基于分割的图像变换的制作方法

本发明涉及用于改变图像(特别是包括多个种类的图像元素的图像)的表象的方法、装置以及计算机程序产品。本发明还涉及用于确定在改变包括多个种类的图像元素的源图像和目标图像之间的颜色变换的方法、装置以及计算机程序产品。

发明背景

当拍摄场景的数码图片时，表示场景的像素的颜色取决于环境的变化，例如，拍摄图片的照明条件的类型以及拍摄所使用的图像传感器和/或光学器件的类型。此外，图片中的颜色还取决于场景中的物体的光谱功率分布。物体的光谱功率分布描述了由物体以每个可见波长发射的、透射的、或者反射的全部光的比例。

这可能在相同场景中、但处于不同照明条件下或者使用不同类型的图像传感器和/或光学器件拍摄两个图像的情况下造成问题，并且期望改变第一图像的表象，使得其看起来像其他图像。

US 2012/201451 A1(苹果公司)提供了用于将第一图像的颜色匹配于第二图像的颜色的计算机程序。该计算机程序识别了用于将第一图像转换为设备无关的颜色空间的一组变换。该计算机程序修改了该组变换，使得它们将第一图像的颜色分割成为一组分段的颜色。计算机程序对第一图像的像素值应用修改的该组变换，以便将第一图像的像素分割成为该组分段的颜色。在451'应用中，图像因此基于图像的颜色而被分割，并且应用于第一图像以用于将颜色匹配于第二图像的变换是基于这个分割的。

然而，如果场景包括具有不同光谱功率分布的物体，则基于像素的颜色而变换每个像素可能给出不正确的结果。这个问题也被称为同色异谱。

发明概述

鉴于上述，本发明的目标是解决或者至少降低以上论述的缺陷中的一个或多个。通常，以上目标是通过附加的独立专利权利要求实现的。

本发明是基于这种实现：使用基于分割的算法，可以有利于改变包括多个种类的图像元素的图像的表象。此外，本发明基于这种实现：可能难以以100％的确定性对这一图像中的每个像素分配多个图像种类中的指定的一个种类。因此，基于概率的方法可以是有益的。

根据第一方面，本发明是通过一种用于改变包括N>1个种类的图像元素的原图像的表象的方法实现的，该方法包括以下步骤：对于原图像中的每个像素以及对于原图像中的至少一个子集：计算N个概率值，每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率，通过使用图像元素的N个种类中的每个种类的预先确定的颜色变换以及像素的N个概率值，变换像素的颜色，以及将作为结果的颜色变换后的图像储存为编辑过的图像。

一种用于改变原图像的表象的基于概率的算法，是通过计算每个像素的N个概率值以及在变换像素的颜色时使用这些值来实现的。这在改变不能以100％的确定性判定多个图像种类中的指定的一个图像种类的像素的表象时是有益的。这种像素的示例可以是在两个图像元素之间的边界附近的像素。此外，使用将原图像分割成为N个图像种类的这个基于概率的方法，可以实现在两个相邻的图像元素之间的较平滑的过渡，这可以被理解为对于作为结果的颜色变换后的图像的观察者来说更好看。

在本说明书的上下文中，术语“变换像素的颜色”应被理解为例如像素的RGB值从第一集合的值改变到第二集合的值。

在本说明书的上下文中，术语“将作为结果的颜色变换后的图像储存为编辑过的图像”应被理解为将作为结果的颜色变换后的图像储存在任何类型的计算机存储器(例如，主存储器(诸如，RAM)或者辅助存储器(诸如，磁带、磁盘以及光盘))中。此外，应注意到，当改变数字图像的表象时，具有改变过的表象的图像或者编辑过的图像在改变表象的过程期间以及在过程结束之后必然储存在一些类型的存储器中。

根据一些实施例，每个概率值在0至1的范围中，并且，像素的N个概率值的总和等于1。换句话说，每个像素的概率值被规范化。

根据一些实施例，变换像素的颜色的步骤包括以下步骤：针对图像元素的N个种类中的图像元素的每个种类，通过将像素属于图像元素的种类的概率值乘以对图像元素的种类提供的颜色变换，并且将N个乘法运算的N个乘积相加来计算要用于像素的指定的颜色变换，以及通过将像素的原颜色乘以像素的指定颜色变换来变换像素的颜色。

这在变换像素的颜色时，例如，在对图像元素的种类提供的颜色变换由32位值来表示同时像素的颜色值由64位值来表示时，可以降低计算的复杂性。

根据一些实施例，原图像描绘了血样。因为血样的结构，图像元素的N个种类的颜色变换(即，血样中的不同的物质)可能大幅度变化。

因此，用于改变血样的图像的表象的基于分割的方法可以是有益的。此外，可能难以以100％的确定性将这一图像中的每个像素标记为N个图像种类中的一个图像种类，这可以使得基于概率的方法特别地有益。

根据一些实施例，图像元素的N个种类包括用于白血球的细胞质的种类以及用于白血球的细胞核的种类。在这种情况下，该方法还可以包括以下步骤：将原图像的副本变换成HSL颜色空间中的HSL图像，将HSL图像的高通滤波的L通道的像素值储存为L图像，并且将L图像中的每个像素值与属于用于细胞质的种类或者属于用于细胞核的种类的概率关联，并且，在将颜色变换后的原图像储存为编辑过的图像的步骤之后，将储存的编辑过的图像变换到HSL颜色空间，并且将L图像中的对应的像素值添加到储存的编辑过的图像的L通道的像素的像素值，其中，对应的像素值是基于其相关的属于细胞质种类或者细胞核种类的概率而被加权的，并且储存编辑过的图像。

相比于如以上描述的作为结果的颜色变换后的图像，可以使得拍摄图像所采用的照明条件可以改善原图像中的某些图像元素的焦点或者清晰度。在这些情况下，在编辑过的图像中保留这些清晰和焦点对准的元素可以是有益的。例如，原图像可以包含图像元素，在这种情况下，像素属于用于细胞质的种类或者用于细胞核的种类特别有益于保持其清晰度。因为这个原因，可以将原图像的副本变换成HSL颜色空间中的HSL图像。这一HSL图像的亮度通道(L通道)可以包括这种图像元素中的很多以上提到的清晰度。通过将高通滤波版本的L通道乘以大于1的数，可以更加改善清晰度。

通过基于每个像素属于细胞质种类或者细胞核种类的相关概率，对储存的高通滤波的L通道的像素值加权，并且将加权后的值加到编辑过的图像，可以改善编辑过的图像中的属于细胞质种类或者细胞核种类的像素的清晰度。例如，可以使用属于细胞质种类的概率和属于细胞核种类的概率的总和。此外，为了降低计算复杂性，只有具有属于细胞质种类或者细胞核种类的相关概率超过某个阈值的像素被加权，并且被加到编辑过的图像。这一阈值的示例是1％、5％、10％或者50％。有益的阈值可以是1％。

根据一些实施例，图像元素的N个种类包括用于白血球的细胞核的种类。

根据这个实施例，在通过使用预先确定的颜色变换来变换像素的颜色的步骤之后，该方法还包括通过使用对比度增强函数来增加作为结果的颜色变换后的图像中的对比度的步骤。在作为结果的颜色变换后的图像中的指定像素的对比度增强函数可以基于属于细胞核种类的概率以及像素的亮度。在对比度增强之后，可以储存编辑过的图像。

因为白血球的细胞核经常是暗的，所以可能难以区分细胞核中的细节。本实施例可以增加图像中的较暗区域(例如，细胞核)的动态范围。

因此，在对比度增强之前最难见到的细节是增强得最多的。

根据一些实施例，图像元素的N个种类包括用于红血球的种类以及用于图像的背景的种类，并且该方法还包括以下步骤：使用平滑滤波器降低储存的编辑过的图像中的具有属于用于红血球的种类或者用于血样背景的种类的、高于阈值的概率的像素的噪声，以及储存编辑过的图像。

当执行以上提到的颜色变换时，在一些情况下，增加了某些图像元素的噪声。例如，如果图像包括红血球和背景，则在执行颜色变换时可能增加这种区域中的噪声。因为这个原因，可以有益地对这种图像元素执行噪声降低操作。为了降低操作的计算复杂性，并且为了不将具有属于用于红血球的种类或者用于血样背景的种类的低概率或者非常低概率的像素平滑掉，使用平滑滤波器仅平滑掉具有属于用于红血球的种类或者用于血样背景的种类的、高于阈值的概率的像素。这一阈值的示例是1％、5％、10％或者50％。有益的阈值可以是5％。平滑滤波器可以是双边滤波器，这是有益的，因为双边滤波器是边缘保留的并且降低噪声的平滑滤波器。

然而，可以使用任何其他类型的平滑滤波器，诸如引导滤波器或者各向异性扩散滤波器。

根据实施例，该方法还包括通过将储存的编辑过的图像变换至HSL颜色空间以及将编辑过的图像的S通道中的每个像素乘以大于1的值，来增加储存的编辑过的图像的颜色饱和度的步骤。该值可以例如是1.1，1.2或者1.3或者大于一的任何其他值。

在第二方面中，本发明提供了一种计算机程序产品，包括计算机可读介质，该计算机可读介质具有用于执行根据本发明的第一方面的方法的指令。

在第三方面中，本发明提供了一种用于改变包括N>1个种类的图像元素的原图像的表象的设备，该设备包括：处理器，其被配置成对于原图像中的每个像素以及对于原图像中的至少一个子集：计算N个概率值，每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率，通过使用图像元素的N个种类中的每个种类的预先确定的颜色变换以及像素的N个概率值，使像素的颜色变换；以及存储器，其适用于将作为结果的颜色变换后的图像储存为编辑过的图像。

第二和第三方面大体上可以具有与第一方面相同的特征和优点。

在第四方面中，本发明提供了一种用于确定在包括N>1个种类的图像元素的源图像和目标图像之间的颜色变换的方法，该方法包括以下步骤：对于在源图像和目标图像中的每个像素以及在源图像和目标图像中的至少一个子集：计算N个概率值，每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率，对于图像元素的N个种类中的每个指定的图像元素种类，通过使用下列各项来识别在源图像和目标图像之间的颜色变换：对于源图像中的已经有N个概率值被计算过的像素中的至少一些像素，像素的颜色值以及像素属于图像元素的指定种类的概率，以及，对于目标图像中的已经有N个概率值被计算过的像素中的至少一些像素，像素的颜色值以及像素属于图像元素的指定种类的概率。

通过对于在源图像和目标图像中的每个像素以及在源图像和目标图像中的至少一个子集计算N个概率值，以及通过在识别在源图像和目标图像之间的颜色变换时使用这些值，提供了一种用于识别这一颜色变换的基于概率的算法。因为难以以100％的确定性决定图像之一中的某个像素是否属于多个图像种类中指定的一个图像种类，所以使用这种分割源图像和目标图像的基于概率的方法可以是有益的。

因为颜色变换是针对每个指定的图像元素来确定的，所以算法可以产生对于描绘包括具有如上所述的不同光谱功率分布的物体的场景的图像来说较可靠的结果。

根据一些实施例，用于确定在源图像和目标图像之间的颜色变换的方法包括在确定颜色变换时，使用多个源图像和多个目标图像。因为可以将在源图像或者目标图像之中的异常值的影响降低，所以这样可以实现用于确定颜色变换的较可靠的算法。

根据一些实施例，源图像和目标图像是在不同照明条件下和/或使用不同的图像传感器和/或不同的光学器件采集的。如以上描述的，确定用于变换在可以是在不同照明条件下和/或使用不同的图像传感器和/或不同的光学器件采集的源图像中的像素的颜色的单一颜色变换以较密切地遵循在目标图像中的像素的颜色，可能因为同色异谱的问题而产生不令人满意的结果。

根据一些实施例，源图像和目标图像描绘了血样，并且，其中，图像元素的N个种类包括以下至少两者：用于白血球的细胞质的种类、用于白血球的细胞核的种类、用于红血球的种类以及用于图像的背景的种类。

因为血样的结构，在源图像和目标图像之间的图像元素的N个种类(即，血样中的不同的物质)的颜色变换可能大幅度变化。因此，用于确定在描述血样的源图像和目标图像之间的颜色变换的基于分割的方法可以是有益的。

此外，可能难以以100％的确定性将这种图像中的每个像素标记为N个图像种类中的一个图像种类，这可以在确定颜色变换时使得基于概率的方法特别地有益。

在第五方面中，本发明提供了一种计算机程序产品，包括计算机可读介质，该计算机可读介质具有用于执行根据第四方面的方法的指令。

在第六方面中，本发明提供了一种用于确定在包括N>1个种类的图像元素的源图像和目标图像之间的颜色变换的设备，该设备包括：处理器，其被配置成对于在源图像和目标图像中的每个像素以及对于在源图像和目标图像中的至少一个子集：计算N个概率值，每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率，对于图像元素的N个种类中的每个指定的图像元素种类，通过使用下列各项来识别在源图像和目标图像之间的颜色变换：对于源图像中的已经有N个概率值被计算过的像素中的至少一些像素，像素的颜色值以及像素属于图像元素的指定种类的概率，以及对于在目标图像中的已经有N个概率值被计算过的像素中的至少一些像素，像素的颜色值以及像素属于图像元素的指定种类的概率。

第五以及第六方面大体上可以具有与第四方面相同的特征和优点。

通常，权利要求中使用的所有术语将根据它们在技术领域中的普通含义来解释，除非本文另有明确定义。除非另有明确声明，否则所有对“一(a)/一(an)/该(the)[元件、设备、部件、装置、步骤等等]”的引用都被开放地解释为指元件、设备、部件、装置、步骤等等的至少一个实例。

附图简述

本发明的以上的以及另外的目的、特征和优点，将通过如下本发明的实施例的说明性且非限制性的详细描述，参照附图来被更好地理解，在附图中相同的参考标号将用于类似的元件，其中：

图1示出一种用于通过变换原图像中的像素的颜色来改变原图像的表象的方法，

图2根据实施例，示出了用于改变原图像的表象的流程图，

图3根据实施例，示意性地示出了一种用于改变原图像的表象的设备，

图4示出了一种用于确定在源图像和目标图像之间的颜色变换的方法。

发明详述

本发明现在将在下文参照附图进行更全面地描述，附图中示出本发明的当前优选实施例。然而本发明能够以许多不同形式实施，且不应被解释为限于本文所阐述的实施例；相反，这些实施例出于彻底性和完整性被提供，并将本发明的范围充分传达给本领域技术人员。

以下描述的方法将会使用血样的图像来举例说明。由于同色异谱的问题，可能要求复杂的颜色变换，以便将原图像的颜色变换，使得原图像的颜色匹配于在不同照明条件下和/或使用不同的图像传感器和/或不同的光学器件采集的图像的颜色。以下描述的发明性方法正在将变换原图像的颜色空间的庞大并且复杂的问题分解成为较小的可解决的问题。这种将图像的表象改变成匹配另一图像的表象的方式当然可以用于其他种类的图像而不只是血样的图像，诸如，人像、风景的图像、内部图像等等。

图1描述了用于改变原图像的表象的方法。该方法可以开始于在S102设备接收要变换的图像(例如，原图像)。原图像包括N>1个图像元素的种类。在S104，从该图像中选择出至少一个子集。在S106，针对在该至少一个子集中的每个像素，计算出N个概率值。每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率。每个概率值可以从0至1的范围变化，并且像素的N个概率值的总和可以在此情况下等于1。

也就是说，如果(x,y)是像素的位置，则通过函数p_i(x,y)描述第i个(i∈{1,...,N})图像种类的概率，其中，0≤p_i(x,y)≤1并且在图1中描述的方法的最后的步骤，是在S108通过使用针对图像元素的N个种类中的每个种类以及每个选择出的像素的N个概率值的预先确定的颜色变换来变换每个选择出的像素的颜色的步骤。这个步骤可以包括计算要用于每个像素的指定的颜色变换。针对图像元素的N个种类中的图像元素的每个种类，该针对指定像素的指定的颜色变换可以通过将像素属于图像元素的种类的概率值乘以对该图像元素的种类提供的颜色变换，并且将N个乘法运算的N个乘积相加来计算。然后通过将像素的原颜色乘以该像素的指定颜色变换来执行像素的颜色变换。

用于改变在图像中的位置(x,y)上的某个像素的颜色的函数可以描述为：

其中，表示像素的原颜色，v′(x,y)表示像素的变换的颜色，f_i是图像种类i的预先确定的颜色变换，并且θ_i是f_i的预先确定的参数向量。

颜色变换的示例是每个单独的颜色分量的简单仿射变换：

其中，θ_i1，θ_i2，…，θ_i6是实数。颜色变换的较复杂的示例是

即，在此θ_i是可以被组织成3*3矩阵A_i的九个实数的向量。甚至更加复杂的示例可以是在f_i是它的参数的非线性函数时。

通过示例的方式，图像种类的数量可以是四，并且图像种类包括用于白血球的细胞质的种类、用于白血球的细胞核的种类、用于红血球的种类以及用于图像的背景的种类。如以上描述的，那些种类的光谱功率分布可以大幅度变化，导致预先确定的颜色变换A_i，iε{1，...，N}也可能大幅度变化。因此，用于变换原图像的颜色的单一颜色变换将会产生不令人满意的作为结果的颜色变换后的图像。

在下面，将会简要概述将原图像分割成为N个图像种类的基于概率的方法。这仅是可以执行这一分割的方法的示例。计算图像中的每个像素的N个概率值的其他方法(其中，每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率)留给技术人员去实施。

下列示例涉及将血样的图像分割成为四个图像种类，称为用于白血球的细胞质的种类、用于白血球的细胞核的种类、用于红血球的种类以及用于图像的背景的种类。在示例中，计算了定义属于用于白血球的细胞质的种类的像素的概率的概率值，但是该方法当然可被用于以类似的方式计算剩下的图像种类的概率值。

示例性方法的梗概如下：首先，阈值方法用于检测在原图像中存在的白血球的细胞核。将定义细胞核的区域放大，使得在检测的细胞核周围的细胞质最可能也被包括在该区域中。然后这些区域被反相，从而定义仅包括背景和红血球的区域。这些区域用于估计原图像中的背景的颜色分布和红血球的颜色分布。这些分布用于找到白血球的粗略分割(初步细胞蒙片)。使用阈值方法将初步细胞蒙片分成细胞核和细胞质。这提供了细胞核的分割，并且使得有可能估计细胞质的颜色分布以及细胞核的颜色分布。已经建立图像中所有四个区域的估计值，可以计算出属于白血球的像素的概率。

当检测到在原图像中存在白血球的细胞核时(示例性方法的第一个步骤)，计算出原图像的颜色柱状图。因为细胞核被良好地定义，并且细胞核在血样的图像中可见，所以在原图像中存在的细胞核的颜色将会在柱状图中被看见，例如，显示细胞核比在原图像中存在的其他图像种类更蓝。

当估计背景的颜色分布和红血球的颜色分布时，首先，通过计算原图像中的绿色分量的柱状图计算出在两个图像种类之间的阈值。将获得的阈值用于将红血球与背景分离，针对背景的平均值μ_b和协方差矩阵C_b，以及红血球的平均值μ_r和协方差矩阵C_r而计算出估计值。估计出的平均值和协方差矩阵用在概率密度函数h_b(v)和h_r(v)中，显示像素颜色v分别与背景和红血球的颜色相关性。

背景的由RGB向量定义的像素颜色v的概率密度函数计算如下：

以类似方式计算红血球的概率密度函数。

下个步骤包括将白血球的细胞核与白血球的细胞质分离。首先，从原图像中计算既不类似于背景也不类似于红血球的像素的集合(W)。计算出在集合W中的像素中的每个八连通区域的面积。每个具有比阈值更大的面积的区域被认为足够大到成为白血球，并且每个这种区域均构成初步细胞蒙片。阈值取决于原图像的缩放级别。

然后使用用于分割白血球的细胞核的任何适当的方法(例如，使用阈值)从细胞质分割图像中的细胞核。可以使用在示例性方法的第一个步骤中计算出的面积。这样可以通过消除具有比一定数量的像素面积更小的片段以及填充具有比另一些像素面积更小的孔来清理计算出的细胞核蒙片。

在属于细胞核蒙片的像素上估计出细胞核的平均值μ_n以及协方差矩阵C_n。对于在原图像中的像素的细胞质μc和Cc，其与背景和红血球并不类似且还没有定义为细胞核。估计出的平均值和协方差矩阵用在表示细胞质和细胞核的颜色分布概率密度函数h_c(v)和h_n(v)中。

细胞质的概率密度函数和细胞核的概率密度函数根据等式2被计算出。

具有颜色v的像素属于白血球的细胞质的概率p_c(v)由下式给出：

可以注意到，这种计算概率值的方式可以在如以下描述的确定在源图像和目标图像之间的颜色变换时被使用。

图2根据实施例，示出了用于改变原图像的表象的流程图。

在流程图中的第一步S202概括了图1中描述的步骤S102-S108。但是除了结合图1描述的产生颜色变换后的图像之外，改变原图像的表象的方法还可以包括另外的图像编辑步骤，以便改善颜色变换后的图像。在图2中显示并在以下描述的另外的步骤可以以任何适当的顺序来执行，并且任何另外的步骤可以被排除。

如以上提到的，原图像可以包含大量细节，其可能在产生颜色变换后的图像S202时消失。因为这个原因，该方法可以包含保持原图像的某些图像元素的大量细节的步骤。

根据实施例，图像元素的N个种类包括用于白血球的细胞质的种类以及用于白血球的细胞核的种类。在这种情况下，可以执行步骤S204，以用于保持在编辑过的图像中的这些图像元素的原图像的细节上的焦点。首先，将原图像的副本变换成HSL颜色空间中的HSL图像。HSL图像的亮度通道包括有益地被包括在编辑过的图像中的细节。因此，将HSL图像的高通滤波的L通道的像素值储存为L图像，并且L图像中的每个像素值与属于用于细胞质的种类或者属于用于细胞核的种类的概率关联。根据实施例，L图像可以是高通滤波的，用于在L图像中增加大量细节。最后，将储存的编辑过的图像(例如，通过步骤S202产生的颜色变换后的图像)变换到HSL颜色空间，并且将储存的编辑过的图像的L通道的像素的像素值与在L图像中的对应的像素值相加在一起。对应的像素值是基于其属于细胞质种类或者细胞核种类的相关概率而加权的。

在S202产生颜色变换后的图像之后，一部分编辑过的图像中的一些可能是暗的，并且，因此，在这种区域中的细节可能丢失。原则上这仅是发生在白血球的细胞核的某些事情。因此，根据实施例，该方法包括另外的对比度增强步骤S205。根据这个实施例，在通过使用预先确定的颜色变换使像素的颜色变换的步骤之后，该方法还包括通过使用对比度增强函数来增加作为结果的颜色变换后的图像中的对比度的步骤。要增强的细节可以根据一些实施例而在编辑过的图像的绿色通道(可能是包含较少噪声的通道)中被检测到。这可以有益于降低增强噪声的风险。然而，在将编辑过的图像变换为HSL颜色空间之后，可以在编辑过的图像的亮度通道中执行检测到的细节的增强。在编辑过的图像中的指定像素(例如，检测到的细节)的对比增强函数可以基于属于细胞核种类的概率以及像素的亮度。这意味着增强的量是由像素的亮度决定的，像素具有越多的亮度，像素增强得越多。属于细胞核种类的概率被用作进一步的加权因数。

根据实施例，图像元素的N个种类包括用于红血球的种类以及用于图像中的背景的种类。对于这些类型的图像元素，在根据上述来执行颜色变换时可能增加噪声的级别。此外，对于某些类型的分析来说，感知在这些类型的图像元素中每个细节的重要性可以不如感知其他类型的图像元素中的细节的重要性一样大。因此，为了改善编辑过的图像的感知质量，可以有益地对属于这些图像元素的像素执行噪声降低。这样，根据实施例，改变原图像的表象的方法还包括降低储存的编辑过的图像中的像素的噪声的步骤S206。根据一些实施例，可以仅对具有属于用于红血球的种类或者用于血样的背景的种类的、高于阈值的概率的像素执行噪声降低。可以通过使用平滑滤波器(例如，双边滤波器)来执行噪声降低。根据一些实施例，如果像素具有属于用于红血球的种类或者用于血样中的背景的种类的概率高于阈值，那么相邻的像素也需要具有属于这些种类的高于阈值的概率，以便对像素执行噪声降低。像素的阈值可以不同于相邻的像素的阈值，或者阈值可以相同。

根据实施例，改变原图像的表象的方法还包括增加储存的编辑过的图像中的颜色饱和度的步骤S208。这可以通过将储存的编辑过的图像变换至HSL颜色空间以及将编辑过的图像的S通道中(现在是在HLS颜色空间中)的每个像素乘以大于1的值来完成。

以上结合图1-2描述的方法可以以软件、固件、硬件或者在具有处理能力302的设备300上的软件、固件、硬件或其组合来实施。设备300被配置用于改变包括N>1个种类的图像元素的原图像的表象。

在硬件实施方式中，在在以下描述中指出的功能单元之间的任务的分工不必对应于物理单元的分割；相反，一个物理部件可以具有多个功能，并且一个任务可以由几个物理部件(例如，处理器)协同执行。某些部件或者全部部件可以实现为由数字信号处理器或者微处理器执行的软件，或者实现为硬件，或者实现为专用集成电路。这种软件可以分布在可以包括计算机存储介质(或者非暂态介质)以及通信介质(或者暂态介质)的计算机可读介质上。

对于原图像中的每个像素以及对于原图像的至少一个子集来说，设备300的处理器302可以被配置成计算N个概率值。每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率。处理器302还可以被配置成通过使用图像元素的N个种类中的每个种类的预先确定的颜色变换以及像素中的每个像素的N个概率值，使每个像素的颜色空间变换。N个预先确定的颜色变换是处理器302可以以任何适当的方式存取的。例如，N个预先确定的颜色变换可以储存在设备300的存储器304中。

如本领域技术人员所熟知的，术语“存储器”同时包括易失的和非易失的、可移除和不可移除存储器，其以任何方法或技术被实现，以便用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或者其他存储技术、CD-ROM、数字通用光盘(DVD)或者其他光盘储存器、磁盒、磁带、磁盘储存器或者其他磁存储设备、或者可用于储存期望的信息并且可由计算机存取的任何其他介质。

存储器304还可以适用于将作为结果的颜色变换后的图像储存为编辑过的图像。在改变原图像的表象的过程期间，如以上结合图1-2描述的，图像或者图像中的像素持续储存在一些类型的存储器中，为了从处理器302容易且快速地存取，存储器优选为RAM。于是，作为结果的颜色变换后的图像必然储存在设备300的一些类型的存储器中。

下面，结合图4描述提供N个预先确定的颜色变换的实施例。在图4中描述的方法仅使用一个源图像以及一个目标图像，即，描绘相同场景的但在不同照明条件下和/或使用不同的图像传感器和/或不同的光学器件采集的一个图像对。后面，下面将描述相同的但用于多个这种图像对的方法。

该方法以在S402接收目标图像和源图像来开始。对于两个图像，在S404将选择出每个图像中的至少一个子集。优选地，以相同的方式剪裁图像，使得相同的场景在两个图像中均被描绘。

对于在源图像和目标图像中的选择出的至少一个子集中的每一个像素，在S406计算N个概率值。每个概率值定义了像素属于图像元素的N个种类中的对应的一个种类的概率。针对图像元素的N个种类中的每个指定图像元素种类，该方法通过识别在源图像和目标图像之间的颜色变换来继续。在S408使用在源图像中的已经有N个概率值被计算过的像素中的至少一些像素的像素的颜色值以及像素属于图像元素的指定种类的概率、以及在目标图像中的已经有N个概率值被计算过的像素中的至少一些像素的像素的颜色值以及像素属于图像元素的指定种类的概率，来识别指定图像元素的颜色变换。根据实施例，在识别对于图像元素的指定种类的在源图像和目标图像之间的颜色变换时，使用在源图像和目标图像中的已经有N个概率值被计算过的所有像素。

根据实施例，在识别图像元素的N个种类的颜色变换时，使用多个图像对。如以上提到的，每个图像对描绘相同场景但在不同照明条件下和/或使用不同的图像传感器和/或不同的光学器件采集的两个图像，即，源图像和目标图像。在多个图像对中的所有源图像是在相同(或者差不多相同)的照明条件下并且使用相同的图像传感器和相同的光学器件采集的。这对多个目标图像同样有效。然后，识别的颜色变换可以用于变换在与源图像相同的条件(或者差不多相同的条件)下采集的图像的颜色，使得好像采集的图像是在与目标图像相同的条件下采集的。如果Z⁺表示所有正数，则是在图像j中的所有像素坐标(或者如以上描述的至少一个子集中的所有像素坐标)的集合。如果i表示不同的图像种类(i∈{1，...，N})，则是在某个像素坐标(x，y)的图像种类i和图像j的概率值。概率值可以从0至1的范围内变化，并且像素的N个概率值的总和在这个情况下可以等于1。r^j(x,y)、g^j(x,y)、b^j(x,y)是在源图像j中的位置(x，y)中的红色、绿色和蓝色的值。值可以是从0至255范围内变化的实数。在图像j的图像种类i中的红色的平均值被表示为同样对于绿色是以及蓝色是

然后通过下式计算出像素属于种类I的源图像j中的红色的加权平均值：

并且以相同方式计算出源图像j中的绿色的平均值和蓝色的平均值

以相同方式计算出目标图像j的对应的平均值，并且表示为和

在仅使用一个图像对的情况下，可以计算出每个颜色只有一个参数的颜色变换，例如，

如果使用至少三个图像对，则使用如以下的最小二乘估计可以计算出图像种类i的矩阵颜色变换Ai。

图像对的数量是n。则具有源图像的图像种类i的所有颜色平均值的矩阵是：

并且具有目标图像的图像种类i的所有颜色平均值的矩阵是

然后，使用最小二乘方法可以计算出以上在等式1中使用的图像种类i的颜色变换矩阵A(A_i)(i∈{1,…,N})。理论上，这可以计算为：

但是实际上，有更好的数值算法可用。

如以上描述的，根据实施例，源图像和目标图像描绘了血样并且图像元素的N个种类包括以下至少两者：用于白血球的细胞质的种类、用于白血球的细胞核的种类、用于红血球的种类以及用于图像的背景的种类。

本领域的技术人员意识到，本发明决不限于以上描述的优选实施例。相反地，在所附的权利要求的范围内，许多修改和变化是可能的。例如，如果图像元素种类中的物体具有类似的光谱功率分布，则图像元素种类可以包括多于一个类型的物体。