[發明專利]一種用于自動化圖像色彩校準的方法和裝置

有效

• 申請號: 202010407013.6
• 申請日: 2020-05-14
• 公開（公告）號: CN111562010B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 王平;游忠輝;劉偉杰;李珊
• 申請（專利權）人: 北京大學
• 主分類號: G01J3/46
• 分類號: G01J3/46
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

1.一種用于自動化圖像色彩校準的方法，通過分析色塊在D65光源下的基準色值與圖像采集環境下的觀測色值之間的關系進行色彩校正，包括如下步驟：

1)確定應用場景及色卡的色塊數量N，并通過聚類分析確定N個色塊的期望色值；制作定制色卡，該色卡包含多個色塊及相應色塊的期望色值；

2)印制色卡并獲取該色卡色塊在D65標準光照環境下的基準色值，記為β；

3)采用色塊自動定位方法對圖像進行色塊定位，并獲取色塊的觀測色值信息，記為α；

所述色塊自動定位方法基于定位塊進行色塊定位，色塊顏色不影響定位效果，處理不同應用場景定制的色卡均能獲得一致的定位結果，實現色彩不敏感的色塊定位效果；具體包括如下過程：

C1.使用上述制作色卡的方法制作一張色塊顏色均為白色、包含四個標準定位塊的色卡；

C2.將C1制成的色卡放置在不同光照環境下，采集多張色卡圖片作為圖像訓練集；

C3.對圖像訓練集中每張圖片人工標注出四個標準定位塊的位置，作為圖像訓練集的標簽信息；

C4.將C2圖像訓練集中的彩色圖片均轉化為灰度圖；

C5.使用Gamma變換調整灰度圖的曝光；

C6.對C5處理后得到的每張圖片，使用角點檢測方法處理得到每個像素點上的角點得分；在圖片的每個像素位置填入該像素的角點得分，即獲得該圖片的角點得分特征圖；

C7.將角點得分特征圖作為輸入，將C3的標簽信息作為標簽，采用隨機梯度下降方法訓練一個檢測標準定位塊的神經網絡模型Faster R-CNN，得到訓練好的定位塊檢測模型；

C8.基于訓練好的定位塊檢測模型，實現色塊定位并獲取色塊的觀測色值；具體執行操作C9～C14：

C9.將一張包含步驟1)定制色卡的圖片，通過C4、C5、C6的處理，得到該圖片的角點得分特征圖；

C10.將C9的角點得分特征圖輸入C7訓練好的定位塊檢測模型，得到四個標準定位塊的中心點坐標，即圖像坐標；左上角定位塊A的中心點坐標記為(x₁,y₁)，右上角定位塊B的中心點坐標記為(x₂,y₂)，左下角定位塊C的中心點坐標記為(x₃,y₃)，右下角定位塊D的中心點坐標記為(x₄,y₄)；

C11.建立坐標系，對四個標準定位塊的中心點坐標與標準定位塊在色卡中的行列坐標建立對應變換關系；中心點坐標記為(x,y)，行列坐標記為R行C列；

C12.根據C11的對應變換關系，對R行C列的色塊，求解得到該色塊在圖像中的坐標(x,y)；

C13.對所有色塊執行C12計算得到色塊在圖像中的坐標，再以該坐標為中心，選取寬為w、高為h的采樣窗口，通過采樣窗口進行采樣，計算得到采樣窗口中的色值平均值，作為該色塊的觀測色值；

C14.按順序輸出所有色塊的位置和相應色塊的觀測色值，即完成色塊自動定位和色塊觀測色值信息獲取；

4)分析步驟3)獲得的色塊觀測色值α和步驟2)獲得的基準色值β之間的關系，確定一個連續函數F，實現從觀測色值到基準色值的映射，即β≈F(α)；

給定一張待進行色彩校準的圖片，將該圖片中的每一個像素上的色值v更新為F(v)，即得到校準后的圖片，完成圖片的色彩校準工作。

2.如權利要求1所述用于自動化圖像色彩校準的方法，其特征是，步驟1)定制色卡的方法具體為：

A1.明確色卡的具體應用場景；

A2.獲取該應用場景下的一組圖片，數量不少于50張；

A3.獲取每張圖片的每個像素的RGB色值；

A4.將圖片的RGB色值轉化為CIE Lab色彩空間中的色值，使用三元組(L,a,b)描述顏色的色值；其中L表示色彩的亮度，a和b表示對立維度的顏色；

A5.使用K-Means聚類方法對步驟A4的(L,a,b)色值進行聚類；聚類中心數量K取色卡中色塊的數量；在K-Means中使用CIEDE2000色差公式計算兩個顏色的差異；

A6.獲得多個聚類中心，分別作為色卡中相應色塊的色值；并將聚類獲得的多個色值按照L值升序排序和編號。