Traitements des images de couleur en représentation luminance/saturation/teinte par norme L1

Traitements des images de couleur en représentation luminance/saturation/teinte par norme L1

Colour image processing from luminance/saturation/hue in L1 representation

Jesús Angulo Jean Serra 

Centre de Morphologie Mathématique - École des Mines de Paris, 35 rue Saint Honoré 77300 Fontainebleau - France

Corresponding Author Email: 
angulo@ensmp.fr
Page: 
583-603
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 December 2004
| Citation

OPEN ACCESS

Abstract: 

The classical colour polar-based representations, of type (HSV, HLS, etc.), lead to brightness and saturation with non consistent properties. In this paper they are replaced by means of norms, in particular L1 and max-min. Two examples illustrate the suitable relevance of L1 norm with regard to segmentation issues. The first issue deals with the histograms luminance/saturation which are plotted for four different representations. They highlight alignments in the case of the norm L1 and these alignments characterise zones of shadows or of reflections in the image. A model of linearly regionalised spectrum for light flux is proposed for a physical interpretation of this proportionality.

The second example relates to morphological colour image segmentation, starting from polar representations. The main underlying idea here is to fully exploit the nature of the saturation component as a balance between the luminance and the hue. More precisely, each of the three components luminance, saturation and hue is processed independently from the others, according to a traditional segmentation technique for numerical functions. In the regions of high saturations, the hue is retained as the significant parameter, and in those of low saturations, the luminance replaces the hue. Again the norm L1 presents interesting advantages with respect to the other representations.

Résumé

Les représentations polaires classiques de la couleur, du type (HSV, HLS, ...) conduisent à des brillances et des saturations aux propiétés incohérentes. Il leur est substitué des paramètres d'intensité (brillance et saturation) qui sont des normes, dont L1 et max-min.

Deux exemples illustrent la pertinence d'une norme convenable. Le premier porte sur les histogrammes luminance/saturation. Construits dans le cadre des diverses normes introduites plus haut, ils mettent en évidence des alignements dans le cas de la norme L1, alignements dont les points caractérisent des zones d'ombres ou de reflets dans l'image. Un modèle de comportement régionalisé linéairement des flux lumineux est proposé pour l'interprétation physique de ce phénomène.

Le second exemple porte sur la segmentation d'images en couleur, à partir de représentations polaires. L'idée qui préside ici est de faire jouer à la saturation un rôle d'équilibrage entre luminance et teinte. Chacune des trois composantes luminance, saturation et teinte est traitée indépendamment des autres selon une technique classique de segmentation pour les fonctions numériques. Dans les classes de haute valeur de la saturation on retient alors la teinte comme paramètre significatif, et dans celles de basses saturation, la luminance.

À nouveau, la norme L1 présente des avantages par rapport aux autres représentations.

Keywords: 

Colour, segmentation, saturation, norms, bi-variate histograms, HLS, mathematical morphology

Mots clés

Couleur, segmentation, saturation, normes, histogrammes bi-dimensionnels, HLS, morphologie mathématique

1. Introduction
2. Intensités Lumineuses Et Correction Gamma
3. Les Espaces Vectoriels De La Couleur
4. Brillance
5. Saturation
6. Histogrammes Bi-Dimensionnels
7. Spectres Régionalisés Linéairement (Modèle SRL)
8. Segmentation Par Saturation Pondératrice I: Gradient Couleur
9. Segmentation Par Saturation Pondératrice II: Combinaison De Partitions
10. Conclusions Et Perspectives
  References

[1] J. ANGULO, « Colour segmentation using bivariate histograms in 3Dpolar colour spaces », Rapport Technique CMM-Ecole des Mines de Paris, N-03/03/MM, Janvier 2003.

[2] J. ANGULO, J. SERRA, « Color segmentation by ordered mergings », Dans Proc. of IEEE International Conference on Image Processing (ICIP’03), IEEE, Vol. 2, Barcelona, Spain, September 2003, p. 125-128.

[3] J. ANGULO, Morphologie mathématique et indexation d’images couleur. Application à la microscopie en biomédecine. Thèse doctorale, Centre de Morphologie Mathématique, Ecole des Mines, Paris, Décembre 2003.

[4] Commission Internationale de l’Eclairage (CIE), Colorimetry, Second Edition. CIE Publication No. 15.2, Vienna, 1986.

[5] G. CHOQUET, « Topologie », Academic Press, N.Y., 1966.

[6] L. GARRIDO, P. SALEMBIER, D. GARCIA, « Extensive operators in partition lattices for image sequence analysis », Signal Processing, Vol. 66, No. 2, 1998, p. 157-180.

[7] A. HANBURY, J. SERRA, « Morphological operators on the unit circle », IEEE Transactions on Image Processing, Vol. 10, No. 12, 2001, p. 1842-1850.

[8] A. HANBURY, J. SERRA, « Colour Image Analysis in 3D-polar coordinates », Dans Proc. of DAGM symposium, Vienna, April 2003.

[9] P. LAMBERT, T. CARRON, « Symbolic fusion of luminance-huechroma features for region segmentation », Pattern Recognition, Vol. 32, 1999, p. 1857-1872.

[10] L. MACAIRE, Exploitation de la couleur pour la segmentation et l’analyse d’image, Mémoire d’habilitation à diriger des recherches, Univ. de Lille, Nov. 2004, 274 p.

[11] D. MARTIN, C. FOWLKES, D. TAL, J. MALIK,« A Database of Human Segmented Natural Images and its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics », Dans Proc. 8th Int. Conf. Computer Vision (ICCV’01), Vol. 2, p. 416-423, Vancouver, Canada, 2001. http://www.cs.berkeley.edu/projects/vision/grouping/segbench/

[12] F. MEYER, S. BEUCHER, « Morphological Segmentation », J.of Visual Communication and Image Representation, Vol. 1, No. 1, 1990, p. 21-46.

[13] G. OBEIN, K. KNOBLAUCH, F. VIÉNOT, « Perceptual scaling of the gloss of a one-dimensional series of painted black samples », Perception, Vol. 31, Suppl., 2002, p. 65.

[14] Ch. POYNTON, A technical Introduction to Digital Video. New York: Wiley, 1996. Chapter 6, « Gamma » is available online at http://www.poynton.com/PDFs/TIDV/Gamma.pdf

[15] J. SERRA, « Set connections and discrete filtering », Dans (G. Bertrand, M. Couprie and L. Perroton Eds.), Proc. DGCI 1999 - Lecture Notes in Computer Science, Springer, Vol. 1568, 1999, p. 191-206.

[16] J. SERRA, « Espaces couleur et traitement d’images », Rapport Technique CMM-Ecole des Mines de Paris, N-34/02/MM, Octobre 2002.

[17] J. SERRA, « Morphological Segmentation of Colour Images by Merging of Partitions, » Proc. of the International Symposium on Mathematical Morphology (ISMM’05), Kluwer, 2005.

[18] S.A. SHAFER, « Using color to separate reflection components from a color image », Color Research and Applications, Vol. 10, No. 4, 1985, p. 210-218.

[19] F. TORRES, J. ANGULO, F. ORTIZ, « Automatic detection of specular reflectance in colour images using the MS diagram », Dans (Petkov et Westenberg Ed.) Computer Analysis of Images and Patterns (Proceedings CAIP 2003), Lecture Notes in Computer Science, Vol. 2756, 2003, p. 132-139.

[20] A. TREMEAU, Ch. FERNANDEZ-MALOIGNE, P. BONTON, Image numérique couleur, Ed. Dunod, Paris, 2004.