隨著顏色科學和圖像處理技術(shù)的發(fā)展,數(shù)碼相機不僅成為數(shù)字化圖像采集過程中的一個重要設(shè)備,還逐漸成為普通用戶獲取圖像的重要工具。但是由于數(shù)碼相機本身的設(shè)定,光照條件以及數(shù)據(jù)傳遞途徑等因素發(fā)生變化,會導致彩色復(fù)制傳遞的不一致性。針對這一問題,人們提出了數(shù)碼相機特征化的解決方案。針對數(shù)碼相機在應(yīng)用中對色彩傳遞一致性及穩(wěn)定性的要求,本文提出了以亮度進行劃分的特征化模型并進行了比較全面的基礎(chǔ)性探究。首先明確了數(shù)碼相機特征化的意義和必要性,然后了解了色度學的理論基礎(chǔ)和數(shù)碼相機的基本組成及原理,學習了現(xiàn)階段國內(nèi)外數(shù)碼相機特征化常用的算法,仔細分析了幾種特征化模型,在原有的算法上并加以改進。在驗證基礎(chǔ)特征化模型時,我們發(fā)現(xiàn)亮度低的顏色樣本在顏色復(fù)制的過程中會產(chǎn)生較大的偏差,所以我們根據(jù)亮度分為高亮度集合和低亮度集合,然后再分別對兩個集合做特征化。實驗中我們選定了兩臺數(shù)碼相機(Canon 60D和Nikon D610),24色標準色卡和140色標準色卡作為研究對象,使用數(shù)碼相機拍攝樣本并選擇RAW圖像和JPG圖像兩種格式進行研究。進行完前期的硬件選擇和實驗平臺的搭建后,設(shè)計并驗證數(shù)碼相機特征化的新模型。利用編程實現(xiàn)與設(shè)備有關(guān)的RGB顏色空間和與設(shè)備無關(guān)的XYZ顏色空間的轉(zhuǎn)換,在求解轉(zhuǎn)換矩陣時,兩個集合我們采用了多項式回歸模型和根多項式回歸模型十種變換。經(jīng)過多次實驗及多組數(shù)據(jù)的驗證,找到了兩個集合最優(yōu)秀且最穩(wěn)定的模型組合,低亮度集合選擇使用多項式一階模型,高亮度集合選擇使用根多項式二階模型。隨著課題的深入,我們還嘗試了將不同種光源下的圖像恢復(fù)至同一標準光源下。本文選擇與Amiri和Fairchild最近發(fā)表的文章進行對比。他們提出的加權(quán)非線性回歸模型是基于多項式回歸模型的改進,通過加權(quán)函數(shù)來提升模型的精度,但是也增加了時間代價。通過測試樣本對兩種特征化模型進行的色差評估,進一步突出了以亮度劃分特征化模型的優(yōu)勢,不僅實驗簡單,計算量小,而且精度也有一定的提升。本課題的研究成果也為未來的數(shù)碼相機特征化模型的發(fā)展提供了一個新的思路,有一定的借鑒意義。
【學位單位】：遼寧科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TB852.1
【部分圖文】：

2.顏色科學基礎(chǔ)知識2. 顏色科學基礎(chǔ)知識的感知及描述的感知是通過物體，眼睛和大腦所產(chǎn)生的一種對光的視覺效應(yīng)，類似于覺，都是受到外界刺激作用傳遞到人的大腦中進而產(chǎn)生感覺。以種藝術(shù)形式來描繪記錄對現(xiàn)實世界的認知，但是由于人們學識限也不甚了解。隨著顏色科學的發(fā)展，人們才對顏色有了更深層次論認為，光源照射在物體表面，物體吸收一部分光然后將剩余的射進入到人眼，物體顏色信息在視網(wǎng)膜表面形成顏色信息，然后腦部的神經(jīng)中心，最后經(jīng)過大腦的處理，我們就感知到顏色的屬1[15]。由下圖可知，光源，物體，人眼是顏色感知至關(guān)重要的三部

RGB就是應(yīng)用紅色（Red）,綠色（Green）和藍色（Blue）的第一個字母命名。利用下圖2.2 實驗裝置可以對不同波長的單色光在 2°視角的觀察條件下利用三原色進行顏色匹

圖 2.3 CIE1931 RGB 顏色匹配函數(shù)Fig.2.3 CIE1931 RGB color matching function活中，人們所遇見的大多數(shù)光都不是純色光，而是由多種單色光混合而設(shè)待測光的光譜分布函數(shù)為 (λ)，而對應(yīng)于各個波長的光譜三刺激值b (λ)可以由查表獲得，根據(jù)混色的原理，按波長加權(quán)光譜三刺激值可范圍內(nèi)每個波長的三刺激值，對每個波長的三刺激值進行累加求和，即的三刺激值，計算公式 2.2：780380780380780( ) ( )( ) ( )( ) ( )R K r dG K g dB K b d

【參考文獻】

相關(guān)期刊論文 前1條

1 李瑞娟;鄧倩;;基于三維查找表的RGB到XYZ顏色空間轉(zhuǎn)換的研究[J];包裝工程;2012年13期

相關(guān)碩士學位論文 前4條

1 許俊龍;基于光譜的分色算法研究[D];杭州電子科技大學;2015年

2 萬會江;多光譜成像系統(tǒng)研究[D];浙江大學;2011年

3 周瑞;彩色數(shù)碼相機色彩空間轉(zhuǎn)換模型的研究[D];西安理工大學;2007年

4 梁玉祥;基于查找表法的CCD數(shù)碼相機特征化研究[D];云南師范大學;2004年

本文編號：2824669