光照补偿问题解决办法

光照补偿问题解决办法

   

解决光照补偿的问题是采用
对光照变化不敏感的图像的表示方法。例如，图像的边缘图，利用人脸器官的横纹特征对光照不敏感的特性等图像的二维Gabor函数滤波，它类似于加强图像的边缘轮廓；灰度图像的一阶、二阶导数，对于周围光照变化不敏感；非线性变换在在图像增强中也经常用到。以上几种方法对光照变化都有补偿作用，但是都存在一定的局限性。

补偿光照方法：

（1）直方图均衡化即直方图平坦化，目的是消除光照条件变化及成像设备感线的不同所带来的影响，使直方图成为均匀分布的形式。通过对图像进方图均衡化的处理，可以增强图像的对比度，提高图像的质量。直方图均衡化的方法对光照过暗和偏光现象能进行有效的光照补偿，但补偿效果容易受背景影响。直方图均衡化增加了图像的对比度，使亮的更亮，暗的更暗，减弱了图像的细节。
（2）非线性变换的方法－Log和Exp
非线性变换是一种灰度变换的方法，它可以描述如下：
设单色图f(x,y)的灰度为r，经某非线性变换函数s=T(r)变为另一幅图像g(x,y)，其灰度为s，两者的直方图分别为p(r)和p(s)。新的直方图p(s)应根据人的视觉感觉模型来确定，而作为计算机视觉就要求其视觉传感器的视敏响应曲线与g(x,y)的直方图p(x,y)相匹配，这样才能取得最佳的视觉效果。有资料说明主观亮度是眼睛入射光强(照度)的对数函数[25]。对数变换形式如下：

            g(x,y)=a+ ln(f(x,y)+1)/bln c                     (1)
                                          
  其中参数a，b，c是便于调整曲线位置和形状引入的。公式中f(x,y)+1，即每个象素都加一，是为了保证对大于零的数取对数。在选择参数时，有实验表明，a取0，b取1/(255*ln 1.2)，c取255，能获得较好的光照补偿效果和较高的人脸检测率。经对数变换处理后的图像柔和，图像层次更加清晰，符合人的视觉特点，对过暗或偏光的图像都有较好的光照补偿效果。但对过亮的图像，经对数变换后，边缘不清晰，无法提取边缘信息，而指数变换能解决这一问题。对数变换的曲线形式如图3所示，横轴f(x,y)是变换前的图像的灰度，纵轴g(x,y)是变换后的图像的灰度。从变换曲线的形状可知对数变换施低灰度范围的f得到扩展而高灰度f得到压缩，使图像灰度均匀分别，增强了图像的对比度，是对光照不足的有效改进。

指数变换的形式如下：                     (2)

经过大量的实验和比较，发现a取0，c取1/255，将原灰度f(x,y )，转换到区间[0,1]，b为255，得到灰度范围为[0,255]的图像g(x,y)。它的效果与对数相反，它将图像的高灰度区域给予较大的扩展而压缩低灰度区。指数变换对面部过亮的图像有较好的光照补偿作用，而对偏光则无能为力。

(3)基于临域的非线性变换方法－LogAbout
以上提到了非线性变换Log变换对光照有较好的光照补偿效果，但是由于Log变换曲线分析，Log变换在高灰度区对象素进行压缩，如果图像上相邻的两个象素是边缘信息，又处于高灰度区，很可能被压缩掉，从而可能衰减整幅图像的信息，使某些边缘损失掉（如图8中的Log变换）。Log变换对图像象素直接进行处理，没有用到象素临域的信息。鉴于这种情况，有必要对非线性Log方法做出以下改进:

 

-1	-1	-1
-1	9	-1
-1	-1	-1

高通滤波模板，先在原图像上做基于临域的高通滤波处理，以增像的边缘信息，再进行Log变换。模板总权为1，以免引起亮度偏移，改进称之为LogAbout。