一、概述
脱色 - 将彩色图像转换为灰度图像的过程 - 是数字印刷、风格化黑白摄影和许多单通道图像处理应用中的基本工具。
灰度是数字印刷和照片渲染中广泛使用的图形表达之一。 在许多单通道图像处理应用程序中都需要进行彩色到灰色的转换。 自然,这种类型的转换是降维的任务,不可避免地会遭受信息丢失的影响。 因此,总体目标是使用有限的灰度范围来尽可能地保留原始颜色对比度。 发现直观的方法,例如在 CIELab 颜色空间中提取亮度通道,很容易减少显着的色彩结构并失去重要的外观特征。 一个例子如图 1(a) 和 (b) 所示。
![](https://img-blog.csdnimg.cn/8905a104867641889d8b07af2083a47a.png)
为了保持颜色对比度,最近的颜色到灰色方法对空间强度变化施加了限制,并要求灰度对比度与颜色输入的对比度相似。 通常,基于 CIELab 空间中的欧几里得颜色距离,在去色中指定相邻像素的有符号色差以及颜色顺序。 在这种严格的约束下,强度值的选择可能缺乏自由度并遭受对比度损失。 图 1(c)-(e) 显示了最先进的彩色到灰色方法的结果 [6, 19, 9]。 虽然大部分细节都被保留下来,但太阳和天空之间视觉上明显的颜色变化并没有很好地表现出来。
OpenCV实现的函数旨在最大限度地保留原始颜色对比度。主要贡献是缓解基于人类视觉系统的颜色映射的严格顺序约束,这使得能够使用双峰分布来约束空间像素差异并允许自动选择合适的灰度以保持原始对比度。
二、decolor函数
1、函数原型
void cv::decolor (InputArray src, OutputArray grayscale, OutputArray color_boost)
2、参数详解
src | Input 8-bit 3-channel image. |
grayscale | Output 8-bit 1-channel image. |
color_boost | Output 8-bit 3-channel image. |
三、OpenCV源码
1、源码路径
opencv\modules\photo\src\contrast_preserve.cpp
2、源码代码
#include "precomp.hpp"
#include "opencv2/photo.hpp"
#include <cmath>
#include <vector>
#include <limits>
#include "contrast_preserve.hpp"
using namespace std;
using namespace cv;
void cv::decolor(InputArray _src, OutputArray _dst, OutputArray _color_boost)
{
CV_INSTRUMENT_REGION();
Mat I = _src.getMat();
_dst.create(I.size(), CV_8UC1);
Mat dst = _dst.getMat();
_color_boost.create(I.size(), CV_8UC3);
Mat color_boost = _color_boost.getMat();
CV_Assert(!I.empty() && (I.channels()==3));
// Parameter Setting
const int maxIter = 15;
const double tol = .0001;
int iterCount = 0;
double E = 0;
double pre_E = std::numeric_limits<double>::infinity();
Mat img;
I.convertTo(img, CV_32FC3, 1.0/255.0);
// Initialization
Decolor obj;
vector <double> Cg;
vector < vector <double> > polyGrad;
vector <Vec3i> comb;
vector <double> alf;
obj.grad_system(img,polyGrad,Cg,comb);
obj.weak_order(img,alf);
// Solver
Mat Mt = Mat(int(polyGrad.size()),int(polyGrad[0].size()), CV_32FC1);
obj.wei_update_matrix(polyGrad,Cg,Mt);
vector <double> wei;
obj.wei_inti(comb,wei);
main loop starting
vector <double> G_pos(alf.size());
vector <double> G_neg(alf.size());
vector <double> EXPsum(G_pos.size());
vector <double> EXPterm(G_pos.size());
vector <double> temp(polyGrad[0].size());
vector <double> temp1(polyGrad[0].size());
vector <double> temp2(EXPsum.size());
vector <double> wei1(polyGrad.size());
while(sqrt(pow(E-pre_E,2)) > tol)
{
iterCount +=1;
pre_E = E;
for(size_t i=0; i<polyGrad[0].size(); i++)
{
double val = 0.0;
for(size_t j=0; j<polyGrad.size(); j++)
val = val + (polyGrad[j][i] * wei[j]);
temp[i] = val - Cg[i];
temp1[i] = val + Cg[i];
}
for(size_t i=0; i<alf.size(); i++)
{
const double sqSigma = obj.sigma * obj.sigma;
const double pos = ((1 + alf[i])/2) * exp(-1.0 * 0.5 * (temp[i] * temp[i]) / sqSigma);
const double neg = ((1 - alf[i])/2) * exp(-1.0 * 0.5 * (temp1[i] * temp1[i]) / sqSigma);
G_pos[i] = pos;
G_neg[i] = neg;
}
for(size_t i=0; i<G_pos.size(); i++)
EXPsum[i] = G_pos[i]+G_neg[i];
for(size_t i=0; i<EXPsum.size(); i++)
temp2[i] = (EXPsum[i] == 0) ? 1.0 : 0.0;
for(size_t i=0; i<G_pos.size(); i++)
EXPterm[i] = (G_pos[i] - G_neg[i])/(EXPsum[i] + temp2[i]);
for(int i=0; i<int(polyGrad.size()); i++)
{
double val1 = 0.0;
for(int j=0; j<int(polyGrad[0].size()); j++)
{
val1 = val1 + (Mt.at<float>(i,j) * EXPterm[j]);
}
wei1[i] = val1;
}
for(size_t i=0; i<wei.size(); i++)
wei[i] = wei1[i];
E = obj.energyCalcu(Cg, polyGrad, wei);
if(iterCount > maxIter)
break;
}
Mat Gray = Mat::zeros(img.size(),CV_32FC1);
obj.grayImContruct(wei, img, Gray);
Gray.convertTo(dst,CV_8UC1,255);
/// Contrast Boosting /
Mat lab;
cvtColor(I,lab,COLOR_BGR2Lab);
vector <Mat> lab_channel;
split(lab,lab_channel);
dst.copyTo(lab_channel[0]);
merge(lab_channel,lab);
cvtColor(lab,color_boost,COLOR_Lab2BGR);
}
四、效果图像示例
![](https://img-blog.csdnimg.cn/50879734991d4db7a763ce15ba9b699e.png)
![](https://img-blog.csdnimg.cn/e3270bb212784e9c94afee511dca07d3.jpeg)
![](https://img-blog.csdnimg.cn/3808a8465d944ae99af0df82dbfd9406.png)
(保留色度对比)