Pulling color from a colored image for coloring gray images using CSO algorithm

• Autorzy: Ali Aseel W. , Mahmood Riyadh Zaghlool , Ali Hanan H.

Identyfikatory

DOI

10.15199/48.2024.01.20

Warianty tytułu

PL

Wyciąganie koloru z kolorowego obrazu w celu pokolorowania szarych obrazów za pomocą algorytmu CSO

• Języki publikacji: EN

Abstrakty

EN

Pictures have a wide range of information, and the most important characteristic of pictures is colors, where colors have great importance by which gray images can be colored in order to obtain greater qualities for distinguishing pictures. The presence of old historical images in their gray colors was the motive for doing this research for the purpose of coloring them. Three algorithms were used to color digital images, which are the methods of brightness, medium, and lightness. A color digital image was approved to be used as a color palette to color the grayscale image. This was done by taking the color from the color image after replacing it with a grayscale, and matching the pixel locations with the locations of the grayscale image. The approximate color is placed in the grayscale image if it matches, otherwise control points ( C1, C2) for the purpose of utilization. It was concluded that the luminosity method is better than the average and luminance methods based on the MSE and PSNR measures, and the Visual Basic language was used to complete this research.

PL

Obrazy zawierają szeroki zakres informacji, a najważniejszą cechą obrazów są kolory, przy czym kolory mają ogromne znaczenie, dzięki czemu można pokolorować szare obrazy w celu uzyskania lepszych cech odróżniających obrazy. Motywem podjęcia badań w celu ich pokolorowania była obecność starych obrazów historycznych w ich szarej kolorystyce. Do kolorowania obrazów cyfrowych zastosowano trzy algorytmy, którymi są metoda jasności, średniej i jasności. Zatwierdzono kolorowy obraz cyfrowy do użycia jako paleta kolorów do pokolorowania obrazu w skali szarości. Dokonano tego poprzez pobranie koloru z obrazu kolorowego po zastąpieniu go skalą szarości i dopasowanie lokalizacji pikseli do lokalizacji obrazu w skali szarości. Przybliżony kolor jest umieszczany na obrazie w skali szarości, jeśli pasuje, w przeciwnym razie punkty kontrolne ( C1, C2) w celu wykorzystania. Stwierdzono, że metoda luminancji jest lepsza od metody średniej i luminancji opartej na miarach MSE i PSNR, a do realizacji badań wykorzystano język Visual Basic.

Słowa kluczowe

EN

RGB; image coloring; grayscale; image processing; BMP; Sswarm intelligent CSO

PL

RGB; kolorowanie obrazu; skala szarości; przetwarzanie obrazu; BMP; inteligentny CSO Sswarm

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 1
• Strony: 95--100
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

Ali Aseel W.

• University of Mosul

• https://orcid.org/0009-0001-7434-9411

autor

Mahmood Riyadh Zaghlool

• University of Mosul

• https://orcid.org/0000-0001-7899-6475

autor

Ali Hanan H.

• University of Mosul

• https://orcid.org/0000-0003-0440-8786

Bibliografia

• [1] Abraham A., Grosan C., Ramos V., (2006), "Swarm Intelligence in Data Mining", Springer-Verlag Berlin Heidelberg,101-123.
• [2] Amer, R., Talal, Z., Hafez, N., Ghanim, A., 2008, "Distinguish the tyrant colors in the image and removed it", paper, College of Computer Science and Mathematics, University of Mosul.
• [3] Baaj, R. M., and Allbun, J., and Rbdawi, G., 2004, “The use of quantization to extract the primary colors of an image (picture applicable to the carpet)”, Damascus University Journal for Basic Sciences folder (20).
• [4] C. K. Chan and L. M. Chen, “Hiding Data in Images by Simple LSB Substitution,”Pattern Recognit., vol. 37, no. 3, pp. 469– 474, 2004.
• [5] Cheng-Hsing Yang, Chi-Yao Weng, Shiuh-Jeng Wang, “Adaptive Data Hiding inEdge Areas of Images with Spatial LSB Domain Systems.” IEEE Transactions on.Information Forensics and Security, Vol. 3, no. 3, September 2008.
• [6] D. C. Wu and W. H. Tsai, “A Steganographic Method for Images by Pixel-ValueDifferencing,” Pattern Recognit. Lett., vol. 24, no. 9–10, pp. 1613–1626, 2003.
• [7] Deshpande, Aditya, Jason Rock, and David Forsyth, Learning largescale automatic image colorization, Proceedings of the IEEE International Conference on Computer Vision, (2015).
• [8] Gonzalez, R. C., Woods, R. E., 2009, "Digital Image Processing", Indian edition, Pvt. Ltd. .
• [9] Gonzalez, R. C., 2002, "Digital Image Processing", 2nd edition, Publisher Prentice.
• [10] H. C. Wu, N. I. Wu, C. S. Tsai, and M. S. Hwang, “Image Steganographic SchemeBased on Pixel-Value Differencing and LSB Replacement Methods,” Proc. Inst.Elect. Eng., Vis. Images Signal Process., vol. 152, no. 5, pp. 611–615, 2005.
• [11]H. Sheikh Faridul1, T. Pouli, C. Chamaret, J. Stauder, E. Reinhard, D. Kuzovkin, A. Tremeau, “Colour Mapping: A Review of Recent Methods, Extensions and Applications,” Computer Graphics Forum, Volume 35, number 1, pp. 59–88, 2016.
• [12] Isola, P., Zhu, J.-Y., Zhou, T., and Efros, A. A., “Image-to-image translation with conditional adversarial networks,” In Proc. CVPR, 2017.
• [13] Ji, Z., Fang, M.e., Wang, Y., Ma, W.: Efficient decolorization preserving dominant distinctions. The Visual Computer (2015) 1–11
• [14] Karthikeyanil, V., Duraiswamy, K., Kamalakkannan,P., April 2007 “Conversion of gray-scale image to color image with and without texuer synthesis”, IJCSNS International Journal of Computer Science and Network Security, VOL.7 No.4.
• [15] Reddy R. K., Raju K. P., Kumar L. R., Kumar M. J., August 2016, “Gray level to RGB using YCbCr space technique, International Journal of computer applications (0975-8887) volume 147-no.7.
• [16] S. D., Garg, R. H., Ghewade, S. A., Jagdale, P. A., & Mahajan, Performance assessment of assorted similarity measures in gray image colorization using LBG vector quantization algorithm, International Conference on Industrial Instrumentation and Control (ICIC), IEEE, (2015).
• [17] Semary N. A., “Texture recognition techniques for natural gray images”, Radio Science Conférence, 2007. NRSC 2007. April, 2007.
• [18] Shafi’a, E., 2009, “Colors book”.
• [19] Smriti Kumar, Ayush Swarnkar, “Colorization of Gray Scale Images in Lαß Color Space using Mean and Standard Deviation” IEEE SCEECS, 2012, MANIT, Bhopal (India), IEEE Conference Publication, March 2012.
• [20] Solomon C., Breckon T., “Fundamentals of Digital Image Processing.”, Wiley – Blackwel , UK, Edition No. 1, 2011.
• [21] Umbaugh, S. E., 1998, "Computer Vision and Image Processing", a practical approach using CVI tools.
• [22] Walton, S., “Image Authentication for a Slippery New Age”, Dr. Dobb’s J., vol. 20,no. 4, pp. 18–26, 1995,.
• [23] Wang, R.Z., Lin, C.F., and Lin, J.C., “Image Hiding by Optimal LSB Substitutionand Genetic Algorithm”, Pattern Recognit., vol. 34, no. 3, pp. 671–683, 2001.
• [24] Zade Sh., Tidke S., May 2016, “Design of an efficient coloring technique for images using color transfer to process corruptive artifacts”, International refereed journal of engineering and science (IRJES), ISSN 2319-183x (print) 2319-1821,v.5, Issue 5, p.40-44.
• [25] Zhang, Richard, et al., "Real-time user-guided image colorization with learned deep priors," arXiv preprint arXiv:1705.02999 (2017).

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).