RGB转为CIELAB

首先RGB是不可以直接转为CIELAB颜色空间的，RGB需要先转为CIEXYZ颜色空间，然后再由CIEXYZ颜色空间转为CIELAB颜色空间。关于这2个颜色空间的互转，主要参考了http://www.cnblogs.com/Imageshop/archive/2013/02/02/2889897.html这篇文章。
RGB转LAB颜色空间的代码如下：

void RGB2LAB(Mat &rgb, Mat &Lab) {
	//RGB 转XYZ
	Mat XYZ(rgb.size(), rgb.type());
	Mat_ <Vec3b>::iterator beginRGB = rgb.begin<Vec3b>();
	Mat_ <Vec3b>::iterator endRGB = rgb.end<Vec3b>();
	Mat_ <Vec3b>::iterator beginXYZ = XYZ.begin<Vec3b>();
	int shift = 22;
	for (; beginRGB != endRGB; beginRGB++, beginXYZ++)
	{
		(*beginXYZ)[0] = ((*beginRGB)[0] * 199049 + (*beginRGB)[1] * 394494 + (*beginRGB)[2] * 455033 + 524288) >> (shift - 2);
		(*beginXYZ)[1] = ((*beginRGB)[0] * 75675 + (*beginRGB)[1] * 749900 + (*beginRGB)[2] * 223002 + 524288) >> (shift - 2);
		(*beginXYZ)[2] = ((*beginRGB)[0] * 915161 + (*beginRGB)[1] * 114795 + (*beginRGB)[2] * 18621 + 524288) >> (shift - 2);
	}
	//XYZ转LAB
	int LabTab[1024];
	for (int i = 0; i < 1024; i++)
	{
		if (i>9)
			LabTab[i] = (int)(pow((float)i / 1020, 1.0F / 3) * (1 << shift) + 0.5);
		else
			LabTab[i] = (int)((29 * 29.0 * i / (6 * 6 * 3 * 1020) + 4.0 / 29) * (1 << shift) + 0.5);
	}
	const int ScaleLC = (int)(16 * 2.55 * (1 << shift) + 0.5);
	const int ScaleLT = (int)(116 * 2.55 + 0.5);
	const int HalfShiftValue = 524288;
	beginXYZ = XYZ.begin<Vec3b>();
	Mat_<Vec3b>::iterator endXYZ = XYZ.end<Vec3b>();
	Lab.create(rgb.size(), rgb.type());
	Mat_<Vec3b>::iterator beginLab = Lab.begin<Vec3b>();
	for (; beginXYZ != endXYZ; beginXYZ++, beginLab++)
	{
		int X = LabTab[(*beginXYZ)[0]];
		int Y = LabTab[(*beginXYZ)[1]];
		int Z = LabTab[(*beginXYZ)[2]];
		int L = ((ScaleLT * Y - ScaleLC + HalfShiftValue) >> shift);
		int A = ((500 * (X - Y) + HalfShiftValue) >> shift) + 128;
		int B = ((200 * (Y - Z) + HalfShiftValue) >> shift) + 128;
		(*beginLab)[0] = L;
		(*beginLab)[1] = A;
		(*beginLab)[2] = B;
	}
}

利用LAB颜色空间进行偏色检测

这种方法是《基于图像分析的偏色检测及颜色校正方法》——徐晓昭，蔡轶珩提出来的一个理论，大概是说：图像的偏色不仅与图像色度的平均值有直接关系，还与图像的色度分布特性有关。如果在 a - b色度坐标平面上的二维直方图中色度分布基本上为单峰值，或者分布较为集中，而色度平均值又较大时，一般都存在偏色，而且色度平均值越大，偏色越严重。因此引入等效圆的概念，采用图像平均色度D和色度中心距M的比值，即偏色因子K来衡量图像的偏色程度。其计算方法如下式：

其中a,b代表的就是LAB色度空间的A,B。M,N代表图片长宽，一般来说当求出的K值不大于1.5我们可以认为其整体图像偏色的可能性不大。

//true代表存在偏色，false代表不存在偏***ool PartialcolorJudge(Mat &imgLab) {
	Mat_<Vec3b>::iterator begin = imgLab.begin<Vec3b>();
	Mat_<Vec3b>::iterator end = imgLab.end<Vec3b>();
	float suma = 0, sumb = 0;
	for (; begin != end; begin++) {
		suma += (*begin)[1];//a
		sumb += (*begin)[2];//b
	}
	int MN = imgLab.rows * imgLab.cols;
	double Da = suma / MN - 128; //归一化到[-128,127]
	double Db = sumb / MN - 128; //同上
	//求平均色度
	double D = sqrt(Da * Da + Db * Db);
	begin = imgLab.begin<Vec3b>();
	double Ma = 0, Mb = 0;
	//求色度中心距
	for (; begin != end; begin++) {
		Ma += abs((*begin)[1] - 128 - Da);
		Mb += abs((*begin)[2] - 128 - Db);
	}
	Ma = Ma / MN;
	Mb = Mb / MN;
	double M = sqrt(Ma * Ma + Mb * Mb);
	float K = float(D / M);
	if (K >= 1.5) {
		return true;
	}
	else {
		return false;
	}
}