一种针对色盲的图像重着色方法技术

本发明专利技术公开了一种针对色盲的图像重着色方法，包括：预先计算出各类别图像的调色板，每种类别图像分别对应至少一种调色板；对原始输入图像的前景进行分割，并预测前景类别；根据前景类别匹配至少一种调色板，并根据匹配的调色板调整前景颜色，得到至少一张颜色迁移后的图像；对原始输入图像及颜色迁移后图像的后景进行颜色和谐化处理，使后景匹配前景的和谐度；对原始输入图像及和谐化处理后的图像进行色盲仿真，得到仿真图像；评估仿真图像前后景的区分度，将区分度最高的仿真图像所对应的正常图像作为重新着色的结果。本发明专利技术使图像改变后的颜色更为自然，且整张图像更为和谐。且整张图像更为和谐。且整张图像更为和谐。

【技术实现步骤摘要】
一种针对色盲的图像重着色方法


[0001]本专利技术涉及图像处理
，更具体的说是涉及一种针对色盲的图像重着色方法。

技术介绍

[0002]色盲患者无法看到部分颜色，不能准确识别某些物体。目前，可以通过计算机对色盲校正，是指通过计算机算法对图像进行处理，改变图像的颜色、纹理、对比度等特征，最后由计算机输出。
[0003]色盲图像仿真模拟是计算机矫正过程中不可缺少的一部分，因为受众为色盲患者，所以必须以色盲患者的视角去评估技术的优劣。LMS符合人的感知空间，人的视觉系统将接收到的RGB信息转换为LMS信息。在这个过程中，锥体细胞的缺乏会导致辨色能力的下降甚至丧失。因此，仿真模型是先将图像RGB空间转换为LMS空间，几何变换后再转换回RGB空间，通过计算机设备模拟输出的数学实现。
[0004]计算机校正方法多种多样，效果不一。这些方法的目的是让色盲患者提高对颜色的识别和区分能力。实践大致可分为四类。第一类基于灰度化：根据像素点差值得到的目标函数，对彩色图像进行灰度化处理。这种方法尽可能保留对比度、亮度等视觉信息，降低色盲者对图像识别的色彩能力要求，但是这种方法丢弃了色彩细节信息，简单粗暴。第二类基于图像分割：通常的做法是先对图像进行分割，找到色盲患者无法感知的颜色区域，用辨别度高的颜色代替，这种方法在很大程度上受外界噪声和分割能力的影响。第三类是基于颜色转换的：该方法主要是改变颜色信息，涉及到LMS、LAB、HSV等颜色空间的转换操作。N. Mili
´
c和W. Huang等采用最小化目标函数的方法进行颜色转换，容易陷入局部最优。D. S. Khurge采用线性运算进行颜色转换，速度较快，但是，不同的线性运算算法会影响结果的质量和速度。第四类是基于神经网络的：张向东等使用生成对抗网络通过添加约束来控制方向，进行重新着色。
[0005]这些方法存在改变后的颜色不自然，整张图像不和谐的问题。

技术实现思路

[0006]有鉴于此，本专利技术提供了一种针对色盲的图像重着色方法，使图像改变后的颜色更为自然，且整张图像更为和谐。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种针对色盲的图像重着色方法，包括：
[0009]预先计算出各类别图像的调色板，每种类别图像分别对应至少一种调色板；
[0010]对原始输入图像的前景进行分割，并预测前景类别；
[0011]根据前景类别匹配至少一种调色板，并根据匹配的调色板调整前景颜色，得到至少一张颜色迁移后的图像；
[0012]对原始输入图像及颜色迁移后图像的后景进行颜色和谐化处理，使后景匹配前景
的和谐度；
[0013]对原始输入图像及和谐化处理后的图像进行色盲仿真，得到仿真图像；
[0014]评估仿真图像前后景的区分度，将区分度最高的仿真图像所对应的正常图像作为重新着色的结果。
[0015]进一步的，所述预先计算出各类别图像的调色板包括：
[0016]选择数据集，使用工具批量去除数据集图像背景，使图像背景透明化；
[0017]提取单幅图像的HSV颜色空间的H通道，获取目标对象的色相信息；
[0018]使用K
‑
Means聚类算法获得聚类中心，按照每个聚类类别的权重降序排列，并将排列好的各聚类中心作为该类型目标对象的多种调色板；
[0019]依次计算剩余图像中目标对象的调色板。
[0020]进一步的，选取GrabCut交互式分割方式对原始输入图像的前景进行分割，采用预先训练好的ResNet152模型对前景类别进行预测。
[0021]进一步的，对图像前景进行颜色迁移的过程包括：
[0022]提取图像前景HSV颜色空间的H通道，获取色相信息；
[0023]根据图像前景类别匹配至少一种调色板，作为推荐调色板；
[0024]对推荐调色板的各个色相进行加权处理；
[0025]分别计算图像前景的色相标准差及其推荐调色板加权处后的色相均值和标准差；
[0026]按照颜色迁移公式对图像前景的H通道色相信息进行颜色迁移，颜色迁移公式如下：
[0027]；
[0028]其中，H代表H颜色通道；S代表图像前景，代表图像前景H通道的色相信息；T代表加权处理后的调色板；代表加权处理后调色板H通道的色相均值；代表调色板H通道的色相标准差，代表图像前景H通道的色相标准差；I代表调整后的色相矩阵。
[0029]进一步的，所述对原始输入图像及颜色迁移后图像的后景进行颜色和谐化处理，包括：
[0030]分别为原始输入图像及颜色迁移后图像的前景匹配和谐模板，将和谐模板作为图像后景的颜色变换参照标准；其中，和谐模板为色环状，且色环中的阴影区域为和谐模板的有效区域；
[0031]根据匹配的和谐模板，调整图像后景的色相，将图像后景的颜色分布调整在和谐模板的有效区域里。
[0032]进一步的，所述对原始输入图像及和谐化处理后的图像进行色盲仿真，包括：
[0033]根据需要选择红色盲、绿色盲、蓝色盲或色弱模式，对原始输入图像及和谐化处理后的图像进行色盲仿真处理；仿真公式为：
[0034]；
[0035]；
[0036]；
[0037]其中，RGB代表图像颜色空间，r代表红色弱，g代表绿色弱，b代表蓝色弱，λ代表色弱程度，取值范围为0
‑
1，1代表正常，0代表二色盲。
[0038]进一步的，评估仿真图像前后景的区分度时，采用巴氏距离作为区分度衡量指标，计算图像前景和后景的差异，巴氏距离的计算公式如下：
[0039]；
[0040]；
[0041]其中，f和b分别代表仿真图像前景和后景的直方图信息，BC（f，b）代表离散状态下的巴氏系数，D（f，b）代表巴氏距离。
[0042]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种针对色盲的图像重着色方法，在图像重着色过程中引入了自然性约束和和谐性约束，首先通过基于自然性的颜色迁移调整前景颜色，然后改变后景颜色以匹配前景的和谐性，最后筛选出前景与后景区分度最好的图像；根据不同色盲患者的需求，更改色盲仿真的类型，从而生成对应重着色结果图，最终得到的重着色图像颜色更为自然，且整张图像更为和谐。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0044]图1为本专利技术提供的针对色盲的图像重着色方法的流程图；
[0045]图2为本专利技术提供的和谐模板的示例图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对色盲的图像重着色方法，其特征在于，包括：预先计算出各类别图像的调色板，每种类别图像分别对应至少一种调色板；对原始输入图像的前景进行分割，并预测前景类别；根据前景类别匹配至少一种调色板，并根据匹配的调色板调整前景颜色，得到至少一张颜色迁移后的图像；对原始输入图像及颜色迁移后图像的后景进行颜色和谐化处理，使后景匹配前景的和谐度；对原始输入图像及和谐化处理后的图像进行色盲仿真，得到仿真图像；评估仿真图像前后景的区分度，将区分度最高的仿真图像所对应的正常图像作为重新着色的结果。2.根据权利要求1所述的针对色盲的图像重着色方法，其特征在于，所述预先计算出各类别图像的调色板包括：选择数据集，使用工具批量去除数据集图像背景，使图像背景透明化；提取单幅图像的HSV颜色空间的H通道，获取目标对象的色相信息；使用K
‑
Means聚类算法获得聚类中心，按照每个聚类类别的权重降序排列，并将排列好的各聚类中心作为该类型目标对象的多种调色板；依次计算剩余图像中目标对象的调色板。3.根据权利要求1所述的针对色盲的图像重着色方法，其特征在于，选取GrabCut交互式分割方式对原始输入图像的前景进行分割，采用预先训练好的ResNet152模型对前景类别进行预测。4.根据权利要求1所述的针对色盲的图像重着色方法，其特征在于，对图像前景进行颜色迁移的过程包括：提取图像前景HSV颜色空间的H通道，获取色相信息；根据图像前景类别匹配至少一种调色板，作为推荐调色板；对推荐调色板的各个色相进行加权处理；分别计算图像前景的色相标准差及推荐调色板加权处后的色相均值和标准差；按...

【专利技术属性】
技术研发人员：金鑫，荣毅清，邹冬青，
申请(专利权)人：北京隐算科技有限公司，
类型：发明
国别省市：