局部颜色扩展的着色算法研究
本文首先对2001年到2016年所提出的着色算法进行归纳整理，根据颜色约束的提供方式不同将着色算法分为自动着色、颜色传递和局部颜色扩展三类。然后，选择经典局部颜色扩展算法进行重现，分析比较其优缺点。最后，针对颜色扩展着色算法存在的标记过多、效率较低和步骤繁杂的问题进行研究，提出了两种新的着色算法。针对色彩标记较多的问题，本文提出了一种基于超像素分割的着色算法，可以根据少量的颜色标记得到色彩丰富的着色效果。针对着色效率较低的问题，本文从应用的角度进行考虑，提出了一种交互式快速着色方法，该方法同样适用于二次着色领域，同时，基于这种思路可以方便的实现一款着色软件的设计。
目录
摘要 1
关键词 1
ABSTRACT 1
KEY WORDS 1
1 绪论 1
1.1 研究背景及意义 1
1.1.1 伪彩色化着色 2
1.1.2 假彩色化着色 2
1.1.3 艺术图像着色 2
1.1.4 视频序列着色 3
1.2 着色算法研究现状 3
1.2.1 基于局部颜色扩展的着色算法 3
1.2.2 基于图像颜色传递的着色算法 5
1.2.3 基于深度学习的自动着色算法 7
1.3 主要研究内容 8
1.4 论文的结构安排 8
2 预备知识 9
2.1 颜色空间的选择 9
2.2 超像素分割算法 10
2.3 K均值聚类算法 11
2.4 K近邻学习算法 11
3 经典着色算法 12
3.1 基于全局优化的着色算法 12
3.2 基于测地距离的着色算法 14
3.3 基于能量最小化的着色算法 15
4 超像素分割着色算法 17
4.1 算法介绍 17
4.1.1 预处理 17
4.1.2 颜色扩展 19
4.1.3 色彩映射 21
4.2 实验分析 22
4.3 本章小结 24
5 交互式快速着色算法 24
*好棒文|www.hbsrm.com +Q: ￥351916072$
5.1 算法介绍 25
5.1.1 颜色标记 25
5.1.2 颜色扩展 25
5.1.3 二次着色 28
5.1.4 着色软件设计 28
5.2 实验分析 29
5.3 本章小结 31
6 总结与展望 32
6.1 研究内容总结 32
6.2 进一步研究工作 32
致谢 32
参考文献 33
附录Ⅰ 34
附录Ⅱ 35
基于局部颜色扩展的着色算法研究
引言
1 绪论
1.1 研究背景及意义
视觉是人在认知过程中获取信息的主要途径，颜色作为视觉材料的重要属性，包含大量有用信息。如果缺少了颜色，世界将会变得灰暗而缺乏生机。视觉材料的基础是图片，对图片的处理是视频影像处理的基础，而高效、准确的着色算法是处理的关键。因此，本次研究的焦点是灰度图片的着色算法。
图像着色是一种将颜色添加到灰度图像的自动或用户辅助的过程，其目的是还原、增强原图像的视觉吸引力或对图片进行再着色以达到某种艺术效果。具体应用包括为旧电影添加颜色进行二次创作、增强和还原褪色的老照片、标记医学图像辅助医生进行病理的诊断等等。由于着色算法在动漫绘制、媒体娱乐、医学图像处理等诸多领域都有广泛应用[1]，因此一直是图像处理领域的一个热点问题。在某种程度上，着色算法与图像分割是等价的(如图1所示)，可以认为着色是分割的一个具体应用。
图1 分割与着色的等价性展示。左侧为图片分割结果，中间为手动给相应分割区域着色得到的结果，右侧为采用Levin等人[2]的优化着色算法得到的着色效果图。
着色有着悠久的历史。在彩色胶片出现以前，人们就通过手工上色的方式增强黑白照片的真实感或得到某种艺术效果，但这种手工上色的方法需要耗费大量的精力和时间，而且需要精湛的技艺。如果采用着色算法对这些早期黑白默片进行二次开发，能够显著提高着色效率、改善影片的视觉效果[3](如图2所示)。
图2 《罗马假日》片段的着色效果展示。左侧为原始黑白图片，中间为人工标记图片，右侧为采用Levin等人[2]的算法得到的着色效果图。明显可以看出，着色效果较原图更加生动、真实。
着色算法具有广泛的应用前景，许多研究人员对此进行了大量卓有成效的工作。下面根据应用对象的差异，将其分为伪彩色化、假彩色化、艺术图像着色、视频序列着色四个部分来详细介绍着色算法的应用场景及这些领域的研究进展情况。
1.1.1 伪彩色化着色
伪彩色化是指由于条件或技术的限制导致处理对象颜色缺失，通过伪彩色化处理以突出细节以便于后续处理的一种技术。因此，对于不易辨认和处理的灰度信息，经过伪彩色化处理后就可以变成容易分辨和处理的彩色信息。
该技术首先用于处理遥感图像，使细节更容易辨识。相似操作在医学影像处理中也被广泛应用，使得一些医学成像设备得到的灰度图像更加醒目，便于病理的研究和诊断。同样，夜视图像由于环境低光的限制，难以提供详细的细节信息，适当进行着色处理能够较好的解决这个问题，有利于进行场景识别、目标判断等一系列后续处理，在公安、航天、军工等行业都有普遍的发展前景。
1.1.2 假彩色化着色
假彩色化与伪彩色化都是为处理对象添加颜色，两者的区别在于目标的不同(区别如图3所示)区别。与伪彩色化突出细节便于后续处理不同，假彩色化的目标是尽可能的还原处理对象的原貌，如退色照片的还原。
(a) (b) (c) (d)
目录
摘要 1
关键词 1
ABSTRACT 1
KEY WORDS 1
1 绪论 1
1.1 研究背景及意义 1
1.1.1 伪彩色化着色 2
1.1.2 假彩色化着色 2
1.1.3 艺术图像着色 2
1.1.4 视频序列着色 3
1.2 着色算法研究现状 3
1.2.1 基于局部颜色扩展的着色算法 3
1.2.2 基于图像颜色传递的着色算法 5
1.2.3 基于深度学习的自动着色算法 7
1.3 主要研究内容 8
1.4 论文的结构安排 8
2 预备知识 9
2.1 颜色空间的选择 9
2.2 超像素分割算法 10
2.3 K均值聚类算法 11
2.4 K近邻学习算法 11
3 经典着色算法 12
3.1 基于全局优化的着色算法 12
3.2 基于测地距离的着色算法 14
3.3 基于能量最小化的着色算法 15
4 超像素分割着色算法 17
4.1 算法介绍 17
4.1.1 预处理 17
4.1.2 颜色扩展 19
4.1.3 色彩映射 21
4.2 实验分析 22
4.3 本章小结 24
5 交互式快速着色算法 24
*好棒文|www.hbsrm.com +Q: ￥351916072$
5.1 算法介绍 25
5.1.1 颜色标记 25
5.1.2 颜色扩展 25
5.1.3 二次着色 28
5.1.4 着色软件设计 28
5.2 实验分析 29
5.3 本章小结 31
6 总结与展望 32
6.1 研究内容总结 32
6.2 进一步研究工作 32
致谢 32
参考文献 33
附录Ⅰ 34
附录Ⅱ 35
基于局部颜色扩展的着色算法研究
引言
1 绪论
1.1 研究背景及意义
视觉是人在认知过程中获取信息的主要途径，颜色作为视觉材料的重要属性，包含大量有用信息。如果缺少了颜色，世界将会变得灰暗而缺乏生机。视觉材料的基础是图片，对图片的处理是视频影像处理的基础，而高效、准确的着色算法是处理的关键。因此，本次研究的焦点是灰度图片的着色算法。
图像着色是一种将颜色添加到灰度图像的自动或用户辅助的过程，其目的是还原、增强原图像的视觉吸引力或对图片进行再着色以达到某种艺术效果。具体应用包括为旧电影添加颜色进行二次创作、增强和还原褪色的老照片、标记医学图像辅助医生进行病理的诊断等等。由于着色算法在动漫绘制、媒体娱乐、医学图像处理等诸多领域都有广泛应用[1]，因此一直是图像处理领域的一个热点问题。在某种程度上，着色算法与图像分割是等价的(如图1所示)，可以认为着色是分割的一个具体应用。
图1 分割与着色的等价性展示。左侧为图片分割结果，中间为手动给相应分割区域着色得到的结果，右侧为采用Levin等人[2]的优化着色算法得到的着色效果图。
着色有着悠久的历史。在彩色胶片出现以前，人们就通过手工上色的方式增强黑白照片的真实感或得到某种艺术效果，但这种手工上色的方法需要耗费大量的精力和时间，而且需要精湛的技艺。如果采用着色算法对这些早期黑白默片进行二次开发，能够显著提高着色效率、改善影片的视觉效果[3](如图2所示)。
图2 《罗马假日》片段的着色效果展示。左侧为原始黑白图片，中间为人工标记图片，右侧为采用Levin等人[2]的算法得到的着色效果图。明显可以看出，着色效果较原图更加生动、真实。
着色算法具有广泛的应用前景，许多研究人员对此进行了大量卓有成效的工作。下面根据应用对象的差异，将其分为伪彩色化、假彩色化、艺术图像着色、视频序列着色四个部分来详细介绍着色算法的应用场景及这些领域的研究进展情况。
1.1.1 伪彩色化着色
伪彩色化是指由于条件或技术的限制导致处理对象颜色缺失，通过伪彩色化处理以突出细节以便于后续处理的一种技术。因此，对于不易辨认和处理的灰度信息，经过伪彩色化处理后就可以变成容易分辨和处理的彩色信息。
该技术首先用于处理遥感图像，使细节更容易辨识。相似操作在医学影像处理中也被广泛应用，使得一些医学成像设备得到的灰度图像更加醒目，便于病理的研究和诊断。同样，夜视图像由于环境低光的限制，难以提供详细的细节信息，适当进行着色处理能够较好的解决这个问题，有利于进行场景识别、目标判断等一系列后续处理，在公安、航天、军工等行业都有普遍的发展前景。
1.1.2 假彩色化着色
假彩色化与伪彩色化都是为处理对象添加颜色，两者的区别在于目标的不同(区别如图3所示)区别。与伪彩色化突出细节便于后续处理不同，假彩色化的目标是尽可能的还原处理对象的原貌，如退色照片的还原。
(a) (b) (c) (d)
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1777.html
