【Opencv】光照不均匀图像处理-基于Retinex理论

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$f(x,y)$，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$F(x,y)$与光照分量$I(x,y)$和反射分量$R(x,y)$，他们满足公式：$F(x,y)=I(x,y)\ast R(x,y)$。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$R(x,y)$,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。$log[F(x,y)]=log[I(x,y)]+log[R(x,y)]$
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;
	//转换范围，所有图像元素增加1.0保证log操作正常,防止溢出
	src.convertTo(doubleImage, CV_64FC1, 1.0, 1.0);
	
	//高斯模糊，当size为零时将通过sigma自动进行计算
	GaussianBlur(doubleImage, gaussianImage, Size(0, 0), sigma);
	
	//OpenCV的log函数可以计算出对数值。logIImage和logGImage就是对数计算的结果。
	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