数字图像课程设计图像颜色校正Word下载.doc
《数字图像课程设计图像颜色校正Word下载.doc》由会员分享，可在线阅读，更多相关《数字图像课程设计图像颜色校正Word下载.doc（12页珍藏版）》请在冰豆网上搜索。
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
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：
（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：
（3）求图像校正后R,G,B的最大值Mval,令factor=Mval/255,如果factor>
1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：
（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）求R,G,B三个通道的约束增益系数，公式如下：
（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。
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。
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/255>
1
输出图象
3.1灰度世界法
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
3.2基于图像熵的灰度世界法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RGB三个通道的约束增益系数
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:
m
forj=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
end
end
r1=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grey
kr=grey/r1;
%求增益系数
kg=grey/g1;
kb=grey/b1;
%求增益系数
fori=1:
r2（i,j）=I（i,j,1）*kr;
g2（i,j）=I（i,j,2）*kg;
b2（i,j）=I（i,j,3）*kb;
%求校正后的三个通道
end
mval=0;
%给mval赋初值
mval=max（mval,r2（i,j））;
%求出r中最大值赋给mval
mval=max（mval,g2（i,j））;
mval=max（mval,b2（i,j））;
end
end %求最大值（mval）
F=mval/（m*n）;
%求facror（F）
ifF<
1 %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;
forj=1:
I（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I
figure;
imshow（uint8（I））;
%输出图像
4.2基于图像熵的灰度世界法
I=imread（'
H1=0;
H11=0;
H2=0;
H22=0;
H3=0;
H33=0;
%赋初值0
fork=0:
255
sum1=0;
%sum1赋初值0
fori=1:
forj=1:
ifI（i,j,1）==k
sum1=sum1+1;
%值为k，则加1
end
end
ifsum1==0
P1（k+1）=1;
%如果不存在像素为ki的点，给其概率赋值为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
end
sum2=0;
%sum2赋初值0
ifI（i,j,2）==k
sum2=sum2+1;
ifsum2==0
P2（k+1）=1;
else
P2（k+1）=sum2/（m*n）;
H2=P2（k+1）*log2（P2（k+1））;
H22=H2+H22;
Hg=-H22/8;
end %求熵
sum3=0;
%sum3赋初值0
ifI（i,j,3）==k
sum3=sum3+1;
ifsum3==0
P3（k+1）=1;
else
P3（k+1）=sum3/（m*n）;
H3=P3（k+1）*log2（P3（k+1））;
H33=H3+H33;
Hb=-H33/8;
krrc=（kr-1）*Hr+1;
%求改进后的增益系数
kgrc=（kg-1）*Hg+1;
kbrc=（kb-1）*Hb+1;
r2（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,
升级会员 