如何在 RGB 图像 Python 中消除阴影像素中的阴影效果

Question

我有高分辨率的地面覆盖物 RGB 图像，存在不同程度的阴影。 如何对它们进行预处理以消除阴影效果（增强阴影像素）。阴影主要来自岩石、三脚架和植物。以下是一些示例（实际图像的屏幕截图）。

image1、image2、image3

再看一遍 - 如果微小的阴影（例如，由小树叶、树枝、小石头产生的阴影）也得到增强，似乎会非常有益 - 我认为解决方案也会吸收这些阴影。

我正在做一个包含三个类别的地被分割模型。当存在光影时，该模型可以很好地应对，所以我并不担心。主要关注的是中等水平的阴影。我基本上想通过一些代码提供数百张图像，以便最终结果是一个 RGB 图像，其阴影像素似乎不再处于阴影中。

增加阴影像素的亮度以匹配非阴影像素的平均亮度可能是一个好的开始想法（但我确信存在更好的技术）。

对于非常暗的阴影，我计划为第四类创建训练数据，这样我就可以检测到这些并从分析中删除这些像素（假设非常低的亮度将是这里使用的主要特征）。

Answer 1

将颜色空间转换为 YUV 并设置平均 Y 亮度可能是微不足道的。或者类似 Retinex 算法来断开照明层（包括阴影）。否则，还有几种局部增强方法，如 CLAHE，可能会帮助您解决问题。这些是我的建议。