一种基于纹理特征的图像色彩迁移方法和装置制造方法及图纸

本发明专利技术公开一种基于纹理特征的图像色彩迁移方法和装置，方法包括获取源图像和参考图像；将源图像和参考图像转换到lαβ色彩空间；对源图像的亮度直方图进行调整；对调整后的源图像和参考图像分别计算纹理特征；利用源图像的纹理特征和参考图像的纹理特征分别形成训练集和预测集；利用源图像的纹理特征形成的训练集和参考图像的纹理特征的训练集，分别训练第一预测模型和第二预测模型，得到训练好的第一预测模型和第二预测模型；利用源图像的纹理特征形成的预测集，利用训练好的第一预测模型预测α通道的取值，训练好的第二预测模型预测β通道的取值；完成参考图像到源图像的色彩迁移。本发明专利技术取得了良好的色彩迁移效果。本发明专利技术取得了良好的色彩迁移效果。本发明专利技术取得了良好的色彩迁移效果。

【技术实现步骤摘要】
一种基于纹理特征的图像色彩迁移方法和装置


[0001]本专利技术涉及图像处理
，更具体地，涉及一种基于纹理特征的图像色彩迁移方法和装置。

技术介绍

[0002]图像能够被转换为可以被计算机识别的信号并进行一系列的处理，常见的手段包括图像的增强、还原、以及图像的分割等，这个过程被称之为数字图像处理。
[0003]图像色彩迁移是数字图像处理技术的其中一个研究方向，它实际上解决的是这样一个问题：对于两幅图像A和B，其中图像A包含了我们所需要的形状等内容信息，称之为源图像；图像B包含了我们所需要的色彩信息，称之为参考图像。图像色彩迁移就是希望通过一系列的技术手段，在不对图像A所表达的内容造成改变的前提下，对图像B整体的颜色分布、颜色风格进行学习，得到一幅同时具有图像A的内容信息和图像B的颜色信息的新图像。
[0004]图像色彩迁移的概念于2002年首次由Reinhard等人在论文中提出。在论文中，他们基于Ruderman提出的lαβ色彩空间设计了一种简单的色彩迁移算法，通过让源图像与参考图像在lαβ色彩空间三通道上具有相同的低阶全局统计量以实现参考图像到源图像的色彩迁移。
[0005]由于Reinhard算法需要对源图像的lαβ通道进行修改，而灰度图像不具有α和β通道，因此Reinhard算法无法实现对灰度图像进行着色。Welsh等人设计了一种灰度图像自动着色算法。他们对源图像和参考图像的每个像素计算了一个描述符，用以刻画像素点的纹理，对彩色图像和灰度图像间有最相近描述符的像素点进行匹配和颜色信息传输。上述Reinhard算法只利用了图像的全局统计量以及Welsh算法对纹理的刻画过于粗糙，导致色彩迁移的效果不理想。
[0006]现有技术公开了一种基于聚类分析的PCB图像色彩迁移装置及方法，其中，该装置包括：图像采集模块获取源图像和目标图像；RGB彩图获取模块分别获取从源图像和目标图像变换RGB彩图；颜色空间变换模块将RGB彩图转换为LAB彩图；颜色聚类模块设置并利用颜色簇数对LAB彩图进行聚类生成颜色簇类别列表；颜色簇匹配模块将源图像和目标图像的列表进行PCB二分图匹配，得到匹配结果；颜色映射模块根据匹配结果计算变换矩阵，根据该矩阵将LAB彩图映射到新颜色；颜色空间逆变换模块将映射后的颜色转换为RGB彩色迁移后的图像。该方法同样对图像纹理特征的刻画过于粗糙，色彩迁移的效果不理想。

技术实现思路

[0007]本专利技术提供一种基于纹理特征的图像色彩迁移方法，克服了Reinhard算法只利用了图像的全局统计量以及Welsh算法对纹理的刻画过于粗糙的问题。
[0008]为解决上述技术问题，本专利技术的技术方案如下：
[0009]一种基于纹理特征的图像色彩迁移方法，包括以下步骤：
[0010]S1：获取源图像和参考图像；
[0011]S2：将所述源图像和参考图像转换到lαβ色彩空间；
[0012]S3：对所述源图像的亮度直方图进行调整使得所述源图像的亮度和所述参考图像的亮度在同一范围内；
[0013]S4：对经步骤S3调整后的源图像和参考图像分别计算纹理特征；
[0014]S5：利用源图像的纹理特征和参考图像的纹理特征分别形成训练集和预测集；
[0015]S6：利用源图像的纹理特征形成的训练集和参考图像的纹理特征的训练集，分别训练第一预测模型和第二预测模型，得到训练好的第一预测模型和第二预测模型，其中，所述第一预测模型用于预测α通道的取值，所述第二预测模型用于预测β通道的取值；
[0016]S7：利用源图像的纹理特征形成的预测集，利用训练好的第一预测模型预测α通道的取值，训练好的第二预测模型预测β通道的取值；
[0017]S8：完成参考图像到源图像的色彩迁移。
[0018]lαβ色彩空间是把光线的波长变换成亮度与色相的描述色彩数据的模型，l是亮度分量，α是黄蓝相关颜色通道，β是红绿相关颜色通道。其中α、β的取值范围如下：0≤l≤100，
‑
128≤α、β≤127，当l＝100时图像是白色，l＝0时图像是黑色。在lαβ色彩空间中里，l、α、β各个通道的值为对数空间的值，通道之间较强的相关性通过这种方式能够得以消除，并且图像的灰度信息和颜色信息也能得到不错的分离效果，所以可以实现对l、α、β通道单独的运算，这样就简化了运算。
[0019]优选地，步骤S3中对所述源图像的亮度直方图进行调整使得所述源图像的亮度和所述参考图像的亮度在同一范围内，具体为：
[0020][0021]式中，为源图像调整后的亮度，l
s
和l
r
分别表示源图像和参考图像的原始亮度，max(l
r
)为参考图像中的亮度最大值，min(l
r
)为参考图像中的亮度最小值，max(l
s
)为源图像中的亮度最大值，min(l
s
)为源图像中的亮度最小值。
[0022]优选地，步骤S4中所述纹理特征包括计算源图像和参考图像中每一个像素点的以下特征：
[0023]该像素点的亮度l、该像素点在X轴方向上的梯度g
x
、该像素点在Y轴方向上的梯度g
y
、该像素点在X轴方向上的二阶导数g
xx
、该像素点在Y轴方向上的二阶导数g
yy
、该像素点在X轴Y轴方向上的二阶导数g
xy
、该像素点邻域内像素亮度的均值μ、该像素点邻域内像素亮度的标准差σ、该像素点邻域内像素亮度的偏度skewness、该像素点邻域内像素亮度的峰度kurtosis。
[0024]优选地，所述第一预测模型为XGBoost模型。
[0025]优选地，所述第二预测模型为XGBoost模型。
[0026]本专利技术还提供一种基于纹理特征的图像色彩迁移装置，包括：
[0027]获取模块，所述获取模块获取源图像和参考图像；
[0028]转换模块，所述转换模块将所述源图像和参考图像转换到lαβ色彩空间；
[0029]亮度调整模块，所述亮度调整模块对所述源图像的亮度直方图进行调整使得所述源图像的亮度和所述参考图像的亮度在同一范围内；
[0030]纹理特征计算模块，所述纹理特征计算模块对经亮度调整模块调整后的源图像和
参考图像分别计算纹理特征；
[0031]数据集模块，所述数据集模块利用源图像的纹理特征和参考图像的纹理特征分别形成训练集和预测集；
[0032]训练模块，所述训练模块利用源图像的纹理特征形成的训练集和参考图像的纹理特征的训练集，分别训练第一预测模型和第二预测模型，得到训练好的第一预测模型和第二预测模型，其中，所述第一预测模型用于预测α通道的取值，所述第二预测模型用于预测β通道的取值；
[0033]预测模块，所述预测模块利用源图像的纹理特征形成的预测集，利用训练好的第一预测模型预测α通道的取值，训练好的第二预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理特征的图像色彩迁移方法，其特征在于，包括以下步骤：S1：获取源图像和参考图像；S2：将所述源图像和参考图像转换到lαβ色彩空间；S3：对所述源图像的亮度直方图进行调整使得所述源图像的亮度和所述参考图像的亮度在同一范围内；S4：对经步骤S3调整后的源图像和参考图像分别计算纹理特征；S5：利用源图像的纹理特征和参考图像的纹理特征分别形成训练集和预测集；S6：利用源图像的纹理特征形成的训练集和参考图像的纹理特征的训练集，分别训练第一预测模型和第二预测模型，得到训练好的第一预测模型和第二预测模型，其中，所述第一预测模型用于预测α通道的取值，所述第二预测模型用于预测β通道的取值；S7：利用源图像的纹理特征形成的预测集，利用训练好的第一预测模型预测α通道的取值，训练好的第二预测模型预测β通道的取值；S8：完成参考图像到源图像的色彩迁移。2.根据权利要求1所述的基于纹理特征的图像色彩迁移方法，其特征在于，步骤S3中对所述源图像的亮度直方图进行调整使得所述源图像的亮度和所述参考图像的亮度在同一范围内，具体为：式中，为源图像调整后的亮度，l
s
和l
r
分别表示源图像和参考图像的原始亮度，max(l
r
)为参考图像中的亮度最大值，min(l
r
)为参考图像中的亮度最小值，max(l
s
)为源图像中的亮度最大值，min(l
s
)为源图像中的亮度最小值。3.根据权利要求1所述的基于纹理特征的图像色彩迁移方法，其特征在于，步骤S4中所述纹理特征包括计算源图像和参考图像中每一个像素点的以下特征：该像素点的亮度l、该像素点在X轴方向上的梯度g
x
、该像素点在Y轴方向上的梯度g
y
、该像素点在X轴方向上的二阶导数g
xx
、该像素点在Y轴方向上的二阶导数g
yy
、该像素点在X轴Y轴方向上的二阶导数g
xy
、该像素点邻域内像素亮度的均值μ、该像素点邻域内像素亮度的标准差σ、该像素点邻域内像素亮度的偏度skewness、该像素点邻域内像素亮度的峰度kurtosis。4.根据权利要求1所述的基于纹理特征的图像色彩迁移方法，其特征在于，所述第一预测模型为XGBoost模型。5.根据权利要求1所述的基于纹理特征的图像色彩迁移方法，其特征在于，所述第二预测模型为XGBoost模型。6.一种基于纹理特征的图像色彩迁移装置，其特征在于，包括：获取模块，所述获取模块获取源图...

【专利技术属性】
技术研发人员：姚正安，冯怀钰，
申请(专利权)人：中山大学，
类型：发明
国别省市：