CN111652806B - 一种图像去阴影的方法和系统 - Google Patents
一种图像去阴影的方法和系统 Download PDFInfo
- Publication number
- CN111652806B CN111652806B CN201910197341.5A CN201910197341A CN111652806B CN 111652806 B CN111652806 B CN 111652806B CN 201910197341 A CN201910197341 A CN 201910197341A CN 111652806 B CN111652806 B CN 111652806B
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- fsize
- space
- size
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 64
- 238000002310 reflectometry Methods 0.000 claims abstract description 47
- 238000005286 illumination Methods 0.000 claims abstract description 41
- 238000000926 separation method Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像去阴影的方法及系统,涉及图像处理领域。该图像去阴影的方法包括以下步骤:S1,获取原始图像,将所述原始图像转换成HSV空间;S2,将所述HSV空间进行通道分离;S3,采用空间高斯滤波方法对所述V通道图像进行滤波获得光照图像;S4,获得反射率图像;S5,获得去阴影的图像。本发明对图像的阴影进行较好的减弱或者去除的同时,能够较好保存原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,提高了处理速度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像去阴影的方法和系统。
背景技术
图像中的阴影有时会对图像信息产生干扰,引起图像质量不佳。进行图像物体分割、目标识别等任务时,阴影的存在会严重影响具体分割和识别算法的性能。对于人而言,阴影是较容易分辨的,但是对于计算机,能够完整的去除阴影是一件较为困难的任务。对于图像阴影的去除,有很多方法可以采用,同时这些方法也可以根据不同的角度进行划分。例如,中国发明专利申请CN10629666A公开了一种图像去阴影的方法,包括无阴影特征分析、无阴影变换参数获取、无阴影特征成像;道路路面检测方法包括先进行感兴趣区域选择和特征提取(采用前面的无阴影特征提取方法),再进行图像滤波、分割和路面区域选择,最后进行图像形态学滤波和孔洞填充。上述图像去阴影方法可应用于道路检测等。基于阴影模型的去阴影算法能够根据外部场景信息建立阴影模型。但是由于先验知识难以获得,所以要获取准确的外部场景信息往往比较困难。其次,外部场景变化往往比较复杂,即便获得某些场景下的阴影模型,该模型的适用范围也有很大的局限性,如果场景发生变化,那么该模型将不再适用。
基于阴影的方法需要判定图像中存在阴影的区域,甚至需要检测图像中的阴影程度,将图像划分为阴影区域,半阴影区域,非阴影区域等。通过纹理,颜色,几何等特征检测图像中的阴影区域,这种方法对于简单场景比较奏效,但是对于复杂场景,阴影和背景可能会产生混淆,难以被准确检测。其次,对于检测到的阴影区域需要进行一定的处理,处理后通过泊松融合的方法保持和非阴影区域的过渡比较平缓也会比较耗时,影响图像处理的实时性。还可以采用同态滤波的方法去阴影,减少低频增加高频,从而减少光照变化对图像的影响。同态滤波需要将图像转换的频域空间进行高通滤波,将处理后的频域数据再通过反变换到空间域恢复出图像。这种方法可以以来光照模型和阴影区域的判断进行光照均匀的处理,但这种方法也存在一些问题:首先,图像需要进行快速傅里叶变换和反变换,频域处理往往比较耗时,其次,选择不影响图像高频部分的高通滤波器往往比较困难,阴影的去除程度不好控制。
因此,需要找到一种适用于多种场景模式的有效去除图像阴影的方法。
发明内容
本发明的目的在于开发一种可以去除或较大程度减弱图像中的阴影同时又尽可能消除阴影的同时保留更多图像的真实细节特征的方法。
为实现上述目的,本发明提供了一种图像去阴影的方法,包括以下步骤:
S1,获取原始图像,将所述原始图像转换成H S V空间;
S2,将所述H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;
S3,采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;
S4,对V通道图像和光照图像进行处理以获得反射率图像;
S5,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像。
为了避免在去阴影的过程中对有效图像特征信息造成破坏,本发明首先采取空间转换的方式,将RGB图像空间转换为HSV空间,并对HSV空间按照不同通道进行分离,然后,对于与阴影关系密切的V通道进行滤波等进一步的而处理,在与其他通道的图像信息相合成,这样对图像的阴影进行较好的减弱或者去除的同时,能够保证原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法,对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,提高了处理速度。
可选的,所述步骤S2包括以下步骤:
S21,将所述H S V空间进行通道分离分解为H(色调)通道图像;
S22,将所述H S V空间进行通道分离分解为S(饱和度)通道图像;
S23,将所述H S V空间进行通道分离分解为V(明度)通道图像。
通过HSV三个通道的分离,可以筛选出于本发明目的相关的图像信息,更有针对性地进行处理。
可选的,所述步骤S3还包括以下步骤:
S31,设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);
S32,如果输入滤波器尺寸小于最小尺寸fsize(Min),将所述输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;
S33,如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1,回到S32;
S34,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1,回到S33。
根据本步骤,本发明提出了应用空域高斯滤波器进行滤波的具体方法,特别是对空域高斯滤波器尺寸和工作范围的控制,可以保证其工作的稳定新歌较好的滤波效果。
可选的,所述最小尺寸fsize(Min)=3和最大尺寸fsize(MAX)=9。在对于空域高斯滤波器尺寸的设定中,最小尺寸fsize(Min)=3和最大尺寸fsize(MAX)=9能够保证较好的效果。
可选的,所述步骤S4还包括以下步骤:
S41,将所述光照图像转换成所述光照图像的对数变换图像;
S42,将所述V通道图像转换成所述V通道图像的对数变换图像;
S43,用所述V通道图像的对数变换图像减去所述光照图像的对数变换图像,得到对数空间图像;
S44,通过指数变换将所述对数空间图像转换成所述反射率图像。
通过光照图像以及V通道图像的对数变换,可以方便地获得二者的对数空间图像,从而可以进一步获得反射率图像,用于进一步地处理。
进一步地,所述步骤S5还包括以下步骤:
S51,将步骤S4得到的所述反射率图像,通过亮度线性拉伸到0到255的范围;
S52,将拉伸后的所述反射率图像与所述H通道图像和所述S通道图像分量进行合并得到合并图像;
S53,将所述合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
通过对反射率图像的进一步处理,包括亮度线性拉伸,可以根据需要对阴影的存在成都进行控制。反射率图像及处理后与H及S通道图像分量相合成并经空间转换后即可方便获得去阴影的图像。
本发明还公开了一种图像去阴影的系统,包括以下模块:
HSV空间转换模块,用于获取原始图像并将所述原始图像转换成H S V空间;
通道分离模块,将所述H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;
滤波模块,用于采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;
反射率图像生成模块,用于对V通道图像和光照图像进行处理以获得反射率图像;
图像合成模块,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像
为了避免在去阴影的过程中对有效图像特征信息造成破坏,本发明首先采取空间转换的方式,将RGB图像空间转换为HSV空间,并对HSV空间按照不同通道进行分离,然后,对于与阴影关系密切的V通道进行滤波等进一步的而处理,在与其他通道的图像信息相合成,这样对图像的阴影进行较好的减弱或者去除的同时,能够保证原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法,对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,提高了处理速度。
进一步地,所述滤波模块包括:滤波器设定模块,用于设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);滤波器调整模块,用于实施如下步骤:如果输入滤波器尺寸小于最小尺寸fsize(Min),将所述输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1;以及,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1。
进一步地,所述反射率图像生成模块包括:对数变换图像模块,用于将所述光照图像转换成所述光照图像的对数变换图像,以及将所述V通道图像转换成所述V通道图像的对数变换图像;对数空间图像生成模块,用于以所述V通道图像的对数变换图像减去所述光照图像的对数变换图像,得到对数空间图像;指数变换模块,用于通过指数变换将所述对数空间图像转换成所述反射率图像。
进一步地,所述图像合成模块包括:图像拉伸模块,用于将所述反射率图像,通过亮度线性拉伸到0到255的范围;图像合并模块,用于将拉伸后的所述反射率图像与所述H通道图像和所述S通道图像分量进行合并得到合并图像;RGB空间转换模块,用于将所述合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
本发明有益的技术效果是对图像的阴影进行较好的减弱或者去除的同时,能够保证原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法,对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,处理速度得到提高。
附图说明
图1是本发明的图像去阴影方法的流程图;
图2是本发明的图像去阴影方法步骤S2的流程图;
图3是本发明的一个较佳实施例的HSV三通道图像分解为H、S、V三个通道图像;
图4是本发明的图像去阴影方法步骤S3的流程图;
图5是本发明的图像去阴影方法步骤S4的流程图;
图6是本发明的图像去阴影方法步骤S5的流程图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述,但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图1所述,本发明提供了一种图像去阴影的方法,包括以下步骤:S1,获取原始图像,将所述原始图像转换成H S V空间;S2,将所述H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;S3,采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;S4,对V通道图像和光照图像进行处理以获得反射率图像;S5,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像。为了避免在去阴影的过程中对有效图像特征信息造成破坏,本发明首先采取空间转换的方式,将RGB图像空间转换为HSV空间,并对HSV空间按照不同通道进行分离,然后,对于与阴影关系密切的V通道进行滤波等进一步的而处理,在与其他通道的图像信息相合成,这样对图像的阴影进行较好的减弱或者去除的同时,能够保证原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法,对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,提高了处理速度。
如图2所示,步骤S2还包括以下步骤:S21,将H S V空间进行通道分离分解为H(色调)通道图像;S22,将H S V空间进行通道分离分解为S(饱和度)通道图像;S23,将H S V空间进行通道分离分解为V(明度)通道图像。图3是示出了根据本发明的HSV三通道图像分解为H、S、V三个通道的图像。通过HSV三个通道的分离,可以筛选出于本发明目的相关的图像信息,更有针对性地进行处理。
如图4所示,步骤S3还包括以下步骤:S31,设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);S32,如果输入滤波器尺寸小于最小尺寸fsize(Min),将输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;S33,如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1,回到S32;S34,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1,回到S33。进一步地,最小尺寸fsize(Min)=3和最大尺寸fsize(MAX)=9。根据本步骤,本发明提出了应用空域高斯滤波器进行滤波的具体方法,特别是对空域高斯滤波器尺寸和工作范围的控制,可以保证其工作的稳定和较好的滤波效果。在对于空域高斯滤波器尺寸的设定中,最小尺寸fsize(Min)=3和最大尺寸fsize(MAX)=9是较佳的取值。
如图5所示,步骤S4还包括以下步骤:S41,将光照图像转换成光照图像的对数变换图像;S42,将V通道图像都转换成原始图像的对数变换图像;S43,用光照图像的对数变换图像减去V通道图像的对数变换图像,得到对数空间图像;S44,通过指数变换将对数空间图像转换成反射率图像。
如图6所示,步骤S5还包括以下步骤:S51,将步骤S4得到的反射率图像,通过亮度线性拉伸到0到255的范围;S52,将拉伸后的反射率图像与H通道图像和S通道图像分量进行合并得到合并图像;S53,将合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
通过得到反射率图像并对反射率图像的进一步处理,包括亮度线性拉伸,可以根据需要对阴影的存在成都进行控制。反射率图像及处理后与H及S通道图像分量相合成并经空间转换后即可方便获得去阴影的图像。
本发明的一个较佳实施例,去阴影的图像为RGB格式的JPG图像。
本发明还公开了一种图像去阴影的系统,包括以下模块:
HSV空间转换模块,用于获取原始图像并将原始图像转换成H S V空间;通道分离模块,将H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;滤波模块,用于采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;反射率图像生成模块,用于对V通道图像和光照图像进行处理以获得反射率图像;图像合成模块,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像
滤波模块包括:滤波器设定模块,用于设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);滤波器调整模块,用于实施如下步骤:如果输入滤波器尺寸小于最小尺寸fsize(Min),将输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1;以及,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1。
反射率图像生成模块包括:对数变换图像模块,用于将光照图像转换成光照图像的对数变换图像,以及将V通道图像转换成V通道图像的对数变换图像;对数空间图像生成模块,用于以V通道图像的对数变换图像减去光照图像的对数变换图像,得到对数空间图像;指数变换模块,用于通过指数变换将对数空间图像转换成反射率图像。图像合成模块包括:图像拉伸模块,用于将反射率图像,通过亮度线性拉伸到0到255的范围;图像合并模块,用于将拉伸后的反射率图像与H通道图像和所S通道图像分量进行合并得到合并图像;RGB空间转换模块,用于将合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
本实施例对图像的阴影进行较好的减弱或者去除的同时,能够保证原始图像的细节和色彩不受破坏,通过针对较大滤波器窗口的快速空域高斯滤波方法,对图像进行高斯滤波处理,避免了冗长的大窗口卷积操作,使处理过程更快速,具有非常好的实时性。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种图像去阴影的方法,其特征在于,包括以下步骤;
S1,获取原始图像,将所述原始图像转换成H S V空间;
S2,将所述H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;
S3,采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;
S4,对V通道图像和光照图像进行处理以获得反射率图像;
S5,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像;
所述步骤S3还包括以下步骤:
S31,设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);
S32,如果输入滤波器尺寸小于最小尺寸fsize(Min),将所述输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;
S33,如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1,回到S32;
S34,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1,回到S33;
所述步骤S4还包括以下步骤:
S41,将所述光照图像转换成所述光照图像的对数变换图像;
S42,将所述V通道图像转换成所述V通道图像的对数变换图像;
S43,用所述V通道图像的对数变换图像减去所述光照图像的对数变换图像,得到对数空间图像;
S44,通过指数变换将所述对数空间图像转换成所述反射率图像。
2.如权利要求1所述的图像去阴影的方法,其特征在于,所述步骤S2包括以下步骤:
S21,将所述H S V空间进行通道分离分解为H(色调)通道图像;
S22,将所述H S V空间进行通道分离分解为S(饱和度)通道图像;
S23,将所述H S V空间进行通道分离分解为V(明度)通道图像。
3.如权利要求2所述的图像去阴影的方法,其特征在于,所述最小尺寸fsize(Min)=3和最大尺寸fsize(MAX)=9。
4.如权利要求1所述的图像去阴影的方法,其特征在于,所述步骤S5还包括以下步骤:
S51,将步骤S4得到的所述反射率图像,通过亮度线性拉伸到0到255的范围;
S52,将拉伸后的所述反射率图像与所述H通道图像和所述S通道图像分量进行合并得到合并图像;
S53,将所述合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
5.一种图像去阴影的系统,其特征在于,包括以下模块:
HSV空间转换模块,用于获取原始图像并将所述原始图像转换成H S V空间;
通道分离模块,将所述H S V空间进行通道分离,分解为H通道图像,S通道图像和V通道图像;
滤波模块,用于采用空间高斯滤波方法对V通道图像进行滤波以获得光照图像;
反射率图像生成模块,用于对V通道图像和光照图像进行处理以获得反射率图像;
图像合成模块,将反射率图像进行处理并与H通道图像及S通道图像合成,以获得去阴影的图像;
其中,所述滤波模块包括:
滤波器设定模块,用于设定一个空域高斯滤波器的最小尺寸fsize(Min)和最大尺寸fsize(MAX);
滤波器调整模块,用于实施如下步骤:如果输入滤波器尺寸小于最小尺寸fsize(Min),将所述输入滤波器尺寸进行上采样,恢复到原始图像尺寸,完成滤波操作,得到光照图像;如果输入滤波器尺寸大于最小尺寸fsize(Min)小于最大尺寸fsize(MAX),直接按照输入尺寸fsize进行滤波,滤波之后fsize更新为fsize/2+1;以及,如果输入滤波器尺寸大于最大尺寸fsize(MAX),对图像采用5x5的高斯滤波器进行滤波,然后对图像进行2倍降采样,并且fsize更新为fsize/2+1;
所述反射率图像生成模块包括:
对数变换图像模块,用于将所述光照图像转换成所述光照图像的对数变换图像,以及将所述V通道图像转换成所述V通道图像的对数变换图像;对数空间图像生成模块,用于以所述V通道图像的对数变换图像减去所述光照图像的对数变换图像,得到对数空间图像;
指数变换模块,用于通过指数变换将所述对数空间图像转换成所述反射率图像。
6.如权利要求5所述的图像去阴影的系统,其特征在于,所述图像合成模块包括:
图像拉伸模块,用于将所述反射率图像,通过亮度线性拉伸到0到255的范围;
图像合并模块,用于将拉伸后的所述反射率图像与所述H通道图像和所述S通道图像分量进行合并得到合并图像;
RGB空间转换模块,用于将所述合并图像从HSV空间转换到RGB空间,得到最终去阴影的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197341.5A CN111652806B (zh) | 2019-03-15 | 2019-03-15 | 一种图像去阴影的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197341.5A CN111652806B (zh) | 2019-03-15 | 2019-03-15 | 一种图像去阴影的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652806A CN111652806A (zh) | 2020-09-11 |
CN111652806B true CN111652806B (zh) | 2023-05-12 |
Family
ID=72342416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910197341.5A Active CN111652806B (zh) | 2019-03-15 | 2019-03-15 | 一种图像去阴影的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652806B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494063B (zh) * | 2022-01-25 | 2023-04-07 | 电子科技大学 | 一种基于生物视觉机制的夜间交通图像增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010010976A (ja) * | 2008-06-25 | 2010-01-14 | Noritsu Koki Co Ltd | 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN106296666A (zh) * | 2016-08-01 | 2017-01-04 | 北京大学深圳研究生院 | 一种彩色图像去阴影方法和应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100879536B1 (ko) * | 2006-10-30 | 2009-01-22 | 삼성전자주식회사 | 영상의 화질 개선을 위한 방법 및 시스템 |
-
2019
- 2019-03-15 CN CN201910197341.5A patent/CN111652806B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010010976A (ja) * | 2008-06-25 | 2010-01-14 | Noritsu Koki Co Ltd | 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN106296666A (zh) * | 2016-08-01 | 2017-01-04 | 北京大学深圳研究生院 | 一种彩色图像去阴影方法和应用 |
Non-Patent Citations (2)
Title |
---|
于东方 ; 殷建平 ; 张国敏 ; 罗磊 ; .遥感影像建筑物阴影中树木阴影的去除方法.计算机工程.2009,(12),全文. * |
焦竹青 ; 徐保国 ; .HSV变换和同态滤波的彩色图像光照补偿.计算机工程与应用.2010,(30),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111652806A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Context-aware single image rain removal | |
Chandel et al. | Image filtering algorithms and techniques: A review | |
Xiao et al. | Fast image dehazing using guided joint bilateral filter | |
Guo et al. | Lightweight deep network-enabled real-time low-visibility enhancement for promoting vessel detection in maritime video surveillance | |
CN110570440A (zh) | 一种基于深度学习边缘检测的图像自动分割方法及装置 | |
KR20150031241A (ko) | 이미지의 색 조화를 위한 장치 및 방법 | |
Milyaev et al. | Towards reliable object detection in noisy images | |
WO2020043296A1 (en) | Device and method for separating a picture into foreground and background using deep learning | |
CN107578053B (zh) | 轮廓提取方法及装置、计算机装置及可读存储介质 | |
Manu | Rain removal from still images using L0 gradient minimization technique | |
CN117726537A (zh) | 自适应多尺度特征融合AMFFD-Net的SAR图像去噪网络方法及系统 | |
Jeon et al. | Low-light image enhancement using inverted image normalized by atmospheric light | |
CN111652806B (zh) | 一种图像去阴影的方法和系统 | |
CN113344820B (zh) | 图像处理方法及装置、计算机可读介质、电子设备 | |
KR101615479B1 (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
KR20140138046A (ko) | 픽처를 처리하기 위한 방법 및 디바이스 | |
Choudhary et al. | A novel approach for edge detection for blurry images by using digital image processing | |
CN113674158A (zh) | 图像处理方法、装置、设备及存储介质 | |
Liu et al. | A Fusion-based Enhancement Method for Low-light UAV Images | |
Qiao et al. | An improved color attenuation priori dehazing algorithm and its hardware implementation | |
Nikhila et al. | Removing and Enhancing Rain and Snow in A Single Colour Image | |
Janardhana et al. | Image noise removal framework based on morphological component analysis | |
Zhang et al. | Digital image forensics of non-uniform deblurring | |
George et al. | Certain explorations on removal of rain streaks using morphological component analysis | |
Yin et al. | Enhancement of Low-Light Image using Homomorphic Filtering, Unsharp Masking, and Gamma Correction |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |