CN110087051A - 基于hsv色彩空间的彩色图眩光去除方法及系统 - Google Patents

Abstract

本发明公开了一种基于HSV色彩空间的彩色图眩光去除方法及系统，其中，该方法包括：获取RGB彩色图像，通过转换公式将RGB彩色图像从RGB空间转换到HSV空间；在RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道；将HSV空间中的RGB彩色图像的V通道替换为替换通道；通过转换公式的逆变换将HSV空间的RGB彩色图像转换到RGB空间。该方法基于抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

Description

基于HSV色彩空间的彩色图眩光去除方法及系统

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于HSV色彩空间的彩色图眩光去除方法及系统。

背景技术

随着电子设备的普及，越来越多的人使用手机等移动设备拍照。而在特定的环境光线下，移动设备拍摄的RGB彩色图像可能会产生眩光问题，降低物体的可见度。为了清楚观察照片的主体，消除图像中的眩光问题，那么眩光去除是一项必不可少的技术。

眩光是指在照片视野中存在不适宜亮度分布或者极端的亮度对比。眩光的产生是由相机镜头的结构决定的，镜头由多个镜片组成，每个镜片都有两个反射面，一个镜头就会有十多个反射面，镜片表面会反射不到10％的入射光线，反射率和镜片材料和镀膜有关。反射面越多，光线进入镜头后反射和扩散次数就会越多，所以镜头越复杂成像质量就越会受到影响。特别是在逆光拍摄时，高强度光源进入镜头使得多个反射面相互干扰很容易形成眩光，产生光斑，甚至雾化照片。

相机的光圈一般是多边形，进入镜头的多边形强光束在镜片间反射折射，最终在照片上产生类似光圈的多边形光斑；如果光圈特别小，如f16、f32，光在通过光圈的直边边缘时，就会发生衍射，在照片较亮的光源周围产生星芒。

相关技术为通过物理方法针对眩光的源头减少眩光的产生，需要一种是针对已经拍摄完成的图像的一种眩光处理算法。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于HSV色彩空间的彩色图眩光去除方法，该方法可以抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

本发明的另一个目的在于提出一种基于HSV色彩空间的彩色图眩光去除系统。

为达到上述目的，本发明一方面实施例提出了一种基于HSV色彩空间的彩色图眩光去除方法，包括：获取RGB彩色图像，通过转换公式将所述RGB彩色图像从RGB空间转换到HSV空间；在所述RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道；将所述HSV空间中的所述RGB彩色图像的V通道替换为所述替换通道；通过所述转换公式的逆变换将所述HSV空间的所述RGB彩色图像转换到所述RGB空间。

本发明实施例的基于HSV色彩空间的彩色图眩光去除方法，通过转换公式将图像从RGB空间转换到HSV色彩空间；利用多尺度Retinex算法处理R通道、G通道、B通道中的一个通道并替换HSV色彩空间的V通道；通过转换公式的逆运算将图像从HSV色彩空间还原到RGB空间，由此，抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

另外，根据本发明上述实施例的基于HSV色彩空间的彩色图眩光去除方法还可以具有以下附加的技术特征：

进一步地，所述转换公式为：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

进一步地，所述多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数；

所述高斯滤波函数为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。

进一步地，在本发明的一个实施例中，还包括：

通过图像均值公式、对比度公式、信息熵公式评价所述RGB彩色图像的去眩光效果。

进一步地，所述图像均值公式为：

其中，f为M×N的图片，图片的均值μ表示图像像素的灰度平均值，反映图片的整体亮暗情况；

对比度公式为：

信息熵公式为：

其中，L为灰度值，为L灰度出现的频率，F_L为L灰度出现的次数。

为达到上述目的，本发明另一方面实施例提出了一种基于HSV色彩空间的彩色图眩光去除系统，包括：获取模块，用于获取RGB彩色图像，通过转换公式将所述RGB彩色图像从RGB空间转换到HSV空间；处理模块，用于在所述RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道；替换模块，用于将所述HSV空间中的所述RGB彩色图像的V通道替换为所述替换通道；去除模块，用于通过所述转换公式的逆变换将所述HSV空间的所述RGB彩色图像转换到所述RGB空间。

本发明实施例的基于HSV色彩空间的彩色图眩光去除系统，通过转换公式将图像从RGB空间转换到HSV色彩空间；利用多尺度Retinex算法处理R通道、G通道、B通道中的一个通道并替换HSV色彩空间的V通道；通过转换公式的逆运算将图像从HSV色彩空间还原到RGB空间，由此，抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

另外，根据本发明上述实施例的基于HSV色彩空间的彩色图眩光去除系统还可以具有以下附加的技术特征：

进一步地，所述转换公式为：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

进一步地，所述多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数；

所述高斯滤波函数为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。

进一步地，在本发明的一个实施例中，还包括：评价模块，

所述评价模块，用于通过图像均值公式、对比度公式、信息熵公式评价所述RGB彩色图像的去眩光效果。

进一步地，所述图像均值公式为：

其中，f为M×N的图片，图片的均值μ表示图像像素的灰度平均值，反映图片的整体亮暗情况；

对比度公式为：

信息熵公式为：

其中，L为灰度值，为L灰度出现的频率，F_L为L灰度出现的次数。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的基于HSV色彩空间的彩色图眩光去除方法流程图；

图2为根据本发明一个实施例的HSV六棱锥模型图；

图3为根据本发明一个实施例的Retinex算法原理图；

图4为根据本发明一个实施例的Retinex算法流程图；

图5为根据本发明一个实施例的基于HSV色彩空间的彩色图眩光去除方法流程框图；

图6为根据本发明一个实施例的雾化的图片处理过程示意图；

图7为根据本发明一个实施例的存在光斑的图片处理过程示意图；

图8为根据本发明一个实施例的存在星芒的图片处理过程示意图；

图9为根据本发明一个实施例的基于HSV色彩空间的彩色图眩光去除系统结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的基于HSV色彩空间的彩色图眩光去除方法及系统。

首先将参照附图描述根据本发明实施例提出的基于HSV色彩空间的彩色图眩光去除方法。

图1为根据本发明一个实施例的基于HSV色彩空间的彩色图眩光去除方法流程图。

如图1所示，该基于HSV色彩空间的彩色图眩光去除方法包括以下步骤：

在步骤S101中，获取RGB彩色图像，通过转换公式将RGB彩色图像从RGB空间转换到HSV空间。

一般的RGB(Red、Green、Blue)彩色图像处理在R、G、B三个通道分别进行，但是由于在眩光处理中三个通道的眩光程度不同，若对三个通道分别进行眩光消除，最终合成的照片因为R、G、B比例改变导致颜色失真。故选择在HSV(Hue，Saturation，Value)色彩空间来处理眩光极端亮度对比的情况，眩光大多呈现于V(明度)通道，若只处理V通道，既能较大程度减少眩光，也能大大减少颜色失真的程度。如图2所示，展示了HSV六棱锥模型图。

具体地，获取RGB彩色图像，通过下述转换公式将RGB彩色图像从RGB空间转换到HSV空间，转换公式如下：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

HSV色彩空间到RGB空间的转换关系为逆运算。

在步骤S102中，在RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道。

可以理解的是，由于大部分眩光分量存在于V通道，如果只对V通道本身进行图像处理，不仅工作量大，也容易造成大量细节损失，在R、G、B三通道中，一般情况下会存在一个通道含有的眩光分量较少，这与眩光颜色有关。对于这样一个通道，采用多尺度Retinex算法进行亮度的优化，再替换掉HSV色彩空间的V通道，最终转换回RGB空间。

具体地，如图3和图4所示，展示了Retinex算法的原理和流程多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数，一般取3。

此过程可以看作是对照度分量的估计，利用每个像素点自身和邻域像素之间的加权平均值的比值来抵消照度分量在空间变化的影响。

高斯滤波函数可以表示为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。σ的值影响着高斯核函数的作用范围。

在步骤S103中，将HSV空间中的RGB彩色图像的V通道替换为替换通道。

在步骤S104中，通过转换公式的逆变换将HSV空间的RGB彩色图像转换到RGB空间。

具体地，如图5所示，从图5可以看出，通过步骤S102的处理后得到替换通道，用替换通道替换HSV空间中RGB彩色图像的V通道，替换完成后再将RGB图片通过转换公式转换到RGB空间，其中，这一步使用的转换公式为步骤S101中使用的转换公式的逆变换，转换后的RGB图像可以有效的去除图片中的眩光。

作为一种可能实现的方式，在步骤S103的基础上，还可以包括：通过图像均值公式、对比度公式、信息熵公式评价RGB彩色图像的去眩光效果。

下面结合附图和实施例来介绍本方法的去除眩光效果。

如图6所示，该彩色图像左上方有强烈的光照，使得整体观感不清晰，本眩光去除算法包含以下步骤：

(1)利用转换公式将该图像从RGB空间转换到HSV色彩空间；

(2)利用多尺度Retinex算法处理R通道，选用大中小三个尺度，尺度因子分别为照片宽度的0.6倍、0.4倍、0.2倍，权重ω均为1/3；

(3)步骤(1)的逆运算，将图像从HSV色彩空间还原到RGB空间。

如图7所示，该彩色图像存在不规则形状光斑，本眩光去除算法包含以下步骤：

(1)利用转换公式将该图像从RGB空间转换到HSV色彩空间；

(2)利用多尺度Retinex算法处理G通道，选用大中小三个尺度，尺度因子分别为照片宽度的0.6倍、0.4倍、0.2倍，权重ω均为1/3；

(3)步骤(1)的逆运算，将图像从HSV色彩空间还原到RGB空间。

如图8所示，该彩色图像中心区域存在星芒，照度对比强烈，本眩光去除算法包含以下步骤：

(1)利用转换公式将该图像从RGB空间转换到HSV色彩空间

(2)利用多尺度Retinex算法处理B通道，选用大中小三个尺度，尺度因子分别为照片宽度的0.6倍、0.4倍、0.2倍，权重ω均为1/3。

(3)步骤(1)的逆运算，将图像从HSV色彩空间还原到RGB空间。

对上述3幅图的处理结果通过图像均值公式、对比度公式、信息熵公式进行评价。

设f为M×N的图片，均值公式：

图片的均值表示图像像素的灰度平均值，反映了图片的整体亮暗情况。均值越大，图片越亮，反之越暗。

对比度公式：

指的是图像中明暗区域之间不同亮度层级的测量，即指一幅图像灰度反差的大小。

信息熵公式：

其中，L为灰度值，即L灰度出现的频率，F_L为L灰度出现的次数。信息熵反映图像的信息丰富程度，信息熵越大表明图像信息越丰富，图像质量越理想。

表1为通过去眩光处理后原图与输出图的对比表，从表1可以看出，均值略微变小，原因是去除了图片中亮度较高的眩光部分；对比度变小，原因是图片中极端的亮度对比大幅减少；而信息熵有小幅度减少，因为在替换V通道时，R、G、B中有两个通道的部分信息丢失，不过在可接受的范围内。

表1

根据本发明实施例提出的基于HSV色彩空间的彩色图眩光去除方法，通过转换公式将图像从RGB空间转换到HSV色彩空间；利用多尺度Retinex算法处理R通道、G通道、B通道中的一个通道并替换HSV色彩空间的V通道；通过转换公式的逆运算将图像从HSV色彩空间还原到RGB空间，由此，抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

其次参照附图描述根据本发明实施例提出的基于HSV色彩空间的彩色图眩光去除系统。

图9为根据本发明一个实施例的基于HSV色彩空间的彩色图眩光去除系统结构示意图。

如图9所示，该基于HSV色彩空间的彩色图眩光去除系统包括：获取模块100、处理模块、替换模块300和去除模块400。

其中，获取模块100，用于获取RGB彩色图像，通过转换公式将RGB彩色图像从RGB空间转换到HSV空间。

处理模块200，用于在RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道。

替换模块300，用于将HSV空间中的RGB彩色图像的V通道替换为替换通道。

去除模块400，用于通过转换公式的逆变换将HSV空间的RGB彩色图像转换到RGB空间。

该基于HSV色彩空间的彩色图眩光去除系统可以抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

进一步地，转换公式为：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

进一步地，多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数；

高斯滤波函数为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。

进一步地，在本发明的一个实施例中，还包括：评价模块，

评价模块，用于通过图像均值公式、对比度公式、信息熵公式评价RGB彩色图像的去眩光效果。

进一步地，图像均值公式为：

其中，f为M×N的图片，图片的均值μ表示图像像素的灰度平均值，反映图片的整体亮暗情况；

对比度公式为：

信息熵公式为：

其中，L为灰度值，为L灰度出现的频率，F_L为L灰度出现的次数。

需要说明的是，前述对基于HSV色彩空间的彩色图眩光去除方法实施例的解释说明也适用于该实施例的系统，此处不再赘述。

根据本发明实施例提出的基于HSV色彩空间的彩色图眩光去除方法，通过转换公式将图像从RGB空间转换到HSV色彩空间；利用多尺度Retinex算法处理R通道、G通道、B通道中的一个通道并替换HSV色彩空间的V通道；通过转换公式的逆运算将图像从HSV色彩空间还原到RGB空间，由此，抑制特定环境光线下产生的眩光，可广泛应用于手机等移动拍照设备，改善RGB彩色图像，提高物体可见度。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于HSV色彩空间的彩色图眩光去除方法，其特征在于，包括以下步骤：

获取RGB彩色图像，通过转换公式将所述RGB彩色图像从RGB空间转换到HSV空间；

在所述RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道；

将所述HSV空间中的所述RGB彩色图像的V通道替换为所述替换通道；

通过所述转换公式的逆变换将所述HSV空间的所述RGB彩色图像转换到所述RGB空间。

2.根据权利要求1所述的方法，其特征在于，所述转换公式为：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

3.根据权利要求1所述的方法，其特征在于，所述多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数；

所述高斯滤波函数为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。

4.根据权利要求1所述的方法，其特征在于，还包括：

通过图像均值公式、对比度公式、信息熵公式评价所述RGB彩色图像的去眩光效果。

5.根据权利要求4所述的方法，其特征在于，

所述图像均值公式为：

其中，f为M×N的图片，图片的均值μ表示图像像素的灰度平均值，反映图片的整体亮暗情况；

对比度公式为：

信息熵公式为：

其中，L为灰度值，为L灰度出现的频率，F_L为L灰度出现的次数。

6.一种基于HSV色彩空间的彩色图眩光去除系统，其特征在于，包括：

获取模块，用于获取RGB彩色图像，通过转换公式将所述RGB彩色图像从RGB空间转换到HSV空间；

处理模块，用于在所述RGB彩色图像的R、G、B颜色通道中选取含有眩光分量最少的一个通道，通过多尺度Retinex算法进行亮度优化得到替换通道；

替换模块，用于将所述HSV空间中的所述RGB彩色图像的V通道替换为所述替换通道；

去除模块，用于通过所述转换公式的逆变换将所述HSV空间的所述RGB彩色图像转换到所述RGB空间。

7.根据权利要求6所述的系统，其特征在于，所述转换公式为：

V＝Max

Max＝max(R,G,B),Min＝min(R,G,B)

其中，R、G、B表示颜色通道。

8.根据权利要求6所述的系统，其特征在于，所述多尺度Retinex算法为：

其中，R_i为Retinex算法处理结果，i∈(R,G,B)，S_i表示图像S的i颜色通道值，G(x,y)为高斯滤波函数，“*”表示卷积，N为尺度数；

所述高斯滤波函数为：

其中，σ为高斯函数的尺度因子，取值范围一般为图片窄边长度的0-1倍。

9.根据权利要求6所述的系统，其特征在于，还包括：评价模块，

所述评价模块，用于通过图像均值公式、对比度公式、信息熵公式评价所述RGB彩色图像的去眩光效果。

10.根据权利要求6所述的系统，其特征在于，

所述图像均值公式为：

其中，f为M×N的图片，图片的均值μ表示图像像素的灰度平均值，反映图片的整体亮暗情况；

对比度公式为：

信息熵公式为：

其中，L为灰度值，为L灰度出现的频率，F_L为L灰度出现的次数。