CN104112254A - 处理rgb彩色图像的方法和系统 - Google Patents

Abstract

本发明提供了一种处理RGB彩色图像的方法和系统。所述方法包括：获取待处理的RGB彩色图像；将所述待处理的RGB彩色图像转换为HSL色彩空间；由所述转换得到的HSL色彩空间得到L通道值，并对所述L通道值进行去雨处理得到去雨后的L通道值；还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。采用本发明能对RGB彩色图像进行雨滴去除。

Description

处理RGB彩色图像的方法和系统

技术领域

本发明涉及图像处理技术，特别是涉及一种处理RGB彩色图像的方法和系统。

背景技术

随着图像处理技术的发展，有关视频图像中雨滴特性的研究和去雨算法的研究也受到了广泛关注。例如，最初所提出的中值计算方法得到了迅速的发展，已经对视频图像中的雨滴进行处理的方法已经不再局限于这一简单的中值计算方法，还可通过偏度计算、K均值聚类、卡尔曼滤波、字典学习、稀疏编码、引导滤波、帧间亮度差、HSL空间、光流法和动动分割等多种方法也被逐渐应用于视频图像中的雨滴去除。

然而，这些传统的雨滴去除方法所针对的对象为视频图像和灰度图像，而并无法对彩色图像，即RGB彩色图像进行雨滴去除的处理，存在着一定的局限性。

发明内容

基于此，有必要提供一种能对RGB彩色图像进行雨滴去除的处理RGB彩色图像的方法。

此外，还有必要提供一种能对RGB彩色图像进行雨滴去除的处理RGB彩色图像的系统。

一种处理RGB彩色图像的方法，包括如下步骤：

获取待处理的RGB彩色图像；

将所述待处理的RGB彩色图像转换为HSL色彩空间；

由所述转换得到的HSL色彩空间得到L通道值，并对所述L通道值进行去雨处理得到去雨后的L通道值；

还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

在其中一个实施例中，所述将所述待处理的RGB图像转换为HSL色彩空间的步骤包括：

根据待处理的RGB彩色图像提取得到像素的颜色向量，通过所述像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由所述H通道值、S通道值和L通道值形成HSL色彩空间。

在其中一个实施例中，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤包括：

由所述转换得到的HSL色彩空间得到H通道值、S通道值和L通道值；

对所述得到的L通道值进行去雨处理得到去雨后的L通道值。

在其中一个实施例中，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤之前，所述方法还包括：

由所述去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，所述去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

在其中一个实施例中，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤包括：

对所述去雨后的HSL色彩空间进行逆矩阵转换得到去雨后RGB色彩空间，以得到去雨后的颜色向量；

由所述去雨后的颜色向量形成去雨后的RGB彩色图像。

一种处理RGB彩色图像的系统，包括：

输入模块，用于获取待处理的RGB彩色图像；

转换处理模块，用于将所述待处理的RGB彩色图像转换为HSL色彩空间；

去雨处理图像，用于由所述转换得到的HSL色彩空间得到L通道值，并对所述L通道值进行去雨处理得到去雨后的L通道值；

还原模块，用于还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

在其中一个实施例中，所述转换处理模块还用于根据待处理的RGB彩色图像提取得到像素的颜色向量，通过所述像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由所述H通道值、S通道值和L通道值形成HSL色彩空间。

在其中一个实施例中，所述去雨处理模块包括：

通道值获取单元，用于由所述转换得到的HSL色彩空间得到H通道值、S通道值和L通道值；

通道值去雨单元，用于对所述得到的L通道值进行去雨处理得到去雨后的L通道值。

在其中一个实施例中，所述系统还包括：

色彩空间形成模块，用于由所述去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，所述去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

在其中一个实施例中，所述还原模块还包括：

逆矩阵转换单元，用于对所述去雨后的HSL色彩空间进行逆矩阵转换得到去雨后RGB色彩空间，以得到去雨后的颜色向量；

图像形成单元，用于由所述去雨后的颜色向量形成去雨后的RGB彩色图像。

上述处理RGB彩色图像的方法和系统中，以待处理的RGB彩色图像为输入获取待处理的RGB彩色图像，对RGB彩色图像进行转换以得到HSL色彩空间，由转换得到的HSL色彩空间得到L通道值以对L通道值进行去雨处理，此时，将去雨后的L通道值更新到HSL彩空间中，得到包含了去雨后的L通道值的HSL色彩空间，进而由此得到去雨后的RGB彩色图像，实现了对RGB彩色图像中的雨滴去除。

附图说明

图1为一个实施例中处理RGB彩色图像的方法的流程图；

图2为一个实施例中图像受雨滴影响的示意图；

图3为图1中由转换得到的HSL色彩空间得到L通道值，并对L通道值进行去雨处理得到去雨后的L通道值的方法流程图；

图4为图1中还原包括了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的方法流程图；

图5为一个实施例中处理RGB彩色图像的系统结构示意图；

图6为图5中去雨处理模块的结构示意图；

图7为图5中还原模块的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，一种处理RGB彩色图像的方法，包括如下步骤：

步骤110，获取待处理的RGB彩色图像。

本实施例中，将以RGB彩色图像为输入，其中雨滴将覆盖于该RGB彩色图像中的任一区域。

步骤130，将待处理的RGB彩色图像转换为HSL色彩空间。

本实施例中，HSL是通过对色相(H)、饱和度(S)、明度(L)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的。其中，HSL色彩空间的H(hue))分量，代表的是人眼所能感知的颜色范围，这些颜色分布在一个平面的色相环上，取值范围是0°到360°的圆心角，每个角度可以代表一种颜色；HSL色彩空间的S(saturation)分量，指的是色彩的饱和度，它用0％至100％的值描述了相同色相、明度下色彩纯度的变化。数值越大，颜色中的灰色越少，颜色越鲜艳，呈现一种从理性(灰度)到感性(纯色)的变化；HSL色彩空间的L(lightness)分量，指的是色彩的明度，作用是控制色彩的明暗变化。它同样使用了0％至100％的取值范围。数值越小，色彩越暗，越接近于黑色；数值越大，色彩越亮，越接近于白色。

在一个实施例中，上述步骤130的具体过程为：根据待处理的RGB彩色图像提取得到像素的颜色向量，通过像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由H通道值、S通道值和L通道值形成HSL色彩空间。

具体的，对RGB彩色图像中像素的颜色向量所进行的计算将通过如下公式实现，即：

$s=\left\{\begin{array}{cc}0& \mathrm{ifl}=0\mathrm{or}\max =\min \\ \frac{\max -\min }{\max +\min }=\frac{\max -\min }{2l},& \mathrm{if}0<l\&le;\frac{1}{2}\\ \frac{\max -\min }{2-(\max +\min )}=\frac{\max -\min }{2-2l},& \mathrm{ifl}>\frac{1}{2}\end{array}\right.---\left(2\right)$

$l=\frac{1}{2}(\max +\min )---\left(3\right)$

其中，max为RGB彩色图像中像素的颜色向量r、g、b中的最大值，min为RGB彩色图像中像素的颜色向量r、g、b中的最小值，h、s和l分别为HSL色彩空间中的H通道值、S通道值L通道值。

对于RGB彩色图像而言，被雨滴覆盖的像素，即被覆盖像素的亮度不仅会受到雨滴的影响，也会受到背景的影响。考虑相机曝光时间为T，RGB彩色图像中被覆盖像素在曝光时间T内的亮度I_br由雨滴亮度和背景亮度共同决定，即：

$I_{\mathrm{br}}={\&Integral;}_0^{\mathrm{\&tau;}}{E}_r\mathrm{dt}+{\&Integral;}_{\mathrm{\&tau;}}^T{E}_b\mathrm{dt}---\left(4\right)$

I_br＝I_b+ΔI    (5)

其中，E_r是有雨滴覆盖时的瞬时雨滴亮度，而E_b代表了无雨滴覆盖时的瞬时背景亮度。I_b是T时间内没有雨滴覆盖的背景亮度，ΔI是T时间内受雨滴影响的亮度变化量。

雨线的亮度将高于背景亮度，其主要原因在于：雨滴在成像时由于镜面反射、内反射和折射等作用汇聚了更广视角范围内的光线，如图2所示，镜面反射内反射折射雨线亮度 $L\left(\hat{n}\right)=R{L}_e\left(\hat{r}\right)+{\mathrm{SL}}_e\left(\hat{s}\right){+\mathrm{PL}}_e\left(\hat{p}\right).$ 因红光、绿光和蓝光的频率相近，雨滴对三者的临界角近似相等，而光强的变化直接决定像素的亮度变化，再加上三者的镜面反射一样，因此，将具备了雨滴引起像素的亮度变化量ΔR、ΔG、ΔB也近似相等的雨滴色彩特性。

根据(5)式可知，未被雨滴影响的像素其RGB值将保持不变，而被雨滴影响的像素亮度将会发生变化。

因此，L通道的值并未受到雨滴亮度变化的影响，且HSL色彩空间是由色度(H)、饱和度(S)和明度(L)组成，将利用如上所述的雨滴色彩特性通过单幅图像去雨算法对HSL色彩空间中表示明度的L通道值进行去雨处理，而H通道值和S通道值分别为色调和饱和度，与明度无关，可在去雨过程中保持不变，以降低算法的时间复杂度。

进一步的，将RGB彩色图像由RGB色彩空间转换到HSL色彩空间，可将RGB彩色图像中的亮度信息与色度信息分开，分别独立进行处理，可减少处理时间，提高实时性。

步骤150，由转换得到的HSL色彩空间得到L通道值，并对L通道值进行去雨处理得到去雨后的L通道值。

本实施例中，转换得到的HSL色彩空间将包括了H通道值、S通道值和L通道值，因此，将由得到的HSL色彩空间进行L通道值的提取，并仅对提取得到的L通道值进行去雨处理得到去雨后的L通道值。

根据雨滴的色彩特性可知，RGB彩色图像中被雨滴覆盖像素的亮度将发生变化，将RGB彩色图像转换为HSL色彩空间之后所得到的L通道值则代表了像素的明度，而H通道和S通道所对应的数值则未受到影响，因此，将对L通道值进行去雨处理以得到去雨后的L通道值。

步骤170，还原包括了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

本实施例中，经过L通道值的去雨处理将得到包含了去雨后的L通道值的HSL色彩空间，此时，将再次进行色彩空间的转换，以将包含了去雨后的L通道值的HSL色彩空间还原为去雨后的RGB彩色图像。

如图3所示，在一个实施例中，上述步骤150包括：

步骤151，由转换得到的HSL色彩空间得到H通道值、S通道值和L通道值。

本实施例中，在转换得到的HSL色彩空间中分别提取得到H通道值、S通道值和L通道值，以便于后续的计算。

步骤153，对得到的L通道值进行去雨处理得到去雨后的L通道值。

本实施例中，将采用单幅图像去雨算法对得到的L通道值进行去雨处理，以得到去雨后的L通道值。

具体的，所采用的单幅图像去雨算法可以是Yu-Hsiang Fu等(Fu Y H，KangL W，Lin C W，et al.Single-frame-based rain removal via image decomposition.In:Proceeding of2011IEEE International Conference on Acoustics，Speech and SignalProcessing(ICASSP).Prague，Czech:IEEE Press，2011:1453-1456.)和Li-Wei Kang等(Kang L W,Lin C W，Fu Y H.Automatic single-image-based rain streaksremoval via image decomposition.Image Processing,IEEE Transactionson,2012,21(4):1742-1755.)提出的图像分解的方法；可以是De-An Huang等(HuangD A,Kang L W,Yang M C,et al.Context-aware single image rain removal.In:Proceeding of2012IEEE International Conference on Multimedia and Expo(ICME).Melbourne,Australia:IEEEPress,2012:164-169.)提出的通过情景感知去雨的算法；也可以是Jaina George等(George J,Bhavani S,Jaya J.Certain explorations onremoval of rain streaks using morphological component analysis.InternationalJournal of Engineering Research&Technology.2013，2(2).)提出使用形态学成分分析的方法进行去雨的算法；还可以是Duan-Yu Chen等(Chen D Y,Chen C C,Kang L W.Visual depth guided image rain streaks removal via sparse coding.In:Proceeding of2012International Symposium on Intelligent Signal Processing andCommunications Systems.New Taipei,Taiwan:IEEE，2012:151-156.)通过引导滤波和稀疏编码的去雨算法，在此不一一进行列举。

在一个实施例中，上述步骤170之前，如上所述的方法还包括：由去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

本实施例中，将经过去雨处理所得到的L通道值以及原始的H通道值、S通道值结合在一起以得到去雨后的HSL色彩空间。

如图4所示，在一个实施例中，上述步骤170包括：

步骤171，对去雨后的HSL色彩空间进行逆矩阵转换得到去雨后的RGB色彩空间，以得到去雨后的颜色向量。

本实施例中，再次进行色彩空间的转换，以将去雨后的HSL色彩空间转换为去雨后的RGB色彩空间。具体的，所采用的转换公式如下：

(1)若饱和度s为零，则所得到的图像中颜色将是非彩色或者灰色的，因此，在此特殊情况下，所得到的去雨后的RGB彩色图像中颜色向量r、g和b所对应的数值均等于去雨后的HSL色彩空间中的l，而h所对应的数值是未定义的。

(2)若饱和度s不为零，则通过如下公式计算得到去雨后的颜色向量：

$q=\left\{\begin{array}{cc}l\&times;(1+s),& \mathrm{ifl}<\frac{1}{2}\\ l+s-(l\&times;s),& \mathrm{ifl}\&GreaterEqual;\frac{1}{2}\end{array}\right.$

p＝2×l-q

$h_k=\frac{h}{360}$

$t_R=h_k+\frac{1}{3}---\left(4\right)$

t_G＝h_k

$t_B=h_k-\frac{1}{3}$

if t_C＜0→t_C＝t_C+1.0  for each C∈{R，G，B}

if t_C＞1→t_C＝t_C-1.0  for each C∈{R，G，B}

对于每个颜色向量Color＝(ColorR，ColorG，ColorB)＝(r，g，b)：

$C{\mathrm{olor}}_C=\left\{\begin{array}{cc}p+((q-p)\&times;6\&times;t_C),& \mathrm{if}{t}_C<\frac{1}{6}\\ q,& \mathrm{if}\frac{1}{6}\&le;t_C<\frac{1}{2}\\ p+((q-p)\&times;6\&times;(\frac{2}{3}-t_C)),& \mathrm{if}\frac{1}{2}\&le;t_C<\frac{2}{3}\\ p,& \mathrm{otherwise}\end{array}\right.---\left(5\right)$

for each C∈{R，G，B}

步骤173，由去雨后的颜色向量形成去雨后的RGB彩色图像。

如上所述的实现RGB彩色图像处理的过程对受到雨滴污染的图像进行了修复处理之后仍然得到彩色图像，而并不仅限于灰度图像，以提高了图像的清晰度，进而使得目标检测、识别、追踪、分割和监控等技术的性能提高，并且在现代军事、交通以及安全监控等领域都具备了广泛的应用前景。

如图5所示，在一个实施例中，一种处理RGB彩色图像的系统包括输入模块510、转换处理模块530、去雨处理模块550和还原模块570。

输入模块510，用于获取待处理的RGB彩色图像。

本实施例中，输入模块510将以RGB彩色图像为输入，其中雨滴将覆盖于该RGB彩色图像中的任一区域。

转换处理模块530，用于将待处理的RGB彩色图像转换为HSL色彩空间。

本实施例中，HSL是通过对色相(H)、饱和度(S)、明度(L)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的。其中，HSL色彩空间的H分量，代表的是人眼所能感知的颜色范围，这些颜色分布在一个平面的色相环上，取值范围是0°到360°的圆心角，每个角度可以代表一种颜色；HSL色彩空间的S分量，指的是色彩的饱和度，它用0％至100％的值描述了相同色相、明度下色彩纯度的变化。数值越大，颜色中的灰色越少，颜色越鲜艳，呈现一种从理性(灰度)到感性(纯色)的变化；HSL色彩空间的L分量，指的是色彩的明度，作用是控制色彩的明暗变化。它同样使用了0％至100％的取值范围。数值越小，色彩越暗，越接近于黑色；数值越大，色彩越亮，越接近于白色。

在一个实施例中，上述转换处理模块530还用于根据待处理的RGB彩色图像提取得到像素的颜色向量，通过像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由H通道值、S通道值和L通道值形成HSL色彩空间。

具体的，转换处理模块530对RGB彩色图像中像素的颜色向量所进行的计算将通过如下公式实现，即：

$s=\left\{\begin{array}{cc}0& \mathrm{ifl}=0\mathrm{or}\max =\min \\ \frac{\max -\min }{\max +\min }=\frac{\max -\min }{2l},& \mathrm{if}0<l\&le;\frac{1}{2}\\ \frac{\max -\min }{2-(\max +\min )}=\frac{\max -\min }{2-2l},& \mathrm{ifl}>\frac{1}{2}\end{array}\right.---\left(2\right)$

$l=\frac{1}{2}(\max +\min )---\left(3\right)$

其中，max为RGB彩色图像中像素的颜色向量r、g、b中的最大值，min为RGB彩色图像中像素的颜色向量r、g、b中的最小值，h、s和l分别为HSL色彩空间中的H通道值、S通道值L通道值。

去雨处理模块550，由转换得到的HSL色彩空间得到L通道值，并对L通道值进行去雨处理得到去雨后的L通道值。

本实施例中，转换得到的HSL色彩空间将包括了H通道值、S通道值和L通道值，因此，将由得到的HSL色彩空间进行L通道值的提取，并仅对提取得到的L通道值进行去雨处理得到去雨后的L通道值。

根据雨滴的色彩特性可知，RGB彩色图像中被雨滴覆盖像素的亮度将发生变化，将RGB彩色图像转换为HSL色彩空间之后所得到的L通道值则代表了像素的明度，而H通道和S通道所对应的数值则未受到影响，因此，将对L通道值进行去雨处理以得到去雨后的L通道值。

还原模块570，用于还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

本实施例中，经过L通道值的去雨处理将得到包含了去雨后的L通道值的HSL色彩空间，此时，将再次进行色彩空间的转换，以将包含了去雨后的L通道值的HSL色彩空间还原为去雨后的RGB彩色图像。

如图6所示，在一个实施例中，上述去雨处理模块550包括通道值获取单元551和通道值去雨单元553。

通道值获取单元551，用于由转换得到的HSL色彩空间得到H通道值、S通道值和L通道值。

本实施例中，通道值获取单元551在转换得到的HSL色彩空间中分别提取得到H通道值、S通道值和L通道值，以便于后续的计算。

通道值去雨单元553，用于对得到的L通道值进行去雨处理得到去雨后的L通道值。

本实施例中，通道值去雨单元553将采用单幅图像去雨算法对得到的L通道值进行去雨处理，以得到去雨后的L通道值。

具体的，所采用的单幅图像去雨算法可以是Yu-Hsiang Fu等(Fu Y H，KangL W，Lin C W，et al.Single-frame-based rain removal via image decomposition.In:Proceeding of2011IEEE International Conference on Acoustics，Speech and SignalProcessing(ICASSP).Prague，Czech:IEEE Press，2011:1453-1456.)和Li-Wei Kang等(Kang L W,Lin C W，Fu Y H.Automatic single-image-based rain streaksremoval via image decomposition.Image Processing,IEEE Transactionson,2012,21(4):1742-1755.)提出的图像分解的方法；可以是De-An Huang等(HuangD A,Kang L W,Yang M C,et al.Context-aware single image rain removal.In:Proceeding of2012IEEE International Conference on Multimedia and Expo(ICME).Melbourne,Australia:IEEEPress,2012:164-169.)提出的通过情景感知去雨的算法；也可以是Jaina George等(George J,Bhavani S,Jaya J.Certain explorations onremoval of rain streaks using morphological component analysis.InternationalJournal of Engineering Research&Technology.2013，2(2).)提出使用形态学成分分析的方法进行去雨的算法；还可以是Duan-Yu Chen等(Chen D Y,Chen C C,Kang L W.Visual depth guided image rain streaks removal via sparse coding.In:Proceeding of2012International Symposium on Intelligent Signal Processing andCommunications Systems.New Taipei,Taiwan:IEEE，2012:151-156.)通过引导滤波和稀疏编码的去雨算法，在此不一一进行列举。

在另一个实施例中，如上所述的系统还包括色彩空间形成模块。该色彩空间形成模块用于由去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

本实施例中，色彩空间形成模块将经过去雨处理所得到的L通道值以及原始的H通道值、S通道值结合在一起以得到去雨后的HSL色彩空间。

如图7所示，在一个实施例中，上述还原模块570包括逆矩阵转换单元571和图像形成单元573。

逆矩阵转换单元571，用于对去雨后的HSL色彩空间进行逆矩阵转换得到去雨后RGB色彩空间，以得到去雨后的颜色向量。

本实施例中，逆矩阵转换单元571再次进行色彩空间的转换，以将去雨后的HSL色彩空间转换为去雨后的RGB色彩空间。具体的，所采用的转换公式如下：

(1)若饱和度s为零，则所得到的图像中颜色将是非彩色或者灰色的，因此，在此特殊情况下，逆矩阵转换单元571所得到的去雨后的RGB彩色图像中颜色向量r、g和b所对应的数值均等于去雨后的HSL色彩空间中的l，而h所对应的数值是未定义的。

(2)若饱和度s不为零，则逆矩阵转换单元571通过如下公式计算得到去雨后的颜色向量：

$q=\left\{\begin{array}{cc}l\&times;(1+s),& \mathrm{ifl}<\frac{1}{2}\\ l+s-(l\&times;s),& \mathrm{ifl}\&GreaterEqual;\frac{1}{2}\end{array}\right.$

p＝2×l-q

$h_k=\frac{h}{360}$

$t_R=h_k+\frac{1}{3}---\left(4\right)$

t_G＝h_k

$t_B=h_k-\frac{1}{3}$

if t_C＜0→t_C＝t_C+1.0  for each C∈{R，G，B}

if t_C＞1→t_C＝t_C-1.0  for each C∈{R，G，B}

对于每个颜色向量Color＝(ColorR，ColorG，ColorB) ＝ (r，g，b)：

$C{\mathrm{olor}}_C=\left\{\begin{array}{cc}p+((q-p)\&times;6\&times;t_C),& \mathrm{if}{t}_C<\frac{1}{6}\\ q,& \mathrm{if}\frac{1}{6}\&le;t_C<\frac{1}{2}\\ p+((q-p)\&times;6\&times;(\frac{2}{3}-t_C)),& \mathrm{if}\frac{1}{2}\&le;t_C<\frac{2}{3}\\ p,& \mathrm{otherwise}\end{array}\right.---\left(5\right)$

for each C∈{R，G，B}

图像形成单元573，用于由去雨后的颜色向量形成去雨后的RGB彩色图像。

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流程，是可以通过计算机程序来指令相关的硬件来完成，所述程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种处理RGB彩色图像的方法，包括如下步骤：

获取待处理的RGB彩色图像；

将所述待处理的RGB彩色图像转换为HSL色彩空间；

由所述转换得到的HSL色彩空间得到L通道值，并对所述L通道值进行去雨处理得到去雨后的L通道值；

还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述待处理的RGB图像转换为HSL色彩空间的步骤包括：

根据待处理的RGB彩色图像提取得到像素的颜色向量，通过所述像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由所述H通道值、S通道值和L通道值形成HSL色彩空间。

3.根据权利要求1所述的方法，其特征在于，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤包括：

由所述转换得到的HSL色彩空间得到H通道值、S通道值和L通道值；

对所述得到的L通道值进行去雨处理得到去雨后的L通道值。

4.根据权利要求3所述的方法，其特征在于，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤之前，所述方法还包括：

由所述去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，所述去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

5.根据权利要求4所述的方法，其特征在于，所述还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像的步骤包括：

对所述去雨后的HSL色彩空间进行逆矩阵转换得到去雨后RGB色彩空间，以得到去雨后的颜色向量；

由所述去雨后的颜色向量形成去雨后的RGB彩色图像。

6.一种处理RGB彩色图像的系统，其特征在于，包括：

输入模块，用于获取待处理的RGB彩色图像；

转换处理模块，用于将所述待处理的RGB彩色图像转换为HSL色彩空间；

去雨处理图像，用于由所述转换得到的HSL色彩空间得到L通道值，并对所述L通道值进行去雨处理得到去雨后的L通道值；

还原模块，用于还原包含了去雨后的L通道值的HSL色彩空间，以得到去雨后的RGB彩色图像。

7.根据权利要求6所述的系统，其特征在于，所述转换处理模块还用于根据待处理的RGB彩色图像提取得到像素的颜色向量，通过所述像素的颜色向量进行计算得到H通道值、S通道值和L通道值，由所述H通道值、S通道值和L通道值形成HSL色彩空间。

8.根据权利要求6所述的系统，其特征在于，所述去雨处理模块包括：

通道值获取单元，用于由所述转换得到的HSL色彩空间得到H通道值、S通道值和L通道值；

通道值去雨单元，用于对所述得到的L通道值进行去雨处理得到去雨后的L通道值。

9.根据权利要求8所述的系统，其特征在于，所述系统还包括：

色彩空间形成模块，用于由所述去雨后的L通道值、转换得到的H通道值和S通道值形成去雨后的HSL色彩空间，所述去雨后的HSL色彩空间即为包含了去雨后的L通道值的HSL色彩空间。

10.根据权利要求9所述的系统，其特征在于，所述还原模块还包括：

逆矩阵转换单元，用于对所述去雨后的HSL色彩空间进行逆矩阵转换得到去雨后RGB色彩空间，以得到去雨后的颜色向量；

图像形成单元，用于由所述去雨后的颜色向量形成去雨后的RGB彩色图像。