Python OpenCV：如何规范化面（移除阴影）？

是否可以使用计算机视觉算法使面部正常化（去除阴影）

以下是示例图像：

以下是cv2.equalizeHist的结果：

下面是cv2.createCLAHE（clipLimit=2.0，tileGridSize=（8,8））的结果

以下是

cv2.createCLAHE

的图像网格，其中

clipLimit=2.0

和

tileGridSize=[1,2,4,8,16,32]

：

以下是

cv2.createCLAHE

的图像网格，其中

clipLimit=[1,2,4,8,16,32]

和

tileGridSize=（8,8）

：

下面是伽马校正的结果，伽马=0.6：

下面是伽马校正的图像网格，伽马=[0.2,0.4,0.6,0.8,1.0]：

下面是要复制的代码：

def method_v1(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    res = cv2.equalizeHist(img)

    img = np.hstack([img, res])

    return img


def method_v2(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # Less 'clipLimit' value less effect
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    res = clahe.apply(img)

    img = np.hstack([img, res])

    return img


def method_v3(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    gamma = 0.6
    res = np.power((img / 255.0), gamma) * 255
    res = np.clip(res, 0, 255).astype(np.uint8)

    img = np.hstack([img, res])

    return img


def create_clahe_grid_v1(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    grid_size = [1, 2, 4, 8, 16, 32]

    res_list = []
    res_list.append(img)
    for sz in grid_size:
        clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(sz, sz))
        res = clahe.apply(img)
        res_list.append(res)

    img = np.hstack(res_list)

    return img


def create_clahe_grid_v2(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    clip_limit = [1, 2, 4, 8, 16, 32]

    res_list = []
    res_list.append(img)
    for cl in clip_limit:
        clahe = cv2.createCLAHE(clipLimit=cl, tileGridSize=(8, 8))
        res = clahe.apply(img)
        res_list.append(res)

    img = np.hstack(res_list)

    return img


def create_gamma_correction_grid_v1(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    res_list = []
    res_list.append(img)
    gamma_list = [0.2, 0.4, 0.6, 0.8, 1.0] # lighter
    #gamma_list = [1.2, 1.4, 1.6, 1.8, 2.0] # darker
    for gamma in gamma_list:
        res = np.power((img / 255.0), gamma) * 255
        res = np.clip(res, 0, 255).astype(np.uint8)
        res_list.append(res)

    img = np.hstack(res_list)

    return img

---

到目前为止，Gamma校正看起来最好，但它显然无法移除阴影，因为它只是像素非线性过滤器。还有其他计算机视觉算法值得尝试吗？

我不确定你是否会接受，但10年前，Tan和Triggs（HoG的创建者）设计了一种光度测量方法，以消除任何闪电对机器的影响

不幸的是，他们设计的代码。因此，我将在

matlab

中显示该示例

I = imread('hZLne.png');

if size(I, 3) == 3
    ı = rgb2gray(I);
end

y = tantriggs(I);

imshow(y)

输出：

这对完全黑暗的图像最有效

---

可以考虑Python／OpenCV

中的划分规范化

• 读取输入
• 转换为灰度
• 高斯模糊
• 分部
• 保存结果

输入：

结果:

根据您对整体亮度的要求调整比例值（192）

根据您的应用程序，您可能还希望减去除法归一化结果的平均值并除以标准偏差。

需要python示例

import cv2
import numpy as np

# read the image
img = cv2.imread('face_shaded.png')

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# blur
smooth = cv2.GaussianBlur(gray, (95,95), 0)

# divide gray by morphology image
division = cv2.divide(gray, smooth, scale=192)

# save results
cv2.imwrite('face_shaded_division.jpg',division)

# show results
cv2.imshow('smooth', smooth)  
cv2.imshow('division', division)  
cv2.waitKey(0)
cv2.destroyAllWindows()