实时对比度保持去色算法

摘要

脱色就是将彩色图像转换为灰度图像的过程。它是数字打印，程式化黑白摄影以及许多单通道图像和视频处理应用中的基本工具。虽然最近的研究侧重于尽可能保留有意义的视觉特征和色彩对比度，但转换速度问题的关注较少。因此，产生的去色方法通常比标准程序（例如matlab内置的rgb2gray函数）慢几个数量级，这在很大程度上阻碍了它们的实际应用。在本文中，我们提出了一种非常快速但有效的脱色方法，旨在最大限度地保留原始颜色对比度。该方法的有效性已通过新的定量度量以及与最先进方法的定性比较得到证实。

1 介绍

灰度是数字印刷和照片渲染中广泛使用的图形表达之一。许多单通道图像和视频处理应用需要进行颜色到灰度的转换。自然地，这种类型的转换是降维的任务，其不可避免地遭受信息损失。因此，总的目标是使用灰度级的有限范围来尽可能地保持原始颜色对比度。发现如果没有明确地捕获这个重要的外观特征，直观的方法，例如在CIELab / CIEYUV颜色空间中提取亮度通道[Hunter 1958]，将容易减少颜色输入中的显着结构。

通常，彩色图像灰度化算法可以在本地或全局执行。局部方法使得彩色图像中的像素不以相同的方式处理，并且通常依赖于局部色度边缘来进行增强。 Bala 和 Eschbach在亮度通道中添加了色度的高频分量，以增强色彩边缘。Neumann等人选择一致的颜色渐变并执行快速二重积分以获得最终的灰度图像。史密斯等人在通过全局映射获得灰度图像之后，还采用了局部锐化步骤。通过自适应加权多尺度反锐化掩模增强色度边缘。这些机制可能偶尔会扭曲恒定颜色区域的外观并产生晕圈伪影。

在全球制图中，Gooch等人强制像素对之间的颜色对比度。拉什等人直接在不同颜色对上定义约束。采用线性颜色映射进行加速。Kuk等人通过考虑全局和局部的对比扩展了Gooch等人的观点。Grundland和Dodgson提出了一种快速线性映射算法，该算法为亮度增加了固定的色度，通过抑制增加的色度，可以更好地保留原始亮度和颜色顺序。Kim等人提出了一种用于颜色到灰度映射的非线性参数模型。通过最小化旨在保持在CIELab颜色空间中计算的色差的成本函数来估计参数。最近的作品采用双峰能量函数来提高对比度保持约束的灵活性。这些工作主要集中在保留尽可能多的有意义的视觉特征和颜色对比，它们通常涉及复杂的优化步骤，这使得产生的脱色方法比标准程序（如matlab rgb2gray函数）慢几个数量级。因此，它在很大程度上阻碍了脱色算法在不同视觉和图形应用中的实际应用，特别是涉及视频处理时。

在本文中，我们解决了颜色到灰度转换中的对比度保留和速度问题。主要贡献包括简化的双峰目标函数，线性参数灰度模型，快速非迭代离散优化和采样基于P-收缩优化策略。我们表明这些策略使得优化具有简洁的操作，恒定的运行时间，与图像分辨率无关。我们的matlab实现只需30ms即可处理100万像素的彩色输入，与内置的mat-lab rgb2gray功能相当。我们还提出了基于感知的CCPR测量，以便定量评估和比较不同的脱色方法。

2 我们的方法

对比度保持脱色的成功主要源于双峰能量函数，放松了严格的颜色顺序约束。我们在本节中描述了基于弱颜色顺序约束的颜色对比度保持目标函数，以及有效的数值优化求解。

2.1双峰对比度保持

首先，我们重新审视以前用于对比度保持脱色的方法中使用的能量。通过最小化能量函数来估计分别由gx和gy表示的像素x和y的灰度输出图像。x和y索引有序像素对，属于像素池。delta;x，y是颜色对比度，根据CIELab颜色空间中的欧几里德距离而言，它通常表示颜色对比度，它代表了人类视觉系统中的颜色差异。这意味着两个像素x和y的灰度值的差异遵循具有平均值delta;x，y的高斯分布。每个像素对被相同对待。像素对池P中的像素对x和y的灰度差表示为：

g_x，y = g_x-g_y。高斯分布Nsigma;在delta;x，y处达到峰值。这意味着我们不仅可约束对比度，而且还能确定差异的符号。但是，当颜色顺序没有很好地定义时，符号没有明显的物理意义。因此，通常允许灰色像素的差异为 delta;x，y或-delta;x，y都是可行的，这产生了更灵活的对比度保持约束。我们通过鼓励自动颜色顺序选择的双峰分布来放宽原始颜色顺序约束。

由于高斯混合物的参与，所提出的能量函数是非凸的。虽然优化可能在计算上看起来很复杂，但简化的参数模型以及适当的能量守恒约束是非常有效的求解方式，同时不会牺牲对比度。

2.2线性参数模型

我们使用一度多元多项式模型表示灰度输出g，它实际上是颜色通道的线性组合，表示为

其中Ir，Ig，Ib 是输入的RGB通道。wr，wg，wb 是要优化的参数。我们进一步对权重实施正约束和能量守恒约束，使得灰度图像在[0,1]范围内。这两个约束可以写成

约束也有第二个目的：中性色在颜色到灰色转换后具有相同的强度。虽然定义的约束很简单，但它们可以有效地以离散的方式减少运算的空间。

2.3 离散搜索

直接最小化Eq。使用迭代优化仍然是非常耗时的。根据经验，我们发现稍微改变权重w_r，w_g，w_b 不会过多地改变灰度外观。我们建议将w_r，w_g，w_b的解空间离散化，在[0,1]的范围内，间隔为0.1。这仍然是一个大的搜索空间，因此我们结合约束w_r w_g w_b = 1，其中显着地将候选值集减少。问题归结为在66个候选者中找到一个最佳解决方案，这可以通过穷举搜索轻松计算出来。

2.4 P收缩

对方程的评价。计算所有像素对仍然是非常耗时的，特别是对于大尺寸图像。为了进一步加快脱色过程，我们对高分辨率进行了采样，缩小尺寸为64times;64。由于固有的颜色，这是有效的自然图像的冗余。此外，我们随机抽样调整大小的图像中的64像素对组成像素集。实验表明，P收缩方案可以保证高分辨率图像的实时性能没有明显地质量下降。

3 实验结果

我们在本节中将我们的方法与最先进的方法进行了定量和定性比较。我们的方法很好地保留了感知上重要的色差，使用Intel i3 3.10GHz CPU和4GB内存只需0.03秒。

3.1定性评估

我们将我们的方法与最先进的方法进行比较。我们在公开可用的彩色图像灰度化基准数据集上评估我们的算法，其中有许多领先方法的结果可用。我们的结果显示在输入图像中，符合我们的视觉感知。我们的方法产生的结果与其他颜色顺序不同。事实证明，在脱色过程中，对于具有相似亮度的相邻像素，色差幅度保持比保持符号重要得多。还要注意的是，我们的算法的运行时间小于30ms，并且对于具有不同分辨率的图像几乎是不变的。

3.2定量评估

为了在对比度保持方面定量评估脱色算法，我们提出了一个新的度量。基于以下发现：如果色差delta;小于阈值tau;，则在人类视觉中几乎不可见。因此，保持对比度的脱色的任务是保持人类可感知的颜色变化。我们定义了颜色对比度保持率，（CCPR）。其中Omega;是包含所有相邻像素对的集合，其原始色差delta;_x，yge; tau;。|Omega;|是Omega;中的像素对数。{（x，y）|（x，y）isin;Omega;， | gx - gy |ge;tau;}是Omega;中的像素对数，在脱色后仍然是独特的。基于CCPR，我们使用数据集中的24个图像定量评估不同的方法。我们通过将tau;从1变化到15来计算整个数据集的平均CCPR。其他方法的平均CCPR [Gooch等人，史密斯等人，Kim等人]也被收集。数据表明我们的方法可以令人满意地保持颜色独特性。

4结束语

我们已经提出了一种新的彩色图像灰度化的方法，可以很好地保持原始的颜色对比度。我们利用双峰颜色约束使得非常灵活和最佳的灰度得到表示，这是基于人类感知在某确定的颜色相对于亮度的排序方面具有有限能力的事实。因此，我们提出了高斯函数的混合，以增加优化中的搜索空间，而不是直观地定义灰度差的符号。为了实现实时性能，我们进一步设计了一种利用的离散搜索优化线性参数灰度模型以及基于采样的P收缩过程。该策略能够找到合适的灰度，实现最佳地保持显着的颜色变化。无论是定量和定性实验验证了所提方法的有效性。

Color2Gray：保持颜色的颜色去除

摘要

当彩色图像转换为灰度时，视觉上重要的图像特征通常会消失。这里介绍的算法通过尝试保留彩色图像的显着特征来减少这种损失。Color2Gray算法分为3个步骤：1）将RGB输入转换为感知CIE Lab 颜色空间；2）在邻域图像像素之间使用色度和亮度差异来创建灰度目标差异；3）解决根据源图像的色度变化选择性地调制灰度表示的优化问题。Color2Gray结果为观众提供了先前灰度图像创建方法中缺少的显著信息。

CR类别：I.4.3 [图像处理和计算机视觉]：增强 - 灰度操作 I.4.10 [图像处理和计算机视觉]：图像表示 - 多维

关键词：非真实感，图像处理，色彩还原，基于感知的渲染

1 介绍

如果数字图像仅被视为光学记录，则灰度图像仅需要使用平坦的光谱响应来记录光强度。当前颜色到灰度转换已经达到了这个目标。然而，作为观众，我们经常期待更加有效的结果：我们希望数字图像能够保持有意义的视觉体验，即使是灰度级也是如此。我们不太关心光强度的准确性，而更关心视觉线索的保存，这有助于我们检测最重要或最突出的场景特征。因此，黑白线条画有时比彩色照片更具表现力，并且花哨的卡通阴影渲染通常可以使诸如物体的形状，位置和反射的重要特征更加明显。

以灰度打印的彩色文档通常难以辨认。具有饱和色彩的纸张中的图形和图形看起来很好地印刷颜色，但是当以灰度打印时，“红线”可能看起来与“绿线”相同的灰色阴影。仅通过近似光谱均匀性构造的彩色图像的灰度映射通常是非常不合适的，因为仅通过色差来表示的等亮度视觉线索丢失。

视觉科学家假设人类视觉系统不会感知绝对值，而色度和亮度感知则基于相对评估，部分原因在于视觉处理早期阶段的细胞中心 - 环绕组织 。我们认为保留图像中邻近像素之间的关系比表示绝对像素值重要得多。我们的工作有助于计算机图形学的发展趋势，即使用基于变化的映射进行图像表示和操作。这项工作的技术贡献是基于人类视觉系统对变化的敏感性的灰度图像转换算法的颜色。另外，我们提供了一个新的有符号色度距离计算CIE Lab色度平面。 Color2Gray算法创建的图像可以保持彩色图像的显着性，将源图像中的色度和亮度变化映射到灰度图像中的变化。寻找描绘灰度色差的最合适方法也是本研究的核心。然而，我们声称，如果灰度图像与当前方法相比传达更有效的视觉体验，则所有可见的颜色变化都应引起可见的变化。

2 相关工作

以前将RGB图像转换为灰度的方法采用点积或加权和来将三维颜色空间映射到单个维度。其他方法采用 Adobe Photoshop 等 程 序 [Volk，布 朗 ，Adobe Photoshop ]，设计了自定义非线性投影，并要求用户通过反复试验设置与图像相关的参数。这些方法通过固定函数将颜色空间中的一组2D流形映射到一组1D点（亮度），并且在保持等亮度像素之间的色度差异方面无效。对比度增强技术增加了图像的动态范围。将彩色图像转换为灰度是降维问题。在我们的研究过程中，我们研究了线性和非线性降维技术，如主成分分析（PCA）和空间填充曲线。可以使用PCA来计算颜色空间中的椭球，该椭球是最适合由所有图像颜色值形成的点的最小二乘。然后可以将图像中的颜色值投影在由该椭圆体的主轴定义的亮度轴上。PCA的有效性取决于色彩空间;我们发现，主轴和副轴之间的比率越大，该技术就越有可能为不同颜色创建独特的灰度值。例如，颜色空间图CIE Lab图像在RGB空间中出现扭曲和拉伸，产生不同的主成分轴和不同的灰度映射。我们还研究了一种非线性降维技术，类似于Teschioni等人。[1997]，它在颜色空间中创建了聚类，并应用了空间填充曲线来构建3D颜色空间的一维参数化。空间填充曲线和PCA通常都会产生具有高动态范围的结果，因为充分填充2D平面或3D体积的任何1D路径的长度快速接近无穷大。

我们还试验了泊松求解器[Fattal et al。2002年]发现它们在日出图像等图像上运行良好，但在具有较大断开的等亮度区域的图像上却没有，因为泊松求解器计算了最近邻域的梯度，忽略了距离大于1的差异比较像素。灰色问题的颜色也类似于颜色量化[Heckbert，1982]和色域维度的压缩。Power等人创建了一组具有减少的墨水或颜色的图像。然而，颜色量化和色域压缩通常保持亮度对比度并且忽略了来自单色墨水/彩色图像的色度贡献。

Rasche等人的同期研究。[2005年a;2005b]关于颜色到灰度的问题保持了感知色差和感知亮度差之间的比例，并忽略了像素的空间排列。他们还提供了一个扩展，将三维颜色空间减少到二维表面，以呈现图像，因为它们看起来像缺乏颜色的观察者。我们的解决方案结合了亮度，色度和距离的变化，并提供三个简单的参数，使用户能够创建美学和感知显着的灰度图像。

3 算法

Color2Gray算法有三个步骤：首先，我们将彩色图像转换为感知上均匀的色彩空间，然后计算目标差异以组合亮度和色度差异，最后，我们使用最小二乘法优化来选择性地调制源亮度差异，以反映源图像色度的变化。我们将彩色图像中像素之间的色差表示为一组带符号的标量值，然后使用这些值构建图像的灰度化版本。对于每个像素i和相邻像

资料编号：[4780]