基于分块特征交互图像色彩编辑方法、数字图像处理系统技术方案

本发明专利技术属于计算摄影学、计算机图形学和数字图像处理技术领域，公开了一种基于分块特征交互图像色彩编辑方法、数字图像处理系统。将图像分块，以图像块在LUV坐标基下，UV与L存在线性关系且在小的分块内UV与L存在相同的线性关系系数。线性关系系数作为分块图像的特征建立图像色彩扩散优化模型；利用图像变换前后内容的结构不变性，通过LLE简化优化模型；利用稀疏线性代数方程组进行求解。本发明专利技术利用局部分块图像，亮度信号与色彩信号之间的线性关系，构建了图像的色彩扩散模型。将亮度与色彩的线性系数作为分块图像特征进行建模，完整保留图像内容。同时由于分块特征表示某一区域，模型具有较好的鲁棒性。

【技术实现步骤摘要】
基于分块特征交互图像色彩编辑方法、数字图像处理系统
本专利技术属于计算摄影学、计算机图形学和数字图像处理
，尤其涉及一种基于分块特征交互图像色彩编辑方法、数字图像处理系统。
技术介绍
目前，业内常用的现有技术是这样的：近年来，计算摄影学作为计算机图形学与数字图像处理的交叉学科成为研究热点，其在学术界与工业界均有广泛应用。图像的色彩编辑作为计算摄影学的重要研究方向，各国学者目前主要从三个方面对其进行研究。首先，利用学习的方法，从海量图像库中学习色彩规律，进而将此规律应用于待处理图像；这类方法主要得益于近年来深度学习的发展。Larsson.G利用卷积网络将图像的亮度作为输入，生成超列，进一步分解出图像的色度与饱和度，进而实现图像的色彩渲染；利用放弃maxpolling层的卷积神经网络，进行学习。其设计的网络结构类似于自编码网络，中间层神经元个数较少而两端较多。在图像的LAB坐标基下工作，将亮度矩阵L作为输入，原始图像作为输出完成色彩学习；分别提取了图像数据的局部特征与全局特征作为输入进行学习，并设计了特征融合器作为神经网络的一部分实现图像色彩渲染；但这类方法的主要缺点为，无法按照用户的意愿改变图像的色彩，而且所需的训练数据极大，如果训练数据的类型与待处理图像不属于同类，则此类算法的效果不理想。其次是利用某一张图像的风格色彩去渲染待处理图像；将输入图像与参考图像转变到LAB坐标基下，分别计算图像色彩的均值与标准差；然后利用参考图像色彩的均值与输入图像的标准差产生输出图像，则输出图像为参考图像色彩下的输入图像内容；对参考图像的要求较高，一般情况下难以找到符合用户需要的参考图像。第三类方法是用户交互下的图像色彩编辑方法，这类方法需要用户在输入图像上进行标记，进而将用户的标记色彩扩散到整张图像。将图像转变到LUV坐标基下，并认为图像的色彩与亮度存在线性关系，进而将图像分块，在分块内色彩与亮度具有相同的线性关系系数；以此为基础构建了优化模型进行求解，实现图像色彩的扩散。定义图像的几何内蕴距离作为图像色彩扩散的依据，实现图像色彩编辑，但是这种方法使得图像色彩扩散距离较短且无方向性。对图像做超像素分割并提取每个超像素中心作为重采样样本，计算其与每种编辑模式的相似度，如果与某种编辑模式相似度绝对占优，则该样本的编辑模式直接确定。对于待定样本，依照相邻相似样本服从相同编辑模式的思想来判断其归属；然后将重采样样本的颜色编辑遵循相似颜色编辑后仍相似的原则采用增量的方式扩散到整幅图像。在图像的LAB坐标基下工作，建立了保持图像结构的优化模型；在求解过程中，利用像素邻域内的的线性表达进行了低秩的重采样，减小了运算量。综上所述，现有技术存在的问题是：第一类方法是利用学习的方法，从海量图像库中学习色彩规律，进而将此规律应用于待处理图像，这类方法的主要缺点是无法按照用户的意愿改变图像的色彩，而且所需的训练数据极大，如果训练数据的类型与待处理图像不属于同类，则此类算法的效果不理想；第二类方法是利用某一张图像的风格色彩去渲染待处理图像，这类方法对参考图像的要求较高，一般情况下难以找到符合用户需要的参考图像；第三类方法用户交互下的图像色彩编辑方法，这类方法需要用户在输入图像上进行标记，进而将用户的标记色彩扩散到整张图像，现有交互式图像色彩编辑对交互采样数据量要求较高。解决上述技术问题的难度和意义：图像的色彩编辑是在不更改图像内容的前提下，改变图像色彩，真彩图像通常采用RGB坐标基表示。然而在RGB空间坐标基下，图像数据为嵌入三维空间的二维流形，无法采用欧氏距离度量像素之间的距离。本专利技术利用局部分块图像，亮度信号与色彩信号之间的线性关系，构建图像的色彩扩散模型。在建模过程中不采用图像的像素信息，而将亮度与色彩的线性系数作为分块图像特征进行建模，这样可以保证图像的亮度不参与运算，完整保留图像内容。同时由于分块特征表示了某一区域，而不是单纯的某一像素，因此本专利技术提出的模型具有较好的鲁棒性。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于分块特征交互图像色彩编辑方法、数字图像处理系统。本专利技术是这样实现的，一种基于分块特征交互图像色彩编辑方法，所述基于分块特征交互图像色彩编辑方法将图像分块，以图像块在LUV坐标基下，UV与L存在线性关系且在小的分块内UV与L存在相同的线性关系。以此线性关系系数为基础，将此线性关系系数作为分块图像的特征建立图像色彩扩散优化模型；利用图像变换前后内容的结构不变性，通过LLE简化优化模型；利用稀疏线性代数方程组进行求解。进一步，所述基于分块特征交互图像色彩编辑方法图像分块特征采用CIELUV坐标基表示图像色彩，在LUV坐标基下，使用欧氏距离作为测度，同时LUV坐标将图像的内容与色彩分离开；数字图像Im×n表示为分块图像的集合Im×n＝{I1I2…IN}，其中每一图像块在LUV坐标基下表示三元组的集合，集合中元素的个数为图像块像素的个数；LUV坐标基下，L表示图像块亮度，即图像块的内容，UV表示图像色彩；图像的任一分块为Il，图像块的任一像素点pl＝{llulvl}，由于Il为图像Im×n极小的局部，存在(albl)使得ui＝ai*ll+bl，；ll表示图像某点的亮度，此点的色彩由(albl)唯一确定，(albl)为图像块Il的色彩特征，而图像Im×n的色彩特征为进一步，所述基于分块特征交互图像色彩编辑方法图像色彩变换的模型构建包括：原始图像为Im×n＝{I1I2…IN}，共分为N个图像块，Ii∈R3；色彩变换后图像为Y＝{Y1Y2…YN}，变换后图像分块Yl与原始图像分块Il对应；标记的色彩图像为C＝{C1C2…CN}；原始图像I，变换后图像Y，以及色彩标记图像C。进一步，所述基于分块特征交互图像色彩编辑方法得到图像Y的过程即为：令原始图像I的分块Il的特征为αl＝(albl)T，αi∈R2，则原始图像的特征可表示为集合α＝{α1α2…αN}，同理色彩变换后图像Y的特征可表示为集合β＝{β1β2…βN}，得到图像Y的过程即为求解β＝{β1β2…βN}的过程；对图像亮度采用齐次坐标，既ll＝[ll1]T。进一步，所述基于分块特征交互图像色彩编辑方法的图像色彩变化建模方程为：本专利技术的另一目的在于提供一种应用所述基于分块特征交互图像色彩编辑方法的数字图像处理系统。综上所述，本专利技术的优点及积极效果为：本专利技术对尺度较大图像进行处理时，速度较慢，且需要大量的用户采样进行处理。但可依次对图像进行部分处理，仅对背景进行处理，如需对图像其他部分进行处理则依次进行处理，而避免对整张图像进行色彩扩散。本专利技术利用局部分块图像，亮度信号与色彩信号之间的线性关系，构建了图像的色彩扩散模型；本专利技术的建模过程不采用图像的像素信息，而将亮度与色彩的线性系数作为分块图像特征进行建模，这样可以保证图像的亮度不参与运算，完整保留图像内容；同时由于分块特征表示了某一区域，而不是单纯的某一像素，因此本专利技术提出的模型具有较好的鲁棒性。附图说明图1是本专利技术实施例提供的基于分块特征交互图像色彩编辑方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以本文档来自技高网...

【技术保护点】
1.一种基于分块特征交互图像色彩编辑方法，其特征在于，所述基于分块特征交互图像色彩编辑方法将图像分块，以图像块在LUV坐标基下，UV与L存在线性关系且在小的分块内UV与L存在相同的线性关系；线性关系系数作为分块图像的特征建立图像色彩扩散优化模型；利用图像变换前后内容的结构不变性，通过LLE简化优化模型；利用稀疏线性代数方程组进行求解。

【技术特征摘要】
1.一种基于分块特征交互图像色彩编辑方法，其特征在于，所述基于分块特征交互图像色彩编辑方法将图像分块，以图像块在LUV坐标基下，UV与L存在线性关系且在小的分块内UV与L存在相同的线性关系；线性关系系数作为分块图像的特征建立图像色彩扩散优化模型；利用图像变换前后内容的结构不变性，通过LLE简化优化模型；利用稀疏线性代数方程组进行求解。2.如权利要求1所述的基于分块特征交互图像色彩编辑方法，其特征在于，所述基于分块特征交互图像色彩编辑方法图像分块特征采用CIELUV坐标基表示图像色彩，在LUV坐标基下，使用欧氏距离作为测度，同时LUV坐标将图像的内容与色彩分离开；数字图像Im×n表示为分块图像的集合Im×n＝{I1I2…IN}，其中每一图像块在LUV坐标基下表示三元组的集合，集合中元素的个数为图像块像素的个数；LUV坐标基下，L表示图像块亮度，既图像块的内容，UV表示图像色彩；图像的任一分块为Ii，图像块的任一像素点pi＝{liuivi}，由于Ii为图像Im×n极小的局部，存在(aibi)使得ui＝ai*li+bi，；li表示图像某点的亮度，此点的色彩由(aibi)唯一确定，(aibi)为图像块Ii的色彩特征，而图像Im×n的色彩特征为3.如权利要求1所...

【专利技术属性】
技术研发人员：李洪安，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西,61