数字图像课程设计图像颜色校正(共12页).doc

《数字图像课程设计图像颜色校正(共12页).doc》由会员分享，可在线阅读，更多相关《数字图像课程设计图像颜色校正(共12页).doc（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上数字图像处理课程设计 图像颜色校正 院 系： 信息科学与技术学院 专业班级： 电子信息科学与技术 姓 名： 学 号： 2012年12月9日目录：一.设计目标二.设计原理2.1灰度世界法2.2基于图像熵的灰度世界法 2.3 改进基于图像熵的灰度世界算法三设计程序流程图 3.1 灰度世界法3.2基于图像熵的灰度世界法四. 设计程序4.1 灰度世界法4.2 基于图像熵的灰度世界法4.3 改进基于图像熵的灰度世界法五. 图像效果分析六. 结论和体会一.设计目标颜色是灰度图象的一种重要特征，物体在不同光源下呈现的颜色不同，本实验是为了对产生色偏的图象进行颜色校正，使采集图像尽量

2、减少失真度。二. 设计原理2.1 灰度世界法假定一幅带有足够多色彩变化的图像，则这幅场景的平均反射能够抵消偏色现象。 步骤：（1） 计算图像的R，G，B的平均值,及平均灰度值，公式如下： （2）求R,G,B的通道增益系数Kr,Kg,Kb及校正后的通道，公式如下：(3) 求图像校正后R,G,B的最大值Mval,令factor=Mval/255,如果factor1则利用以下公式重新调整R,G,B的值,使其可在0:255内显示，公式如下：(4) 将重新调整的R,G,B值重新赋给图像。(5) 输出图像注：“灰度世界算法”不适用于大块单一颜色的情况。2.2 基于图像熵的灰度世界法 利用图像的熵来约束增益

3、系数，从而防止“过校正”。步骤：（1）完成灰度世界步骤（2）中kr，kb，kg的值；（2）对图像的三个颜色通道分别计算一维离散相对熵Hr，公式如下：（3）求R,G,B三个通道的约束增益系数，公式如下：（4）接着灰度世界算法的步骤(3), 继续进行，用约束增益系数来代替2.2中增益系数计算。（5）输出图像。 2.3 基于图像熵的灰度世界算法通过调整其改进后的增益系数，使它们的增益系数相近且达到合适值。步骤：在2.2中求出约束增益系数，对增益系数的大小进行改变，将三个约束增益系数的平均值赋给每一个约束增益系数，然后接着2.2操作。三设计程序流程图否求RGB三个通道的增益系数计算校正后的三个通道R1

4、、G1、B1求出图像中所有R1、G1、B1的最大值MAXtal是用公式R12=R1/Factor 调整Factor=MAXtal/2551输出图象3.1灰度世界法读取图象yumil.jpg计算图象RGB三个通道的平 均值求图象的平均灰度值Greg3.2基于图像熵的灰度世界法求出每个像素点所对应的RGB的概率并求出他们的熵Hr,Hg,Hb求图象的平均灰度值Greg读取图象yumil.jpg计算图象RGB三个通道的平 均值求RGB三个通道的约束增益系数否求RGB三个通道的增益系数计算校正后的三个通道R1、G1、B1求出图像中所有R1、G1、B1的最大值MAXtal是用公式R12=R1/Factor

5、 调整Factor=MAXtal/2551输出图象四.设计程序4.1灰度世界法I=imread(yumi1.jpg);%读入原图像imshow(I);%显示原图像m,n=size(I);n=n/3;R=0;G=0;B=0;I=double(I);%改为双精度图像for i=1:m for j=1:n R=I(i,j,1)+R; %求像素R的和 G=I(i,j,2)+G; %求像素G的和 B=I(i,j,3)+B; %求像素B的和 endendr1=R/(m*n); %求R平均值g1=G/(m*n);%求G平均值b1=B/(m*n);%求B平均值grey=(r1+b1+g1)/3;%平均灰度值g

6、reykr=grey/r1; %求增益系数kg=grey/g1; %求增益系数kb=grey/b1; %求增益系数 for i=1:m for j=1:n r2(i,j)=I(i,j,1)*kr; g2(i,j)=I(i,j,2)*kg; b2(i,j)=I(i,j,3)*kb;%求校正后的三个通道 endendfor i=1:m for j=1:n mval=0;%给mval赋初值 mval=max(mval,r2(i,j);%求出r中最大值赋给mval mval=max(mval,g2(i,j);%求出r中最大值赋给mval mval=max(mval,b2(i,j);%求出r中最大值赋给

7、mval endend%求最大值(mval)F=mval/(m*n);%求facror(F) if F1%如果F小于1，不改变校正后的通道值r3=r2; b3=b2; g3=g2;else r3=r2/F;%否则，重新赋值 g3=g2/F; b3=b3/F;endfor i=1:m for j=1:n I(i,j,1)=r3(i,j); I(i,j,2)=g3(i,j); I(i,j,3)=b3(i,j);%将求得的R，G，B值赋给图像I endendfigure;imshow(uint8(I);%输出图像 4.2基于图像熵的灰度世界法 I=imread(yumi1.jpg);%读入原图像im

8、show(I);%显示原图像m,n=size(I);n=n/3;R=0;G=0;B=0;I=double(I);%改为双精度图像for i=1:m for j=1:n R=I(i,j,1)+R; %求像素R的和 G=I(i,j,2)+G; %求像素G的和 B=I(i,j,3)+B; %求像素B的和 endendr1=R/(m*n); %求R平均值g1=G/(m*n);%求G平均值b1=B/(m*n);%求B平均值grey=(r1+b1+g1)/3;%平均灰度值greykr=grey/r1; kg=grey/g1;kb=grey/b1; %求增益系数 H1=0;H11=0;H2=0;H22=0;

9、H3=0;H33=0;%赋初值0for k=0:255 sum1=0;%sum1赋初值0 for i=1:m for j=1:n if I(i,j,1)=k sum1=sum1+1;%值为k，则加1 end end end if sum1=0 P1(k+1)=1;%如果不存在像素为ki的点，给其概率赋值为1 else P1(k+1)=sum1/(m*n);%求概率 H1=P1(k+1)*log2(P1(k+1); H11=H1+H11; Hr=-H11/8;%求熵 endendfor k=0:255 sum2=0;%sum2赋初值0 for i=1:m for j=1:n if I(i,j,2

10、)=k sum2=sum2+1;%值为k，则加1 end end end if sum2=0 P2(k+1)=1;%如果不存在像素为ki的点，给其概率赋值为1 else P2(k+1)=sum2/(m*n);%求概率 H2=P2(k+1)*log2(P2(k+1); H22=H2+H22; Hg=-H22/8; end%求熵endfor k=0:255 sum3=0;%sum3赋初值0 for i=1:m for j=1:n if I(i,j,3)=k sum3=sum3+1;%值为k，则加1 end end end if sum3=0 P3(k+1)=1;%如果不存在像素为ki的点，给其概率

11、赋值为1else P3(k+1)=sum3/(m*n);%求概率 H3=P3(k+1)*log2(P3(k+1); H33=H3+H33; Hb=-H33/8; end%求熵end krrc=(kr-1)*Hr+1;%求改进后的增益系数kgrc=(kg-1)*Hg+1;kbrc=(kb-1)*Hb+1;for i=1:m for j=1:n r2(i,j)=I(i,j,1)*krrc; %求校正后的红色通道 g2(i,j)=I(i,j,2)*kgrc;%求校正后的绿色通道 b2(i,j)=I(i,j,3)*kbrc;%求校正后的蓝色通道 endendfor i=1:m for j=1:n mv

12、al=0;%给mval赋初值 mval=max(mval,r2(i,j);%求出r中最大值赋给mval mval=max(mval,g2(i,j);%求出r中最大值赋给mval mval=max(mval,b2(i,j);%求出r中最大值赋给mval endend%求最大值(mval)F=mval/(m*n);%求facror(F) if F1%如果F小于1，不改变校正后的通道值r3=r2; b3=b2; g3=g2;else r3=r2/F;%否则，重新赋值 g3=g2/F; b3=b3/F;endfor i=1:m for j=1:n I(i,j,1)=r3(i,j); I(i,j,2)=

13、g3(i,j); I(i,j,3)=b3(i,j);%将求得的R，G，B值赋给图像I endendfigure;imshow(uint8(I);%输出图像4.3基于图像熵的灰度世界法后再次改进程序： 在4.2求出改进后增益系数之后，插入此程序，对改进后增益系数重新赋值以达到调整图像亮度的至适当值：if krrc1 krrc=（krrc+kgrc+kbrc）/3；else krrc=1;endif kgrc1 kgrc=（krrc+kgrc+kbrc）/3；else kgrc=1;endif kbrc1 kbrc=（krrc+kgrc+kbrc）/3；else kbrc=1;end%再次调整增益

14、系数的值，使图像亮度适中 接4.2中求校正后的红，绿，蓝通道。五.图像效果分析： 图5-1为原图像，图5-2为应用灰度世界算法后的图像，图5-3为应用基于图像熵的灰度世界法后的图像，图5-4是基于图像熵的灰度世界法后改进的图像。(1) 可明显看出图5-2发蓝,图像较暗，校正效果不好，说明这种方法用于此图像不太理想，因此我们又利用改进算法进行校正，即基于图像熵的灰度算法,得图5-3。对比可看出基于图像熵的灰度算法校正效果比灰度世界算法校正的效果还要差，因为此图色调较单一，所以改进后图像像素灰度值减小，图像变暗，没有达到预期效果，仍需继续改进。所以有针对性的改变各颜色分量的增益系数，以改善图像效果

15、,得图5-4。图5-4让改进后的增益系数取三个增进系数的平均值，图像较亮，图像效果较好。 图-图- 图- 图-六. 结论本文讲述了三种处理数字图像中图像颜色校正的方法。包括灰度世界法，基于图像熵的灰度世界法及基于图像熵的灰度世界法的改进方法。通过观察实验现象，明白改进后的灰度世界算法适合应用于色彩比较丰富的图像，否则将会产生过校正现象，使改进后的图像比原图更糟糕。近几年来，随着多媒体技术和因特网的迅速普及，数字图像处理技术受到了前所未有的广泛重视，出现了许多新的应用领域。最显著的是数字图像处理技术已经从工业领域,实验室走入了商业领域及办公室,甚至走入了人们的日常生活。通过这一周的课程设计，对图像处理的概念理解更加深刻，对数字图像的发展前景有了更深刻的了解，认识了多种处理图像的方法，明白了对于某种特定的需求需采用特定的方法以达到特定视觉效果，并且熟悉了MATLABE的使用。专心-专注-专业