一种彩色图像去彩方法及系统技术方案

本发明专利技术涉及一种彩色图像去彩方法及系统，包括求解待去彩图像每个像素点的RGB分量加权平均值，分别将每个RGB分量加权平均值作为对应像素点的灰度值；并求解待去彩图像的平均亮度；根据待去彩图像的RGB分量的协方差矩阵和待去彩图像的平均亮度，构建优化模型；在优化模型中增加正则项构建新优化模型，使新优化模型的Hessian矩阵正定；对敏感因子赋不同的值，代入新优化模型中对待去彩图像进行去彩获取不同的灰度图像，并求解不同的灰度图像的平均色彩对比度保留率；选取最大的平均色彩对比度保留率对应的灰度图像作为待去彩图像的最终灰度图像。本发明专利技术待去彩图像去彩的结果对敏感因子的取值不敏感，最终灰度图像尽可能保留待去彩图像的色彩对比度。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种彩色图像去彩方法及系统。
技术介绍
虽然现在彩色图像在很多领域广泛应用，但是仍然有很多地方需要用到灰度图像，如出版商为了降低印刷成本，通常将彩色图像转变为灰色图像。彩色图像灰度化处理在黑白印刷、单通道处理、电视传输过程中有非常广泛的应用。当然，彩色图像灰度化处理过程中，不可避免会造成信息损失。Rasche等人对彩色图像中每个像素点定义了一个目标函数，来表示彩色图像到灰度图像的转换误差，最小化目标函数来获得变换矩阵；之后又引入了多维缩放，对彩色图像灰度化进行数学建模；但是花费的时间太大。Gooch等人将图像转化到CIELAB空间，通过利用色阶、对比度和边界区域3个参数对转换效果进行调整，利用优化算法得到灰度图像；但对于分辨率较高的图像，花费时间比较长，不是很方便。章卫祥等人提出了一种基于梯度域的彩色图像转变为灰度图像的方法，首先将彩色图像从RGB颜色空间转化到LCrCb空间，然后对各个分量分别计算其梯度，并对亮度的梯度进行修改，最后通过对修改后的亮度的梯度求解泊松方程，得到灰度图像。郭彦伶等人提出一种新的基于TV(全变分)复原模型的新方法，解决了边缘模糊化问题。Qiu等人提出考虑了图像的灰度方差和亮度的方法；但由于目标函数非凸，可能存在局部极小值，使得彩色图像灰度化即去彩的结果对敏感因子的取值非常敏感。
技术实现思路
本专利技术目的是提供一种彩色图像去彩方法及系统，解决现有技术中存在的上述问题。本专利技术解决上述技术问题的技术方案如下：一种彩色图像去彩方法，包括如下步骤：步骤1，求解待去彩图像每个像素点的RGB分量加权平均值，分别将每个RGB分量加权平均值作为对应像素点的灰度值；并求解所述待去彩图像的平均亮度；步骤2，根据所述待去彩图像的RGB分量的协方差矩阵和所述待去彩图像的平均亮度，构建优化模型；在所述优化模型中增加正则项构建新优化模型，使所述新优化模型的Hessian矩阵正定；步骤3，对敏感因子赋不同的值，分别代入所述新优化模型中对所述待去彩图像进行去彩，获取不同的灰度图像，并分别求解所述不同的灰度图像的平均色彩对比度保留率；步骤4，选取最大的平均色彩对比度保留率对应的灰度图像作为所述待去彩图像的最终灰度图像。本专利技术的有益效果是：新优化模型的Hessian矩阵正定，Hessian矩阵对应的目标函数为凸函数，从而使待去彩图像去彩的结果对敏感因子的取值不敏感；对敏感因子赋不同的值，获取不同的灰度图像，选取最大的平均色彩对比度保留率对应的灰度图像作为所述待去彩图像的最终灰度图像，采用平均色彩对比度保留率评价灰度图像，使最终灰度图像尽可能保留待去彩图像的色彩对比度，获取最佳视觉效果；并且本专利技术对局部范围色差较小的彩色图像还原度也有提高，运算时间快，对电脑性能的要求不高。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述RGB分量加权平均值根据如下第一公式计算；所述第一公式如下：L(x)＝αR(x)+βG(x)+γB(x)其中，所述L(x)为所述待去彩图像任一像素点的RGB分量加权平均值，u＝(α,β,γ)，α，β和γ分别为所述待去彩图像去彩过程中RGB分量的权因子，根据经验设置，且0≤α≤1，0≤β≤1，0≤γ≤1，α+β+γ＝1；所述待去彩图像的平均亮度根据如下第二公式计算；所述第二公式如下：m＝(mR,mG,mB)其中，所述m为所述待去彩图像的平均亮度，其为所述待去彩图像的RGB分量的均值向量，则所述mR，mG和mB分别为所述待去彩图像的RGB分量的均值。进一步，所述步骤2包括如下步骤：步骤21，根据所述待去彩图像的RGB分量的协方差矩阵和所述待去彩图像的平均亮度，构建优化模型；所述优化模型如下： min u ( - uKu T + τ 2 ( mu T - 1 ) 2 ) ]]>其中，所述K为所述待去彩图像的RGB分量的协方差矩阵；所述τ为敏感因子；步骤22，在所述优化模型中增加正则项构建新优化模型，使所述新优化模型的Hessian矩阵正定；所述新优化模型如下： min u ( - uKu T + τ 2 ( mu T - 1 ) 2 ) + μ 2 u T u ]]>其中，所述μ为所述优化模型的Hessian矩阵的最小特征值的绝对值与预设值的和。进一步，所述对敏感因子赋不同的值具体实现为：当 m R + m G + m B 3 < 1 3 ]]>时，令敏感因子的初值为0.5，并以0.01为步长，依次增加敏感因子的取值大小，至敏感因子的取值等于1时结束敏感因子的赋值；当 m R + m G + 本文档来自技高网...

【技术保护点】
一种彩色图像去彩方法，其特征在于，包括如下步骤：步骤1，求解待去彩图像每个像素点的RGB分量加权平均值，分别将每个RGB分量加权平均值作为对应像素点的灰度值；并求解所述待去彩图像的平均亮度；步骤2，根据所述待去彩图像的RGB分量的协方差矩阵和所述待去彩图像的平均亮度，构建优化模型；在所述优化模型中增加正则项构建新优化模型，使所述新优化模型的Hessian矩阵正定；步骤3，对敏感因子赋不同的值，分别代入所述新优化模型中对所述待去彩图像进行去彩，获取不同的灰度图像，并分别求解所述不同的灰度图像的平均色彩对比度保留率；步骤4，选取最大的平均色彩对比度保留率对应的灰度图像作为所述待去彩图像的最终灰度图像。

【技术特征摘要】
1.一种彩色图像去彩方法，其特征在于，包括如下步骤：
步骤1，求解待去彩图像每个像素点的RGB分量加权平均值，分别将每
个RGB分量加权平均值作为对应像素点的灰度值；并求解所述待去彩图像的
平均亮度；
步骤2，根据所述待去彩图像的RGB分量的协方差矩阵和所述待去彩图
像的平均亮度，构建优化模型；在所述优化模型中增加正则项构建新优化模
型，使所述新优化模型的Hessian矩阵正定；
步骤3，对敏感因子赋不同的值，分别代入所述新优化模型中对所述待
去彩图像进行去彩，获取不同的灰度图像，并分别求解所述不同的灰度图像
的平均色彩对比度保留率；
步骤4，选取最大的平均色彩对比度保留率对应的灰度图像作为所述待
去彩图像的最终灰度图像。
2.根据权利要求1所述一种彩色图像去彩方法，其特征在于，所述RGB
分量加权平均值根据如下第一公式计算；
所述第一公式如下：
L(x)＝αR(x)+βG(x)+γB(x)
其中，所述L(x)为所述待去彩图像任一像素点的RGB分量加权平均值，
u＝(α,β,γ)，α，β和γ分别为所述待去彩图像去彩过程中RGB分量的权因子，
根据经验设置，且0≤α≤1，0≤β≤1，0≤γ≤1，α+β+γ＝1；
所述待去彩图像的平均亮度根据如下第二公式计算；
所述第二公式如下：
m＝(mR,mG,mB)
其中，所述m为所述待去彩图像的平均亮度，其为所述待去彩图像的RGB

\t分量的均值向量，则所述mR，mG和mB分别为所述待去彩图像的RGB分量的
均值。
3.根据权利要求2所述一种彩色图像去彩方法，其特征在于，所述步骤
2包括如下步骤：
步骤21，根据所述待去彩图像的RGB分量的协方差矩阵和所述待去彩图
像的平均亮度，构建优化模型；
所述优化模型如下：
min u ( - uKu T + τ 2 ( mu T - 1 ) 2 ) ]]>其中，所述K为所述待去彩图像的RGB分量的协方差矩阵；所述τ为敏
感因子；
步骤22，在所述优化模型中增加正则项构建新优化模型，使所述新优化
模型的Hessian矩阵正定；
所述新优化模型如下：
min u ( - uKu T ...

【专利技术属性】
技术研发人员：向妮，张俊玮，金正猛，刘海蓉，蒋飞达，黄体仁，
申请(专利权)人：湖北大学，
类型：发明
国别省市：湖北;42