CN102903081A - 基于rgb彩色模型的低光照图像增强方法 - Google Patents

Abstract

本发明提出一种基于RGB彩色模型的低光照图像增强方法，主要解决现有技术忽略甚至丢失图像细节信息、边缘信息的问题。将低光照图像的彩色信息运用到图像增强过程中，其实现步骤是：(1)提取输入图像的R、G、B分量图像；(2)对R、G、B分量图像进行分频；(3)对R、G、B分量图像的低频分量进行直方图均衡化；(4)对R、G、B分量图像的高频分量进行加权处理；(5)线性组合处理后的低频分量和高频分量，得到处理后的R、G、B分量图像；(6)组合处理后的R、G、B分量图像，输出最终的增强图像。本发明在提高图像亮度的同时，有效地减少了图像中的噪声，较好地保留了图像的边缘信息和细节信息，可用于提高光照不足情况下拍摄的彩色图像的质量。

Description

基于RGB彩色模型的低光照图像增强方法

技术领域

本发明涉及图像增强处理，特别涉及一种低光照图像增强方法，可用于提高光照不足情况下拍摄的彩色图像的质量。

背景技术

图像增强的主要目的是改善图像的视觉质量。对于一幅给定的图像，图像增强可以根据图像的模糊情况和应用场合，采用某种特殊的技术来突出图像中的某些信息，削弱或消除某些无用的信息，从而达到有目的地强调图像的整体或局部特征的效果。增强后的图像往往有助于观察者对特殊信息的识别，即让观察者能够看到更加直接、清晰、适于分析的信息。应该特别提及的是增强后的图像质量好坏主要靠人的视觉来评定，而视觉评定具有高度主观的特点。为了一种特定的用途采用一种特定的处理方法从而得到一幅特定的图像，对这幅特定图像的质量的评价方法和准则因此也是特定的。所以很难对各种处理定出一个通用的标准。也就是说，图像增强没有通用理论标准。

对图像增强效果的评价主要依赖于人对图像的感知，因此基于图像彩色信息的增强处理拥有了更加实际的意义。针对含有彩色信息的图像处理，国内外学者已提出了多种颜色空间以实现定量表达自然界丰富多样的色彩。在颜色空间中，颜色由三维坐标表示，这个坐标描述了颜色在颜色空间中的位置。颜色空间把抽象的、主观的视觉感受具体化为三维空间中的位置、向量，使各种彩色图像、彩色设备的颜色特性都能实现可视化。常见的颜色空间有RGB颜色空间和HSV颜色空间等。RGB颜色空间又称RGB彩色模型，是基于笛卡尔坐标系，其所考虑的彩色子空间是立方体。在RGB彩色模型中，每种颜色都会出现在红(Red)、绿(Green)、蓝(Blue)的原色光谱分量中。其中R、G、B分别是三个坐标轴，也就是立方体相交汇的三条边，而这三条边的交汇顶点即为原点，原点表示为黑色，立方体上距离原点最远的顶点则表示白色；红、绿和蓝位于这三条边上除交汇点外的剩余三个顶点，青、深红和黄则分别位于立方体的剩余三个顶点上。在该模型中，灰度等级沿着黑白这两点的连线分布，不同的颜色位于立方体上或立方体内部的不同位置，并通过以原点为起点、该颜色所在位置为终点的向量来定义。因此在RGB彩色模型中，所表示的图像由R、G、B三个图像分量组成，每一个分量图像都是所表示图像的原色图像。

图像增强，通常可以划分为频域增强方法和空域增强方法两大类。基于频域的方法是在图像的某种变换域内对图像的变化系数值进行某种修正，是一种间接增强的算法。它把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。基于频域的方法主要有低通滤波、高通滤波及同态滤波。其中低通滤波只让低频信号通过，可以有效去掉图像中的噪声，但图像的边缘信息却集中在图像的高频部分，因此低通滤波可能会造成图像边缘信息的丢失，使图像边缘过于平滑和模糊。基于空域的方法是直接对图像灰度级进行处理。基于空域的方法可划分为空域变换增强和空域滤波增强两类。其中空域变换增强主要包括直接灰度变换、直方图修正及图像间运算。而直方图均衡化法HE是一种最常见的直方图修正技术，它是把给定图像的直方图分布改造成均匀直方图分布，使输出像素灰度的概率密度均匀分布。

直方图均衡化法处理图像的原理依据是：当图像中所有灰度级出现的概率是一个均匀分布时，图像所暴露出来的信息量是最大的，而图像暴露出的信息量越大越有利于提取图像中的有用信息。在实际的应用当中，我们处理的图像均是数字图像。如果一幅数字图像总共有L个灰度级，则其归一化直方图为：

$p_f\left(r_k\right)=\frac{n_k}{n},k=\mathrm{0,1},...,L-1,$

其中n为这幅数字图像的像素总数，k是灰度级，r_k是区间[0,L-1]的第k级亮度，故r_k相当于灰度级k，n_k代表灰度级为r_k的图像的像素数，其中0≤r_k≤1。因此p_f(r_k)表示灰度级r_k出现的频数。

直方图均衡化的离散形式为：

$s_k=T\left(r_k\right)=\underset{i=0}{\overset{k}{\mathrm{\Σ}}}{p}_f\left(r_i\right)=\underset{i=0}{\overset{k}{\mathrm{\Σ}}}\frac{n_i}{n},k=\mathrm{0,1},...,L-1$

其中s_k是直方图均衡化处理后图像中的第k级亮度值，它对应于原图像中的第k级亮度值r_k，T是变换函数。

传统的直方图均衡化也称全局直方图均衡化，即对整幅图像进行直方图均衡化，拉伸直方图上灰度分布较密的部分，压缩分布稀疏的部分，从而使一幅图像的对比度在总体上得到增强，但却容易导致忽略甚至丢失图像细节信息的后果。

发明内容

本发明的目的在于针对传统直方图均衡化方法的缺点，提了一种基于RGB彩色模型的低光照图像增强方法，以提高低光照图像的质量。

实现本发明目的的技术思路是：首先提取出图像的彩色信息，针对图像的彩色信息采用低通滤波和直方图均衡化相结合的局部直方图均衡化处理，并在局部直方图均衡化的基础上加上经过处理的图像高频信息，其具体步骤包括如下：

（1）输入一幅低光照图像，基于RGB彩色模型的原理提取该图像的R分量图像fR(x,y)、G分量图像fG(x,y)和B分量图像fB(x,y)，并对fR(x,y)、fG(x,y)和fB(x,y)分别进行快速傅里叶变换，得到变换后的R分量图像FR(u,v)、G分量图像FG(u,v)和B分量图像FB(u,v)；

（2）运用截止频率为40的高斯低通滤波器GLPF对上述FR(u,v)、FG(u,v)和FB(u,v)进行分频处理，得到FR(u,v)的低频分量FR_l(u,v)和高频分量FR_h(u,v)，FG(u,v)的低频分量FG_l(u,v)和高频分量FG_h(u,v)，FB(u,v)的低频分量FB_l(u,v)和高频分量FB_h(u,v)，其中FR_l(u,v)、FG_l(u,v)和FB_l(u,v)分别表示R、G、B分量图像在频域中的低频分量，FR_h(u,v)、FG_h(u,v)和FB_h(u,v)分别表示R、G、B分量图像在频域中的高频分量，分频处理具体按如下公式实施：

FR_l(u,v)＝FR(u,v)H(u,v)，

FG_l(u,v)＝FG(u,v)H(u,v)，

FB_l(u,v)＝FB(u,v)H(u,v)，

FR_h(u,v)＝FR(u,v)[1-H(u,v)]，

FG_h(u,v)＝FG(u,v)[1-H(u,v)]，

FB_h(u,v)＝FB(u,v)[1-H(u,v)]，

其中H(u,v)是高斯低通滤波器的传递函数，

表示点D(u,v)到原点的距离，D₀表示截止频率，即D₀取值40；

（3）对步骤(2)所述的低频分量FB_l(u,v)、FG_l(u,v)和FB_l(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的低频分量fR_l(x,y)、fG_l(x,y)和fB_l(x,y),并对fR_l(x,y)、fG_l(x,y)和fB_l(x,y)进行直方图均衡化，得到均衡化后的低频分量fR′_l(x,y)、fG′_l(x,y)和fB′_l(x,y)；

（4）对步骤（2）所述的高频分量FB_h(u,v)、FG_h(u,v)和FB_h(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的高频分量fR_h(x,y)、fG_h(x,y)和fB_h(x,y),并对fR_h(x,y)、fG_h(x,y)和fB_h(x,y)进行加权处理，得到加权处理后的高频分量fR′_h(x,y)、fG′_h(x,y)和fB′_h(x,y)。加权处理具体按如下公式实施：

fR′_h(x,y)＝a·fR_h(x,y)，

fG＇_h(x,y)＝a·fG_h(x,y)，

fB′_h(x,y)＝a·fB_h(x,y)，

其中a是加权系数，a的取值视具体情况而定：若原始低光照图像受噪声影响较重，为了避免放大噪声，a的取值应小于1，若原始低光照图像受噪声影响较小，a的取值应大于1；

（5）线性组合步骤（3）中所述的fR′_l(x,y)、fG′_l(x,y)、fB′_l(x,y)和步骤（4）中所述的fR′_h(x,y)、fG′_h(x,y)、fB′_h(x,y)，得到增强处理后的R分量图像fR′(x,y)、G分量图像fG'(x,y)和B分量图像fB'(x,y)，即：

fR'(x,y)=fR′_l(x,y)+fR＇_h(x,y)，

fG'(x,y)=fG′_l(x,y)+fG＇_h(x,y)，

fB'(x,y)=fB′_l(x,y)+fB＇_h(x,y)；

（6）将步骤（5）增强处理后的R分量图像fR＇(x,y)、G分量图像fG＇(x,y)和B分量图像fB'(x,y)按照RGB彩色模型进行组合，输出最终增强图像。

本发明与现有技术相比具有以下优点：

第一，本发明将低光照图像的彩色信息运用到图像增强的过程中，更好地提高了图像质量，让观察者能够看到更加直接、清晰、适于分析的信息。

第二，本发明采用低通滤波法有效地减少了图像本身的噪声，并且本发明采取的只针对图像低频信息进行直方图均衡化的局部直方图均衡化方法较好地解决了传统全局直方图均衡化造成的忽略甚至丢失细节信息的问题，更好地保留了图像的细节信息。

第三，本发明在局部直方图均衡化的基础上加上了经过加权处理的图像高频信息，弥补了采用低通滤波法所造成的丢失图像边缘信息的缺陷。

附图说明

图1是本发明的流程图；

图2是本发明实施例中的原始低光照图像；

图3是用本发明和基于RGB彩色模型的对原始低光照图像进行全局直方图均衡化的处理结果对比图；

图4是用本发明和基于RGB彩色模型的只对原始低光照图像低频信息进行直方图均衡化的处理结果对比图。

具体实施方式

下面结合图1对本发明的具体实施步骤做进一步的详细描述：

步骤1.提取R、G、B分量图像并进行快速傅里叶变换。

在本发明的实施例中，输入一幅低光照图像，图像大小为1074×2272×3。基于RGB彩色模型的原理提取该图像的R分量图像fR(x,y)、G分量图像fG(x,y)和B分量图像fB(x,y)，并对fR(x,y)、fG(x,y)和fB(x,y)分别进行快速傅里叶变换，得到变换后的R分量图像FR(u,v)、G分量图像FG(u,v)和B分量图像FB(u,v)。

步骤2.对步骤1所述的FR(u,v)、FG(u,v)和FB(u,v)进行分频处理。

在本发明的实施例中，我们使用截止频率为40的高斯低通滤波器对步骤1所述的R分量图像FR(u,v)、G分量图像FG(u,v)和B分量图像FB(u,v)进行分频处理，得到R分量图像FR(u,v)的低频分量FR_l(u,v)和高频分量FR_h(u,v)，G分量图像FG(u,v)的低频分量FG_l(u,v)和高频分量FG_h(u,v)，B分量图像FB(u,v)的低频分量FB_l(u,v)和高频分量FB_h(u,v)，分频处理具体按如下公式实施：

FR_l(u,v)＝FR(u,v)H(u,v)，

FG_l(u,v)＝FG(u,v)H(u,v)，

FB_l(u,v)＝FB(u,v)H(u,v)，

FR_h(u,v)＝FR(u,v)[1-H(u,v)]，

FG_h(u,v)＝FG(u,v)[1-H(u,v)]，

FB_h(u,v)＝FB(u,v)[1-H(u,v)]，

其中H(u,v)是高斯低通滤波器的传递函数，

表示点D(u,v)到原点的距离，D₀表示截止频率，D₀取值40。FB_l(u,v)、FG_l(u,v)和FB_l(u,v)分别表示R、G、B分量图像在频域中的低频分量，FB_h(u,v)、FG_h(u,v)和FB_h(u,v)分别表示R、G、B分量图像在频域中的高频分量。

步骤3.对步骤2所述的低频分量进行直方图均衡化。

在本发明的实施例中，对步骤2所述的R、G、B分量图像在频域中的低频分量FB_l(u,v)、FG_l(u,v)和FB_l(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的低频分量fR_l(x,y)、fG_l(x,y)和fB_l(x,y),并对该低频分量fR_l(x,y)、fG_l(x,y)和fB_l(x,y)进行直方图均衡化，得到均衡化后的低频分量fR′_l(x,y)、fG＇_l(x,y)和fB′_l(x,y)。

步骤4.对步骤2所述的高频分量进行加权处理。

在本发明的实施例中，对步骤2所述的R、G、B分量图像在频域中的高频分量FB_h(u,v)、FG_h(u,v)和FB_h(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的高频分量fR_h(x,y)、fG_h(x,y)和fB_h(x,y),并对该高频分量fR_h(x,y)、fG_h(x,y)和fB_h(x,y)进行加权处理，得到加权处理后的高频分量fR＇_h(x,y)、fG＇_h(x,y)和fB＇_h(x,y)。加权处理具体按如下公式实施：

fR＇_h(x,y)＝a·fR_h(x,y)，

fG＇_h(x,y)＝a·fG_h(x,y)，

fB＇_h(x,y)＝a·fB_h(x,y)，

其中a是加权系数，在本发明的实施例中加权系数a取值为0.7。

步骤5.对处理后的低频分量和高频分量进行线性组合。

在本发明的实施例中，将步骤3所述的均衡化后的低频分量fR′_l(x,y)、fG′_l(x,y)、fB′_l(x,y)和步骤4所述的加权处理后的高频分量fR＇_h(x,y)、fG＇_h(x,y)、fB＇_h(x,y)进行线性组合，得到增强处理后的R分量图像fR＇(x,y)、G分量图像fG＇(x,y)和B分量图像fB'(x,y)。线性组合具体按如下公式进行：

fR'(x,y)=fR′_l(x,y)+fR＇_h(x,y)，

fG'(x,y)=fG′_l(x,y)+fG＇_h(x,y)，

fB'(x,y)=fB′_l(x,y)+fB＇_h(x,y)。

步骤6.对处理后的R、G、B分量图像进行组合。

在本发明的实施例中，将步骤5增强处理后的R分量图像fR＇(x,y)、G分量图像fG'(x,y)和B分量图像fB'(x,y)按照RGB彩色模型进行组合，输出最终增强图像。

本发明的效果可以通过以下仿真实验进一步说明：

1.实验条件：

在CPU为core23.00GHz、1.97GHz，内存1.95GB，WINDOWS XP系统上使用MATLABR2010a进行仿真。

2.实验内容：

本发明分别使用两幅低光照彩色图像进行实验，这两幅低光照图像大小均为1074×2272×3，分别命名为Tree和House，其中图2(a)是Tree，图2(b)是House。

实验一

用本发明和现有基于RGB彩色模型的对原始低光照图像进行全局直方图均衡化算法分别对图2(a)所示的Tree图和图2(b)所示的House图进行增强处理，实验结果如图3所示。其中：

图3(a)是基于RGB彩色模型的对图2(a)所示Tree图进行全局直方图均衡化的结果；

图3(b)是本发明对图2(a)所示Tree图的增强结果；

图3(c)是基于RGB彩色模型的对图2(b)所示House图进行全局直方图均衡化的结果；

图3(d)是本发明对图2(b)所示House图的增强结果。

实验二

用本发明和现有基于RGB彩色模型的只对原始低光照图像低频信息进行直方图均衡化算法分别对图2(a)所示的Tree图和图2(b)所示的House图进行增强处理，实验结果如图4所示。其中：

图4(a)是基于RGB彩色模型的只对图2(a)所示Tree图低频信息进行直方图均衡化的结果；

图4(b)是本发明对图2(a)所示Tree图的增强结果；

图4(c)是基于RGB彩色模型的只对图2(b)所示House图低频信息进行直方图均衡化的结果；

图4(d)是本发明对图2(b)所示House图的增强结果。

3.实验结果：

从图3(a)、图3(c)的实验结果可见，基于RGB彩色模型的对原始低光照图像进行全局直方图均衡化算法虽然能够提高图像的亮度，但图像的噪声相对明显，因此不能得到理想的低光照图像增强结果。

从图4(a)、图4(c)的实验结果可见，基于RGB彩色模型的只对原始低光照图像低频信息进行直方图均衡化算法虽然也能提高图像的亮度，却使图像的边缘信息和细节信息有些失真，因此增强效果并不理想。

从图3(b)、图3(d)或图4(b)、图4(d)的实验结果可见，本发明不仅提高了图像的亮度，减少了图像中的噪声，而且对图像的边缘信息和细节信息保留较好。

综上，本发明在提高图像亮度的同时，能有效地减少图像中的噪声，较好地保留了图像的边缘信息和细节信息，得到了较为理想的处理结果。

Claims (2)

1.一种基于RGB彩色模型的低光照图像增强方法，包括如下步骤：

（1）输入一幅低光照图像，提取该图像的R分量图像fR(x,y)，G分量图像fG(x,y)，B分量图像fB(x,y)，并对fR(x,y)、fG(x,y)和fB(x,y)分别进行快速傅里叶变换，得到变换后的R分量图像FR(u,v)、G分量图像FG(u,v)和B分量图像FB(u,v)，其中R、G、B分量图像分别表示输入的低光照图像基于RGB彩色模型的红色图像分量、绿色图像分量和蓝色图像分量；

（2）运用截止频率为40的高斯低通滤波器GLPF对上述FR(u,v)、FG(u,v)和FB(u,v)进行分频处理，得到FR(u,v)的低频分量FR_l(u,v)和高频分量FR_h(u,v)，FG(u,v)的低频分量FG_l(u,v)和高频分量FG_h(u,v)，FB(u,v)的低频分量FB_l(u,v)和高频分量FB_h(u,v)，其中FR_l(u,v)、FG_l(u,v)和FB_l(u,v)分别表示R、G、B分量图像在频域中的低频分量，FR_h(u,v)、FG_h(u,v)和FB_h(u,v)分别表示R、G、B分量图像在频域中的高频分量；

（3）对步骤（2）所述的FR_l(u,v)、FG_l(u,v)和FB_l(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的低频分量fR_l(x,y)、fG_l(x,y)和fB_l(x,y),并对fR_l(x,y)、fG_l(x,y)和fB_l(x,y)进行直方图均衡化，得到均衡化后的低频分量fR′_l(x,y)、fG′_l(x,y)和fB′_l(x,y)；

（4）对步骤（2）所述的FR_h(u,v)、FG_h(u,v)和FB_h(u,v)分别进行傅里叶反变换，得到R、G、B分量图像在空域中的高频分量fR_h(x,y)、fG_h(x,y)和fB_h(x,y),并对fR_h(x,y)、fG_h(x,y)和fB_h(x,y)进行加权处理，得到加权处理后的高频分量fR＇_h(x,y)、fG＇_h(x,y)和fB＇_h(x,y)；

（5）线性组合步骤（3）所述的fR′_l(x,y)、fG′_l(x,y)、fB′_l(x,y)和步骤（4）中所述的fR＇_h(x,y)、fG＇_h(x,y)、fB＇_h(x,y)，得到增强处理后的R分量图像fR＇(x,y)、G分量图像fG'(x,y)和B分量图像fB＇(x,y)，即：

fR'(x,y)=fR′_l(x,y)+fR＇_h(x,y)，

fG'(x,y)=fG′_l(x,y)+fG＇_h(x,y)，

fB'(x,y)=fB′_l(x,y)+fB＇_h(x,y)；

（6）将步骤（5）增强处理后的R分量图像fR＇(x,y)、G分量图像fG＇(x,y)和B分量图像fB'(x,y)按照RGB彩色模型进行组合，输出最终增强图像。

2.根据权利要求1所述的基于RGB彩色模型的低光照图像增强方法，其特征在于，步骤（4）所述的对fR_h(x,y)、fG_h(x,y)和fB_h(x,y)进行加权处理，按如下公式进行：

fR′_h(x,y)＝a·fR_h(x,y)，

fG＇_h(x,y)＝a·fG_h(x,y)，

fB＇_h(x,y)＝a·fB_h(x,y)，

其中a是加权系数，a取值0.7。

Images