Sensory SystemsSensory SystemsСенсорные системы0235-00923034-5936The Russian Academy of Sciences67577310.31857/S0235009224040077ACVQWZMODELING OF SENSORY PROCESSESМОДЕЛИРОВАНИЕ СЕНСОРНЫХ ПРОЦЕССОВResearch ArticleComputationally efficient adaptive color correctionВычислительно эффективная адаптивная цветовая коррекцияKharkevichM. V.ХаркевичМ. В.
Russian Federation
kharkevich@iitp.ruBasovaO. A.БасоваО. А.
Russian Federation
kharkevich@iitp.ruKonovalenkoI. A.КоноваленкоИ. А.
Russian Federation
kharkevich@iitp.ruInstitute for Information Transmission Problem RASИнститут проблем передачи информации им. А.А. Харкевича РАНMoscow Institute of Physics and Technology (National Research University)Московский физико-технический институтFederal Research Center “Informatics and Management” RASФедеральный исследовательский центр “Информатика и управление” РАН12122024384788428022025Copyright ©; 2024, Russian Academy of SciencesCopyright ©; 2024, Российская академия наук2024Russian Academy of SciencesРоссийская академия наукhttps://journals.eco-vector.com/0235-0092/article/view/675773

To obtain a photo that reproduces the original scene as accurately as possible, it is necessary to solve the problem of color correction, that is, to find a mapping that translates the coordinates of the camera color space (RGB) into the coordinates of the human color space (CIE XYZ). In this article, we consider color correction using lookup tables, pre-built for various lighting conditions. This approach allows you to achieve high speed and accuracy when applying color correction on the device, but requires large amounts of RAM, which, for example, mobile phones do not have. We propose a method for automatic thinning of a set of search tables without loss of accuracy of color correction. The method is based on clustering of the mappings that specify the color correction. To compare the mappings, we propose a criterion for their similarity based on the maximum difference of the generated colors in the target space of a standard CIE XYZ observer. For the proposed criterion, the article provides an effective calculation method and, together with a theorem justifying the correctness of the method.

Для получения цифровой фотографии, максимально точно воспроизводящей оригинальную сцену, необходимо решить задачу цветовой коррекции, т.е. найти отображение, переводящее координаты цветового пространства камеры (RGB) в координаты цветового пространства человека (CIE XYZ). В данной статье мы рассматриваем цветовую коррекцию с помощью таблиц поиска (англ. lookup table), заранее построенных для различных условий освещения. Такой подход позволяет достичь высоких скорости и точности при применении цветовой коррекции на устройстве, однако требует больших объемов оперативной памяти, которыми располагают не все устройства, например, мобильные телефоны. Нами предлагается метод автоматического прореживания множества таблиц поиска с минимальными потерями в точности цветовой коррекции. Метод основан на кластеризации отображений, задающих цветовую коррекцию. Для сравнения отображений нами предлагается критерий их схожести, основанный на максимальном различии порождаемых цветов в целевом пространстве стандартного наблюдателя CIE XYZ. Для предложенного критерия в статье приводится эффективный метод вычисления вместе с теоремой, обосновывающей корректность метода.

adaptive color correctionsimilarity criterion of mappinglookup tablemathematical programmingclusteringадаптивная цветовая коррекциякритерий схожести отображенийтаблица поискаматематическое программированиекластеризацияKonovalenko I.A. Kriterii i algoritmy vychisleniya tochnosti proektivnoj normalizacii izobrazhenij [Criteria and algorithms for calculating the accuracy of projective normalization of images]. PhD thesis. Moscow, 2021. 136 p. (in Russian).Коноваленко И. А. Критерии и алгоритмы вычисления точности проективной нормализации изображений. Дисс. канд. физ-мат. наук. М., 2021. 136 с.Nikolaev D.P., Nikolaev P.P., Gladilin S.A., Bozhkova V.P. Osnovy cvetovoj teorii v tekhnicheskom zrenii. I. Vvedenie v cvetovuyu teoriyu [Fundamentals of color theory in technical vision. I. Introduction to Color Theory]. Moscow, Mir nauki, 2021. 40 p. (in Russian).Николаев Д.П., Николаев П.П., Гладилин С.А., Божкова В.П. Основы цветовой теории в техническом зрении. I. Введение в цветовую теорию. М.: Мир науки, 2021. 40 с.Nikolaev P.P., Nikolaev D.P., Gladilin S.A., Basova O.A., Yarykina M.S. Sbornik zadach po obrabotke izobrazhenij i tekhnicheskomu zreniyu [Collection of tasks on image processing and technical vision]. Moscow, 2023. 78 p. (in Russian).Николаев П.П., Николаев Д.П., Гладилин С.А., Басова О.А., Ярыкина М.С. Сборник задач по обработке изображений и техническому зрению. М.: 2023. 78 с.Shashlov A.B. Osnovy svetotekhniki [Fundamentals of lighting engineering]. Moscow: Logos, 2016. (in Russian).Шашлов А.Б. Основы светотехники. М.: Логос, 2016. 256 с.Fernando R., Matt P. GPU Gems 2: Programming Techniques for High-Performance Graphics and General-Purpose Computation. Addison-Wesley Professional, 2005. 814 p.Finlayson G.D., Michal M., Anya H. Root-polynomial colour correction. Color and Imaging Conference. Society of Imaging Science and Technology, 2011. V. 19. P. 115–119.Gasparini F., Schettini R. Color correction for digital photographs. 12th International Conference on Image Analysis and Processing, 2003. Proceedings. IEEE, 2003. P. 646–651. DOI: 10.1109/ICIAP.2003.1234123Han D. Real-time color gamut mapping method for digital TV display quality enhancement. IEEE Transactions on consumer Electronics. IEEE, 2004. V. 50. P. 691–698. DOI: 10.1109/TCE.2004.1309450Ives H.E. The transformation of color-mixture equations from one system to another. Journal of the Franklin Institute. 1915. V. 180. № 6. 673–701.Ives H.E. The transformation of color-mixture equations from one system to another. Journal of the Franklin Institute. 1915. V. 180. P. 673–701.Kim Y.T., Cho Y.H., Lee C.H., Ka Y.H. Color look-up table design for gamut mapping and color space conversion. International Conference on Digital Production Printing and Industrial Applications. 2003. P. 28–29.Luther R. Aus dem gebiet der farbreizmetrik, Zeitschrift fur Technishe Physik. 1927. V. 12. P. 540–558.Mantiuk R., Mantiuk R., Tomaszewska A., Heidrich W. Color correction for tone mapping. Computer graphics forum. Oxford: Blackwell Publishing Ltd, 2009. V. 50. P. 193–202.Mantiuk R., Mantiuk R., Tomaszewska A., Heidrich W. Color correction for tone mapping. Computer graphics forum. Oxford. Blackwell Publishing Ltd, 2009. V. 50. P. 193–202.Moroney N. Local color correction using non-linear masking. Color and Imaging conference. California. Society of Imaging Science and Technology, 2000. V. 8. P. 108–111.Morovic J., Luo M.R. The fundamentals of gamut mapping: A survey. Journal of Imaging Science and Technology. Derby. The Society for Imaging Science and Technology, 2001. V. 45. P. 283–290.Sari Y.A., Ginardi R.V. H., Suciati N. Color correction using improved linear regression algorithm. 2015 International Conference on Information & Communication Technology and Systems (ICTS). IEEE, 2015. P. 73–78. DOI: 10.1109/ICTS.2015.7379874Sari Y.A., Ginardi R.V. H., Suciati N. Color correction using improved linear regression algorithm. 2015 International Conference on Information & Communication Technology and Systems (ICTS). IEEE, 2015. P. 73–78. DOI: 10.1109/ICTS.2015.7379874.Solomatov G., Akkaynak D. Spectral Sensitivity Estimation Without a Camera. 2023 IEEE International Conference on Computational Photography (ICCP). IEEE, 2023. P. 1–12. DOI: 10.1109/ICCP56744.2023.10233713.Solomatov G., Akkaynak D. Spectral Sensitivity Estimation Without a Camera. 2023 IEEE International Conference on Computational Photography (ICCP). IEEE, 2023. P. 1–12. DOI: 10.1109/ICCP56744.2023.10233713Soshin K.V., Nikolaev D.P., Ershov E.I., Tchobanou M.K. A scalable rational color correction for an image. Patent RF. № WO2023121500A1. 2023.