如何去除番茄图像中的强光眩光区域？OpenCV实现求助

原有方案的问题：
你之前编写的全局压暗高亮区代码无法生效，核心原因是该逻辑仅对HSV空间V通道高于固定阈值的像素统一扣减亮度值，属于无差别全局调整：既无法精准定位眩光区域，还会误伤番茄表皮正常的高光过渡区、背景亮部，也无法还原亮斑覆盖下的番茄表皮纹理与色彩，自然达不到预期效果。

以下是可落地的实现方案：

方案1：掩码定位+局部修复（适配绝大多数场景，效果稳定） #

实现步骤：

• 精准提取眩光掩码：眩光的核心特征是饱和度极低、亮度极高，不要仅用V通道做阈值判断，结合HSV三通道设置筛选规则：S<40且V>220的区域才判定为眩光，避免误判番茄本身的红色亮面。
• 对提取到的掩码做形态学膨胀，把亮斑边缘的半透明过渡区也纳入处理范围，避免修复后出现明显硬边。
• 调用OpenCV原生图像修复接口，用亮斑周边的正常番茄表皮纹理填充亮斑区域，参考代码如下：

import cv2
import numpy as np

def remove_glare(img):
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    # 筛选低饱和高亮的眩光区域，H通道取全范围避免漏检
    glare_mask = cv2.inRange(hsv, (0, 0, 220), (180, 40, 255))
    # 膨胀掩码覆盖亮斑边缘过渡区
    kernel = np.ones((7, 7), np.uint8)
    glare_mask = cv2.dilate(glare_mask, kernel, iterations=1)
    # 用TELEA算法基于邻域纹理修复亮斑
    repaired_img = cv2.inpaint(img, glare_mask, 5, cv2.INPAINT_TELEA)
    # 可选：如果修复区域饱和度偏低，可单独对掩码区提升饱和度匹配周边番茄色彩
    hsv_repaired = cv2.cvtColor(repaired_img, cv2.COLOR_BGR2HSV)
    h, s, v = cv2.split(hsv_repaired)
    s[glare_mask>0] = np.clip(s[glare_mask>0] + 30, 0, 255)
    final_img = cv2.cvtColor(cv2.merge((h, s, v)), cv2.COLOR_HSV2BGR)
    return final_img

方案2：光照均匀化处理（适合批量弱眩光场景） #

如果眩光强度不高、没有出现完全死白的亮斑，可以用光照分离的思路处理，不需要单独提取掩码：

• 将图像转到HSV空间后，对V通道使用多尺度Retinex（MSR）算法分离光照分量与反射分量，压缩高亮的光照部分，保留反射层的番茄本身纹理色彩
• 处理后对通道做简单的高斯模糊对齐边缘，避免出现色彩断层
  注意：该方案对完全过曝丢失纹理的死白亮斑修复效果有限，这类场景还是需要配合局部修复逻辑使用

方案3：强过曝亮斑优化 #

如果亮斑区域已经完全过曝（RGB三通道值均为255，无任何有效纹理信息），直接修复容易出现不自然的色块，可以提前做颜色引导：

• 先统计亮斑周边5像素范围内的正常番茄表皮的颜色均值，作为修复的基准色
• 修复时在基准色基础上添加少量随机噪声，模拟番茄表皮的自然质感，避免修复区域过于平整失真

内容的提问来源于stack exchange，提问作者codai