本文介绍了计算机视觉中的色彩迁移技术，通过将目标图的色彩信息附着到原图上，保留原图形状的同时改变其色彩。重点讲述了Reinhard的ColorTransfer算法，包括算法思想、灰度值分布假设以及从RGB到Lab空间的颜色转换。此外，还分享了GitHub上的实现代码，并展示了算法的效果，讨论了其优缺点以及未来可能的改进方向，如局部色彩迁移。
色彩迁移
这一个学期任务量比较大，主要是计算机视觉这门课和计算机图形学任务量有点大，所以暑假才有时间更新这系列博客，这系列博客主要是利用CImg这个库来实现一些算法，而不是应用一些算法。
下面开始本期的介绍！
1.什么是色彩迁移？
对于搞CV(Computer Vision)的人来说，什么都不如用图像来解释，解释地清楚。颜色迁移就是将目标图的整体颜色附加到你想改变的原图上，最后使得结果图拥有原图的形状信息而色彩信息来自目标图。
2.ColorTransfer算法
在色彩迁移领域最著名的经典论文便是2001年Reinhard的Color transfer between images,谷歌学术引用量1500+，下面介绍下其中心思想：
原图像和目标图像都是在RGB空间下，我们要将其转换至Lab空间下，利用图像的统计数据（均值和标准差）进行颜色迁移，最后转回到RGB空间中。
我们有一个重要的假设，图像灰度值的分布近似为高斯分布。
我们将标准正态分布记为X，原图灰度值的正态分布记为 Z1 ，目标图像灰度值的正态分布记为 Z2 。
那么由概率统计正态分布公式：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
