如何颜色校正图像从一个颜色检查

82次(过去30天)

蒂姆•布朗 2013年6月15日

编辑: 詹姆斯·劳尔2020年5月12日

答:接受图像分析

我们正在开发一个开源的图像分析管道( http://bit.ly/VyRFEr )来处理植物生长的时间推移图像。我们的照明条件在一天中动态变化( http://youtu.be/wMt5xtp9sH8 )，但我们希望能够自动去除背景，然后计数的东西，如绿色像素之间的同一植物的图像在一天中，尽管变化的照明。所有的图像都有x-rite(等效的)色卡。我浏览了很多帖子，但我仍然不清楚我们如何进行颜色(和亮度)校正，以使图像具有可比性。如果我认为这是一项相对简单的任务，我会错吗?

有人有任何工作代码，代码样本或建议阅读来帮助我吗?

谢谢!

蒂姆

样品图片:上午: http://phenocam.anu.edu.au/data/timestreams/Borevitz/_misc/sampleimages/morning.JPG

中午: http://phenocam.anu.edu.au/data/timestreams/Borevitz/_misc/sampleimages/noon.JPG

0评论
显示隐藏1以上的评论

登录评论。

登录回答这个问题。

接受的答案

图像分析 2013年6月15日

1
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/79147-how-to-color-correct-an-image-from-with-a-color-checker#answer_88890

蒂姆:我经常这么做，无论是在RGB颜色空间，当我们需要对标准RGB图像进行颜色校正时，还是在XYZ颜色空间，当我们需要校准颜色测量时。理论上它很简单，但是代码和公式太长了，不能在这里分享。基本上，对于rgb到rgb校正，你做一个变换模型，比如线性、二次或立方，有或没有交叉项(RG, RB, R*B^2，等等)。然后你做一个最小二乘模型，得到一个estimate, gestimate和bestimate的模型。让我们看看红色。你把24个红色筹码的标准值(也就是“y”)，和R, G, B, RG, RB, GB, R^2G等的值代入“高”的24 × N矩阵，然后你做最小二乘法得到系数，。然后重复得到估计的绿色和蓝色的系数的集合。现在，对于任意的RGB，你把它们代入三个方程得到估计的RGB，就好像那个颜色是在同一时间拍摄的，色温是你的标准。如果你有强度的变化，你可能不需要任何交叉项，但如果你有变化的颜色的照明，然后包括交叉项将纠正，虽然有时人们做白平衡作为一个单独的步骤，在色彩校正。在这里是一些我用来做简单白平衡的代码(实际上对我来说太简单了，我根本用不了，但简单到人们都能理解)。

我没有任何演示代码可以与您分享——它与我的项目连接得太复杂了。Mathworks成像团队的某个人(如果我没记错的话，应该是Grant)做了一个演示。我想是为了计算机视觉系统工具箱，但也可能是为了图像处理工具箱。打电话给他们，试着找到它。与此同时，试着这样做: //www.tatmou.com/matlabcentral/answers/?search_submit=answers&query=color+checker&term=color+checker

9日评论
显示隐藏如果你们老的评论

图像分析 2013年6月19日

你从Mathworks那里拿到demo了吗?如果有，并且他们的网站上有，请发布URL。

以下是一个简单的白色平衡演示:

                             做一个粗略的白色平衡，线性缩放每个颜色通道。
                            
                             clc;%清除命令窗口。
                            
                             关闭所有；%关闭所有数据(imtool.除外)
                            
                             清晰;删除所有已存在的变量。
                            
                             工作空间;%确保显示工作区面板。
                            
                             格式longg；
                            
                             格式紧凑的；
                            
                             字形大小= 15;
                            
                             %读取一个标准的MATLAB灰度演示图像。
                            
                             文件夹= fullfile (matlabroot,“\工具箱\ \ imdemos图像”)；
                            
                             菜单按钮= (“使用哪个演示图像?”，“洋葱”，“孩子”)；
                            
                             指定正确的文件名。
                            
                             如果按钮= = 1
                            
                             baseFileName =“onion.png”；
                            
                             elseif按钮= = 2
                            
                             baseFileName =“kids.tif”；
                            
                             结束
                            
                             %读取一个标准的MATLAB彩色演示图像。
                            
                             文件夹= fullfile (matlabroot,“\工具箱\ \ imdemos图像”)；
                            
                             获取完整的文件名，前面加上路径。
                            
                             fullFileName = fullfile(文件夹，baseFileName);
                            
                             如果~存在(fullFileName“文件”）
                            
                             我在那儿没找到。检查它的搜索路径。
                            
                             fullFileName = baseFileName;%这次没有路径。
                            
                             如果~存在(fullFileName“文件”）
                            
                             还是没找到。提醒用户。
                            
                             errorMessage = sprintf ('错误:%s不存在。', fullFileName);
                            
                             uiwait (warndlg (errorMessage));
                            
                             返回；
                            
                             结束
                            
                             结束
                            
                             [rgbImage colorMap] = imread(fullFileName);
                            
                             %获取图像的尺寸。numberOfColorBands应该等于3。
                            
                             [rows columns numberOfColorBands] = size(rgbImage); / /显示图片
                            
                             %如果它是一个索引图像(如Kids)，将其转换为rgbImage;
                            
                             如果numberOfColorBands = = 1
                            
                             rgbImage = ind2rgb(rgbImage, colorMap);%将在0-1范围内。
                            
                             rgbImage = uint8 (255 * rgbImage);%转换为0-255范围。
                            
                             结束
                            
                             %显示原始彩色图像全屏
                            
                             imshow (rgbImage);
                            
                             标题('双击内框以完成框'，“字形大小”、字形大小);
                            
                             %将数字放大到全屏。
                            
                             集(gcf,“单位”，“归一化”，“outerposition”， [0 0 1 1]);
                            
                             %让用户指定他们想要定义为中性颜色(白色或灰色)的区域。
                            
                             promptMessage = sprintf (在你想要的ROI上方拖出一个中性颜色的框。\ n双击它里面完成它。)；
                            
                             titleBarCaption =“继续?”；
                            
                             button = questdlg(promptMessage, titleBarCaption，“画”，“取消”，“画”)；
                            
                             如果strcmpi(按钮,“取消”）
                            
                             返回；
                            
                             结束
                            
                             hBox = imrect;
                            
                             roiPosition =等待(hBox);等待用户双击
                            
                             roiPosition%在命令窗口显示。
                            
                             %获取框坐标，这样我们就可以从完整的图像中裁剪出一部分。
                            
                             xCoords = [roiPosition(1)， roiPosition(1)+roiPosition(3)， roiPosition(1)+roiPosition(3)， roiPosition(1)， roiPosition(1)];
                            
                             yCoords = [roiPosition(2)， roiPosition(2)， roiPosition(2)+roiPosition(4)， roiPosition(2)+roiPosition(4)， roiPosition(2)];
                            
                             croppingRectangle = roiPosition;
                            
                             %显示(收缩)原始彩色图像在左上方。
                            
                             次要情节(2、4、1);
                            
                             imshow (rgbImage);
                            
                             标题(“原始彩色图像”，“字形大小”、字形大小);
                            
                             %剔除投资回报率。
                            
                             whitePortion = imcrop(rgbImage, croppingRectangle);
                            
                             次要情节(2、4、5);
                            
                             imshow (whitePortion);
                            
                             标题= sprintf (的ROI。\nWe will Define this to "White")；
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             %提取单个红色、绿色和蓝色通道。
                            
                             redChannel = whitePortion(:，:， 1); / /颜色
                            
                             greenChannel = whitePortion(:，:， 2); / /绿色通道
                            
                             blueChannel = whitePortion(:，:， 3); / /蓝色通道
                            
                             %显示颜色通道。
                            
                             次要情节(2、4、2);
                            
                             imshow (redChannel);
                            
                             标题(“红色频道ROI”，“字形大小”、字形大小);
                            
                             次要情节(2、4、3);
                            
                             imshow (greenChannel);
                            
                             标题(“绿色通道ROI”，“字形大小”、字形大小);
                            
                             次要情节(2、4、4);
                            
                             imshow (blueChannel);
                            
                             标题(“蓝色通道ROI”，“字形大小”、字形大小);
                            
                             %获取每个颜色通道的平均值
                            
                             meanR =非常刻薄(redChannel);
                            
                             meanG =非常刻薄(greenChannel);
                            
                             meanB =非常刻薄(blueChannel);
                            
                             让我们计算并显示直方图。
                            
                             [pixelCount grayLevels] = imhist(redChannel);
                            
                             次要情节(2、4、6);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (’原始红色ROI的直方图。\nMean Red = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             让我们计算并显示直方图。
                            
                             [pixelCount grayLevels] = imhist(绿色通道);
                            
                             次要情节(2、4、7);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (原始绿色ROI的直方图。\nMean Green = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             让我们计算并显示直方图。
                            
                             [pixelCount grayLevels] = imhist(蓝通道);
                            
                             次要情节(2、4、8);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (原始蓝色ROI的直方图。\nMean Blue = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             %指定期望的平均值。
                            
                             desiredMean = mean([meanR, meanG, meanB])
                            
                             消息= sprintf (红色表示= %。1f\nGreen mean = %.1f\nBlue mean = %.1f\nWe will make all of these means %.1f'，．..
                            
                             mean意为“想要的”;
                            
                             uiwait (helpdlg(消息));
                            
                             %在裁剪后的ROI中线性缩放图像。
                            
                             correctionFactorR = desiredMean / meanR;
                            
                             correctionFactorG = desiredMean / meanG;
                            
                             correctionFactorB = desiredMean / meanB;
                            
                             redChannel = uint8(single(redChannel) * correctionfactor);
                            
                             greenChannel = uint8(single(greenChannel) * correctionFactorG);
                            
                             blueChannel = uint8(single(blueChannel) * correctionFactorB);
                            
                             %重新组合成RGB图像
                            
                             将单独的颜色通道重新组合成一个单一的，真彩色RGB图像。
                            
                             correctedRgbImage = cat(3, redChannel, greenChannel, blueChannel); / /刷新图像
                            
                             图;
                            
                             %显示原始彩色图像。
                            
                             次要情节(2、4、5);
                            
                             imshow (correctedRgbImage);
                            
                             标题(可以修正ROI的，“字形大小”、字形大小);
                            
                             %将数字放大到全屏。
                            
                             集(gcf,“单位”，“归一化”，“outerposition”，[0 0 1 1]);
                            
                             %显示颜色通道。
                            
                             次要情节(2、4、2);
                            
                             imshow (redChannel);
                            
                             标题(“修正的红色通道ROI”，“字形大小”、字形大小);
                            
                             次要情节(2、4、3);
                            
                             imshow (greenChannel);
                            
                             标题(“校正的绿色通道ROI”，“字形大小”、字形大小);
                            
                             次要情节(2、4、4);
                            
                             imshow (blueChannel);
                            
                             标题(“校正的蓝色通道ROI”，“字形大小”、字形大小);
                            
                             让我们计算并显示校正后的图像的直方图。
                            
                             [pixelCount grayLevels] = imhist(redChannel);
                            
                             次要情节(2、4、6);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (“校正后的红色ROI直方图。\nMean Red = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             让我们计算并显示直方图。
                            
                             [pixelCount grayLevels] = imhist(绿色通道);
                            
                             次要情节(2、4、7);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (校正后的绿色ROI直方图。\nMean Green = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             让我们计算并显示直方图。
                            
                             [pixelCount grayLevels] = imhist(蓝通道);
                            
                             次要情节(2、4、8);
                            
                             酒吧(pixelCount);
                            
                             网格在；
                            
                             标题= sprintf (校正后的蓝色ROI直方图。\nMean Blue = %.1f', meanR);
                            
                             标题(标题,“字形大小”、字形大小);
                            
                             xlim([0灰度(结束)]);%手动缩放x轴。
                            
                             %得到每个颜色通道的校正ROI均值。
                            
                             meanR =非常刻薄(redChannel);
                            
                             meanG =非常刻薄(greenChannel);
                            
                             meanB =非常刻薄(blueChannel);
                            
                             = mean([meanR, meanG, meanB])
                            
                             消息= sprintf ('现在，红色的\nCorrected均值= %。1f\nCorrected Green mean = %。1f\nCorrected Blue mean = %。1f\n(Differences are due to clipping.)\nWe now apply it to the whole image'，．..
                            
                             meanR、meanG meanB);
                            
                             uiwait (helpdlg(消息));
                            
                             %现在修正原始图像。
                            
                             %提取单个红色、绿色和蓝色通道。
                            
                             redChannel = rgbImage(:，:， 1); / /显示图片
                            
                             greenChannel = rgbImage(:，:， 2);
                            
                             blueChannel = rgbImage(:，:， 3);
                            
                             %线性缩放全尺寸彩色通道图像
                            
                             redChannelC = uint8(single(redChannel) * correctionfactor);
                            
                             greenChannelC = uint8(single(greenChannel) * correctionFactorG);
                            
                             blueChannelC = uint8(single(blueChannel) * correctionFactorB);
                            
                             将单独的颜色通道重新组合成一个单一的，真彩色RGB图像。
                            
                             correctedRGBImage = cat(3, redChannelC, greenChannelC, blueChannelC); / /修改图片
                            
                             次要情节(2、4、1);
                            
                             imshow (correctedRGBImage);
                            
                             标题(“纠正全尺寸图像”，“字形大小”、字形大小);
                            
                             消息= sprintf (演示结束了。请在这两个数字之间闪烁。)；
                            
                             uiwait (helpdlg(消息));

詹姆斯·劳尔 2020年5月11日

嗨,图像分析,

我已经阅读了您所附的文件，我正在试图理解在得到alpha, beta和gamma集合之后去哪里。例如，我有一组alpha (a0, a1，....a6)， beta (b0,b1....b6)和gamma (y0,y1....y6)，它们是通过最小二乘回归将我照片中第一个颜色图芯片的RGB值转换为第一个颜色芯片的黄金标准RGB值得到的。在我的例子中，它将RGB值从41 40 38转换为115 82 68。这对这个芯片来说没问题，但对其他芯片，我必须应用特定于那个正方形的其他alpha, beta和，以便得到正确的结果。如果我使用稍微不同的值，那么我得到一个完全的RGB值。知道我错过了什么吗?

干杯

图像分析 2020年5月12日

我假设你说的是rgb到rgb颜色校正，而不是rgb到lab颜色校正。

你说"其他的筹码我必须申请其他 alpha, beta和theta都是特定于那个正方形的，这样才能得到正确的结果。”alpha、beta和gamma是独立于RGB颜色的。它们只有一组，你可以使用它们的任何测试RGB颜色，以获得估计的黄金标准/参考RGB颜色。所以没有" 其他 “有阿尔法、贝塔和伽玛只有一套它们。让我明确一点: 你不需要在24个芯片中分别拥有alpha, beta和gamma的三组。只有一个集合是由所有24个颜色芯片派生出来的，这些alpha, beta和gamma适用于整个图像的任何颜色，任何像素。我不知道你是如何得到24组不同的alpha、beta和gamma(每个芯片一个)——这没有意义，甚至看起来不可能。

你会说“我使用稍微不同的值，然后我得到一个完全的RGB值”。我不知道你在想什么“不同的值”——你错误地提到的alpha、beta和gamma的“其他”集合(这并不存在)，或者RGB值。当然，如果你插入不同的测试RGB值，你会得到不同的估计值。所以基本上我不知道你想用这句话来描述什么。

詹姆斯·劳尔 2020年5月12日

谢谢你的澄清，我知道我做了一些真正的错误，我只是不知道在哪里(我是编程和matlab的新手)。

登录评论。