CN103177424A - 一种低照度图像的增强和去噪方法 - Google Patents

Abstract

本发明公开的一种低照度图像的增强和去噪方法，具体按照以下步骤实施：步骤1、判断是否进行图像的增强和去噪处理；步骤2、将原始图像反转得到图像I；步骤3、选取图像I暗原色中亮度最大的0.1%的像素点，将选取的像素点作为图像I的大气光成分A；步骤4、将图像I用亮度算法处理得到图像Y；步骤5、采用参数减弱图像Y得到图像CY；步骤6、对图像CY进行中值滤波去除随机噪声得到图像T；步骤7、结合图像T和大气光成分A对图像I进行去雾处理得到图像J；步骤8、将图像J反转得到图像O；步骤9、将图像O和原始图像的绿色通道图像G同时应用到混合双边滤波器中去噪处理。本发明能增强图像的亮度并去除噪声，使得图像的质量得到进一步改善。

Description

一种低照度图像的增强和去噪方法

技术领域

本发明属于图像增强技术领域，涉及一种低照度图像的增强和去噪方法。 

背景技术

在雾天、阴雨天和晚上等低光照度条件下，采集的图像对比度很低，可视性很差，如：智能交通监控这类需要监视视场进行全天候监视的情况，当进入夜间，因照度过低，为了看清景物，需要对低亮度图像进行增强和去噪处理，使画面显示的效果更好。 

直方图均衡是一种常用的图像对比度增强算法，这种方法对于背景和前景都太亮或者太暗的图像是非常有用的，通过这种方法，亮度可以更好地在直方图上分布，这样就可以用于增强图像局部的对比度而不会影响图像整体的对比度。 

Retinex模型由Land和McCann于1971年提出，认为：图像的观察结果只依赖于图像表面的反射特性，而与光照条件无关。基于Retinex模型，可以通过处理低照度图像得到一个灰度图。Dong etc发表的“FASTEFFICIENT ALGORITHM FOR ENHANCEMENT OF LOW LIGHTINGVIDEO”论文，把暗原色先验去雾算法应用到视频中，但是仍有些缺点存在，例如：场景不连续，有些会出现块瑕疵。 

双边滤波器是一种可以保边去噪的滤波器，它是指将当前点的灰度 值用周围点的灰度值的加权平均来代替，权因子不只和两点之间的几何距离有关，更和它们的灰度值差异有关，之所以可以达到此去噪效果，是因为滤波器是由两个函数构成：一个函数是由几何空间距离决定滤波器系数：另一个由像素差值决定滤波器系数；双边滤波器的优势在于可以做边缘保存。 

发明内容

本发明的目的在于提供一种低照度图像的增强和去噪方法，在低光照、图像亮度低及图像噪声过强时，实现了增强图像亮度、去除了图像噪声，提高了图像的可视觉效果。 

本发明所采用的技术方案是，一种低照度图像的增强和去噪方法，具体按照以下步骤实施： 

步骤1、将原始图像L(x，y)输入计算机的图像处理系统，确定原始图像L(x，y)的情况，判断是否进行图像的增强和去噪处理： 

将原始图像L(x，y)输入计算机的图像处理系统，根据原始图像L(x，y)的拍摄环境、视觉效果以及原始图像L(x，y)的亮度判断原始图像L(x，y)的情况，确定是否要对图像进行增强和去噪处理：若原始图像拍摄环境是在暗处，图像不清晰且原始图像L(x，y)的亮度低，判断出原始图像为低照度图像就要对原始图像L(x，y)进行增强和去噪处理； 

步骤2、将原始图像L(x，y)进行反转，得到反转后图像I(x，y)； 

步骤3、用暗原色先验法，选取反转后图像I(x，y)暗原色中亮度最大的0.1%的像素点，这些像素点都是不透明的，将这些像素点选定作为反转后图像I(x，y)的大气光成分A； 

步骤4、将步骤2中获得的反转后图像I(x，y)用亮度算法进行处理，得到亮度图像Y； 

步骤5、采用一个参数C来减弱步骤4中获得的亮度图像Y，得到消弱亮度后的图像CY； 

步骤6、对步骤5中获得的消弱亮度后的图像CY进行中值滤波，去除图像CY的随机噪声，得到滤波后的图像T(x，y)，滤波后的图像T(x，y)即为反转后图像I(x，y)的透射率估测图像T(x，y)； 

步骤7、结合步骤6所得到的透射率估测图像T(x，y)和步骤3所得的大气光成分A，用暗原色先验法对步骤2中获得的反转后图像I(x，y)进行去雾处理，得到图像J； 

步骤8、将步骤7得到的图像J进行反转处理，具体按步骤2中的反转算法进行反转处理，即得到去雾后含有噪声的图像O(x，y)； 

步骤9、将步骤8所得到图像O(x，y)和步骤1中输入的原始图像L(x，y)的绿色通道图像G同时应用到混合双边滤波器中，利用混合双边滤波器对图像O(x，y)进行去噪处理，输出得到增强亮度和去噪后的图像。 

本发明的特点还在于， 

步骤2具体按照以下步骤实施： 

经步骤1判断要对原始图像L(x，y)进行亮度增强处理后，将原始图像L(x，y)进行反转，获得亮度增强的反转后图像I(x，y)，具体的反转算法如下： 

I^c|x|＝255-L^c|x|          (1) 

式中：c表示RGB颜色通道，L表示输入的原始图像，I表示反转后输 出的亮度增强的图像。 

步骤4中亮度图像Y的计算公式为： 

Y＝0.299×R+0.587×G+0.114×B    （2）。 

步骤5中消弱亮度后的图像CY的计算公式为： 

CY＝C-Y/255        （3） 

其中，C为用于消弱亮度图像Y的参数，C值取1.06。 

步骤6中的中值滤波采用的窗口大小为15*15。 

步骤7具体按照以下步骤实施： 

反转后图像I(x，y)是不透明的有雾图像，采用暗原色先验法对反转后的图像I(x，y)进行去雾处理，从图像I中复原图像J，具体按照以下算法实施： 

I(x)＝J(x)t(x)+A(1-t(x))       （4） 

式中：I是步骤2中获取的反转后图像I(x，y)，J表示景物光线的强度，这里是表示需要获得的图像，A是步骤3得到的大气光成分A，T表示光线通过媒介投射到相机过程中没有被散射的部分，即透射率t(x)＝e^-βd(x)，这里是表示步骤6得到的透射率估测图T。 

步骤9具体按照以下步骤实施： 

经步骤8得到的去雾后图像O(x，y)含有噪声，本发明方法对基本双边滤波器的改进，用绿色通道图像G代替图像E作为边缘停止函数，得到混合双边滤波器，运用混合双边滤波器对图像O(x，y)进行去噪处理，具体按照以下算法实施： 

$E_x^{\mathrm{Jb}}=\frac{1}{w_x}\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)E_x---\left(5\right)$

$w_x=\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)---\left(6\right)$

其中，E_x表示输入的图像O像素点x的像素值，

表示输出的图像像素点x的增强后的像素值，G_x是绿色通道图像G像素点x处的像素值，

部分是定义域核，根据像素间的距离设置空间域的权重，σ_s取值为16，

部分是数据的值域核，根据像素差值设置变化域的权重，σ_r取值为1，

和

都是高斯公式，g_s和g_r分别是高斯公式

和中的标准差，w_x是像素x点处局部区域s内的权重和，y∈s表示像素x处的局部区域s内的所有像素。 

本发明的有益效果在于， 

（1）本发明方法的通用性强，能够适合绝大多数图像； 

（2）本发明方法采用暗原色先验去雾算法，与“最明亮像素”方法相比，更加健壮，使增强后的图像获得更好地对比度，并能使图像亮度适合人眼感官； 

（3）本发明方法中还采用混合双边滤波的方法，去除图像的噪声，使得图像的质量进一步改善。 

附图说明

图1是本发明的低照度图像的增强和去噪方法的流程图。 

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。 

本发明的低照度图像的增强和去噪方法，其流程如图1所示，具体按照以下步骤实施： 

步骤1、将原始图像L(x，y)输入计算机的图像处理系统，确定原始图像 L(x，y)的情况，判断是否进行图像的增强和去噪处理： 

将原始图像L(x，y)输入计算机的图像处理系统，根据原始图像L(x，y)的拍摄环境、视觉效果以及原始图像L(x，y)的亮度判断原始图像L(x，y)的情况，确定是否要对图像进行增强和去噪处理：若原始图像拍摄环境是在暗处，图像不清晰且原始图像L(x，y)的亮度低，判断出原始图像为低照度图像就要对原始图像L(x，y)进行增强和去噪处理； 

步骤2、将原始图像L(x，y)进行反转，得到反转后图像I(x，y)： 

经步骤1判断要对原始图像L(x，y)进行亮度增强处理后，将原始图像L(x，y)进行反转，获得亮度增强的反转后图像I(x，y)，具体的反转算法如下： 

I^c|x|＝255-L^c|x|       (1) 

式中：c表示RGB颜色通道，L表示输入的原始图像，I表示反转后输出的亮度增强的图像； 

步骤3、用暗原色先验法，选取反转后图像I(x，y)暗原色中亮度最大的0.1%的像素点，这些像素点都是不透明的，将这些像素点选定作为反转后图像I(x，y)的大气光成分A： 

经步骤2获得的反转后图像I(x，y)的亮度比步骤1中的原始图像L（x，y）的亮度增强，反转后图像I(x，y)含有有雾图像的不透明特征，是一个有雾图像，而大气光成分通常是从不透明的含雾图像的像素中测得，本发明方法中采用暗原色先验法估测反转后图像I(x，y)的大气光成分A； 

步骤4、将步骤2中获得的反转后图像I(x，y)用亮度算法进行处理，得到亮度图像Y，亮度图像Y的计算公式为： 

Y＝0.299×R+0.587×G+0.114×B    （2） 

步骤5、采用一个参数C来减弱步骤4中获得的亮度图像Y，得到消弱亮度后的图像CY，消弱亮度后的图像CY的计算公式为： 

CY＝C-Y/255           （3） 

其中，C为用于消弱亮度图像Y的参数，C值取1.06； 

步骤6、对步骤5中获得的消弱亮度后的图像CY进行中值滤波，去除图像CY的随机噪声，得到滤波后的图像T(x，y)，滤波后的图像T(x，y)即为反转后图像I(x，y)的透射率估测图像T(x，y)； 

其中，中值滤波采用的窗口大小为15*15； 

步骤7、结合步骤6所得到的透射率估测图像t(x，y)和步骤3所得的大气光成分A，用暗原色先验法对步骤2中获得的反转后图像I(x，y)进行去雾处理； 

反转后图像I(x，y)是不透明的有雾图像，采用暗原色先验法对反转后的图像I(x，y)进行去雾处理，从图像I中复原图像J，具体按照以下算法实施： 

I(x)＝J(x)t(x)+A(1-t(x))       （4） 

式中：I是步骤2中获取的反转后图像I(x，y)，J表示景物光线的强度，这里是表示需要获得的图像，A是步骤3得到的大气光成分A，T表示光线通过媒介投射到相机过程中没有被散射的部分，即透射率t(x)＝e^-βd(x)，这里是表示步骤6得到的透射率估测图T； 

步骤8、将步骤7得到的图像J进行反转处理，具体按步骤2中的反转算法进行反转处理，即得到去雾后含有噪声的图像O(x，y)； 

步骤9、将步骤8所得到图像O(x，y)和步骤1中输入的原始图像L(x， y)的绿色通道图像G同时应用到混合双边滤波器中，利用混合双边滤波器对图像O(x，y)进行去噪处理，输出得到增强亮度和去噪后的图像： 

经步骤8得到的去雾后图像O(x，y)含有噪声，由于图像O(x，y)绿色通道中绿色像元的数量是红和蓝像元的数量的二倍，占据了很大的比重，所以绿色通道像素在混合双边滤波器中作为边缘停止函数，当像素值差距太大时消弱滤波核权重，本发明方法对基本双边滤波器的改进，用绿色通道图像G代替图像E作为边缘停止函数，得到混合双边滤波器，运用混合双边滤波器对图像O(x，y)进行去噪处理，具体按照以下算法实施： 

$E_x^{\mathrm{Jb}}=\frac{1}{w_x}\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)E_x---\left(5\right)$

$w_x=\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)---\left(6\right)$

其中，E_x表示输入的图像O像素点x的像素值，

表示输出的图像像素点x的增强后的像素值，G_x是绿色通道图像G像素点x处的像素值，

部分是定义域核，根据像素间的距离设置空间域的权重，σ_s取值为16，部分是数据的值域核，根据像素差值设置变化域的权重，σ_r取值为1，和都是高斯公式，g_s和g_r分别是高斯公式

和

中的标准差，w_x是像素x点处局部区域s内的权重和，y∈s表示像素x处的局部区域s内的所有像素。 

基本的双边滤波器是一种结合低通滤波和边缘停止函数的非线性方法来平滑图像，边缘停止函数能够当像素值差距太大时消弱滤波核权重，混合双边滤波器对图像每个像素点x进行增强的算法具体如下： 

$E_x^{\mathrm{Jb}}=\frac{1}{w_x}\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)E_x---\left(6\right)$

$w_x=\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)---\left(7\right)$

公式（6）和公式（7）中，E_x表示输入的图像O像素点x的像素值， 

表示输出的图像像素点x的增强后的像素值，G_x是绿色通道图像G像素点x处的像素值，

部分是定义域核，根据像素间的距离设置空间域的权重，σ_s取值为16，

部分是数据的值域核，根据像素差值设置变化域的权重，σ_r取值为1，和

都是高斯公式，g_s和g_r分别是高斯公式

和

中的标准差，w_x是像素x点处局部区域s内的权重和。y∈s表示像素x处的局部区域s内的所有像素。 

本发明提供了一种简单有效的给低照度图像增强去噪的方法，通过将暗原色去雾算法应用到反转后的图像，使得低照度图像被增强；在混合双边滤波器中，输入图像的绿色通道作为边缘图像，这能够在保护边缘的同时去除噪声。 

本发明提供了一种采用暗原色先验的去雾算法增强图像及混合双边滤波降低图像噪声的方法，本发明的效果可以通过以下实验数据进一步说明：实施例： 

输入低照度图像L，原始低照度图像的像素为L（x，y），RGB三分量的值为R=14，G=10，B=9； 

将原始低照度图像进行反转，得到反转后的图像I，反转后图像的像素为I(x，y)，RGB三分量的值为R=241，G=245，B=246； 

对图像I应用暗原色先验法，得到图像I的大气光成分A，RGB三个分量 的大气光值分别为airR=244，airG=255airB=255； 

对反转后图像I应用亮度算法，得到图像I的亮度图像Y，亮度图像Y的像素为Y(x，y)，亮度值Y(x,y)=243.9180； 

引入参数C减弱亮度图像Y的亮度，得到消弱后亮度图像CY，参数C取1.06，亮度图像CY的像素为CY(x，y),亮度值CY(x，y)=0.1235； 

对亮度图像CY进行中值滤波，得到透射率估测图T，透射率估测图T的像素为T（x，y），T（x，y）=0.1195； 

结合图像I的大气光成分A和透射率估测图T，对图像I应用暗原色先验去雾算法，得到去雾后的图像J； 

去雾后图像J的像素为J（x，y）,RGB三个分量的值为R=145.2473，G=171.3441，B=179.7097，反转图像J，得到去雾后含有噪声的图像O； 

图像O的像素为O(x，y)，RGB三个分量的值为R=109.7527，G=83.6559，B=75.2903； 

结合图像O和输入图像L的绿色通道图像G，应用混合双边滤波平滑去噪，即得到增强和去噪后的复原图像。绿色通道图像G的像素为G(x，y，2)=10。复原图像RGB三个分量的值为R=103.1738，G=81.5193，B=71.9191。 

经过实验结果显示：本发明的低照度图像增强和去噪方法非常有效，经过处理得到的图像有很好的可视化效果，本发明方法采用暗原色先验的去雾算法及混合双边滤波相结合的方法，增强图像，降低噪声，提高图像的可视性。 

Claims (7)

1.一种低照度图像的增强和去噪方法，其特征在于，具体按照以下步骤实施：

步骤1、将原始图像L(x，y)输入计算机的图像处理系统，确定原始图像L(x，y)的情况，判断是否进行图像的增强和去噪处理：

将原始图像L(x，y)输入计算机的图像处理系统，根据原始图像L(x，y)的拍摄环境、视觉效果以及原始图像L(x，y)的亮度判断原始图像L(x，y)的情况，确定是否要对图像进行增强和去噪处理：若原始图像拍摄环境是在暗处，图像不清晰且原始图像L(x，y)的亮度低，判断出原始图像为低照度图像就要对原始图像L(x，y)进行增强和去噪处理；

步骤2、将原始图像L(x，y)进行反转，得到反转后图像I(x，y)；

步骤3、用暗原色先验法，选取反转后图像I(x，y)暗原色中亮度最大的0.1%的像素点，这些像素点都是不透明的，将这些像素点选定作为反转后图像I(x，y)的大气光成分A；

步骤4、将步骤2中获得的反转后图像I(x，y)用亮度算法进行处理，得到亮度图像Y；

步骤5、采用一个参数C来减弱步骤4中获得的亮度图像Y，得到消弱亮度后的图像CY；

步骤6、对步骤5中获得的消弱亮度后的图像CY进行中值滤波，去除图像CY的随机噪声，得到滤波后的图像T(x，y)，滤波后的图像T(x，y)即为反转后图像I(x，y)的透射率估测图像T(x，y)；

步骤7、结合步骤6所得到的透射率估测图像T(x，y)和步骤3所得的大气光成分A，用暗原色先验法对步骤2中获得的反转后图像I(x，y)进行去雾处理，得到图像J；

步骤8、将步骤7得到的图像J进行反转处理，具体按步骤2中的反转算法进行反转处理，即得到去雾后含有噪声的图像O(x，y)；

步骤9、将步骤8所得到图像O(x，y)和步骤1中输入的原始图像L(x，y)的绿色通道图像G同时应用到混合双边滤波器中，利用混合双边滤波器对图像O(x，y)进行去噪处理，输出得到增强亮度和去噪后的图像。

2.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤2具体按照以下步骤实施：

经步骤1判断要对原始图像L(x，y)进行亮度增强处理后，将原始图像L(x，y)进行反转，获得亮度增强的反转后图像I(x，y)，具体的反转算法如下：

I^c|x|＝255-L^c|x|     (1)

式中：c表示RGB颜色通道，L表示输入的原始图像，I表示反转后输出的亮度增强的图像。

3.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤4中亮度图像Y的计算公式为：

Y＝0.299×R+0.587×G+0.114×B    （2）。

4.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤5中消弱亮度后的图像CY的计算公式为：

CY＝C-Y/255          （3）

其中，C为用于消弱亮度图像Y的参数，C值取1.06。

5.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤6中的中值滤波采用的窗口大小为15*15。

6.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤7具体按照以下步骤实施：

反转后图像I(x，y)是不透明的有雾图像，采用暗原色先验法对反转后的图像I(x，y)进行去雾处理，从图像I中复原图像J，具体按照以下算法实施：

I(x)＝J(x)t(x)+A(1-t(x))             （4）

式中：I是步骤2中获取的反转后图像I(x，y)，J表示景物光线的强度，这里是表示需要获得的图像，A是步骤3得到的大气光成分A，T表示光线通过媒介投射到相机过程中没有被散射的部分，即透射率t(x)＝e^-βd(x)，这里是表示步骤6得到的透射率估测图T。

7.根据权利要求1所述的低照度图像的增强和去噪方法，其特征在于，所述步骤9具体按照以下步骤实施：

经步骤8得到的去雾后图像O(x，y)含有噪声，本发明方法对基本双边滤波器的改进，用绿色通道图像G代替图像E作为边缘停止函数，得到混合双边滤波器，运用混合双边滤波器对图像O(x，y)进行去噪处理，具体按照以下算法实施：

$E_x^{\mathrm{Jb}}=\frac{1}{w_x}\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)E_x---\left(5\right)$

$w_x=\underset{y\∈s}{\mathrm{\Σ}}{g}_{{\mathrm{\σ}}_s}\left(\right||x-y|\left|\right)g_{{\mathrm{\σ}}_r}\left(\right|G_x-G_y\left|\right)---\left(6\right)$

其中，E_x表示输入的图像O像素点x的像素值，

表示输出的图像像素点x的增强后的像素值，G_x是绿色通道图像G像素点x处的像素值，

部分是定义域核，根据像素间的距离设置空间域的权重，σ_s取值为16，部分是数据的值域核，根据像素差值设置变化域的权重，σ_r取值为1，

和

都是高斯公式，g_s和g_r分别是高斯公式

和

中的标准差，w_x是像素x点处局部区域s内的权重和，y∈s表示像素x处的局部区域s内的所有像素。

Images