论文部分内容阅读
在我们的日常生活中,灰度图像在数字打印、医学研究等领域都具有很大的应用价值,因此,彩色图像灰度化也成了图像处理技术研究领域的一个热点。理论上,彩色图像到灰度图像的转换是一个降维的过程,不可避免地会出现信息丢失的问题。因此,灰度化的目标在于用有限的灰度级范围尽可能多地保持原彩色图像的对比度信息。目前已有的灰度化算法主要存在以下两个问题:1)无法很好地保持原图像的结构和局部对比度信息;2)在灰度化过程中,无法同时保持对比度、颜色一致性和灰度像素特征。为了解决其他算法无法较好地保持彩色图像的结构和局部对比度信息的问题,我们提出了彩色图像灰度化的梯度域优化算法。在我们的算法中,我们首先线性结合RGB三通道(或直接取亮度通道)对彩色图像进行初步的灰度化,然后将原图像的颜色对比度与初步灰度化的结果相结合并创建一个误差能量函数,通过求解该函数的最小值得到最终的灰度图像。实验结果表明,我们的算法能够很好地保持图像的全局和局部对比度信息。为了解决其他算法无法同时保持对比度、颜色一致性和灰度像素特征问题,我们提出了对比度、颜色一致性和灰度像素保持的消色算法,最大限度地保持这三个视觉特征。在我们的算法中,为了保持原始图像的结构信息和局部对比度信息,我们用双高斯模型构建像素对之间的误差能量项;为了保持颜色一致性,我们采用局部线性嵌入模型构建能量项,确保原始图像中颜色一致的像素在结果图像中也拥有一样的灰度级;为了保持灰度像素特征,我们先标记出原始图像中的灰度像素,并强制规定这些像素的灰度值是已知的且在消色变换的过程中始终不变,然后用双高斯模型构建出灰度像素与其他像素之间的误差能量项。最后,我们线性结合这三个能量项,得到目标能量函数,并通过迭代法求解出使总能量值达到最小的灰度值,从而得到了最终的消色结果。实验结果表明,我们的算法不仅能够很好地保持对比度信息,还能保持颜色的一致性特征和灰度像素特征。