HSI 利用MATLAB实现了HIS变换和照片中眼的去除 红眼.doc

PAGE  PAGE 4 红眼照片自动检测和修复方法 摘要 ： 针对家庭数字照片出现的红眼问题给出了解决方案。过程如下： (1) 找出红眼的 HSI 色彩模型； (2) 自动检测出所有可能红眼区域； (3)自动过滤无效区域，找出真正红眼区域； (4) 利用红眼周围的颜色特征和红眼的颜色特征进行减色修复； (5) 在修复的结果上进行后续处理， 使之看起来更真实。 关键词 ：红眼； HSI ；高斯平滑 家庭数字照片评价和优化是图像研究的新内容。随着数 码相机的普及，用户需要对大量的数字照片作评价，对其中不理想的照片还要进行有针对性的优化。本文就是针对家庭数字照片出现的红眼问题，给出了一种解决方案。目前，红眼产生原因：产生红眼是由于闪光灯的闪光轴与镜头的光轴平行，在光线较暗的环境下人的瞳孔张开的比较大，如果拍摄时打开了闪光灯，瞳孔来不及收缩，此时眼底视网膜上的毛细血管就会被记录下来，反映在照片上就表现为人眼发红的现象。修复红眼的工具如 ACDSEE等都要求用户手工圈出红眼区域， 系统才能进行修复，而如何自动而且准确地检索出红眼区域，并且能够进行适当的自动修复则是我们研究的方向。 常用的色彩模型有 RGB,CMY 等， 但 它 们 都 是 非 线 性 的色彩模型，不符合人眼对色彩的感觉，而 HSI 色彩空间是 线性的，因此，对家庭照片的特征识别而言， HSI 显然是一 种合适的色彩模型，在本文中，采用 MCF 改进的 HSI 模型。 整个算法的流程是这样的：先找出红眼的可能颜色的 HSI 色彩模型，利用 HSI 的参数值自动检测出所有可能红眼 区域，然后系统进行自动过滤找出真正的红眼区域，再利用 红眼周围颜色特征和红眼的颜色特征进行减色修复，最后在 修复的结果上进行高斯平滑 [3,4] ，使很看起来更真实。 1 MCF 改 进 的 HSI 模 型 HSI 模型是根据人对颜色识别的生理特点提出的模型， 在模型中，颜色以三维变量来表示，当 S ＝ 0 时， H 没 有 意 义，被置为 0 ；当 I=0 时， S 也被置为 0 。在颜色特征非常鲜明 的时候， H 一般作为颜色的主特征，因此在 HSI 模型的颜色 板 中 有 大 片 的 区 域 ， H 不 能 准 确 地 描 述 像 素 色 彩 的 准 确 信 息 。 我 们 采 取 一 种 更 好 的 改 进 措 施 ： MCF(Mixed Color Feature) 模型。这样构造的模型，对颜色构成了一个新的通 道，用公式 (1) 中的一维变量来表示每个色素的主色信息： V?? H 1 , H 2 , H 3 ,..., H N H , I 1 , I 2 ,..., I N I 在 MCF 模 型 上 检 索 色 彩 信 息 时 ， 像 素 点 之 间 要 计 算 色 度 差，色度差可以根据 V 值的不同算法来设定，最简单的算法 是根据 N H 和 N I 的加权差来计算。 采用 MCF 色彩模型，我们在计算色度差时，可以将 HSI 无法确定的大片灰色区域细化，更精确的得到符合检索的可 能像素点。色度差的公式可以根据不同的检索对象选用不同 的计算公式 [2] 。 2 自动检测和修复 2.1 红 眼 可 疑 区 域 提 取 我们利用种子填充的算法得到可能的特点区域，但传统 的种子填充需要给定一个起始点，这就必须利用人的参与来 实现。现在 ACDSEE ， PHOTOSHOP 都可以这种方式实现， 但这种方法无法实现自动消除的效果。我们采用一种最短距 离种子填充算法来得到多个可能的区域。经过统计，可以定 义红眼的局部色彩特征为 ? ( H h 1 ) and ( H h 2 ) ? 可以定义具有这样色度范围的一个模板点 V ，计算图像 中 的 像 素 和 V 的 色 度 差 来 判 断 是 否 可 能 为 局 部 特 征 的 一 部 分，这里取最大阈值 L max =3 。 对整幅图像进行色彩扫描，可以得到多个具有连续红点 （但并不一定都是红眼）的区域，每个区域可以用这样的参 数模型来描述： 1 ） 4 个点： V up ， V down ， V left ， V right 来表示该区域在 X-Y 轴方向的极值点； 2 ）区域中每个点的坐标（ X i ， Y i ）； 下面是利用HIS在MATLAB中实现了HIS变换和照片中眼的去除红眼的算法： （1）function rgb=hsi2rgb(hsi) %HSI2RGB Converts an HSI image to RGB. HSI2RGB Converts an HSI image to RGB, where HSI is assumed to be of class double with: hsi(