【正文】 椅子的大部分邊緣信息也丟失了，如圖54 c)所示。a)椅子及其陰影 b) 前景邊緣信息c)椅子內(nèi)部邊緣信息 d)取出陰影結(jié)果圖54因此，利用保留的椅子的邊緣信息構(gòu)建椅子時(shí)，椅子并不能被完整的恢復(fù)，導(dǎo)致部分椅子區(qū)域被誤檢測(cè)為陰影區(qū)域，從而導(dǎo)致椅子部分信息丟失。程序如下：function lw_11m=70。II=imread(39。39。)。II=rgb2gray(II)。dc=zeros(size(II))。 b=II。 a=。[x,y]=size(II)。N=x*y。T=15。 ticfor i=1:5:m1for j=i:i+4 im2=sprintf(39。39。,j+1)。 im2=imread(im2)。 I2=rgb2gray(im2)。 I=abs(double(b)double(I2))。 p=find(IT)。 dc(p)=dc(p)+1。 q=find(dc==3)。 if dc(q)==3 b(q)=a*I2(q)+(1a)*b(q)。 dc(q)=0。 end endendtocb_g=b。I=imread(39。39。)。I_g=rgb2gray(I)。figure,imshow(I_g)。D=abs(double(I_g)double(b_g))。 %背景差圖像DD=zeros(size(D))。tt=40。p=find(Dtt)。 highway=35,highwayII=50. DD(p)=1。figure,imshow(DD)。se = strel(39。disk39。,3)。 M=imclose(DD,se)。M=imfill(M,39。hole39。)。figure,imshow(M)。I=double(I_g)。F=zeros(size(I))。g1=40。g2=75。 ag1=25。g2=45。 p=find(M==1)。 F(p)=1./(1+exp(g1I(p)))1./(1+exp(g2I(p)))。figure,imshow(F)。 FF=round(F)。 p=find(FF==1)。M(p)=0。figure,imshow(M)。se90=strel(39。line39。,3,90)。se0=strel(39。line39。,3,0)。bwero=imerode(M,se90)。 medge=edge(bwero,39。sobel39。)。MM=imdilate(medge,[se90 se0])。bwfil=imfill(MM,39。holes39。)。mdil1=imdilate(bwfil,[se90 se0])。mdil2=imdilate(mdil1,[se90 se0])。mdil3=imdilate(mdil2,[se90 se0])。 [L,num] = bwlabel(mdil3,8)。stats = regionprops(L,39。Area39。)。allArea = []。idx = find([] 300)。 BW2 = ismember(L,idx)。figure,imshow(double(BW2))。[LL,NN] = bwlabel(BW2,8)。 figure,imshow(I_g)。for i=1:NN[x,y]=find(LL==i)。left=min(y)。 right=max(y)。top=min(x)。 botton=max(x)。hold onrectangle(39。Position39。,[left top rightleft bottontop],39。LineWidth39。,2)。endfunction [g, NR, SI, TI] = regiongrow(f, S , T)f = double(f)。if numel(S) == 1 SI = f == S。 S1 = S。else SI = bwmorph(S, 39。shrink39。, Inf)。 J = find(SI)。 S1 = f(J)。 endTI = false(size(f))。for K = 1:length(S1) seedvalue = S1(K)。 S = abs(f seedvalue) = T。 TI = TI | S。end[g, NR] = bwlabel(imreconstruct(SI, TI))。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?；谶吘壭畔⒌年幱耙种扑惴ㄩ撝颠x取較為簡(jiǎn)單，但對(duì)噪聲比較敏感，而且僅適用于目標(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。結(jié)論彩色特征空間是彩色圖像分割必須面對(duì)的問題，本論文對(duì)一些常用彩色空間轉(zhuǎn)換算法進(jìn)行了介紹，并分析討論了各彩色空間的適用范圍和優(yōu)缺點(diǎn)。系統(tǒng)地闡述幾種常用分割方法的優(yōu)缺點(diǎn)，在RGB空間中實(shí)現(xiàn)圖像的分割。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。本文中，在分析總結(jié)已有去除陰影算法的基礎(chǔ)上，針對(duì)不同的圖像特點(diǎn)，設(shè)計(jì)了一種去除陰影的算法。本文的主要研究成果可以概括如下：（1）對(duì)圖像邊緣的檢測(cè)方法進(jìn)行了研究。從數(shù)學(xué)的角度和從圖像處理的角度來(lái)看，二階算子檢測(cè)結(jié)果定位的準(zhǔn)確程度是遠(yuǎn)遠(yuǎn)高于一階算子的，但對(duì)噪聲比較敏感。如果檢測(cè)中對(duì)精度的要求不高，Sobel算子較為常用。（2）從彩色圖像處理中的彩色空間劃分出發(fā)，針對(duì)不同圖像在不同空間里會(huì)表現(xiàn)出的不同特性以及實(shí)際拍攝條件的特點(diǎn)，在RGB彩色空間中采用背景差分法初步分割圖像后，利用區(qū)域生長(zhǎng)法進(jìn)一步對(duì)分割后的圖像進(jìn)行處理，取得了相對(duì)理想的效果。（3）圖像分割后得到的是帶影子的目標(biāo)圖像。本文在對(duì)現(xiàn)有陰影去除算法總結(jié)及深入分析圖像模型的基礎(chǔ)上，基于陰影檢測(cè)的基本假設(shè)和一般框架，針對(duì)不同的應(yīng)用要求設(shè)計(jì)了一種算法，并取得了較好的效果。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。針對(duì)上述缺陷，后續(xù)要做的工作有：研究變化背景下的目標(biāo)對(duì)象分割技術(shù)，使用圖像配準(zhǔn)技術(shù)來(lái)糾正攝像機(jī)擺動(dòng)而造成的誤差；深入地分析產(chǎn)生陰影的光學(xué)原理、各種材料的反射特性、以及材料呈現(xiàn)不同顏色的物理機(jī)理，為各光源發(fā)射光線、場(chǎng)景表面材料反射光線、人眼接收光線、大腦產(chǎn)生場(chǎng)景顏色的反應(yīng)等建立合適的模型，有可能弄清陰影的本質(zhì)特性，從而充分運(yùn)用目標(biāo)的顏色信息，提高陰影的抑制效果。參考文獻(xiàn)1.《MATLAB使用詳解》 董霖 電子工業(yè)出版社 2. MATLAB數(shù)字圖像處理／張德豐等編著．—北京：機(jī)械工業(yè)出版社，20093. 楊林 圖像分割及陰影抑制算法的研究. 20074. （上冊(cè)）：清華大學(xué)出版社 20065. 參考網(wǎng)站：程序員聯(lián)合開發(fā)網(wǎng) 基于混合高斯模型的運(yùn)動(dòng)陰影抑制算法研究2006 高斯核密度估計(jì)背景建模及噪聲與陰影抑制 2005 視頻分割技術(shù)研究 200710 Shafarenko L,Petrou M,Kittler Segmentation in aPerceptually Uniform Color Trans on Image 11 Vlachos T,Constantinides A Graphtheoretic Approach to Color ImageSegmentation and Contour 4th on ImageProcessing and its 12 Loncaric Survey of Shape Analysis Recognition.200113席礪莼,，2003致 謝衷心感謝欒慶磊指導(dǎo)老師在畢業(yè)設(shè)計(jì)期間給予的有力支持和無(wú)微不至的關(guān)懷。在課題的研究期間，欒老師為課題研究所提出的寶貴指導(dǎo)意見，是保證課題順利完成的關(guān)鍵，也使我豐富了知識(shí)，開闊了視野。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。在此，我對(duì)欒老師表示誠(chéng)摯的謝意。另外還要感謝曾經(jīng)給予我關(guān)心和幫助的所有同學(xué)。在我遇到困難時(shí)，是他們不斷地同我探討和實(shí)驗(yàn)。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。是老師的教誨，同學(xué)的幫助，集體的溫暖和力量使我得以順利完成了學(xué)習(xí)任務(wù)。再次誠(chéng)摯地謝謝大家！附 錄一Location and edge information based on shadow shadow removal algorithm CHEN Hua 1, Guan Yu Dong 2, Lin Yang 2, Han Wendy Law 2, Xu Xiao Yu Abstract This paper presents the location and based on the shadow of the shadow edge removal algorithm. First, the estimated light direction to determine the direction of the shadow。 Then, based on edge detection to eliminate the outline of the shadow edge, using the extracted foreground image minus the prospect of building, by the shadow area。 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。 edge detection。 shadow direction 1 Introduction Target detection and segmentation for the target image, usually containing the shadow of the human eye can easily distinguish the moving target with the goal of projecting moving shadows, but how to make puter identify the movement shadow is a challenging research problem [12 ]. On shadow detection and suppression directly affect the video image postprocessing, such as target classification, tracking and understanding behavior in such processes [3], also seriously affected the intelligent monitoring system, intelligent transportation system (Intelligent Transportation Systems, ITS), etc. Computer Vision System and promotion. In the field of film and television production, the removal of the shadow can be separated from the background characters and other flexible synthetic scene of great significance. How to better prospects in the detected target, and it casts a shadow separated from the domestic and foreign scholars has bee a hot issue, but also focus on the content of this article. Existing shadow suppression methods fall into two categories, namely the shadow suppression algorithm based on attributebased model of shadow suppression algorithm. Attributebased appro