[发明专利]一种自然图像软阴影消除方法

说明书

本发明公开了一种自然图像软阴影消除方法。本发明通过指定的阴影边界线，将图像分为阴影区域和非阴影区域，利用基于图像中点的相关点信息的平滑方法对图像中的阴影区域和非阴影区域分别进行多尺度分解。分解完成后，利用局部亮度迁移的方法对基本层的阴影区域进行亮度修复，再将图像分解时过滤掉的细节信息融合到消除阴影的基本层中，得到输入图像的阴影消除结果。最后，利用基于纹理合成的图像修复方法对阴影边界处存在失真区域进行修复，以得到一个自然真实的阴影消除结果。本发明提出的阴影消除方法不但效果好，而且其中的平滑方法可用于多种应用。

技术领域

本发明属图像处理技术领域，尤其涉及一种自然图像阴影消除方法。

背景技术

阴影是由于光线在沿直线传播的过程中，遇到障碍物的阻挡而形成的。图像在获取时，难以避免地会存在一些阴影。通常阴影区域亮度较低，这种低亮度的特点会引起图像质量的下降，导致一些图像信息丢失，影响图像效果，并对一些诸如物体识别、图像检索、目标追踪等现代图像处理任务产生影响，使得任务准确率及效率降低。因此，对图像阴影消除的研究是必要的。现实场景中光源是有一定大小的，所产生的阴影大部分是软阴影。目前对图像阴影消除的研究有很多，但这些方法大部分处理的是硬阴影或接近于硬阴影的阴影，并不能很好地处理软阴影，这些方法处理软阴影时效果一般。

图像软阴影消除指在保证图像阴影区域原有色调及纹理结构的基础上，恢复其在正常光照下的场景。造成图像软阴影消除比较困难的原因主要有两个方面，首先软阴影边界附近的亮度是由亮到暗逐渐变化的，计算机难以确定一个明显的边界；其次软阴影区域内的亮度变化是不一致的，特别是靠近边界处，这要求阴影消除算法对亮度不敏感。因此，软阴影消除的最大挑战是如何恢复亮度不一致阴影区域的光照信息，使得恢复后的阴影区域与周围的非阴影区域的亮度、颜色、纹理等是自然的融合在一起。目前，有提出一种基于机器学习的软阴影消除方法，这种方法前期需要对一个样本进行训练学习，如果训练的样本集比较大，且阴影类型比较完全，该方法对图像软阴影消除的效果会比较好。但是这个学习的时间比较长，并且要获得一个大的软阴影及对应的无阴影图像的样本集也是一件非常困难的任务。针对这样的问题，本算法提出了一个基于多尺度分解的软阴影去除算法，该算法不需要准确检测出阴影区域，只需要给定一个大概的阴影边界线。

发明内容

本发明针对现有技术的不足，提供一种基于多尺度分解的图像软阴影消除方法。

本发明的技术方案为一种图像软阴影消除方法，，包含以下步骤：

一种自然图像软阴影消除方法，其特征在于，包括下述步骤：

步骤1，确定输入图像I的阴影边界，具体是：用户采用画刷自行指定一个阴影边界，以区分阴影区域和非阴影区域；

步骤2，逐点对输入图像I上的点进行平滑处理，具体包括：

步骤2.1，对于图像I中的点i，查找其邻域窗口内的相关点j；

通过计算颜色、亮度和色调上的相关度来判断点i与其领域内的点j是否为相关点；

颜色相关度计算公式为：其中I_i为点i在RGB空间中对应三通道的颜色值，σ_c为局部领域颜色方差；

亮度相关度计算公式为:其中L_i为点i的亮度值，本发明用图像在Lab色彩空间中L通道的数据来表示，σ_l为局部领域亮度方差；

色调相关度为计算公式:这里H_i为点i的色调，本发明用HIS色彩空间的H通道的值来表示；HIS色彩空间的H通道为色调分量，其计算公式为：

其中R,G,B分别为图像在RGB色彩空间对应三通道的值；σ_h为局部领域色调方差；