Grayscale images are fundamental to many image processing applications, such as data compression, feature extraction, printing, and tone mapping. However, some image information is lost when converting from color to grayscale. We propose a lightweight and high-speed image decolorization method based on human perception of color temperatures. Chromatic aberration results from differential refraction of light depending on its wavelength. It causes some rays corresponding to cooler colors (such as blue, green) to converge before the warmer colors (such as red and orange). This phenomenon creates a perception of warm colors “advancing” toward the eye, whereas the cool colors to be “receding” away. In this proposed color-to-gray conversion model, we implement a weighted blending function to combine red (perceived warm) and blue (perceived cool) channels. Our main contribution is threefold. First, we implement a high-speed color processing method using exact pixel-by-pixel processing, and we report a 5.7 × speed up compared with other new algorithms. Second, our optimal color conversion method produces luminance in images that are comparable to other state-of-the-art methods that we quantified using the objective metrics (E-score and C2G-SSIM) and subjective user studies (decolorization and tone mapping). Third, we demonstrate that an effective luminance distribution can be achieved using our algorithm using global and local tone mapping applications.

中文翻译：

---

基于暖冷色的高速脱色：色调映射应用的经验方法

灰度图像是许多图像处理应用程序的基础，例如数据压缩、特征提取、打印和色调映射。但是，从彩色转换为灰度时会丢失一些图像信息。我们提出了一种基于人类对色温感知的轻量级高速图像脱色方法。色差是由光根据其波长的不同折射引起的。它会导致一些与冷色（如蓝色、绿色）相对应的光线在暖色（如红色和橙色）之前会聚。这种现象会产生一种暖色向眼睛“前进”的感觉，而冷色则“后退”。在这个提议的颜色到灰度转换模型中，我们实现了一个加权混合函数来组合红色（感知暖色）和蓝色（感知冷色）通道。我们的主要贡献有三方面。首先，我们使用精确的逐像素处理实现了一种高速颜色处理方法，与其他新算法相比，我们报告了 5.7 倍的加速。其次，我们的最佳颜色转换方法产生的图像亮度与我们使用客观指标（E-score 和 C2G-SSIM）和主观用户研究（脱色和色调映射）量化的其他最先进方法相当. 第三，我们证明使用我们的算法可以使用全局和局部色调映射应用程序实现有效的亮度分布。与其他新算法相比，我们报告了 5.7 倍的加速。其次，我们的最佳颜色转换方法产生的图像亮度与我们使用客观指标（E-score 和 C2G-SSIM）和主观用户研究（脱色和色调映射）量化的其他最先进方法相当. 第三，我们证明使用我们的算法可以使用全局和局部色调映射应用程序实现有效的亮度分布。与其他新算法相比，我们报告了 5.7 倍的加速。其次，我们的最佳颜色转换方法产生的图像亮度与我们使用客观指标（E-score 和 C2G-SSIM）和主观用户研究（脱色和色调映射）量化的其他最先进方法相当. 第三，我们证明可以使用我们的算法使用全局和局部色调映射应用程序来实现有效的亮度分布。