我有兩個相機(A & B),我已經採取了校準場景的照片,然後校正畸變和使用的特徵的映射來得到結果是以下的像素的精確配準:地圖一個照相機的顏色配置文件到另一個
正如你所看到的,顏色響應是完全不同的。我現在想做的是用A拍一張新照片並回答這個問題:如果我使用了照相機B,它會是什麼樣子?
是否有一些現有的技術或算法來轉換像這樣的兩個攝像機的色彩空間/配置文件?
我有兩個相機(A & B),我已經採取了校準場景的照片,然後校正畸變和使用的特徵的映射來得到結果是以下的像素的精確配準:地圖一個照相機的顏色配置文件到另一個
正如你所看到的,顏色響應是完全不同的。我現在想做的是用A拍一張新照片並回答這個問題:如果我使用了照相機B,它會是什麼樣子?
是否有一些現有的技術或算法來轉換像這樣的兩個攝像機的色彩空間/配置文件?
從您提供的圖像中,不難將其細分爲小方塊。之後,在兩幅圖像中取平均值(甚至更好的平均值)。現在您有2 * m * n的值,如下所示:MeansReference_(m*n)
,MeansQuery_(m*n)
。使用線性色彩校正矩陣是:
可以構建該線性系統:
MeansReference[i][j]= C * MeansQuery[i][j]
其中:
MeansReference[i][j]
是顏色的向量(3 * 1) (R,G,B)
在Reference
圖片中的廣場[i,j]
。
MeansQuery[i][j]
是Query
圖像中正方形[i,j]
的顏色(R,G,B)
的向量(3 * 1)。
C
是3*3
矩陣(a11,a12,... ,a33)
現在,對於每個I,J,你會得到3個線性方程組(爲R,G,B
)。由於有9個變量(a11...a33
),您至少需要9個等式至少3個方塊(每個方塊爲您提供3個等式)。然而,您構建的等式越多,您獲得的準確度就越高。
如何求解方程數大於變量數的線性系統?使用Batch-LSE
。您可以在Neuro-Fuzzy-and-Soft-Computing-Jang-Sun-Mizutan本書或任何在線來源找到關於它的很棒的細節。
找到9個變量後,您將獲得一個顏色校正矩陣。只需將它應用於新相機的任何圖像上,您就會看到一張看起來像是由舊相機拍攝的圖像。如果您想要相反的話,請改爲使用C^-1
。
祝你好運!