用校准CIS的场景自适应颜色转换矩阵进行比色分析

抽象的

的RGB.不同的彩色图像传感器由于其不同的光谱灵敏度和白平衡机制，在相同的观测场景下，信号的配准值并不相同。因此，为了比色的目的，必须基于CIE的标准观察来表征CIE。用最小二乘多项式建模得到比色传递矩阵是表征cis的一般方法RGB.输出和CIETristimulus输入。然而，在标准CIE照明下获得的传递矩阵不能估计在具有不同色度和亮度的各种照明下操作的CI的各种条件。因此，重复的实验是获得准确的比色分析结果。本文介绍了一种场景 - 自适应比色分析方法，使用各种环境下的一般消费者摄像机捕获的图像。

1.介绍

一般来说，这RGB.CISS（彩色图像传感器）产生的输出依赖于设备。这意味着RGB.信号不对应于基于CIE CMFs(颜色匹配函数)的设备独立三刺激[1］．这是因为CISS的光谱灵敏度与标准CMF不匹配，并且在捕获场景时通常取决于消费者摄像机中使用的颜色传感器的特性[2］．因此，有必要确定传递特性，确定它们之间的关系RGB.用于色后匹配和增强过程(如颜色再现、颜色校正和HDR(高动态范围)渲染)的信号和标准颜色刺激，以便在一般显示设备中实现准确的场景渲染[3.- - - - - -8］．

之间转换关系的推导RGB.信号和CIE.刺激称为CIS表征[9[它可以通过基于光谱灵敏度和基于颜色的方法进行的。基于颜色目标的方法使用从其获得的参考颜色与需要相机的光谱分析的基于光谱分析的方法相比，颜色图表上的值相对简单实用。基于最小二乘拟合的多项式回归方法被许多颜色研究人员广泛采用，用于计算捕获的传输矩阵RGB.价值观和他们的价值观[9- - - - - -13］．然而，在特定的标准光源下的相机特性并不能对捕获图像时的不同环境光条件提供良好的估计。因此，为了更准确的分析颜色，需要在各种白平衡条件下进行灵活严谨的实验。

一般来说，来自cis的大多数彩色图像都应该进行颜色校准，以消除特定的颜色投射。任何其他白平衡条件下改变的转移矩阵可以根据周围的照明和相机的磷光原色得到[12，13］．然而，颜色测量性能可以提高使用一个重新计算的转移矩阵基于光源估计技术。通常，光源估计称为白点估计。假定CIS被校准以产生类似的产品RGB.任何光源下的白色值。但是，不确定将使用哪个光源以及如何相似RGB.价值将是彼此的。理论上，在白平衡未知的情况下进行色彩校正没有问题，因为用于缩放传感器参数的校准系数被吸收到色彩校正所需的颜色变换中[14］．

本文提出了一种利用消费数码相机拍摄的图像进行比色分析的新方法。一般情况下，很难估计摄像机传感器的内部标定状态和周围光照。因此，不需要进行光照估计的过程，色彩转换的功能就多种多样RGB.水平派生只使用在AWB(自动白平衡)模式和预设模式下捕获的两幅图像。两个图像的差异用于内部校准过程，校正颜色平衡。通过颜色传递函数可以估计图像传感器的颜色转换。仿真结果与基于单矩阵和多矩阵的特征相机进行了性能比较。这表明所提出的摄像机表征方法相对于之前的方法来说是有效的。

2.图像校准

在处理捕获的图像中，重要问题涉及图像传感器的色彩平衡状态。在大多数消费者数码相机中，根据传感器响应对场景的强度和波长的传感器响应校准传感器颜色通道。AWB技术通过使用灰色世界，基于白色贴片，神经网络等各种照明估计方法，找到不同周围环境的最佳颜色平衡条件，以及基于灰色世界，基于白色贴片，主网络的和引导方法[14］．此外，传统数码相机采用膝关节曲线进行动态范围压缩和非饱和高光范围[15］．

数字1显示尼康和佳能摄像机的传感器响应之间的差异。两个相机都是相同的A和D65光源的相同照明的平衡。这允许在颜色平衡变换方面进行不同数码相机之间的比较。传感器响应绘制在相对中RGB.空间和展示如何RGB.在白色平衡和不平衡图像之间进行值校准。对于一些色块来说RGB.用两个摄像机的不同传感器特性合成值。可以看出RGB.信道增益对不同的信号电平有不同的控制RGB.即使光照条件是一致的，反应也有很大的差异。这些都受到相机特有的颜色稳定性算法的影响。换句话说，即使在相同光照条件下色彩平衡的情况下，两个相机的颜色传感器的表现也不同。内部校准参数被吸收到颜色变换中，并由于增益、伽玛和膝关节控制特性引起非线性变换。

3.比色分析

使用cis的彩色成像系统可以用比色法进行表征。由此产生的相机特征生成一个传输矩阵，用于对捕获的图像进行比色分析。基于颜色目标的方法使用参考颜色及其对应的颜色确定CIE之间近似线性变换的值价值观和相机RGB.信号。在已知颜色样本测量的基础上，通过多项式回归得到传递表征矩阵。基于颜色目标的表征一般采用多项式回归，因为它简单有效。

之间的转换过程三色的颜色测试目标和相应的相机RGB.信号如下所示: 相机表征矩阵，以使所有测试目标的颜色差异最小化。因为RGB.值应对应于 Tristimulus通过A.矩阵，矩阵通过使用最小二乘法来导出矩阵[16］．

然而，这种方法仅在某些标准光源下准确，因为CISS的特性取决于周围的照明。此外，内部AWB过程控制了正确成像的色度和强度的变化。根据白平衡条件，相机具有不同的比色特性。因此，应为这些不一致的情况重新计算转移矩阵，因此提出了照明 - 自适应测量方法。

最近提出的方法使用估计的磷光体原初级和参考白点来计算某些照明条件的三刺瓣恒定矩阵[12］．然而，这需要荧光粉的色度信息RGB.和白色参考以前测量。替代方法是基于多帧化和发光体估计的颜色测量[13］．首先，测量了A、D50和D65光源的代表性相机传输矩阵。然后，估计光源的相关色温(CCT)，以选择正确的代表光源的转移矩阵。最后，对ALC(自动亮度控制)函数中的三刺激加权因子进行了改进，以控制信号增益以达到持续亮度水平。这使得通过选择得到更精确的估计结果．

4.基于校准颜色转换矩阵的比色分析

cis的特性和校准取决于周围的光源。为了获得精确的摄像机特性在不同环境条件下的变化，有必要知道校准参数，如ALC寄存器的状态和平衡白点。然而，对于消费相机而言，平衡图像的特性和传感器机制尚不清楚;因此，在任意的环境条件下，很难确定校准传感器的状态。以前的分析方法仅适用于受限制的测量环境，在这种情况下，可以通过与内部寄存器的接口来理解传感器的信号处理。因此，在本节中，提出了一种环境无关的增强比色测量方法。它基于在每个预设和AWB模式下的未校准和校准图像的特征来处理产生的颜色变换。

首先,RGB.输入信号转换为归一化值，这些值与相机伽玛的倒数线性补偿： 在哪里伽玛是来自的伽马补偿和标准化输出RGB.输入，为位深(）， 和每个都有伽马值吗RGB.通道。

然后，应在参考光线下执行传递函数的相机表征。为由预设模式设置的摄像机计算颜色传输矩阵。在此，5000参考光源采用KRGB.信道增益是在内部设置的RGB.在该光源下，白色和灰色样品的输出比例为1:1。因此，预设模式意味着D50光源的参考模式。采用多项式回归和最小二乘法对CIS的传递特性进行表征。参考光源:三刺激估计由推导而来矩阵 （） 和RGB.预设模式下的信号按如下方式进行: 然而，对于任意的光源条件，单一的表征不能充分估计反射的颜色信号。转移矩阵应加以修改，以适应变化的环境。

如图所示1，校准后的图像代表转换后的颜色平衡，可以通过使用未校准和校准图像之间的差异来找到原色和信道增益的权重。在预设(或参考)模式下的未校准图像与在特定AWB条件下的校准图像之间的差异可以用来确定不同信号电平的颜色转换。每一个的转移收益，,对于下部（)及上半部分()的计算方法大致如下: 在哪里 ”为平均值，下标“low_AWB”和“low_ref”分别为AWB模式和参考模式下部分，为总参考模式输入的平均值，其中“up_AWB”和“up_ref”为各模式的上半部分。计算数据以10:1的速率采样，以减少计算负担。

根据分离信号，转移增益的近似函数由两部分组成。派生双分段通道传递函数以反映非线性转换属性，如下所示： 在哪里是估计的AWB输出，参考值的平均值是否小于，参考值的平均值是否大于,和分别是参考和AWB模式中的最大值。

的价值已被估计非线性使用二次函数估计校准输出对应的参考输入区域大于，而传递函数已经线性地导出，对于较低值的相对较窄的区域小于．使用双节段颜色增益构造通道传递函数，和，在图中说明2．

然后，利用颜色转换矩阵()之间的未校正和校正图像(6）。最后，可以使用生成的传输矩阵估计场景中的颜色对象的三刺激。 在哪里校正后的输入是否在AWB模式和为参考模式下未校准的输入。为一般非标准照明环境的值。

当发光体改变时，颜色转换矩阵根据AWB处理的图像校准控制3个通道增益。所提出的比色分析流程如图所示3（b）与多比图的方法3（a）．多-该方法要求在不同的标准光照条件下求出特征转移矩阵，并对光源进行估计。另一方面，适应性-通过在没有照明剂估计和图像传感器的AWB信息中使用以两种不同模式捕获的图像获得彩色转换矩阵，给出光源和颜色信息的估计结果。

5.仿真结果

所提出的算法已经在含有Macbeth 24颜色样本和代表D50，D65和使用Macbeth Lighting Booth的照明器下的各种物体的图像上进行了测试。图中示出了相机表征和颜色估计的示意图4．验证该方法所考虑的观察条件限制在室内环境和三种光源的范围内。实验采用了带有控制接口的CMOS CIS (TOSHIBA TCM8230MD)模块。以评估多方法与所提出的方法相比，首先使用单个表征矩阵（D50）估计光源，用于对应于10％的较高的亮度像素信号。然后，选择三个光源的最紧密匹配，并且相应的表征矩阵用于颜色估计。要考虑预设模式，相机的内部参数是固定的，使得RGB.输出保持在5000k光源下的白平衡状态。

表1，2,3.显示了测量和预测值之间的颜色差异中颜色和发光估计的相对性能，以及多个之间的处理步骤的比较和自适应．在CIE中计算了平均错误色彩空间。表格中显示了三种方法的颜色样本和光源的平均颜色差异的比较1和2,分别。结果表明，自适应-方法的性能优于multi-方法分别估计颜色样品和光源的16％和65％。有意义的结果显示在发光体D65下的颜色估计和D50，D65和光源的白色估计。与通过发光估计过程的典型照度的常规多帧化相比，所提出的方法只需要单一表征，没有ALC信息，没有基于发光估计的选择;但是，它确实需要获取两模图像。

在表格中3.,多方法要求求出不同标准光照下的特征转移矩阵。此外，光源的估计使用更高层次的像素样本进行选择是不准确的。然而,自适应-在没有任何其他接口的情况下，使用两种不同模式捕获的图像获得颜色转换矩阵，对光源和颜色信息显示了令人满意的结果。

6。结论

在彩色成像系统中，比色测量是正确再现彩色图像所必需的。这通常是通过彩色自适应变换等技术实现的，它需要绝对亮度和色度信息。

在低动态范围显示上绘制高动态范围场景时，估计光源和物体的颜色也是必不可少的，以便通过色调映射和颜色失真校正退化的效果。然而，由于相机的声发射和AWB是根据曝光环境进行操作的，因此很难获得准确的比色测量。由于传感器的标定在许多成像系统中是不同的，因此其标定状态是未知的。一般来说，颜色转换技术已经发展到严格根据物理量在不同光源之间转换，因此测量结果取决于选择的光源。

在本文中，为了解决这个问题，估计了根据白平衡条件的传输矩阵，但不使用内部CIS寄存器值。不统计和校准图像之间的差异仅用于导出颜色转换矩阵。这种颜色分析方法可以与已知颜色处理和光源的假设一致。实验结果表明，所提出的方法在测量性能方面是有效的。场景的亮度和色度的预测适用于响应各种环境的自动系统中的CIS。

相互竞争的利益

作者声明本文的发表不存在利益冲突。

致谢

本研究由教育部韩国国家研究基金基础科学研究计划(NRF)资助(NRF- 2015r1d1a1a01059929)。

参考文献

1. CIE，公开No.15.2，Colorimetry，中央局，维也纳，奥地利，第2版，1986年。
2. S. Hullfish和J. Fowler，视频色彩校正， Focal Press, 2008年第2版。
3. 个人电脑。挂起，“使用查找表模型和插值的电子成像设备中的比色校准”，电子成像杂志，第2卷，第2期1，页53-61,1993。查看在：出版商的网站|谷歌学术搜索
4. m·d·仙童颜色外观模型，约翰·威利和儿子，纽约，纽约，美国，2005年第二版。
5. G. W. Larson, H. Rushmeier，和C. Piatko，“高动态范围场景的可见性匹配音调复制算子”，可视化和计算机图形上的IEEE事务，卷。3，不。4，pp。291-306，1997。查看在：出版商的网站|谷歌学术搜索
6. E. Reinhard, M. Stark, P. Shirley, J. Ferwerda，《数字图像的摄影色调复制》，美国计算机学会图形汇刊第21卷第2期3，第267-276页，2002。查看在：谷歌学术搜索
7. N. Moroney, M. D. Fairchild, R. W. G. Hunt, C. Li, M. R. Luo，和T. Newman，“CIECAM02彩色外观模型”，刊于IS＆T的颜色和成像会议的诉讼程序（CIC '02），pp。23-27，斯科茨代尔，阿里斯，美国，2002年。查看在：谷歌学术搜索
8. R. Mantiuk，R. Mantiuk，A. Tomaszewska和W. Heidrich，“色调映射的色彩校正”，计算机图形学论坛第28卷第2期2，第193-202页，2009。查看在：出版商的网站|谷歌学术搜索
9. 洪志刚，罗先生，P. A. Rhodes，“基于多项式建模的数码相机比色特性研究”，颜色研究与应用第26卷第2期1，页76-84,2001。查看在：出版商的网站|谷歌学术搜索
10. T.约翰逊，《彩色扫描仪和数码相机的特征方法》，显示，卷。16，不。4，pp。183-191,1996。查看在：出版商的网站|谷歌学术搜索
11. H. R. Kang，电子成像设备的彩色技术， SPIE光学工程出版社，华盛顿，1997。
12. E.-S。金,工程学系。李,S.-W。张成泽,K.-I。Sohng，“相机白平衡变化的自适应比色特性”，电子学报，卷。E88-C，没有。11，PP。2086-2089,2005。查看在：出版商的网站|谷歌学术搜索
13. S.-h.李，J.-H.李和k .-SOHNG，“使用彩色图像传感器的照明 - 自适应比色测量”，“电子学报，卷。91，没有。10，pp。1608-1610,2008。查看在：出版商的网站|谷歌学术搜索
14. V. C. Cardei, B. Funt，和K. barnard，“未校准图像的白点估计”，在IS＆T第7彩色成像会议的诉讼程序，页97 - 100,1999。查看在：谷歌学术搜索
15. Y. Monobe, H. Yamashita, T. Kurosawa，和H. Kotera，“数字摄像机的动态范围压缩保持局部图像对比度”，IEEE消费电子学报第51卷第1期1，页1 - 10,2005。查看在：出版商的网站|谷歌学术搜索
16. 齐尔先生和卡伦先生，先进的工程数学，卷。1999年，第二，琼斯和巴特利特出版社国际。

版权

版权所有©2016李成学。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。