簡單介紹基於顏色的陰影檢測算法
在智能視頻監控系統的研發過程中，陰影檢測是一個重要的內容，而陰影的產生主要是由於光線的遮擋。而檢測陰影最簡單和高效的方法莫過於分析顏色信息，還原或移出陰影區域。基於顏色的常用陰影檢測算法有：
1）基於HSI顏色空間的陰影檢測
HSI顏色模型是一種更符合人類視覺感知特徵的模型，符合人類肉眼對顏色的感知和識別，被廣泛應用於計算機視覺領域。根據陰影產生的原因及特點。採用HSI顏色空間來檢測陰影是再合適不過的。通常，對於陰影區域，其主要是由於光線的遮擋而產生的一個相對較暗的區域。在該區域中，顏色的色調信息H和飽和度信息S具有較小的變動，而亮度信息I會有較大的變換，但是HS基本上包含了顏色信息。因此根據這個特點，我們在檢測某一個像素是否爲背景時，之需要判斷該像素的HS分量浮動較小，而I變化幅度較大就可以。
2）基於RGB空間的陰影檢測
RGB顏色空間是我們常用的空間，是使用最廣的一個顏色空間。利用RGB顏色空間來檢查陰影，其主要原理：當一個物體的亮度變化時，人眼感知到的顏色信息是不變的，物體被感知的顏色取決於物體本身的屬性（即物體表面翻身的光線），即物體的被感知的顏色特徵取決於物體表面的光譜反射特徵，不受廣州變化，場景等影響，也和物體的幾何形狀無光，即色度是獨立於亮度的。因此，用該模型來檢測陰影，就需要將RGB顏色信息進行亮度和色度的分離，根據亮度和色度的變化來判斷陰影像素。
3）基於YUV顏色空間的陰影檢測
基於YUV顏色空間的陰影檢測的基本原理：亮度信號Y與色度信號UV想好獨立，即由亮度信號Y和色度信號UV構成的單色圖可以進行單獨編碼和處理。該種方式可以克服陰影檢測率不高和灰度空間輪廓線陰影消除方法中受亮度限制的缺陷，能有效地對視頻序列中陰影進行檢測與消除。
至此，上述闡述的陰影檢測方法都可以歸納爲一類，即將顏色信息的亮度和色度信息分類，如HSI顏色模型分解爲（HS和I），RGB顏色模型分解爲亮度（Light）和色度（chromaticity），而YUV顏色模型分爲（Y和UV）。另外，對於陰影的處理還有另一類方法，主要是恢復方法，即對於陰影區域進行復原，還原成沒有陰影的信息，該類方法主要有（MSR、Retinex、以及暗通道先驗（Dark Channel Prior，主要用於去霧）等）。
【本文轉自】http://www.cnblogs.com/mv2010/archive/2013/03/31/2992212.html