基于YCbCr色彩空間的圖像色偏檢測方法

印蔚蔚

摘 要： 提出一種基于YCbCr色彩空間的圖像色偏檢測方法。該方法的基本思想是利用圖像統(tǒng)計(jì)特性，在合適的顏色空間中（本文選用YCbCr色彩空間），使用簡單的統(tǒng)計(jì)工具分析圖像的顏色分布。在此基礎(chǔ)上將圖像的色偏分為三類：存在色偏；沒有色偏；不可分類。其中不可分類是指圖像考慮的部分不到圖像整體的20%。該方法既充分利用了圖像傳感器的成像解析能力，又有效降低了算法的計(jì)算復(fù)雜性。大量自然圖像測試的實(shí)驗(yàn)結(jié)果表明，該方法具有較好的圖像色偏檢測效果和較好的計(jì)算效率。

關(guān)鍵詞： YCbCr色彩空間； 圖像統(tǒng)計(jì)特性； 色偏

中圖分類號：TP391.4 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-8228（2017）09-47-04

Abstract： A method of image color cast detection based on YCbCr color space is put forwared. The basic idea of this method is using the image statistical characteristics， in the appropriate color space （the paper chosen YCbCr color space）， to analyze the image color distribution by using simple statistical tools. On this basis， the image is divided into three interest groups： there is a color cast， no color cast and cannot be classified， where cannot be classified means that the considering part of the image is less than 20% of the overall image. This method not only takes full advantage of the imaging resolution of image sensor， but also reduces the computational complexity of the algorithm. Experimental results on a large number of natural images show that， the method has better effect on image color cast detection and good computational efficiency.

Key words： YCbCr color space； images statistics characteristics； color cast

0 引言

隨著人類社會(huì)的進(jìn)步和科學(xué)技術(shù)的發(fā)展，數(shù)碼照相機(jī)等數(shù)字采集設(shè)備的發(fā)展也越來越快。然而，無論是傳統(tǒng)膠片攝影，還是數(shù)碼相機(jī)攝影都會(huì)存在一個(gè)“色偏”問題。當(dāng)數(shù)碼相機(jī)捕獲一幅場景圖像時(shí)，每一個(gè)像素的傳感器響應(yīng)取決于光源[1]。也就是說，每個(gè)像素由傳感器記錄光源的色溫。當(dāng)一個(gè)白色物體在低色溫照明下，紅光成分多，它記錄的圖像就顯示偏紅色。同樣，在高色溫照明下，藍(lán)光成分多，它記錄的圖像就顯示偏藍(lán)色。因此，色偏即數(shù)碼相機(jī)所拍攝的圖像的色彩與在標(biāo)準(zhǔn)光源下被拍攝物體表面的真實(shí)色彩之間存在的誤差[2]。那么，就需要通過估計(jì)光源的色溫并調(diào)整場景顏色來恢復(fù)他們真實(shí)的顏色，即白平衡處理，目的就是處理圖像使它看起來在經(jīng)典光源下拍攝[3-4]。進(jìn)行圖像白平衡調(diào)整首先是要對圖像中進(jìn)行色偏檢測。目前，檢測圖像色偏的方法己經(jīng)取得一定的研究進(jìn)展，RGB最大值法[5]是一種簡單快速的色偏檢測算法，它從不同的顏色通道的最大響應(yīng)來估計(jì)光源色彩。另外一個(gè)著名的簡單的算法是基于灰度世界的假設(shè)[6]，該算法假設(shè)在一副場景中的平均反射是無色差的。這些算法都具有一定的局限性，例如灰色世界法在圖像中有大量統(tǒng)一的顏色時(shí)失效，基于灰度世界的假設(shè)則局限于場景，因此，無法準(zhǔn)確地進(jìn)行色偏檢測和分類。

本文提出了利用圖像統(tǒng)計(jì)特性，在YCbCr色彩空間中，使用簡單的統(tǒng)計(jì)工具分析圖像的顏色分布，在此基礎(chǔ)上將圖像色偏分為三類：存在色偏；沒有色偏；不可分類。不可分類指的是圖像考慮的部分不到整體圖像的20%。該方法既充分利用了圖像傳感器的成像解析能力，同時(shí)也有效降低了算法的計(jì)算復(fù)雜度。通過對大量自然圖像測試的實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有較好的圖像色偏檢測效果，以及較好的計(jì)算效率。

1 圖像色彩空間的選擇

RGB色彩空間和YCbCr色彩空間，都是人為規(guī)定的顏色模型，那么在本文中，選擇了基于YCbCr色彩空間來進(jìn)行圖像色偏檢測，基于以下幾點(diǎn)：①RGB色彩空間是依據(jù)人眼識(shí)別的顏色定義出的空間，可以表示大部分顏色，但是它是一個(gè)不均勻的色彩空間，它將色調(diào)、亮度和飽和度放在一起表示，因此 R、G、B值之間的相關(guān)性很高，它的細(xì)節(jié)難以進(jìn)行數(shù)字化的調(diào)整，并且很難確定其在色彩空間中的分布范圍；②在YCbCr色彩空間中，色度分量和亮度分量是相互獨(dú)立的，而且YCbCr色彩空間充分考慮了人眼的視覺特性，在構(gòu)造Cb，Cr色差公式時(shí)，關(guān)系函數(shù)的確定充分考慮了與之相關(guān)的RGB三個(gè)分量在視覺感覺中的不同重要性，與RGB色彩空間是一種線性變換關(guān)系，轉(zhuǎn)換較為簡單。

2 色偏檢測方法

本文圖像色偏檢測的基本思想是利用圖像統(tǒng)計(jì)特性，在合適的顏色空間（本文選用YCbCr色彩空間）使用簡單的統(tǒng)計(jì)工具分析圖像的顏色分布。色偏指示是為辨別圖像相關(guān)色偏的存在，其靈感源于日常工作。檢測色偏，根據(jù)其相關(guān)性分為若干類。我們對一副圖像的色彩分布能夠在其轉(zhuǎn)換成合適的色彩空間進(jìn)行分析，并且使用統(tǒng)計(jì)方法來表示色偏的存在。色在本文的工作中，我們對原來的表述做了小的修改，因?yàn)槲覀兠鎸Φ氖且粋€(gè)不同的問題。我們改變顏色空間，從RGB到Y(jié)CbCr，由于前者依賴于場景中白點(diǎn)的知識(shí)。此外，我們僅僅考慮色偏指示而忽略最終的色偏分類。本文將圖像色偏分為三類：存在色偏；沒有色偏；不可分類。不可分類指的是圖像考慮的部分不到圖像整體的20%，在下文中將會(huì)詳細(xì)介紹。endprint

⑴ 我們只考慮亮度在一定區(qū)間內(nèi)的像素而排除最亮的和最暗的像素。這是因?yàn)槲覀兎治龅膱D像可能在獲取時(shí)已經(jīng)過了一系列處理，并且我們假設(shè)圖像設(shè)備是未知的。數(shù)碼相機(jī)經(jīng)常強(qiáng)加使圖像中最亮的點(diǎn)為白色，最暗的點(diǎn)為黑色，從而改變了很亮點(diǎn)和很暗點(diǎn)色度區(qū)域的范圍。由下文可知，我們的實(shí)驗(yàn)是在圖像數(shù)據(jù)集上進(jìn)行的，因此只考慮亮度值Y在[50，230]區(qū)間的圖像像素。如果被考慮的圖像區(qū)域大小不到整幅圖像的20%，那么這類圖像就被劃分為不可分類的圖像，不對其進(jìn)行圖像白平衡處理，因?yàn)檫@類圖像的統(tǒng)計(jì)特性并不可靠。這類非常亮或非常暗的圖像的例子如圖1所示。

本文通過對大量無色偏的圖像和有色偏的圖像分析研究發(fā)現(xiàn)，在無色偏的圖像中，在Cb，Cr色度坐標(biāo)平面上的二維直方圖中，色度分布存在多個(gè)明顯的分散的峰值或分布在整個(gè)Cb，Cr色度坐標(biāo)平面，如圖2所示，若圖像存在色偏，那么在Cb，Cr色度坐標(biāo)平面上的二維直方圖中，色度分布表現(xiàn)為零個(gè)或單個(gè)峰值，或者色度分布比較集中，Cb，Cr色度平均值越大，圖像的色偏越嚴(yán)重。因此，從圖像色彩分步的角度以及定量分析出發(fā)，圖像的色偏與圖像在Cb，Cr色度坐標(biāo)平面上的二維直方圖中的色度分布特性以及色度的平均值有關(guān)。

主色調(diào)圖像對應(yīng)于固定色偏或者單個(gè)顏色特寫。固定色指的是物體本身所呈現(xiàn)的固有的色彩。固定色偏例如：一片山林在春天時(shí)呈現(xiàn)出一片嫩綠的色調(diào)；而秋天則呈現(xiàn)出一片迷人的金黃色調(diào)，冬天的葉落草枯則呈現(xiàn)出一片灰褐色調(diào)。這些色調(diào)的變化，主要取決于物體本身固有色的變化。為了區(qū)別對應(yīng)固定色偏的主色調(diào)圖像和單個(gè)顏色特寫，文獻(xiàn)[7]提出一個(gè)利用顏色和空間信息的簡單分類器。被認(rèn)為是皮膚、天空、海洋或植被的區(qū)域如果超過整個(gè)圖像的40%，那么這個(gè)圖像就劃分為不可分類，并不進(jìn)行白平衡處理。如果區(qū)域超過整個(gè)圖像的40%，卻沒有任何對應(yīng)于皮膚、天空、海洋或植被，但是圖像EC卻非常集中，，并且有非常高的圖像飽和度，那么這些圖像為單個(gè)顏色特寫，劃分為不可分類，并不進(jìn)行白平衡處理。圖像呈現(xiàn)集中的直方圖并且沒有劃分為主色調(diào)圖像對應(yīng)于固定色偏或者單個(gè)顏色特寫，那么這類圖像就是存在色偏的圖像，需要進(jìn)一步對圖像做白平衡處理。

3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文算法的有效性，本文基于由學(xué)者F.Ciurea和B.Funt構(gòu)造的一個(gè)大的圖像數(shù)據(jù)集，來進(jìn)行圖像色偏檢測算法的研究。該數(shù)據(jù)集中的圖像，包含了從2小時(shí)的數(shù)字視頻中提取的11，000幅圖像。該數(shù)據(jù)集呈現(xiàn)了來自于各個(gè)不同地點(diǎn)的室內(nèi)和室外的場景都是在大量的室內(nèi)、室外場景下，使用索尼VX-2000數(shù)字視頻照相機(jī)進(jìn)行拍攝的，它主要優(yōu)勢是光源顏色的真實(shí)性，可靠性，有效性。

4 結(jié)論

圖像色偏檢測是圖像白平衡的前提和基礎(chǔ)，本文針對傳統(tǒng)色偏檢測算法所存在的缺陷，對圖像色偏檢測方法進(jìn)行了進(jìn)一步的研究，提出了一種基于YCbCr色彩空間的圖像色偏檢測方法。該方法的基本思想是將圖像色偏分為三類：存在色偏；沒有色偏；不可分類。實(shí)驗(yàn)證明，該方法有效降低了算法的計(jì)算復(fù)雜性。通過對大量自然圖像測試的實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有較好的圖像色偏檢測效果，以及較好的可靠性。

參考文獻(xiàn)（References）：

[1] K. Barnard， V. Cardei， and B. Funt， "A comparison of

computational color constancy algorithms-part I： methodology and experiment with synthesized data，" IEEE Trans. on Image Processing，2002.11（9）：985-996

[2] Kao W C，Wang S H，Kao C C，et al. Color reproduction for

digital imaging systems[C]//2006 IEEE International Symposium on Circuits and Systems.，2006：4599-4602

[3] Y.C. Cheng， W.H. Chen， and Y.Q. Chen， "Automatic

white balance for digital still camera，" IEEE Trans. Consumer Electronics，1995.41：460-466

[4] V. Chikane， and C.S. Fu， "Automatic white balance for

digital still camera，" presented in Conference on Computer Vision Graphics and Image Processing， Hualien， Taiwan，2004.8.

[5] E. Land and J. McCann. Lightness and retinex theory[J].

The Journal of the Optical Society of America A.，1971.61（1）：1-11

[6] BUCHSBAUM G. A spatial processor model for object

colour perception[J]. Journal of the Franklin Institute，1980.310（1）：1-26

[7] C.Cusano，G.Ciocca，R. Image annotation using SVM，Vol.

SPIE 5304：330-338endprint