基于LBP的图像白平衡方法与流程

本发明涉及图像处理
技术领域：
，尤其涉及图像白平衡方法，具体是指一种基于LBP的图像白平衡方法。
背景技术：
：图像白平衡是用于恢复物体在不同光照下真实颜色的图像处理过程。在图像白平衡处理技术中，主流的方法有基于机器学习的方法和基于统计分析的方法，前者基于图像数据库和标注结果进行机器学习，其针对训练数据库的处理结果可以获得较高的准确度，但是一旦面临新的图像时往往不能得到令人满意的结果。基于统计分析的方法通常采用一些图像分析处理方法获取当前图像的亮度色度估计，然后得到白平衡结果，该方法相对于机器学习的方法对不同的图像类型具有较好的适应性。经过对现有技术的文献检索发现，现有技术通常依赖于图像场景的本征属性的光照反射分布假设。如EHLand,JJMcCann在《JOSA》(美国光学社会期刊)第61卷，第1期，第1-11页发表的“Lightnessandretinextheory”一文提出的RGB颜色通道的最大响应为图像场景的反射分布的亮度色度。VanDeWeijerJ,GeversT和Gjseni在《IEEETransactionsonimageprocessing》(IEEE图像处理期刊)第16卷，第9期，第2207-2214页发表的“Edge-basedcolorconstancy”一文提出的图像场景中边界差是没有颜色的假设。然而，这些方法未能考虑到图像场景中的局部变化特征，从而对于一些局部光照明显的图像校正效果较差。技术实现要素：本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现克服图像白平衡过程中颜色偏差大的问题的基于LBP的图像白平衡方法。为了实现上述目的，本发明的基于LBP的图像白平衡方法具有如下构成：该基于LBP的图像白平衡方法，其主要特点是，所述的方法包括如下步骤：(1)对待处理图像进行指数空间变换；(2)在指数空间分别计算LBP值；(3)计算RGB空间的LBP值的方差STD；(4)根据方差STD选取最优像素点；(5)采用最优像素点的RGB值对待处理图像进行校正。较佳地，所述的对待处理图像进行指数空间变换，具体为：根据如下公式对图像进行指数空间变换：ILOG＝log(IR,G,B)其中，IR,G,B为待处理图像，ILOG为指数变换后的图像，log为图像的指数操作。较佳地，所述的在指数空间分别计算LBP值，具体为：根据如下公式在指数空间分别计算LBP值：ILBP(R)＝LBP(ILOG(R))ILBP(G)＝LBP(ILOG(G))ILBP(B)＝LBP(ILOG(B))其中，ILOG为指数变换后的图像，LBP为图像局部二值模板计算，LBP的计算采用以下公式：LBP＝(sgn(g0-gc),...,sgn(gP-1-gc))c∈ΩΩ对应于整个图像像素域，gc对应于局部邻域中的中心像素点的灰度值。gp(p＝0,...,P-1)为邻域中像素点P的灰度值。其中符号函数sgn定义如下sgn(x)=1x≥00x<0.]]>较佳地，所述的计算RGB空间的LBP值的方差STD，具体为：根据如下公式计算RGB空间的LBP值的方差STD：STD=13·Σi=R,GB(LBPi-LBP‾)2LBP‾.]]>较佳地，所述的根据方差STD选取最优像素点，具体为：对方差STD值进行从低到高的排序，选择方差STD值最小的像素点为最优像素点。较佳地，所述的采用最优像素点的RGB值对待处理图像进行校正，具体为：采用最优像素点的RGB值统一变换位图获得白平衡后的校正图像。较佳地，所述的采用最优像素点的RGB值对待处理图像进行校正，具体为：根据如下公式采用最优像素点的RGB值对待处理图像进行校正：INEW=120Σi∈stdIR,G,B(i)./IR,G,B.]]>其中，INEW为白平衡后的校正图像，IR,G,B为待处理图像。采用了该发明中的基于LBP的图像白平衡方法，利用图像指数空间变换，局部二值图像模板和综合方差统计克服了图像白平衡过程中颜色偏差大的问题；现有的图像白平衡方法，都是基于全局的图像场景分析假设，对于光照不均匀的情况下，图像白平衡效果往往较差，而本发明充分利用了图像场景中空间域局部特征，通过局部二值模板计算实现了光照不变像素点的提取，从而克服了传统方法所无法解决的问题，具有更广泛的应用范围。附图说明图1为本发明的基于LBP的图像白平衡方法的流程图。图2为实施例中的图像。图3为实施例的基准校正图像。图4为实施例中图像的传统方法校正结果。图5为实施例中图像采用本发明的基于LBP的图像白平衡方法的校正结果。具体实施方式为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。本发明针对上述现有技术的不足，提出了一种基于局部二值模板计算的图像白平衡算法，该方法采用图像指数空间变换，局部二值模板计算以及综合方差统计，最后通过有限最小方差像素点确定图像亮度色度的表征完成整个图像色彩的矫正。本发明是通过以下技术方案实现的，具体包括如下步骤：步骤一，对图像进行指数空间变换，具体公式如下ILOG＝log(IR,G,B)ILOG为指数变换后的图像，log为图像的指数操作。步骤二，在指数空间分别计算LBP值ILBP(R)＝LBP(ILOG(R))ILBP(G)＝LBP(ILOG(G))ILBP(B)＝LBP(ILOG(B))LBP为图像局部二值模板计算，LBP的计算采用以下公式LBP＝(sgn(g0-gc),...,sgn(gP-1-gc))c∈ΩΩ对应于整个图像像素域，gc对应于局部邻域中的中心像素点的灰度值。gp(p＝0,...,P-1)为邻域中像素点P的灰度值。其中符号函数sgn定义如下sgn(x)=1x≥00x<0]]>步骤三，计算RGB空间的LBP值的方差STD，采用以下公式STD=13·Σi=R,GB(LBPi-LBP‾)2LBP‾]]>步骤四，对STD进行从低到高的排序，用STD值最小的20个像素点RGB值对图像进行校正，采用如下公式，INEW=120Σi∈stdIR,G,B(i)./IR,G,B]]>其中，i为STD值最小的20个像素点对应的索引。下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。本实施例中对图像大小为1359×2041像素的图像做白平衡处理，算法流程如图1所示，包括如下步骤：第一步，读入当前图像，对图像RGB空间进行指数变换，具体计算公式如下ILOG＝log(IR,G,B)第二步，以左上角的像素点为原点建立直角坐标系，在图像指数空间分别计算LBP值，具体计算公式如下ILBP(R)＝LBP(ILOG(R))ILBP(G)＝LBP(ILOG(G))ILBP(B)＝LBP(ILOG(B))LBP＝(sgn(g0-gc),...,sgn(gP-1-gc))c∈Ω其中P＝8，每次LBP的计算是当前像素为中心的3x3大小的图像块。第三步，计算RGB空间的LBP值的方差STD，采用以下公式STD=13·Σi=R,GB(LBPi-LBP‾)2LBP‾]]>第四步，对STD进行从低到高的排序，用STD值最小的20个像素点RGB值对图像进行校正，采用如下公式，INEW=120Σi∈stdIR,G,B(i)./IR,G,B]]>其中，i为STD值最小的20个像素点对应的索引，最终获得白平衡后的图像INEW本实施例的图像白平衡原理是：通过图像的指数变换，将图像原色彩的估计问题转化到指数空间中亮度色度的估计问题。在图像指数空间计算图像的局部二值模板，有效提取局部空间结构化特征，并通过综合方差分析选取最优表征色度亮度的图像像素点，最后通过选取的最优像素点计算白平衡图像。因此，通过统一的空间变换、局部二值特征提取以及综合统计分析可以实现有效的图像白平衡处理。采用了该发明中的基于LBP的图像白平衡方法，利用图像指数空间变换，局部二值图像模板和综合方差统计克服了图像白平衡过程中颜色偏差大的问题；现有的图像白平衡方法，都是基于全局的图像场景分析假设，对于光照不均匀的情况下，图像白平衡效果往往较差，而本发明充分利用了图像场景中空间域局部特征，通过局部二值模板计算实现了光照不变像素点的提取，从而克服了传统方法所无法解决的问题，具有更广泛的应用范围。在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。当前第1页1 2 3