OpenCV的色彩校正

Question

我的工作，涉及到一個紙條，從白色改變顏色，基於某些因素深棕色一個項目，我需要編寫一個應用程序，能夠將此顏色分類。我已經在OpenCV中編寫了它的特徵識別部分，但是我遇到了不同照明條件的麻煩。我在這個過程中包含了一個包含6種不同顏色的矩形：黑色，白色和4種不同的灰色陰影。不過，我仍然在努力獲得指標的真實顏色。任何人都可以將我指向正確的方向嗎？謝謝。

Answer 1

這是一個有趣的任務。您可以嘗試從一些簡單的方法開始，例如使用線性代數和最小二乘法最小化。

我們可以考慮真實和登記顏色3D矢量（我假設你在RGB或其他顏色空間的彩色圖像的工作），並從效果照明作爲一個矩陣運算符（3×3）。

每對顏色產生了以下形式的約束：

，其中是你正在尋找運營商，是真實的顏色，觀察顏色。

可以在另一種形式中重寫這些約束：

​​哪裏是（符號爲觀察到的顏色是類似的）的組件。

這種形式允許我們通過簡單疊加矩陣來組合多個觀測值。您至少需要3種顏色匹配才能準確估計操作員，而且如果您想要對噪音和其他不需要的效果具有魯棒性，則需要更多。

根據您的觀察形成矩陣後，您可以用最小二乘法求解一組線性方程組，以獲得運算符（從真實顏色到觀察值的映射）。

一旦你估計運營商，你可以預乘你觀察到任何一種顏色得到真實的顏色。

這是一個簡單易懂和有效的方法，但它有一些缺點。

首先 - 它假定有真實和觀察到的顏色之間的線性關係，這可能是一個不正確的假設（我沒有做實驗，以檢查它）。

此外，即使照明作爲線性算子 - 因爲相機的動態範圍是固定的 - 一旦某些顏色由於明亮的光照而超出範圍，您可能會遇到問題，因爲這會產生剪裁，使得操作員非線性的。另外，你應該仔細選擇你的標記的顏色（我會選擇不同色調的顏色來捕捉顏色空間的基礎，除了它們應該處於動態範圍的中間以減少超出範圍的概率）。不要忘記，如果你的顏色成分過於相關（例如，如果你使用灰色陰影） - 觀察矩陣可能會失去等級併成爲單數，這將使得解決A元素不可能/無意義。

我已經做了一個簡單的python腳本來檢查我描述的操作符是否可以在簡單條件下進行估計（同質2倍變暗）。它也可以用於試驗不同顏色的標記。

import numpy as np 

# choose colors for marker 
Cr = np.array([[10, 200, 30], 
       [40, 50, 160], 
       [10, 80, 90], 
       [150, 60, 10]], dtype = np.float32) 

# simulate effect from light 
Co = (Cr/2) 

# form a set of constraints for a color pair 
def genConstr(pt): 
    constr = np.zeros((3, 9), dtype = np.float32) 
    constr[0, 0:3] = pt 
    constr[1, 3:6] = pt 
    constr[2, 6:9] = pt 
    return constr 

# form constraints for all colors on marker 
cs = np.zeros((0, 9), dtype = np.float32) 

for i in xrange(Cr.shape[0]): 
    cs = np.vstack((cs, genConstr(Cr[i, :]))) 

# estimate operator 
Ai = np.linalg.lstsq(cs, Co.flatten())[0].reshape((3, 3)) 
A = np.linalg.inv(Ai) 

#display results 
print 'operator:' 
print A 

print '' 

print 'reconstructed colors:' 
for i in xrange(Co.shape[0]): 
    print A.dot(Co[i]) 

它產生以下結果：

operator: 
[[ 2.00000000e+00 -3.12988124e-16 -3.83156015e-16] 
[ -1.77322970e-32 2.00000000e+00 -3.60822483e-16] 
[ 9.82882077e-17 -4.07302066e-16 2.00000000e+00]] 

reconstructed colors: 
[ 10. 200. 30.] 
[ 40. 50. 160.] 
[ 10. 80. 90.] 
[ 150. 60. 10.] 

正如你所看到的，估計的操作是相當接近理論（在主對角線2S），和真正的顏色被正確重建。