彩色图像灰度化之一 问题提出与国内外研究梗概

一、问题引出

对于没有特别研究过这个方面的学生，对于去色，首先觉得很简单，没有研究价值。看到很多大学生或者研究生作业用的是基本灰度方法，诸如RGB空间的最大值法、平均值法、直接取某一分量的方法。一眼看上去确实也变成灰色了。但是对比度缺失和细节缺失、亮度相同的不同颜色映射为同一灰度方面有很大的问题（比如打印店和Photoshop中的算法并不一定是好的，我们要学会批评性的看待问题）！在学习这些算法的同时，使我也认识到，任何你认为简单的东西在背后都有可能有着复杂的机理，只是你没有发现而已。

               

         

图 1去色算法容易出现的主要问题

这里先放一下好的方法的灰度化结果进行对比。

                

左图为使用12年“Real-time contrast preserving decolorization”算法的结果       右图为使用matlab rgb2gray的结果

看是不是相差特别多呢！！！！

二、方法概述

比基本灰度化方法多考虑了每个通道的权值分配，以更符合彩色通道的相对光谱分布和人类感知，出现了基于 CIE1931 XYZ 颜色空间的灰度化方法，这种方法在将彩色图像转换到XYZ 空间后取Y 值作为灰度值，该方法只考虑了亮度通道信息，所以无法应对具有等亮度的不同颜色的灰度转换。 

针对问题，不少作者都提出了解决方案。根据一个算法中的映射函数是否可应用于整幅图像的所有像素,将当前己存在的灰度化算法分为全局映射法、局部映射法和混合法。表1列出了一些经典的代表方法。

(1) 全局映射法是指对整幅图像的所有像素采用一样的映射函数进行灰度化。比起另外两种映射方法相比,这种类型的算法能够更好地保持全局结构信息,但由于所有的像素采用一样的映射法,会使结果图像变平滑,损失很多的细节信息。

(2) 局部映射法是指对图像中的不同像素采用了不同的映射函数。这种类型的算法过于关注局部信息,从而导致全局结构不明显以及图像整体的信息损失非常严重,还会产生光晕,噪声增强等现象。

(3) 混合法是指对图像既采用了局部映射也采用了全局映射。这种类型的算法不仅能够保持全局结构信息,也能保持局部的对比度信息。

 

                                          表1 图像去色经典方法

方法分类

作者

文章

年份

全局映射法

Gooch

Salience-preserving color removal

2005

Rasche

Detail preserving reproduction of color images for monochromats and dichromats

 

Re-colouring images for gamuts of lower dimension

2005

 

 

2005

Grundland

Decolorize: Fast, contrast enhancing, color to grayscale conversion

2007

Kim

Robust color-to-gray via nonlinear global mapping

2009

局部映射法

Bala

Spatial color-to-grayscale transform preserving chrominance edge information

2004

Neumann

An efficient perception-based adaptive color to

gray transformation

2007

Smith

Apparent greyscale: A simple and fast conversion to perceptually accurate images and video

2008

混合法

Kuk

Color to grayscale conversion considering local and global contrast

2011

Lu

Contrast preserving decolorization

2012

Lu

Real-time contrast preserving decolorization

2012

        

局部映射法中，Bala等人提出的将高频滤波后的色度信息加入到亮度通道以实现局部增强。Neumann 等人则旨在利用 Coloroid 感性颜色空间和它的实验背景获得最好的等效感性灰度梯度。通过梯度一致性校正梯度域，最后通过二维结合获得灰度图像。Smith 等人提出了一种强化边缘特征的灰度化算法。根据 Smith 等人的灰度化算法思想，先用 VAC 算法得到一个最初的映射函数，然后利用拉普拉斯金字塔提取图像的多层特征信息, 再根据该层特征信息的颜色对比程度得出其加成系数，最后将得到的加成系数作用于灰度图像上从而增加灰度图像的对比度。该方法对相邻像素的对比度损失较为敏感,但是无法敏锐地感知到非相邻像素之间对比度的损失,而且还会导致图像不连续以及出现光晕等现象。

全局映射法中，Gooch 等和Rache等在2005 年分别提出了两种经典的将彩色图像转换为灰度图像的算法，即将彩色图像灰度化看成是变量的最优化问题。Gooch等通过优化像素间的局部差异信息实现灰度化。根据相邻像素间的亮度和色度差，得到灰度图像相邻像素之间的差，然后通过得到的颜色信息和亮度信息构造灰度级目标函数，最后通过构造和求解优化方程得到原彩色图像的灰度图像，该方法的计算复杂度高达 。

Rasche等人提出了另一种计算差异的方法,他们首先统计一幅图像总的颜色种类,然后将图像转换到LCH颜色空间, 然后用欧氏距离来计算颜色对之间的色彩差异以及最大的颜色对比度。再求出像素对之间的颜色对比度与最大的颜色对比度的比值, 并构建了相应的误差能量函数,使最终的灰度像素之间的灰度对比度和灰度最大对比度的比值与颜色对比度比值相接近,从而求得每种颜色所对应的灰度值。后来,Rasche等人了新的方法,该方法在计算差异上与他们之前的文章一致,均是先统计一幅图像总的颜色种类,然后计算颜色对之间的差异。新方法在得到颜色对之间的差异之后,通过颜色数量化得到采样颜色,然后用差值法得到全部颜色对应的灰度值。Rasche等人的两种算法虽能保持部分的结构信息,却会产生一些不和谐的轮廓以及损失很多的色彩信息。而且优化算法不管是对于成千的像素还是成百的色彩等级来说，其运算代价都非常昂贵，也比较容易陷入局部极小值。

Kim 等在CIE LCH 颜色空间提出了形似Fairchild 衡量H-K 效应模型的更加灵活的非线性映射，实现了全局色彩的对比增强，还能进一步应用到视频变换中的非线性映射，但该方法会使图像丢失或者模糊边缘特征。

Grundland脱色对比增强法就是在将彩色图像转换到 YPQ 空间后，将采样到的 PQ 成分进行投射得到主要彩色对比信息后引入到 Y 通道后，通过饱和度校正规范了最终灰度图像的动态范围。该算法不仅速度快,实现像素的连续映射,而且能够使灰度化后的图像保持颜色一致性和灰度像素特征,但该方法在细节保持上仍然存在着很多不足。

为了引入全局对比和局部对比信息，Kuk 等人结合了 Gooch 等和 Rache等的方法，在由两种边缘构成的梯度域构造了通过最小二乘最小化能量函数来使灰度图像逼近彩色图像的灰度化方法。

Cewu Lu 等则提出了一种基于最大化保留原始彩色对比的优化方法，即采用有限多元多项式进行全局映射后，通过解基于弱化彩色顺序限制约束的双峰对比保留目标函数。这种方法一定程度上保留和增强了图像对比，但是时间复杂度受限于全局映射中权重的取值，因此后来他们通过用三个参数线性结合彩色通道，离散参数的解空间和缩放高分辨率输入图像到固定尺寸提出了一种实时对比保留脱色法。虽然这种算法在对比度保持和速度上有一定的优势,但是其灰度化后的结果偶尔还是会出现图像的颜色一致性特征被破坏的现象,损失部分重要的对比度信息,而且他们并未考虑灰度像素特征问题。

还有看到其他方法，此处未总结的。暂列如下。

Raja Bala：Color-to-GrayscaleConversion to Maintain Discriminability

Baldrich, R：Color imageenhancement based on perceptual sharpening

de Queiroz：Color togray and back: color embedding into textured gray images

Ali Alsam：Grey ColourSharpening

Drew, Mark S：Improvedcolour to greyscale via integrability correction

Ali Alsam：FastMultispectral2Gray

Zhang, Yi：A KernelBased Algorithm for Fast Color-to-Gray Processing

Giovane R. Kuhn：An improvedcontrast enhancing approach for color-to-grayscale mappings

Ming Cuiand：Color-to-grayconversion using ISOMAP

Tae-Hee Lee：Convertingcolor images to grayscale images by reducing dimensions

Luca Benedetti：Color togray conversions in the context of stereo matching algorithms

Ye Zhao：SpectralImage Decolorization

D. Eynard：Laplaciancolormaps: a framework for structure-preserving color transformations

三、方法选择

  根据调研和资料搜索，下面是综合算法和对比度均较好的方法。拟深入学习研究下面方法中的2~3种。

Smith

Apparent greyscale: A simple and fast conversion to perceptually accurate images and video

2008

Neumann

An efficient perception-based adaptive color to gray transformation

2007

Grundland

Decolorize: Fast, contrast enhancing, color to grayscale conversion

2007

Gooch

Salience-preserving color removal

2005

Lu

Contrast preserving decolorization

2012

Lu

Real-time contrast preserving decolorization

2012

 

下一篇文章看具体的算法。

本文做作者原创，转载请注明出处！