[发明专利]自适应光斑消除算法

权利要求书

1.自适应光斑消除算法，其特征在于，该算法包括如下步骤：

步骤一：图像增强；

以RGB图像为输入图像，通过增加像素对比度值对图像进行增强，使所述图像上的光斑区域与非光斑区域相比明暗对比度增大；

步骤二：颜色空间转换；

通过XYZ色彩空间转换方法将步骤一中被增强的图像从RGB色彩空间转换为包含亮度特征的XYZ色彩空间，进而确定光斑区域的大小，XYZ色彩空间变换关系如下：

通过上述方法得到了一个基于XYZ色彩空间的光斑增强图像，其中M矩阵为RGB色彩空间对应的转换矩阵，不同的RGB类型对应不同的M矩阵；

步骤三：光斑区域分割；

设XYZ色彩空间的光斑增强图像的亮度值Y为XYZ色彩空间中的自适应阈值；当XYZ色彩空间的光斑增强图像的亮度值大于阈值Y时，认为该区域为光斑区域；当XYZ色彩空间的光斑增强图像的亮度值小于阈值Y时，认为该区域为非光斑区域，即正常光亮区域；

步骤四：光斑区域消除；

对步骤三所述的光斑区域的Mask区域进行膨胀，获取光斑周围的纹理信息，形成新的Mask区域；通过图像梯度变换的多尺度融合方法实现了对新的Mask光斑区域的消除。

2.根据权利要求1所述的自适应光斑消除算法，其特征在于，所述步骤四包括如下步骤：

步骤A，对步骤一所述的原始图像通过卷积核的卷积求取梯度场，然后对步骤四所述的新的Mask光斑区域进行梯度场的融合滤波处理，其中滤波处理结果为1的zeroMask区域被标记为1，得以保留作为Mask区域滤波后的梯度场；

步骤B，实现原始图像梯度场和zeroMask区域梯度场的融合；

g＝SrcGradient+MaskGradient

其中g是通过融合两个梯度场获得的梯度场，SrcGradient是原始图像的梯度场，MaskGradient是滤波后的zeroMask区域的梯度场；

步骤C，通过融合两个梯度场获得的融合场的散度反向对梯度场进行泊松重建的过程，使原始图像被消除了光斑区域的影响。

3.根据权利要求2所述的自适应光斑消除算法，其特征在于，所述步骤A中使用了Roberts卷积核进行卷积。