[发明专利]基于数据的软性阴影去除方法

说明书

技术领域

本发明涉及计算机图像处理技术领域，是基于数据的软性阴影 去除方法。

背景技术

因为目前非专业人员对图片预处理的要求越来越多，智能化的 图像编辑算法愈加被需要。纵观各种商业软件和图像处理团体开发 的研究原型中的各种可行技术，柔性阴影操作是其中被研究最多并 且十分重要的问题。由于阴影是获取形状、曲率、高度的重要线 索，无数的网上教程试图教它们的使用者如何用单调遮蔽和阈值化 处理方法将阴影层分离出来。这种手动技术得到了应用，部分是因 为很多真实场景有柔性阴影，而迄今为止大多数阴影检测和去除算 法都是被开发了解决硬性阴影的。因为柔性阴影已经被表现出与人 类判断一幅图片的真假有关系，所以需要更简单的方法去提取柔性 阴影。图像抠除提供了另一种类型的解构方式，并且可以通过这种 方式来分离前景和后景物体。原则上，这种构想也可以用于分离软 性阴影去抠出一块小的半影区域。一种直观笔刷界面结合一种快速 算法去交互地抠出模糊物体，将这项技术应用到明显的软性阴影上 的难点在于具体到优化正确类似的函数。一种有效的方法做阴影抠 取和组合，但现有技术需要更多的输入而且没有处理宽半影的问 题。图像修复是一种填补图像空白区域的技术。这项技术由于今年 来在商业工具上的到了实施，因而变得成熟了很多。尽管在很多情 况下非常游泳，但是它并不是一种处理阴影去除问题的好的解决方 案，因为它完全忽略了潜在的有价值信息。图像修复方法需要一个 能够填补缺失部分的数据源。基于数据的来源现有技术可以被视为 两类，a)自举式算法即使用图像的剩余部分修复b)基于现有数据 库的方法。前者的算法更吸引人因为不必担心需要创建扩展的训练 数据组。然而，实际上，要使它衡量一般情景往往很困难。在两个 例子中，现有技术的工作重心都放到了将图片结构正确的扩展到缺 失部分中去。阴影去除提出了一种检测阴影的方法，通过用熵最小 化恢复一个一维光照不变图像。鉴于此，现有技术可以区别原图像 中的阴影和非阴影边缘，随后应用梯度域操作以去阴影。这一过程 要求图像在阴影边缘微分到0，这在处理硬性阴影时很有用，但是 当应用到宽半影时就会产生宽而明显的纹理带缺失。使用图像基于 锥体化处理。现有技术通过补偿遮光板阻塞环境光来处理非微本 影。但是现有技术的方法不能狗处理复杂密集的表面例如树叶或者 没有任何本影的阴影。对于非统一的内部阴影表面评价只是在很粗 糙的基础层面，所以值将大规模的变化纳入考虑范围。更进一步的 说，在复杂阴影中它并不能清楚地计算用于参数评价的“条纹”。此 外，现有技术的方法还不能够完整地处理半影，并且在修复阴影边 缘时始终避免不了人工操作。一种修改软性阴影的去除方法将半影 模型化，通过将分段二元模型匹配到图像中被用户密集标记过的区 域，因此而将纹理变化从光照变化中分离出来。这使得现有技术能 够处理梯度域并在将由阴影造成的梯度识别并去除后重组图像。这 个系统首先问用户输入阴影的大概轮廓这是有阴影边缘的控制点确 定的。此外，用户还被要求初始化半影的宽度以及对分别各个色彩 通道的阴影振幅。这一算法随后通过匹配上述的尖削模型到或垂直 或水平的穿过半影的密集薄片进行迭代优化，更新参数并再次优 化。这一程序是重复对每一个阴影边缘片段施加的(边缘片段的数 量也是有用户规定的)而边缘点之间的值是由线性差值得到的。这 种方法产生了可信的结果，但是太消耗人力和时间而且需要大量的 计算时间。

在半影参数被优化之后，用户已经可以控制哪些梯度要从图像 中移除了。由于梯度域操作的特性，这一方法经常将整幅图像都做 了明显的修改，而不是仅移除阴影。最后，这一技术要在两个假定 下操作，这两个假定并不总是成立：一半影可以用S形的曲线精确 的模块化，二一个本影区域一直存在。一种针对自然阴影去除的扣 除方法。然而与标准去除方法不同的是，现有技术将阴影扣除视为 一个无阴影图像像素分段结合的产物。尽管现有技术的方法在很多 阴影上都作用良好，但它需要的用户输入明显多：一个四元映射即 “确定在阴影内”、“半影”、“确定在阴影外”、以及“不在内”区 域。此外，现有技术的扣除方法需要一个距离函数来优化。尽管现 有技术表示这一方法对很多自然阴影都有用，问题还是在一些模拟 情景(例如放大噪声)中发生了，因为扣除代价函数并没有为此而 调整。