2006_Color Harmonization_SIGGRAPH_colorharmonization-优快云博客

本文链接：https://blog.youkuaiyun.com/Hym_eric/article/details/118141954

本文探讨了如何利用HSV色彩空间和Graph-Cut算法实现图像色彩的和谐化。通过预定义的8种色相模板，调整像素色相值，使图像颜色更加美观。算法通过优化损失函数找到最佳的色相匹配，并采用二值分割算法解决相邻像素色相分割问题。使用超像素加速Graph-Cut过程，确保颜色连续性和局部一致性。最终，根据像素与模板的距离改变颜色，实现色彩的平滑过渡。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这是一篇关于色彩和谐化的工作，可以根据图片的HSV空间中H色相的值进行改变颜色，使得原图更加美观。

文中使用色相环，预定义了8种模板

模板中的中心位置说的是扇形区域的中间那条线是在哪个地方（顺时针偏移），默认垂直向上的是0，eg 0.25 则是说的中心线在正东方向。而宽度是不变的，也就是灰色的扇形区域的大小是不变的，变得就只是中心线的位置，相当于在绕着中心点旋转。

这个是相当于损失函数，里面的||*||代表了弧长，意思是让像素的色相值尽可能接近模板本身，

算法思路是，先固定模板，然后优化alpha，之后根据每个模板和对应的alpha计算F也就是损失值，找到最小的那一组(m, alpha)就是我们最终使用的。

为了解决在色相环形图中出现两个区域，图像空间上相邻的像素被分到不同区域的情况，也就是上图中间孔雀的脖子颜色不一致的问题，引入了二值分割算法，使用的是graph-cut方法，给每个像素一个标签0或者1决定他们是被分到哪一个色相环形图的区域中。

文章中的graph-cut直接用比较耗时，可以用opencv中的超像素就代替，可以加速，具体流程为：先不看颜色的连续性，单纯计算每个像素的色相到哪个扇形区域最近，先为每个像素单独打标签，然后再统计opencv划分的每个超像素块里面的像素标签哪个多，就把当前超像素的标签置为谁。这就保证了颜色又连续，每个颜色被压缩的距离又最小，色差变化不会太大。