論文名稱:Color image enhancement with exact HSI color model

作者:Chun-Liang Chien (錢均亮) and Din-Chang Tseng (曾定章)

期刊名稱:International Journal of Innovative Computing, Information and Control

刊號頁碼:December 2011, Volume 7, Number 12, pp 6691-6710

這篇論文是我的指導教授曾定章博士與學長錢均亮博士的研究。

論文已於網路公開,可點選這裡下載

本文所有圖片均摘錄自該論文。


 

 

本論文在彩色影像強化方面做了很廣泛又深入的探討,值得一讀。

這篇心得是寫給剛入門影像處理研究的工程師,

避開文章裡面許多專有名詞和數學推導,

讓大家可以直接撰寫程式碼實做本論文。

在影像處理學研究的觀點上,建議碩士博士生把論文原文讀完,

相信各位會有豐富的收穫。以下開始介紹。

 

影像可以由許多種不同的色彩模型來表達,

例如在電腦儲存上常用的 RGB 模式,

或高階電視色差端子所使用的 YCbCr 模式。

儲存與傳輸的資料雖然不同,但是呈現入眼睛的色彩相同。

 

有時候我們可能拿到一些色彩對比不明顯的影像,

這時候需要使用影像處理的彩色影像強化技術,

讓亮度高一點,讓色彩鮮明,而不是整張都灰灰暗暗的。

強化彩色影像與強化灰階影像不太一樣,

因為灰階影像只有亮度資訊,

而彩色影像是由 RGB 三原色構成,

如果各別調整三原色的對比,

往往會讓三原色失去原有的比例,使影像失真。

因此,常用的技術是把亮度與色度分離,

將亮度部分單獨強化對比,然後再將亮度與色度融合。

於是,我們要把影像資料從 RGB 色彩模式,

轉換到另外一種色彩方式,使亮度與色度可以分離。

 

適合人用來描述的色彩空間,稱為知覺色彩模式。

例如 HSI (Hue, Saturation, and Intensity) 模式。其中,

Hue (色相) + Saturation (飽和度) = Chromaticity (色度)

Chromaticity + Intensity (亮度) = Color (色彩)

理論上來說,亮度不影響色度;

然而實際的人眼視覺,色度的覺知受到亮度的影響。

意思是說,太亮時人眼都看成白色,太暗都看成黑色。

所以,本來我們將影像從 RGB 轉換到 HSI 模式,

想要調整影像亮度以增加彩色影像的對比,

結果把亮度調亮、調暗之後,反而造成顏色喪失。

這個現象在影像處理領域稱為「Out of gamut」。

 

讓我們來看圖說故事。原始的 RGB 色彩空間如下圖。

高等影像處理,李侑青,色彩空間  

理論上,HSI 是一個完美的圓柱,如下圖所示。

其中,高度代表亮度,角度代表色相,半徑代表飽和度。

李侑青,高等影像處理,HSI,IHS  

然而,實際上人的眼睛對於彩色的感知,受到亮度影響。

下圖為人眼對某顏色「亮度-飽和度感知能力」的樣貌。

從圖中可以看到,當亮度越高時,則色彩的感知能力越低。

李侑青,高等影像處理,亮度,飽和度  

 

而人眼對各個顏色的亮度色彩分辨能力又不同,

所以實際上,人眼真實能感受到的 HSI 空間如下圖所示。

李侑青,高等影像處理,eHSI,色彩空間  

由於此空間為人眼確實能感知的 HSI 空間,

所以命名為 Exact HSI (eHSI) 空間。eHSI 的俯視圖如下。

李侑青,高等影像處理,eHSI,HSI,IHS,色彩空間  

從以上兩張圖我們可以發現,人眼真實能感知的色彩模式,

長相並不如 HSI 那樣理想的圓柱型,而是在較暗處為圓柱型,

較亮處為波浪狀的圓錐型。

 

那麼,要如何能將影像從 RGB 色彩空間轉換到 eHSI 空間呢?

作者將 RGB 對 HSI 的轉換做了一點修改。

假設影像的 RGB 值域為 [0, 1],RGB 到 eHSI 的正轉換如下。

(1) 計算亮度 I

李侑青,高等影像處理,亮度,HSI,IHS,eHSI  

(2) 計算色相 H

李侑青,高等影像處理,色相,Hue,HSI,IHS,eHSI  

(3) 修正色相 H

李侑青,高等影像處理,色相,Hue  

(4) 依亮度 I 計算飽和度 S

李侑青,高等影像處理,飽和度,Saturation,HSI,IHS,eHSI  

 

透過以上 4 個步驟,計算得到 eHSI 模式的 IHS 三個值。

我們要做彩色影像強化,要針對 I 值做 Histogram Equalization。

然而,倘若影像中有部分位置特別亮、部分特別暗,

則 Histogram Equalization 作用不大,

並且,色彩在極亮、極暗時表現不明顯。

因此作者再提出 S 狀的轉換 ( S-type transformation),

讓影像的亮度做完 Equalization 之後,

再透過 S 狀轉換儘量集中於中等亮度,使色彩表現明顯。

我們來看一下轉換的示意圖。

李侑青,高等影像處理,轉換示意圖,eHSI  

圖中,水平軸為做完 Equalization 的亮度,

有許多值座落在極亮與極暗的區域。

垂直軸為透過 S 狀轉換後的亮度值,

將影像的亮度集中於色彩表現豐富的中等亮度區。

轉換公式如下:

李侑青,高等影像處理,s-type,轉換,transformation,HSI,IHS,eHSI  

當公式中的 n 值為 0.5 時,該公式可被簡化如下:

李侑青,高等影像處理,s-type  

 

以上就是論文的彩色影像對比強化技術。

總地來說,就是先將影像從 RGB 轉到 eHSI,

然後把 I 值做 Histogram Equalization 與 S 狀轉換。

公式不多,計算也很簡單。待會我們看看實驗,

一起欣賞一下本方法的效果有多麼令人驚艷。

至於 eHSI 轉換回 RGB 的公式,因為很簡單,

我就留給讀者們自行閱讀原始論文囉!

 

下圖左方是一張原始的彩色影像,

右方是打光過亮的結果。

李侑青,高等影像處理,eHSI,HSI,實驗  

因為過亮,所以要調整一下影像的亮度,

讓對比增強,使照片好看一點。

下面在不同的色彩空間做亮度 Equalization,

由左至右分別是 HSI、CIE LAB、與本論文的 eHSI。

李侑青,高等影像處理,eHSI,HSI,影像強化,實驗結果  

從圖中我們可以看到,透過 eHSI 轉換的色彩強化,

能保有更接近原始影像的色彩。

下面再更進一步將亮度進行 S 狀轉換。

李侑青,高等影像處理,eHSI,HSI,s轉換,實驗結果  

我們可以看到,eHSI 轉換後的色彩又再更加鮮豔了。

至於傳統的 HSI 和 CIE LAB 色彩空間強化,效果不佳。

更多的實驗與比較,各位可以去參看原始論文。

 

這次李侑青的高等影像處理教室課程分享完畢,

希望對各位的彩色影像處理技術有所提升。


 

 

李侑青,資訊工程博士

 

影像處理, Image Processing,

彩色影像強化, Color Image Enhancement

arrow
arrow

    李阿青 發表在 痞客邦 留言(0) 人氣()