Modelo de corrección de color en imágenes digitales

Abstract

RESUMEN: En la fotografía digital, la influencia de los iluminantes y las cámaras comerciales en la apariencia de la escena obtenida es ampliamente reconocida. Usualmente, la estandarización de las imágenes tomadas con cámaras comerciales bajo iluminantes no estándares requiere el uso de espectrofotómetros o colorímetros que presentan limitaciones en su uso y elevados costos. Este es el caso de las imágenes médicas, las cuales contribuyen actualmente de manera creciente en la detección de múltiples enfermedades como el cáncer de piel. La estandarización de imágenes médicas es de gran importancia en la obtención de un diagnóstico correcto. En este trabajo, se propone un modelo que permite la corrección del color de imágenes digitales tomadas con cámaras comerciales e iluminantes no estándares a través de un proceso de transformación matemática, obtenido por medio de la comparación y ajuste de las coordenadas de color de las imágenes digitales y las variables de color espectrofotométricas observadas de una carta de color estandarizada. El modelo obtenido es funcional para realizar la corrección automática de color en imágenes digitales tomadas con el mismo iluminante y cámara que han sido utilizados en el desarrollo del modelo, para obtener información de color que es independiente del iluminante y del dispositivo utilizado. El modelo propuesto, se encuentra basado en un método existente pero las condiciones de adquisión, el procesamiento de las mediciones, la evaluación de los pasos del procesamiento y el desarrollo del sistema cambian, adaptando el método como una metodología para un uso más generalizado. El proceso de corrección de color consiste en calcular las coordenadas promedio de RGB de los parches de la carta de color y los valores reales medidos a través de mediciones espectrofotométricas. Luego, se aplica una corrección del balance blancos, gamma y saturación de las imágenes. Se evalúa cada paso en cuanto a diferencia de color y se realiza una comparación entre tres transformadas finales: una regresión polinomial multivariable de tercer grado, algoritmos genéticos y redes neuronales artificiales. Todos los pasos mencionados, se encuentran programados en un software desarrollado “Colour Corrector” escrito totalmente en Python, el cual se puede manejar desde una Raspberry Pi 3 Modelo B con pantalla táctil. Es obtenido un excelente desempeño de menos de 1.5 unidades de diferencia de color CIE2000 aplicando el modelo desarrollado con redes neuronales artificiales y la carta de color Xrite ColorChecker SG. Como consecuencia de esta investigación queda establecido el modelo de corrección del color que debe emplearse para iv la corrección colorimétrica en imágenes médicas y que pudiese ser empleado como auxiliar en el diagnóstico médico y otras aplicaciones. ABSTRACT: In digital photography, the influence of illuminants and cameras in the appearance of the obtained scene is widely recognized. Usually, the standardization of images taken with commercial cameras under nonstandard illumination requires the use of spectrophotometers and colorimeters that present constrains in their use and elevated costs. That is the case of medical images, which are increasingly contributing to the detection of several diseases such as skin cancer. The standardization of color medical images is of paramount importance to obtain a correct final diagnosis. In this work, a model that allows for color correction of digital images taken with commercial cameras under non-standard illuminants was found through a mathematical transformation process, obtained by means of the comparison and fitting of the digital-image color-coordinates and the observed spectrophotometric color variables of standardized 48-patch and 140-patch color chart. The obtained model is suitable to perform automatic color correction of digital images taken with the same illuminants and camera as those employed for model development, to yield image color information that is illuminant- and device-independent. The proposal model, it is based on an existent method but the conditions, acquisition and processing of measurements, evaluation of the processing steps and development of the system, changes, adapting the method as a methodology for a general use. The color correction process consists in computing the average RGB coordinates and ground truth color of the color chart and then, perform a white balance, gamma correction and saturation correction; finally applying an evaluation in color difference between every step mentioned and perform the comparison between three transforms: a third-order polynomial regression, genetic algorithms and artificial neural networks. Every step of the proposed model, it is programmed in a developed software called “Colour Corrector” written entirely in Python and it can be handled from a Raspberry Pi 3 Model B with touchscreen behavior. It is achieved a good performance of less than 1.5 units of an average CIE2000 color difference by applying the developed model with artifitial neural networks and the Xrite ColorChecker SG color chart. As a consecuence of this investigation it is established the model of color correction that should be employed for the colorimetric correction in medical images. In addition, the developed model could be used as auxiliary in the medical diagnosis and other applications.