简单记录一下学习过程
原理介绍
近期在处理样本的过程中，在对样本的处理的过程中，总是收到样本拍摄过程中光照的影响，查阅了一些资料，决定采取Retinex的方式对图像光照信息进行处理。
图像机理
本次处理过程主要针对单通道的灰度图像（0-255），由二维元素组成，每个元素包含一个坐标 (x,y)和一个响应值f ( x , y ) f(x,y)f (x ,y )，每个元素为数字图像的一个像素。本次处理的样本直接通过固定角度的相机采集而来，经一定处理之后得到待处理的样本图像，我们基于此图像进行一系列的处理。其大致流程如下图所示
得到的图像分量F ( x , y ) F(x,y)F (x ,y )与光照分量I ( x , y ) I(x,y)I (x ,y )和反射分量R ( x , y ) R(x,y)R (x ,y )，他们满足公式：F ( x , y ) = I ( x , y ) ∗ R ( x , y ) F(x,y)=I(x,y)*R(x,y)F (x ,y )=I (x ,y )∗R (x ,y )。其中反射分量反应了所照图像的本质，因此我们的目的是从图像分量中还原出反射分量，反映出图像的本质信息。
; 方法介绍
首先我们需要明确，我们所需要的信息即反射分量R ( x , y ) R(x,y)R (x ,y ),我们可以将指数域转化为对数域，通过估计光照分量，计算得到反射分量。l o g [ F ( x , y ) ] = l o g [ I ( x , y ) ] + l o g [ R ( x , y ) ] log[F(x,y)]=log[I(x,y)]+log[R(x,y)]l o g [F (x ,y )]=l o g [I (x ,y )]+l o g [R (x ,y )]
而在估计光照分量时，我们考虑到光照分量属于低频分量，可以利用高斯大核模糊的方式得到估计的光照分量，再用估计出的光照分量转换至对数域最终得到反射分量。
功能实现
主要涉及两部分的内容
- 高斯模糊估计光照分量
- 对数域图像处理以及灰度变换还原图像
程序设计
void Get_Reflect(const Mat& src, Mat& dst, int sigma)
{
Mat doubleImage, gaussianImage, logIImage, logGImage, logRImage,End_My, End_My_log, dst_My;
src.convertTo(doubleImage, CV_64FC1, 1.0, 1.0);
GaussianBlur(doubleImage, gaussianImage, Size(0, 0), sigma);
log(doubleImage, logIImage);
log(gaussianImage, logGImage);
logRImage = logIImage - logGImage;
normalize(logRImage, dst, 0, 255, NORM_MINMAX, CV_8UC1);
}
dst即为需要的反射分量图像
结果展示
原图像：
提取后图像
Original: https://blog.csdn.net/qq_44646352/article/details/126511640
Author: 爱神的箭呵呵
Title: 【Opencv】光照不均匀图像处理-基于Retinex理论
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/644683/
转载文章受原作者版权保护。转载请注明原作者出处！