基于已知对象的颜色标准化

Question

我无法找到关于此的文献。

问题在于，考虑到其中有一个众所周知的物体的照片 - 说出为此目的打印的东西，该方法如何使用该物体来推断光照条件作为颜色轮廓校准的方法。 / p>

例如，假设我们打印出和平旗彩虹，然后在各种照明条件下使用消费级旗舰智能手机相机（例如，iphone 6，nexus 6）拍摄照片，其根本问题在于是否使用已知参考图像内部是校准整个图像颜色的潜在好方法

当然，照片不同区域的照明条件差异以及设备在最佳情况下能够区分的波长有很多问题 - 但是让我们将它们放在一边。

有没有人使用过这种技术或者看过有关它的文献，如果有的话，你能否指出我的一些发现方向。

感谢。

Answer 1

我不确定这是否是标准技术，但校准颜色通道的一种简单方法是学习区域中存在的颜色与其实际颜色之间的回归模型（针对每个像素）。如果您有一些已知图像的镜头，您应该有足够的数据来使用神经网络学习转换模型（如果您愿意，可以使用线性回归等简单模型，但NN可以捕获多模态映射）。如果您需要了解强度之间的某些空间依赖性，您甚至可以在小补丁（例如8x8或16x16）上使用NN进行基于补丁的回归。

Answer 2

这应该是可能的，但你应该注意你的已知物体对光的反应方式。理想情况下，它应该是无光泽的，从一个角度拍摄时具有相同的颜色，完全不透明，并反射您的传感器敏感的可见光谱之外的所有波长（红外线，紫外线，没有滤光片是完美的）均匀地穿过所有不同颜色的区域。强调增加是因为最后一个非常重要并且很难做到正确。

但是，彩色已知对象的主要问题是：RGB（*）中不同区域的实际颜色是什么？因此，通过这种方式，您可以确定彼此之间不同光照条件的影响，但从不相对于某些基本事实。

解决方案：使用均匀的白色，不反光，不透明的表面：足够厚的白纸应该做得很好。在场景中拍摄非过度曝光的纸张照片，您知道：

1. R，G和B应该接近等于
2. R，G和B应该接近255.

根据这两个事实以及您实际从工作表中获得的R，G和B值，您可以确定场景中颜色和亮度的任何变化。假设黑色仍然是黑色（通常是一个合理的假设），并使用线性插值来确定在任何轴上的0到255之间的像素所经历的偏移。

（*）或您选择的其他颜色空间。