郭碧茹,孔韋韋,陳 斌
1.西安郵電大學(xué) 計(jì)算機(jī)學(xué)院,西安 710121
2.陜西省網(wǎng)絡(luò)數(shù)據(jù)分析與智能處理重點(diǎn)實(shí)驗(yàn)室,西安 710121
機(jī)器視覺應(yīng)用過程中涉及的檢測算法與采圖效果有很強(qiáng)的關(guān)聯(lián)性。然而,在實(shí)際場景中,由于環(huán)境光的限制,導(dǎo)致很多情況下無法獲得理想的打光效果。譬如,當(dāng)目標(biāo)物體的表面較為光滑時,可能會出現(xiàn)反光現(xiàn)象,而反光部分在圖像中通常是顯著區(qū)別于周圍顏色的高光區(qū)域,在該區(qū)域中,目標(biāo)物體原有的紋理、形狀、顏色等特征都會出現(xiàn)不同程度的減弱甚至消失。與此同時,圖像中高光區(qū)域的存在,還會直接導(dǎo)致圖像分割[1]、圖像識別[2]及特征匹配[3]過程中產(chǎn)生錯誤。因此,圖像中高光區(qū)域的存在是影響機(jī)器視覺應(yīng)用的一個重要問題,有必要研究如何去除圖像中的高光從而恢復(fù)物體的原有特征的有效方法。
針對該問題,國內(nèi)外主流解決方法大致分為兩類:基于實(shí)驗(yàn)室標(biāo)定的序列圖像高光補(bǔ)償方法[4]以及基于雙色反射模型[5]的單張圖像高光去除方法。因?yàn)榛谛蛄袌D像高光補(bǔ)償?shù)姆椒▽庠吹臄?shù)量和位置變化有要求[6],實(shí)際情況下往往難以獲得合格的序列圖像,因此,對單張圖像的高光去除方法顯得尤為重要。
基于單張圖像的高光去除方法主要基于由鏡面反射和漫反射構(gòu)成的雙色反射模型。Shafer[5]率先提出了能夠分離鏡面反射分量的雙色反射模型。之后,Tan等[7]根據(jù)Shafer的研究,將像素點(diǎn)投射到最大強(qiáng)度色度空間,采用從鏡面到漫射機(jī)制和強(qiáng)度對數(shù)微分的方法,分離出了漫反射分量和鏡面反射分量,但在分離過程中,像素點(diǎn)色度發(fā)生了變化,從而導(dǎo)致圖像的顏色失真;鄭芝寰等[8]為解決顏色失真的問題,提出基于色度聚類的高光區(qū)域選取算法和利用MSF圖像尋找高光點(diǎn)的體色度的算法,但計(jì)算過程較為復(fù)雜;Yang等[9]基于漫反射分量的最大部分在彩色圖像中平滑變化的特性,將低通濾波器應(yīng)用到顏色分量的最大部分用于估計(jì)鏡面反射分量,該方法可以去除高光,但是對于黑色像素點(diǎn)會出現(xiàn)褪色和紋理缺失現(xiàn)象;高如新等[10]針對褪色和紋理缺失問題,將漫反射分量的像素點(diǎn)和鏡面反射分量的像素點(diǎn)加以分離,應(yīng)用雙邊濾波器對兩類像素點(diǎn)的最大漫反射色度分別進(jìn)行了估算,去除了鏡面反射分量,但由于雙邊濾波出現(xiàn)了梯度反轉(zhuǎn),導(dǎo)致一些圖像出現(xiàn)了偽影[11];許麗等[12]針對高光區(qū)域顏色失真和紋理缺失的現(xiàn)象,采用x-means聚類算法,在最大最小色度空間進(jìn)行像素聚類,最終將漫反射像素點(diǎn)與鏡面反射像素點(diǎn)分離,但x-means聚類算法需要用戶初始輸入最小聚類數(shù)和最大聚類數(shù)方可運(yùn)行,這導(dǎo)致聚類結(jié)果依賴于人工設(shè)定的聚類數(shù)。
在此背景下,為了防止黑色像素點(diǎn)褪色、較好地保留圖像邊緣和紋理信息、避免偽影,本文提出了一種導(dǎo)向?yàn)V波的高光去除改進(jìn)算法。該算法通過設(shè)定閾值將圖像中的黑色像素加以分離,并分別估算黑色像素和其他像素的最大漫反射色度;同時,該算法還利用導(dǎo)向?yàn)V波器保邊濾波和梯度保持的優(yōu)點(diǎn),對最大色度圖進(jìn)行了平滑處理,最大限度地保留了圖像的邊緣和紋理,避免了偽影效應(yīng);此外,本文在分離漫反射分量時,根據(jù)公式中分母與設(shè)定閾值的關(guān)系,將像素點(diǎn)劃分為兩類,并采用不同方法實(shí)現(xiàn)了漫反射分量的精確分離。根據(jù)實(shí)驗(yàn)結(jié)果,該算法相比于傳統(tǒng)算法,在防止黑色像素褪色、保留圖像邊緣紋理信息和避免偽影方面均表現(xiàn)出優(yōu)勢。
本文算法基于Tan等的基于雙色反射的高光去除模型[7]。任意光線的反射能量都可以分為漫反射和鏡面反射兩種分量,不同光線中兩種分量所占的比例不同。文獻(xiàn)[5]提出,圖像中任意像素點(diǎn)的反射光線可以表示為:
文獻(xiàn)[7]對圖像中任意像素點(diǎn)的色度進(jìn)行了定義:其中,α(x)代表像素顏色有關(guān)的色度,β(x)代表漫反射色度,γ(x)代表鏡面反射色度。
同時,文獻(xiàn)[7]定義任意像素點(diǎn)的最大色度為:
定義任意像素點(diǎn)的最大漫反射色度為:
假設(shè)光源為標(biāo)準(zhǔn)白光,文獻(xiàn)[7]提出,圖像中每一個像素點(diǎn)的漫反射分量I d(x)可以表示為:
其中,αmax(x)、Imax(x)容易求出,但最大漫反射色度βmax(x)并非已知。因此,若能求解βmax(x),便可得到每個像素點(diǎn)的漫反射分量,故圖像的高光去除問題可以簡化為每個像素點(diǎn)的最大漫反射色度βmax(x)的求取問題。
進(jìn)一步的,文獻(xiàn)[9]提出,最大漫反射色度βmax(x)可用式(7)進(jìn)行估計(jì):
給定一幅含高光的toys圖像(圖1(a)),文獻(xiàn)[9]對每個像素點(diǎn)的最大色度加以求解,得到了toys圖像的最大色度圖(圖1(b))。設(shè)置最大漫反射色度βmax(x)的估計(jì)值為常數(shù)0.5,使用式(5)、式(6)提取出漫反射分量,然后根據(jù)所提取的漫反射分量計(jì)算最大漫反射色度,得到最大漫反射色度圖(圖1(c))。通過觀察最大漫反射色度圖不難發(fā)現(xiàn),在表面顏色相似的局部區(qū)域,最大漫反射色度的方差非常小,具有局部平滑的特征。進(jìn)一步比較最大色度圖和最大漫反射色度圖得知,二者的區(qū)別僅在于高光部分。因此,對最大色度圖應(yīng)用低通濾波,將會平滑高光引起的方差,得到真正的最大漫反射色度βmax(x)。
圖1 文獻(xiàn)[9]的最大色度圖和最大漫反射色度圖Fig.1 Maximum chromaticity image and maximum diffuse chromaticity image of literature[9]
因而,最大漫反射色度的估算值βmax(x)所對應(yīng)的灰度圖可以作為引導(dǎo)圖來平滑最大色度圖αmax(x),從而獲得每個像素點(diǎn)濾波后的最大色度顯然,濾波后的最大色度比αmax(x)更接近βmax(x)。然而,在平滑過程中,漫反射像素點(diǎn)也會被鏡面反射像素點(diǎn)影響,導(dǎo)致漫反射像素點(diǎn)濾波后的灰度值略低于濾波前的灰度值,即漫反射像素點(diǎn)的略小于αmax(x)。然而,由于漫反射像素點(diǎn)不包含鏡面反射分量,其最大漫反射色度值與最大色度值相等。因此,文獻(xiàn)[9]為了消除漫反射像素點(diǎn)所受到的影響,選取與αmax(x)兩者中的最大值,作為真實(shí)的最大漫反射色度值βmax(x),即:
最后,將βmax(x)代入式(6)得到,再將代入式(5)中,可得到圖像的漫反射分量I d(x),I d(x)即為原圖像去除高光后的圖像。
基于第1章的分析可以得到傳統(tǒng)的圖像高光去除算法。
步驟1提取原圖像中每個像素點(diǎn)的RGB三通道值,代入式(3)計(jì)算每個像素點(diǎn)的最大色度αmax(x),得到最大色度圖。
步驟2通過式(7)計(jì)算每個像素點(diǎn)的最大漫反射色度估算值βmax(x),得到最大漫反射色度估算圖。
步驟3采用雙邊濾波器對最大色度圖過濾高光,并在此過程中,將最大漫反射色度估算圖作為濾波引導(dǎo)圖像,得到濾波后的最大色度
步驟4在得到每個像素點(diǎn)的濾波后的最大色度后,將其與濾波前的最大色度αmax(x)進(jìn)行比較,取較大值作為真實(shí)的最大漫反射色度值βmax(x)。
步驟5將βmax(x)代入式(6),得到,再將代入式(5)中,得到每個像素點(diǎn)的漫反射分量I d(x),由每個像素點(diǎn)的漫反射分量I d(x)構(gòu)成的圖像即為原圖像去除高光后的圖像。
通過研究發(fā)現(xiàn),基于現(xiàn)有文獻(xiàn)所提出的算法,去除高光后的效果圖中有部分原圖像顏色為黑色的區(qū)域在去除高光后發(fā)生了褪色,且同時產(chǎn)生了光暈。文獻(xiàn)[9]和文獻(xiàn)[13]中的cups圖像的原圖像和去除高光后的效果圖如圖2所示。
圖2 文獻(xiàn)[9]、文獻(xiàn)[13]去除高光效果圖Fig.2 Highlight removal effect of literature[9]and literature[13]
在圖2(b)和圖2(c)中,女孩的頭部以及頭部以上區(qū)域由原圖像中的黑色褪色為了灰色,并產(chǎn)生了不同程度的光暈。由此發(fā)現(xiàn),上述文獻(xiàn)在對黑色的像素點(diǎn)進(jìn)行去高光處理時出現(xiàn)了錯誤。究其原因,文獻(xiàn)[9]和文獻(xiàn)[13]在步驟2中均采用傳統(tǒng)算法計(jì)算最大漫反射色度的估算值,而傳統(tǒng)算法利用式(7)計(jì)算最大漫反射色度估算值。對于黑色的像素,RGB三通道值均較小且RGB三通道值之間差值較小,使得式(7)中分子αmax(x)-αmin(x)的值接近于0,導(dǎo)致計(jì)算出的最大漫反射色度的估算值與實(shí)際值產(chǎn)生了偏差。
因此,本文設(shè)定閾值th1∈[10,20],即th1為區(qū)間[10,20]中的某一設(shè)定值。當(dāng)某像素點(diǎn)的三通道值中的最大值小于閾值th1時,將該像素點(diǎn)視為黑色像素。由于圖像中的高光通常接近于白光,而黑色像素三通道值中的最大值小于閾值th1,因此可以認(rèn)為黑色像素不含高光部分,即黑色像素點(diǎn)為漫反射像素點(diǎn)。漫反射像素點(diǎn)的最大漫反射色度等于像素點(diǎn)的最大色度。因此,區(qū)別于傳統(tǒng)算法,將包括黑色像素在內(nèi)的每個像素點(diǎn)的最大漫反射色度的估算值β?max(x)進(jìn)行統(tǒng)一計(jì)算,本文將黑色像素的最大漫反射色度的估算值β?max(x)置為最大色度值αmax(x),從而避免對黑色像素的最大漫反射值產(chǎn)生錯誤估計(jì)。
漫反射像素點(diǎn)的最大漫反射色度值等于最大色度值的證明如下:
基于上述改進(jìn)的最大漫反射色度估算值的計(jì)算方法,得到本文的最大漫反射色度估算圖,并采用傳統(tǒng)算法計(jì)算得到傳統(tǒng)最大漫反射色度估算圖。本文最大漫反射色度估算圖和傳統(tǒng)最大漫反射色度估算圖如圖3所示。
圖3 本文最大漫反射色度和傳統(tǒng)最大漫反射色度估算圖Fig.3 Proposed maximum diffuse chromaticity and traditional maximum diffuse chromaticity estimation images
可以看出,相比于傳統(tǒng)的最大漫反射色度估算圖,本文對于黑色像素的最大漫反射色度的估計(jì)更為準(zhǔn)確,使得黑色像素的區(qū)域更為顯著,圖像的邊緣和細(xì)節(jié)更清晰,有利于最大漫反射色度估算圖在作為引導(dǎo)圖引導(dǎo)平滑過程時能夠更好地保留圖像邊緣和細(xì)節(jié)。
雙邊濾波器雖然能保邊濾波,但對于圖像的細(xì)節(jié)和紋理信息保留較差,且在像素點(diǎn)周圍相似亮度的像素點(diǎn)很少時,輸出亮度會變暗,引起梯度反轉(zhuǎn),導(dǎo)致光暈偽影的出現(xiàn)。針對雙邊濾波器的缺陷,在傳統(tǒng)算法的步驟3中,本文決定采用導(dǎo)向?yàn)V波器[14]來平滑高光。
導(dǎo)向?yàn)V波器引入了一個包含導(dǎo)向圖像和輸入圖像的局部線性模型,其中,導(dǎo)向圖像作為濾波內(nèi)容圖像,對輸入圖像進(jìn)行引導(dǎo)濾波,這就保證了導(dǎo)向?yàn)V波既可以平滑噪聲,又可以保留導(dǎo)向圖像的邊緣紋理信息。同時,導(dǎo)向?yàn)V波的權(quán)值不僅取決于歐式距離,還取決于亮度差,這就避免了由于亮度差導(dǎo)致的偽影效應(yīng)。
假設(shè)導(dǎo)向?yàn)V波的輸入圖像為P,輸出圖像為q。則輸出圖像q可以表示為:
其中,I i為導(dǎo)向圖像I的像素值,ωk為濾波窗口為窗口ωk中像素點(diǎn)的個數(shù),另外,
其中,μk和分別是導(dǎo)向圖I在窗口ωk中的均值和方差,ε是正則化參數(shù)。
為了方便對比,本文分別采用雙邊濾波器和導(dǎo)向?yàn)V波器,在相似的濾波強(qiáng)度下進(jìn)行平滑濾波,雙邊濾波的效果圖和導(dǎo)向?yàn)V波的效果圖如圖4所示。
圖4 雙邊濾波和導(dǎo)向?yàn)V波效果圖Fig.4 Result image of bilateral filter and guided filter
可以看出,圖4(a)中存在較多未被完全平滑的高光區(qū)域,如右側(cè)玩具的雙臂,同時部分漫反射像素點(diǎn)被過度平滑,如圖4(a)框選部分的物體已經(jīng)被平滑得很模糊;此外,相比圖4(b),圖4(a)的邊緣部分較為模糊。細(xì)節(jié)信息的保留程度也較差,例如在圖4(a)中,魚眼和魚尾部位的紋理相比圖4(b)顯得模糊。因此,總體上看,相比于雙邊濾波,導(dǎo)向?yàn)V波在邊緣和細(xì)節(jié)方面表現(xiàn)更好。
此外,導(dǎo)向?yàn)V波算法的時間復(fù)雜度與濾波半徑的大小無關(guān),因此在采用較大濾波半徑處理圖像時效率更高;而采用雙邊濾波平滑高光,包括了兩個卷積運(yùn)算,時間成本較高。本文采用導(dǎo)向?yàn)V波器在運(yùn)行效率上有明顯的提升。在上述圖4的濾波處理中,雙邊濾波的處理時間為5.054 s,導(dǎo)向?yàn)V波的處理時間為0.145 s,導(dǎo)向?yàn)V波的處理效率提高了35倍。
在傳統(tǒng)算法的步驟5中,將βmax(x)代入式(6)中可得到圖像的漫反射分量∑I d(x)。
在仿真實(shí)驗(yàn)過程中,當(dāng)式(6)的分母αmax(x)(3βmax(x)-1)接近于0時,得到的∑I d(x)數(shù)值相比真實(shí)值大很多。因此,本文針對漫反射分量的計(jì)算方法加以了改進(jìn)。
記f(x)=αmax(x)(3βmax(x)-1),閾值th2∈[10-6,10-4],即th2為區(qū)間[10-6,10-4]中的某個設(shè)定值。依據(jù)閾值th2將圖像中的像素點(diǎn)分為兩類,第一類像素點(diǎn)為f(x)≤th2的像素點(diǎn),第二類像素點(diǎn)為f(x)>th2的像素點(diǎn)。
對于第一類像素點(diǎn),因f(x)≤th2,則有f(x)→0,因此有αmax(x)→0或(3βmax(x)-1)→0。下面對αmax(x)→0和(3βmax(x)-1)→0兩種情況分別作以分析:
(1)αmax(x)→0的情況
(2)(3βmax(x)-1)→0的情況
若(3βmax(x)-1)→0,則有:
由此可得出:因?yàn)榧僭O(shè)光源為標(biāo)準(zhǔn)白光,而標(biāo)準(zhǔn)白光的色度坐標(biāo)[14]為,R為,G為B為,因此有:
由式(16)可知,該像素點(diǎn)的鏡面反射分量為0,因此,該像素點(diǎn)為漫反射像素點(diǎn)。因此,該像素點(diǎn)的三通道值的漫反射分量分別與該像素點(diǎn)的三通道值相同。
綜合上述(1)和(2)兩種情況可得出,第一類像素點(diǎn)的三通道值的漫反射分量分別與該像素點(diǎn)的三通道值相同。
對于第二類像素點(diǎn),由于f(x)>th2,因此可直接根據(jù)式(6)與式(5)計(jì)算漫反射分量I d(x)。
綜上,本文在傳統(tǒng)算法的步驟5中計(jì)算圖像中每個像素點(diǎn)的漫反射分量時,首先根據(jù)f(x)和th2的大小關(guān)系判斷像素點(diǎn)屬于哪一類像素點(diǎn),然后根據(jù)像素點(diǎn)的類別采用不同方法計(jì)算該像素點(diǎn)的漫反射分量,這樣避免了在分母接近于0時對∑I d(x)的錯誤計(jì)算。
綜合本節(jié)內(nèi)容,得到本文的圖像高光去除算法流程圖如圖5所示。
圖5 本文算法流程圖Fig.5 Flow chart of algorithm in this paper
為了驗(yàn)證本文算法的有效性,本文選取目前視覺效果較好的文獻(xiàn)提出的算法加以比較。本文所使用的計(jì)算機(jī)配置為Intel64 Family 6 Model 142 Stepping 11 GenuineIntel~1 800 MHz的處理器,4 GB內(nèi)存,64位版本的Windows操作系統(tǒng)以及MATLAB R2019b軟件。
Toys圖像去除高光后的效果如圖6所示。不難看出,在圖6(c)、圖6(d)中,魚眼白部位的顏色發(fā)紅,與原圖像該位置的白色差別明顯。這是因?yàn)轸~眼白部分與魚眼珠、眼圈部分亮度差異較大,文獻(xiàn)[10]和文獻(xiàn)[13]在雙邊濾波過程中產(chǎn)生了梯度反轉(zhuǎn),使魚眼白部分受到周邊梯度域顏色的影響產(chǎn)生了偽影。本文由于采用了導(dǎo)向?yàn)V波,魚眼白部位的顏色沒有發(fā)生偏差,與輸入圖顏色相同。并且,本文算法得出的圖像邊緣輪廓和紋理細(xì)節(jié)都更為清晰,視覺效果更好。
圖6 toys圖像去除高光效果圖Fig.6 Highlight removal effect of toys image
為了進(jìn)行更為全面的比較,本文針對masks、cups、fruits、animals四幅圖像進(jìn)行去除高光處理,并與文獻(xiàn)[11]、文獻(xiàn)[13]、文獻(xiàn)[15]得出的結(jié)果進(jìn)行了對比。
圖7給出了masks圖像去除高光后的效果圖。masks圖像包括有較多紋理??梢钥吹轿墨I(xiàn)[13]的算法在臉部具有明顯的光暈,文獻(xiàn)[11]、文獻(xiàn)[15]臉部的高光也去除得不太徹底。綜合來看,本文算法對高光的去除較為徹底。
圖7 masks圖像去除高光效果圖Fig.7 Highlight removal effect of masks image
圖8給出了cups圖像去除高光后的效果圖??梢钥吹?,相比于原圖像,文獻(xiàn)[11]算法得到的圖像對比度不佳;基于文獻(xiàn)[13]的算法,女孩的頭頂產(chǎn)生了光暈,產(chǎn)生光暈的原因在于該方法不能很好地處理黑色像素;此外,文獻(xiàn)[13]和文獻(xiàn)[15]右側(cè)杯子的高光去除也不徹底。本文算法女孩頭頂沒有光暈,且右側(cè)杯子的高光去除得較好。
圖8 cups圖像去除高光效果圖Fig.8 Highlight removal effect of cups image
圖9給出了fruits圖像去除高光后的效果圖。該圖像在不同水果表面上具有不同形狀的高光。可以發(fā)現(xiàn),文獻(xiàn)[13]和文獻(xiàn)[15]對于黃色水果的高光去除得不是很徹底,本文算法在視覺效果上與真實(shí)值最為接近。
圖9 fruits圖像去除高光效果圖Fig.9 Highlight removal effect of fruits image
圖10給出了animals圖像去除高光后的效果圖??梢钥吹接覀?cè)兔子耳朵處的高光比較難以去除。文獻(xiàn)[11]的算法高光去除得較好,但圖像紋理模糊;文獻(xiàn)[15]因?yàn)槿コ诉^多的高光導(dǎo)致線條變淡;文獻(xiàn)[13]和本文算法去除高光效果相當(dāng),但本文色彩更接近于真實(shí)值。
圖10 animals圖像去除高光效果圖Fig.10 Highlight removal effect of animals image
本文算法與其他算法的峰值信噪比值(PSNR)對比結(jié)果如表1所示。
表1 不同算法的PSNR值對比Table 1 Comparison of PSNR of different algorithms dB
從表1可以看出,與其他算法相比,本文算法對應(yīng)的PSNR指標(biāo)表現(xiàn)最好,與視覺效果表現(xiàn)基本一致。因此,本文算法無論在主觀視覺效果還是客觀評價(jià)結(jié)果方面均優(yōu)于傳統(tǒng)算法。
本文算法與其他算法的運(yùn)行時間對比結(jié)果如表2所示。
表2 不同算法的運(yùn)行時間對比Table 2 Comparison of running time of different algorithms s
從表2可以看出,在算法運(yùn)行時間方面,本文算法的表現(xiàn)最優(yōu)。文獻(xiàn)[11]在使用x-means聚類算法過程中,需要迭代進(jìn)行2-means聚類,并計(jì)算貝葉斯信息準(zhǔn)則分?jǐn)?shù)以確定最優(yōu)分類數(shù),從而導(dǎo)致運(yùn)行時間過長;文獻(xiàn)[13]和文獻(xiàn)[15]也涉及到聚類算法,需要多次迭代確定聚類簇,導(dǎo)致運(yùn)行時間較長。本文算法采用的導(dǎo)向?yàn)V波為時間復(fù)雜度為O(1)的快速濾波器,整體提高了運(yùn)行效率,使得本文算法適用于實(shí)時處理。
針對圖像高光去除問題,本文進(jìn)行了理論分析和實(shí)驗(yàn)觀察,從中發(fā)現(xiàn)傳統(tǒng)算法的一些問題。首先,傳統(tǒng)算法在計(jì)算最大漫反射色度時對黑色像素沒有進(jìn)行分開處理,導(dǎo)致對黑色像素的最大漫反射色度估算產(chǎn)生偏差;其次,傳統(tǒng)算法使用雙邊濾波器對最大色度圖進(jìn)行濾波,導(dǎo)致紋理細(xì)節(jié)部分沒有得到很好保留且出現(xiàn)了偽影;此外,傳統(tǒng)算法在濾波后計(jì)算漫反射分量時,忽略了公式中分母接近于0的情況,導(dǎo)致計(jì)算結(jié)果比真實(shí)值大。針對傳統(tǒng)算法中存在的上述缺陷,本文提出了一種導(dǎo)向?yàn)V波的高光去除改進(jìn)算法。首先,通過閾值th1分離出圖像中的黑色像素,并分別估算黑色像素和其他像素的最大漫反射色度;其次,利用導(dǎo)向?yàn)V波器保邊濾波和梯度保持的優(yōu)點(diǎn),對最大色度圖進(jìn)行平滑處理,從而最大限度地保留了圖像的邊緣和紋理,避免了偽影效應(yīng),且相比于采用雙邊濾波,運(yùn)行效率得到了提升;此外,本文在分離漫反射分量時,根據(jù)公式中分母與閾值th2的關(guān)系,將像素點(diǎn)分為兩類,分別采用不同方法實(shí)現(xiàn)了漫反射分量的精確分離。客觀評價(jià)指標(biāo)和主觀視覺感受表明,本文算法相比于傳統(tǒng)算法,在防止黑色像素褪色、保留圖像邊緣紋理信息和避免偽影方面均表現(xiàn)出優(yōu)勢。
然而,本文對于高光區(qū)域占比較大的圖像處理效果不太理想,這是因?yàn)楸疚氖菍⒏吖鈪^(qū)域作為噪點(diǎn)進(jìn)行去高光處理,對于高光區(qū)域占比較大的圖像,濾波算法不能很好地區(qū)分噪聲對象和需保留的對象,導(dǎo)致濾波效果較差。因此,未來的研究方向是如何對高光區(qū)域占比較大的圖像進(jìn)行去高光處理。