如何优化牛排图像眩光去除效果，提升大理石纹计算精度

针对眩光残留、噪声过多的问题，结合牛排肌肉（红色）和脂肪（白色）的颜色特征，给出以下优化方案：

1. 改用多尺度Retinex算法抑制眩光 #

原有高斯差分的眩光检测方法对高光区域修复不够精准，多尺度Retinex能在保留图像纹理的同时，有效压制眩光等高亮区域，更适合食品类图像的高光处理：

import cv2
import numpy as np

def multi_scale_retinex(img, sigma_list=[15, 80, 250]):
    """多尺度Retinex高光抑制"""
    img_float = img.astype(np.float32) + 1e-8  # 避免log(0)报错
    retinex = np.zeros_like(img_float)
    for sigma in sigma_list:
        blurred = cv2.GaussianBlur(img_float, (0, 0), sigma)
        retinex += np.log(img_float) - np.log(blurred)
    retinex /= len(sigma_list)
    # 归一化到0-255像素区间
    retinex = cv2.normalize(retinex, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    return retinex

# 加载图像并处理眩光
img = cv2.imread("./img.jpg")
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
msr_img = multi_scale_retinex(img_rgb)
msr_img_bgr = cv2.cvtColor(msr_img, cv2.COLOR_RGB2BGR)

2. 基于HSV颜色空间精准区分肌肉与脂肪 #

RGB颜色空间易受光照干扰，改用HSV颜色空间可通过色调（H）、饱和度（S）、亮度（V）的组合，更精准定位红色肌肉和白色脂肪，同时替代低效的逐像素遍历：

# 转换到HSV颜色空间
hsv = cv2.cvtColor(msr_img_bgr, cv2.COLOR_BGR2HSV)

# 定义红色肌肉的HSV范围（红色在H通道为环形分布，分两段定义）
lower_red1 = np.array([0, 40, 40])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 40, 40])
upper_red2 = np.array([180, 255, 255])
red_mask = cv2.inRange(hsv, lower_red1, upper_red1) | cv2.inRange(hsv, lower_red2, upper_red2)

# 定义白色脂肪的HSV范围（高亮度、低饱和度）
lower_white = np.array([0, 0, 200])
upper_white = np.array([180, 50, 255])
white_mask = cv2.inRange(hsv, lower_white, upper_white)

3. 形态学滤波去除残留噪声 #

针对处理后的掩码中的细小噪声，使用形态学开/闭运算消除孤立噪声点、填充区域空洞：

# 定义椭圆形结构元素（更贴合脂肪纹理的形态）
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))

# 对肌肉掩码去噪声：开运算消除小亮点，闭运算填充小空洞
cleaned_red = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel)
cleaned_red = cv2.morphologyEx(cleaned_red, cv2.MORPH_CLOSE, kernel)

# 对脂肪掩码做同样处理
cleaned_white = cv2.morphologyEx(white_mask, cv2.MORPH_OPEN, kernel)
cleaned_white = cv2.morphologyEx(cleaned_white, cv2.MORPH_CLOSE, kernel)

4. 生成最终大理石纹可视化图 #

将清洗后的掩码转换为指定的红/白配色图像：

final_img = np.zeros_like(msr_img_bgr)
# 肌肉区域设为纯红色
final_img[cleaned_red > 0] = [0, 0, 255]
# 脂肪区域设为纯白色
final_img[cleaned_white > 0] = [255, 255, 255]

cv2.imwrite("final_marbling.jpg", final_img)

关键优化点说明 #

• 多尺度Retinex相比原有高斯差分，能更好保留肌肉纹理的同时压制眩光；
• HSV颜色空间的分割逻辑比RGB阈值更稳定，不受光照波动影响；
• 形态学操作针对性消除小噪声，避免逐像素处理的低效；
• 全程使用向量运算替代循环遍历，处理速度提升数倍。

内容的提问来源于stack exchange，提问作者Curious G.