Transferência de Cor para
Imagens em Grayscale
Afonso Paiva Neto
IMPA - 2002
Este trabalho foi baseado no paper "Transferering
Color to Grayscale Images” (Welsh, Ashikmin,
Muller) apresentado no SIGGRAPH 2002
Motivação
Introduzir uma técnica para colorizar imagens em
grayscale a partir de uma imagem colorida
Imagem Fonte
Imagem Alvo
+
Imagem Sintetizada
=
Comparação
Imagem Original
Imagem Sintetizada
Algoritmo - Global
• Mudança do espaço de cor (RGB  l)
• Remapeamento da Luminância da imagem fonte
• Cálculo do desvio padrão da vizinhança de cada
pixel (tamanho 5X5)
Algoritmo - Global
• O melhor pixel na imagem fonte é selecionado baseado
na Global Matching Metric:
weight1*abs(lum_source-lum_target)+weight2*abs(std_source-std_target)
•  e  são transferidos para o pixel da imagem alvo
enquanto o valor original da luminância é mantido
Espaços de Cor
• RGB  XYZ-itu (International Telecommunications Union)
 L  0.3897 0.3239 0.1604  R 
 M    0.2651 0.6702 0.0641 G 
  
 
 S   0.0241 0.1228 0.8444  B 
• XYZ  LMS (espaço de cor fotosensitivo do olho humano)
Espaços de Cor
• LMS  LMS (espaço logarítmico)
L = log L , M = log M, S = log S
• LMS  l (l=luminância, =azul-amarelo, =verde-vermelho)
Remapeamento da Luminância
• Image Analogies (Microsoft/NYU)
melhor correspondência entre
luminância das imagens A e F.
os
histogramas
de
Resultado - Global
+
=
Resultado - Global
+
=
Problemas - Global
+
=
Algoritmo - Swatches
• Aplicar o método global somente nos swatches correspondentes
• Segundo passo é aplicar um algoritmo semelhante aos algoritmos de
síntese de textura no qual a métrica L2 é usada para encontrar texturas
E N , N    L  p   L  p 
semelhantes
2
G
S
pN
G
S
• Definimos o erro E através da métrica L2 entre as vizinhanças NG na
imagem em grayscale e NS no swatch colorizado como:
Síntese de Textura
• Texture Synthesis by Non-parametric Sampling
(Efros e Leung)
encontramos a melhor amostra através do erro E
Swatches
+


Síntese
Global
Global X Swatches
+
Global
Nem sempre funciona
Swatches
Resultados - Swatches
• Fotos colorizadas (2 swatches, Vizinhança = 3X3)
+
=
Resultados - Swatches
• MRI Scans (2 swatches, Vizinhança = 3X3)
+
=
Resultados - Swatches
• Foto Artística (2 swatches, Vizinhança = 5X5)
+
=
Problemas - Swatches
• Computacionalmente caro
– 5 min. a 45 min. (Pentium IV - 256 Mb RAM)
• Qual tamanho da vizinhança na síntese de textura?
Vizinhança de tamanho 3X3
Referências
•
WELSH, T.; ASHIKMIN, M.; MULLER, K. - "Transferering Color to
Grayscale Images”
•
REINHARD, E.; ASHIKMIN, M.; GOOCH, B.; SHIRLEY, P. - "Color
Transfer Between Images”
•
RUDERMAN, D.L.; CRONIN, T.W.; CHIAO, C.C. - "Statistics of Cone
Responses to Natural Images: Implications for Visual Coding”
•
HERTZMANN, A..; JACOBS, A.; OLIVER, N. - "Images Analogies”
•
EFROS, A.A. e
Sampling”
•
GOMES, J. e VELHO, L. - "Computação Gráfica: Imagem”
LEUNG, T.K. - “Texture Synthesis by Non-parametric