引言

在一定的光照環(huán)境下，通過光線的反射可形成的光學(xué)圖像因為物理表面材質(zhì)的不同，經(jīng)常會出現(xiàn)局部的高光反射區(qū)域。由于高光遮掩了物體的原有形狀、顏色、紋理等特征，對目標(biāo)的檢測與識別都會產(chǎn)生很大的干擾，如人臉的高光問題是證件相片處理中的一個常見問題。

Shafer提出的雙色反射模型給出了圖像成像過程中，景物表面的光強(qiáng)分布模型。Klmker發(fā)現(xiàn)，在RGB顏色空間中,漫反射像素和高光像素形成一個r形分布，該分布特性一定程度地描述了高光區(qū)域的特性。Tan等人發(fā)表了一系列在色度空間上分離漫反射和高光反射分量的方法，對于顏色豐富圖像的高光去除有較好的效果。但是，該方法基于相機(jī)響應(yīng)為線性的假設(shè)，使得實(shí)際拍攝的大部分圖像均無法獲得理想的效果。為此，本文提出了基于參數(shù)自適應(yīng)確定的伽馬變換下的漫反射分離方法，實(shí)現(xiàn)對實(shí)際拍攝圖像的高光去除。

1基于雙色反射模型的高光去除原理

1.1雙色反射模型

圖1所示是雙色反射模型的示意圖，圖像中的景物顏色是由漫反射和鏡面反射分量兩部分組成，鏡面反射分量反映了光源的顏色，漫反射分量反映了物體本身的顏色。

圖1雙色反射模型

基于雙色反射模型和數(shù)碼相機(jī)的成像原理，圖像亮度可用下式描述：

和ω（sx）是漫反射和鏡面反射的權(quán)值系數(shù)；S（λ）是漫反射的光譜反射函數(shù)；E（λ）是光源的光譜能量分布函數(shù)；Ω是可見光的光譜集合。因此，這里定義的圖像色度如下：

當(dāng)給定圖像強(qiáng)度U3))和光源色度(廣)(通過顏色恒常法則建立)，并分離得到漫反射分量(xA后，就可得到高光去除的結(jié)果。

1.2分離反射分量

實(shí)際上，分離反射分量的方法可在一個最大色度強(qiáng)度空間中展開。圖2所示是單色圖像在最大色度強(qiáng)度空間上的分布圖。

根據(jù)單色圖像在最大色度強(qiáng)度空間的分布特性，Tan提出了一種分離反射分量的方法。如圖3所示，考慮到高光點(diǎn)的像素值一般很大，所以，將高光像素點(diǎn)三通道的值以相同的步長迭代地減小，將每次遞減的結(jié)果投影到最大色度強(qiáng)度空間，則符合圖3中曲線的分布。這時，給定一個漫反射色度值,如圖3的垂直線，則高光像素點(diǎn)的漫反射分量就是在交點(diǎn)處的值。

基于該分離反射分量原理，對色彩分布豐富的圖像，首先給定同一個漫反射色度，將全圖的所有像素色度均轉(zhuǎn)移到該色度下，獲得一幅同色度圖像，根據(jù)同色度圖與原圖的像素差異，標(biāo)記所有的高光像素。之后，對所有的高光像素通過迭代的方式，以近鄰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。圖4所示就是采用該方法得到的實(shí)驗結(jié)果?？梢钥吹剑驗閳D4(a)是相機(jī)響應(yīng)函數(shù)為線性函數(shù)，因此可以獲得較為理想的高光去除結(jié)果，如圖4(b)所示，但因為圖4(c)為實(shí)際拍攝的圖像，其相機(jī)響應(yīng)函數(shù)為非線性函數(shù)，因此無法得到圖4(d)所示的理想的高光去除效果。

2基于伽馬變換的高光去除

2.1伽馬變換

目前幾乎所有的相機(jī)的光電轉(zhuǎn)換特性，即相機(jī)響應(yīng)函數(shù)都是非線性的，它們可表示為：

其中,I(x)為圖像的像素值;O(x)為景物的光強(qiáng);是冪函數(shù)的指數(shù)，用來衡量非線性部件的轉(zhuǎn)換特性。本文采用了補(bǔ)償?shù)姆椒?，即用伽馬變換的方法獲得線性的相機(jī)響應(yīng)函數(shù)：

其中,I(x)是伽馬變換后的值；max,(i=R,G，B)為原圖的三個顏色通道的最大值。

2.2模型參數(shù)的自適應(yīng)確定方法

本文根據(jù)同色度圖像的分布規(guī)律，給出了參數(shù)自適應(yīng)確定的方法，直接從圖像中給出對『值的估計。圖5所示是當(dāng)參數(shù)Y的估計準(zhǔn)確時,I(x)與。(x)為線性關(guān)系；當(dāng)估計的y小于實(shí)際的值時,I(x)與。(x)的關(guān)系為圖5中下面曲線的關(guān)系；而當(dāng)估計的Y大于實(shí)際的值時,I(x)與。(x)的關(guān)系為圖5中較上面曲線的關(guān)系。

因此，在最大色度強(qiáng)度空間上得到的同色度圖像會呈現(xiàn)如圖6所示的隨著y估計的不同，同色度圖像中的分布，尤其是高光區(qū)的分布與非高光區(qū)域的分布差異也不相同。

圖7所示是不同γ參數(shù)下的三通道分布特性曲線，其中x軸代表1/γ，y軸代表均值。經(jīng)統(tǒng)計原圖中被標(biāo)示為高光區(qū)的對應(yīng)像素在同色度圖像上的三個顏色分量的均值，在γ接近真實(shí)值時，達(dá)到最大值。本文將三個通道均值最大值點(diǎn)所對應(yīng)的γ值取均值，作為每幅圖像的γ自適應(yīng)估計值。

3實(shí)驗結(jié)果分析

圖8所示是實(shí)拍圖像的高光去除測試實(shí)驗結(jié)果示例，針對三幅不同目標(biāo)，可進(jìn)行高光去除的測試實(shí)驗。按照本文方法，估計圖8(a)的γ=0.67，圖8(c)的γ=0.2，圖8(e)的γ=0.22，經(jīng)過漫反射分量的分離，則可得到如圖8(b)、圖8(d)及圖8(f)的高光去除效果。

4結(jié)語

本文提出了一種參數(shù)自適應(yīng)確定的基于伽馬變換的漫反射分量分離方法，在雙色反射模型的基礎(chǔ)上，通過分析最大色度強(qiáng)度空間上構(gòu)造同色度圖像的不同伽馬值的分布特性，確定圖像的模型參數(shù)，完成漫反射分量的分離，實(shí)現(xiàn)對高光的去除。實(shí)驗結(jié)果表明，本方法可自動檢測高光區(qū)域，并對其進(jìn)行顏色及紋理的恢復(fù)。

20211115_6192757f62915__一種實(shí)拍圖像的高光去除方法