mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares

文章目录

  • Color Transfer Using Probabilistic Moving Least Squares
    • 1. 颜色转换
    • 2. 如何计算匹配点的概率
    • 3. 核心思想和具体操作:
    • 4. 特征点覆盖不到的颜色
      • 4.1这里介绍一下引文7:
      • 4.2. 分析
    • 5. Probabilistic Moving Least Squares with Spatial Constraints for Nonlinear Color Transfer Between Images
    • 6. 结果:

Color Transfer Using Probabilistic Moving Least Squares

1. 颜色转换

适用场景,配准后的图像有 密集的数量足够多的颜色匹配对。配准可以允许有一定的错误。

mlq这里不再多说,相比与mlq这篇文章主要考虑到匹配是否正确,

假如有很多匹配点,怎么知道一个匹配是否正确。是否可以计算该匹配点正确的概率。
下图p_k就是匹配点的概率。将概率与w融合:得到新的weight

mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第1张图片

mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第2张图片

2. 如何计算匹配点的概率

1) 首先将rgb域用3Dlut 表示,比如 17 ∗ 17 ∗ 17 的 3 D l u t ( 17 ∗ 17 ∗ 17 = 2197 ) 17*17*17的3Dlut (17*17*17=2197) 1717173Dlut(171717=2197)
2) 那么匹配的颜色落在对应格子的数量 和 总的匹配数量,可以表示为该匹配(i和j匹配)的 概率:
在这里插入图片描述

注意这里的i,j表示的grid index, 是 2197个格子之一。

其实第i个格子可能匹配到很多j, 第j个格子也可能匹配到很多i。

那么具体 i匹配j的概率是多少呢?用 2197 ∗ 2197 2197*2197 21972197 的M邻接矩阵来表示,任意两个格匹配的概率。

在这里插入图片描述

i 匹配为j的条件概率和 j 到i的条件概率:
mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第3张图片

最终的矩阵就是:
mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第4张图片

那么每个匹配的概率就可以查找最近的格子得到。

3. 核心思想和具体操作:

先配准,求概率

mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第5张图片

4. 特征点覆盖不到的颜色

用mlq效果不好,因为mlq本质是一个内插函数,外推效果不好。因此作者使用
[7] A. Ilie and G. Welch. Ensuring color consistency across multiple cameras. In ICCV, pages 1268–1275, 2005. 2, 5, 7
中的多项式插值函数,拟合出 空的grid (i)的对应的grid (j)。 利用已知的匹配点对。

4.1这里介绍一下引文7:

引文7主要介绍了一个标定方法:
标定的图像如下:左图包含了亮度变化,右图是常见的颜色。
mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第6张图片

标定方法是利用最小二乘求解 ccm, 或者利用文中提到的软件。
mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第7张图片

因此求出ccm后,每个颜色都可以找到对应的点 ,因此 可以填充3Dlut.

4.2. 分析

利用mlq, 但是又利用 多项式拟合, 那么多项式拟合之后 其实稍微优化一下就得到了3Dlut. 本身多项式拟合也是一种颜色转换。

5. Probabilistic Moving Least Squares with Spatial Constraints for Nonlinear Color Transfer Between Images

主要改进就是引入 空间域, local 域

在这里插入图片描述

mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第8张图片

P是空间位置的距离。

6. 结果:

mls
pmls
b-pmls
b-pmls with extend
mlq color transfer: Color Transfer Using Probabilistic Moving Least Squares_第9张图片

你可能感兴趣的:(map,图像处理算法,机器学习,map,图像处理)