CN102509272A - 一种基于颜色恒常性的彩色图像增强方法 - Google Patents

Abstract

本发明涉及一种基于颜色恒常性的彩色图像增强方法，包括首先利用二次函数，根据彩色图像的亮度均值自适应地计算每个像素的亮度增益；然后计算颜色增益和比例参数，在加强亮度增益效果的同时，提高了色彩鲜艳度；然后提取边缘细节信息，计算平移参数，对增强后的图像进行边缘恢复，最后利用比例参数和平移参数计算得到最终的彩色增强图像。本发明在保证颜色恒常性的同时，有效提升了对比度和亮度，保持了良好的细节完整性，对各种光照下的图像均能取得较好的增强效果，具有较好的普适性。

Description

一种基于颜色恒常性的彩色图像增强方法

技术领域  

    本发明属于图像增强技术领域，涉及一种基于颜色恒常性的彩色图像增强方法。

背景技术  

彩色图像增强技术有助于提高人们的视觉感受，便于图像的理解与分析，因此有着非常重要的意义。人的视觉具有颜色恒常性，能够在一定程度上排除光照条件对颜色的影响，正确地还原物体本身的固有颜色。由于要保持某些颜色信息不变，传统的灰度图像增强技术等不适合直接应用于彩色图像。

Land等人研究了颜色恒常现象，提出了Retinex模型，Jobson等人在此基础上发展了单尺度Retinex（SSR）、多尺度Retinex（MSR）和多尺度Retinex彩色恢复（MSRCR）方法，成功应用于图像增强，这类方法试图从颜色刺激着手，可以改善颜色恒常性，压缩图像动态范围，提高对比度，但是将颜色信息和亮度信息进行了混合处理，在符合人眼感知特性的前提下改变了色调，出现了不同程度的彩色失真。

另一类保持颜色恒常性的方法是在色彩空间模型中通过保持色调（决定了颜色值的分量）不变来保证没有颜色偏移。彩色数字图像可用多种色彩空间模型来表达，常用的是RGB模型，但是由于这三个颜色分量高度相关，且是一种不均匀的色彩空间，因此不能保证颜色恒常。将RGB空间向色度空间转换后，即可基本消除颜色分量的相关性。常用的是IHS、HSV等色彩空间，其中H表示色调，S表示饱和度，I或V表示亮度，增强过程中均保证H不变，调整S、 I或V，从而达到颜色恒常的目的。这类方法由于需要进行色彩空间转换，因此比较耗时，不利于对图像进行实时性增强。同时S分量也受到了调整，但是，S分量是颜色信息的一个重要属性，应该尽量保证在增强过程中保持不变。

因此，本领域亟待提出颜色恒常性效果更优的彩色图像增强技术方案。

发明内容

本发明的目的在于针对现有技术的缺点和不足，提供一种基于颜色恒常性的彩色图像增强方法，通过二次函数自适应地计算出亮度增益曲面进行颜色恒常性增强，然后通过B3样条函数进行边缘恢复，具有较好的普适性，在保证颜色恒常性的同时，有效提升对比度和亮度，保持良好的细节完整性，提供的方法能适用于各种光照下的图像增强领域。

本发明所采用的技术方案是一种基于颜色恒常性的彩色图像增强方法，包括以下步骤：

步骤a，输入原始彩色图像，将原始彩色图像转化为亮度图像，计算亮度图像的均值                                                

，根据均值采用自适应二次函数计算每个像素点的亮度增益初始值

；

所述自适应二次函数定义为以下公式

当前像素点的亮度增益初始值

按以下公式求取

其中，

为亮度图像的均值，

为当前像素点的原始颜色灰度值

中最大值，

为以

为输入的自适应二次函数输出值；

步骤b，根据每个像素点的原始颜色灰度值

之间的相关性，采用映射函数计算每个像素点的颜色增益，将所得每个像素点的颜色增益

与步骤a中所得相应的亮度增益初始值

分别相乘，作为每个像素点的比例参数；

步骤c，提取每个像素点的边缘细节特征作为该像素的平移参数

；

步骤d，对于原始彩色图像的每个像素点，根据该像素的比例参数

、原始颜色灰度值

和平移参数

，按以下公式得到增强颜色灰度值

，

 

根据所得每个像素点的增强颜色灰度值

输出增强图像。

而且，步骤b中，颜色增益的定义为以下公式

其中，

为当前像素点的原始颜色灰度值

中最大值，

， 

为映射函数；

映射函数

取对数函数，颜色增益根据以下公式计算，

其中

为颜色增益常数。

而且，步骤c中，提取每个像素点的边缘特征实现方式为，选用B3样条卷积核与步骤a中所得的亮度图像进行卷积，将亮度图像减去卷积的结果作为原始彩色图像的边缘细节特征。

本发明提供的技术方案的有益效果为：在基于色彩空间的颜色恒常性增强过程中除了保持色调不变外，也尽量减少了饱和度的改变，同时也减少了传统方法中进行色彩空间转换的时间消耗，能自适应地调整图像的亮度增益，提高了色彩鲜艳度，对图像进行了边缘回复，减少了细节损失，在保证颜色恒常性的同时，有效提升了对比度和亮度，保持了良好的细节完整性，对各种光照下的图像均能取得较好的增强效果，具有较好的普适性。

附图说明

图1为本发明实施例的流程图。

具体实施方式

本发明的技术方案可采用计算机软件技术自动进行流程。为了更好地理解本发明的技术方案，下面结合附图和实施例对本发明做进一步的详细说明。本发明的实施例是对Simon Fraser University (SFU)图像库中的彩色图像进行增强，参照图1，本发明实施例的流程包括如下步骤：

步骤a：计算亮度增益初始值，亮度增益初始值用于进行亮度增强。

为计算比例参数

，先将原始彩色图像转化为亮度图像，设原始彩色图像中某一像素点为当前像素点，当前像素点在亮度图像中的相应亮度值通过以下公式求取：

                          （1）

其中，表示亮度图像中当前像素点的灰度值，

是当前像素点的原始颜色灰度值，即分别表示原始彩色图像中当前像素点在红色通道、绿色通道、蓝色通道的原始颜色灰度值。

亮度图像的均值反映了人眼对图像的总体感受，计算亮度图像的均值

为：

                            （2）

其中，是计算亮度图像均值的函数，是亮度图像所有像素点灰度值的总和与亮度图像像素总数的商。

采用自适应二次函数对亮度图像进行非线性变换，实施例的自适应二次函数定义为：

                  （3）

其中

为亮度图像的均值，易知当

或者时

取得最大值255，因此变换后的灰度值不会因为超过255而溢出，

为以

为输入的自适应二次函数输出值。则图像中某一像素点处的亮度增益初始值定义为：

             （4）

其中

，即当前像素点的原始颜色灰度值

中最大值。

按照下式对可以原始彩色图像进行亮度增强：

                                 （5）

其中

、

、

分别为当前像素点的原始颜色灰度值

的亮度增强结果。

步骤b：计算比例参数，比例参数用于进行色彩增强。

尽管可以通过步骤a所得亮度增益初始值对图像进行增强，如式（5）所述结果。但研究中发现增强的力度往往不够，尤其是当图像的均值非常低时，增强的效果并不尽如人意。这是因为计算某个像素点的亮度增益时，只考虑了原始颜色灰度值

中的最大值，而没有考虑原始颜色灰度值

之间的相关性，这种相关性可以用下面的比例关系来描述：

                           （6）

其中

为原始颜色灰度值

中的任意一个，该比例关系表示了该像素点的颜色信息，因此本发明引入的颜色增益

与此比例

有关，用于动态调整亮度增益初始值

。

颜色增益

的定义为：

                          （7）

其中

，为当前像素点的原始颜色灰度值

最大值，

，为当前像素点的原始颜色灰度值

和值。

反映了该像素点的颜色信息，

为映射函数，可以取一切函数，表示

是

的函数，本发明实施例中取

，即：

                   （8）

其中为颜色增益常数，

是为了防止除数为0，

加1是为了让

始终大于等于0。计算得到了当前像素点的颜色增益

后，与该像素点的亮度增益初始值

相乘，即为最终的比例参数：

                          （9）

此时

有可能大于255，此时为了防止溢出，对亮度增益初始值

做如下处理：

                       （10）

因此最后经过亮度增益和色彩增益后的彩色图像为：

                          （11）

其中

、

、

分别为当前像素点的原始颜色灰度值

亮度增益和色彩增益后结果。

步骤c：计算平移参数，平移参数用于进行边缘恢复。

如果单纯地对每个像素进行同比增强，则增强后的图像会比较模糊，这是因为同比增强虽然增加了图像的亮度，但是会削弱相邻像素之间的灰度差异，从而导致相邻像素的灰度值趋于相近。由于这些灰度差异表现为图像的边缘细节特征，因此只需要将这些细节特征重新加入到处理后的图像中，即可恢复相邻像素之间的灰度差异。由于B3样条函数能够很好地拟合边缘曲线，本发明实施例选用B3样条卷积核与亮度图像进行卷积，卷积的结果即作为图像的边缘细节特征。5

5的B3样条卷积核为：

                     （12）

设卷积的结果为

，则，为卷积操作，

。将每一像素点上的边缘细节特征作为该点的平移参数

，即

。

步骤d，对于原始彩色图像的每个像素点，根据该像素的比例参数

、原始颜色灰度值

和平移参数

，按以下公式得到增强颜色灰度值

，

                             （13）

根据所得每个像素点的增强颜色灰度值

输出增强图像。增强图像是对原始彩色图像进行亮度增强、色彩增强和加入边缘细节特征后的结果。

计算每个像素点的亮度增益和B3样条函数卷积的过程都是浮点运算，而输出图像的灰度值是0-255之间的整数，在转换过程中会出现精度损失，因此从理论上来讲，本发明方法的色调是保持不变的，饱和度也基本保持不变，但在实际应用中，由于存在上述精度损失，从最后增强结果影像计算出的色调和饱和度与原始影像的色调和饱和度之间还是会存在一定的差距，但是这个差距仍然远小于其他方法。

综上所述，本发明提出的基于颜色恒常性的图像增强方法，首先提出了一种利用二次函数计算彩色图像亮度增益曲面的方法，根据彩色图像的亮度均值自适应地计算每个像素点的亮度增益；然后提出了用于自适应调整亮度增益曲面的颜色增益方法，在加强亮度增益效果的同时，提高了色彩鲜艳度；最后利用生成的亮度增益曲面对彩色图像的RGB三分量进行同比增强，同时提出利用B3样条函数提取边缘细节信息对增强后的图像进行边缘恢复，能够有效减小RGB三分量同比增强过程中的细节损失，在恢复相邻像素之间灰度差异的同时，也尽量保证了颜色信息的不变。

以下是本发明技术方案在HSI空间的理论证明：

设处理前某一像素点的颜色向量为

，

是该像素点的原始颜色灰度值，在HSI空间中，H和S分量的计算方法为：

                 （14）

其中

，，

,比例参数为

，平移参数为

，则经过平移和比例变换后的颜色向量为：

                   （15）

将

代入（14）式计算可知，，因此，其中

和分别表示由颜色向量

计算出的角度和色调值。

另外，计算S分量可知，

                      （16）

其中，

、

和

分别表示平移和比例变换后的颜色向量

的饱和度、亮度和最小值。

如果在此像素点上的平移量

，则

，可以近似认为该像素点的饱和度也不变。在这种情况下，色调和饱和度都没有变化，则处理后图像的颜色信息将得到最大限度的保留。

为便于理解本发明技术效果起见，以下通过仿真实验来验证本发明的有效性：

以SFU图像库进行了实验，该库分4组，共529张不同光照、不同物体的低对比度、某些局部细节不突出的偏暗彩色图片。该库可在以下网址下载：

http://www.cs.sfu.ca/~colour/data/colour_constancy_test_images/index.html

同时为对比不同方法的增强效果，本实施例采用对数增强、MSRCR和本发明方法对图像库中的两幅图像进行实验。

为客观评价各方法的结果图像的对比度和亮度，采用Jobson提出的依据图像的均值和局部方差均值的评价方法，即：

                        （17）

                          （18）

其中为对比度改变比例，

为亮度改变比例，为分块数量，

和

分别表示原始图像和结果图像第

分块图像的局部方差，和

分别表示原始图像和结果图像的均值。

和

只描述了亮度和对比度方面的信息，不能充分表达颜色信息。色调和饱和度分量是颜色的重要属性，它们的改变量可以用来衡量各种方法在颜色保持方面的性能差异。参考

和

的表达式，本发明提出了以下的色调偏差指数和饱和度偏差指数，即：

                （19）

                  （20）

其中

表示色调偏差指数，

表示饱和度偏差指数，

和

为图像的宽度和高度，

和

分别为原始图像和结果图像中像素坐标

处的色调，

和

分别为原始图像和结果图像中像素坐标处的饱和度，其计算方式按式（14）进行。

从仿真结果可以看出，与原始的低照度、低对比度图像相比，结果图像的可视效果有了非常明显的提高，增强了亮度和对比度，同时色彩信息得到了很好的保留，表明本发明方法法对不同光照具有很好的适应性。同时对数增强的结果偏白色，MSRCR的结果也有较明显的偏色，而本发明方法的色彩更鲜艳更真实，细节层次更丰富，具有更好的可视效果。

按照所述仿真内容的仿真结果客观评价指标下表所示：

从评价结果可以看出，三种方法都具有较高的对比度和亮度改变量，说明三种方法均能有效提高图像的对比度和亮度，而本发明方法的对比度和亮度改变量均最大，实验一中的对比度和亮度改变量均接近于10倍。从色调偏差指数和饱和度偏差指数可以看出，本发明方法的两个偏差指数远小于对数增强和MSRCR方法，实验一中本发明方法的色调偏差指数分别为对数增强和MSRCR的16.17%和3.16%，饱和度偏差指数分别为27.21%和53.16%；实验二中本发明方法的色调偏差指数分别为对数增强和MSRCR的13.56%和7.38%，饱和度偏差指数分别为8.42%和12.41%，这个结果表明对数增强和MSRCR这两个方法具有非常大的色彩偏差，这与视觉效果是一致的，也证明了本发明方法在保持色彩信息方面的优越性。

综上所述，本发明与传统图像增强方法比较可知，不管是从客观评价指标上，还是从主观视觉上，本发明的方法都具有很明显的优势，增强图像能较好地保持颜色恒常性，增强了主观可视表达效果，是一种可行的图像增强方法。

以上内容是结合最佳实施方案对本发明所做的进一步详细说明，不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解，在不脱离由所附权利要求书限定的情况下，可以在细节上进行各种修改，都应当视为属于本发明的保护范围。

Claims (3)

1.一种基于颜色恒常性的彩色图像增强方法，其特征在于，包括以下步骤：

步骤a，输入原始彩色图像，将原始彩色图像转化为亮度图像，计算亮度图像的均值                                                

，根据均值采用自适应二次函数计算每个像素点的亮度增益初始值；

所述自适应二次函数定义为以下公式

当前像素点的亮度增益初始值

按以下公式求取

其中，

为亮度图像的均值，

为当前像素点的原始颜色灰度值

中最大值，为以

为输入的自适应二次函数输出值；

步骤b，根据每个像素点的原始颜色灰度值

之间的相关性，采用映射函数计算每个像素点的颜色增益

，将所得每个像素点的颜色增益与步骤a中所得相应的亮度增益初始值

分别相乘，作为每个像素点的比例参数；

步骤c，提取每个像素点的边缘细节特征作为该像素的平移参数

；

步骤d，对于原始彩色图像的每个像素点，根据该像素的比例参数

、原始颜色灰度值

和平移参数

，按以下公式得到增强颜色灰度值

，

 

根据所得每个像素点的增强颜色灰度值

输出增强图像。

2.根据权利要求1所述的基于颜色恒常性的彩色图像增强方法，其特征在于：步骤b中，颜色增益

的定义为以下公式

其中，

为当前像素点的原始颜色灰度值

中最大值，

， 

为映射函数；

映射函数

取对数函数，颜色增益

根据以下公式计算，

其中

为颜色增益常数。

3.根据权利要求1或2所述的基于颜色恒常性的彩色图像增强方法，其特征在于：步骤c中，提取每个像素点的边缘特征实现方式为，选用B3样条卷积核与步骤a中所得的亮度图像进行卷积，将亮度图像减去卷积的结果作为原始彩色图像的边缘细节特征。

Images