illumination invariant image之恢复到彩色图像

最新推荐文章于 2024-04-25 00:10:33 发布

原创

最新推荐文章于 2024-04-25 00:10:33 发布 · 1.6k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #去阴影

本文介绍了Finlayson等人提出的利用熵最小化去除阴影的方法，通过生成一维invariant图像并进行反变换，重建彩色图像。在3D空间中，通过对RGB值进行比值和log变换，再进行逆变换，得到去阴影后的值。通过对比原图和invariant图像的边缘信息，使用双边滤波处理阴影边缘，最终重构出无阴影的彩色图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原文：【Finlayson G D, Drew M S, Lu C. Entropy Minimization for Shadow Removal[J]. International Journal of Computer Vision, 2009, 85(1):35-57.】
【Finlayson G D, Drew M S, Lu C. Intrinsic Images by Entropy Minimization[C]// European Conference on Computer Vision. Springer Berlin Heidelberg, 2004:582-595.】

前面的如何产生一维的invariant image就不再赘述。这篇博客记录一下该论文中对于重建彩色图像的方法的学习。

生成一维invariant image是通过将2-d空间中的点投影至矫正角θ对应的直线上去。直线的方向为e^⊥，即e^⊥=[cosθ sinxθ]^T，则，I=
I = χ1 cos θ + χ2 sinθ。
那么，如下图所示
图像求inv的过程
这个I值实际上等于点（x₀,y₀）到原点的距离（因为蓝色线为垂直于所有平行线的直线，所以只要平移其至原点即可）。
这边为什么说得到的颜色分布直线与光照无关，是因为对于同一个颜色，由于光照不同得到的点分布的直线，可以将其投影到垂线上，能得到唯一点，这样的话，说明这条直线为光照方向。
得到了1D的invariant image之后，即对于一幅图像，得到了每个颜色在蓝色线上的点到原点的距离。这是一个一维的