CN103065287A - 基于hsl空间和自适应反双曲正切函数的图像增强算法 - Google Patents
基于hsl空间和自适应反双曲正切函数的图像增强算法 Download PDFInfo
- Publication number
- CN103065287A CN103065287A CN2013100066038A CN201310006603A CN103065287A CN 103065287 A CN103065287 A CN 103065287A CN 2013100066038 A CN2013100066038 A CN 2013100066038A CN 201310006603 A CN201310006603 A CN 201310006603A CN 103065287 A CN103065287 A CN 103065287A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- subgraph
- color
- rgb
- 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.)
- Granted
Links
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明提供一种基于HSL空间和自适应反双曲正切函数的图像增强算法,其特征在于:所述算法包括以下步骤:(1)对图像进行RGB到HSL的空间变换;(2)针对亮度通道L,使用优化过的自适应反双曲正切函数进行亮度和对比度的增强;(3)对亮度通道进行校正以去除噪音;(4)对增强后的HSL图像进行RGB转换,获得最终的图像结果。本发明的有益效果是该增强算法利用图像增强技术,对图像明暗不均匀区域进行了优化,使得图像具有最佳的视觉效果,抑制了图像的噪音,易于人眼的观测,同时提高了线阵高清采集系统的性能。
Description
技术领域
本发明涉及图像增强技术,属于图像处理技术领域,尤其是涉及一种基于HSL空间和自适应反双曲正切函数的图像增强算法。
背景技术
由于铁路建设施工的局限性和室外环境中光照的不均匀性,在铁路现场采集到的线阵CCD图像,在亮度和对比度上经常出现不均衡,使得图像质量下降,给图像的展示和后续图像处理的操作带来很大的不确定性。
发明内容
本发明要解决的问题是提供一种基于HSL空间和自适应反双曲正切函数的图像增强算法,尤其适合对亮度和对比度不均衡的图片进行效果增强。
为解决上述技术问题,本发明采用的技术方案是:一种基于HSL空间和自适应反双曲正切函数的图像增强算法,其特征在于:所述算法包括以下步骤:
(1)对图像进行RGB到HSL的空间变换,获得H色相、S饱和度、L亮度三个分量子图;
(2)根据得到的L分量子图,利用自适应反双曲正切算法进行增强处理,获得的增强子图像Lenh;
(3)对获得的增强子图像Lenh进行中值滤波去除噪音;
(4)将去除噪音后的增强子图像Lenh,与步骤(1)中的H分量子图、S分量子图进行RGB转换,得到最终图像结果。
其中,所述步骤(1)中的RGB到HSL变换方法包括以下步骤:
(1)对获取到的RGB彩色图像进行归一化,使得R,G,B三个分量子图的值是在0到1之间的实数;
对所述RGB彩色图像中每一个像素的R,G,B值进行归一化,其计算方法如下:
r=F(Rx,y);g=F(Gx,y);b=F(Bx,y)
其中,x,y为该像素的坐标值;F(Cx,y)为归一化后的结果;max(C)为R,G,B的最大值;r、g、b为每一个像素归一化后的R,G,B值。
(2)将RGB图像转换为HSL色彩空间,获得H、S、L三个分量子图;
所述RGB转换HSL的计算方法如下:
其中,max是该像素r,g,b的最大值;min是该像素r,g,b的最小值。h为转换后该像素的色相值,s为转换后该像素的饱和度值,l为转换后该像素的亮度值。
所述步骤(2)中根据得到的L分量子图,利用自适应反双曲正切算法进行增强处理,获得的增强子图像Lenh的步骤如下:
(1)根据分量子图L大小和所述分量子图L的灰度值计算整幅子图的平均值,计算公式如下:
其中,M为分量子图L的长,N为分量子图L的高,Xij为图像中坐标在(i,j)处的灰度值,子图中的灰度值范围在[0,1]之间;Mean为整幅子图的平均值;
(2)用如下公式计算整幅子图的方差Variance:
(3)用如下公式计算整幅子图的增强量g:
g=0.1×Variance0.5
(4)用如下公式计算计算整幅子图的偏移量bia:
bia=(2×Mean)0.25
(5)对子图中每一个像素X(i,j),用如下自适应反双曲正切公式计算增强量Enhance(Xij),并替换原灰度值,获得的增强子图像Lenh:
所述步骤(3)中进行中值滤波处理,所述中值滤波公式如下:
f(x,y)=Med{L(i-k,j-r),k,r∈W}
其中,f(x,y)为中值滤波处理后的图像,L为增强子图像Lenh,W为滤波窗口,i、j为增强子图像Lenh每一个像素的坐标值,k、r为滤波窗口模板的长和宽。
所述中值滤波的滤波窗口为圆形或正方形。
所述中值滤波的滤波窗口是半径为2-9的圆形二维模板。
所述步骤(4)中的RGB转换方法,包括如下步骤:
(1)根据H分量子图、S分量子图和去除噪音后的增强子图像Lenh,计算出转换后RGB图像的每个颜色向量ColorR、ColorG、ColorB的值,计算方法如下:
当s=0时,ColorR=ColorG=ColorB=l
当s≠0时,
p=2×l-q
tG=hk
if tC<0→tC=tC+1.0 for each C∈{R,G,B}
if tC>1→tC=tC-1.0 for each C∈{R,G,B}
for each C∈{R,G,B}
其中,s为S分量子图的饱和度值,h为H分量子图的色相值,l为去除噪音后的增强子图像Lenh的亮度值,ColorR,ColorG,ColorB分别为转换后RGB图像的红、绿、蓝值;
(2)将转换后RGB图像的每一个ColorR,ColorG,ColorB都恢复到取值区间[0-255],得到最终的图像。
本发明具有的优点和积极效果是:该增强算法利用图像增强技术,对图像明暗不均匀区域进行了优化,使得图像具有最佳的视觉效果,抑制了图像的噪音,易于人眼的观测,同时提高了线阵高清采集系统的性能。
附图说明
图1是本发明的算法流程示意图
图2是未处理的原始图像
图3是利用本发明算法进行增强后的图像
具体实施方式
实施例1
如图1所示,本发明算法包括以下步骤:
步骤一:对图像进行RGB到HSL的空间变换,获得H(色相)、S(饱和度)、L(亮度)三个分量子图;
(1)对获取到的RGB彩色图像进行归一化,使得R(红),G(绿),B(蓝)三个分量子图的值是在0到1之间的实数;
对所述RGB彩色图像中每一个像素的R,G,B值进行归一化,其计算方法如下:
r=F(Rx,y);g=F(Gx,y);b=F(Bx,y)
其中,x,y为该像素的坐标值;F(Cx,y)为归一化后的结果;max(C)为R,G,B的最大值;r、g、b为每一个像素归一化后的R,G,B值。
(2)将RGB图像转换为HSL色彩空间,获得H(色相)、S(饱和度)、L(亮度)三个分量子图;
所述RGB转换HSL的计算方法如下:
其中,max是该像素r,g,b的最大值;min是该像素r,g,b的最小值。h为转换后该像素的色相值,s为转换后该像素的饱和度值,l为转换后该像素的亮度值。
步骤二:根据得到的L分量子图,利用自适应反双曲正切算法进行增强处理,获得的增强子图像Lenh;
(1)根据分量子图L大小和所述分量子图L的灰度值计算整幅子图的平均值,计算公式如下:
其中,M为分量子图L的长,N为分量子图L的高,Xij为图像中坐标在(i,j)处的灰度值,子图中的灰度值范围在[0,1]之间;Mean为整幅子图的平均值;
(2)用如下公式计算整幅子图的方差Variance:
(3)用如下公式计算整幅子图的增强量g:
g=0.1×Variance0.5
(4)用如下公式计算计算整幅子图的偏移量bia:
bia=(2×Mean)0.25
(5)对子图中每一个像素X(i,j),用如下自适应反双曲正切公式计算增强量Enhance(Xij),并替换原灰度值,获得的增强子图像Lenh:
步骤三:对获得的增强子图像Lenh进行中值滤波去除噪音,中值滤波公式如下:
f(x,y)=Med{L(i-k,j-r),k,r∈W}
其中,f(x,y)为中值滤波处理后的图像,L为增强子图像Lenh,W为滤波窗口,i、j为增强子图像Lenh每一个像素的坐标值,k、r为滤波窗口模板的长和宽。
该实施例中值滤波的滤波窗口是半径为2的圆形二维模板,即k、r均等于2。
步骤四:将去除噪音后的增强子图像Lenh,与步骤(1)中的H分量子图、S分量子图进行RGB转换,得到最终图像结果。
(1)根据H分量子图、S分量子图和去除噪音后的增强子图像Lenh,计算出转换后RGB图像的每个颜色向量ColorR、ColorG、ColorB的值,计算方法如下:
当s=0时,ColorR=ColorG=ColorB=l
当s≠0时,
p=2×l-q
tG=hk
if tC<0→tC=tC+1.0 for each C∈{R,G,B}
if tC>1→tC=tC-1.0 for each C∈{R,G,B}
for each C∈{R,G,B}
其中,s为S分量子图的饱和度值,h为H分量子图的色相值,l为去除噪音后的增强子图像Lenh的亮度值,ColorR,ColorG,ColorB分别为转换后RGB图像的红、绿、蓝值;
(2)将转换后RGB图像的每一个ColorR,ColorG,ColorB都恢复到取值区间[0-255],得到最终的图,恢复取值区间[0-255]的公式如下:
F(Cx,y)=C*max(C)
(C=ColorR,ColorG,ColorB)
R=F(Rx,y);G=F(Gx,y);B=F(Bx,y)
x,y为最终图像中像素的坐标值;F(Cx,y)为恢复取值区间[0-255]后的结果;max(C)为ColorR,ColorG,ColorB的最大值;R、G、B为最终图像中像素的R,G,B值。
效果例1:
图2是未处理的原始图像,将其利用实施例1所述算法进行增强后得到的最终图像如图3所示。
由效果图可知,该增强算法利用图像增强技术,对原始图像明暗不均匀区域进行了优化,使得图像具有最佳的视觉效果,抑制了图像的噪音,易于人眼的观测。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (7)
1.一种基于HSL空间和自适应反双曲正切函数的图像增强算法,其特征在于,所述算法包括以下步骤:
(1)对图像进行RGB到HSL的空间变换,获得H色相、S饱和度、L亮度三个分量子图;
(2)根据得到的L分量子图,利用自适应反双曲正切算法进行增强处理,获得的增强子图像Lenh;
(3)对获得的增强子图像Lenh进行中值滤波去除噪音;
(4)将去除噪音后的增强子图像Lenh,与步骤(1)中的H分量子图、S分量子图进行RGB转换,得到最终图像结果。
2.根据权利要求1所述的算法,其特征在于:所述步骤(1)中的RGB到HSL变换方法包括以下步骤:
(1)对获取到的RGB彩色图像进行归一化,使得R,G,B三个分量子图的值是在0到1之间的实数;
对所述RGB彩色图像中每一个像素的R,G,B值进行归一化,其计算方法如下:
r=F(Rx,y);g=F(Gx,y);b=F(Bx,y)
其中,x,y为该像素的坐标值;F(Cx,y)为归一化后的结果;max(C)为R,G,B的最大值;r、g、b为每一个像素归一化后的R,G,B值。
(2)将RGB图像转换为HSL色彩空间,获得H、S、L三个分量子图;
所述RGB转换HSL的计算方法如下:
其中,max是该像素r,g,b的最大值;min是该像素r,g,b的最小值。h为转换后该像素的色相值,s为转换后该像素的饱和度值,l为转换后该像素的亮度值。
3.根据权利要求1所述的算法,其特征在于:所述步骤(2)中根据得到的L分量子图,利用自适应反双曲正切算法进行增强处理,获得的增强子图像Lenh的步骤如下:
(1)根据分量子图L大小和所述分量子图L的灰度值计算整幅子图的平均值,计算公式如下:
其中,M为分量子图L的长,N为分量子图L的高,Xij为图像中坐标在(i,j)处的灰度值,子图中的灰度值范围在[0,1]之间;Mean为整幅子图的平均值;
(2)用如下公式计算整幅子图的方差Variance:
(3)用如下公式计算整幅子图的增强量g:
g=0.1×Variance0.5
(4)用如下公式计算计算整幅子图的偏移量bia:
bia=(2×Mean)0.25
(5)对子图中每一个像素X(i,j),用如下自适应反双曲正切公式计算增强量Enhance(Xij),并替换原灰度值,获得的增强子图像Lenh:
4.根据权利要求1所述的算法,其特征在于:所述步骤(3)中进行中值滤波处理,所述中值滤波公式如下:
f(x,y)=Med{L(i-k,j-r),k,r∈W}
其中,f(x,y)为中值滤波处理后的图像,L为增强子图像Lenh,W为滤波窗口,i、j为增强子图像Lenh每一个像素的坐标值,k、r为滤波窗口模板的长和宽。
5.根据权利要求4所述的算法,其特征在于:所述中值滤波的滤波窗口为圆形或正方形。
6.根据权利要求4所述的算法,其特征在于:所述中值滤波的滤波窗口是半径为2-9的圆形二维模板。
7.根据权利要求1所述的算法,其特征在于:所述步骤(4)中的RGB转换方法,包括如下步骤:
(1)根据H分量子图、S分量子图和去除噪音后的增强子图像Lenh,计算出转换后RGB图像的每个颜色向量ColorR、ColorG、ColorB的值,计算方法如下:
当s=0时,ColorR=ColorG=ColorB=l
当s≠0时,
p=2×l-q
tG=hk
if tC<0→tC=tC+1.0 for each C∈{R,G,B}
if tC>1→tC=tC-1.0 for each C∈{R,G,B}
for each C∈{R,G,B}
其中,s为S分量子图的饱和度值,h为H分量子图的色相值,l为去除噪音后的增强子图像Lenh的亮度值,ColorR,ColorG,ColorB分别为转换后RGB图像的红、绿、蓝值;
(2)将转换后RGB图像的每一个ColorR,ColorG,ColorB都恢复到取值区间[0-255],得到最终的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310006603.8A CN103065287B (zh) | 2013-01-08 | 2013-01-08 | 基于hsl空间和自适应反双曲正切函数的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310006603.8A CN103065287B (zh) | 2013-01-08 | 2013-01-08 | 基于hsl空间和自适应反双曲正切函数的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065287A true CN103065287A (zh) | 2013-04-24 |
CN103065287B CN103065287B (zh) | 2016-06-29 |
Family
ID=48107904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310006603.8A Active CN103065287B (zh) | 2013-01-08 | 2013-01-08 | 基于hsl空间和自适应反双曲正切函数的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065287B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561252A (zh) * | 2013-11-21 | 2014-02-05 | 无锡硅奥科技有限公司 | 一种hsl到rgb色彩空间转换的方法 |
CN104112254A (zh) * | 2014-06-19 | 2014-10-22 | 中国科学院深圳先进技术研究院 | 处理rgb彩色图像的方法和系统 |
CN104881849A (zh) * | 2015-05-25 | 2015-09-02 | 中国科学院上海高等研究院 | 增强彩色图像对比度的方法及其系统 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN108444386A (zh) * | 2018-04-14 | 2018-08-24 | 包仁妹 | 人体位置偏离测量平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6462835B1 (en) * | 1998-07-15 | 2002-10-08 | Kodak Polychrome Graphics, Llc | Imaging system and method |
US20030053690A1 (en) * | 2001-07-06 | 2003-03-20 | Jasc Software, Inc. | Automatic contrast enhancement |
CN1731820A (zh) * | 2005-08-22 | 2006-02-08 | 上海广电(集团)有限公司中央研究院 | 增强图像的结构方法 |
-
2013
- 2013-01-08 CN CN201310006603.8A patent/CN103065287B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6462835B1 (en) * | 1998-07-15 | 2002-10-08 | Kodak Polychrome Graphics, Llc | Imaging system and method |
US20030053690A1 (en) * | 2001-07-06 | 2003-03-20 | Jasc Software, Inc. | Automatic contrast enhancement |
CN1731820A (zh) * | 2005-08-22 | 2006-02-08 | 上海广电(集团)有限公司中央研究院 | 增强图像的结构方法 |
Non-Patent Citations (1)
Title |
---|
黄黎红: "一种基于单尺度Retinex的雾天降质图像增强新算法", 《应用光学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561252A (zh) * | 2013-11-21 | 2014-02-05 | 无锡硅奥科技有限公司 | 一种hsl到rgb色彩空间转换的方法 |
CN104112254A (zh) * | 2014-06-19 | 2014-10-22 | 中国科学院深圳先进技术研究院 | 处理rgb彩色图像的方法和系统 |
CN104881849A (zh) * | 2015-05-25 | 2015-09-02 | 中国科学院上海高等研究院 | 增强彩色图像对比度的方法及其系统 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN105976341B (zh) * | 2016-06-17 | 2018-10-09 | 天津工业大学 | 图像自适应中值滤波方法 |
CN108444386A (zh) * | 2018-04-14 | 2018-08-24 | 包仁妹 | 人体位置偏离测量平台 |
Also Published As
Publication number | Publication date |
---|---|
CN103065287B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN102063706B (zh) | 一种快速去雾方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN103065287A (zh) | 基于hsl空间和自适应反双曲正切函数的图像增强算法 | |
CN108711140B (zh) | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 | |
CN106897972A (zh) | 一种白平衡与暗原色的自适应直方图水下图像增强方法 | |
CN103020920A (zh) | 一种低照度图像增强方法 | |
CN102222328B (zh) | 一种边缘保持的自然场景图像自适应加权滤波方法 | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
CN106780356A (zh) | 基于卷积神经网络和先验信息的图像去雾方法 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
Benedetti et al. | Color to gray conversions in the context of stereo matching algorithms: An analysis and comparison of current methods and an ad-hoc theoretically-motivated technique for image matching | |
CN102903081A (zh) | 基于rgb彩色模型的低光照图像增强方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN103871041A (zh) | 基于认知正则化参数构建的图像超分辨率重构方法 | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN107481214A (zh) | 一种微光图像与红外图像融合方法 | |
CN111598791A (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
CN104112253A (zh) | 一种基于自适应多尺度滤波的低照度图像/视频增强方法 | |
CN108305232A (zh) | 一种单帧高动态范围图像生成方法 | |
CN106846258A (zh) | 一种基于加权最小平方滤波的单幅图像去雾方法 | |
CN104637036A (zh) | 一种中国古画增强方法 | |
CN103164847A (zh) | 视频图像中运动目标阴影消除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |