CN116703734A - 基于车载环视系统的图像增强方法及装置 - Google Patents
基于车载环视系统的图像增强方法及装置 Download PDFInfo
- Publication number
- CN116703734A CN116703734A CN202210176961.2A CN202210176961A CN116703734A CN 116703734 A CN116703734 A CN 116703734A CN 202210176961 A CN202210176961 A CN 202210176961A CN 116703734 A CN116703734 A CN 116703734A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness value
- low
- value
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005286 illumination Methods 0.000 claims abstract description 81
- 230000009466 transformation Effects 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 230000009977 dual effect Effects 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于车载环视系统的图像增强方法及装置,将低照度灰度图图像从RGB颜色空间转换到HSV颜色空间,获得V通道亮度值;对V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;对V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;加权融合第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;对第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;根据第四图像亮度值和第五图像亮度值,重新设定低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像;其有益效果:能够通过多种方式增强低照度灰度图像,并将生成的多个亮度值进行加权融合,不仅能够提高亮度增强效果,还能防止色彩失衡。
Description
技术领域
本发明涉及一种图像处理领域,具体为基于车载环视系统的图像增强方法及装置。
背景技术
车载环视系统由四个鱼眼摄像头组成,每个摄像头经过畸变矫正和透视变换后,对图像进行拼接得到一副360度鸟瞰图,可以提供完整的车辆周围的信息,但是在光照不充足时,图像亮度较低,细节不明显,会导致车辆自动泊车功能不可靠。
河海大学在其申请的专利文献“基于伽马变换的低照度灰度图像增强方法、装置及存储介质”(专利申请号CN202110670167.9,公开号CN113393394A)公开了一种基于伽马变换的低照度灰度图像增强方法、装置及存储介质,采用伽马变换对图像进行增强。但上述发明采用的伽马变换具有一定的局限性,在夜晚场景下图像增强效果不明显。
发明内容
为了克服现有技术存在的缺点与不足,本发明公开一种基于车载环视系统的图像增强方法,能够通过多种方式增强低照度灰度图像,并将生成的多个亮度值进行加权融合,不仅能够提高亮度增强效果,还能防止色彩失衡。该方法包括步骤:
获取低照度灰度图图像;
将所述低照度灰度图图像从RGB颜色空间转换到HSV颜色空间,获得V通道亮度值;
对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
更进一步地,所述获取低照度灰度图图像包括步骤:
获取第一低照度灰度图图像,所述第一低照度灰度图图像由鱼眼摄像头采集;
对所述第一低照度灰度图图像进行去畸变操作,生成第二低照度灰度图图像;
拼接多张所述第二低照度灰度图图像,生成所述低照度灰度图图像。
更进一步地,所述对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值,包括对所述V通道亮度值进行如下公式的变换:
Iv_Gamma1(x,y)=[Iv(x,y)]γ
Iv_Gamma2(x,y)=1-[1-Iv(x,y)]γ
其中,Iv_Gamma1(x,y)为第一图像亮度值,即双伽马压缩图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值,即双伽马扩展图像亮度值;Iv(x,y)为V通道亮度值,(x,y)为图像中像素坐标;γ为控制图像增强程度的变量。
更进一步地,所述对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值,包括对所述V通道亮度值进行如下公式的变换:
其中Iv_laplace(x,y)表示第三图像亮度值;Iv(x,y)为V通道亮度值。
更进一步地,所述加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值,包括所述第三图像通过以下公式得到:
其中Iv_en(x,y)为第四图像亮度值;Iv_Gamma1(x,y)为第一图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值;Iv_laplace(x,y)表示第三图像亮度值。
更进一步地,所述对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值包括步骤:
构建高斯环绕函数;
根据所述高斯环绕函数对所述第四图像亮度值所对应图片的RGB三个通道分别进行多个尺度的滤波处理,并进行加权处理,生成预设亮度值;
所述第四图像亮度值减去所述预设亮度值,生成第五图像亮度值。
更进一步地,所述对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值,包括通过以下公式生成所述第五图像亮度值:
其中,RMSR(x,y)为第五图像亮度值;N为尺度个数;wi为多个尺度对应的权重;Iv_en(x,y)为第四图像亮度值;Gi(x,y)为N个尺度的高斯环绕函数。
更进一步地,所述根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像包括步骤:
获取所述低照度灰度图图像的RGB三个通道的增强因子,所述增强因子为所述第五图像亮度值与所述第四图像亮度值之比;
根据所述增强因子分别重新设定所述低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像。
更进一步地,所述根据所述增强因子分别重新设定所述低照度灰度图图像的RGB三个通道的灰度值,包括所述增强因子通过以下公式对所述低照度灰度图图像的RGB三个通道的灰度值进行重新设定:
其中,rr(x,y)为增强后的图像R通道灰度值;RMSR(x,y)//Iv_en(x,y)为增强因子,rg(x,y)为增强后的图像G通道灰度值;rb(x,y)为增强后的图像B通道灰度值;R(x,y)为低照度灰度图图像R通道灰度值;G(x,y)为低照度灰度图图像G通道灰度值;B(x,y)为低照度灰度图图像B通道灰度值。
另一方面,本申请还提供一种基于车载环视系统的图像增强装置,包括:
低照度灰度图图像获取模块:用于获取低照度灰度图图像;
V通道亮度值获取模块:用于获取低照度灰度图图像;
双伽马变换变化模块:用于对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
拉普拉斯变换模块:对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
第四图像亮度值生成模块:用于加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
第五图像亮度值生成模块:对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
增强后的图像生成模块:用于根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
实施本发明,具有如下有益效果:
采用双伽马变换和拉普拉斯变换相结合的方式对低照度图像V通道进行增强,对增强后的V通道亮度值采用多尺度Retinex变换,并根据低照度灰度图图像RGB三个通道的灰度值和Retinex变换前后的亮度比例,重新设定RGB三个通道灰度值,提高图像增强的效果,并且能够防止色彩失衡。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明实施例提供的基于车载环视系统的图像增强方法流程图;
图2为本发明实施例提供的生成第五图像亮度值的方法流程图;
图3(a)为低照度灰度图图像;
图3(b)为低照度灰度图图像亮度增强后的图像;
图4为本发明实施例提供的基于车载环视系统的图像增强装置结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
实施例
本实施例中,本发明所要解决的技术问题在于能够通过多种方式增强低照度灰度图像,并将生成的多个亮度值进行加权融合,不仅能够提高亮度增强效果,还能防止色彩失衡。如图1所示该方法包括步骤:
S1:获取低照度灰度图图像;
计算机视觉监控设备在室内、夜间等低照度条件下,由于非自然光源的照度不充分,所以目标表面的反射光较弱,造成进入成像传感器的光线不足,导致在夜间采集的图像质量退化严重、图像可辨识性很低,且含有大量噪声,以至于难以分辨图像中的细节,大大降低了图像的应用价值,这类图像统称为低照度图像,夜间拍摄到的图像照度低,容易出现细节迷糊的情况,若将低照度图像用于车载环视系统上,会导致车辆自动泊车功能不可靠,因此需要将低照度灰度图图像提高照度,在环境光照不足的情况下获取低照度灰度图图像,作为具体地,获取低照度灰度图图像包括步骤:
S11:获取第一低照度灰度图图像,第一低照度灰度图图像由鱼眼摄像头采集;
鱼眼摄像头为一种超广角摄像头,视场角接近甚至超过180°,所能观察的范围远大于人眼的视角范围,因此采用鱼眼摄像头能够尽可能的获取更大范围第一低照度灰度图图像。
S12:对第一低照度灰度图图像进行去畸变操作,生成第二低照度灰度图图像;
由于鱼眼镜头的大视场角是以牺牲图像直观性为代价的,所以用鱼眼镜头拍摄的图片都存在很大程度的畸变,因此需要将第一低照度灰度图图像去畸以及透视变换,此过程为现有技术,不在此做过多陈述。
S13:拼接多张第二低照度灰度图图像,生成低照度灰度图图像。
一般车载环视系统由四个鱼眼摄像头组成,每个摄像头将第一低照度灰度图图像畸变矫正和透视变换后,再多个图像进行拼接,可以得到一幅360度的鸟瞰图,即低照度灰度图图像,通过实时拍摄,可以得到以车辆为中心的监控录像,因此,本申请的低照度灰度图图像可以为360度的鸟瞰图,也可以为能够拍摄到车辆周围一定距离的视频。
S2:将低照度灰度图图像从RGB颜色空间转换到HSV颜色空间,获得V通道亮度值;
低照度灰度图图像RGB三个通道,分别为红色分量R、绿色分量G和蓝色分量B三个分量;HSV三个通道分别为色度分量H、饱和度分量S、亮度分量V三个分量,本实施例主要针对亮度分量进行增强,可以直接将颜色空间转换,得到低照度灰度图图像的亮度值。
S3:对V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
传统的增强图像亮度和对比度的算法有线性拉伸、对数变换和伽马变换。线性拉伸能够将图像的灰度集进行线性拉伸至0-255,线性拉伸在增强图像对比度的同时,也会将图像的亮度区域进行拉伸,导致图像部分过曝;原始的对数变换和伽马变换算法,可以扩展图像暗区的像素值,但也会压缩图像的亮区像素值,导致图像的亮区细节丢失,传统的伽马变换中,伽马系数大于0且小于1时,可以对欠曝图像进行对比度增强;伽马系数大于1时,可以对过曝图像进行对比度增强;伽马系数等于1时,不对图像进行处理双向伽马变换的低照度图像对比度增强方法,通过对伽马参数实现自适应,通过对图像的双向伽马校正,使图像在提高亮度、增强对比度的同时,还可避免图中高亮区域像素值的溢出,弥补了单次伽马校正算法对亮区暗区处理时两者不能兼顾的不足,对V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值,包括对V通道亮度值进行如下公式的变换:
Iv_Gamma1(x,y)=[Iv(x,y)]γ
Iv_Gamma2(x,y)=1-[1-Iv(x,y)]γ
其中,Iv_Gamma1(x,y)为第一图像亮度值,即双伽马压缩图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值,即双伽马扩展图像亮度值;Iv(x,y)为V通道亮度值,(x,y)为图像中像素坐标;γ为控制图像增强程度的变量。
S4:对V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
对V通道亮度值进行拉普拉斯变换,生成第三图像亮度值,包括对V通道亮度值进行如下公式的变换:
其中Iv_laplace(x,y)表示第三图像亮度值;Iv(x,y)为V通道亮度值。
将低照度灰度图图像的V通道亮度值通过拉普拉斯变换,生成第三图像亮度值,第三图像亮度值分别与第一图像亮度值和第二图像亮度值的获取方式不同,通过多种获取渠道获取亮度值,对亮度值进行加权处理,加权处理后的亮度值更具说服力,其加权处理过程如下:
S5:加权融合第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
加权融合第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值,包括第三图像通过以下公式得到:
其中Iv_en(x,y)为第四图像亮度值;Iv_Gamma1(x,y)为第一图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值;Iv_laplace(x,y)表示第三图像亮度值。
S6:对第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
摄像头所拍摄到的图像是由物体表面对入射光反射得到的,反射率由物体本身决定,不受入射光变化,Retinex理论增强算法是利用去除亮度分量求得反射分量,从而达到图像增强效果,因此只需要估计亮度分量就能求得反射分量,估计亮度分量直接决定图像去雾恢复效果,而高斯环绕函数(高斯卷积函数)可以从已知图像中更好地估计出亮度分量。
对第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值如图2所示,包括步骤:
S61:构建高斯环绕函数;
S62:根据高斯环绕函数对第四图像亮度值所对应图像的RGB三个通道分别进行多个尺度的滤波处理,并进行平均加权处理,生成估计亮度值;
S63:第四图像亮度值减去估计亮度值,生成第五图像亮度值。
如前所述,第四图像亮度值作为原始图像的亮度值减去估计亮度值,生成第五图像亮度作为输出结果图像,该算法能压缩图像的动态范围,一定程度上的保持图像的颜色和细节的增强。其具体的表达式如下:
其中,RMSR(x,y)为第五图像亮度值;N为尺度个数;wi为多个尺度对应的权重;Iv_en(x,y)为第四图像亮度值;Gi(x,y)为N个尺度的高斯环绕函数;为卷积操作,作为具体地,N=3,即使用三个不同尺度的高斯滤波器对图像进行滤波处理时,效果最好,三个尺度分别对应大、中、小三个尺度;wi表示不同尺度对应的权重,分别取w1=w2=w3=1/3。
S7:根据第四图像亮度值和第五图像亮度值,重新设定低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
多尺度Retinex算法对每一个通道进行多次不同尺度滤波,加权求和,处理时间也会变长,且使用不同的尺度,导致恢复的RGB比值与原图比值不太一样,颜色失真,需要引入增强因子,从而降低色彩失真的影响,即增强比例,根据这一特定比例,能够保证图像光照的增强,同时能够防止色彩失衡。
S71:根据第四图像亮度值和第五图像亮度值,重新设定低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像包括步骤:
S72:获取低照度灰度图图像的RGB三个通道的增强因子,增强因子为第五图像亮度值与第四图像亮度值之比;
S73:根据增强因子分别重新设定低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像。
夜间拍摄到的图像如图3(a)所示,图像照度不够,会出现细节迷糊的情况,将图像进行从将低照度灰度图图像从RGB颜色空间转换到HSV颜色空间,再对V通道亮度值分别进行双伽马变换和拉普拉斯变换,将结果进行加权处理再进行多尺度Retinex变换,最后重新设定低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像图3(b),从图中可以直观看到,图3(b)的图像亮度高,细节清晰,能够更好的为车载环视系统提供技术支持。
根据增强因子分别重新设定低照度灰度图图像的RGB三个通道的灰度值,包括增强因子通过以下公式对低照度灰度图图像的RGB三个通道的灰度值进行重新设定:
其中,rr(x,y)为增强后的图像R通道灰度值;RMSR(x,y)/Iv_en(x,y)为增强因子,rg(x,y)为增强后的图像G通道灰度值;rb(x,y)为增强后的图像B通道灰度值;R(x,y)为低照度灰度图图像R通道灰度值;G(x,y)为低照度灰度图图像G通道灰度值;B(x,y)为低照度灰度图图像B通道灰度值。
本实施例还提供一种基于车载环视系统的图像增强装置,该装置能够实现上述方法的所有步骤,如图4所示该装置包括:
低照度灰度图图像获取模块:用于获取低照度灰度图图像;
V通道亮度值获取模块:用于获取低照度灰度图图像;
双伽马变换变化模块:用于对V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
拉普拉斯变换模块:对V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
第四图像亮度值生成模块:用于加权融合第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
第五图像亮度值生成模块:对第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
增强后的图像生成模块:用于根据第四图像亮度值和第五图像亮度值,重新设定低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
本发明的实施例还提供了一种电子设备,电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如方法实施例中的基于车载环视系统的图像增强方法。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中的基于车载环视系统的图像增强方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的基于车载环视系统的图像增强方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
实施本实施例,具有如下效果:
采用双伽马变换和拉普拉斯变换相结合的方式对低照度图像V通道进行增强,对增强后的V通道亮度值采用多尺度Retinex变换,并根据低照度灰度图图像RGB三个通道的灰度值和Retinex变换前后的亮度比例,重新设定RGB三个通道灰度值,提高图像增强的效果,并且能够防止色彩失衡。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.基于车载环视系统的图像增强方法,其特征在于,包括步骤:
获取低照度灰度图图像;
将所述低照度灰度图图像从RGB颜色空间转换到HSV颜色空间,获得V通道亮度值;
对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
2.根据权利要求1所述的基于车载环视系统的图像增强方法,其特征在于,所述获取低照度灰度图图像包括步骤:
获取第一低照度灰度图图像,所述第一低照度灰度图图像由鱼眼摄像头采集;
对所述第一低照度灰度图图像进行去畸变操作,生成第二低照度灰度图图像;
拼接多张所述第二低照度灰度图图像,生成所述低照度灰度图图像。
3.根据权利要求1所述的基于车载环视系统的图像增强方法,其特征在于,所述对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值,包括对所述V通道亮度值进行如下公式的变换:
Iv_Gamma1(x,y)=[Iv(x,y)]γ
Iv_Gamma2(x,y)=1-[1-Iv(x,y)]γ
其中,Iv_Gamma1(x,y)为第一图像亮度值,即双伽马压缩图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值,即双伽马扩展图像亮度值;Iv(x,y)为V通道亮度值,(x,y)为图像中像素坐标;γ为控制图像增强程度的变量。
4.根据权利要求3所述的基于车载环视系统的图像增强方法,其特征在于,所述对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值,包括对所述V通道亮度值进行如下公式的变换:
其中Iv_laplace(x,y)表示第三图像亮度值;Iv(x,y)为V通道亮度值。
5.根据权利要求4所述的基于车载环视系统的图像增强方法,其特征在于,所述加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值,包括所述第三图像通过以下公式得到:
其中Iv_en(x,y)为第四图像亮度值;Iv_Gamma1(x,y)为第一图像亮度值;Iv_Gamma2(x,y)为第二图像亮度值;Iv_laplace(x,y)表示第三图像亮度值。
6.根据权利要求5所述的基于车载环视系统的图像增强方法,其特征在于,所述对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值包括步骤:
构建高斯环绕函数;
根据所述高斯环绕函数对所述第四图像亮度值所对应图片的RGB三个通道分别进行多个尺度的滤波处理,并进行加权处理,生成预设亮度值;
所述第四图像亮度值减去所述预设亮度值,生成第五图像亮度值。
7.根据权利要求6所述的基于车载环视系统的图像增强方法,其特征在于,所述对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值,包括通过以下公式生成所述第五图像亮度值:
其中,RMSR(x,y)为第五图像亮度值;N为尺度个数;wi为多个尺度对应的权重;Iv_en(x,y)为第四图像亮度值;Gi(x,y)为N个尺度的高斯环绕函数。
8.根据权利要求7所述的基于车载环视系统的图像增强方法,其特征在于,所述根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像包括步骤:
获取所述低照度灰度图图像的RGB三个通道的增强因子,所述增强因子为所述第五图像亮度值与所述第四图像亮度值之比;
根据所述增强因子分别重新设定所述低照度灰度图图像的RGB三个通道的灰度值,生成增强后的图像。
9.根据权利要求8所述的基于车载环视系统的图像增强方法,其特征在,所述根据所述增强因子分别重新设定所述低照度灰度图图像的RGB三个通道的灰度值,包括所述增强因子通过以下公式对所述低照度灰度图图像的RGB三个通道的灰度值进行重新设定:
其中,rr(x,y)为增强后的图像R通道灰度值;RMSR(x,y)/Iv_en(x,y)为增强因子,rg(x,y)为增强后的图像G通道灰度值;rb(x,y)为增强后的图像B通道灰度值;R(x,y)为低照度灰度图图像R通道灰度值;G(x,y)为低照度灰度图图像G通道灰度值;B(x,y)为低照度灰度图图像B通道灰度值。
10.一种基于车载环视系统的图像增强装置,其特征在于,包括:
低照度灰度图图像获取模块:用于获取低照度灰度图图像;
V通道亮度值获取模块:用于获取低照度灰度图图像;
双伽马变换变化模块:用于对所述V通道亮度值进行双伽马变换,生成第一图像亮度值与第二图像亮度值;
拉普拉斯变换模块:对所述V通道亮度值进行拉普拉斯变换,生成第三图像亮度值;
第四图像亮度值生成模块:用于加权融合所述第一图像亮度值、第二图像亮度值和第三图像亮度值,生成第四图像亮度值;
第五图像亮度值生成模块:对所述第四图像亮度值进行多尺度Retinex变换,生成第五图像亮度值;
增强后的图像生成模块:用于根据所述第四图像亮度值和所述第五图像亮度值,重新设定所述低照度灰度图图像的RGB三通道的灰度值,生成增强后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210176961.2A CN116703734A (zh) | 2022-02-25 | 2022-02-25 | 基于车载环视系统的图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210176961.2A CN116703734A (zh) | 2022-02-25 | 2022-02-25 | 基于车载环视系统的图像增强方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116703734A true CN116703734A (zh) | 2023-09-05 |
Family
ID=87837999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210176961.2A Pending CN116703734A (zh) | 2022-02-25 | 2022-02-25 | 基于车载环视系统的图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703734A (zh) |
-
2022
- 2022-02-25 CN CN202210176961.2A patent/CN116703734A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636754B (zh) | 基于生成对抗网络的极低照度图像增强方法 | |
CN108205796B (zh) | 一种多曝光图像的融合方法及装置 | |
CN112767289B (zh) | 图像融合方法、装置、介质及电子设备 | |
CN110619593B (zh) | 一种基于动态场景的双曝光视频成像系统 | |
AU713076B2 (en) | Method of improving a digital image | |
CN110033418B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
JP6169186B2 (ja) | 画像処理方法及び装置並びに撮影端末 | |
US8559744B2 (en) | Method for processing a digital object and related system | |
CN111028190A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US8013907B2 (en) | System and method for adaptive local white balance adjustment | |
CN1985274A (zh) | 用于复原图像模型中颜色分量的方法、系统和程序模块 | |
US20110268357A1 (en) | Image processing apparatus, image processing method, and program | |
CN113962884B (zh) | Hdr视频获取方法、装置、电子设备以及存储介质 | |
CN110047060B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US20170154437A1 (en) | Image processing apparatus for performing smoothing on human face area | |
CN108629738B (zh) | 一种图像处理方法及装置 | |
EP4218228A1 (en) | Saliency based capture or image processing | |
CN110868548A (zh) | 一种图像处理方法及电子设备 | |
US8237829B2 (en) | Image processing device, image processing method, and imaging apparatus | |
CN113379609A (zh) | 一种图像处理方法、存储介质及终端设备 | |
JP2011100204A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、撮像装置及び電子機器 | |
CN112927162A (zh) | 一种面向低照度图像的增强方法及系统 | |
KR101337667B1 (ko) | 휘도 정보에 기초하여 보정된 값들을 이용한 렌즈 롤 오프 보정 동작 | |
CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 | |
CN116703734A (zh) | 基于车载环视系统的图像增强方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |