图像颜色校正设计论文.doc
《图像颜色校正设计论文.doc》由会员分享，可在线阅读，更多相关《图像颜色校正设计论文.doc（10页珍藏版）》请在冰豆网上搜索。
河北农业大学
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0902班
姓名：
刘华平
学号：
2009234020214
2012年12月9日
1设计目标：
图像的颜色使图像的一种重要特征，但是由于物体在不同的光源下呈现不同的原色，往往在拍摄的时候会产生偏色现象，图像颜色校正就是为了消除偏色现象。
2设计原理：
2.1灰度世界算法
假定一幅带有足够多色彩变化的图像，则这幅场景的平面反射能消除偏色。
（1）计算图像R,G,B三个颜色通道的平均通道（,,）
N:
为图像的像素总数。
，，分别为校正前图像第i个像素的红、绿、蓝三个分量值。
令图像的平均灰度值。
（2）求R,G,B三个颜色通道的增益系数（）。
则对于图像中每个像素点C，其校正后的三个通道为（）
（3）将图像中各个像素的谁分量调整到可显示的范围【0，255】之内。
求出图像所有像素灰度值的最大值。
令
如果，则对图像中每个像素进行新的调整，由得到。
注：
“灰度世界算法”不适用于大块单一颜色的情况。
2.2基于标准差加权的灰度算法
将图像分为若干宏块，然后计算每一宏块的R、G、B三个通道的平均值和标准差
3设计程序流程图
3.1灰度世界算法
读取图像yumi1.jpg
显示原图像
计算图像大小m*n
计算图像R、G、B分量所有像素点的总和R1、G1、B1
计算R、G、B三个通道所有像素点的平均值R1、G1、B1
计算整幅图像的平均灰度值Greg=（R1+G1+B1）/3
计算三个通道的增益系数kr=Greg/R1
kg=Greg/G1kg=Greg/B1
将图像调整到0—255范围内，先求得三个通道最大值max，令factor=max /255；
如果factor>1，则图像进行调整，R2=R2/factorG2=G2/factorB2=B2/factor,否则R2、G2、B2保持不变
求校正后的三个通道R2、G2、B2
R2=R*kr，G2=G*kg，B2=B*kb
得到校正图像J
输出校正图像J
读取原图像yumi1.jpg
显示原图像yumi1.jpg
获取图像RGB分量
将图像分别对RGB分量进行分块
计算宏块数m=480/16
n=640/16
对每一宏块，计算RGB分量的平均值ra,ga,ba和标准差sr,sg,sb
计算每一宏块的RGB相关系数D
对于每一宏块，设置标识f，如果D大于等于1，则标识f为1，否则为0
计算标准差加权的RGB分量的平均值wr,wg,wb
求出整幅图像的RGB三个通道的增益系数kr,kg,kb
用增益系数进行校正，得到新的RGB分量r3=r*kr,
G3=g*kg,b3=b*kb
将图像调整到0—255范围内，先求得三个通道最大值max，令factor=max /255；
如果factor>1，则图像进行调整，r3=r3/factorg3=g3/factorb3=b3/factor,否则r3、g3、b3保持不变
得到校正后的图像J
橡树校正后图像J
4.设计程序及图像效果分析
4.1I=imread（'yumi1.jpg'）;%读取图像’yumi1.jpg’
imshow（I） %显示原图像I
I=double（I）; %将图像变为双精度型
[m,n]=size（I）;%计算图像I的大小
n=n/3; %图像列除以3
R1=0; %R1初始化
G1=0; %G1初始化
B1=0; %B1初始化
fori=1:
m
forj=1:
n %设置循环
R1=R1+I（i,j,1）;%计算图像R分量所有像素点的灰度值总和
G1=G1+I（i,j,2）;%计算图像G分量所有像素点的灰度值总和
B1=B1+I（i,j,3）;%计算图像B分量所有像素点的灰度值总和
end
end %循环结束
R1=R1/（m*n）; %计算R通道的平均值R1
G1=G1/（m*n）;%计算G通道的平均值G1
B1=B1/（m*n）;%计算B通道的平均值B1
Greg=（R1+G1+B1）/3;%计算整个图像的灰度平均值Greg
Kr=Greg/R1; %计算R通道的增益系数Kr
Kg=Greg/G1;%计算R通道的增益系数Kg
Kb=Greg/B1;%计算R通道的增益系数kb
fori=1:
m
forj=1:
n %设置循环体
R2（i,j）=I（i,j,1）*Kr;%对于图像中每个像素点，计算校正后R通道的值R2（i，j）
G2（i,j）=I（i,j,2）*Kg;%对于图像中每个像素点，计算校正后G通道的值G2（i，j）
B2（i,j）=I（i,j,3）*Kb;%对于图像中每个像素点，计算校正后B通道的值B2（i，j）
end
end %循环结束
fori=1:
m %设置循环体
forj=1:
n
MAX（i,j）=max（R2（i,j）,G2（i,j））;%对于每一个像素点，计算其R2,G2,B2分MAX（i,j）=max（MAX（i,j）,B2（i,j））; %量的最大值
end
end %循环结束
MAX1=max（max（MAX））; %计算图像中所有R2,G2,B2的最大值
Factor=MAX1/255; %令Factor=MAX1/255
ifFactor>1 %如果Factor>1
fori=1:
m %设置循环体
forj=1:
n
J（i,j,1）=R2（i,j）/Factor; %调整图像R2分量
J（i,j,2）=G2（i,j）/Factor; %调整图像G2分量
J（i,j,3）=B2（i,j）/Factor; %调整图像B2分量，得到校正图像J
end
end %循环结束
else %如果Factor<=1
fori=1:
m
forj=1:
n%设置循环体
J（i,j,1）=R2（i,j）; %R2分量保持不变
J（i,j,2）=G2（i,j）; %G2分量保持不变
J（i,j,3）=B2（i,j）; %B2分量保持不变，得到校正图像J
end
end
end %循环结束
J=uint8（J）; %对校正后图像取整
Figure
imshow（J） %显示校正后图像J
图像效果分析：
原图像改进后图像
对于灰度世界算法：
一副带有足够色彩变化的图像，利用平均反射可以抵消偏色，而对比利用灰度世界算法改进前后的这两幅图像可看出，虽然图像被校正了，但图像校正后的颜色偏蓝，校正效果不理想，这是由于增益系数小于1造成的结果
4.2基于标准差加权的灰度算法
I=imread（'yumi1.jpg'）;%读取原图像yumi1.jpg
imshow（I）%显示原图像yumi1.jpg
I=double（I）;%将图像I变为双精度型
m=480/16;%计算分块行数
n=640/16;%计算分块列数
fori=1:
480
forj=1:
640
r（i,j）=I（i,j,1）;%读取图像中的红色分量
g（i,j）=I（i,j,2）;%读取图像中的绿色分量
b（i,j）=I（i,j,3）;%读取图像中的蓝色分量
end
end
rf=mat2cell（r,ones（1,m）*16,ones（1,n）*16）;%对红色分量分块
gf=mat2cell（g,ones（1,m）*16,ones（1,n）*16）;%对绿色分量分块
bf=mat2cell（b,ones（1,m）*16,ones（1,n）*16）;%对蓝色分量分块
fori=1:
m
forj=1:
n
r1=rf{i,j};
g1=gf{i,j};
b1=bf{i,j};%将每一宏块的红、绿、蓝分量分别赋予r1,g1,b1
ra（i,j）=sum（r1（:
））; %计算每一宏块红色分量总和
ga（i,j）=sum（g1（:
））; %计算每一宏块绿色分量总和
ba（i,j）=sum（b1（:
））; %计算每一宏块蓝色分量总和
ra（i,j）=ra（i,j）/（16*16）; %每一宏块，红色分量平均值
ga（i,j）=ga（i,j）/（16*16）; %每一宏块，绿色分量平均值
ba（i,j）=ba（i,j）/（16*16）; %每一宏块，蓝色分量平均值
sr（i,j）=std（r1（:
））; %每一宏块，红色分量标准差
sg（i,j）=std（g1（:
））; %每一宏块，绿色分量标准差
sb（i,j）=std（b1（:
））; %每一宏块，蓝色分量标准差
end
end
fori=1:
m
forj=1:
n-1
d1（i,j）=abs（sr（i,j）-sr（i,j+1））+abs（sg（i,j）-sg（i,j+1））+abs（sb（i,j）-sb（i,j+1））;
升级会员 