数字图像课程设计图像颜色校正

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-1-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-2-一.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：3BGRreyi1Bi1Gi1R1i1i1i）（GBNGNRNNNN（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：KbBBBKbKGGGKgKRRRK*;Greyg*;Greyr*;Greyr'''(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：；；；factorfactorfactor'''''''''BBGGRR(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-BGRPPHR,,k82log*-2550ikikik；其中）（（3）求R,G,B三个通道的约束增益系数，公式如下：;1*1-;1*1-;1*1-brcbrcgrrcrBRGRgRRHKKHKKHKK）（）（）（（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3.1灰度世界法否求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调整Factor=MAXtal/2551输出图象读取图象yumil.jpg计算图象RGB三个通道的平均值求图象的平均灰度值Greg-4-3.2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fori=1:mforj=1:nR=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调整Factor=MAXtal/2551输出图象-5-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;%求增益系数kg=grey/g1;%求增益系数kb=grey/b1;%求增益系数fori=1:mforj=1:nr2(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endendfori=1:mforj=1:nmval=0;%给mval赋初值mval=max(mval,r2(i,j));%求出r中最大值赋给mvalmval=max(mval,g2(i,j));%求出r中最大值赋给mvalmval=max(mval,b2(i,j));%求出r中最大值赋给mvalendend%求最大值(mval)F=mval/(m*n);%求facror(F)ifF1%如果F小于1，不改变校正后的通道值r3=r2;b3=b2;g3=g2;elser3=r2/F;%否则，重新赋值g3=g2/F;b3=b3/F;endfori=1:mforj=1:nI(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Iendendfigure;imshow(uint8(I));%输出图像-6-4.2基于图像熵的灰度世界法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fori=1:mforj=1:nR=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;H3=0;H33=0;%赋初值0fork=0:255sum1=0;%sum1赋初值0fori=1:mforj=1:nifI(i,j,1)==ksum1=sum1+1;%值为k，则加1endendendifsum1==0P1(k+1)=1;%如果不存在像素为ki的点，给其概率赋值为1elseP1(k+1)=sum1/(m*n);%求概率H1=P1(k+1)*log2(P1(k+1));H11=H1+H11;Hr=-H11/8;%求熵endendfork=0:255sum2=0;%sum2赋初值0-7-fori=1:mforj=1:nifI(i,j,2)==ksum2=sum2+1;%值为k，则加1endendendifsum2==0P2(k+1)=1;%如果不存在像素为ki的点，给其概率赋值为1elseP2(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endfork=0:255sum3=0;%sum3赋初值0fori=1:mforj=1:nifI(i,j,3)==ksum3=sum3+1;%值为k，则加1endendendifsum3==0P3(k+1)=1;%如果不存在像素为ki的点，给其概率赋值为1elseP3(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endkrrc=(kr-1)*Hr+1;%求改进后的增益系数kgrc=(kg-1)*Hg+1;kbrc=(kb-1)*Hb+1;fori=1:mforj=1:nr2(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endend-8-fori=1:mforj=1:nmval=0;%给mval赋初值mval=max(mval,r2(i,j));%求出r中最大值赋给mvalmval=max(mval,g2(i,j));%求出r中最大值赋给mvalmval=max(mval,b2(i,j));%求出r中最大值赋给mvalendend%求最大值(mval)F=mval/(m*n);%求facror(F)ifF1%如果F小于1，不改变校正后的通道值r3=r2;b3=b2;g3=g2;elser3=r2/F;%否则，重新赋值g3=g2/F;b3=b3/F;endfori=1:mforj=1:nI(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Iendendfigure;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：ifkrrc1krrc=（krrc+kgrc+kbrc）/3；elsekrrc=1;endifkgrc1kgrc=（krrc+kgrc+kbrc）/3；elsekgrc=1;endifkbrc1kbrc=（krrc+kgrc+kbrc）/3；elsekbrc=1;-9-end%再次调整增益系数的值，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,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５-１-10-图５-２图５-３-11-六.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。图５-４