一种特定场景去除高光算法

成功的人生在于追求「完整」而不是「完美」        ----乔丹·皮特森

算法思路：

1、求取源图I的平均灰度，并记录rows和cols；

2、按照一定大小，分为N*M个方块，求出每块的平均值，得到子块的亮度矩阵D；

3、用矩阵D的每个元素减去源图的平均灰度，得到子块的亮度差值矩阵E；

4、通过插值算法，将矩阵E差值成与源图一样大小的亮度分布矩阵R；

5、得到矫正后的图像result=I-R；

应用场景：

光照不均匀的整体色泽一样的物体，比如工业零件，ocr场景。

代码实现：

import cv2
import numpy as np

def unevenLightCompensate(gray, blockSize):
    #gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    average = np.mean(gray)
    rows_new = int(np.ceil(gray.shape[0] / blockSize))
    cols_new = int(np.ceil(gray.shape[1] / blockSize))
    blockImage = np.zeros((rows_new, cols_new), dtype=np.float32)
    for r in range(rows_new):
        for c in range(cols_new):
            rowmin = r * blockSize
            rowmax = (r + 1) * blockSize
            if (rowmax > gray.shape[0]):
                rowmax = gray.shape[0]
            colmin = c * blockSize
            colmax = (c + 1) * blockSize
            if (colmax > gray.shape[1]):
                colmax = gray.shape[1]
            imageROI = gray[rowmin:rowmax, colmin:colmax]
            temaver = np.mean(imageROI)

            blockImage[r, c] = temaver


    
    blockImage = blockImage - average
    blockImage2 = cv2.resize(blockImage, (gray.shape[1], gray.shape[0]), interpolation=cv2.INTER_CUBIC)
    gray2 = gray.astype(np.float32)
    dst = gray2 - blockImage2
    dst[dst>255]=255
    dst[dst<0]=0
    dst = dst.astype(np.uint8)
    dst = cv2.GaussianBlur(dst, (3, 3), 0)
    #dst = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)
    return dst

if __name__ == '__main__':
    file = 'www.png'
    blockSize = 8
    img = cv2.imread(file)
    b,g,r = cv2.split(img)
    dstb = unevenLightCompensate(b, blockSize)
    dstg = unevenLightCompensate(g, blockSize)
    dstr = unevenLightCompensate(r, blockSize)
    dst = cv2.merge([dstb, dstg, dstr])
    result = np.concatenate([img, dst], axis=1)
cv2.imwrite('result.jpg', result)

实验效果：