⾃动⾊彩均衡算法（ACE）原理及实现
前注：ACE在图像处理⽅⾯可以有两种表⽰，⼀种是本篇要说的:Automatic Color Equalization，即⾃动彩⾊均衡；还有⼀种是：Adaptive Contrast Enhancement，即⾃适应对⽐度增强 。不要搞混了~_~
⾼动态范围图像处理：
⾼动态范围图像是指在⼀幅图像中，既有明亮的区域⼜有阴影区域，为了使细节清晰，需要满⾜以下⼏点：
（1）对动态范围具有⼀定的压缩能⼒；
（2）对亮暗区域的细节有⼀定的显⽰能⼒；
（3）满⾜上⾯条件基础上不破坏图像的清晰度。局部直方图均衡化
对于⾼动态范围处理，基于⼈眼视觉系统（HSV）在颜⾊连续和亮度连续⽅⾯得到较好的满⾜。
⾃动⾊彩均衡算法原理:
Rizzi等依据Retinex理论提出了⾃动颜⾊均衡算法，该算法考虑了图像中颜⾊和亮度的空间位置关系，进
⾏局部特性的⾃适应滤波，实现具有局部和⾮线性特征的图像亮度与⾊彩调整和对⽐度调整，同时满⾜灰⾊世界理论假设和⽩⾊斑点假设。
ACE算法包括两个步骤：
第⼀步：对图像进⾏⾊彩／空域调整，完成图像的⾊差校正，得到空域重构图像；
（1）
式中，Rc 是中间结果，Ic(p)-Ic(j)为两个不同点的亮度差，d(p,j)表⽰距离度量函数，r(*)为亮度表现函数，需是奇函数；这⼀步可以适应局部图像对⽐度，r(*)能够放⼤较⼩的差异，并丰富⼤的差异，根据
局部内容扩展或者压缩动态范围。⼀般得，r(*)为：
第⼆步：对校正后的图像进⾏动态扩展。ACE算法是对单⼀⾊道进⾏的，对于彩⾊图⽚需要对每⼀个⾊道分别处理。
其中，⼀种简单的线性扩展可以表⽰为：
还可以将其映射到[0,255]的空间中：
（5）
通过上⾯的操作，ACE可看成是⼈类视觉系统的简化模型，其增强过程是与⼈的感知是⼀致的。
⾃动彩⾊均衡算法改进:
式（1）算法复杂度较⾼，对于⼀副像素数为N的图像，需要执⾏O(N2)级次⾮线性映射计算，图像尺⼨越⼤，耗时越多，所以针对式（1）产⽣了许多加速改进算法。例如：LLLUT加速策略【4】，参考【3】将ACE转换为对规范直⽅图均衡化的⼀种平滑和局部修正的⽅法，并给出了求解最优模型：
其中，
对于改进⽅法，可以考虑的因素：
1)其他的坡度函数Sa(t)，多项式函数逼近；
2)除了1/||x-y||外的权重函数的选择；
3)在求和的过程中，y可以限制在⼀个⼩窗⼝中；
4)L(x)的⼀些其他的⽅法；
程序下载地址：www.ipol.im/pub/art/2012/g-ace/
另外，可以参照参考[8]的python程序，这⾥po⼀下：
import cv2
import numpy as np
import math
def stretchImage(data, s=0.005, bins = 2000): #线性拉伸，去掉最⼤最⼩0.5%的像素值，然后线性
拉伸⾄[0,1]
ht = np.histogram(data, bins);
d = np.cumsum(ht[0])/float(data.size)
lmin = 0; lmax=bins-1
while lmin<bins:
if d[lmin]>=s:
break
lmin+=1
while lmax>=0:
if d[lmax]<=1-s:
break
lmax-=1
return np.clip((data-ht[1][lmin])/(ht[1][lmax]-ht[1][lmin]), 0,1)
g_para = {}
def getPara(radius = 5): #根据半径计算权重参数矩阵
global g_para
m = (radius, None)
if m is not None:
return m
size = radius*2+1
m = np.zeros((size, size))
for h in range(-radius, radius+1):
for w in range(-radius, radius+1):
if h==0 and w==0:
continue
m[radius+h, radius+w] = 1.0/math.sqrt(h**2+w**2)
m /= m.sum()
g_para[radius] = m
return m
def zmIce(I, ratio=4, radius=300): #常规的ACE实现
para = getPara(radius)
height,width = I.shape
zh,zw = [0]*radius + range(height) + [height-1]*radius, [0]*radius + range(width) + [width -1]*radius
Z = I[np.ix_(zh, zw)]
res = np.zeros(I.shape)
for h in range(radius*2+1):
for w in range(radius*2+1):
if para[h][w] == 0:
continue
res += (para[h][w] * np.clip((I-Z[h:h+height, w:w+width])*ratio, -1, 1))
return res
def zmIceFast(I, ratio, radius): #单通道ACE快速增强实现
height, width = I.shape[:2]
if min(height, width) <=2:
s(I.shape)+0.5
Rs = size(I, ((width+1)/2, (height+1)/2))
Rf = zmIceFast(Rs, ratio, radius) #递归调⽤
Rf = size(Rf, (width, height))
Rs = size(Rs, (width, height))
return Rf+zmIce(I,ratio, radius)-zmIce(Rs,ratio,radius)
def zmIceColor(I, ratio=4, radius=3): #rgb三通道分别增强，ratio是对⽐度增强因⼦，radius是卷积模板半径
res = np.zeros(I.shape)
for k in range(3):
res[:,:,k] = stretchImage(zmIceFast(I[:,:,k], ratio, radius))
return res
if __name__ == '__main__':
m = zmIceColor(cv2.imread('3.jpg')/255.0)*255
cv2.imwrite('zmIce.jpg', m)
参考：
1. www.ipol.im/pub/art/2012/g-ace/
2. 《ACE: An automatic color equalization algorithm》
3. 《Automatic Color Enhancement (ACE) and its FastImplementation》[J].IPOL
4. 《A local linear lut method for increasing the speed of generic image fiLLLUTering algorithm》[R].Technical Report
5. 《Perceptual Color Correction Through Varia-tional Techniques》[J].IEEE
6. 《⾃动⾊彩均衡算法的快速优化》[J].武汉⼤学学报
7. blog.csdn/u013626386/article/details/47808761
8. blog.csdn/zmshy2128/article/details/53470357 --python
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论