數(shù)字圖像課程設(shè)計圖像顏色校正

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字圖像處理課程設(shè)計 圖像顏色校正 院 系： 信息科學(xué)與技術(shù)學(xué)院 專業(yè)班級： 電子信息科學(xué)與技術(shù) 姓 名： 學(xué) 號： 2012年12月9日目錄：一.設(shè)計目標(biāo)二.設(shè)計原理2.1灰度世界法2.2基于圖像熵的灰度世界法 2.3 改進(jìn)基于圖像熵的灰度世界算法三設(shè)計程序流程圖 3.1 灰度世界法3.2基于圖像熵的灰度世界法四. 設(shè)計程序4.1 灰度世界法4.2 基于圖像熵的灰度世界法4.3 改進(jìn)基于圖像熵的灰度世界法五. 圖像效果分析六. 結(jié)論和體會一.設(shè)計目標(biāo)顏色是灰度圖象的一種重要特征，物體在不同光源下呈現(xiàn)的顏色不同，本實驗是為了對產(chǎn)生色偏的圖象進(jìn)行顏色校正，使采集圖像盡量

2、減少失真度。2. 設(shè)計原理2.1 灰度世界法假定一幅帶有足夠多色彩變化的圖像，則這幅場景的平均反射能夠抵消偏色現(xiàn)象。 步驟：（1） 計算圖像的R，G，B的平均值,及平均灰度值，公式如下： （2）求R,G,B的通道增益系數(shù)Kr,Kg,Kb及校正后的通道，公式如下：(3) 求圖像校正后R,G,B的最大值Mval,令factor=Mval/255,如果factor>1則利用以下公式重新調(diào)整R,G,B的值,使其可在0:255內(nèi)顯示，公式如下：(4) 將重新調(diào)整的R,G,B值重新賦給圖像。(5) 輸出圖像注：“灰度世界算法”不適用于大塊單一顏色的情況。2.2 基于圖像熵的灰度世界法 利用圖像的熵來

3、約束增益系數(shù)，從而防止“過校正”。步驟：（1）完成灰度世界步驟（2）中kr，kb，kg的值；（2）對圖像的三個顏色通道分別計算一維離散相對熵Hr，公式如下：（3）求R,G,B三個通道的約束增益系數(shù)，公式如下：（4）接著灰度世界算法的步驟(3), 繼續(xù)進(jìn)行，用約束增益系數(shù)來代替2.2中增益系數(shù)計算。（5）輸出圖像。 2.3 基于圖像熵的灰度世界算法通過調(diào)整其改進(jìn)后的增益系數(shù)，使它們的增益系數(shù)相近且達(dá)到合適值。步驟：在2.2中求出約束增益系數(shù)，對增益系數(shù)的大小進(jìn)行改變，將三個約束增益系數(shù)的平均值賦給每一個約束增益系數(shù)，然后接著2.2操作。三設(shè)計程序流程圖否求RGB三個通道的增益系數(shù)計算校正后的三個

4、通道R1、G1、B1求出圖像中所有R1、G1、B1的最大值MAXtal是用公式R12=R1/Factor 調(diào)整Factor=MAXtal/255>1輸出圖象3.1灰度世界法讀取圖象yumil.jpg計算圖象RGB三個通道的平 均值求圖象的平均灰度值Greg3.2基于圖像熵的灰度世界法求出每個像素點所對應(yīng)的RGB的概率并求出他們的熵Hr,Hg,Hb求圖象的平均灰度值Greg讀取圖象yumil.jpg計算圖象RGB三個通道的平 均值求RGB三個通道的約束增益系數(shù)否求RGB三個通道的增益系數(shù)計算校正后的三個通道R1、G1、B1求出圖像中所有R1、G1、B1的最大值MAXtal是用公式R12=R

5、1/Factor 調(diào)整Factor=MAXtal/255>1輸出圖象四.設(shè)計程序4.1灰度世界法I=imread('yumi1.jpg');%讀入原圖像imshow(I);%顯示原圖像m,n=size(I);n=n/3;R=0;G=0;B=0;I=double(I);%改為雙精度圖像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gre

6、y=(r1+b1+g1)/3;%平均灰度值greykr=grey/r1; %求增益系數(shù)kg=grey/g1; %求增益系數(shù)kb=grey/b1; %求增益系數(shù) 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;%求校正后的三個通道 endendfor i=1:m for j=1:n mval=0;%給mval賦初值 mval=max(mval,r2(i,j);%求出r中最大值賦給mval mval=max(mval,g2(i,j);%求出r中最大值賦給mval mval=max(m

7、val,b2(i,j);%求出r中最大值賦給mval endend%求最大值(mval)F=mval/(m*n);%求facror(F) if F<1%如果F小于1，不改變校正后的通道值r3=r2; b3=b2; g3=g2;else r3=r2/F;%否則，重新賦值 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);%將求得的R，G，B值賦給圖像I endendfigure;imshow(uint8(I);%輸出圖像 4.2基于圖像熵的灰度世界法 I=

8、imread('yumi1.jpg');%讀入原圖像imshow(I);%顯示原圖像m,n=size(I);n=n/3;R=0;G=0;B=0;I=double(I);%改為雙精度圖像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=gr

9、ey/b1; %求增益系數(shù) H1=0;H11=0;H2=0;H22=0;H3=0;H33=0;%賦初值0for k=0:255 sum1=0;%sum1賦初值0 for i=1:m for j=1:n if I(i,j,1)=k sum1=sum1+1;%值為k，則加1 end end end if sum1=0 P1(k+1)=1;%如果不存在像素為ki的點，給其概率賦值為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;%sum

10、2賦初值0 for i=1:m for j=1:n if I(i,j,2)=k sum2=sum2+1;%值為k，則加1 end end end if sum2=0 P2(k+1)=1;%如果不存在像素為ki的點，給其概率賦值為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賦初值0 for i=1:m for j=1:n if I(i,j,3)=k sum3=sum3+1;%值為k，則加1 end end end if

11、 sum3=0 P3(k+1)=1;%如果不存在像素為ki的點，給其概率賦值為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;%求改進(jìn)后的增益系數(shù)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; %求校正后的紅色通道 g2(i,j)=I(i,j,2)*kgrc;%求校正后的綠色通道 b2(i,j)=I(i,j,3)*kbrc;%求校

12、正后的藍(lán)色通道 endendfor i=1:m for j=1:n mval=0;%給mval賦初值 mval=max(mval,r2(i,j);%求出r中最大值賦給mval mval=max(mval,g2(i,j);%求出r中最大值賦給mval mval=max(mval,b2(i,j);%求出r中最大值賦給mval endend%求最大值(mval)F=mval/(m*n);%求facror(F) if F<1%如果F小于1，不改變校正后的通道值r3=r2; b3=b2; g3=g2;else r3=r2/F;%否則，重新賦值 g3=g2/F; b3=b3/F;endfor i=1

13、: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);%將求得的R，G，B值賦給圖像I endendfigure;imshow(uint8(I);%輸出圖像4.3基于圖像熵的灰度世界法后再次改進(jìn)程序： 在4.2求出改進(jìn)后增益系數(shù)之后，插入此程序，對改進(jìn)后增益系數(shù)重新賦值以達(dá)到調(diào)整圖像亮度的至適當(dāng)值：if krrc<1 krrc=（krrc+kgrc+kbrc）/3；else krrc=1;endif kgrc<1 kgrc=（krrc+kgrc+kbrc）/3；else kgrc=1;endif kbrc

14、<1 kbrc=（krrc+kgrc+kbrc）/3；else kbrc=1;end%再次調(diào)整增益系數(shù)的值，使圖像亮度適中 接4.2中求校正后的紅，綠，藍(lán)通道。五.圖像效果分析： 圖5-1為原圖像，圖5-2為應(yīng)用灰度世界算法后的圖像，圖5-3為應(yīng)用基于圖像熵的灰度世界法后的圖像，圖5-4是基于圖像熵的灰度世界法后改進(jìn)的圖像。(1) 可明顯看出圖5-2發(fā)藍(lán),圖像較暗，校正效果不好，說明這種方法用于此圖像不太理想，因此我們又利用改進(jìn)算法進(jìn)行校正，即基于圖像熵的灰度算法,得圖5-3。對比可看出基于圖像熵的灰度算法校正效果比灰度世界算法校正的效果還要差，因為此圖色調(diào)較單一，所以改進(jìn)后圖像像素灰度值減小，圖像變暗，沒有達(dá)到預(yù)期效果，仍需繼續(xù)改進(jìn)。所以有針對性的改變各顏色分量的增益系數(shù)，以改善圖像效果,得圖5-4。圖5-4讓改進(jìn)后的增益系數(shù)取三個增進(jìn)系數(shù)的平均值，圖像較亮，圖像效果較好。 圖-圖- 圖- 圖-6. 結(jié)論本文講述了三種處理數(shù)字圖像中圖像顏色校正的方法。包括灰度世界法，基于圖像熵的灰度世界法及基于圖像熵的灰度世界法的改進(jìn)方法。通過觀察實驗現(xiàn)象，明白改進(jìn)后的灰度世界算法適合應(yīng)用于色彩比較豐富的圖像，否則將會產(chǎn)生過校正現(xiàn)