CN110428439A - 一种基于阴影区域颜色饱和度性质的阴影检测方法 - Google Patents
一种基于阴影区域颜色饱和度性质的阴影检测方法 Download PDFInfo
- Publication number
- CN110428439A CN110428439A CN201910650306.4A CN201910650306A CN110428439A CN 110428439 A CN110428439 A CN 110428439A CN 201910650306 A CN201910650306 A CN 201910650306A CN 110428439 A CN110428439 A CN 110428439A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- shadow
- shadow region
- saturation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于阴影区域颜色饱和度性质的阴影检测方法,包括以下步骤:S1、根据原图像I亮度均值是否大于所定阈值,如果不小于则将原图像I由RGB空间转换到HSV空间,再获取图像的饱和度分量S,如果小于需将原图像进行加亮处理;S2、根据阴影区域的饱和度偏高的特点对图像饱和度分量S进行非线性变换,并对得到的饱和度分量图进行中值滤波处理来降低噪声所带来的影响,得到处理后的模板M,S3、根据阈值进行阴影检测:S4、对S3中所得到的阴影区域进行形态学操作,通过形态学操作来完善处理结果,完成检测过程,解决了现有的图像处理时检测到的阴影区域不完整,易受到图像拍摄场景的限制,检测的准确性较差的问题。
Description
技术领域
本发明属于图像处理方法技术领域,具体涉及一种基于阴影区域颜色饱和度性质的阴影检测方法。
背景技术
随着时代的发展,信息处理也在不断发展,从文本图像,到现在的各种媒体形式,如声音和视频等。而计算机视觉就是指用摄影机和计算机代替人眼来识别目标,并而进行图像处理,获取这些信息的基础就是要对数字图像的准确分析和处理,即数字图像处理技术。
由于图像形成条件的限制,我们的接收的视觉信息一般都存在降质现象,而图像的阴影就是由图像降质引起的。图像中阴影的形成是太阳光线被物体遮挡所产生的,为了有效地消除图像阴影所造成的影响,提高图像利用率,对图像中阴影的处理是非常有必要的。
航拍的图像处理时需要对产生的阴影进行去除,阴影去除之前需要对阴影位置和范围进行检测,现有的图像阴影检测方法检测到的阴影区域不完整,且容易受到图像拍摄场景的限制,影响阴影检测的准确性。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种基于阴影区域颜色饱和度性质的阴影检测方法,以解决上述背景技术中提出的现有的图像阴影检测方法检测到的阴影区域不完整,且容易受到图像拍摄场景的限制,影响阴影检测的准确性的问题。
为解决上述技术问题,本发明采用的技术方案是:一种基于阴影区域颜色饱和度性质的阴影检测方法,包括以下步骤:
S1、颜色空间的转换:
根据原图像I亮度均值是否大于所定阈值,如果不小于则将原图像I由RGB空间转换到HSV空间,再获取图像的饱和度分量S,如果小于需将原图像进行加亮处理;
S2、饱和度分量S进行增强处理:
根据阴影区域的饱和度偏高并且蓝色分量比例比较高的特点对图像饱和度分量S进行非线性变换,并对得到的饱和度分量图进行中值滤波处理来降低噪声所带来的影响,得到处理后的模板M,其中算法如下:
S(i,j)∈[0,1]
i∈[1,m] j∈[1,n]
其中,M(i,j)表示处理后的模板图像;
S(i,j)表示图像的饱和度分量;
R(i,j)、G(i,j)、B(i,j)分别表示图像的RGB通道;
m*n为图像尺寸;
S3、根据阈值进行阴影检测:
对S2中所得到的模板M使用最大类间方差法进行阈值分割,得到一个合适的阈值,然后通过阈值分割实现对图像的二值化操作,以此完成对图像阴影区域的初步阴影检测,得到阴影区域;
S4、形态学操作:
对S3中所得到的阴影区域进行形态学操作,通过形态学操作来完善处理结果,完成检测过程。
优选的,在S1中,所述I具体为HSI颜色空间中颜色亮度的表示,在HSI中,色调H表示颜色属性,S表示颜色纯度,是人对彩色感觉的关键参数,与图像的彩色信息无关。
优选的,在S1中,所述RGB空间具体为RGB颜色空间,是基于R(红)、G(绿)、B(蓝)三种基本颜色,通过不同的叠加方式,产生不同的颜色,也叫三基色模式,红绿蓝表示可见光谱中的三种基本颜色,每一种颜色按亮度不同可以分为256个等级,当三种颜色不断叠加时,不同的混色比例能产生不同的中间色,因而RGB空间模式是加色过程。
优选的,在S1中,所述HSV空间是一种颜色空间,H参数表示光谱颜色的位置;S参数表示颜色接近光谱色的程度;V参数表示颜色明亮的程度。
优选的,在S4中,所述形态学操作包括膨胀操作处理和腐蚀操作处理。
优选的,所述膨胀操作处理是将与物体接触的背景点融合到自身中,使边界向外扩大的过程,用来填补物体中的空洞。
优选的,所述腐蚀操作处理是消除边界点,使边界向内收缩的过程,用来消除微小的物体。
本发明与现有技术相比具有以下优点:
本发明先对图像的颜色空间进行转换,然后对获取的饱和度分量S进行增强处理,得到处理后的模板M,对得到的模板M使用最大类间方差法进行阈值分割,得到一个合适的阈值,然后通过阈值分割实现对图像的二值化操作,以此完成对图像阴影区域的初步阴影检测,得到阴影区域,最后将所得到的阴影区域进行形态学操作,通过形态学操作来完善处理结果,完成检测过程,使得阴影检测区域较为完整,同时通过不同颜色空间的转换使得算法计算简单,避免图像受不同场景的限制,适用范围广,便于推广使用。
附图说明
图1是本发明方法流程图;
图2是本发明中RGB空间模型图;
图3是本发明中HSV空间模型图;
图4为本发明中HSI空间模型图;
图5为本发明中山体阴影阴影检测效果图;
图6为本发明中云阴影阴影检测效果图;
图7为本发明中建筑阴影阴影检测效果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种技术方案:一种基于阴影区域颜色饱和度性质的阴影检测方法,包括以下步骤:
S1、颜色空间的转换:
根据原图像I亮度均值是否大于所定阈值,所述I具体为HSI颜色空间中颜色亮度的表示,在HSI中,色调H表示颜色属性,S表示颜色纯度,是人对彩色感觉的关键参数,与图像的彩色信息无关;
如果不小于则将原图像I由RGB空间转换到HSV空间,再获取图像的饱和度分量S,RGB空间具体为RGB颜色空间,是基于R(红)、G(绿)、B(蓝)三种基本颜色,通过不同的叠加方式,产生不同的颜色,也叫三基色模式,红绿蓝表示可见光谱中的三种基本颜色,每一种颜色按亮度不同可以分为256个等级,当三种颜色不断叠加时,不同的混色比例能产生不同的中间色,因而RGB空间模式是加色过程,所述HSV空间是一种颜色空间,H参数表示光谱颜色的位置;S参数表示颜色接近光谱色的程度;V参数表示颜色明亮的程度;
从RGB到HSV的转换算法:
其中:r,g,b分别表示RGB颜色空间的三个分量;
h,s,v分别表示HSV的三个分量
max为三个分量中的最大者,min是三个分量中最小者。
如果小于需将原图像进行加亮处理;
S2、饱和度分量S进行增强处理:
根据阴影区域的饱和度偏高并且蓝色分量比例比较高的特点对图像饱和度分量S进行非线性变换,并对得到的饱和度分量图进行中值滤波处理来降低噪声所带来的影响,得到处理后的模板M,其中算法如下:
S(i,j)∈[0,1]
i∈[1,m] j∈[1,n]
其中,M(i,j)表示处理后的模板图像;
S(i,j)表示图像的饱和度分量;
R(i,j)、G(i,j)、B(i,j)分别表示图像的RGB通道;
m*n为图像尺寸;
S3、根据阈值进行阴影检测:
对S2中所得到的模板M使用最大类间方差法进行阈值分割,最大类间方差法是按图像的灰度特性,将图像分成背景和目标两部分,其中背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,同时当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因而,使类间方差最大的分割意味着错分概率最小
得到一个合适的阈值后,然后通过阈值分割实现对图像的二值化操作,具体为通过设定不同的特征阈值,然后把图像像素点分为若干类,将图像二值化,假设原始图像为f(x,y),按照一定的准则f(x,y)中找到特征值T,将图像分割为两个部分,则分割后的图像为:若取:b0=0(黑),b1=1(白),即可完成对图像阴影区域的初步阴影检测,得到阴影区域;
S4、形态学操作:对S3中所得到的阴影区域进行形态学操作,所述形态学操作包括膨胀操作处理和腐蚀操作处理,所述膨胀操作处理是将与物体接触的背景点融合到自身中,使边界向外扩大的过程,用来填补物体中的空洞,所述腐蚀操作处理是消除边界点,使边界向内收缩的过程,用来消除微小的物体通过形态学操作来完善处理结果,完成检测过程。
本发明先对图像的颜色空间进行转换,然后对获取的饱和度分量S进行增强处理,得到处理后的模板M,对得到的模板M使用最大类间方差法进行阈值分割,得到一个合适的阈值,然后通过阈值分割实现对图像的二值化操作,以此完成对图像阴影区域的初步阴影检测,得到阴影区域,最后将所得到的阴影区域进行形态学操作,通过形态学操作来完善处理结果,完成检测过程,使得阴影检测区域较为完整,同时通过不同颜色空间的转换使得算法计算简单,避免图像受不同场景的限制,适用范围广,便于推广使用。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于:包括以下步骤:
S1、颜色空间的转换:
根据原图像I亮度均值是否大于所定阈值,如果不小于则将原图像I由RGB空间转换到HSV空间,再获取图像的饱和度分量S,如果小于需将原图像进行加亮处理;
S2、饱和度分量S进行增强处理:
根据阴影区域的饱和度偏高并且蓝色分量比例比较高的特点对图像饱和度分量S进行非线性变换,并对得到的饱和度分量图进行中值滤波处理来降低噪声所带来的影响,得到处理后的模板M,其中算法如下:
S(i,j)∈[0,1]
i∈[1,m] j∈[1,n]
其中,M(i,j)表示处理后的模板图像;
S(i,j)表示图像的饱和度分量;
R(i,j)、G(i,j)、B(i,j)分别表示图像的RGB通道;
m*n为图像尺寸;
S3、根据阈值进行阴影检测:
对S2中所得到的模板M使用最大类间方差法进行阈值分割,得到一个合适的阈值,然后通过阈值分割实现对图像的二值化操作,以此完成对图像阴影区域的初步阴影检测,得到阴影区域;
S4、形态学操作:
对S3中所得到的阴影区域进行形态学操作,通过形态学操作来完善处理结果,完成检测过程。
2.根据权利要求1所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,在S1中,所述I具体为HSI颜色空间中颜色亮度的表示,在HSI中,色调H表示颜色属性,S表示颜色纯度,是人对彩色感觉的关键参数,与图像的彩色信息无关。
3.根据权利要求1所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,在S1中,所述RGB空间具体为RGB颜色空间,是基于R(红)、G(绿)、B(蓝)三种基本颜色,通过不同的叠加方式,产生不同的颜色,也叫三基色模式,红绿蓝表示可见光谱中的三种基本颜色,每一种颜色按亮度不同可以分为256个等级,当三种颜色不断叠加时,不同的混色比例能产生不同的中间色,因而RGB空间模式是加色过程。
4.根据权利要求1所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,在S1中,所述HSV空间是一种颜色空间,H参数表示光谱颜色的位置;S参数表示颜色接近光谱色的程度;V参数表示颜色明亮的程度。
5.根据权利要求1所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,在S4中,所述形态学操作包括膨胀操作处理和腐蚀操作处理。
6.根据权利要求5所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,所述膨胀操作处理是将与物体接触的背景点融合到自身中,使边界向外扩大的过程,用来填补物体中的空洞。
7.根据权利要求5所述的一种基于阴影区域颜色饱和度性质的阴影检测方法,其特征在于,所述腐蚀操作处理是消除边界点,使边界向内收缩的过程,用来消除微小的物体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650306.4A CN110428439A (zh) | 2019-07-18 | 2019-07-18 | 一种基于阴影区域颜色饱和度性质的阴影检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650306.4A CN110428439A (zh) | 2019-07-18 | 2019-07-18 | 一种基于阴影区域颜色饱和度性质的阴影检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428439A true CN110428439A (zh) | 2019-11-08 |
Family
ID=68411087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910650306.4A Pending CN110428439A (zh) | 2019-07-18 | 2019-07-18 | 一种基于阴影区域颜色饱和度性质的阴影检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428439A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192263A (zh) * | 2020-01-09 | 2020-05-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN111462221A (zh) * | 2020-04-03 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 待侦测物体阴影面积提取方法、装置、设备及存储介质 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
CN113766695A (zh) * | 2021-08-25 | 2021-12-07 | 北京奕斯伟计算技术有限公司 | Led灯的亮度控制方法、芯片及系统 |
CN114828337A (zh) * | 2022-07-01 | 2022-07-29 | 杭州罗莱迪思科技股份有限公司 | 户外led染色灯控制方法及其应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100111362A1 (en) * | 2008-11-06 | 2010-05-06 | Industrial Technology Research Institute | Method for detecting shadow of object |
CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
CN105701844A (zh) * | 2016-01-15 | 2016-06-22 | 苏州大学 | 基于颜色特征的障碍物或阴影检测方法 |
-
2019
- 2019-07-18 CN CN201910650306.4A patent/CN110428439A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100111362A1 (en) * | 2008-11-06 | 2010-05-06 | Industrial Technology Research Institute | Method for detecting shadow of object |
CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
CN105701844A (zh) * | 2016-01-15 | 2016-06-22 | 苏州大学 | 基于颜色特征的障碍物或阴影检测方法 |
Non-Patent Citations (2)
Title |
---|
娄小龙 等: "一种新的城市航空图像阴影检测算法", 《计算机应用与软件》, vol. 30, no. 7, 31 July 2013 (2013-07-31), pages 21 - 23 * |
赵显富 等: "基于彩色模型的遥感影像阴影检测", 《科学技术与工程》, vol. 13, no. 18, 30 June 2013 (2013-06-30), pages 5101 - 5107 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192263A (zh) * | 2020-01-09 | 2020-05-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN111192263B (zh) * | 2020-01-09 | 2023-08-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN111462221A (zh) * | 2020-04-03 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 待侦测物体阴影面积提取方法、装置、设备及存储介质 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
CN113766695A (zh) * | 2021-08-25 | 2021-12-07 | 北京奕斯伟计算技术有限公司 | Led灯的亮度控制方法、芯片及系统 |
CN114828337A (zh) * | 2022-07-01 | 2022-07-29 | 杭州罗莱迪思科技股份有限公司 | 户外led染色灯控制方法及其应用 |
CN114828337B (zh) * | 2022-07-01 | 2022-09-27 | 杭州罗莱迪思科技股份有限公司 | 户外led染色灯控制方法及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428439A (zh) | 一种基于阴影区域颜色饱和度性质的阴影检测方法 | |
CN106846263B (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
Yu et al. | Fast single image fog removal using edge-preserving smoothing | |
CN108596849A (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
US7068840B2 (en) | Determination of an illuminant of digital color image by segmentation and filtering | |
CN111429370B (zh) | 一种煤矿井下的图像增强方法、系统及计算机存储介质 | |
CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN105913421B (zh) | 基于自适应形状暗通道的遥感图像云检测方法 | |
CN105869112B (zh) | 一种边缘保持最小化的高动态范围图像色调映射方法 | |
CN102890785A (zh) | 一种服务机器人目标识别与定位的方法 | |
CN103402117A (zh) | 基于Lab色度空间的视频图像偏色检测方法 | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
CN104915975B (zh) | 一种模拟蜡笔彩绘的图像处理方法和系统 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN105701783B (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
CN103198459A (zh) | 雾霾图像快速去雾方法 | |
CN103996174A (zh) | 一种对Kinect深度图像进行空洞修复的方法 | |
CN104809709A (zh) | 基于域变换与带权四叉树分解的单幅图像自适应去雾方法 | |
EP1302896A1 (en) | Process of identification of sky in an image and image obtained using this process | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN103942756B (zh) | 一种深度图后处理滤波的方法 | |
CN105989583B (zh) | 一种图像去雾方法 | |
CN104637036A (zh) | 一种中国古画增强方法 | |
CN106504216B (zh) | 基于变分模型的单幅图像去雾方法 | |
CN103164847A (zh) | 视频图像中运动目标阴影消除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |