[发明专利]一种基于L0梯度保持的颜色转换方法

权利要求书

1.一种基于L0梯度保持的颜色转换方法，其特征在于，该方法包含三个步骤：主色调映射、样本颜色转换和细节优化，具体为：首先根据颜色特征对原图像和参考图像进行聚类并提取主色调以建立原图像和参考图像之间的颜色映射关系，然后对原图像采样并将不同主色调的映射转换到相应样本上，利用样本和主色调的相似性及样本之间的相似性对样本编辑进行优化，最后采用基于L0梯度保持建立优化模型，对图像的细节和边缘优化。

2.根据权利要求1所述的方法，其特征在于，在主色调映射时，原图像和参考图像使用k-means算法进行聚类，计算每个类对应的均值和方差，每一类代表一种主色调；利用这些主色调信息，建立一个相似矩阵，得到两两之间的相似度，继而采用二项图最大匹配算法建立原图像和参考图像主色调之间的映射。

3.根据权利要求1或2所述的方法，其特征在于，对原图像做超像素分割，并提取每个超像素的中心位置作为样本，根据每个样本所属类主色调的映射计算该样本的初始转换颜色，然后依据样本点与相应聚类中心的相似度越高，初始转换颜色越准确及相似颜色遵循相似变换的原则对聚类错误的样本转换颜色矫正。

4.根据权利要求3所述的方法，其特征在于，把每个超像素的中心位置作为样本，以该样本作为顶点，采用Delaunay算法构建二维三角网格，根据这些三角网格查找每个样本的邻近样本点；于是，样本矫正的优化方程为：

其中β_kl＝exp(-(I_S(k)-I_S(l))/δ)，Q_S是样本集，N(k)是样本的k邻域，是当前样本k所在类的颜色均值。

5.根据权利要求4所述的方法，其特征在于，细节优化时将每个样本的转换颜色扩散到对应超像素所有像素，基于边缘像素梯度可变化的思想建立L0梯度保持优化模型；采用L0梯度保持建立的优化函数为：

采用迭代方法分步求解，先估算每个像素的梯度值，然后将模型转化为凸优化直接求解，再根据求得结果重新计算梯度值，循环迭代直至参数达到给定阈值，最终计算的像素颜色值即为转换结果。