CN102789635A - 一种图像增强方法和装置 - Google Patents

Abstract

本发明提供了一种图像增强方法和装置，该方法包括下列步骤：（1）对当前图像中的像素的灰度值进行多尺度Retinex算法处理，再经过EXP变换得到R_Y(x,y)；（2）通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m；（3）通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数中的系数a、b随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。该图像增强方法和装置不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强。

Description

一种图像增强方法和装置

技术领域

本发明属于图像处理领域，具体涉及一种图像增强方法和装置。

背景技术

人们从外界获得的信息约有75%来自视频图像。但是摄像机在摄像时由于夜晚光照条件不足，大雾、大雨、沙尘等恶劣天气条件，常常使摄像机捕获的图像受到了严重的退化，使图像的质量下降，模糊不清，对比度偏低。采用数字图像处理技术对恶劣天气退化图像进行处理的方法有两大类：图像增强和图像复原。图像复原是指去除或最小化一幅图像中已知或部分己知退化的处理。目前，图像增强是一种更为通用的方法。图像增强是指一类按照应用的要求，对图像进行加工以突出图像中某些信息，削弱或去除某些不需要的信息，得到对具体应用来说更实用的图像，或将原图像转换成一种更适合人或机器进行分析处理的形式的图像处理方法。

目前研究人员己经提出许多图像增强方法，其中比较成熟的图像增强方法有对比度增强方法、直方图均衡方法、同态滤波方法、小波变换方法。其中，基于Retinex图像增强方法在动态范围压缩和颜色恒常性方面都具有良好的特性，在图像增强处理中具有锐化、色彩恒常、颜色高保真和高动态范围压缩等特性，因而可以自适应性地增强各种不同类型的图像。Retinex理论是由Land提出的一个关于人类视觉系统如何调节感知到物体的颜色和亮度的模型，指出了图像色彩的恒常性，也就是说同样的物体在不同的光源或光线底下颜色是恒定的。根据Retinex理论，人眼中的图像的成像主要由两元素决定，分别为入射光和反射物体，相应地一幅图像可以看成是由光照图像和反射图像两部分组成。在颜色恒定的条件下，就可以分别对光照图像和反射图像进行调整来达到图像增强的目的。在此基础上，Jobson等人提出了单尺度Retinex（SSR）、多尺度Retinex（MSR）算法，用于增强图像的对比度。事实上，由于SSR和MSR等算法都假设光照在空间上均匀分布的，这样就导致全局亮度向均值逼近，使局部细节信息对比度不足。

发明内容

本发明所要解决的技术问题是针对现有技术中存在的上述不足，提供一种图像增强方法和装置，该图像增强方法和装置不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强。

解决本发明技术问题所采用的技术方案是提供一种图像增强方法，包括以下步骤：

（1）当前图像中坐标为(x,y)的像素的灰度值为I(x,y)，对I(x,y)进行多尺度Retinex算法处理，再进行EXP变换得到R_Y(x,y)；

（2）通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m；

（3）通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\×R_M^{\′}(x,y)}{R_M^{\′}(x,y)+e^{b-a\×R_M^{\′}(x,y)}}$

其中，I_out(x,y）为增强后的图像的坐标为(x,y)的像素的灰度值，D为最大灰度等级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；对于8位图像系统其值为256，对于16位图像系统其值为2¹⁶，当然也可以选择其它位数图像系统。a、b为随I_m变化的参数，a与I_m为线性关系，b与I_m为线性关系，I_m为图像的像素的均值并随着图像的改变而变化，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

优选的是，所述可调参数a、b的求取方法为：选取一幅没有灯光的图像，调整参数a、b，按所述步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过所述步骤（2）增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，调整参数a、b，按所述步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过所述步骤（2）增强后的图像像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\×|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\×|b_0-b_1|.$

优选的是，所述步骤（1）和所述步骤（2）之间还包括：步骤（i）将R_Y(x,y)进行截取得到截取后的R_Y(x,y)，截取方法如下：

$R_Y(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，置信系数A的取值范围为1~3。

优选的是，所述步骤（1）之前还包括：步骤（j）对当前图像中坐标为(x,y)的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节，再经过EXP变换，其中全局亮度调节函数如下：

$I(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中，公式中的对数指的是自然对数，

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值。

优选的是，所述步骤（j）与步骤（1）之间还包括：步骤（m）通过增益补偿方法对I(x,y)进行修正。

优选的是，所述步骤（2）中选定区域为图像中心区域。

本发明还提供一种图像增强装置，包括：

多尺度Retinex处理单元，用于对当前图像中坐标为(x,y)的像素的灰度值为I(x,y)进行多尺度Retinex算法处理，再经过EXP变换得到R_Y(x,y)；

增益补偿单元，用于通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m;

非线性的S曲线传递函数映射单元，用于通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\&times;R_M^{\&prime;}(x,y)}{R_M^{\&prime;}(x,y)+e^{b-a\&times;R_M^{\&prime;}(x,y)}}$

其中，I_out(x,y)为增强后的图像的坐标为(x，y)的像素的灰度值，D为最大灰度等级，a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

优选的是，所述图像增强装置还包括：可调参数a、b获取单元，用于获取可调参数a、b，获取方法为：

选取一幅没有灯光的图像，调整参数a、b，按所述步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过所述步骤（2）增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，调整参数a、b，按所述步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过所述步骤（2）增强后的图像像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|b_0-b_1|.$

优选的是，所述图像增强装置，还包括：图像截取单元，用于将多尺度Retinex处理单元中的R_Y(x,y)进行截取得到截取后的R_Y(x,y)，截取方法如下：

$R_Y(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，置信系数A的取值范围为1~3。

优选的是，所述图像增强装置还包括：全局亮度调节单元，用于对当前图像中坐标为(x,y）的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节得到I(x,y)，再经EXP变换，通过增益补偿方法进行修正，其中全局亮度调节函数如下：

$I(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中，公式中的对数指的是自然对数，

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；优选的是，对于8位图像系统其值为256。当然也可以选择其它位数图像系统，对于16位图像系统其值为2¹⁶，对于32位图像系统其值为2³²。w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值。

优选的是，所述增益补偿单元中的选定区域为图像中心区域。

该图像增强方法和装置不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强。

附图说明

图1为本发明实施例2的图像增强方法中的原始夜视图像直方图；

图2为本发明实施例2的图像增强方法中的经过全局亮度调节函数映射后的夜视图像直方图；

图3为本发明实施例2的图像增强方法中选取的图像中心区域；

图4为本发明实施例2的图像增强方法中的图像增强方法流程图；

图5为本发明实施例2的图像增强方法中的一幅原始夜视图像；

图6为对图5的图像按照本发明实施例2的图像增强方法处理后得到的图像；

图7为本发明实施例2的图像增强方法中的另一幅原始夜视图像；

图8为对图7的图像按照本发明实施例2的图像增强方法处理后得到的图像。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。

实施例1

本实施例提供一种图像增强方法，包括以下步骤：

S101当前图像中坐标为(x,y)的像素的灰度值为I(x,y)，对I(x,y)进行多尺度Retinex算法处理，再进行EXP变换得到R_Y(x,y)；

S102通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m；

S103通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\&times;R_M^{\&prime;}(x,y)}{R_M^{\&prime;}(x,y)+e^{b-a\&times;R_M^{\&prime;}(x,y)}}$

其中，I_out(x,y）为增强后的图像的坐标为(x,y)的像素的灰度值，D为最大灰度等级，a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

该图像增强方法不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强。

实施例2

如图4所示，本实施例提供一种图像增强方法，该图像增强方法优选用于红外图像，尤其是车载夜视红外图像，包括以下步骤：

S201，对当前图像中坐标为(x,y)的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节得到I_A(x,y)，其中全局亮度调节函数如下：

$I_A(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中，公式中的对数指的是自然对数，

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；优选的是，对于8位图像系统其值为256。当然也可以选择其它位数图像系统，对于16位图像系统其值为2¹⁶，对于32位图像系统其值为2³²。w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值，对于8位图像，T的取值范围为0~255。该亮度分割阈值可以将图像亮度区域分为亮区和暗区，如该步骤中公式所示对亮区和暗区分别采用不同的亮度调节函数进行映射。根据Retinex理论可知，Retinex算法适用于光照缓慢变化的环境。而在实际环境中，特别夜视图像是一种高动态图像，且局部亮度变化大。如图1所示，该图像为未经过全局亮度调节函数映射前的原始夜视图像直方图，灰度级较为分散，亮区和暗区区分不明显。如图2所示，该图像为经过全局亮度调节函数映射后的夜视图像直方图，灰度级较为集中，亮区和暗区区分明显，全局亮度函数通过预设的亮度分割阈值分割了两个亮度区域使用不同的亮度调节函数进行映射，使得较暗区和高亮区的动态范围得到了压缩，从而使得中间的灰度级得以拉伸。从图2可以看出，经过全局亮度调节函数映射后使得图像亮区和暗区得到更好的聚类，从而使后续经Retinex处理后得图像更加清晰。

再将I_A(x,y)经过EXP变换得到I_E(x,y)，由于前面全局亮度调节函数对图像像素的灰度值取了自然对数，所以这里要对I_A(x,y)经过EXP变换，使其仍为灰度值的输出，其数学表达方式如下：

I_E(x,y)=Exp[I_A(x,y)]

通过该亮度调节函数进行全局亮度调节，可以有效抑制下一步中的增益补偿多尺度Retinex算法增强图像中出现光晕的现象，有利于进一步提高整体亮度。

S202，通过增益补偿方法对I_E(x,y)进行修正，增益补偿方法表示方式如下：

$I_B(x,y)=D\&times;\frac{I_E(x,y)-I_{E-\min }}{I_{E-\max }-I_{E-\min }}$

其中，D是图像系统的最大灰度级。I_E-min为I_E(x,y)的最小值，I_E-max为I_E(x,y)的最大值。通过增益补偿方法对I_E(x,y)进行修正，将I_E(x,y)拉伸到全局动态范围，使得图像的对比度增强，图像中暗区域的细节也能清晰可见，且高亮度区域边界对比度增强。

S203，对I_B(x,y)进行多尺度Retinex算法处理，多尺度Retinex算法相当于将数个单尺度Retinex进行加权组合，其中，单尺度Retinex算法的数学表达式如下：

R_n(x,y)=logI_B(x,y)-log[F_n(x,y)*I_B(x,y)]

其中，R_n(x,y)为经单尺度Retinex算法增强后的第n个尺度的反射输出分量，公式中的对数指的是自然对数，符号“*”代表卷积运算符，F_n(x,y)为第n尺度的环绕函数，其被称为环境函数，使用高斯函数作为环境函数，其表达式如下：

$F_n(x,y)=\mathrm{Kexp}[-(x^2+y^2)/c_n^2]$

上式中，c_n为第n尺度的高斯环绕空间常量，或称为尺度参数，而参数K的选取应满足下式：

∫∫F_n(x,y)dxdy=1

根据Retinex理论，图像主要由两部分组成，分别是入射光和反射物体，入射光直接决定了一幅图像中像素能达到的动态范围，反射物体决定了图像的内在性质，Retinex理论的目的就是从图形中获得物体的反射性质，即抛开入射光的性质获得物体的本来面貌。以上为单尺度Retinex的算法原理，c_n的选择会直接影响图像增强的效果，它控制着图像中有多少细节信息被保留，当选取较小的标准偏差时，能够完成动态范围的压缩；反之，色彩一致性较好。通常是在动态范围压缩和色彩一致性之间寻找平衡点。但是由于该方法只是单尺度的，因此如果想在图像的动态范围压缩以及图像的色彩一致性要好这两方面取得较好的效果，必须对单尺度改进，因此产生了多尺度的Retinex算法，多尺度Retinex算法将数个不同尺度上的单尺度Retinex进行加权组合，包括了多个尺度的特征，综合了小尺度的动态范围压缩和细节增强、大中尺度的色彩重现的优势，能同时实现图像的锐化、动态范围的压缩、对比度改善、颜色恒常性和颜色的重现，通过同时取不同的尺度来使不同尺度的图像进行互补，使得输出图像达到一个更好的效果，其数学表达如下：

$R_M(x,y)=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_n{R}_n(x,y)$

其中，R_M(x,y)为经多尺度Retinex算法增强后的反射输出，w_n为对应每一个尺度的权值。优选的是，N=3，c₁、c₂、c₃分别为15、30、100，w₁、w₂、w₃都为1/3。

将R_M(x,y)经过EXP变换得到R_Y(x,y)，由于前面多尺度Retinex算法对图像像素的灰度值取了自然对数，所以这里要对R_M(x,y)经过EXP变换，使其仍为灰度值的输出，其数学表达方式如下：其数学表达方式如下：

R_Y(x,y)=Exp[R_M(x,y)]

S204，将R_Y(x,y)进行截取得到R‘_Y(x,y)，截取方法如下：

$R_Y^{\&prime;}(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，R_low和R_up分别为下限截取点和上限截取点的灰度值，其表达方式如下所示：

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，A为图像的置信系数，A的取值范围为1~3。优选的是，A取1.8时，图像视觉效果最佳。

经过MSR处理后的结果有正有负，因此输出到显示器或者输出为图像时必须对其进行处理，将其像素值映射到输出设备的表示范围上。对于8位的图像系统，通常情况是灰度值映射到0~255的范围，才能得到视觉效果较好的增强图像。图像处理过程中发现经过MSR处理后的结果图像进行分析，发现其输出结果的直方图绝大多数都近似于正态分布，因此选择本步骤中的自动截断拉伸的自适应图像增强算法，以改善图像的处理效果。

S205，对于一幅灰度值介于R_low和R_up之间的图像，通过增益补偿方法对R‘_Y(x,y)进行修正得到R‘_M(x,y)；其中，增益补偿方法表示方式如下：

R′_M(x,y)=G×R′_Y(x,y)+b

其中，G、b分别为增益系数和补偿系数，数学表达式为：

$G=\frac{D}{R_{\mathrm{up}}-R_{\mathrm{low}}}---\left(13\right)$

$b=-\frac{R_{\mathrm{low}}}{R_{\mathrm{up}}-R_{\mathrm{low}}}\&times;D---\left(14\right)$

其中，D是图像系统的最大灰度级。

通过该增益补偿的方法对R‘_Y(x,y)应用线性拉伸技术来拉伸图像的动态范围进而达到图像增强的目的。此操作为一线性操作，使得图像本事的动态范围得以拉伸以达到显示媒介的动态范围。因而，会使得图像的特征之间形成更大的对比以有利于对图像特征的更精确的解释。这个变换将使得增强后的图像的灰度范围完全充满显示媒介的灰度范围。

S206，选取上一步图像处理后的图像中心区域作为下一步图像处理的依据。通过对夜视图像进行分析，可以得出最能表征夜视图像特征的信息一般在图像中心区域附近，其中包括对面车灯的状态（如：近光，远光）以及车辆所处环境的整体亮度。通过选取上一步增益补偿方法处理后的图像中的中心区域的灰度值的均值作为S曲线调整的依据。

优选的是，如图3所示，中心区域为图像高度1/4到3/4区域，其中，矩形ABCD区域为选定灰度均值计算区域，其数学表达式为：

$I_m=\underset{(x,y)\&Element;S_{\mathrm{ABCD}}}{\mathrm{\&Sigma;}}{R}_M^{\&prime;}(x,y)/N_{\mathrm{ABCD}}$

其中，S_ABCD代表矩形ABCD区域内所有的像素坐标，N_ABCD为在区域ABCD内的像素点的总数。当然，区域ABCD选择范围的大小与所处理图像类型有关，需要根据实际情况进行人为设定，也可以取图像宽度1/3到2/3区域等。

S207，通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\&times;R_M^{\&prime;}(x,y)}{R_M^{\&prime;}(x,y)+e^{b-a\&times;R_M^{\&prime;}(x,y)}}$

其中，I_out(x,y）为增强后的图像的坐标为(x,y)的像素的灰度值，D为最大灰度等级。a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

所述可调参数a、b的求取方法为：选取一幅没有灯光的图像，选取不同的a、b按所述S201~S207的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过所述S206增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，选取不同的a、b按所述S201~S207的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过所述S206增强后的图像像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|b_0-b_1|.$

优选的是，其中a₀、a₁取值范围在0.01~0.05；更优选的是，a₀、a₁分别为0.03，0.015。优选的是，b₀、b₁取值范围为6~11，更优选的是，b₀、b₁分别为8.0，9.0。优选的是，I_m0、I_m1取值范围在110~140；更优选的是，I_m0、I_m1分别为120、130。

也就是说，增强某幅图像用的a、b是根据a₀、a₁、b₀、b₁、I_m0、I_m1、I_m计算得到的，其中I_m的值是由当前图像经过图像增强算法求得的，而a₀、a₁、b₀、b₁、I_m0、I_m1、I_m则是预先设定的。其中，a₀、a₁、b₀、b₁、I_m0、I_m1、I_m的求取方法为：预先对两幅极端的典型图像（没有灯光和有远光灯的）进行按本实施例的方法进行增强处理，区别在于处理中使用的a、b不是计算得到，而是预先指定的，其中当增强后图像的清晰度和亮度综合效果最好时，根据所选用的a、b即为a₀、a₁、b₀、b₁，而经过S206得到的增强的图像像素的灰度值的均值分别为I_m0、I_m1。

该S曲线传递函数为动态范围的非线性拉伸方法，可以使亮区域更亮，暗区域更暗。其中a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。由于实时变换的图像像素的灰度值在随时发生改变，所以a、b的数值也发生实时改变，大大增加了图像的随机调节灰度值的能力和准确度，使其更加能适应图像实时变换的需求。

图5为在夜视图像光源较弱的情况下获得的原始夜视图像，图6为将图5的图像按照上述图像增强方法处理后得到的图像，从两幅图的对比可明显看出图6中全局亮度对比度增强。图7为在夜视图像光源较强的情况下获得的原始夜视图像，图8为将图7的图像按照上述图像增强方法处理后得到的图像，由于图7中图像光源很强，如果按照一般图像增强方法处理，那么在增强后的图像中会出现严重的光晕现象，而使用该图像增强方法后，不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强，提高了算法对复杂夜视图像的鲁棒性。同时，该图像增强方法抑制了多尺度Retinex算法增强图像中产生光晕的现象，使得图像整体的亮度提高。

实施例3

本实施例提供一种图像弱化装置，包括：

多尺度Retinex处理单元，用于对当前图像中坐标为(x,y)的像素的灰度值为I(x,y)进行多尺度Retinex算法处理，再进行EXP变换得到R_Y(x,y)；

增益补偿单元，用于通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m;

非线性的S曲线传递函数映射单元，用于通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\&times;R_M^{\&prime;}(x,y)}{R_M^{\&prime;}(x,y)+e^{b-a\&times;R_M^{\&prime;}(x,y)}}$

其中，I_out(x,y）为增强后的图像的坐标为(x，y)的像素的灰度值，D为最大灰度等级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；优选的是，对于8位图像系统其值为256。当然也可以选择其它位数图像系统，对于16位图像系统其值为2¹⁶，对于32位图像系统其值为2³²。a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

其中，I_out(x,y）为增强后的图像的坐标为(x，y)的像素的灰度值，D为最大灰度等级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；优选的是，对于8位图像系统其值为256。当然也可以选择其它位数图像系统，对于16位图像系统其值为2¹⁶，对于32位图像系统其值为2³²。a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

优选的是，所述图像增强装置还包括：可调参数a、b获取单元，用于获取可调参数a、b，获取方法为：

选取一幅没有灯光的图像，调整参数a、b，按实施1中的S101~S103的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过实施1中的S102增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，调整参数a、b，按实施1中的S101~S103的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过实施1中的S102增强后的图像像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|b_0-b_1|.$

优选的是，所述图像增强装置，还包括：图像截取单元，用于将多尺度Retinex处理单元中的RY(x,y)进行截取得到截取后的RY(x,y)，截取方法如下：

$R_Y(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，置信系数A的取值范围为1~3。

优选的是，所述图像增强装置还包括：全局亮度调节单元，用于对当前图像中坐标为(x,y）的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节得到I(x,y)，再经EXP变换，通过增益补偿方法进行修正，其中全局亮度调节函数如下：

$I(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中，公式中的对数指的是自然对数，

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，D是图像的灰度级动态范围，对于n位图像系统，其值为2ⁿ；优选的是，对于8位图像系统其值为256。当然也可以选择其它位数图像系统，对于16位图像系统其值为2¹⁶，对于32位图像系统其值为2³²。w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值。

优选的是，所述增益补偿单元中的选定区域为图像中心区域。

该图像增强装置不仅可以增强图像全局亮度的对比度，而且可以减少SSR和MSR等算法易导致的全局亮度向均值逼近的程度，使得局部细节信息对比度增强，提高了算法对复杂夜视图像的鲁棒性。同时，该图像增强装置有效解决了多尺度Retinex算法增强图像中产生光晕的现象，使得图像整体的亮度提高。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种图像增强方法，其特征在于，包括以下步骤：

（1）当前图像中坐标为(x,y)的像素的灰度值为I(x,y)，对I(x,y)进行多尺度Retinex算法处理，再进行EXP变换得到R_Y(x,y)；

（2）通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m；

（3）通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

其中，I_out(x,y)为增强后的图像的坐标为(x,y)的像素的灰度值，D为最大灰度等级，a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

2.根据权利要求1所述的图像增强方法，其特征在于，所述参数a、b的求取方法为：

选取一幅没有灯光的图像，调整参数a、b，按权利要求1中的步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过权利要求1中步骤（2）增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，调整参数a、b，按权利要求1中的步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过权利要求1中步骤（2）增强后的图像像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|b_0-b_1|.$

3.根据权利要求1所述的图像增强方法，其特征在于，所述步骤（1）和所述步骤（2）之间还包括：

步骤（i）将R_Y(x,y)进行截取得到截取后的R_Y(x,y)，截取方法如下：

$R_Y(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，置信系数A的取值范围为1~3。

4.根据权利要求1所述的图像增强方法，其特征在于，所述步骤（1）之前还包括：

步骤（j）对当前图像中坐标为(x,y)的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节，再经过EXP变换，其中全局亮度调节函数如下：

$I(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中，

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值。

5.根据权利要求4所述的图像增强方法，其特征在于，所述步骤（j）与步骤（1）之间还包括：

步骤（m）通过增益补偿方法对I(x,y)进行修正。

6.根据权利要求1所述的图像增强方法，其特征在于，所述步骤（2）中选定区域为图像中心区域。

7.一种图像增强装置，其特征在于，包括：

多尺度Retinex处理单元，用于对当前图像中坐标为(x,y)的像素的灰度值I(x,y)进行多尺度Retinex算法处理，再进行EXP变换得到R_Y(x,y)；

增益补偿单元，用于通过增益补偿方法对R_Y(x,y)进行修正得到R‘_M(x,y)，其中，选定区域中的像素的R‘_M(x,y)的平均值为I_m；

非线性的S曲线传递函数映射单元，用于通过非线性的S曲线传递函数对R‘_M(x,y)进行映射，其中，S曲线传递函数为：

$I_{\mathrm{out}}(x,y)=\frac{D\&times;R_M^{\&prime;}(x,y)}{R_M^{\&prime;}(x,y)+e^{b-a\&times;R_M^{\&prime;}(x,y)}}$

其中，I_out(x,y）为增强后的图像的坐标为(x,y)的像素的灰度值，D为最大灰度等级，a、b为随I_m变化的参数，a代表了S曲线增长速度的快慢，b代表了S曲线所在的位置。

8.根据权利要求7所述的图像增强装置，其特征在于，还包括：

可调参数a、b获取单元，用于获取可调参数a、b，获取方法为：

选取一幅没有灯光的图像，调整参数a、b，按权利要求1中的步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₀、b₀、I_m0，其中I_m0为选取的没有灯光的图像经过权利要求1中步骤（2）增强后的图像像素的灰度值的均值；选取一幅具有远光灯的图像，调整参数a、b，按权利要求1中的步骤（1）~（3）的方法对其进行增强，当清晰度和亮度综合效果最好时，图像参数分别为a₁、b₁、I_m1，其中I_m1为具有远光灯的图像经过权利要求1中步骤（2）增强后的图像的像素的灰度值的均值；则a，b的表达式为：

$a=\max (a_0,a_1)-\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|a_0-a_1|$

$b=\min (b_0,b_1)+\frac{I_m-\min (I_{m0},I_{m1})}{|I_{m0}-I_{m1}|}\&times;|b_0-b_1|.$

9.根据权利要求7所述的图像增强装置，其特征在于，还包括：

图像截取单元，用于将多尺度Retinex处理单元中的R_Y(x,y)进行截取得到截取后的R_Y(x,y)，截取方法如下：

$R_Y(x,y)=\left\{\begin{array}{cc}{R}_{\mathrm{low}}& R_Y(x,y)\&le;R_{\mathrm{low}}\\ R_Y(x,y)& R_{\mathrm{low}}<R_Y(x,y)\&le;R_{\mathrm{up}}\\ R_{\mathrm{up}}& R_Y(x,y)\&GreaterEqual;R_{\mathrm{up}}\end{array}\right.$

其中，

$\left\{\begin{array}{c}{R}_{\mathrm{low}}=\mathrm{\&mu;}-\mathrm{A\&sigma;}\\ R_{\mathrm{up}}=\mathrm{\&mu;}+\mathrm{A\&sigma;}\end{array}\right.$

μ和σ分别为图像中各像素的R_Y(x,y)的均值和标准差，置信系数A的取值范围为1~3。

10.根据权利要求7所述的图像增强装置，其特征在于，还包括：

全局亮度调节单元，用于对当前图像中坐标为(x,y）的像素的灰度值I(x,y)使用亮度调节函数进行全局亮度调节得到I(x,y)，再经过EXP变换，通过增益补偿方法进行修正，其中全局亮度调节函数如下：

$I(x,y)=\left\{\begin{array}{cc}{w}_L\&times;\log [I(x,y)+1]& I(x,y)\&le;T\\ -w_H\&times;\log [D-I(x,y)]+\log D& I(x,y)>T\end{array}\right.$

其中

$w_L=\frac{\frac{T}{D-1}\&times;\log D}{\log (T+1)}$

$w_H=\frac{(1-\frac{T}{D-1})\&times;\log D}{\log (D-T)}$

其中，D是图像系统的最大灰度级，w_L和w_H分别是预设的暗区和亮区的权值系数，T为预设的亮度分割阈值。

Images