前 ,颜色校正已经 在医学图像 [ 7 ] 、遥感图像 、壁画图像 、证照图像等众多图像处理 领域中得到了广泛应用 。 2. 1　传统的颜色校正方法 (1) 灰度世界颜色校正 [ 8 ] 。首先要满足一个假设 :对于所 拍摄的图像 ,皆为颜色丰富的图像 。也就是说 ,所拍摄的图像 3 个通道统计平均值应该相等 ,“表现 ”为灰阶的颜色 。对拍摄的 图像进行统计求平均值 ,保持 G分量不变 ,以 R、B 分量的均值 作为颜色校正的依据 。 (2) 完美反射颜色校正 [ 9 ] 。物体本身并没有颜色 ,它是通 过不同波长的光的吸收 、反射或是投射 ,从而显示出颜色 。若物 体为白色 ,则表示所有的光都被反射 。白色的物体或区域 ,称之 为完美反射体 。完美反射理论基础是假设在一幅图像中 ,可以 把完美反射体视为标准白色 。一个白色的物体 ,在任何光源色 温下的图像 ,其 R、G、B 皆为极大值 。以完美反射体为基准 ,对 其他颜色进行校正 。 上述两种颜色校正方法计算比较简单 ,适用于大多数场合 的颜色校正 ,但同时具有一定的局限性 ,有时不能正确再现物体 的真实颜色 。 2. 2　结合灰度世界和完美反射的颜色校正方法 灰度世界和完美反射颜色校正方法各有其优缺点 ,为了结 合两种方法的优点 ,在原有灰度世界和完美反射方法“线性 ”映 射校正的基础上 , R通道的校正表示为“平方 ”的形式 ,如式 ( 6) 所示 Ir ( x, y) =μIr 2 ( x, y) +υIr ( x, y) 式中 ,μ和 υ为通道的校正系数 。 同时要满足以下两个约束条件 : 为了使灰度世界假设成立 ,必须满足式 (7) M N ∑ ∑ x =1 y =1 M N Ir ( x, y) = ∑ ∑ x =1 y =1 Ig ( x, y) 　　即 : μ∑ M x =1 N ∑ y =1 M N M N 2 ( x, y) +υ∑ Ir ∑ Ir ( x, y) = ∑ ∑ Ig ( x, y) x =1 y =1 x =1 y =1 　　相似地 ,为了使完美反射假设成立 ,必须满足式 (9) μmax { Ir 2 ( x, y) } + v m ax x, y { Ir ( x, y) } = m ax x, y x, y { Ig ( x, y) } 　　把式 (8)和式 (9)表示为矩阵形式 : ( 6) ( 7) (8) ( 9) 图 2　偏色图像 R、G、B 3通道的颜色直方图统计 灰平衡法是针对满足“灰度世界 ”假设 ,即整幅图像的 R、 G、B均值相等 ,体现为中性“灰 ”,统计 3个通道的平均亮度 ,通 过颜色空间转换 ,获得相对均匀的 Lab坐标 ,计算与中性点的色 度距离 ,从而判断是否存在偏色 。但是当环境过亮或过暗 ,或者 图像的颜色比较单一时 ,灰平衡法几乎完全失效 ,其根本原因是 不再满足“灰度世界 ”假设这一基本前提 。 白平衡法是针对存在镜面反射的图像 ,认为镜面反射或白 色区域反射的高光部分能够反映光源的色度 ,统计 3个通道的 亮度极大值 ,通过颜色空间转换 ,获得相对均匀的 Lab坐标 ,计 算与理想光源的色度距离 ,从而判断是否存在偏色 。但是当所 拍摄的物体并无白色或高光部分存在时 ,偏色检测的结果是失 真的 。 这些方法都具有一定的适用范围 。因此 ,仅仅依靠图像的 平均色度或图像中亮度极大值的色度来衡量图像的偏色程度存 在一定的局限性 。 1. 3　基于等效圆的偏色检测方法 图像的偏色不仅与图像色度的平均值有直接关系 ,还与图 像的色度分布特性有关 。文献 [ 6 ]指出如果在 a - b色度坐标 平面上的二维直方图中色度分布基本上为单峰值 ,或者分布较 为集中 ,而色度平均值又较大时 ,一般都存在偏色 ,而且色度平 均值越大 , 偏色越严重 。 因此引入等效圆的概念 ,采用图像平均色度 D 和色度中心 距 M 的比值 ,即偏色因子 K来衡量图像的偏色程度 。其计算方 法如下式 M N ∑ ∑ a j =1 M N i =1 M N ∑ ∑ b j =1 MN i =1 　db = da = D = 2 + db da 2 ( 1) ( 2) 

·21· 《测控技术 》2008年第 27卷第 5期 分丰富 ,即不满足灰度世界假设 ,也不存在完美反射体 ,即也不 满足完美反射假设 。相比之下由于本文方法做像素平方处理 , 因此有增强图像对比度的特性 。当图像颜色丰富的时候 ,可以 如灰度世界法校正效果 。当图像以单一颜色为主时 ,可以有效 抑制灰度世界法过饱和处理的缺点 。 ∑∑Ir 2 m axIr 2 ∑∑Ir m axIr μ υ = ∑∑Ig maxIg ( 10) 　　式 (10)可以看作是关于 μ和 υ的二元一次方程组 ,由列主 元的高斯消元法或克莱姆法则可求解出 μ和 υ的值 ,本研究中 采用的是列主元的高斯消元法 。 同理 , B通道的 μ和 υ也由高斯消元法求解 。 由求解出的颜色校正系数 μ和 υ逐像素地分别对 R 通道 和 B通道进行颜色校正 , G通道保持不变 。 3　实验结果与分析 3. 1　偏色检测的实验结果及分析 根据等效圆在 a - b色度平面的具体位置 ,来判断图像整体 的偏色 ,如图 3所示 。测试图像是在色温较低的钨丝灯光源下 实拍的图像 ,其等效圆圆心位于第 1象限 ,即 da > 0, db > 0,且 da > db ,偏色因子 K = 1. 9,所以图像整体严重偏红 ,和主观评测是 一致的 。 图 5　钨丝灯光源下实拍图像颜色校正结果 由表 1可以看出 ,没有经过颜色校正的原始偏色图像和标 准图像的 Lab颜色空间的色差值为 7. 81 NBS,由色度学可知 , 当色差值 ΔE < 2～3 NBS时 ,可视为颜色近似相同 ,已觉察不到 颜色的差别 ,所以原始图像具有较大的颜色失真 。灰度世界方 法和完美反射方法将色差值降到 4 NBS左右 ,但还能感觉到有 色差 。本方法将色差值降到 2 NBS左右 ,已经感觉不到色差 。 对比这 3种颜色校正方法 ,本方法取得了较好的颜色校正效果 。 表 1　各种颜色校正方法校正后图像和标准图像的色差比较 图 3　钨丝灯光源下实拍图像的偏色检测 为了验证该方法的鲁棒性 ,从互联网上下载了一幅主观感 觉偏蓝的图像 ,如图 4所示 。等效圆圆心位于第 4象限 ,即 da > 0, db < 0,且 | db | > da ,偏色因子 K = 1. 78,所以图像整体严重偏 蓝 ,和主观评测也是比较一致的 。 颜色校正算法 色差数据 /NBS 颜色校正算法 色差数据 /NBS 原始偏色图像 灰度世界方法 完美反射方法 4. 98 2. 04 7. 81 4. 09 本文方法 注 : C IELab色差公式 :ΔE = ΔL 2 +Δa2 +Δb2 对互联网下载的图像也进行了颜色校正实验 ,其拍摄时的 光照环境 、采用何种成像设备以及成像设备的光敏特性等都是 未知的 ,实验结果如图 6所示 。同样 ,本文方法也取得了较好的 颜色校正效果 。本文方法包含灰度世界法和完美反射法的特 性 ,适用于任何光源色温下的颜色校正 。 图 4　互联网下载图像的偏色检测 3. 2　颜色校正的实验结果及分析 首先对钨丝灯光源下实拍图像进行了颜色校正实验 ,实验 结果如图 5所示 。可以看出 ,灰度世界方法 、完美反射方法颜色 校正的结果并不理想 ,其根本原因在于偏色图像中颜色并不十 图 6　互联网下载图像颜色校正结果 (下转第 21页 ) 

2 应用于图像检索的视觉注意力模型的研究 图 8　Fu方法 2　模型性能分析 2 Itti模型以及在其基础上改进的模型能较好地找到用户感 兴趣的点 。由于显著图的界限比较模糊 , Bottom Up模型中采用 区域增长的方式提取感兴趣区时很难准确地选取种子 。有任务 参与的 Top Down模型能较准确地捕获用户的意图 ,快速地找到 用户感兴趣区的位置 ,但是其感兴趣区的大小是在注意焦点处 指定一定形状的区域 (一般用圆 )来表示的 ,这与实际目标相比 有较大偏差 ,同人类实际注意过程不符 。 Stentiford模型能较好地识别显著与非显著特征 ;但是若图 像区域不够显著 ,可能造成结果不理想 。 融合 Itti和 Stentiford的模型较好地提取了有意义的感兴趣 区 ,但是对于多个感兴趣的目标 ,没有区分这些感兴趣区的重要 性 。另外 ,由于该方法是由显著点得到感兴趣区 ,因此显著图的 阈值限定了显著点的数目 ;显著图的阈值越低 ,感兴趣区越大 ; 当感兴趣区大到一定程度时 ,可能发生区域重叠 ,从而使得辨别 区域的能力减小 。 基于区域显著性的模型和基于注意驱动的模型均较好地区 分了各个区域的显著性 ,提取的感兴趣区与图像分割的方法直 接相关 。 3　展望 以上对应用于图像检索的视觉注意力模型进行了原理介绍 和性能分析 。目前视觉注意力模型普遍存在的问题是感兴趣区 的形状与用户感知的目标形状不太相符 ,这会影响检索性能 ,可 对此方面做进一步研究 。 图像检索系统检索结果的好坏与用户对图像的理解直接相 关 ,不同用户由于受任务 、知识等的影响对同一图像的理解不一 定相同 ,而 Top Down模型能根据这些影响信息 ,较准确地捕获 用户意图 。目前对 Top Down模型的研究较少 ,今后可以从感 知 、记忆 、语义等方面对 Top Down模型做深入探讨 。 另外 ,现有的基于视觉注意力模型的图像检索系统大都是 用简单的相似度测量方法进行比较 ,得到检索结果 。可结合相 关反馈和机器学习技术进一步缩小语义鸿沟 。 参考文献 : [ 1 ] 　沈兰荪 ,卓力. 小波编码与网络视频传输 [M ]. 北京 :科学出版社 , 2005. [ 2 ] 　Datta R, L i J,W ang J Z. Content based image retrieval app roaches and trends of the new age[ J ]. In Proceedings of InternationalWorkshop on Multimedia Information Retrieval. ACM, 2005, 7 (11) : 253 - 262. [ 3 ] 　Styles E A. A ttention, percep tion, and memory: an integrated introduc tion[M ]. Taylor & Francis Routledge, New York, NY, 2005. [ 4 ] 　 Itti L, Koch C. Computational modeling of visual attention [ J ]. Nature Reviews Neuroscience, 2001, 2 (3) : 194 - 203. ·12· [ 6 ] 　Rutishauser U, W alther D, Koch C, Perona P. Up attention useful for object recognition[A ]. In IEEE Conference on Computer V i sion and Pattern Recognition (CVPR) ,W ashington DC, 2004. Is Bottom [ 7 ] 　Marques O ,Mayron L M, Borba G B , Gamba H R. U sing visual atten tion to extract regions of interest in the context of image retrieval[A ]. In Proceedings of the ACM SE’06,Melbourne, 2006. [ 8 ] 　Stentiford F W M. An attention based sim ilarity measure with app lica tion to content based information retrieval[ A ]. In Proceedings of the Storage and Retrieval for Media Databases conference, SP IE Electronic Imaging, Santa Clara, CA, 2003. [ 9 ] 　Bam idele A , Stentiford F W M. An attention based sim ilarity measure used to identify image clusters[ A ]. In Proceedings of 2nd European Workshop on the Integration of Knowledge, Semantics & D igital Media Technology, London, 2005. [ 10 ] 　Marques O,Mayron L M, Borba G B, Gamba H R. An attention driven model for group ing sim ilar images with image retrieval app lications [ J ]. EURASIP Journal on Advances in Signal Processing, Special Is sue on Image Percep tion, 2007, (1). [ 11 ] 　Feng S H, Xu D, Yang X, W u A M. A novel region based image re trieval algorithm using selective visual attention model [ A ]. AC IVS 2005, Antwerp, Belgium, 2005. [ 12 ] 　Sun Y R, Fisher R. Object based visual attention for computer vision [ J ]. A rtificial Intelligence, 2003, 146 (1) : 77 - 123. [ 13 ] 　Fu H, Chi Z, Feng D. A ttention driven image interp retation with app li cation to image retrieval[ J ]. Pattern Recognition, 2006, 39 ( 7) : 1604 - 1621. [ 14 ] 　Rumelhart D, Zip ser D. Feature discovery by competitive learning [M ]. New York: M IT Press, 1985: 151 - 193. □ (上接第 12页 ) 4　结束语 基于图像分析的偏色检测及颜色校正方法 ,没有受物体表 面属性 、光源的特性 、成像设备的光敏特性等条件的限制 ,也不 需要辅助设备 ,如色度计 、标准白板等 ,仅利用图像本身的特征 进行分析 ,所以具有普遍的适用性 。 参考文献 : [ 1 ] 　Ebner M. Evolving color constancy [ J ]. Pattern Recognition Letters, 2006, 27 (11) : 1 220 - 1 229. [ 2 ] 　汤顺青. 色度学 [M ]. 北京 :北京理工大学出版社 , 1990. [ 3 ] 　姜士文 ,毛万洪. 迷彩颜色在计算机上精确显示的方法 [ J ]. 解放 军理工大学学报 (自然科学版 ) , 2002, 3 (1) : 54 - 56. [ 4 ] 　郑建铧 ,郝重阳 ,雷方元 ,等. 利用色彩直方图特征进行偏色图象 的自动检测和校正 [ J ]. 中国图象图形学报 , 2003, 9 ( 8) : 1 001 - 1 007. [ 5 ] 　李治江. 彩色影像色调重建的理论与实践 [D ]. 武汉大学 , 2005. [ 6 ] 　李峰 ,金红. 基于图像分析的数字图像色偏检测方法 [ J ]. 江苏大 学学报 , 2004, 25 (5) : 430 - 433. [ 7 ] 　沈兰荪 ,蔡轶珩 ,张新峰. 中医舌象的采集与分析 [M ]. 北京 :北京 工业大学出版社 , 2007. [ 8 ] 　Gasparini F, Schettini R. Color correction for digital photographs[ A ]. Proceedings of the 12 th International Conference on Image Analysis and Processing, 2003: 646 - 651. [ 9 ] 　Gasparini F, Schettini R. Color balancing of digital photos using simp le [ 5 ] 　Navalpakkam V, Itti L. Modeling the influence of task on attention[ J ]. image statistics[ J ]. Pattern Recognition, 2004, 37 (6) : 1201 - 1217. V ision Research, 2005, 45 (2) : 205 - 231. □