基于 Welsh 算法的灰度图像彩色化的研究
Walsh变换在彩色图像压缩编码中的应用
所 以本文采用 ｗａ ｌ ｓ ｈ变换矩 阵作 为操作 算子 。 为 了实现对彩 色图像 的高效 编码 ， 本 文应用 已有 的四维
矩阵 Ｗａ ｌ ｓ ｈ （ ４ Ｉ ） ＿ Ｍ＿ ｗａ ｌ ｓ ｈ ） ［ ５ ］ 压 缩编码 方法 ， 提 出 了对 尺寸是非 ２ 的整数次幂的数据进行 Ｗａ ｌ ｓ ｈ变换 的新方
） × （ ， 】 × 』 』 ）， 记为 Ｍｕ， 其 中 ， Ｊ为矢
量， Ｊ 一（ Ｊ － ， ｚ ， …， Ｊ ） ， Ｊ一 （ 。 ， Ｊ 。 ， …， Ｊ ） ， 则 称多 维矩 阵 Ｍ 为维 数 按照 矢 量 Ｉ ， ． 厂划分 的多 维矢 量 矩
收 稿 日期 ： ２ ０ １ ２ 一 ｎ 一２ ３ 基 金 项 目： 长春 工 程 学 院 青 年 基 金项 目（ ０ １ １ ２ ３ ２ ０ １ ０ ０ ０ ２ ４ ）
２ ５ ／ ３ ６
９１ — ９２
可 砸
Ｗａ ｌ ｓ ｈ变换在 彩色图像压缩编码中的应用
李 钰 ， 赵 铁 民。
（ １ ． 长春 工程 学 院电气 与信息 工程学 院 ， 长春 １ ３ ０ ０ １ ２ ； ２ ． 吉林 省 电力有 限公 司 四平 供 电公 司运 维检修 部 ， 吉林 四平 １ ３ ６ ０ ０ ０ ）
随着 信 息 科 学 的 飞速 发展 ， 当 前信 息科 学领 域 研 究 的热 点是数 字 图像 的传输 ， 多 媒 体技 术 以及 宽 带 综合 业务 数 字 网 。然 而 图像 的数 据 量 庞 大 ， 这 就 需 要对 其进 行 压缩 编 码 以适 应 存储 和传 输 的 要 求 。
法。 对彩色图像进行 了立 体分割 ， 分成 ８ ×８ ×３ 的块进
基于灰度编码和Hamming网络的彩色图像识别方法研究
基于灰度编码和Hamming网络的彩色图像识别方法研究作者：杨子涵来源：《电子技术与软件工程》2018年第15期摘要图像在人们的信息获取过程中发挥着重要的作用。
视觉感官系统是人们获取图像所反映的信息的重要载体。
近年来，对于计算机视觉、图像识别等方向的研究越来越受到各界学者的重视，相关的研究成果也层出不穷。
人们对图像内容的认知过程其实是人们对现有的知识经验进行应用的过程，相比之下，利用计算机进行图像识别则是一个相对更加复杂的问题，其核心问题在于两个方面，首先是对于图像中主体内容的识别与定位，其次是巨大的运算量需要更加合适的识别算法。
本文将主要对第二个问题进行讨论，对基于灰度编码的彩色图像识别方法进行了讨论。
基于灰度化编码的彩色图像识别方法可以有效降低图片信息量并且保留大部分有效图片信息，另一方Hamming网络可以加快图像识别速度。
【关键词】计算机视觉彩色图像识别灰度转化编码 Hamming网络随着计算机技术的发展，人们对于计算机的应用愈加广泛。
其中计算机视觉是近年来研究的重要热点之一，因为其具有广泛的应用场景，如图像识别、视频识别，以及VR建模等。
计算机视觉技术的核心是基于人体视觉感官系统的，视觉感官系统在人们的日常生活中发挥着重要的作用。
图像认知是人们获取信息的重要途径。
出于图像认知的需要，人们开始利用计算机技术模拟自身认识图像和理解图像的能力。
其中基于计算机视觉的彩色图像识别技术主要有两个步骤，首先是将彩色图像进行灰度转化，将冗余的色度信息正则化成单一的灰度信息，可以在保留大部分图片信息的基础上降低图片运算量;第二步是将图片主体信息进行识别和定位，识别问题往往是分类问题，分类算法的研究目标则是提高识别准确率并减少运算时间。
基于灰度化编码的彩色图像识别方法的研究工作的开展，可以为人工神经网络技术的发展提供一定的保障。
1 图像识别的简要概述1.1 主要组成图像是一种重要的信息来源，人类获取的信息大约75%来自视觉。
科技节学术科技作品-1118
序号：编码：“挑战杯”第十七届云南师范大学学生课外学术科技作品竞赛参赛作品作品名称：基于色彩传递的灰度图像彩色化算法的研究作品类别：自然科学类学术论文□ 哲学社会科学类社会调查报告和学术论文□ 发明制作基于色彩传递的灰度图像彩色化算法研究张涛黄小乔云南师范大学物理与电子信息学院昆明650092摘要：基于色彩传递的灰度图像的彩色化是将一幅彩色图像的颜色特征传递给另一幅灰度图像,使灰度目标图像具有与源彩色图像相似的颜色。
本文采用Welsh的将彩色参考图像上的颜色转移到被着色的灰度图像上的思想，在Lαβ颜色空间和YCbCr色彩空间，分别对七副不同的灰度图像进行了彩色化处理，并讨论了不同颜色空间对不同颜色比重的图像着色效果的影响。
关键词：源图像目标图像色彩传递Lαβ色空间YCbCr色空间中图分类号：TN911.73 文献标识码：A1 引言色彩在人类视觉中扮演着非常重要的角色，然而灰度图像很难反应物体真实的颜色信息。
彩色化是给黑白图像，电影或电视节目加上颜色的处理过程，给灰度图像加上颜色可以增加图像的视觉效果,例如对旧黑白照片、老电影以及科学图例等进行彩色化处理。
彩色化一幅灰度图的工作可描述为给一幅仅在一维(亮度)发生变化的图像赋上三维(RGB)像素值。
彩色化一般认为是由Wilson Markle在1970年发明的，最初用于处理阿波罗登月计划获取的月球影像。
20世纪80年代国外的一些黑白老电影经过彩色化处理被重新搬上了荧幕，从而面目一新。
尽管从艺术的角度来看人们对老电影的彩色化加工还存在一定争议，但时至今日，彩色化研究仍然是图像处理学界一个活跃的、有挑战性的课题，更多地应用于图像、视频编辑、医疗、军事和通信等领域。
这里所说的彩色化处理要求给黑白图像赋予自然的、接近于真实的色彩，严格地讲是一种伪彩色处理。
力求再现图像的本来面目，而不仅仅是为了使图像内容更加醒目。
伪彩色化是给灰度图加上颜色的一个通用技术，它将一个单一的全局的颜色向量赋给不同的灰度值。
灰度图像色彩增强技术研究
灰度图像色彩增强技术研究1.引言灰度图像是指由黑白两种颜色的像素组成的图像。
在实际应用中，灰度图像常常需要进行色彩增强，以提高图像的视觉效果和识别率。
本文将介绍当前常用的几种灰度图像色彩增强技术，包括灰度拉伸、直方图均衡化、自适应直方图均衡化和基于小波变换的增强技术。
2.灰度拉伸灰度拉伸是一种简单的色彩增强技术，它通过线性变换将灰度图像灰度级映射到更大的范围内，从而使图像的对比度得到增强。
灰度拉伸的公式如下：输出像素值=(输入像素值-min)/(max-min)*255其中，min和max分别为原始图像中的最小和最大像素值，255为拉伸后的像素值的最大值。
灰度拉伸适用于原始图像动态范围较小，对比度较弱的情况，能够简单快速地提高图像的对比度。
3.直方图均衡化直方图均衡化是一种常用的灰度图像色彩增强技术，它通过将像素灰度级重新映射到均匀分布的灰度级上，从而使图像对比度得到全局增强。
直方图均衡化的公式如下：输出像素值=CDF(input像素值)*255其中，CDF为累积分布函数，它表示输入像素值在原始图像中的占比。
直方图均衡化能够有效提高图像的对比度，但是会导致图像过度增强和噪声放大的问题。
4.自适应直方图均衡化为了解决直方图均衡化过度增强和噪声放大问题，研究人员提出了自适应直方图均衡化技术。
自适应直方图均衡化可以根据图像局部的灰度分布来进行灰度级映射，从而能够有效避免图像过度增强和噪声放大。
自适应直方图均衡化的算法流程如下：1)将图像分割为若干个小块；2)对每个小块进行直方图均衡化；3)将均衡化后的小块拼接成完整的图像。
自适应直方图均衡化能够有效提高图像的对比度，同时保持图像的细节信息，但是计算量较大，适合于离线处理或者实时处理要求不高的场景。
5.基于小波变换的增强技术基于小波变换的增强技术是最近几年提出的一种新型灰度图像色彩增强技术，它能够实现对图像的多尺度分析和增强。
基于小波变换的增强技术通常包括以下几个步骤：1)对原始图像进行小波变换，得到图像在不同频率下的分量；2)将分量线性映射到[0,255]范围内；3)将映射后的分量用逆小波变换合成图像。
基于Welsh算法的灰度图像彩色化的研究
基于Welsh 算法的灰度图像彩色化的研究杨亚南王磊孙田雨(燕山大学理学院信息与计算科学专业河北秦皇岛)摘要Welsh 算法在将灰度图像彩色化的过程中取得了较好的效果，是却存在着像素匹配过程中循环过多、速度过慢、彩色化后的图像存在噪声的问题。
分析 Welsh 算法的不足之处，采取在彩色图像中间隔取点的办法，减少循环次数。
同时针对彩色化后的图像中存在噪声的问题，使用指导性滤波对迁移后的图像进行优化，去掉噪声的干扰。
通过实验表明，经过指导性滤波处理的图像可以产生出更好的效果，使图像的效果更清晰和自然。
关键词 Welsh 算法彩色化间隔取点指导性滤波0 引言灰度图像的彩色化是将一幅彩色图像的颜色特征传递给一幅灰度图像，从而使灰度目标图像具有与源彩色图像相似的颜色。
Ｒuderman 等［1］在1998年提出了ιαβ颜色空间。
其中ι表示非彩色的亮度通道，α表示彩色的黄蓝( yellow- blue oppo-nent)通道，β表示红绿( red- green opponent)通道。
与其他颜色体系不同，ιαβ空间更适合人类视觉感知系统。
对自然场景，通道间的相关性会降到最小，解决了传统ＲGB 颜色空间中Ｒ(红)、G(绿)、B(蓝)三个颜色通道相关性太强［2，3］，在不同通道进行运算时容易出现通道交叉的问题。
ιαβ颜色空间更适合对颜色信息进行迁移。
在2001年，Ｒeinhard［4］在ιαβ颜色空间的基础上，提出了彩色和彩色图像之间的迁移算法，取得了较好的效果，但是该算法不适合灰度图像之间的迁移。
Ｒeinhard的算法在灰度图像彩色化的过程中会使结果图颜色失真，造成不真实的感觉。
在2002年的时候，Welsh［5］等人提出了将灰度图像彩色化的算法，取得了较好的效果。
1 Welsh 算法目前在灰度图像彩色化的过程中主要采用的是 Welsh 算法， Welsh 算法的具体过程如下:(a) 将彩色参考图像和目标灰度图像都变换到抗相关性的ιαβ空间;(b) 对彩色参考图像进行亮度的重映射。
基于融合和色彩传递的灰度图像彩色化技术
ｔａ ｓｅ ． ｉ ｔ ， ｈ ｗ—ｉ ｈ ａ ｅ ａ ｄ ｉ ｆａ ｅ ｇ ｓ ｕ ｅ ｙ ｕ ｉ ｇ ｉ ｇ ｓｏ ｃ ｎ ｌ ｇ ； ｎ ｅ ｒ ｎ ｆ ｒ Ｆ ｒ ｌ ｔ ｅ ｌ ｌ ｔ ｍ ｇ ｎ ｒ ｒ ｄ ｉ ｓｙ ｏ ｇ ｉ ｎ ｍａ ｅｗａ ｓ ｄ ｂ ｓｎ ｆ ｍａ ｅｆ ｉ ｎ ｔ ｈ ｏ ｏ ｙ ａ ｄ ｔ ｕ ｅ ｈ
０ 引言
目前 ，由红外探 测器和 微光 夜视 仪输 出 的图像大
的 关 注 ， 主 要 的 色 彩 传 递 算 法 有 两 种 ， 一 种 是 Ｒｅ ｈ ｒＴ提 出的色 彩传 递 算法 ，该算 法 属 于全 局 的 ｉ ａＭ ｎ ｄ 线性传 递算 法 ，主 要应用 于两 幅彩色 图像 问进行 色彩 传递 ，使 得 目标 图像拥 有 参考 图像 的色彩 分布 ，该算 法 的基本 思想 是把 两幅 图像 转换 到去 相关 的 ， ４ Ｊ 空 间，分 布计算 各个 通道 中 的一 阶统 计分量 （ 均值 ）和 二 阶统 计分 量 （ 标准 差 ） ，利用 参考 图像 的统计 信 息 对 目标 图像 进行 调整 ，使 目标 图像 统计信 息分 布 同参 考 图像一 致 ，从而 达到色 彩传 递 的 目的。该 算法在 参 考 图像 与 目标 图像 具有 相 同场 景 的 情况 下能 够 取 得 良好 的 效果 ， 当参考 图像 与 目标 图 像场 景 差 别 较 大 时，色彩 传递 的效 果就 难 以控制 。另一种 是 Ｗｅｓ［ ｌ ５ ｈｌ 提 出的给 灰度 图像 上色算 法 ，该 算法 同样把 图像转 换
Ｇ ｒ ｙ Ｉ ａ ｅＣｏｏ ｉ ａ ｉ ｎ Ｂａ ｅ ｎ Ｆｕｓｏ ｎｄ Ｃｏｏ ａ ｆ ｒ ａ ｍ ｇ ｌ ｒｚ ｔｏ ｓ ｄ ｏ ｉ ｎ ａ ｌ ｒＴｒ ｎｓｅ
灰度影像彩色化处理.
本文色彩传递算法
本文色彩传递算法：
通常在使用色彩传递理论对灰度图像进行彩色化处理 的过程中，都是使用一张彩色的源图像，以全局方式或者 是点对点的方式将这张源图像的色彩信息传递给目标灰度 图像，源图像和目标图像的像素匹配依赖于像素亮度及亮 度纹理组合得到的权值，然后在匹配的象素点之间进行彩 色信息的直接传递。这样就需要源图像和目标图像构成要 比较相近，而两张图像画面不能过于复杂。 由于一张彩色源图像，色彩信息有限，而且纹理构成 和亮度特征相对单一，通常较复杂的黑白图像不易找到一 张能很好与其匹配的彩色图像，所以本文考虑利用两张或 两张以上的彩色图像作为源图像，利用多张彩色图像中的 彩色信息、纹理构成和亮度特征更好的与目标灰度图像进 行匹配，从而实现颜色更精确的传递。
Thanks
本文色彩传递算法
本文色彩传递算法流程：
主景源 图像
RGB空间 转换到 lαβ空间 亮度调整 像素点采 样 像素匹配 色彩信息 传递
背景源 图像
目标图像
RGB空间 转换到 lαβ空间
RGB空间 转换到 lαβ空间
输出图像
本文色彩传递算法
色彩算法实现结果： （1）Welsh算法的实现：
目标灰度图像
色彩传递
对照组
本文色彩传递算法
对比结果：
从运行结果可以看出单幅彩色图像作为源图像对灰度图像进行 彩色传递，虽然也能够将丰富的彩色信息进行传递，但是由于单幅彩 色图像色彩信息有限，图像纹理结构和亮度特征比较单一，在色彩进 行传递的时候，某些地方容易造成色彩的过度不自然或者说是色彩的 失真，而且色彩单一，影响色彩传递的最终效果。 通过两张作为源图像作为源图像对灰度图像进行彩色传递能很好 的加强了色彩的信息量，丰富了纹理结构和亮度特征，使图像间的色 彩传递能够得到更加精确传递，图像的色彩也更加丰富。
一种高效的灰度图像真彩化方案
Ｅｆ ｃ ｅ ｔｃ ｌ ｒｚ ｔｏ ｃ ｅ ｅ ｆ ｒ ｇ ａ ｓ ａ ｅ ｉ ａ ｅ ｉ ｆ ｉ ｎ ｏ ｏ ｉ ａ ｉ ｎ ｓ ｈ ｍ ｏ ｒ ｙ ｃ ｌ ｍ ｇ
ＷＡ Ｇ Ｗｅ －ｎ Ｄ Ｎ ａ ， Ｕ Ｐｎ ， Ｈ Ｏ Ｓ ｕｇｏ ＪＡ Ｓ ｉ ｕ Ｎ ｎｊ ， Ｉ Ｇ Ｈ ｏ Ｌ ｉｇ Ｚ Ａ ｈ －ｕ ， ｈ— ｉ ｉ Ｉ ｋ
第４ ２卷 第 ２期
２１ ０ ２Ｓ ＥＲ ＆ Ｉ ＮＦＲＡＲＥＤ
Ｖｏ ． ２， ． １４ Ｎｏ ２
Ｆｂｕｒ ２ １ ｅ ｒ ａｙ， ０ ２
文 章 编 号 ：０ １ ０ ８ ２ １ ） ２０ ０ －４ １０ — ７ （ ０２ ０ － ５０ ５ ２
・
ｎ ｎｓ ｉ ｃｕ ｉ ｇ ＹＵ ｔａ ｓｏｍａｉ ｎ，ａ ｌ ｅ ｕ ｎ ｅ ｒ ｄ ｎ ａ ｃ ｅ ｖ ｌａ ｄ ｓ ａ ｅ ｒ ｌｔ ｉ ａ ｅ ｉｅ ｔｈ ｎ ． ｅ ｔ ｎ ｌｄ ｎ Ｖ—ｒ ｎ ｆ ｒ ｔ ｏ ｓ ｍｐ ｅ ｓ ｑ ｅ ｃ ｅ ｕ ｄ ｎ ｙ ｒ ｍｏ ａ ｎ ｐ ｃ ｅａｉ ｔ ｂ ｓ ｄ ｐｘ ｌｍａｃ ｉ ｇ ｖｙ
Ｔｈｅ ｌｗ－ｏｍｐ ｅ ｉｙ ＹＵＶ～ｒ ｎｓｏｍ ａｉｎ ｅ ｈ ｑｕ ａ ｆｅ ｔ ｅ ｙｒ ｍ ｏ ｅ ｔ ｅ ｃ ｒｅ ａｉ ｘｓｉ ｎ ＲＧＢ ｏｏ ｐ ｃ ， ｏ ｃ ｌｘ ｔ ｔａ ｆ ｒ ｔｏ ｔｃ ｎｉ ｅ ｃ ｎ ｅｆ ｃｉ ｌ ｅ ｖ ｈ ｏｒ ｌ ｔ ｖ ｏｎ ｅ ｉｔｎｇｉ ｃ ｌｒｓ ａ ｅ
图像 与信 号处理 ・
一
种 高效 的灰 度 图像 真 彩 化 方 案
王文 锦 ， 丁 浩 ， 陆 平 ， 书 国 ， 赵 贾世奎
（ 中国船舶重工集 团公 司第七 一八研究所 ， 河北 邯郸 ０ ６０ ） ５ ００
基于灰度编码和Hamming网络的彩色图像识别方法研究
52 •电子技术与软件工程 Electronic Technology & Software Engineering图像与多媒体技术• Image & Multimedia Technology【关键词】计算机视觉 彩色图像识别 灰度转化编码 Hamming 网络随着计算机技术的发展，人们对于计算机的应用愈加广泛。
其中计算机视觉是近年来研究的重要热点之一，因为其具有广泛的应用场景，如图像识别、视频识别，以及VR 建模等。
计算机视觉技术的核心是基于人体视觉感官系统的，视觉感官系统在人们的日常生活中发挥着重要的作用。
图像认知是人们获取信息的重要途径。
出于图像认知的需要，人们开始利用计算机技术模拟自身认识图像和理解图像的能力。
其中基于计算机视觉的彩色图像识别技术主要有两个步骤，首先是将彩色图像进行灰度转化，将冗余的色度信息正则化成单一的灰度信息，可以在保留大部分图片信息的基础上降低图片运算量；第二步是将图片主体信息进行识别和定位，识别问题往往是分类问题，分类算法的研究目标则是提高识别准确率并减少运算时间。
基于灰度化编码的彩色图像识别方法的研究工作的开展，可以为人工神经网络技术的发展提供一定的保障。
1 图像识别的简要概述1.1 主要组成基于灰度编码和Hamming 网络的彩色图像识别方法研究文/杨子涵图像是一种重要的信息来源，人类获取的信息大约75%来自视觉。
图像识别技术是指借助计算机技术将待识别对象分配至各自的模式类别之中。
图像识别技术应用场景广泛，除了对彩色图片中内容进行识别和分类外，图像识别还可以应用到文字识别之中。
文字识别主要指的是对数字与符号的识别，如印刷体文字识别与手写体文字识别。
另一方面，图像识别技术可以应用于图片的时序序列，即视频识别，对关键帧的定位现在成为了重要的计算机视觉研究方向之一。
图像往往可以带给人们一种语言文字难以达到的直观感觉。
一般情况下，图像可以分为直观视觉图像和间接转换图像两种类型，现实生活中常见的图片和文字可以纳入到直观视觉图像范畴之中，语言、声音等内容可以纳入到间接转换图像之中。
基于主色检测与灰度传播的彩色图像灰度化方法
基于主色检测与灰度传播的彩色图像灰度化方法一、引言本章介绍研究的背景、研究目的和意义、国内外研究现状以及文章的结构安排。
二、相关概念与技术本章介绍图像灰度化方法的基本概念和原理。
包括彩色图像的颜色模型、主色检测的概念、基于灰度传播的图像灰度化方法的原理。
三、基于主色检测的图像灰度化方法本章详细介绍基于主色检测的图像灰度化方法，该方法利用颜色的主要信息对图像进行分割，并通过颜色空间转换和降维处理来完成灰度化。
具体包括主要流程、算法实现及其优化。
四、基于灰度传播的图像灰度化方法本章详细介绍基于灰度传播的图像灰度化方法，该方法利用灰度值的传播规律，通过图像区域间的灰度平衡来实现图像的灰度化。
具体包括主要流程、算法实现及其优化。
五、实验与分析本章主要对本文提出的两种图像灰度化方法进行实验和分析，并与传统方法进行比较。
主要包括实验数据来源、实验结果分析及其优缺点的讨论。
六、结论和展望本章总结全文的研究工作，进一步总结提出的两种基于主色检测与灰度传播的彩色图像灰度化方法的优缺点及应用前景，并给出进一步研究方向的展望。
第一章：引言随着数字图像处理技术的不断发展，图像灰度化处理成为一个关键问题。
在实际应用中，图像的彩色信息常常难以被处理器识别，同时也增加了实时处理的难度。
图像灰度化处理是将彩色图像转换成黑白图像，并简化其色彩信息的过程。
彩色图像处理中，图像的色彩属性往往是决定其质量的重要因素。
但有些场景在色彩的表达上并不是那么重要，甚至造成了不必要的负担。
例如，当图像中只有亮度信息必须捕捉时，移除不必要的色彩信息是提高效率和减少存储需求的合理方法。
因此，如何用最小的计算代价并尽可能地保留图像的重要信息成为了一个热门的研究领域。
基于这样的背景，本文提出了一个基于主色检测与灰度传播的彩色图像灰度化方法。
该方法可在保留图像主要信息的同时，对图像进行灰度化处理，缩减图像的特征营造更好的易读性。
主色检测（MC）是指在图像中获取颜色中引人注目的部分或者是图像具有明显主色调的部分。
灰度图像色彩还原算法及应用研究
灰度图像色彩还原算法及应用研究灰度图像是指将原彩色图像通过一定的算法处理后，得到一张仅有灰度值的图像。
对于灰度图像而言，它仅记录了从白到黑的灰度值范围，丢失了颜色信息，给我们带来了一定的不便。
本文将为您介绍灰度图像的色彩还原算法及其应用研究。
一、灰度图像的色彩还原算法1. RGB扩展法RGB扩展法是指通过增加RGB三原色的量，来达到还原灰度图像的色彩效果。
对于该方法而言，最重要的是对每个像素点的RGB值进行扩展。
RGB扩展法的思路简单直接，但却存在一些问题。
首先，它很难处理大规模的图像，会导致噪点的出现。
其次，处理不当会使图像的色彩出现偏差，难以再次还原成原本的彩色图像。
2. 色彩拟合法色彩拟合法是指根据灰度图像的灰度级别，在原图像中拟合出相应的颜色值。
该方法的核心是采用多项式拟合来估计每个像素的颜色值。
与RGB扩展法相比，色彩拟合法具有更高的色彩精度和更稳定的处理结果。
但该方法需要大量的存储和计算资源，仍需要进一步研究和改进。
3. 像素匹配法像素匹配法是指通过现有的样本数据，对灰度图像进行色彩还原。
该方法在实际应用中具有广泛的应用，特别是在计算机视觉方面有着不可替代的作用。
需要注意的是，像素匹配法对样本数据的数量和质量要求相对较高，否则会影响图像的还原效果。
二、灰度图像的色彩还原应用研究1. 图像复原图像复原是指对损坏或失去重要部分的图像进行修复。
尤其在数字图像处理领域中，常常需要对灰度图像进行复原。
如何对损坏的灰度图像进行色彩还原，是数字图像处理领域内的一个重要课题。
通过运用灰度图像的色彩还原算法，可以在一定程度上保留原有图像的色彩信息，进而提高图像复原的质量。
2. 图像分割图像分割是指将图像分为若干个部分或对象。
在图像处理中，图像分割技术是十分重要的。
通过灰度图像的色彩还原算法，可以对分割后的灰度图像进行进一步处理，提高图像分割的准确率和精度。
尤其在医学影像处理领域，灰度图像的色彩还原算法已经被广泛应用。
彩色图像灰度化及其效果的客观评价方法研究
彩色图像灰度化及其效果的客观评价方法研究作者：***来源：《流行色》2021年第12期摘要：为了节省印花税，许多教科书、报纸和大部分报纸都倾向于生产廉价的、有强烈反差的图片;通过对黑白摄影的探索而形成的艺术审美，首先是对色彩的精确的表现;另外，现在已被大量采用的模式识别、图像处理等技术，在进行图像预处理时，往往会很快地选取较小的图像进行图像处理，因此，在图像检索中，图像检索有着很大的实用价值。
随着不同的灰色评估手段的应用，其评估的理论也越来越多。
然而，在我国，人们广泛使用的主要是主观的评估。
主观型评价与人类的主体性认知相一致，但是评价过程耗时、复杂，不能和其他的评价方法相融合因此，对彩色图像灰度化效果进行客观评估是非常有必要的。
目的在于获得与主观性评估相符的客观评估。
关键词：彩色图像;灰度化;客观评价方法Abstract： in order to save printing costs， many textbooks， published newspapers and most newspapers like to produce cheap and contrasting images; The artistic aesthetics produced by the pursuit of black-and-white photography begins with the gray image that accurately reflects the color image; In addition， pattern recognition and image processing， which are widely used at present，will quickly select the gray image with a small amountof data to display the color image in the preprocessing process， which is why the color image search is of great significance and application value. Through the application of various grey evaluation methods， the evaluation research of grey effect is gradually in-depth. However， at present， most of the commonly used subjective evaluation methods are subjective evaluation methods. The subjective evaluation method corresponds to people's subjective perception， but the evaluation process is time-consuming and complex， and can not be combined with other algorithms. Therefore， the objective evaluation method of grey step effect has important research significance. The purpose is to obtain an objective evaluation consistent with the subjective evaluation results.Keywords： color image; Grayscale; Objective evaluation method引言：成千上萬种不同的色彩可以区别人类的眼睛，使得色彩影像渐渐成了主要的影像形态。
山东科技大学硕士学位论文基于颜色...
College of Information and Electrical Engineering
May 2008
ห้องสมุดไป่ตู้ 声明
本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所 公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交 于其它任何学术机关作鉴定。
论文题目：
褪色图像的色彩修复技术研究
作者姓名：程 景
入学时间：2005 年 9 月
专业名称：信号与信息处理 研究方向：图像处理与传输
指导教师：曹茂永
职 称： 教 授
论文提交日期：2008 年 5 月 论文答辩日期：2008 年 6 月 11 日 授予学位日期：
RESEARCH ON COLOR RESTORATION FOR FADED IMAGES
Key words: Restoration,Target Color,Color Transfer,Color Balance
山东科技大学硕士学位论文
目录
目录
1 绪论..................................................... 1
1.1 研究目的及意义....................................................... 1 1.2 国内外研究现状....................................................... 2 1.3 本文的主要工作与内容安排............................................. 4
近红外图像增强与彩色化算法
文章编号：2095－6835（2018）02－0024－04近红外图像增强与彩色化算法＊史珂，郑鑫毅，汤春明，魏鑫，张新新，杜月新，乐娟（天津工业大学电子与信息工程学院，天津300387）摘要：提出了一种新的近红外图像增强与彩色化算法，先将近红外图像取反，然后用MSRCR算法处理取反后的RGB三个通道的图像，将处理后的RGB三通道灰度值分别拉伸合并成一幅新的图像，取反后用改进的导向滤波实现图像增强，用改进的BOF算法检索用于给近红外图像上色的彩色参考图像，接着采用Welsh算法对增强后的近红外图像分区域上色，再通过纹理匹配选取相似像素点，实现近红外图像的彩色化。
实验结果表明，这种算法增强后的图像细节清晰，色彩传递效果好，且算法运行速度比较快。
关键词：近红外图像增强；彩色化；MSRCR算法；检索彩色参考图像中图分类号：TP391.1文献标识码：A DOI：10.15913/ki.kjycx.2018.02.024很多重要的夜视或低照度场景，比如军事基地、安全中心和交通要塞等，主要利用红外图像实现全面监控。
红外图像反映了目标场景的热辐射信息，它主要是由目标场景的辐射率差和温差决定的。
红外图像具有对场景亮度变化不敏感，以及对于目标具有良好的探测性等优点，所以被广泛应用。
但是，研究发现，红外图像丢失了原有可见光图像的一些细节边缘和纹理等特征。
于是，Stan．Z提出了近红外（NIR）图像成像系统，NIR即波长范围为0.7～1.1μm的光，它既具有红外成像的一些优点，又能保持一定的细节特征。
然而，近红外图像依然存在对周围环境温度变化比较敏感、对玻璃的非穿透性等缺点，且由于实际获取图像时会受到外部环境，比如光照不足、光照不均、雾霾雨水等恶劣天气的影响，严重影响了图像的视觉质量，因此，我们需要对获取的近红外图像进行增强和彩色化，以便获得更好的视觉效果。
目前存在的近红外图像增强算法主要有基于直方图均衡、自适应的直方图增强算法和Retinex理论[1-5]等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于 Welsh 算法的灰度图像彩色化的研究杨亚南 王磊 孙田雨(燕山大学理学院信息与计算科学专业 河北 秦皇岛)摘要: Welsh 算法在将灰度图像彩色化的过程中取得了较好的效果，但是却存在着像素匹配过程中循环过多、速度过慢、彩色化后的图像存在噪声的问题。
分析 Welsh 算法的不足之处，采取在彩色图像中间隔取点的办法，减少循环次数。
同时针对彩色化后的图像中存在噪声的问题，使用指导性滤波对迁移后的图像进行优化，去掉噪声的干扰。
通过实验表明，经过指导性滤波处理的图像可以产生出更好的效果， 使图像的效果更清晰和自然。
关键词: Welsh 算法 彩色化 间隔取点 指导性滤波0 引 言灰度图像的彩色化是将一幅彩色图像的颜色特征传递给一幅灰度图像，从而使灰度目标图像具有与源彩色图像相似的颜色。
Ruderman 等[1]在1998年提出了 ιαβ颜色空间。
其中ι表示非彩色的亮度通道， α表示彩色的黄蓝( yellow- blue oppo-nent)通道，β表示红绿( red- green opponent)通道。
与其他颜色体系不同，ιαβ空间更适合人类视觉感知系统。
对自然场景，通道间的相关性会降到最小，解决了传统RGB 颜色空间中R(红)、G(绿)、B(蓝)三个颜色通道相关性太强［2，3］，在不同通道进行运算时容易出现通道交叉的问题。
ιαβ颜色空间更适合对颜色信息进行迁移。
在2001年，Reinhard ［4］在ιαβ颜色空间的基础上，提出了彩色和彩色图像之间的迁移算法，取得了较好的效果， 但是该算法不适合灰度图像之间的迁移。
Reinhard 的算法在灰度图像彩色化的过程中会使结果图颜色失真， 造成不真实的感觉。
在2002年的时候，Welsh ［5］ 等人提出了将灰度图像彩色化的算法，取得了较好的效果。
1 Welsh 算法目前在灰度图像彩色化的过程中主要采用的是 Welsh 算法， Welsh 算法的具体过程如下:(a) 将彩色参考图像和目标灰度图像都变换到抗相关性的ιαβ空间; (b) 对彩色参考图像进行亮度的重映射。
因为为了将彩色参考图像的色彩传输给目标图像， 目标图像的每个像素必须在彩色参考图像中找一个像素来匹配，考虑到彩色参考图像和目标图像亮度的整体差异，必须对彩色参考图像进行亮度的重映射，使它的直方图与目标灰度图像的亮度直方图相匹配;(c)计算彩色参考图像的每一个点的亮度值和 5 × 5 领域内的方差值; (d) 对于灰度图像的每个像素，计算该像素i T P 的亮度值▽L 和5×5领域内的方差值▽D ，并与彩色参考图像的特征点相比较，找到与T P 的 0.5×▽L+0.5 ×▽D 最相近的一点(假设为Sj P )，则Sj P 就是与灰度图像的当前点Ti p 匹配的点;(e) 将彩色参考图像Sj p 的αβ值传输给目标灰度图像的Ti P 点，同时保留Ti P 点ι通道的亮度值;(f) 逐点扫描目标灰度图像，对每个像素都采用(d)、(e)步骤，找到与其匹配的彩色图像中的点， 并传输颜色。
2 对Welsh 算法的改进由于 Welsh 算法的主要问题就是在彩色图像中搜索与灰度图像最匹配的 αβ 空间的像素值。
例如彩色图像的大小是 100×100， 灰度图像的大小是 100 ×100， 那么找到与这张灰度图像最匹配的 αβ 空间的值需要循环810。
目前的改进主要是提高 Welsh 算法的搜索速度， 主要是以下两个方面。
第一:在文献[8]中，将图像像素邻域相关特性引入到匹配像素的搜索过程中。
搜索匹配像素时，先在当前像素的邻域范围内进行搜索，只在邻域搜索失效时才进行全图范围的搜索，由于像素邻域相关特性大部分像素可以在邻域搜索中找到匹配像素，只有极少像素需要进行全图搜索，从而较大地降低了搜索代价。
但是由于图像是连续的，对于一张图像的边缘处，这样的方法并不合适。
第二:在文献[9]中，在彩色图像中随机抽取200个像素点，对于灰度图像中的每一个像素点都在这200个随机抽取的像素点中寻找最匹配的像素值。
这样虽然可以大幅度提高搜索的速度，但是由于是随机取点，造成了彩色图像的像素值不一定与灰度图像最适合， 造成了颜色迁移的失真。
同时对于一副很大的图片，只抽取200个点并不能保证涵盖所有的彩色像素的值。
本文是在彩色图像的每行每列中，每隔十个像素点抽取一个，这样能最大限度的保证抽取出来的彩色图像的点能够包含整个图像，最大限度地减少了迁移过程中的颜色的失真，特别是对边界处有很好的效果，同时减少了匹配过程中的循环次数。
例如上面提到的彩色图像的大小是100×100，灰度图像的大小是 100×100，通过相隔10个像素点取值的搜索策略，完成整个循环匹配只需要106，使得运行速度比Welsh 的循环次数减少100倍。
程序代码： gray2rgb.m 文件%% RGB 转换为Lab 空间并进行彩色迁移 clc;clear;A=imread('207.jpg'); %取样图 [m n l]=size(A);[L,a,b]=RGB2Lab(A); %空间转换 AA(:,:,1)=L; AA(:,:,2)=a; AA(:,:,3)=b; ls=0;k=0;%计数器kk=0;%控制每隔10取值 for i=3:m-2;for j=3:n-2;if(mod(kk,10)==0)k=k+1;ls(1,k)=L(i,j); %亮度sizeA=numel(AA(i-2:i+2,j-2:j+2,:));ls(2,k)=std(reshape(AA(i-2:i+2,j-2:j+2,:),1,sizeA));%方差ls(3,k)=i;ls(4,k)=j;endkk=kk+1;endenddisplay('彩色图取样完毕');size(ls)B=imread('207_副本.jpg');figure;imshow(B);title('原图');[m n l]=size(B);[L,a,b]=RGB2Lab(B);BB(:,:,1)=L;BB(:,:,2)=a;BB(:,:,3)=b;k=1;display('开始计算灰色图像');for i=1:m;for j=1:n;ls2(1,k)=L(i,j);ibegin=i-2;iend=i+2;jbegin=j-2;jend=j+2;if(i<=2)ibegin=1;elseibegin=i-2;endif(i>=m-2)iend=m;elseiend=m-2;endif(j<=2)jbegin=1;elsejbegin=j-2;endif(j>=n-2)jend=n;elsejend=n-2;endsizeB=numel(BB(ibegin:iend,jbegin:jend,:));ls2(2,k)=std(reshape(BB(ibegin:iend,jbegin:jend,:),1,sizeB));%计算方差ls2(3,k)=i;ls2(4,k)=j;k=k+1;endenddisplay('开始对比');sumLs=(ls(1,:)*0.5)+ls(2,:)*1; %计算公式亮度+方差sumLs2=(ls2(1,:)*0.5)+ls2(2,:)*1; %灰色图的所有像素点for i=1:length(sumLs2)tmp=abs(sumLs-sumLs2(i)); %求绝对值index=find(tmp==min(tmp)); %取最接近的索引% BB(ls2(3,i),ls2(4,i),1)= AA(ls(3,index),ls(4,index),1); % 亮度不变BB(ls2(3,i),ls2(4,i),2)= AA(ls(3,index),ls(4,index),2); % a赋值BB(ls2(3,i),ls2(4,i),3)= AA(ls(3,index),ls(4,index),3); % b赋值end[r,g,b]=Lab2RGB(BB);figure;clear B;B(:,:,1)=r;B(:,:,2)=g;B(:,:,3)=b;imshow(B);title('上色图');imwrite(B,'aa.jpg');figure;imshow(A);title('彩色图');3 指导性滤波使用 Welsh 算法进行灰度图像彩色化之后，图像上存在着噪声。
文献[6]中使用了双边滤波(Bilateral filter)对图像进行了优化。
双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，达到保边去噪的目的，具有简单、非迭代的特点。
但是双边滤波器对于高频细节的处理效果并不明显，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只对于低频信息有较好的滤波效果。
本文采用的是指导性滤波(Guiding filter) [7]对经过 Welsh算法处理后的迁移结果图像进行处理。
同时为了提高指导性滤波的处理速度，使用盒子滤波。
与双边滤波相比，指导性滤波可以更好地保留图像中的梯度，对图像的边缘有着更好的效果。
而且指导性滤波的时间复杂度是 O(N)， 由窗口半径 r 决定。
指导性滤波的定义由式(1)、 式(2)和式(4)表示。
⎪⎪⎭⎫⎝⎛+-∑=∈εσμ21k k k i i w i k P P I w a k (1) k k k a P b μ-= (2)其中，i I 是输入图像I 的像素值，k μ和2k σ分别为输入图像像素的平均值和方差， ε为正规划参数，本文取值为0.001，w 为图像在k w 区域内像素的数量。
iw i k P wP k∑∈=1 （3）其中，k P 为图像P 在k w 区域内的像素平均值。
()i i i w i k k ik i b I a b Ia wq k+=+=∑∈:1 （4）其中，i q 是经过指导性滤波处理后的最终结果图，在盒子滤波中内核半径 r 取值为2。
经过了指导性滤波的处理，使处理后的图像更加平滑，除去了噪声的干扰。
程序代码： guidedfilter.m%% guide 滤波函数function q = guidedfilter(I, p, r, eps) %包滤波器，主要功能是在给定的滑动窗口大小下，对每个窗口内的像素值进行相加求和[hei, wid] = size(I); %读取输入图像的尺寸 其中 hei 为高 wid 为宽N = boxfilter(ones(hei, wid), r); % the size of each local patch; N=(2r+1)^2 except for boundary pixels. ones 产生一个hei*wid 的值全为1的矩阵 mean_I = boxfilter(I, r) ./ N; mean_p = boxfilter(p, r) ./ N; mean_Ip = boxfilter(I.*p, r) ./ N;cov_Ip = mean_Ip - mean_I .* mean_p; % this is the covariance of (I, p) in each local patch.公式5中的分子mean_II = boxfilter(I.*I, r) ./ N;var_I = mean_II - mean_I .* mean_I; %公式5中的分母第一项 a = cov_Ip ./ (var_I + eps); % Eqn. (5) in the paper; b = mean_p - a .* mean_I; % Eqn. (6) in the paper; mean_a = boxfilter(a, r) ./ N; mean_b = boxfilter(b, r) ./ N;q = mean_a .* I + mean_b; % Eqn. (8) in the paper; endboxfilter.m文件%% 盒子滤波函数function imDst = boxfilter(imSrc, r)[hei, wid] = size(imSrc); %读取尺寸imDst = zeros(size(imSrc)); %预留空间imCum = cumsum(imSrc, 1);%计算这个数组各行的累加值把第一行加到第二行然后把第二行加到第三行依次累加后面的1表示按行累加2表示按列累加imDst(1:r+1, :) = imCum(1+r:2*r+1, :); %把imCum的第1+r到2*r+1行赋值给imDst的1:r+1行对于全为1的源输入图像而言这里的值就是1+r~2*r+1imDst(r+2:hei-r, :) = imCum(2*r+2:hei, :) - imCum(1:hei-2*r-1, :); %对于全为1的输入图像而言，这里的值就是全为2*r+1imDst(hei-r+1:hei, :) = repmat(imCum(hei, :), [r, 1]) - imCum(hei-2*r:hei-r-1, :); %将矩阵imCum(hei, :)变成[r, 1]维%repmat函数将imCum的第hei行这组数据变成r行%1列的数组，其中数组的每个元素都由hei行组成。