CN103093429B - 图像增强方法 - Google Patents
图像增强方法 Download PDFInfo
- Publication number
- CN103093429B CN103093429B CN201310027110.2A CN201310027110A CN103093429B CN 103093429 B CN103093429 B CN 103093429B CN 201310027110 A CN201310027110 A CN 201310027110A CN 103093429 B CN103093429 B CN 103093429B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel
- brightness value
- white point
- 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.)
- Active
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Processing Of Color Television Signals (AREA)
- Studio Devices (AREA)
Abstract
本发明提供了一种图像增强方法,根据监控图像的获取特点,在算法中针对环境光线色温采用动态白点白平衡修正了图像的色彩退化,而针对空气折射率衰减对监控图像的模糊影响通过对比度增强提高了图像清晰度。并最终运用直方图归一化控制图像曝光范围不溢出,保证图像清晰度增强的同时不削弱细节。整个图像增强方法实现简单,效果显著,非常适用于室外视频监控领域。
Description
技术领域
本发明涉及数码图像处理领域,尤其是指一种图像增强方法。
背景技术
随着人类社会的发展和对环境的过度开发,空气质量已越来越恶劣,各种灰、霭、雾、雨等天气影响较多。由于雨雾天气的大气颗粒散射作用以及光线投射率衰减,可见光成像系统户外图像的颜色和清晰度都受到严重退化,妨碍了图像信息的提取,不利于城市治安、交通监控等应用。
现有的室外视频监控由于受雾、雨、霭等大气环境的影响,监控图像退化严重,现有的图像增强方法往往忽视了色彩增强,且在清晰度增强方面也缺乏对曝光范围控制,增强效果不好。
1.现有的视频监控图像效果后处理增强不够。
2.现有的图像去雾模型没有充分考虑室外大气环境对光线的散射作用,从而造成的监控图像色彩退化,监控图像颜色违背物理颜色恒常性原理。
3.现有的清晰度增强没有充分考虑图像曝光范围不溢出原则,图像清晰度增强的同时可能削弱细节。
发明内容
本发明的目的在于克服了上述缺陷,提供一种图像增强方法。
本发明的目的是这样实现的:一种图像增强方法,它包括步骤,
A)、预处理,将图像分割成多个块图像,计算每个块图像中所有像素点的两种色度信号的均值和标准方差,若块图像对应标准方差低于设定值则将该块图像从算法中剔除,保留部分作为待增强图像后继续步骤B);
较佳的,所述步骤A)中对图像分割成十二的倍数个块图像;对应的,所述步骤C2)中从亮度值高到底选取至多前10%的像素点作为参考白点;
最佳的,上述方法中,在标准方差为0-255的情况下,所述步骤A)中的设定值不大于10;
B)、获取待增强图像中每一个像素点的亮度值;
C)、至少选取一个亮度值最大的像素点作为参考白点,计算出该参考白点的RGB通道中红、绿、蓝各色度的平均值;
较佳的,本步骤C)具体包括,
C1)、筛选出候补参考白点,根据公式,
C2)、将筛选所得候补参考白点的亮度值由高到低排列,并从高往低选取一组像素点作为参考白点,分别计算每个参考白点的RGB通道中红、绿、蓝各色度的平均值;
D)、计算白平衡增益系数,分别用图像允许的亮度最大值除以上述的红、绿、蓝各色度的平均值得到红、绿、蓝各色度的白平衡增益系数;
E)、色彩还原矫正,根据计算的白平衡增益系数分别对待增强图像的每个像素点的RGB通道中红、绿、蓝各色度进行还原校正;
F)、统计图像亮度值数据,根据公式,
统计图像中亮度值为i的像素点的出现概率,式中:ni表示亮度值为i的像素点出现的次数,L是图像中所有的亮度值,n是图像中所有的像素点的数量;
G)、统计图像的累计归一化直方图,根据公式,
统计图像的累计归一化直方图,式中C(i)作为对应于px(j)的累计概率函数,j是从0到i区间的整数取值;
H)、根据步骤B)的数据,找寻亮度值的最大值和最小值;
I)、根据步骤G)的累计归一化直方图,对获取待增强图像的每一个像素点进行直方图均衡化处理。
较佳的,所述步骤I)的直方图均衡化处理由下式计算:
Y=c(i)*(亮度值的最大值–亮度值的最小值)+亮度值的最小值。
本发明的有益效果在于根据监控图像的获取特点,在算法中针对环境光线色温采用动态白点白平衡修正了图像的色彩退化,而针对空气折射率衰减对监控图像的模糊影响通过对比度增强提高了图像清晰度。并最终运用直方图归一化控制图像曝光范围不溢出,保证图像清晰度增强的同时不削弱细节。整个图像增强方法实现简单,效果显著,非常适用于室外视频监控领域。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的方法流程图;
图2为图像分割成十二个块图实施例的示意图;
图3为色彩还原矫正前图像;
图4为色彩还原矫正后图像;
图5为清晰度增强前图像;
图6为清晰度增强前图像的直方图;
图7为清晰度增强后图像;
图8为清晰度增强后图像的直方图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
请参阅图1,本发明提供了一种图像增强方法,它包括步骤:
A)、预处理,对图像分割成多个块图像,最佳的,图像分割成十二的倍数个块图像(如图2为分割为12个的方式),而后计算每个块图像中所有像素点的两种色度信号(通常选用红色和蓝色)的均值Mb,Mr和标准方差Db,Dr,若块图像对应标准方差低于设定值则将该块图像从算法中剔除,保留部分作为待增强图像后继续步骤。
本步骤中的剔除条件的设定值,最佳的,在标准方差为0-255的情况下,所述步骤A)中的设定值不大于10。
B)、获取待增强图像中每一个像素点的亮度值;
C)、至少选取一个亮度值最大的像素点作为参考白点,计算出该参考白点的RGB通道中红、绿、蓝各色度的平均值;
最佳的,本步骤通过选取一组亮度值大的像素点作为参考白点可更准确的得到RGB通道中红、绿、蓝各色度的平均值。具体的选取多个参考白点的步骤如下:
C1)、筛选出候补参考白点,根据公式,
C2)、将筛选所得候补参考白点的亮度值由高到低排列,并从高往低选取一组像素点作为参考白点,分别计算每个参考白点的RGB通道中红、绿、蓝各色度的平均值。
最佳的,本步骤中,对应图像分割的块图像的多少来决定所需要选取作为参考白点像素点组的多与少,当图像分割的块图像越多时,即图像分割越细则需要选取的参考白点像素点就可以相对少一些,例如对应步骤A)中分割为12的1倍,即12个块图像时,本步骤中只需要从高往低选取至多前10%像素点作为参考白点即可。
D)、计算白平衡增益系数,分别用图像允许的亮度最大值除以上述计算得的红、绿、蓝各色度的平均值得到红、绿、蓝各色度的白平衡增益系数;
【原偏色的白点】*增益系数=【真正的白点】(满足红色分量R=绿色分量G=蓝色分量B,RGB(255,255,255)为纯白,RGB(N,N,N)(N<255)为亮度不够的白点。
E)、色彩还原矫正,根据计算的白平衡增益系数分别对待增强图像的每个像素点的RGB通道中红、绿、蓝各色度进行还原校正;
参见图3、4为色彩还原矫正前后图片的比较,在色彩增强前图像前颜色存在偏色,其RGB通道中红、绿、蓝色度为:
0:RGB(255,255,247);
1:RGB(255,254,247);
2:RGB(255,252,247);
3:RGB(255,251,247);
4:RGB(255,249,247);
5:RGB(255,248,246);
6:RGB(255,246,247);
7:RGB(255,244,247);
8:RGB(255,242,247);
9:RGB(255,241,247);
AVG(255,248,246)
而通过本步骤色彩增强后图像的,RGB通道中红、绿、蓝色度变为:
0:RGB(248,255,249);
1:RGB(248,254,249);
2:RGB(248,252,249);
3:RGB(248,251,249);
4:RGB(248,249,249);
5:RGB(248,248,247);
6:RGB(248,246,249);
7:RGB(248,244,249);
8:RGB(248,242,249);
9:RGB(248,241,249);
AVG(248,248,248),图像颜色变为正常。
F)、统计图像亮度值数据,根据公式,
统计图像中亮度值为i的像素点的出现概率,式中:ni表示亮度值为i的像素点出现的次数,L是图像亮度最大值。L是图像中所有的亮度值,n是图像中所有的像素点的数量;
如图6、8图像处理中常见的直方图,其横轴表示图像像素点亮度值,纵轴表示具有该亮度值的像素点个数。
G)、统计图像的累计归一化直方图,根据公式,
统计图像的累计归一化直方图,式中C(i)作为对应于px(j)的累计概率函数,j是从0到i区间的整数取值。
H)、根据步骤B)的数据,找寻亮度值的最大值和最小值;
I)、根据步骤G)的累计归一化直方图,对获取待增强图像的每一个像素点进行直方图均衡化处理。
参见图5清晰度增强前图像,其细节上较为模糊,图6对应清晰度增强前图像的直方图。图7为经过了上述清晰度增强后图像,其整体透亮且清晰,图8为此时即清晰度增强后图像直方图。
所述直方图均衡化处理由下式计算:
Y=c(i)*(亮度值的最大值–亮度值的最小值)+亮度值的最小值。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种图像增强方法,其特征在于:它包括步骤,
A)、预处理,将图像分割成多个块图像,计算每个块图像中所有像素点的两种色度信号的均值和标准方差,若块图像对应标准方差低于设定值则将该块图像从算法中剔除,保留部分作为待增强图像后继续步骤B);
B)、获取待增强图像中每一个像素点的亮度值;
C)、至少选取一个亮度值最大的像素点作为参考白点,计算出该参考白点的RGB通道中红、绿、蓝各色度的平均值,其中,所述步骤C)具体包括,
C1)、筛选出候补参考白点,根据公式,
C2)、将筛选所得候补参考白点的亮度值由高到低排列,并从高往低选取一组像素点作为参考白点,分别计算每个参考白点的RGB通道中红、绿、蓝各色度的平均值;
D)、计算白平衡增益系数,分别用图像允许的亮度最大值除以上述的红、绿、蓝各色度的平均值得到红、绿、蓝各色度的白平衡增益系数;
E)、色彩还原矫正,根据计算的白平衡增益系数分别对待增强图像的每个像素点的RGB通道中红、绿、蓝各色度进行还原校正;
F)、统计图像亮度值数据,根据公式,
统计图像中亮度值为i的像素点的出现概率,式中:ni表示亮度值为i的像素点出现的次数,L是图像中所有的亮度值,n是图像中所有的像素点的数量;
G)、统计图像的累计归一化直方图,根据公式,
统计图像的累计归一化直方图,式中C(i)作为对应于px(j)的累计概率函数,j是从0到i区间的整数取值;
H)、根据步骤B)的数据,找寻亮度值的最大值和最小值;
I)、根据步骤G)的累计归一化直方图,对获取待增强图像的每一个像素点进行直方图均衡化处理;
所述步骤I)的直方图均衡化处理由下式计算:
Y=c(i)*(亮度值的最大值–亮度值的最小值)+亮度值的最小值。
2.如权利要求1所述的图像增强方法,其特征在于:所述步骤A)中将图像分割成十二的倍数个块图像;对应的,所述步骤C2)中由亮度值高到低选取至多前10%的像素点作为参考白点。
3.如权利要求1-2任意一项所述的图像增强方法,其特征在于:在标准方差为0-255的情况下,所述步骤A)中的设定值不大于10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310027110.2A CN103093429B (zh) | 2013-01-18 | 2013-01-18 | 图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310027110.2A CN103093429B (zh) | 2013-01-18 | 2013-01-18 | 图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103093429A CN103093429A (zh) | 2013-05-08 |
CN103093429B true CN103093429B (zh) | 2016-03-02 |
Family
ID=48205964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310027110.2A Active CN103093429B (zh) | 2013-01-18 | 2013-01-18 | 图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103093429B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544715B (zh) * | 2013-09-29 | 2017-04-19 | 广东工业大学 | 一种印刷电路板金相切片彩色图像的分割方法 |
CN103646382A (zh) * | 2013-12-02 | 2014-03-19 | 中国烟草总公司重庆市公司烟草科学研究所 | 一种烟叶病害的图像增强处理方法 |
US9386289B2 (en) * | 2014-04-29 | 2016-07-05 | Intel Corporation | Automatic white balancing with chromaticity measure of raw image data |
CN105303586B (zh) * | 2014-07-16 | 2018-05-11 | 深圳Tcl新技术有限公司 | 获取直方图的方法、亮度动态调整的方法及图像处理装置 |
US10368105B2 (en) * | 2015-06-09 | 2019-07-30 | Microsoft Technology Licensing, Llc | Metadata describing nominal lighting conditions of a reference viewing environment for video playback |
CN105812762A (zh) * | 2016-03-23 | 2016-07-27 | 武汉鸿瑞达信息技术有限公司 | 一种处理图像偏色的自动白平衡方法 |
CN105828057A (zh) * | 2016-03-23 | 2016-08-03 | 武汉鸿瑞达信息技术有限公司 | 一种优化图像辨识度的hdr自适应颜色映射方法 |
CN105979237A (zh) * | 2016-06-01 | 2016-09-28 | 努比亚技术有限公司 | 一种图像处理方法及装置 |
CN106875344B (zh) * | 2016-12-21 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种视频图像的补光处理方法及装置 |
CN107578390B (zh) * | 2017-09-14 | 2020-08-07 | 长沙全度影像科技有限公司 | 一种使用神经网络进行图像白平衡校正的方法及装置 |
CN109684922B (zh) * | 2018-11-20 | 2023-04-07 | 浙江大学山东工业技术研究院 | 一种基于卷积神经网络的多模型对成品菜的识别方法 |
CN111275774A (zh) * | 2019-12-31 | 2020-06-12 | 杭州迪英加科技有限公司 | 一种显微镜下图像的获取方法和电子设备 |
CN111274952B (zh) * | 2020-01-20 | 2021-02-05 | 新疆爱华盈通信息技术有限公司 | 背光人脸图像处理方法、人脸识别方法 |
CN111369478B (zh) * | 2020-03-04 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 人脸图像增强方法、装置、计算机设备和存储介质 |
CN113473101B (zh) * | 2020-03-30 | 2023-06-30 | 浙江宇视科技有限公司 | 一种色彩校正方法、装置、电子设备和存储介质 |
CN112218065B (zh) * | 2020-09-14 | 2022-05-10 | 深圳英飞拓科技股份有限公司 | 图像白平衡方法、系统、终端设备及存储介质 |
CN112954290B (zh) * | 2021-03-04 | 2022-11-11 | 重庆芯启程人工智能芯片技术有限公司 | 一种基于图像平滑度的白平衡校正装置及方法 |
CN117115160B (zh) * | 2023-10-24 | 2024-02-02 | 四川省交通勘察设计研究院有限公司 | 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196274A (zh) * | 2011-05-10 | 2011-09-21 | 西安理工大学 | 一种基于颜色映射的自动白平衡方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110079310A (ko) * | 2009-12-31 | 2011-07-07 | 주식회사 동부하이텍 | Awb 이미지 프로세싱 방법 |
-
2013
- 2013-01-18 CN CN201310027110.2A patent/CN103093429B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196274A (zh) * | 2011-05-10 | 2011-09-21 | 西安理工大学 | 一种基于颜色映射的自动白平衡方法 |
Non-Patent Citations (2)
Title |
---|
A novel automatic white balance method for digital still cameras;Ching-Chih Weng等;《Circuits and Systems, 2005. ISCAS 2005. IEEE International Symposium on》;20050526;第4卷;第3801-3804页 * |
视频中运动物体检测与跟踪OpenCV实现;董辉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121215;正文第15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103093429A (zh) | 2013-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103093429B (zh) | 图像增强方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN103714520B (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN107292830B (zh) | 低照度图像增强及评价方法 | |
US20090091661A1 (en) | Video Auto Enhancing Algorithm | |
CN104618700B (zh) | 一种彩色高动态范围图像增强显示的方法 | |
CN103455979A (zh) | 一种低照度视频图像增强方法 | |
CN105282529B (zh) | 一种基于raw空间的数字宽动态方法及装置 | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
CN104581105B (zh) | 基于色温距离变换权重图和块可靠性修正的自动白平衡方法 | |
CN108154492B (zh) | 一种基于非局部均值滤波的图像去雾霾方法 | |
CN105701783B (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
CN107240081A (zh) | 夜景影像去噪与增强处理方法 | |
CN112907497B (zh) | 图像融合方法以及图像融合装置 | |
CN108093175B (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN106651817A (zh) | 一种基于非抽样Contourlet的图像增强方法 | |
CN109118450A (zh) | 一种沙尘天气条件下的低质图像增强方法 | |
CN110223253B (zh) | 一种基于图像增强的去雾方法 | |
CN105184758A (zh) | 一种图像去雾增强的方法 | |
CN104657939A (zh) | 一种低照度视频图像增强方法 | |
CN105741248B (zh) | 一种消除图像阴霾的方法 | |
CN113409196B (zh) | 一种用于实时视频拼接的高速全局色差矫正方法 | |
CN113888434A (zh) | 一种沙尘图像增强方法 | |
CN107038689A (zh) | 一种视频增亮方法 |
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 | ||
C56 | Change in the name or address of the patentee | ||
CP03 | Change of name, title or address |
Address after: 518000 Longhua Guangdong New District, Longhua street, Qinghua Road, west side of the south side of the building J Industrial Park, building to 5 level 1 Patentee after: Shenzhen Jin made video Polytron Technologies Inc Address before: Kim made building No. 306 Longhua road 518000 Guangdong snow Kong City in Shenzhen Province Patentee before: Santachi Video Technology (Shenzhen) Co., Ltd. |