问基于已知对象的颜色归一化

EN

我不确定这是否是标准技术，但是，校准颜色通道的一种简单方法是学习区域中存在的颜色与其实际颜色之间的回归模型(针对每个像素)。如果您有一些已知图像的快照，您应该有足够的数据来使用神经网络学习转换模型(如果您愿意，也可以使用更简单的模型，如线性回归，但NN将能够捕获多模式映射)。如果你需要了解强度之间的一些空间相关性，你甚至可以在小补丁(比如8x8或16x16)上使用神经网络进行基于补丁的回归。

这应该是可能的，但你应该注意你的已知物体对光的反应方式。理想情况下，它应该是无光泽的，从某个角度拍摄时具有相同的颜色，完全不透明，并在您的传感器敏感的可见光光谱(IR，UV，没有滤光片是完美的)之外的所有波长上均匀地反射所有不同颜色的区域。强调是因为最后这一点非常重要，很难正确处理。

然而，对于一个彩色的已知对象，你遇到的主要问题是: RGB(*)中不同区域的实际颜色是什么？因此，通过这种方式，您可以确定彼此之间不同照明条件的效果，但决不是相对于某些地面事实。

解决方案:使用均匀的白色、无反光、不透明的表面:一张足够厚的白纸就可以了。在场景中拍摄一张没有过度曝光的图纸照片，你就会知道：

1. R，G和B应该接近相等，
2. R，G和B应该接近255。

根据这两个事实以及从工作表中实际获得的R、G和B值，您可以确定场景中颜色和亮度的任何变化。假设黑色仍然是黑色(通常是一个合理的假设)，并使用线性插值来确定任何axed上颜色在0到255之间的像素所经历的偏移。

(*)或您选择的其他颜色空间。