The Linear Monge-Kantorovitch Linear Colour Mapping for Example-Based Colour Transfer 论文理解
来源:互联网 发布:程序员所说的接口 编辑:程序博客网 时间:2024/06/04 20:15
The Linear Monge-Kantorovitch Linear Colour Mapping for Example-Based Colour Transfer论文理解
背景:图像编辑中调色是很常用的,一点颜色差别就能造成照片的整体风格相差很大;在视频电影拍摄中也比较常用,譬如统一时间不同的光线拍出的感觉是有很大差别的。
早期有直接使用一对一颜色映射的方式,后来又提出了基于局部信息进行颜色分级的方法,以及本论文研究的基于示例的颜色统计信息匹配的线性变换方式。
这篇论文针对所有的线性变换建立了一个通用的数学理论基础,并提出了一个新的线性变换方式(Linear Monge-Kantorovitch Linear Colour Mapping)MKL,这个方法能够最小的改变颜色数量。
线性变换的数学理论
线性颜色映射主要就是找到合适矩阵T。
(1)是计算变换后的图像:输入图像u颜色变换后的图像等于矩阵T乘以去均值后的输入图像,再加上示例图像v的均值。
(2)矩阵T符合的要求:输入的图像u的协方差经过T的线性变换后等于示例图片v的协方差
T的具体推导计算方式如下
由上式可以得到TA = B,即T =BA-1 。
A和B分别表示u的协方差Σu 和和v协方差Σv的平方根,由于Σu 和Σv的平方根有很多组,所以有目前有很多种线性变换方式,即有多个T的方式。
上面表达式中TA = B,即TA和B都是Σv 的平方根,
各map均值、方差匹配
输入图像u的协方差Σu = diag(var(u1), . . . , var(uN))
示例图像v的协方差Σv = diag(var(v1), . . . , var(vN))
T =BA-1 ,A和B分别表示u的协方差Σu和和v协方差Σv 的平方根。效果一般比较差,如果在LAB空间上效果会稍好些。
Cholesky 分解
Σu = LuLTu,Σv = LvLTv。Lu 和 Lv是下三角矩阵,且对角元素都是正数。
在不同的颜色空间上,出来的差别可能会比较大。
平方根分解(SRD)
这个方法就是主成分分析的方法,把协方差的主要部分进行对齐。
这个方法是将协方差矩阵分解成了对称正定矩阵。对称正定矩阵的对称正定平方根矩阵有唯一解。Dua和 Dv对角矩阵是由Σu and Σv的特征值组成。
Linear Monge-Kantorovitch (MKL)
以上线性变换都存在一个问题:整个的颜色比例达到了期望,但是局部的颜色信息不太对。
在之前的基本上进一步约束了最小位移。这个算法在不同的颜色空间上差别不是很大。
- The Linear Monge-Kantorovitch Linear Colour Mapping for Example-Based Colour Transfer 论文理解
- The 28 best tools for choosing a colour scheme
- Status bar colour for UIImagePickerController
- linear regression example
- colour name
- Fast Patch-based Style Transfer of Arbitrary Style论文理解
- jxl colour 列表
- 704 - Colour Hash
- Colour Schemes v2
- 704 - Colour Hash
- 704 - Colour Hash
- uva 704 - Colour Hash
- colour and life
- hdu1683--Colour sequence
- uva:704 - Colour Hash
- D - Colour sequence
- hdu 1683 Colour sequence
- 704 - Colour Hash
- volatile关键字
- 用两个栈实现一个队列 用两个栈实现一个队列
- 神奇数-Java-牛客模拟三
- C++学习:类,对象,封装
- Java 多线程:InheritableThreadLocal 实现原理
- The Linear Monge-Kantorovitch Linear Colour Mapping for Example-Based Colour Transfer 论文理解
- JavaWeb开发模式:C/S模式,B/S模式,JSP+JavaBean模式,JSP+Servlet+JavaBean模式
- Android性能优化(一)之布局优化
- SSM整合
- Hamming Distance
- 基于 POI 封装 ExcelUtil 精简的 Excel 导入导出
- 大型网站技术架构(一)--大型网站架构演化(转)
- SWJTU计算机组成实验C-实验六 运算器的设计
- setAdapter()和notifyDataSetChanged()