一种实拍图像的高光去除方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇一种实拍图像的高光去除方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：根据双色反射模型，通过分离出漫反射分量的方法，获得了对图像中的高光去除的结果。同时，针对双色反射模型要求的相机响应函数必须满足线性关系，但实际拍摄图像为非线性关系的问题，提出了基于参数自适应确定的伽马变换漫反射分离方法。实验结果表明，该方法可对实际拍摄的图像完成有效的高光去除。

关键词：双色反射模型；漫反射分量；伽马变换；高光去除

中图分类号：TP 391.4 文献标识码：A 文章编号：2095-1302（2013）11-0037-03

0 引 言

在一定的光照环境下，通过光线的反射可形成的光学图像因为物理表面材质的不同，经常会出现局部的高光反射区域。由于高光遮掩了物体的原有形状、颜色、纹理等特征，对目标的检测与识别都会产生很大的干扰，如人脸的高光问题是证件相片处理中的一个常见问题。

Shafer[1]提出的双色反射模型给出了图像成像过程中，景物表面的光强分布模型。Klinker[1]发现，在RGB颜色空间中，漫反射像素和高光像素形成一个Γ形分布，该分布特性一定程度地描述了高光区域的特性。Tan[2-4]等人发表了一系列在色度空间上分离漫反射和高光反射a分量的方法，对于颜色丰富图像的高光去除有较好的效果。但是，该方法基于相机响应为线性的假设，使得实际拍摄的大部分图像均无法获得理想的效果。为此，本文提出了基于参数自适应确定的伽马变换下的漫反射分离方法，实现对实际拍摄图像的高光去除。

1 基于双色反射模型的高光去除原理

1.1 双色反射模型

图1所示是双色反射模型[2-4]的示意图，图像中的景物颜色是由漫反射和镜面反射分量两部分组成，镜面反射分量反映了光源的颜色，漫反射分量反映了物体本身的颜色。

图1 双色反射模型

基于双色反射模型和数码相机的成像原理，图像亮度可用下式描述：

（1）

其中，I=[IR，IG，IB，]是图像亮度； q（λ）是传感器灵敏度； ωd（x）和ωs（x）是漫反射和镜面反射的权值系数；S（λ）是漫反射的光谱反射函数；E（λ）是光源的光谱能量分布函数；Ω是可见光的光谱集合。因此，这里定义的图像色度如下：

（2）

同理，也可定义漫反射色度Λ和镜面反射色度Γ如下：

（3）

（4）

当给定图像强度（I（x））和光源色度（Γ）（通过颜色恒常法则建立），并分离得到漫反射分量md（x）Λ后，就可得到高光去除的结果。

1.2 分离反射分量

实际上，分离反射分量[2-4]的方法可在一个最大色度强度空间中展开。图2所示是单色图像在最大色度强度空间上的分布图。

（a） 单色图像 （b） 图（a）在最大色度强度空间的分布

图2 单色图像在最大色度强度空间的分布

根据单色图像在最大色度强度空间的分布特性，Tan提出了一种分离反射分量的方法。如图3所示，考虑到高光点的像素值一般很大，所以，将高光像素点三通道的值以相同的步长迭代地减小，将每次递减的结果投影到最大色度强度空间，则符合图3中曲线的分布。这时，给定一个漫反射色度值，如图3的垂直线，则高光像素点的漫反射分量就是在交点处的值。

图3 分离反射分量原理图

基于该分离反射分量原理，对色彩分布丰富的图像，首先给定同一个漫反射色度，将全图的所有像素色度均转移到该色度下，获得一幅同色度图像，根据同色度图与原图的像素差异，标记所有的高光像素。之后，对所有的高光像素通过迭代的方式，以近邻像素中的最大色度值替代后，即可得到去除高光后的漫反射分量。图4所示就是采用该方法得到的实验结果。可以看到，因为图4（a）是相机响应函数为线性函数，因此可以获得较为理想的高光去除结果，如图4（b）所示，但因为图4（c）为实际拍摄的图像，其相机响应函数为非线性函数，因此无法得到图4（d）所示的理想的高光去除效果。

（a） 原图1 （b） 图（a）的结果

（c） 原图2 （d） 图（c）的结果

图4 Tan方法的图像高光去除的效果示例

2 基于伽马变换的高光去除

2.1 伽马变换

目前几乎所有的相机的光电转换特性，即相机响应函数都是非线性的，它们可表示为：

（5）

其中，I（x）为图像的像素值；O（x）为景物的光强；γ是幂函数的指数，用来衡量非线性部件的转换特性。本文采用了补偿的方法，即用伽马变换的方法获得线性的相机响应函数：

（6）

其中，I'（x）是伽马变换后的值；maxi（i=R，G，B）为原图的三个颜色通道的最大值。

2.2 模型参数的自适应确定方法

本文根据同色度图像的分布规律，给出了参数自适应确定的方法，直接从图像中给出对γ值的估计。图5所示是当参数γ的估计准确时，I'（x）与O（x）为线性关系；当估计的γ小于实际的值时，I'（x）与O（x）的关系为图5中下面曲线的关系；而当估计的γ大于实际的值时，I'（x）与O（x）的关系为图5中较上面曲线的关系。

图5 参数 校正曲线

因此，在最大色度强度空间上得到的同色度图像会呈现如图6所示的随着γ估计的不同，同色度图像中的分布，尤其是高光区的分布与非高光区域的分布差异也不相同。

（a） 原图1 （b） γ=0.5

（c） γ=0.25 （d） γ=0.167

图6 不同γ值对应的同色度图像对比

图7所示是不同γ参数下的三通道分布特性曲线，其中x轴代表1/γ，y轴代表均值。经统计原图中被标示为高光区的对应像素在同色度图像上的三个颜色分量的均值，在γ接近真实值时，达到最大值。本文将三个通道均值最大值点所对应的γ值取均值，作为每幅图像的γ自适应估计值。