ずっと求めていた「自分だけのブラック」（OpenCV 3.0.0-dev decolorのアルゴリズムをちら見する）

今回いきなりでてきたdecolorって、なんじゃらほいということでググる。今回Decolorizationで採用しているアルゴリズムはこちら（本文との一致性などから判断）

http://www.cse.cuhk.edu.hk/leojia/papers/decolorization_iccp12.pdf

斜め読みした感じだと「weak color order constraintっていうのを導入して、明瞭にorderの無いような色のペアに対しては、自動的に視覚的なコンテキストに基づいて明度の差をつけるよ！」っていう感じと思しき。

うーん、このアルゴリズムだと、「画像全体に対して処理した時」と「画像の一部を処理した結果を繋ぎ合せた時」で結果が変わっちゃうんじゃないのかなーと。

http://www.cse.cuhk.edu.hk/leojia/papers/decolorization_iccp12.pdf のP5から引用すると他の手法と比較すると、これだけ差が出ると。

上から３，４番目のものが一番さが解りやすいと思う。上から三番目は「模様の中で明快に差が付いている」し、４番目は「違和感の無いグラデーションが復元されている」し。流石でございます。

一方で、下２つで明るいオレンジ色が結構、濃い色にマッピングされているのは若干気になるなあという気がしないでもないですけどね。

適材適所ということでよろしくお願いいたします。

論文の一部の翻訳はこちら。誤訳ごめんなさい。

 Based on these conclusions, we relax the color order constraint and present a new method seeking better preservation of color contrast and significant enhancement of visual distinctiveness for edges.

これらの結論に基づいて、我々はcolor order constraintを緩め、カラーコントラストのよりよい保存および視覚的な特殊性の重要な増強を求める新方式を示す。

These benefits stem from the new weak color order constraint, which allows for a very

flexible and practical color-to-gray model. 

これらの利点は新しい weak color order constraintから生じる、それは非常に柔軟で経験的なcolor to gray modelを考慮に入れる。

For color pairs without a clear order in brightness, we propose a bimodal distribution, i.e., mixture of two Gaussians, to automatically find suitable orders with respect to the visual context in optimization.

明るさの中の明瞭なオーダーのない色ペアについては、我々は、自動的に最適化中の視覚的なコンテキストに関して適切なorderを見つけるためにbimodal distribution(つまり2つのGaussiansの混合)を提案する。

Our other main contributions include designing a parameterized multivariate polynomial function for colormapping and developing a fixed point iteration solver for the novel energy function.

我々の他の主な貢献は、新しいエネルギー機能用の固定小数点反復解決者をcolormappingし開発するためのパラメター化された多変数の多項式機能を設計することを含んでいる。

We also propose a new quantitative metric to numerically compare the performance of contrast preservation, from a human perceptual point of view.

さらに、我々は、数的に差異保存の実行を比較するために人間の知覚視点から見て、新しい量的メトリックを提案する。

We extensively evaluate our method on a large number of synthetic and natural images.

我々は、広範囲に多くの合成で自然なイメージ上の方法を評価する。