wallis匀色算法、直方图匹配、颜色转移方法比较

算法原理

这三种方法应该是比较基础的匀色处理算法
三个算法的原理比较简单，具体原理大家可以自己百度
（1）wallis匀色原理主要在于利用Wallis滤波器使原始图像的均值和标准差与参考影像相当，从而使原始影像和参考影像具有相近的色调。
（2）直方图匹配是利用累计分布函数改变原始影像的直方图，使其与参考影像的直方图形状相近，从而达到匀色目的。
（3）颜色转移最开始是在Lαβ颜色空间里面 也是调整均值标准差 后来有人提出在相关颜色空间中进行颜色转移，特别是在常用的RGB颜色空间中，该方法的实质是通过缩放、旋转和平移来移动原始影像的数据点，以适应RGB颜色空间中参考影像的数据点簇（这个数据点簇就是上篇文章里面的三维数据点簇 ）。个人认为这是从二维（直方图匹配是匹配直方图形状）到三维（RGB三维颜色空间数据点簇的匹配）的一个演变 下面所说的颜色转移均是RGB颜色空间下的数据点簇形状位置匹配。

主要处理结果比较

（1）先看比较正常的
对于这种地物不太复杂的 分布较为均匀的 这三种方法效果差不多 都能够让原始影像和参考影像具有相近的色调。

 （2）这张 有高亮建筑物的 看起来颜色转移技术较接近ref参考图像 但是里面建筑物稍微亮一点。

 （3）ref参考图像里面 背景变为蓝色 直方图匹配结果失真了 wallis看起来好点 但是和ref还是有差距 颜色转移也是和ref有差距 但是相比而言好多了。

 

总结

（1）总的来说 wallis是通过调整一个区域的均值标准差 当区域里面有 均值反差较大的地物时 wallis处理效果相应来说会差些（所以说很多匀色论文里面的展望方向都是未能考虑特殊区域比如高亮水域建筑物 阴影等 这些区域应该先识别再单独处理 这个在武大吉奥的软件GeoDoging里面有体现） 全局wallis 适合处理 地物分布较为均匀的影像
（2）直方图匹配一般是拉伸直方图形状 有的虽然使灰度范围变大 但是容易使中间灰度级丢失，产生失真
（3）基于RGB相关颜色空间的颜色转移方法 整体来说效果还行 但是没有一种方法是万能的 （有一种参考影像是 红色建筑物+绿地的武汉市建筑物影像 原图上面是 一层类似阴影的亮度较低的影像 颜色转移处理效果就不好 可能这两张图像差距太大 三维散点图匹配效果不好）