【正文】 算機(jī)顏色視覺(jué)系統(tǒng)的研究來(lái)說(shuō)是必要的。人類視覺(jué)系統(tǒng)對(duì)于色差是高度敏感的，顏色感知系統(tǒng)可以區(qū)分上萬(wàn)種的不同顏色。顏色感知研究的目的是模擬人腦中視覺(jué)信息的表達(dá)和處理方式，設(shè)計(jì)出基于人類視覺(jué)特性的計(jì)算機(jī)視覺(jué)系統(tǒng)。顏色是各種頻率的光譜在人眼中的感知現(xiàn)象。圖像分割是由圖像處理進(jìn)入到圖像分析的關(guān)鍵步驟，在圖像工程中占據(jù)重要的位置。圖像分割是任何圖像分析及視覺(jué)系統(tǒng)必不可少的組成環(huán)節(jié)，是計(jì)算機(jī)視覺(jué)研究中的一個(gè)基本且困難的問(wèn)題。圖像分割的基本目的之一是將圖像中有意義的特征或者需要應(yīng)用的特征提取出來(lái)。雖然基于統(tǒng)計(jì)的多峰分布背景建模方法能對(duì)反復(fù)的背景運(yùn)動(dòng)(如搖動(dòng)的樹(shù)枝)、光線的突變(如天空云層遮擋陽(yáng)光)、傳感器噪聲等進(jìn)行建模，但還是無(wú)法成功地區(qū)分場(chǎng)景中的目標(biāo)和目標(biāo)投射的陰影，這使智能監(jiān)控系統(tǒng)無(wú)法準(zhǔn)確判斷出場(chǎng)景內(nèi)目標(biāo)的數(shù)目、形狀、運(yùn)動(dòng)軌跡，更無(wú)法實(shí)時(shí)準(zhǔn)確地判斷此物體是安全目標(biāo)還是危險(xiǎn)目標(biāo)，也不能及時(shí)報(bào)警。陰影尤其對(duì)目標(biāo)分割的影響比較顯著，并對(duì)后續(xù)的跟蹤、識(shí)別造成負(fù)面影響，導(dǎo)致錯(cuò)誤率上升，使系統(tǒng)的整體性能下降。在民用的影視制作領(lǐng)域，可以將拍攝目標(biāo)圖像和拍攝背景分開(kāi)進(jìn)行，再將目標(biāo)提取出來(lái)完成與特定背景的合成，以達(dá)到降低拍攝成本的要求，它不要求目標(biāo)的實(shí)時(shí)分割，但要求分割的精度較高。靜態(tài)圖像分割技術(shù)都能應(yīng)用于序列圖像的目標(biāo)檢測(cè)。無(wú)論運(yùn)動(dòng)分割還是變化檢測(cè)都會(huì)受到陰影的影響。圖像中的陰影可以提供有關(guān)目標(biāo)的位置與形狀、監(jiān)控場(chǎng)景的表面特性以及光源等方面的信息，同時(shí)由于目標(biāo)投射的陰影顏色屬性明顯不同于場(chǎng)景背景，并且和目標(biāo)有相同的特性，所以進(jìn)行目標(biāo)檢測(cè)時(shí)很容易將陰影檢測(cè)為目標(biāo)的一部分，造成目標(biāo)的合并、幾何變形，甚至使目標(biāo)丟失。圖像分割指的是把一幅圖像分割成不同的區(qū)域，這些區(qū)域在某些圖像特征如邊緣、紋理、顏色、亮度等是一致的或相似的。不同的圖像類型，不同的應(yīng)用要求所要提取的特征是不相同的，當(dāng)然特征提取的方法也就不同，因此實(shí)際中并不存在一種普遍適應(yīng)的最優(yōu)方法。人類對(duì)自身視覺(jué)機(jī)理研究的不斷深入以及計(jì)算機(jī)技術(shù)迅速發(fā)展將為圖像分割問(wèn)題的解決提供新的途徑。概括來(lái)說(shuō)，在各種圖像應(yīng)用中，只要需對(duì)圖像目標(biāo)進(jìn)行提取、測(cè)量、跟蹤等都離不開(kāi)圖像分割。對(duì)于顏色感知的研究是人類視覺(jué)系統(tǒng)的基礎(chǔ)研究之一，與生理學(xué)、心理學(xué)以及信息科學(xué)密切相關(guān)。近年來(lái)，隨著彩色設(shè)備制造技術(shù)和多媒體技術(shù)的發(fā)展，顏色在計(jì)算機(jī)視覺(jué)中應(yīng)用也在不斷進(jìn)步。顏色敏感和顏色記憶之間如此的差異是人類顏色感知最為重要的現(xiàn)象之一。降低相關(guān)性的主要方法就是計(jì)算顏色的統(tǒng)計(jì)獨(dú)立分量構(gòu)造一個(gè)正交顏色空間。兩種顏色之間的差異被稱為色差，從另一角度來(lái)說(shuō)，也是顏色相似性的度量。所謂非連續(xù)性分割就是首先檢測(cè)局部不連續(xù)性，然后將它們連接起來(lái)形成邊界，這些邊界把圖像分成不同的區(qū)域，這種基于不連續(xù)性原理檢出物體邊緣的方法有時(shí)也稱為基于點(diǎn)相關(guān)的分割技術(shù)?；趨^(qū)域的分割方法主要是利用圖像空間區(qū)域特征來(lái)進(jìn)行的，這些特征包括諸如RGB值、灰度值等等。現(xiàn)有的大多數(shù)圖像分割算法主要是針對(duì)灰度圖像的。在許多實(shí)際應(yīng)用中，可對(duì)彩色圖像的各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后可用對(duì)灰度圖像的分割算法進(jìn)行分割。無(wú)論采取哪種分割方法都與顏色特征及顏色坐標(biāo)的選擇有關(guān)，看別人的實(shí)驗(yàn)結(jié)果表明，沒(méi)有一種分類方法對(duì)所有顏色特征都是有效的，同樣也不可能有單一的顏色坐標(biāo)對(duì)所有的分割方法都是有效的。陳百盛在HSV顏色空間中，根據(jù)陰影使背景變暗、背景在被陰影覆蓋前后的亮度比值成近似線性、陰影不會(huì)使背景像素的色度有很大改變及減小背景像素的飽和度等特點(diǎn)，進(jìn)行陰影抑制?；谀Ｐ偷姆椒ㄊ抢脠?chǎng)景、運(yùn)動(dòng)目標(biāo)、光照條件的先驗(yàn)信息，建立陰影模型，對(duì)三維運(yùn)動(dòng)目標(biāo)模型的棱、線、角進(jìn)行匹配，此方法通常在特定場(chǎng)景條件下使用，如航空?qǐng)D像理解與視頻監(jiān)控。對(duì)顏色的感受是人類對(duì)電磁輻射中可見(jiàn)光部分里不同頻率知覺(jué)的體現(xiàn)。正是基于此，我們利用已有的灰度處理方式，加以改進(jìn)，試圖對(duì)彩色圖像的處理進(jìn)行一次嘗試，來(lái)解決實(shí)際問(wèn)題。第1章為緒論，闡明了本文研究的課題背景，介紹了圖像分割及去除陰影的研究現(xiàn)狀，指出了本文的研究?jī)?nèi)容。最后，針對(duì)影視拍攝的特點(diǎn)及應(yīng)用要求，在RGB彩色空間中，基于背景差分法和區(qū)域生長(zhǎng)法實(shí)現(xiàn)了彩色圖像分割。第2章圖像分割的相關(guān)理論圖像處理技術(shù)把輸入圖像轉(zhuǎn)換成具有所希望特性的另一幅圖像。有效合理的圖像分割能夠?yàn)榛趦?nèi)容的圖像檢索、對(duì)象分析等抽象出十分有用的信息，從而使得更高層的圖像理解成為可能。如圖21所示。對(duì)于一個(gè)連續(xù)函數(shù)f(x,y)，它在位置(x, y)的梯度可表示為一個(gè)矢量： 梯度的幅值由下式給出： 梯度的方向由下式定義，其中θ角是與x軸的夾角。如此將圖像上所有像素遍歷后，結(jié)果為邊緣圖像。Sobel算子很容易在空間上實(shí)現(xiàn)，是邊緣檢測(cè)算子中最常用的算子之一。因?yàn)橐浑A算子是以絕對(duì)亮度差為基礎(chǔ)的，它的局限是在景物照射變化的條件下不可能一致地確定物體邊界。另外，二次濾波使有較大灰度跳變的邊緣部分仍保持較大的灰度差，而有較小灰度跳變的真實(shí)邊緣點(diǎn)附近的偽邊緣點(diǎn)的跳變變小。在數(shù)字圖像的情況下，拉普拉斯算子可近似的表示為：在數(shù)字圖像中可用數(shù)字差分近似為：=f (x +1,y )+f (x ,y +1)+f (x ,y 1)4f (x ,y)數(shù)字圖像函數(shù)的拉普拉斯算法也是借助各種模板卷積實(shí)現(xiàn)的。由于拉普拉斯算子是二階導(dǎo)數(shù)運(yùn)算，與只包含一階導(dǎo)數(shù)的算子相比，它對(duì)噪聲更加敏感，增強(qiáng)了噪聲對(duì)圖像的影響，因此在實(shí)際應(yīng)用中通常需要先對(duì)圖像進(jìn)行濾波平滑處理。物體在光源的照射下，就會(huì)在物體的表面形成陰影。圖26陰影區(qū)域劃分示意圖在陰影分割中，入射光源采用了自然日光，它是除環(huán)境泛光外的唯一入射光源，產(chǎn)生的是平行光束，這樣不會(huì)產(chǎn)生半影區(qū)域。目前的圖像分割通常將陰影與目標(biāo)體一起分割出來(lái)，陰影對(duì)圖像的后期合成影響很大，因此目標(biāo)分割后要去除陰影。第3章圖像分割在過(guò)去的十多年里彩色圖像的分割方法有了顯著的增長(zhǎng)，因?yàn)榇蠖鄶?shù)彩色圖像分割的方法都是在灰度圖像分割方法的基礎(chǔ)上發(fā)展起來(lái)的，即通過(guò)利用RGB彩色空間或它的線性的、非線性的變換把灰度圖像分割方法推廣到處理彩色圖像上來(lái)。所謂顏色空間指的是某個(gè)三維顏色空間中的一個(gè)可見(jiàn)光子集。每種顏色空間都有著自己各自的優(yōu)缺點(diǎn)，都在不同的領(lǐng)域發(fā)揮著重要的作用。面向設(shè)備的顏色空間適合在輸出顯示場(chǎng)合下使用。 RGB顏色空間光譜中最重要的顏色是紅(R)、綠(G)、藍(lán)(B)三基色，所有顏色都可以由三基色相加而產(chǎn)生。 藍(lán)（0，0,1） 青（0,1,1） 白（1,1,1） 品紅（1,0,1） 黑（0,0,0） 綠（0,1,0） 紅（1,0,0） 黃（1,1,0）圖31 RGB顏色空間RGB顏色空間的主要缺點(diǎn)是：（1）不直觀。為了克服RGB顏色空間的均勻和不直觀的缺點(diǎn)，在彩色圖像處理中大多采用更加符合顏色視覺(jué)特性的顏色空間。本節(jié)中簡(jiǎn)單介紹一種目前常用的圖像分割算法。這種方法的基本思想是將具有相似性質(zhì)的像素點(diǎn)集合起來(lái)構(gòu)成區(qū)域。因此，第一步是賦給每個(gè)區(qū)域一組參數(shù)，這些參數(shù)的值能夠反映區(qū)域?qū)儆谀膫€(gè)物體。這是一個(gè)迭代過(guò)程，每一步都重新計(jì)算被擴(kuò)大區(qū)域的物體成員隸屬關(guān)系并消除弱邊界，當(dāng)沒(méi)有可以消除的弱邊界時(shí)，區(qū)域合并過(guò)程結(jié)束。即保證目標(biāo)的完整性和可靠性。背景圖像差分法是傳統(tǒng)目標(biāo)檢測(cè)方法中最直接、最簡(jiǎn)單的一種方法。這樣得到的兩幅圖，背景的變化不大，且對(duì)應(yīng)像素點(diǎn)的位置相差不大，理想的情況是背景完全不變，且對(duì)應(yīng)的像素點(diǎn)的位置相同。由前面介紹的區(qū)域生長(zhǎng)法可以看到，用像素點(diǎn)周圍的其他像素點(diǎn)的特征來(lái)表征像素特征，這有很多優(yōu)勢(shì)，它可以減少噪聲的干擾。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子象素作為生長(zhǎng)的起點(diǎn)，然后將種子周圍鄰域中與種子象素有相同或者相似性質(zhì)的象素（根據(jù)事先約定好的生長(zhǎng)規(guī)則）合并到種子象素所在的區(qū)域中。這里使用區(qū)域生長(zhǎng)法的主要目的是為了去除目標(biāo)點(diǎn)以外的不連通的噪聲。由于，前景圖像和背景圖像的像素點(diǎn)并不是像理想情況那樣完全一一對(duì)應(yīng)的，所以，利用背景差分法對(duì)圖像進(jìn)行初步分割后，目標(biāo)體外還存在噪聲。 n=input(39。images\39。 A2= imread ([39。])。經(jīng)典二幀差分法圖像處理結(jié)果！39。)。A3=imsubtract(A1,A2)。 subplot(2,2,3),imshow(A3),title(39。[m,n]=size(A3)。s(34,5)=1。第二步 區(qū)域增長(zhǎng)法處理后結(jié)果39。)。闡述了它的概念，特性以及空間之間的轉(zhuǎn)換算法。陰影是指成像光線被障礙體完全或者部分遮擋的成像區(qū)域，陰影區(qū)域的灰度值一般比周圍的成像區(qū)域的灰度值要小。陰影在圖像處理中，既存在有利之處，同時(shí)又存在不利之處。不利之處表現(xiàn)為：（1）由于陰影的存在，圖像明顯的地物特征受到陰影噪聲的模糊作用而變得不明顯，進(jìn)而影響數(shù)字影像的匹配精度和速度，影響變化監(jiān)測(cè)的精度。（5）在交通視頻監(jiān)督中，陰影的存在會(huì)影響對(duì)動(dòng)態(tài)檢測(cè)物體的大小，形狀和位置的判斷。KubelkaMunk理論用公式表示陰影檢測(cè)算法。此模型假設(shè)光源遠(yuǎn)離目標(biāo)，光源與表面之間的距離是常數(shù)，光源發(fā)出平行光線，并且觀測(cè)點(diǎn)是固定的。設(shè)強(qiáng)光源；設(shè)背景和攝像機(jī)是靜止的；設(shè)背景是平坦的。接下來(lái)，對(duì)現(xiàn)有的陰影去除方法進(jìn)行了分析與總結(jié)，指出了這些方法用于目標(biāo)陰影去除時(shí)存在的問(wèn)題。本章正是利用這些關(guān)系及差異來(lái)去除陰影。本節(jié)正是基于陰影邊緣信息的這種特性來(lái)抑制陰影的。(1)對(duì)提取的前景區(qū)域進(jìn)行邊緣檢測(cè)基于邊緣信息去除陰影的基本要求是檢測(cè)出的邊緣信息清晰，并且邊緣檢測(cè)算子對(duì)噪聲不敏感。基于邊緣信息抑制陰影正是利用上述陰影邊緣信息的特點(diǎn)，消除外輪廓邊緣，保留目標(biāo)體的內(nèi)部邊緣點(diǎn)。校正前景內(nèi)部的邊緣信息分為水平和垂直操作，以水平操作為例說(shuō)明如下。垂直操作和水平操作類似。(6)最初的陰影區(qū)域與二值圖差分得到最初的陰影檢測(cè)結(jié)果，記為，實(shí)驗(yàn)結(jié)果如圖52 j)所示。之所以出現(xiàn)這種誤差，是由于水平掃描和垂直掃描對(duì)噪聲敏感造成的。如圖53所示。這是因?yàn)閷?duì)于椅子而言，椅子的內(nèi)部邊緣信息不豐富，椅子的邊緣信息很大一部分也集中在外輪廓上。II=imread(39。dc=zeros(size(II))。N=x*y。,j+1)。 p=find(IT)。 dc(q)=0。)。 %背景差圖像DD=zeros(size(D))。figure,imshow(DD)。 M=imclose(DD,se)。figure,imshow(M)。g2=75。 F(p)=1./(1+exp(g1I(p)))1./(1+exp(g2I(p)))。M(p)=0。,3,90)。bwero=imerode(M,se90)。MM=imdilate(medge,[se90 se0])。mdil1=imdilate(bwfil,[se90 se0])。stats = regionprops(L,39。idx = find([] 300)。 figure,imshow(I_g)。top=min(x)。,[left top rightleft bottontop],39。if numel(S) == 1 SI = f == S。, Inf)。for K = 1:length(S1) seedvalue = S1(K)。本章基于第4章分析總結(jié)的陰影的特點(diǎn)及陰影檢測(cè)的基本假設(shè)和一般框架，針對(duì)影視圖像的不同特點(diǎn)，研究了一種簡(jiǎn)單有效的陰影抑制算法：基于邊緣信息的陰影抑制算法。在彩色圖像分割時(shí)陰影與目標(biāo)被一起分割出來(lái)，在許多應(yīng)用場(chǎng)合需要去除陰影。如果檢測(cè)中對(duì)精度的要求不高，Sobel算子較為常用。1）基于邊緣信息的陰影抑制算法適用于目標(biāo)體邊緣信息豐富，陰影邊緣信息相對(duì)簡(jiǎn)單的陰影去除。欒老師的悉心指導(dǎo)及日常生活中的無(wú)私幫助是本課題得以順利進(jìn)行的堅(jiān)強(qiáng)后盾。在他們的無(wú)私幫助下，本次的畢業(yè)設(shè)計(jì)得以順利完成。 Finally, the more the shadow direction, the direction angle if a certain threshold value range, pared with the actual shadows. The results show that removal of the shadow method is rapid and accurate. Key words shadow removal。 x, y is the u, d, r, l the largest two values. 6) define the direction of light 8, respectively, said digital 0,1,2,3,4,5,6,7. 7) a, b correspond to x, y values. 8) A = (a + b) / 2, B = ab. 9) is defined as the direction of light If (x, y N) or (B = 4), then o = l。 Otherwise o = A. When o = 1 when it shows the direction the shadow is not defined, the process error. The edge detection Information based on edge detection purpose is to try to eliminate the shadow of the outline of the edge, the e