图像色彩迁移技术算法及基本原理

算法设计

去相关的色彩空间

为什么不用 RGB

在论文中指出了RGB空间的缺陷：

各个颜色通道之间存在极强的相关性 ，意味着如果我们在 RGB 空间中修改某一个通道，会引起其他通道的不自然变化，必须同步修改所有通道，这让色彩迁移变得非常复杂，否则会产生严重的色彩失真或伪影

引入 lαβl\alpha\betalαβ 去相关色彩空间

所以需要引入一个新的色彩空间lαβl\alpha\betalαβ

在这个空间里，三个轴（亮度 lll、黄蓝 α\alphaα、红绿 β\betaβ）几乎没有相关性（Decorrelated），这意味着我们可以独立地对这三个通道进行加减乘除的数学操作，而不用担心它们互相干扰

统计特征迁移

这个新引入的lαβl\alpha\betalαβ空间通道为正交且去相关 的，可以独立对每个通道应用非常简单的线性统计变换，不用担心产生跨通道的伪影

算法只需计算两张图像在 lll、α\alphaα、β\betaβ 三个通道上的均值（μ\muμ）和标准差（σ\sigmaσ）

对数特征

空间转换中使用了对数，意味着通道强度的均匀变化在人类视觉上有相等的感知度

核心迁移公式

对于通道 c∈{l,α,β}c \in \{l, \alpha, \beta\}c∈{l,α,β}，假设目标图像（要被修改的图像）的数据点为 xtx_txt，源图像（提供色彩的图像）的数据点为 xsx_sxs：xnew=σsσt(xt−μt)+μsx_{new} = \frac{\sigma_{s}}{\sigma_{t}} (x_t - \mu_{t}) + \mu_{s}xnew=σtσs(xt−μt)+μs该公式先将目标图像的数据减去自身的均值 ，然后乘以源图像与目标图像标准差的比值进行缩放 ，最后加上源图像的均值。经过这一步，新图像的像素分布就会具有与源图像相同的一阶和二阶统计矩。