CN114511459A - 彩色图像对比度信息计算方法及装置 - Google Patents

Abstract

本发明公开一种彩色图像对比度信息计算方法及装置，属于计算机视觉技术领域，方法包括计算图像中各像素点在HSV颜色空间的色度信息；基于线性去色比例参数，计算图像中各像素点在RGB颜色空间的亮度信息；根据各像素点的色度信息和亮度信息，计算相邻像素点间的颜色差异信息；将颜色差异信息超过阈值的像素点作为差异点，基于差异点对应的颜色差异信息和差异点的数量计算所述图像的对比度。方法受原始图像中颜色均匀或接近均匀区域的影响较小，在亮度信息获取过程中，能够更好的保留彩色对比度信息，并且减少了视觉无法察觉差异的相邻数据信息对最终结果的影响，更有利于表达彩色图像感性对比度信息。

Description

彩色图像对比度信息计算方法及装置

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种彩色图像对比度信息计算方法及装置。

背景技术

近年来，图像处理技术被广泛应用于航空航天、医学生物工程、机器人视觉、军事安全等高科技领域，成为研究热点，研究人员基于不同原理和应用提出了各种图像处理方法。在实际应用中，不同原理和处理流程将会影响结果图像的成像质量，而图像质量的好坏直接影响信息的获取和主观感受。因此，图像质量评估是图像处理领域中一个非常重要的研究课题，在常用的图像质量评估值中，对比度是可见图像视觉信号最相关的特征之一，可反映人眼对图像颜色差异的感性认知。

虽然视觉研究发展多年，现阶段的视觉心理学与光学领域依旧还没有统一的公认的对比度定义方法，尚不存在某一对比度计算方法可以完美模拟人眼对彩色图像的对比度感知。因此，对彩色图像对比度计算方法的研究依旧是一个热点课题。

在已有的对比度计算方法中，比如申请号为201810438478.0的发明专利申请公开的一种暗光场景下图像的亮度提升增强方法，包括读入低照度RGB彩色图像I；提取图像I在HSV颜色空间中的明度分量V，并根据明度分量V将低照度图像I分割为暗区域和亮区域；根据低照度RGB彩色图像I在HSV颜色空间中的明度分量V对图像进行标识；根据标识结果采用特定方法求取针对暗区域Ω1和亮区域Ωh的最佳增强系数λ1和λh；根据最佳增强参数λ1和λh分别对低照度RGB彩色图像I进行增强，得到对应的增强图像Ml和Mh，进行融合得到融合图像M；对增强图像M进行自适应光照补偿得到最终的增强图像h。在增强暗光区域亮度和对比度的同时能增强亮区域的对比度。

但已有的对比度计算方法中，大多未考虑人眼视觉特性带来的感性颜色差异信息，无法有效反映图像间对比度的大小关系。

发明内容

本发明所要解决的技术问题在于有效的反映图像间对比度的大小关系。

本发明通过以下技术手段实现解决上述技术问题的：

一方面，本发明提出了一种彩色图像对比度信息计算方法，所述方法包括以下步骤：

计算图像中各像素点在HSV颜色空间的色度信息；

基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

本发明依据颜色空间转换，获取图像各像素点在更符合人眼观测效果的HSV颜色空间的色调、饱和度信息作为色度信息，然后利用保留图像对比度信息的线性去色比例参数，计算图像各像素点的亮度信息，通过计算和统计相邻像素点间，颜色差异信息超过阈值的点的数量信息与颜色差异信息，计算彩色图像的对比度数值；该方法受原始图像中颜色均匀或接近均匀区域的影响较小，在亮度信息获取过程中，能够更好的保留彩色对比度信息，并且减少了视觉无法察觉差异的相邻数据信息对最终结果的影响，更有利于表达彩色图像感性对比度信息。

进一步地，所述计算图像中各像素点在HSV颜色空间的色度信息，包括：

将所述图像的颜色空间由RGB转换到HSV；

将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

进一步地，所述基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，R、G、B分别为RGB颜色空间，l_R、l_G、l_B为与所述图像R、G、B颜色空间对应的线性去色比例参数，*为乘号。

进一步地，所述方法还包括：

在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；

从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

进一步地，所述根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点的色调信息，S_a，S_b分别为相邻两像素点的饱和度信息，L_a，L_b分别为相邻两像素点的亮度信息。

进一步地，所述图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

另一方面，采用一种彩色图像对比度信息计算装置，所述装置包括：

色度信息计算模块，用于计算图像中各像素点在HSV颜色空间的色度信息；

亮度信息计算模块，用于基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

差异信息计算模块，用于根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

对比度计算模块，用于将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

进一步地，所述色度信息计算模块，包括：

空间转换单元，用于将所述图像的颜色空间由RGB转换到HSV；

色度信息获取单元，用于将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

进一步地，所述装置还包括：

线性去色比例参数选取模块，用于在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

进一步地，所述亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，R、G、B分别为RGB颜色空间的通道分量，l_R、l_G、l_B分别为R、G、B通道对应的线性去色比例参数，*为乘号。

进一步地，相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点的色调信息，S_a，S_b分别为相邻两像素点的饱和度信息，L_a，L_b分别为相邻两像素点的亮度信息；

所述图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

本发明的优点在于：

(1)本发明依据颜色空间转换，获取图像各像素点在更符合人眼观测效果的HSV颜色空间的色调、饱和度信息作为色度信息，然后利用保留图像对比度信息的线性去色比例参数，计算图像各像素点的亮度信息，通过计算和统计相邻像素点间，颜色差异信息超过阈值的点的数量信息与颜色差异信息，计算彩色图像的对比度数值；该方法受原始图像中颜色均匀或接近均匀区域的影响较小，在亮度信息获取过程中，能够更好的保留彩色对比度信息，并且减少了视觉无法察觉差异的相邻数据信息对最终结果的影响，更有利于表达彩色图像感性对比度信息。

(2)本发明在保留原始图像彩色对比度信息的前提下，计算各图像独有的R、G、B通道对应的线性去色比例参数，更好的保留彩色对比度。

(3)本发明对比度信息统计对象为相邻像素点间颜色差异的欧式距离超过阈值的相邻像素点，其中阈值指代人眼可察觉的最小颜色差，以此规避当图像中存在大量色块时，带来的不利因素。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是本发明第一实施例中彩色图像对比度信息计算方法的流程图；

图2是本发明中自然环境图像的对比度统计结果示意图；

图3是本发明中纯色实验图像示意图；

图4是本发明中纯色实验图像的对比度统计结果示意图；

图5是本发明第二实施例中彩色图像对比度信息计算装置的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明第一实施例提出了一种彩色图像对比度信息计算方法，所述方法包括以下步骤：

S10、计算图像中各像素点在HSV颜色空间的色度信息；

S20、基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

S30、根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

S40、将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

需要说明的是，本发明实施例依据颜色空间转换，获取图像各像素点在更符合人眼观测效果的HSV颜色空间的色调、饱和度信息作为色度信息，然后利用保留图像对比度信息的线性去色比例参数，计算图像各像素点的亮度信息，通过计算和统计相邻像素点间，颜色差异信息超过阈值的点的数量信息与颜色差异信息，计算彩色图像的对比度数值；该方法受原始图像中颜色均匀或接近均匀区域的影响较小，在亮度信息获取过程中，能够更好的保留彩色对比度信息，并且减少了视觉无法察觉差异的相邻数据信息对最终结果的影响，更有利于表达彩色图像感性对比度信息。

在一实施例中，所述步骤S10，包括以下步骤：

S11、将所述图像的颜色空间由RGB转换到HSV；

S12、将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

需要说明的是，HSV颜色空间与常用的RGB颜色空间相比，HSV颜色空间更接近人眼对彩色信息的感性感知，能够直观的表达颜色信息，并方便在图像处理应用中进行颜色对比。RGB颜色空间到HSV颜色空间的转换公式如下：

M＝max(R,G,B),＝min(R,G,B)

V＝M

其中，R,G,B表示RGB颜色空间信息，H,S,V表示HSV颜色空间信息。

具体地，本实施例选用HSV颜色空间的H(Hue)分量和S(Saturation)分量作为图像各像素点的色度信息。

在一实施例中，所述步骤S20中，所述亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，l_R、l_G、l_B分别为当前图像R、G、B通道对应的线性去色比例参数，*为乘号。

在一实施例中，所述方法还包括：

在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；

从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

需要说明的是，传统的灰度变换为g＝R*W_R+G*W_G+B*W_B，其中比例为W_R＝0.299，W_G＝0.587，W_B＝0.114，该比例符合大部分场景中的应用需求。然而，在部分应用场景中，原图的不同颜色在转化为灰度图后差异过小，丢失了原有的彩色对比度信息。由于灰度转换比例的(W_R，W_G，W_B)组合有无限种组合，考虑到系数的微小变化对结果影响不大，在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集，并从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数，可最大程度保留图像对比度信息。

具体地，本实施例从[0,1]范围区间内以0.1为阶梯的值，设置灰度转换比例参数的值，可得到(W_R，W_G，W_B)的66种取值组合。通过穷举法，将66个取值组合中的每个取值组合代入欧几里得距离公式(见下公式(3))中找出对比度信息保留最多的灰度转换比例参数作为去色比例参数(l_R,l_G,l_B)。

应当理解的是，本领域技术人员可根据实际要求，选取不同的值作为阶梯值，得到不同的取值组合集，本实施例不作具体限定。

本实施例在保留原始图像彩色对比度信息的前提下，计算各图像独有的R、G、B通道对应的灰度转换比例参数，旨在最小化以下能量函数以保留对比度信息：

在函数(2)中，g_x和g_y为x点和y点以不同的R、G、B通道比例系数得到的灰度值，δ_x,y表示x点和y点基于CIELab色彩空间中的欧几里得距离。其中δ_x,y一般用公式(3)表示：

公式(3)中，L，a，b分别为彩色图像中某点由RGB空间转到CIELab空间后的三个组成要素。L为亮度要素，a和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。L的值域为0至100，a和b的值域为+127至-128。

在一实施例中，相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点a，b的色调信息，取值范围为0°～360°；S_a，S_b分别为相邻两像素点a，b的饱和度信息，取值范围为0～1；L_a，L_b分别为相邻两像素点a，b利用图像独有的R、G、B通道灰度转换比例参数得到的亮度信息，取值范围为0～1。

需要说明的是，传统的灰度变换中，灰度转换比例参数为一定值，存在不同颜色在转化为灰度图后差异过小，丢失了原有的彩色对比度信息的情况，本实施例为每一图像选取对应的线性去色比例参数，可最大保留原始图像彩色对比度信息。

在一实施例中，图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

需要说明的是，彩色图像对比度信息统计计算的目的是获取图像中不同颜色间的差异信息。而同色连通区域由于颜色信息相同，连通域内颜色差异为0。当图像中存在多处同色或相近颜色区域时，各区域内大量差异极小的重复数据信息将稀释不同色区域间的颜色差异信息，不利于彩色对比度结果的表达。本实施例的信息统计对象为相邻像素点间颜色差异的欧式距离超过阈值T的相邻像素点，其中T指代人眼可察觉的最小颜色差，以此规避当图像中存在大量色块时，带来的不利因素。

为验证本实施例方法的有效性，将本实施例所提出的方法与多种方法进行了比较，作为实验用设备的笔记本电脑为msi微星GP62 2QE-215XCN,CPU为Intel酷睿i75700HQ，主频2.7GHz，8G内存，双显卡。所比较图像分为自然环境图像和纯色实验图像，为方便方法间的比较分析，将各方法对比度结果进行了归一化处理：

(1)自然环境图像结果比较分析：

选择多幅分辨率为640*480的自然环境图像进行处理，其中部分图像的对比度分析结果如图2所示，可以发现，各方法结果归一化处理后，数值均较小，这是因为自然环境图像色彩组成复杂，难以出现各方法的理论极限情况。从图2中数值看，当图像中出现某种严重色偏，视觉效果较为模糊时，各对比度方法计算所得数值较小(如第三行左图和第五行图像)；而当图像中出现高亮区域时，对比度数值较大(如第四行左图)；这样的大小关系与视觉感知的对比度大小相吻合。表明本实施例方法可以有效反映图像间对比度大小关系。

(2)纯色实验图像结果比较分析：

为分析比较不同颜色差异组合的对比度结果，本实施例设计了一些纯色实验图像，实验图像如图3所示，在(a)～(f)中，每幅图像由16个相同大小的纯色正方形区域组成，(a)～(d)为8个蓝色(RGB值为(0,0,255))区域和8个绿色(RGB值为(0,200,0))区域。(a)为16个区域按色差交错组合；(b)为两个相同颜色区域组合后，不同颜色区域通过色差交错组合；(c)为4个相同颜色区域组合后，不同颜色区域按色差交错组合；(d)为相同颜色结果。(a)～4(d)中，组成图像的像素数量与数值是相同的，唯一的区别是颜色区域的排列方式。从朴素的人类视觉角度看，四幅图像的对比度感知应该是相似的；(e)为8个RGB值为(255,0,255)的区域和8个RGB值为(0,255,0)的区域；(f)为8个RGB值为(255,0,0)的区域和8个RGB值为(0,255,255；)的区域；(g)为一个特殊的纯色组合图像，其特殊性在于使用传统灰度比例WR＝0.299,WG＝0.587,WB＝0.114进行灰度转换后，所有像素点的灰度值均为128。纯色实验图像的对比度结果如图4所示。

从图4所示的相同方法的不同图像数据结果分析，GLCM方法与RMS方法对4(a)～4(d)的计算结果各不相同，其结果受原始图像中相同颜色区域位置信息的影响较大，且相同颜色区域组合越多，计算所得数值越小。这一结果与人类视觉观察中四幅图像对比度感知应一致的事实相矛盾。而SD、AQOC and Our method的四幅图像计算结果是各自一致的，这更符合实验图像相似的客观事实；4种对比方法对4(e)和4(f)的计算结果有较大差异，这是因为4种对比方法的亮度信息均是通过传统灰度变换比例计算所得，而4(e)与4(f)中的颜色在传统灰度化处理后存在较大差异。

从图中相同图像的不同方法数据结果分析，由于4(g)使用传统灰度比例转换后，各像素点灰度值均为128，像素点间的数值差异为0。直接使用传统灰度转换结果作为亮度信息的4种对比方法对4(g)的计算结果均为0，丢失了原有的彩色对比度信息。而我们方法的亮度信息计算方式避免了彩色对比度信息的丢失。

通过实验数据对比，验证本实施例的亮度信息计算方式避免了彩色对比度信息的丢失，对比度计算结果可与人类视觉感知相一致，并可有效反映图像间对比度的大小关系。

如图5所示，本发明第二实施例提出了一种彩色图像对比度信息计算装置，所述装置包括：

色度信息计算模块10，用于计算图像中各像素点在HSV颜色空间的色度信息；

亮度信息计算模块20，用于基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

差异信息计算模块30，用于根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

对比度计算模块40，用于将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

在一实施例中，所述色度信息计算模块，包括：

空间转换单元，用于将所述图像的颜色空间由RGB转换到HSV；

色度信息获取单元，用于将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

在一实施例中，所述亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，R、G、B分别为RGB颜色空间的通道分量，l_R、l_G、l_B分别为R、G、B通道对应的线性去色比例参数，*为乘号。

在一实施例中，所述装置还包括：

线性去色比例参数选取模块，用于在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

在一实施例中，相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点的色调信息，S_a，S_b分别为相邻两像素点的饱和度信息，L_a，L_b分别为相邻两像素点的亮度信息；

所述图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

需要说明的是，依据颜色空间转换，获取图像各像素点在更符合人眼观测效果的HSV颜色空间的色调、饱和度信息，作为色度信息；而后计算保留图像对比度信息的线性去色比例值，获取图像各像素点的亮度信息。最后通过计算和统计相邻像素点间，差异信息超过阈值T的点的数量信息与颜色差异信息，计算彩色图像的对比度数值。与其他对比度计算方法相比，本方案受原始图像中颜色均匀或接近均匀区域的影响较小；在亮度信息获取过程中，能够更好的保留彩色对比度信息；并且减少了视觉无法察觉差异的相邻数据信息对最终结果的影响，更有利于表达彩色图像感性对比度信息，实现有效、合理的彩色图像对比度信息表达。

需要说明的是，本发明所述彩色图像对比度信息计算装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种彩色图像对比度信息计算方法，其特征在于，所述方法包括：

计算图像中各像素点在HSV颜色空间的色度信息；

基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

2.如权利要求1所述的彩色图像对比度信息计算方法，其特征在于，所述计算图像中各像素点在HSV颜色空间的色度信息，包括：

将所述图像的颜色空间由RGB转换到HSV；

将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

3.如权利要求1所述的彩色图像对比度信息计算方法，其特征在于，所述基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，R、G、B分别为RGB颜色空间，l_R、l_G、l_B为与所述图像的R、G、B通道对应的线性去色比例参数，*为乘号。

4.如权利要求3所述的彩色图像对比度信息计算方法，其特征在于，所述方法还包括：

在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；

从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

5.如权利要求1所述的彩色图像对比度信息计算方法，其特征在于，所述根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点的色调信息，S_a，S_b分别为相邻两像素点的饱和度信息，L_a，L_b分别为相邻两像素点的亮度信息。

6.如权利要求1所述的彩色图像对比度信息计算方法，其特征在于，所述图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

7.一种彩色图像对比度信息计算装置，其特征在于，所述装置包括：

色度信息计算模块，用于计算图像中各像素点在HSV颜色空间的色度信息；

亮度信息计算模块，用于基于线性去色比例参数，计算所述图像中各所述像素点在RGB颜色空间的亮度信息，所述线性去色比例参数用于保留对比度信息；

差异信息计算模块，用于根据各所述像素点的色度信息和亮度信息，计算相邻所述像素点间的颜色差异信息；

对比度计算模块，用于将颜色差异信息超过阈值的像素点作为差异点，基于所述差异点对应的颜色差异信息和所述差异点的数量计算所述图像的对比度。

8.如权利要求7所述的彩色图像对比度信息计算装置，其特征在于，所述色度信息计算模块，包括：

空间转换单元，用于将所述图像的颜色空间由RGB转换到HSV；

色度信息获取单元，用于将所述图像的HSV颜色空间的H分量和S分量作为各所述像素点的色度信息。

9.如权利要求7所述的彩色图像对比度信息计算装置，其特征在于，所述装置还包括：

线性去色比例参数选取模块，用于在[0,1]范围内，将灰度转换比例参数以设定值为阶梯动态取值，得到灰度转换比例参数的取值组合集；从取值组合集中选取出对比度信息保留最多的取值组合，作为所述线性去色比例参数。

10.如权利要求7所述的彩色图像对比度信息计算装置，其特征在于，所述亮度信息的公式表示为：

L＝R*l_R+G*l_G+B*l_B

其中，R、G、B分别为RGB颜色空间，l_R、l_G、l_B为与所述图像R、G、B颜色空间对应的线性去色比例参数，*为乘号；

相邻所述像素点间的颜色差异信息的公式表示为：

其中，H_a，H_b分别为相邻两像素点的色调信息，S_a，S_b分别为相邻两像素点的饱和度信息，L_a，L_b分别为相邻两像素点的亮度信息；

所述图像的对比度的计算公式为：

其中，C₀为所述图像的对比度，

为所述差异点颜色差异信息超过阈值T的颜色差异信息之和，N为颜色差异信息超过阈值T的像素点对应数量，T表示人眼可察觉的最小颜色差。

Images