CN103985098A - 一种证件图像的高光去除方法及系统 - Google Patents

Abstract

本发明公开了一种证件图像的高光去除方法及系统，所述方法包括对证件图像进行皮肤区域的定位；将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100；比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；对高光区域的梯度进行压缩，将高光去除；所述系统包括皮肤区域定位模块、空间映射模块、像素选取模块、高光区域定位模块和高光去除模块。本发明方法及系统处理速度快，可以在短时间完成这项工作，提高用户的工作效率，减轻用户的工作负担，将用户从繁重的体力劳动中解脱出来。

Description

一种证件图像的高光去除方法及系统

技术领域

本发明涉及一种图像的高光去除技术，尤其是一种证件图像的高光去除方法及系统。属于图像处理领域。

背景技术

目前，由于拍摄条件和技巧，证件照往往会出现一些高光的情况，尤其是在额头、鼻梁和脸颊这些皮肤部位上，这严重的影响了证件照的质量。

Adobe公司的PhotoShop(以下简称PS)提供了一套工具用来解决高光的问题，用户首先需要选取高光的区域，选取高光区域的时候需要指定容差，容差太大或者太小都会使得选取的不准确，选定区域之后进行羽化，然后使用色彩曲线和色阶进行调整，但使用PS处理高光，虽然可以得到令人比较满意的结果，但是存在以下缺点：

1)操作步骤多且复杂，智能程度比较低，对于需要处理大量的证件照来说是非常繁重的。

2)在进行高光调整的时候，需要操作者有比较的丰富的处理图像的经验，不符合普通用户的需求。

综上所述，需要提供一种处理速度快，可以在短时间内完成这项工作，将用户从繁重的体力劳动中解脱出来的高光去除方法。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供一种处理速度快、操作简单的证件图像的高光去除方法。

本发明的另一目的在于提供一种证件图像的高光去除系统。

本发明的目的可以通过采取如下技术方案达到：

一种证件图像的高光去除方法，其特征在于所述方法包括：

对证件图像进行皮肤区域的定位；

将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100：

比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；

采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

对高光区域的梯度进行压缩，将高光去除。

作为一种优选方案，所述对证件图像进行皮肤区域的定位，包括：

将证件图像由RGB空间转到YcbCr空间；

根据已有的肤色统计模型，计算每一个像素值属于这个模型的概率p，通过所有的概率p计算出一个阈值thd；

遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

根据所有属于皮肤区域的像素得到一个皮肤区域，对这个皮肤区域进行膨胀和腐蚀操作。

作为一种优选方案，所述对证件图像进行皮肤区域的定位，还包括：

通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。

作为一种优选方案，所述多条坐标线包括一条水平坐标线和左右两条垂直坐标线，其中水平坐标线在证件图像上方1/8高度处，左垂直坐标线在证件图像左边1/8宽度处，右垂直坐标线在证件图像右边1/8宽度处，通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束。

作为一种优选方案，所述通过所有的概率p计算出一个阈值thd，具体为：计算出所有概率p的平均值p’，取阈值thd＝1.2*p’。

作为一种优选方案，所述指定亮度阈值的范围是80～100。

作为一种优选方案，所述对高光区域的梯度进行压缩，具体如下：

a)将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

b)用表示H(x，y)的梯度，记为在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

c)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

d)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩。

本发明的另一目的可以通过采取如下技术方案达到：

一种证件图像的高光去除系统，其特征在于所述系统包括：

皮肤区域定位模块，用于对证件图像进行皮肤区域的定位；

空间映射模块，用于将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100；

像素选取模块，用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；

高光区域定位模块，用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

高光去除模块，用于对高光区域的梯度进行压缩，将高光去除。

作为一种优选方案，所述皮肤区域定位模块包括：

空间转换单元，用于将证件图像由RGB空间转到YcbCr空间；

概率计算单元，用于根据肤色已有的统计模型，计算每一个像素值属于这个模型的概率p，通过所有的概率p计算出一个阈值thd；

遍历单元，用于遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

皮肤位置定位单元，用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

膨胀腐蚀操作单元，用于根据所有属于皮肤区域的像素得到一个皮肤区域，对这个皮肤区域进行膨胀和腐蚀操作；

约束单元，用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。

作为一种优选方案，所述高光去除模块中对高光区域的梯度进行压缩，具体如下：

a)将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

b)用表示H(x，y)的梯度，记为在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

c)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

d)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩。

本发明相对于现有技术具有如下的有益效果：

1、本发明的高光去除方法及系统，只需要用户指定一个亮度阈值，就可以自动检测高光的区域以及自动的进行调整，实现较为简单的交互，而且处理速度快，可以在短时间完成高光去除工作，提高用户的工作效率，减轻用户的工作负担，将用户从繁重的体力劳动中解脱出来，能广泛应用于批量处理证件照的场景中。

2、本发明的高光去除方法及系统，在高光去除时采用的衰减函数，使证件图像高光区域内部梯度比较小的像素可以进行较小的压缩或不进行压缩，使在证件图像高光区域内部梯度比较大的像素进行一定的压缩，以尽量保持处理前图像的细节。

附图说明

图1为本发明的高光去除方法流程示意图。

图2为本发明的高光去除方法中对证件图像进行皮肤区域的定位流程示意图。

图3为本发明的高光去除方法中对高光区域的梯度进行压缩的流程示意图。

图4为本发明的高光去除方法中经过膨胀和腐蚀后的皮肤区域示意图。

图5为本发明的高光去除方法中对膨胀和腐蚀后的皮肤区域进行约束的示意图。

图6为本发明的高光去除系统结构框图。

具体实施方式

实施例1：

如图1～图3所示，本实施例的高光去除方法，包括以下步骤：

1)对证件图像进行皮肤区域(包括脸部区域、耳部区域和下巴以下的皮肤区域)的定位，具体如下：

1.1)将证件图像由RGB(红、绿、蓝)空间转到YcbCr空间；

1.2)根据已有的肤色统计模型(比如亚洲人肤色YCbCr空间下的均值，方差等信息组成的模型)，计算每一个像素值属于这个模型的概率p，计算出所有概率p的平均值p’，取阈值thd＝1.2*p’。

1.3)遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

1.4)采用第三方库OpenCV中经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

1.5)根据所有属于皮肤区域的像素得到一个皮肤区域，此时这个皮肤区域一般会有很多的空洞，对这个皮肤区域进行膨胀和腐蚀操作，如图4所示；

1.6)加入三条坐标线，这三条坐标为一条水平坐标线和左右两条垂直坐标线，其中水平坐标线在证件图像上方1/8高度处，左垂直坐标线在证件图像左边1/8宽度处，右垂直坐标线在证件图像右边1/8宽度处，通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束，如图5所示；

2)将证件图像的RGB空间映射到Lab空间，在Lab空间中，L表示的是像素的亮度，范围是0～100；

3)比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；其中，指定亮度阈值的范围是80～100；

4)采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

5)对高光区域的梯度进行压缩，将高光去除，具体如下：

5.1)在一维的情况下，设有某个函数H(x)，它的导数为H＇(x)，对它的导数H＇(x)作用一个衰减函数Φ(x)得到一个衰减之后的导数G(x)；对这个导数G(x)积分运算就可以得到一个被压缩了的H(x)，记为I(x)，如下：

$I\left(x\right)=C+\underset{0}{\overset{x}{\∫}}G\left(t\right)\mathrm{dt}$

因此，在这里将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

5.2)用表示H(x，y)的梯度，记为在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

5.3)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

5.4)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩；将高光去除的同时，尽量保持处理前图像的细节。

实施例2：

如图6所示，本实施例的高光去除系统包括：

皮肤区域定位模块，用于对证件图像进行皮肤区域的定位；

空间映射模块，用于将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100；

像素选取模块，用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；

高光区域定位模块，用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

高光去除模块，用于对高光区域的梯度进行压缩，将高光去除。

其中，所述皮肤区域定位模块包括：

空间转换单元，用于将证件图像由RGB空间转到YcbCr空间；

概率计算单元，用于根据肤色已有的统计模型，计算每一个像素值属于这个模型的概率p，通过所有的概率p计算出一个阈值thd；

遍历单元，用于遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

皮肤位置定位单元，用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

膨胀腐蚀操作单元，用于根据所有属于皮肤区域的像素得到一个皮肤区域，对这个皮肤区域进行膨胀和腐蚀操作；

约束单元，用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。

所述高光去除模块中对高光区域的梯度进行压缩，具体如下：

a)将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

b)用表示H(x，y)的梯度，记为在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

c)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

d)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩。

综上所述，本发明的高光去除方法及系统，只需要用户指定一个亮度阈值，自动检测高光的区域以及自动的进行调整，实现较为简单的交互，而且处理速度快，可以在短时间完成这项工作，提高用户的工作效率，减轻用户的工作负担，将用户从繁重的体力劳动中解脱出来，能广泛应用于证件照的图像处理。

另外，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

以上所述，仅为本发明专利可选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.一种证件图像的高光去除方法，其特征在于所述方法包括：

对证件图像进行皮肤区域的定位；

将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100；

比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；

采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

对高光区域的梯度进行压缩，将高光去除。

2.根据权利要求1所述的一种证件图像的高光去除方法，其特征在于：所述对证件图像进行皮肤区域的定位，包括：

将证件图像由RGB空间转到YcbCr空间；

根据已有的肤色统计模型，计算每一个像素值属于这个模型的概率p，通过所有的概率p计算出一个阈值thd；

遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

根据所有属于皮肤区域的像素得到一个皮肤区域，对这个皮肤区域进行膨胀和腐蚀操作。

3.根据权利要求2所述的一种证件图像的高光去除方法，其特征在于：所述对证件图像进行皮肤区域的定位，还包括：

通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。

4.根据权利要求3所述的一种证件图像的高光去除方法，其特征在于：所述多条坐标线包括一条水平坐标线和左右两条垂直坐标线，其中水平坐标线在证件图像上方1/8高度处，左垂直坐标线在证件图像左边1/8宽度处，右垂直坐标线在证件图像右边1/8宽度处，通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束。

5.根据权利要求2所述的一种证件图像的高光去除方法，其特征在于：所述通过所有的概率p计算出一个阈值thd，具体为：计算出所有概率p的平均值p’，取阈值thd＝1.2*p’。

6.根据权利要求1所述的一种证件图像的高光去除方法，其特征在于：所述指定亮度阈值的范围是80～100。

7.根据权利要求1所述的一种证件图像的高光去除方法，其特征在于：所述对高光区域的梯度进行压缩，具体如下：

a)将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

b)用表示H(x，y)的梯度，记为在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

c)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

d)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩。

8.一种证件图像的高光去除系统，其特征在于所述系统包括：

皮肤区域定位模块，用于对证件图像进行皮肤区域的定位；

空间映射模块，用于将证件图像的RGB空间映射到Lab空间，其中L表示的是像素的亮度，范围是0～100；

像素选取模块，用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小，若某个像素的亮度大于指定亮度阈值，则对该像素进行选取；

高光区域定位模块，用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀，得到高光区域；

高光去除模块，用于对高光区域的梯度进行压缩，将高光去除。

9.根据权利要求8所述的一种证件图像的高光去除系统，其特征在于：所述皮肤区域定位模块包括：

空间转换单元，用于将证件图像由RGB空间转到YcbCr空间；

概率计算单元，用于根据肤色已有的统计模型，计算每一个像素值属于这个模型的概率p，通过所有的概率p计算出一个阈值thd；

遍历单元，用于遍历整幅证件图像，若某个像素对应的概率p大于阈值thd，判断该像素属于皮肤区域；

皮肤位置定位单元，用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位，排除非皮肤区域像素对检测结果的干扰；

膨胀腐蚀操作单元，用于根据所有属于皮肤区域的像素得到一个皮肤区域，对这个皮肤区域进行膨胀和腐蚀操作；

约束单元，用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。

10.根据权利要求8所述的一种证件图像的高光去除系统，其特征在于：所述高光去除模块中对高光区域的梯度进行压缩，具体如下：

a)将证件图像视为一个二维的函数，每一个像素值表示的是这个二维函数的函数值，即：

P＝H(x，y)

其中，x和y表示的是像素在图像中的几何位置，H(x，y)表示高光区域的像素值；

b)用表示H(x，y)的梯度，记为，在R通道时，a的计算方式是将当前像素的R值减去该像素左边像素的R值，b的计算方式是将当前像素的R值减去该像素上面像素的R值；在G通道时，a的计算方式是将当前像素的G值减去该像素左边像素的G值，b的计算方式是将当前像素的G值减去该像素上面像素的G值；在B通道时，a的计算方式是将当前像素的B值减去该像素左边像素的B值，b的计算方式是将当前像素的B值减去该像素上面像素的B值；

c)保持高光区域的边界不变，将作用一个衰减函数Φ(x，y)，如下式：

$\mathrm{\Φ}(x,y)=0.65*\frac{1}{{(a^2+b^2)}^{0.025}}$

得到一个衰减之后的梯度G(x，y)，如下：

$G(x,y)=\▿H(x,y)\mathrm{\Φ}(x,y)$

找出一个梯度与G(x，y)接近的函数I(x，y)，即：

$f=\∫\∫({(\frac{\∂I}{\∂x}-G_x)}^2+{(\frac{\∂I}{\∂y}-G_y)}^2)\mathrm{dxdy}$

求f的最小值，即为所求函数I(x，y)；

d)衰减函数Φ(x，y)在[0，+∞)上单调递减，若高光区域内部某个像素的梯度接近0时，衰减函数值接近1，进行较小的压缩或不进行压缩；若高光区域内部某个像素的梯度较大时，衰减函数值小于1，进行一定的压缩。