一种本征图像分解方法与流程

本发明涉及一种图像处理方法，尤其是涉及一种本征图像分解的方法。

背景技术：

本征图像分解是计算机视觉中的一个基础问题，给定一幅输入图像，需要分解出对应的阴影本征图片和反射率本征图片，早期的本征图分解算法Retinex算法模拟了人眼的光照不变性，但对图片中的高光和软阴影处理效果不好，从而导致分离效果不好，同时算法存在分解速度慢的缺点。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种本征图像分解方法。

本发明的目的可以通过以下技术方案来实现：

一种本征图像分解方法，该方法包括如下步骤:

(1)获取原始图片，对原始图片进行边缘平滑降噪处理得到保持边缘平滑的中间图片；

(2)对保持边缘平滑的中间图片进行本征图像分解得到原始图片的阴影本征图片和反射率本征图片。

步骤(1)具体为：

(101)将原始图片颜色由RGB空间变换到CIELab空间，得到各像素点的L、a、b分量，并将L、a、b分量归一化到[0,1]，其中L表示纯黑到纯白取值大小，a表示红色到绿色的取值，b表示黄色到蓝色的取值；

(102)根据原始图片的各像素点的L、a、b分量求取边缘平滑能量函数，并采用分离布雷格曼方法得到保持边缘平滑的中间图片。

步骤(2)具体为：

对保持边缘平滑的中间图片中的像素点进行聚类处理，分别提取表征阴影和反射率的像素点并进行归一化处理，进而得到阴影本征图片和反射率本征图片。

进行聚类处理时采用自动确定聚类数目的混合模型进行聚类处理。

所述的自动确定聚类数目的混合模型为狄利克雷过程高斯混合模型。

与现有技术相比，本发明具有如下优点：

(1)本发明进行本征图像分解首先对原始图片进行边缘平滑降噪处理，然后在获取阴影本征图片和反射率本征图片，得到的阴影本征图片和反射率本征图片分解效果好；

(2)本发明采用分离布雷格曼方法进行边缘平滑降噪处理，采用狄利克雷过程高斯混合模型自动确定聚类数目并进行聚类，处理过程中速度快。

附图说明

图1为本发明本征图像分解方法的流程框图；

图2为本发明进行本征图像分解的结果图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种本征图像分解方法，该方法包括如下步骤：

步骤1：获取原始图片，对原始图片进行边缘平滑降噪处理得到保持边缘平滑的中间图片；

步骤2：对保持边缘平滑的中间图片进行本征图像分解得到原始图片的阴影本征图片和反射率本征图片。

步骤1具体为：

(101)将原始图片颜色由RGB空间变换到CIELab空间，得到各像素点的L、a、b分量，并将L、a、b分量归一化到[0,1]，其中L表示纯黑到纯白取值大小，a表示红色到绿色的取值，b表示黄色到蓝色的取值；

(102)根据原始图片的各像素点的L、a、b分量求取边缘平滑能量函数，并采用分离布雷格曼方法得到保持边缘平滑的中间图片。

步骤2具体为：

对保持边缘平滑的中间图片中的像素点进行聚类处理，分别提取表征阴影和反射率的像素点并进行归一化处理，进而得到阴影本征图片和反射率本征图片。进行聚类处理时采用自动确定聚类数目的混合模型进行聚类处理，这里自动确定聚类数目的混合模型为狄利克雷过程高斯混合模型。

图2所示为采用本发明方法进行本征图像分解的结果，图2(a)、(b)和(c)分别为3张原始图片进行本征图像分解得到的结果。图2(a)、(b)和(c)中从左到右分别为原始图片、阴影本征图片和反射率本征图片。从图中可以看出，本发明发放可以很好地处理高光和软阴影，例如，对于图2(b)的图片，窗帘上由折叠引起的软阴影变化和沙发上的高光主要被保存在阴影图片中，在反射率图片中已经基本上被移除，而其他方法一般都会将这些信息仍遗留在反射率图片中，因此本发明的方法进行本征图像分解时分解效果好。