基于Welsh算法灰度图像彩色化研究.docxVIP

基于 Welsh 算法的灰度图像彩色化的研究 杨亚南 王磊 孙田雨 (燕山大学理学院信息与计算科学专业 河北 秦皇岛) 摘 要 Welsh 算法在将灰度图像彩色化的过程中取得了较好的效果， 是却存在着像素匹配过程中循环过多、 速度过慢、 彩色化后的图像存在噪声的问题。分析 Welsh 算法的不足之处， 采取在彩色图像中间隔取点的办法， 减少循环次数。同时针对彩色化后的图像中存在噪声的问题， 使用指导性滤波对迁移后的图像进行优化， 去掉噪声的干扰。通过实验表明， 经过指导性滤波处理的图 像可以产生出更好的效果， 使图像的效果更清晰和自然。 关键词 Welsh 算法 彩色化 间隔取点 指导性滤波 0 引 言 灰度图像的彩色化是将一幅彩色图像的颜色特征传递给一幅灰度图像，从而使灰度目标图像具有与源彩色图像相似的颜色。Ｒuderman 等［1］在1998年提出了 ιαβ颜色空间。其中ι表示非彩色的亮度通道， α表示彩色的黄蓝( yellow- blue oppo-nent)通道，β表示红绿( red- green opponent)通道。与其他颜色体系不同，ιαβ空间更适合人类视觉感知系统。对自然场景，通道间的相关性会降到最小，解决了传统 ＲGB 颜色空间中Ｒ(红)、G(绿)、B(蓝)三个颜色通道相关性太强［2，3］，在不同通道进行运算时容易出现通道交叉的问题。ιαβ颜色空间更适合对颜色信息进行迁移。在2001年，Ｒeinhard［4］在ιαβ颜色空间的基础上，提出了彩色和彩色图像之间的迁移算法，取得了较好的效果， 但是该算法不适合灰度图像之间的迁移。Ｒeinhard的算法在灰度图像彩色化的过程中会使结果图颜色失真， 造成不真实的感觉。在2002年的时候，Welsh［5］ 等人提出了将灰度图像彩色化的算法，取得了较好的效果。 1 Welsh 算法 目前在灰度图像彩色化的过程中主要采用的是 Welsh 算法， Welsh 算法的具体过程如下: (a) 将彩色参考图像和目标灰度图像都变换到抗相关性的ιαβ空间; (b) 对彩色参考图像进行亮度的重映射。因为为了将彩色参考图像的色彩传输给目标图像， 目标图像的每个像素必须在彩色参考图像中找一个像素来匹配，考虑到彩色参考图像和目标图像亮度的整体差异，必须对彩色参考图像进行亮度的重映射，使它的直方??与目标灰度图像的亮度直方图相匹配; (c) 计算彩色参考图像的每一个点的亮度值和 5 × 5 领域内的方差值; (d) 对于灰度图像的每个像素， 计算该像素 P Ti 的亮度值▽L 和 5 ×5 领域内的方差值▽ D， 并与彩色参考图像的特征点相比较， 找到与 P T 的 0． 5 × ▽ L +0． 5 × ▽ D 最相近的一点(假设为 P Sj )， 则 P Sj 就是与灰度图像的当前点 PTi 匹配的点; (e) 将彩色参考图像 P Sj 的 αβ值传输给目标灰度图像的P Ti 点，同时保留 P Ti 点 ι 通道的亮度值; (f) 逐点扫描目标灰度图像， 对每个像素都采用(d)、 (e)步骤，找到与其匹配的彩色图像中的点， 并传输颜色。 2 对 Welsh 算法的改进 由于 Welsh 算法的主要问题就是在彩色图像中搜索与灰度图像最匹配的 αβ 空间的像素值。例如彩色图像的大小是 100×100， 灰度图像的大小是 100 ×100， 那么找到与这张灰度图像最匹配的 αβ 空间的值需要循环 10 8 。 目前的改进主要是提高 Welsh 算法的搜索速度， 主要是以下两个方面。第一:在文献［ 8］ 中， 将图像像素邻域相关特性引入到匹配像素的搜索过程中。搜索匹配像素时， 先在当前像素的邻域范围内进行搜索， 只在邻域搜索失效时才进行全图范围的搜索， 由于像素邻域相关特性，大部分像素可以在邻域搜索 中找到匹配像素， 只有极少像素需要进行全图搜索， 从而较大地降低了搜索代价。但是由于图像是连续的， 对于一张图像的边缘处， 这样的方法并不合适。 第二:在文献［ 9］中， 在彩色图像中随机抽取 200 个像素点， 对于灰度图像中的每一个像素点都在这 200 个随机抽取的像素点中寻找最匹配的像素值。这样虽然可以大幅度提高搜索的速度， 但是由于是随机取点， 造成了彩色图像的像素值不一定与灰度图像最适合， 造成了颜色迁移的失真。同时对于一副很大的图片， 只抽取 200 个点并不能保证涵盖所有的彩色像素的值。本文是在彩色图像的每行每列中， 每隔十个像素点抽取一个， 这样能最大限度的保证抽取出来的彩色图像的点能够包含整个图像， 最大限度地减少了迁移过程中的颜色的失真， 特别是对边界处有很好的效果， 同时减少了匹配过程中的循环次数。例如上面提到的彩色图像的大小是 100 ×100， 灰度图像的大小是 100