Question

假设我们在图像中有5个圆圈的l，a，b值。这些值是使用OpenCV计算的。

imlab=cv2.cvtColor(circle_img_only,cv2.COLOR_BGR2LAB).astype("float32")

实际上，我们从每个圆圈中取100个随机像素并计算每个圆圈的正常平均LAB值（我不确定这是正确的方法）

值为np.array，类似于以下内容：

LAB Measured Colors Values =
[[ 27.553 -26.39    7.13 ]
 [ 28.357 -27.08    7.36 ]
 [ 28.365 -27.01    7.21 ]
 [ 29.749 -27.78    7.42 ]
 [ 28.478 -26.81    7.14 ]]

这些圆圈也使用比色计仪器测量。色度计生成参考值。

LAB Reference Colors Values =
[35.07, -24.95, 3.12]
[35.09, -24.95, 3.18]
[35.0, -25.6, 3.21]
[34.97, -25.76, 3.36]
[35.38, -24.55, 2.9]

将LAB Measured Colors值调用为m1 允许将LAB参考颜色值调用为m2

我们有测量值和参考值。我们如何计算CCM - 色彩校正矩阵？

我使用以下方法执行此操作：

def first_order_colour_fit(m_1, m_2 , rcond=1):

"""
Colour Fitting
==============

Performs a first order colour fit from given :math:`m_1` colour array to
:math:`m_2` colour array. The resulting colour fitting matrix is computed
using multiple linear regression.

The purpose of that object is for example the matching of two
*ColorChecker* colour rendition charts together

Parameters
----------
m_1 : array_like, (3, n)
    Test array :math:`m_1` to fit onto array :math:`m_2`.
m_2 : array_like, (3, n)
    Reference array the array :math:`m_1` will be colour fitted against.


Simply: Creating and clculating CCM - Color Correction Matrix
"""



print('CCM - Color Correction Matrix = ')
ColorCorrectionMatrix = np.transpose(np.linalg.lstsq(m_1, m_2 , rcond)[0])

这会产生：

CCM - Color Correction Matrix =
[[-0.979 -2.998 -2.434]
 [ 0.36   1.467  0.568]
 [ 0.077  0.031  0.241]]

获得CCM后 - 我想在m1（LAB Measured Colors）上应用CCM，并更正它们。

我们该怎么做？

我正在做以下事情，但结果似乎不合适：

def CorrectedMeasuredLABValues(measured_colors_by_app , ColorCorrectionMatrix , reference_LAB_colors_values ):

CorrectedMeasured_LAB_Values = np.zeros_like(measured_colors_by_app , dtype=object)


print('\n\n\n\n Corrected Measured LAB Values Matrix = ')
for i in range(measured_colors_by_app.shape[0]):
    print(ColorCorrectionMatrix.dot(measured_colors_by_app[i]))
    CorrectedMeasured_LAB_Values[i] = ColorCorrectionMatrix.dot(measured_colors_by_app[i])

我们得到以下信息：

 Corrected Measured LAB Values Matrix =
[ 34.766 -24.742   3.033]
[ 35.487 -25.334   3.129]
[ 35.635 -25.314   3.096]
[ 36.076 -25.825   3.23 ]
[ 35.095 -25.019   3.094]

Answer 1

如果你这样做

ColorCorrectionMatrix = np.linalg.lstsq(m_1, m_2)[0]

然后

m_3 = np.matmul(m_1, ColorCorrectionMatrix)

应返回接近m_3的数组m_2。也就是说，第一行解决了等式

m_1 x = m_2

在最小二乘意义上;因此，m_1与x找到的np.linalg.lstsq的简单矩阵乘法应近似为m_2。

这意味着您应该在计算ColorCorrectionMatrix时删除转置。

但是！此修正会对错过翻译的颜色应用转换。实验室空间中由a和b跨越的平面是色度平面。该平面原点的点代表白色/灰色（无色）。如果图片需要白点调整（白平衡），则意味着真正的白色不在此平面的原点。需要进行翻译才能将其移动到那里，任何数量的乘法都无法实现。

需要解决的等式是

m_1 x + y = m_2

（其中 y 是白点校正）。如果我们将一列1添加到m_1和m_2，则可以将其重写为单个矩阵乘法。这称为齐次坐标，请参阅this Wikipedia article以了解其外观。

在RGB空间中计算色彩校正时，不会出现此问题。在RGB中，原点永远不会移动：黑色是黑色。 RGB值始终为正值。白平衡是通过乘法完成的。

我建议您将色度计参考值转换为RGB，而不是将图像像素转换为Lab，并在RGB空间中执行色彩校正。确保您记录的图像是线性RGB空间，而不是sRGB，这是非线性的（如果结果显示您的图像保存为sRGB，您将在线找到转换公式）。

在线性RGB空间中，以与在Lab空间中相同的方式平均像素值是完全正确的。

LAB色彩空间中的色彩校正矩阵 - OpenCV

1 个答案: