ColorConsistency 是一个基于 C++ / OpenCV 实现的图像拼接颜色一致性校正算法，主要用于解决多张拼接图像之间的色彩/亮度不一致问题。
该项目对应两篇论文：
- ICCV Workshop 2017: Color Consistency Correction Based on Remapping Optimization for Image Stitching
- ISPRS Journal 2019 (扩展版): A Closed-Form Solution for Multi-View Color Correction with Gradient Preservation
ColorConsistency/
├── README.md
├── Docs/demo_show.jpg # 效果展示图
├── Data/
│ ├── Cache/ParamsPro.txt # 图像邻接关系配置
│ └── Images/ # 输入图像（10张tif全景图）
├── Source/
│ ├── CMakeLists.txt # 顶层 CMake
│ ├── Unification/ # 主算法模块
│ │ ├── main.cpp # 入口
│ │ ├── unification.h/.cpp # ToneUnifier 核心类
│ │ └── correspondence.h/.cpp # 直方图关键点匹配
│ ├── QuadProg/ # 二次规划求解器
│ │ ├── QuadProg.h/.cpp # Goldfarb-Idnani 对偶法
│ │ └── Array.h/.cpp # 矩阵/向量封装
│ └── Utils/ # 工具模块
│ ├── util.h/.cpp # ROI、文件IO、结构差异计算
│ └── colorSpace.h/.cpp # RGB↔YCbCr 颜色空间转换
└── *.rar 数据压缩包（CAMPUS/LUNCHROOM）
初始化
↓
加载邻接关系 (ParamsPro.txt) + 检测 ROI 掩膜
↓
提取相邻图像重叠区的颜色直方图关键点
↓
设置 B-Spline 控制点 + 计算插值系数
↓
对 Y/Cb/Cr 三个通道分别建立凸二次规划问题
↓
调用 Goldfarb-Idnani 对偶法求解
↓
用优化后的重映射曲线逐像素校正并输出拼接结果
↓
生成颜色差异与梯度保持评估报告
在 unification.cpp:quadraticProgramming() 中构造 QP 问题：
- 颜色一致性项（affinity）：最小化相邻图像重叠区关键点经过映射后的差异
- 正则化项（regularization）：让映射曲线尽量接近恒等映射，防止过度失真
- 梯度保持项（gradient preservation，仅亮度通道）：保留主要梯度结构
- 对比度增强项（dynamic range extension）：扩展亮度动态范围
- 硬约束（hard constraints）：控制曲线斜率范围
[0.3, 5]，保证单调性与稳定性
- 采用 B-Spline 参数化颜色重映射曲线，每个通道每个图像设置
PARAM_NUM = 6个控制点。 - 最终像素映射时进行 B-Spline 采样（
SAMPLE_FREQ_NUM = 15）和线性插值。
使用第三方的 QuadProg++ 库（Goldfarb-Idnani active-set dual method）求解：
QP::solveQuadraProgram(H, c, A.t(), -b, X);其中 H 为 Hessian 矩阵，c 为一次项，A/b 为不等式约束。
- 在
YCbCr空间进行处理，Y 通道单独处理以保留亮度一致性。 colorSpace.cpp提供完整的 RGB↔YCbCr 转换。
Data/Cache/ParamsPro.txt 每行格式：
image_id neighbor_num
neighbor_image_id ...
示例（10张图像，链式相邻）：
0 1
1
1 2
0 2
...
相邻关系用于确定哪些图像之间存在重叠区域。
- 编译项目：需要安装 OpenCV 2.4.9（推荐），使用 CMake 生成 VS 工程
- 修改
Source/Utils/util.h:16的baseDir为实际 Data 目录绝对路径 - 创建
Data/Results/目录 - 运行生成的
Unification.exe
| 优点 | 说明 |
|---|---|
| 全局最优 | 将颜色校正建模为凸二次规划，保证全局最优解 |
| 多图像支持 | 可处理多张有邻接关系的拼接图像 |
| 梯度保持 | 亮度通道额外约束，减少细节丢失 |
| 对比度保持 | 动态范围扩展项，避免结果发灰 |
- 硬编码路径：
baseDir写死在代码中，不便于移植。 - Windows 依赖：
util.cpp使用FindFirstFile等 Windows API，跨平台需重写。 - OpenCV 2.x 老旧：使用
cv.h、opencv2/nonfree/nonfree.hpp等已废弃模块，在新版 OpenCV 中可能无法编译。 - MFC 依赖：CMake 中设置了
CMAKE_MFC_FLAG 2，但代码本身并未使用 MFC。 - 内存管理：部分
new vector<double>[3]使用delete []释放，但Mat数据指针直接强转使用，需注意内存对齐。 - 无命令行参数：图像路径、参数文件都固定，灵活性不足。
- 未处理参考图：
fixedImgNos为空，当前实现未指定参考图像，所有图像都参与优化。
- 原始开发环境：Visual Studio 2010 + Windows 8.1
- 构建工具：CMake ≥ 2.8.3
- 依赖库：OpenCV 2.4.9
- 可选：OpenMP 并行加速
图像几何对齐是使用本项目的前提条件，该项目本身不负责图像配准，只处理颜色后处理。
- README 明确要求：输入图像必须是 "aligned via image stitching algorithms"（如 PanoramaStudio 或 AutoStitching）。
- ROI 掩膜基于对齐结果生成：
Source/Utils/util.cpp:44-84的findBinaryROIMask()通过非黑色像素（3 通道）或 alpha ≠ 0 像素（4 通道）识别有效区域。- 这些有效区域就是几何对齐后每幅图像在公共画布上的投影范围。
- 重叠区计算依赖对齐结果：
intersectROIsPro()计算相邻图像 ROI 索引的交集。- 只有在重叠区内才会提取像素、建立颜色对应关系、构造 QP 能量函数。
- 邻接关系需外部指定：
Data/Cache/ParamsPro.txt需要人工或前序拼接程序提供图像之间的相邻关系。
拍摄多张图像
↓
特征提取与匹配（如 SIFT / SURF / ORB）
↓
几何配准与变换估计（如 RANSAC + 单应性矩阵）
↓
图像 warping 到公共坐标系，生成带黑边或 alpha 通道的对齐图像
↓
【本项目】颜色一致性校正
↓
图像融合（如 多波段融合 / 羽化）
↓
最终全景图
- 所有图像必须已经变换到同一尺寸画布上。
- 未覆盖区域应为纯黑色（RGB = 0,0,0）或 alpha = 0。
- 相邻图像之间必须存在真实的像素重叠，否则
ParamsPro.txt中指定的邻接关系无效。
这是一个完整的学术研究型 C++ 项目，实现了图像拼接后处理中的颜色一致性校正。算法思路清晰：用 B-Spline 参数化重映射曲线，将颜色一致性、梯度保持、对比度约束统一为凸二次规划问题，求解后对每张图像逐像素校正。代码结构相对简洁，但受限于较老的 OpenCV 版本和 Windows 特定 API，若要在现代环境中复用，需要一定的迁移和现代化改造。
该项目在整个图像拼接流程中扮演颜色后处理模块的角色，前置条件是已完成几何对齐的多张图像。
A：B-Spline 用于参数化颜色重映射曲线。
每张图像的每个颜色通道都需要一条映射曲线：
输出颜色值 = f(输入颜色值)
如果直接优化 0-255 每个灰度值，未知数太多、容易过拟合。B-Spline 的做法是：
- 只设置 6 个控制点（
PARAM_NUM = 6） - 控制点之间的曲线由 B-Spline 基函数插值得到
- 优化变量从 256 个降到 6 个 × 3 通道 × N 张图
这样：
- 参数少：避免过拟合
- 曲线光滑：B-Spline 自然保证映射曲线平滑
- 连续可导：便于施加斜率约束，保证单调性
A：精确地说，一张图片的每个颜色通道的映射曲线用 6 个控制点表示。
- 一张图像有 3 个通道：Y、Cb、Cr
- 每个通道有 1 条独立的 B-Spline 曲线
- 每条曲线有 6 个控制点
所以一张图像完整的颜色校正需要 3 × 6 = 18 个控制点参数。
每个控制点是一个二维坐标 (x, y)：
x：原始颜色值（输入），固定不变y：映射后的颜色值（输出），由二次规划优化
初始时 6 个控制点在 y = x 的恒等映射线上，优化后 y 值发生变化，形成弯曲的映射曲线。
A：映射函数的输入输出都是颜色值，与像素的空间位置无关。
输出颜色值 = f(输入颜色值)
| 说明 | |
|---|---|
| 输入 | 像素的原始颜色值（如 Y = 120） |
| 输出 | 校正后的颜色值（如 Y' = 115） |
只要两个像素的原始颜色值相同，无论它们在图像的左上角还是右下角，映射结果都一样：
f(120) = 115 // 对任何位置都成立
空间位置只在以下环节使用，不影响映射函数本身：
- 检测 ROI 有效区域（排除黑色未对齐区域）
- 计算相邻图像的重叠区
- 梯度保持约束（用相邻像素差计算梯度）
A：参考图像（fixed）的曲线固定为恒等映射，可动图像（movable）的曲线被优化以向参考图像靠拢。
| 图像类型 | 曲线 | 是否优化 | 作用 |
|---|---|---|---|
| 参考图像 fixed | 恒等映射 y = x |
否 | 颜色基准 |
| 可动图像 movable | 任意 B-Spline 曲线 | 是 | 向参考图像靠拢 |
靠拢机制在 unification.cpp:483-536 中实现，能量项为：
(可动图像映射后的关键点值 - 参考图像原始关键点值)²
最小化这个能量，可动图像映射后的颜色就会被拉向参考图像的颜色空间。
注意：当前代码中
fixedImgNos为空，所以所有图像都参与优化，没有固定参考。此时所有可动图像互相靠拢到一个"折中"的颜色空间，但不保证绝对颜色准确。