小波变换模极大值与改进的Retinex在阴影检测与去除中的应用

成艳枝，郑 晟，袁 鹏

(太原理工大学信息工程学院，山西太原 030024)



小波变换模极大值与改进的Retinex在阴影检测与去除中的应用

成艳枝，郑 晟，袁 鹏

(太原理工大学信息工程学院，山西太原 030024)

阴影是由于目标阻塞了光源的直接照射而在场景上形成的暗区域。图像中阴影的存在直接影响了图片的质量，影响目标的提取和跟踪。因此如何消除阴影成为图像处理的关键。文中提出了基于Retinex算法的阴影去除方法。文中首先利用小波变换模极大值检测阴影区域，然后用Retinex算法去除阴影。阴影去除后对画面进行调整，将RGB空间转换到HSV空间，增强V分量的同时，利用S分量随着V分量的增强进行自适应调整，最后将HSV转换到RGB。实验结果表明，该算法在去除阴影的同时细节信息也得到了增强，取得了很好的效果。

阴影；Retinex；画面调整；HSV；RGB

0 引言

阴影是由于目标阻塞了光源的直接照射而在场景上形成的暗区域。它分为自身阴影(self-shadow)和投射阴影(cast-shadow)[1]。没有被照亮的部分目标称为自身阴影，因场景中不透明景物对光源入射光线的遮挡而在位于其后的表面上形成的阴影称为投射阴影[1-4]。自身阴影很难移除，在这里研究的阴影为投射阴影。

本文提出了基于改进的Retinex算法的阴影去除方法。首先利用小波变换模极大值边缘检测阴影区域，然后用Retinex算法去除阴影。阴影去除后对画面进行调整，将RGB空间转换到HSV空间，增强V分量的同时，利用S分量随着V分量的增强进行自适应调整，最后将HSV转换到RGB。实验结果表明，该算法在去除阴影的同时细节信息也得到了增强，取得了很好的效果。

图1显示了改进的Retinex在阴影检测与去除的实现过程，具体实现步骤如图1所示。

图1 流程图

1 算法基本理论

1.1 Retinex理论

SSR算法[5]：

log(R1(x,y))=log(Ii(x,y))-log(Ii(x,y)*F(x,y)),i∈{R,G,B}

(1)

式中：*是卷积运算；F(x,y)为高斯滤波函数。

在高斯环绕Retinex算法基础上使用高斯滤波器对入射光分量进行估计。

由于SSR算法中的高斯函数尺度过于单一，提出了MSR[6]：

(2)

式中：N为尺度个数；wn为权值;G为增益系数;b为偏移量。

为了改进算法，Jobson等[5～6]以中心/环绕空间对立说为基础提出了MSRCR[7]：

(3)

1.2 小波变换模极大值的边缘检测原理

设θ(x,y)是一种光滑的二元函数，满足如下条件：

(4)

(5)

引入记号：

(6)

式中s为尺度。

尺度s在二维子波中如下定义：

(7)

(8)

图像f(x,y)经过平滑函数θs(x,y)，在尺度s作用下的小波变换有两个分量，如下所示：

(9)

模的值与点的方向的计算如下列公式：

(10)

(11)

局部极大值是沿梯度的方向。如果是极大值就保留，否则就删除。

2 改进的Retinex算法

如图1所示，图像阴影的检测与去除可大致分为4个过程，下面就详细说明这4个过程。

2.1 获取灰度值图像

通过计算log(R/G)和log(B/g)在照明正交方向的色度，得到灰度图像。

第一步，计算图像色度(饱和度)。

γR=ρR/ρG,γB=ρB/ρG

(12)

第二步，将其转化为对数域。调查显示，对数值更接近视觉系统。

(13)

最后，获取到特征图像。灰度图像中没有阴影。

(14)

如图3所示，可以看到在这个灰度图像中没有阴影的存在。图2和图3比较可以检测出阴影部分。

图2 原始图像

图3 灰度图像

2.2 阴影检测

检测步骤如下：

(1)对输入图像进行二进制离散平稳小波变换；

(3)最后，计算局部模极大值。

实验结果如图4所示。

图4 小波变换模极大值边缘检测

2.3 Retinex算法

获取阴影区后，将Retinex算法应用到阴影区和非阴影区。综合考虑采用MSRCR，尺度N为3，高斯环绕尺度分别为：15、80、250，权值为0.33。图5所示阴影已经去除。

2.4 图像调整

由于Retinex算法对V分量进行了增强，导致增强后图像的色感产生变化，基于图像全局色彩的考虑，在V分量增强的同时对S分量进行自适应的调整[8]。调整函数如下：

s′(x,y)=s(x,y)+t(v′(x,y)-v(x,y))·λ(x,y)

(15)

(16)

(17)

(18)

式中：

(19)

图5 阴影去除

3 结束语

实验表明，在去除阴影的问题上，采用Retinex算法与图像亮度、色彩度调节相结合的方式比传统的算法视觉效果更好。

Retinex算法检测阴影可以有效的检测到阴影区域，并且结合图像亮度与色彩度调节，图像细节也得到了增强，提供了一个很好的视觉效果，因此可广泛应用到各个研究领域中。

图6 恢复后图像

[1] 王宏.图像分割中阴影去除算法的研究：[学位论文].哈尔滨：哈尔滨工业大学,2008.

[2] 李浩茹.基于支持向量机的车型分类视频检测研究与实现：[学位论文].兰州：兰州理工大学,2008.

[3] 白艳红.基于视频的车型识别技术研究：[学位论文].兰州：兰州理工大学,2009.

[4] 李明.增强现实中物体定位和光照处理研究：[学位论文].杭州：浙江大学,2000.

[5] JOBSON D J,RAHMAN Z U,WOODDELL G A.Properties and performance of a center/surround Retinex.IEEE Transactions on Image Processing,1997,6(3):451-462.

[6] JOBSON D J,RAHMAN Z U,WOODDELL G A.A multiscale forbridging the gap between color images and the human observation of scenes.IEEE Transactions on Image Processing,1997,6(7):965-976.

[7] YAN XIN SHI.Image Enhancement Based on Retinex Theory.Electronic Technology,2007,38(12):32-35.

[8] 秦绪佳,王慧玲,杜轶诚,等.HSV色彩空间的Retinex结构光图像增强算法.计算机辅助设计与图形学报,2013,24(4):488-493.

Application of the Modulus Maxima of Wavelet Transform and Improved Retinex?in?Shadow Detection and Removal

CHENG Yan-zhi,ZHENG Sheng,YUAN Peng

(College of Information Engineering，Taiyuan University of Technology，Taiyuan 030024，China)

Shadow is the dark area which is due to the objective cutting out the sunlight.The existence of the shadow will directly affect the quality of the image，also affect recovering and tracking the target.So how to eliminate the shadow is the key of image processing.Shadow removal method was proposed in this paper based on the Retinex theory.In this paper,we first used the modulus maxima of wavelet transform to detect shaded area,and then used Retinex algorithm to remove the shadow.Some adjustments were made on the image after shadow removal,then we converted RGB space into HSV space,enhancedVcomponent and at the same time adjustScomponent for adaptive adjustment,and finally convert HSV to RGB.The experimental results show that the algorithm not only removes the shadow but also enhances the detail of information,which achieves great effects.

shadow; Retinex; image adjustments; HSV; RGB

2014-08-29 收修改稿日期：2015-02-06

TP391

A

1002-1841(2015)07-0105-03

成艳枝(1990—)，硕士研究生，研究方向为图像处理。E-mail：cheng.yanzhi@163.com。 郑晟(1964—)，副教授，研究方向为图像处理，智能控制及其应用。