:,dO7dJi 增强与改善图像的神奇算法(2)静态灰度图像着色 4^BHJOvs k<NEauQ 提高图像处理的智能化水平,一直是计算机图像专业人致力解决的问题。最近两位计算机科学的研究人员已经提出了一个算法,这个算法能用于提取出像素图形的低分辨率部分,提升其分辨率准确地拟合成向量图形。他们是来自微软的约翰.内斯科夫和希伯来大学的达尼.里奇斯。开发这个混合多个方法的算法,包括像素分析和样条曲线用于位图向量化,但由于算法基于8位的像素图形,并考虑了图像的这一特性,因而产生了比以前常用方法变形少得多的图像效果。 {[.<BU- 多年来,研发的一系列的图像处理算法,其智能程度在避免无尽的繁杂工作。从最简单到更复杂的实例都有体现。随着研究不断深入,有些算法融入到图像处理软件中,方便更多的人来使用,有些算法则在不断优化,展现出令人激动的前景。现将有关进展整理,分批推介给大家。 7j L.\O mo3HUXf}8 L9)nRV8 }xM >F% Color a black and white image 灰度图像着色 U
ORoj )$I | sio:QP RZ&T\;m,7 This technique is so well controlled that we can now see in color old black and white films. 现在可以看到的老式灰度影片着色,这个技术已经能够进行很好的控制。 &ahZ_9Q It is explained in an article, Colorization Using Optimization giving several examples. 9Iod[ x 用一个艺术品来解释,优化着色算法给出的一些实例 &*#- %<=1 zLiFk<G@Xi Colorization Using Optimization优化算法着色 Zxwcj(d %kJ_o*" ,!s;o6|*y 安娜特.莱文,达尼. 里奇斯, 亚.韦斯,耶路撒冷希伯来大学计算机科学与工程学院
hVB^:
摘要 Y&Sk/8 着色是一个给单色图像、视频或电视节目添加色彩的计算机辅助工艺。经典的工艺包括分割图像为不同的区域并为这些区域标记图像序列。在实际应用中这些工作并不能可靠地完成;着色仍然相当多的用户干预,是一个乏味、费时的和花费很高的工作。 T.sib&R 这篇论文中我们提出一个简单的着色方法,既不需要精确的图像分割也不需要精确的区域追踪。此方法基于一个简单的假设:时空中的相邻像素有相似的光亮度就应该有类似的颜色。我们将这个假设归纳为二次方程评估函数,通过标准(规范)技术来有效地解决这个优化问题。使用我们的方法艺术家仅需要对图像使用几种颜色进行涂鸦式的标注,标注的颜色会自动在时空之间分布,产生完美的彩色图像或序列。我们从用户输入的相对数量不大的静止图像和电影剪辑中得到了高质量着色的验证。 Rx22W:S=C. isc]- Still image colorization examples 静态图像着色实例
图2展示用户用彩色标涂的静态灰度图像,然后产生相应的着色结果。既然颜色的自动选择不是这项工作的目的,我们拾取颜色时使用的是每个图像原来的颜色通道。可以看出,我们的算法甚至在相对较少数量的彩色涂抹下,仍然可以产生非常令人信服的结果。
]HK|xO( 图1. (左)使用彩色笔刷给灰度图涂抹一些颜色 (中)算法产生的彩色图像 (右)对比用原始彩色图
.'y]Ea ;oQ*gd 图2. 静态灰度图像着色举例,上一行:标记好彩色的灰度图像,下一行,色彩化图像效果
%/o8-N|_[