一种基于色彩主题的颜色转换方法

李　栋

（新乡学院计算机与信息工程学院，河南新乡453003）

一种基于色彩主题的颜色转换方法

李栋

（新乡学院计算机与信息工程学院，河南新乡453003）

为了实现更佳的图像转换效果，提出一种基于色彩主题的颜色转换方法。该方法能在控制色彩比率的同时维持区域的空间一致性，帮助人们实现某种意境的传达。

色彩比率；颜色转换；标记优化；色彩主题

心理学研究表明，色彩和气氛之间有巨大的关系，例如，蓝色和灰色的融合能营造出悲伤的气氛，而深褐色通常给人一种怀旧的感觉。这种颜色融合所造成的氛围被称为色彩的主题［1］。

现在，人们可以随时使用数码照相机拍照，而数码相机中通常会安装一些应用程序用来实现图像的自动修改，帮助人们实现某种意境的传达，但是这些程序一般都只能实现将单一颜色的滤镜应用到整个图像上的功能。为了实现更佳的图像转换效果，人们对一些基于色彩主题的转换方法进行了研究［2-3］，并使用这些方法增强被转换图像中色彩主题所包含的所有颜色，进而表现人们想要传递的意境氛围。

颜色变换始于1998年Ruderman等［4］基于人类视觉对图像数据的感知研究。后来，国内外学者将统计方法广泛应用于颜色变换研究中，并提出了CIELAB空间。在Ruderman的研究基础上，Reinhard等［5］在2001年提出了一种全局颜色变换算法，该算法利用统计分析知识，把一幅图像的色彩特征迁移到另一幅图像中，从而保证各色彩通道之间的独立性，及确保结果图像和目标图像有着一样的均值和方差。

B.Wang等人提出一种基于给定的色彩主题优化局部和全局颜色的方法［2］。这种方法的实现依赖于最小化局部和全局颜色转换代价的能量函数，但是这种方法不能保证色彩主题中所有颜色均体现在目标图像中。

匹配颜色直方图也是一种全局变换算法［3，6］。几乎所有的直方图匹配算法都是从输入图像的颜色空间映射到目标图像的颜色空间的，但却没有考虑源图像中的像素在被转换后的空间中的一致性问题，因此直方图匹配方法会将相同区域的相邻像素映射为不同的颜色，得到不合理的结果。与直方图匹配方法近似的高斯混合模型（Gaussian Mixture Model，GMM）［3］同样也不能确保空间一致性，尤其是在高斯均值相近的时候。

局部颜色变换算法考虑了源图像与目标图像之间的颜色对应和空间联系［7］，利用了区域分割算法，因而可维持空间一致性。然而，由于不能控制色彩比率，预设色彩主题无法表现在目标图像中。

1　同时考虑色彩比率和空间一致性的颜色转换方法

本文提出一种基于色彩主题的颜色转换方法，就是将一幅图像中像素的颜色转换为基于某种色彩主题的对应颜色。这种颜色转换问题可看作是颜色标记问题，即使用成本量构建、成本量过滤和保护边缘的平滑滤波器来挑选标记量。为保持目标图像中颜色的空间区域一致性，本文引入了“恰当偏移量”的概念（具体算法见后文）来实现成本量标记的最稳定的优化过程。

本文提出的颜色转换方法，同时考虑了全局与局部优化［8-9］，该方法的框架流程如图1所示。色彩主题中相同的颜色被分配给图像中相同的语义区域，这样，源图像中的所有像素就可以被转换为对应的颜色。

本文提出的方法共分为3个主要步骤：成本量构建、颜色分配和颜色转换。

图1　框架流程

1.1成本量构建

本文通过标记方法解决颜色分配问题，利用成本量过滤［10］来解决标记方法问题。使用成本量方法而不是基于能量的方法，是因为成本量过滤简单、可操作性强，且这里不再使用全局的能量最小化步骤，而使用局部过滤。这样，相对于可能的全局空间平滑条件随机域模型，这种过滤操作可以获得局部空间平滑标记全局空间的结果。

在典型的标记方法中，输入数据通常被构造成三维成本量，用来保存图像坐标（x，y）及图像坐标x和y挑选标记的成本。在本文中，成本量被计算出后，再用保护边缘的平滑滤波器进行平滑，一个标记就被选出来了。对于给定的色彩主题的源图像，将源图像中a*和b*的值转换到CIELAB色彩空间中，成本量C就显示了从像素（x，y）的颜色转换到颜色ti的成本。可以通过

由于在图像转换中自然边界会受到影响，故用保护边缘的平滑滤波器对C进行平滑，记作CS。平滑的目的是在保护边缘的同时使邻近像素的成本值保持均匀。保护边缘平滑的结果是：色彩主题中相同的颜色被分配给相同的语义区域。平滑后的成本量计算方法

1.2颜色分配

为实现在控制源图像（C1）中所有被分配颜色ti的色彩比率的同时，保持目标图像（C2）的空间一致性，本文利用平滑后的成本量CS，将颜色ti分配给图像I中的每个像素（x，y）。直接的做法是：通过公式来选定给某个像素（x，y）分配的颜色，但这样不能保证C1和C2同时满足要求，因此本文引进了“恰当偏移量，不过偏移量hi的计算通常会增加对应颜色ti的成本值。计算分配给像素（x，y）最恰当颜色ti的函数定义为

通过（1）式，颜色分配变成了计算能同时满足C1和C2转换要求的恰当偏移量h的问题。计算恰当偏移量h的算法如下。

算法中“←”符号的意义为计算后赋值。参数λi为预定义颜色为ti的像素的最小比率；ri为这个像素的实际比率；当偏移量向量为时，函数ψ返回一个临时比率向量

1.3颜色转换

通过变换源图像像素在a*b*通道的值，可以获得在L*a*b*颜色空间中颜色转换后的输出图像。转换函数为，其中是输入像素的a*和b*值，是ti的值，α是一个可调整参数。

2　实验

本文的实验是在Windows7操作系统和Matlab（Ver. R2010b）环境下进行的。实验结果如图2和图3所示。

图2（b）显示了在成本量计算阶段，未使用保护边缘的平滑滤波器的结果。成本的值被K-means聚类算法（K=30）中每个聚类的代表值所取代，虽然它执行了全局性颜色转换，但却未考虑区域空间的一致性。因为保护边缘的平滑滤波器既可以起到空间平滑的效果，又可以对图像的边缘加以保护，所以本文提出的方法在图像转换过程中，在保持空间一致性的同时使用了这种滤波器。图2（c）显示了添加这种滤波器后的效果。需注意，这里并未使用复杂的图像分割算法。

图2　使用保护边缘的平滑滤波算法效果对比

图3　采用不同最小比率和实际比率后的效果对比

当与选定的预转换主题颜色对应的最小比率逐渐增大时，所对应的偏移量就逐渐减小，当最小比率的值达到给定范围的最大值时，也就计算出了该颜色的最稳定偏移量。

图3（b）、（c）显示了使用不同最小化比率后的实验结果，可以看出，本文的方法在图像转换过程中，成功地控制了色彩主题中的颜色比率并且维持了区域的空间一致性。

3　结束语

图像的颜色转换是将色彩主题中的颜色分配给源图像中的像素，使源图像向着目标图像转换。本文通过颜色标记实现颜色分配，同时引进偏移量来解决色彩比率控制和空间区域一致性的问题。实验结果表明，虽然在标记优化和计算偏移量时增加了时间和空间成本，但是算法的最终效果还是令人满意的。

［1］金舟.图像着色关键技术分析及其应用［D］.天津：天津大学，2011.

［2］WANG B，YU Y，W0NG T T，et al.Data-driven Image Color Theme Enhancement［J］.ACM Trans Graph，2010，29（6）：1-10.

［3］MURRAYN，SKAFFS，MARCHES0TTI L，et al. Towards Automatic Concept Transfer［C］.Proceedings of ACM SIGGRAPH/Eurographics Symposium on Nonphotorealistic Animation and Rendering，2011：167-176.

［4］RUDERMAN D L，CR0NIN T W.Statistics of Cone Responses to Natural Images［J］.Implications for Visual Coding，1998（15）：2036-2045.

［5］REINHARD E，ADHIKHMIN M，G00CH B，et al.Color Transfer Between Images［J］.IEEE Comput Graph Appl，2001，21（5）：34-41.

［6］杨静.不同颜色空间中全局色彩传递算法的分析研究［J］.计算机工程与应用，2007（11）：45-54.

［7］王国营，梁春迎.一种图像显著区域的提取方法［J］.计算机应用，2010（30）：1619-1621.

［8］裴闯，蒋晓瑜，汪熙.基于颜色传递的数字视频融合方法［J］.计算机工程，2011（10）：216-220.

［9］王少荣，李华.一种图像之间的颜色传输方法［J］.计算机辅助设计与图形学学报，2006（11）：18-24.

［10］蔡连杰.图像色彩迁移技术研究［D］.西安：西安电子科技大学，2013.

【责任编辑梅欣丽】

A Color Transformation Method Based On Color Theme

LI Dong
（College of Computer and Information Engineering，Xinxiang University，Xinxiang 453003，China）

The mood of an image is typically conveyed by the combination of colors.Such a combination is called a color theme.In this paper，the color ratio in a color theme meant the percentage of pixels which were linked to the color，and spatial coherence meant that the same color was assigned to pixels in the same semantic region.For more advanced color transformation，we proposed a color transformation method based on color theme that could control the ratios of assigned colors while maintaining the spatial coherence of regions in order to obtain a desired nuance that a user wanted to convey.

color ratios；color transformation；label optimization；color theme

TP311.1

A

2095-7726（2015）09-0029-04

2015-07-10

河南省科技厅科技发展计划项目（132300410204）

李栋（1976-），陕西咸阳人，讲师，硕士，研究方向：信息检索和图像处理。