数字图像课程设计图像颜色校正Word下载.doc

1、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fa

2、ctor1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

3、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/2551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Greg3.2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

4、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; %求增益系数kg=grey/

5、g1;kb=grey/b1; %求增益系数 for i=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）; endend%求最大值（mval）F=mval/（m*n）;%求facror（F） if F1%如果F小于1，不改变校正后的通道值r3=r2; b3=b2; g3=g2;else r3=

6、r2/F;%否则，重新赋值 g3=g2/F; b3=b3/F; for j=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Ifigure;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0for k=0:255 sum1=0;%sum1赋初值0 for i=1: for j=1: if I（i,j,1）=k sum1=sum1+1;%值为k，则加1 end end if sum1=

7、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 if I（i,j,2）=k sum2=sum2+1; if sum2=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 if I（i,j,3）=k sum3=sum3+1; if sum3=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,