CN104063848B - 一种低照度图像增强方法和装置 - Google Patents

一种低照度图像增强方法和装置 Download PDF

Info

Publication number
CN104063848B
CN104063848B CN201410276904.7A CN201410276904A CN104063848B CN 104063848 B CN104063848 B CN 104063848B CN 201410276904 A CN201410276904 A CN 201410276904A CN 104063848 B CN104063848 B CN 104063848B
Authority
CN
China
Prior art keywords
mrow
msub
gray
image
edge
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
Application number
CN201410276904.7A
Other languages
English (en)
Other versions
CN104063848A (zh
Inventor
李芳�
吴金勇
王军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tancheng County New Area Construction Development Co ltd
Original Assignee
China Security and Fire Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Security and Fire Technology Co Ltd filed Critical China Security and Fire Technology Co Ltd
Priority to CN201410276904.7A priority Critical patent/CN104063848B/zh
Publication of CN104063848A publication Critical patent/CN104063848A/zh
Application granted granted Critical
Publication of CN104063848B publication Critical patent/CN104063848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种低照度图像增强方法和装置,属于图像处理技术领域。该方法包括:计算输入的原始图像的灰度图;计算灰度图的精确边缘图;根据灰度图和精确边缘图计算光照图;调整光照图的对比度;根据精确边缘图和对比度调整后的光照图合成增强后的灰度图;根据增强后的灰度图计算增强后的彩色图像并输出,采用本发明,增强算法复杂度低、运算量小,不仅能实时处理高清图像,而且能降低对硬件的性能要求。

Description

一种低照度图像增强方法和装置
技术领域
本发明涉及图像处理技术领域,尤其涉及一种低照度图像增强方法和装置。
背景技术
光照度较低时,监控视频效果往往较差。很多发生在夜晚的案件,在调看视频监控时,由于监控视频效果差,不能如实还原犯罪分子的真实面貌,给案件的侦破带来困难。因此,如何能够做到在光照度低时,仍能监看到监控视频的细微特征,快速有效的识别出犯罪分子的面貌特征,是一个亟待解决的问题。
常见的图像增强处理方法包括:以直方图均衡化法为代表的灰度变换法、基于照明-反射模型的同态滤波法、梯度域增强方法以及retinex增强方法等。以直方图均衡化法为代表的灰度变换法能使图像灰度分布更均匀,并增强图像对比度,但它没有考虑图像的频率信息以及细节信息,容易产生过增强图像。基于照明-反射模型的同态滤波法将图像分为高、低频两部分,再进行滤波达到增强图像对比度同时压缩图像动态范围的目的,但会出现过增强现象,对高光区、阴影增强效果差。梯度域增强方法则对原图像的梯度进行处理,通过减小图像梯度值压缩图像动态范围,增大局部梯度值来增强图像边缘。缺点是会使图像在一定程度上锐化,并且在梯度域中重建图像需要一定的数值算法,不适合实时使用。Retinex增强方法使用高斯平滑函数估计原图像的亮度分量,应用光照补偿方法逼近反射图像,能在保持图像亮度的同时增强图像暗处的信息,与其它的图像增强算法相比,Retinex具有锐化、动态范围压缩大、颜色恒常、色彩保真度高等优点,但存在算法复杂而运算量大的问题,难以实时处理高清图像的缺陷。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种低照度图像增强方法和装置,以解决目前低照度图像增强算法复杂而运算量大,难以实时处理高清图像的技术问题。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的一个方面,提供的一种低照度图像增强方法包括以下步骤:
计算输入的原始图像的灰度图;
计算灰度图的精确边缘图:对所述灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图;对所述粗略边缘图进行去噪、修补和细化,得到精确边缘图;
根据灰度图和精确边缘图计算光照图:在对数域上,将所述灰度图的每个像素点的灰度值减去所述精确边缘图中对应像素点的灰度值,得到对数域上的光照图;
调整光照图的对比度;
根据精确边缘图和对比度调整后的光照图合成增强后的灰度图:在对数域,将所述精确边缘图的每个像素点的灰度值加上对比度调整后的光照图中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图;
根据增强后的灰度图计算增强后的彩色图像并输出。
优选的,对灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图包括:
计算灰度图在x、y方向上的偏导数Gx、Gy
根据偏导数Gx、Gy计算梯度图G;
遍历梯度图G,当像素点的梯度幅值大于预设的梯度阈值时,则该像素点判定为边缘点,否则判定为非边缘点,得到粗略边缘图;
其中,当像素点(x,y)的灰度值Iin(x,y)大于预设的灰度阈值时,采用常规的边缘检测算子计算偏导数Gx、Gy;当像素点(x,y)的灰度值Iin(x,y)小于或等于灰度阈值时,采用如下边缘检测算子计算偏导数Gx、Gy
其中,Iin(x,y)表示灰度图Iin中的像素点(x,y)的灰度值。
优选的,对修补之后的粗略边缘图进行细化,得到精确边缘图包括:
初始化I'edge所有的像素点均为0;
采用以下方法对像素点重新赋值:
1)如果Iedge(x,y)为0、且Iedge(x+1,y)为1,则Iedge'(x+M,y)为1;
2)如果Iedge(x,y)为0、且Iedge(x,y+1)为1,则I'edge(x,y+M)为1。
其中,(x,y)为当前像素点,M表示修补边缘图时用到的模板的半宽或半高,Iedge表示修补后的粗略边缘图,I'edge表示精确边缘图。
优选的,调整光照图的对比度包括:
剔除光照图L中灰度值两端比例小于预设的比例值的像素点;
计算剩余的像素点的平均灰度值;
将剩余的像素点每一个像素点的灰度值分别减去平均灰度值,得到灰度差值图;
将灰度差值图中每个像素点的灰度值分别乘以调整因子,其中,调整因子取0至2之间的数值;
将灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
根据本发明的另一个方面,提供的一种低照度图像增强装置包括:
灰度图计算模块,用于计算输入的原始图像的灰度图;
精确边缘图计算模块,用于对所述灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图;对所述粗略边缘图进行去噪、修补和细化,得到精确边缘图;
光照图计算模块,用于在对数域上,将所述灰度图的每个像素点的灰度值减去所述精确边缘图中对应像素点的灰度值,得到对数域上的光照图;
对比度调整模块,用于调整光照图的对比度;
图像增强模块,用于在对数域,将所述精确边缘图的每个像素点的灰度值加上对比度调整后的光照图中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图;
输出模块,用于根据增强后的灰度图计算增强后的彩色图像并输出。
优选的,对比度调整模块包括:
过滤单元,用于去除光照图中灰度值两端比例小于预设的比例值的像素点;
灰度均值计算单元,用于计算剩余的像素点的平均灰度值;
差值图计算单元,用于将剩余的像素点每一个像素点的灰度值分别减去平均灰度值,得到灰度差值图;
调整单元,用于将灰度差值图中每个像素点的灰度值分别乘以调整因子,其中,调整因子取0至2之间的数值;
校正单元,将灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
与现有技术相比,本发明实施例的低照度图像增强方法和装置,基于图像是由光照信息、物体边缘信息以及随机噪声三个部分组成的关键事实,先计算精确边缘图,再根据灰度图和精确边缘图计算光照图,然后保持精确边缘图不变、调整光照对比度,合成增强的灰度图,进而得到增强后的彩色图像,算法复杂度低、运算量小,不仅能实时处理高清图像,而且能降低对硬件的性能要求。
附图说明
图1为本发明实施例提供的一种低照度图像增强方法的流程图。
图2为本发明优选实施例提供的一种精确边缘图计算方法的流程图。
图3为本发明优选实施例提供的一种粗略边缘图计算方法的流程图。
图4为本发明优选实施例提供的一种光照图对比度调整方法的流程图。
图5为本发明实施例提供的一种低照度图像增强装置的模块结构图。
图6为本发明优选实施例提供的一种精确边缘图计算模块的结构示意图。
图7为本发明优选实施例提供的一种对比度调整模块的结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本发明实施例提供的一种低照度图像增强方法,包括以下步骤:
S10、计算输入的原始图像的灰度图。
举例来说,可以采用Iin=0.299*rin+0.578*gin+0.144*bin来计算灰度图Iin,其中,Iin表示灰度图,rin、gin、bin分别表示输入图像的三个彩色通道R、G、B的灰度值。
需要说明地是,当输入图像的原始图像不是R、G、B空间图像时,需先将其转换成R、G、B空间。
S20、计算灰度图的精确边缘图。
具体地,当外界光线非常低时,拍摄到的图像整体比较暗,物体边缘与其周围像素点的差值非常低,用常规的边缘检测方法会产生弱边缘丢失问题。故本步骤S20优选为灰度图的对明、暗像素点分别采用不同的算子来计算其梯度幅值,得到粗略边缘图,然后对粗略边缘图进一步处理,获取精确边缘图Iedge'。
S30、根据灰度图和精确边缘图计算光照图。
具体地,本步骤S30可以采用:在对数域上,将灰度图的每个像素点的灰度值减去精确边缘图中对应像素点的灰度值,得到对数域上的光照图L。即:
logL=logIin-logIedge'
S40、调整光照图的对比度,得到调整对比度后的光照图。
S50、根据精确边缘图和对比度调整后的光照图合成增强后的灰度图。
具体地,本步骤S50可以采用:在对数域,将精确边缘图的每个像素点的灰度值加上对比度调整后的光照图中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图Iout,即:
logIout=logL'+logIedge'
这样,通过图像边缘信息I'edge保持不变,从而在调整对比度的同时较好地保持了输入图像的细节信息。
S60、根据增强后的灰度图计算增强后的彩色图像并输出。
具体地,采用针对每个像素点分别计算出三个彩色通道rout、gout、bout的灰度值,从而得到增强后的彩色图像。
本实施例中,基于图像是由光照信息、物体边缘信息以及随机噪声三个部分组成的关键事实,先计算精确边缘图,再根据灰度图和精确边缘图计算光照图,然后保持精确边缘图不变、调整光照对比度,合成增强的灰度图,进而得到增强后的彩色图像,算法复杂度低、运算量小,不仅能实时处理高清图像,而且能降低对硬件的性能要求。
实施例二
如图2所示,本发明优选实施例提供的一种精确边缘图计算方法,包括以下步骤:
201、对灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图。
请参阅图3所示的粗略边缘图计算方法的流程图,本步骤S201进一步包括以下步骤:
S2011、计算灰度图在X轴和Y轴上的偏导数Gx、Gy
(a)当像素点(x,y)的灰度值Iin(x,y)大于预设的灰度阈值时,采用常规的边缘检测算子计算偏导数Gx、Gy,比如:
Gx=Iin(x+1,y-1)+2*Iin(x+1,y)+Iin(x+1,y+1)-
Iin(x-1,y-1)-2*Iin(x-1,y)-Iin(x-1,y+1)
Gy=Iin(x-1,y+1)+2*Iin(x,y+1)+Iin(x+1,y+1)-
Iin(x-1,y-1)-2*Iin(x,y-1)-Iin(x+1,y-1)
其中,由实验结果及用户需求来决定,一般取值是50。
(b)当像素点(x,y)的灰度值Iin(x,y)小于或等于阈值时,采用如下边缘检测算子计算偏导数Gx、Gy
其中,Iin(x,y)表示灰度图Iin中的像素点(x,y)的灰度值。
上述公式是利用像素点(x,y)周围八邻域(即3*3块)计算的,根据其他尺寸邻域计算梯度公式可以根据以上公式推导得到,都在本发明保护范围内。
S2012、根据偏导数计算梯度图。
具体地,为简化计算,梯度图G中每个像素点的幅度值用偏导数Gx、Gy的绝对值之和来计算,如采用以下公式计算像素点(x,y)的梯度幅值:
G(x,y)=|Gx(x,y)|+|Gy(x,y)|
S2013、遍历梯度图,当像素点的梯度幅值大于预设的梯度阈值时,则该像素点判定为边缘点,否则判定为非边缘点,得到粗略边缘图。
具体地,遍历整幅梯度图像G,当像素点的梯度幅值G大于预设的阈值TG时,则该点判为边缘点,取值为1,否则,取值为0,得到的二值图即为粗略边缘图。其中,TG的取值根据实验结果及需求确定。
S202、对粗略边缘图进行去噪。
具体地,由于导数对噪声非常敏感,因此粗略边缘图包括噪声,而噪声一般为孤立点,为了省掉不必要的计算,在粗略边缘图的二值图中,仅对值为1的点进行判断。统计以值为1的点为中心的小区域内非0点所占的比例,若比例小于预设的阈值Tnoise,则该点为噪声,应剔除,该点的值由1变为0。Tnoise的取值由实验结果及实际需求决定。
S203、对去噪之后的粗略边缘图进行修补。
具体地,去噪之后的粗略边缘图通常是不完整的,因此需要进行修补。为了省掉不必要的计算,仅对值为0的点进行处理。如果以某一值为0的像素点为中心、模板尺寸为(2*M+1)*(2*M+1)的邻域内非0点的个数超过阈值Tedge时,则将该点的值由0变为1。遍历去噪之后的粗略边缘图的二值图,做如上处理,即得到修补之后的粗略边缘图Iedge。其中,Tedge的取值由实验结果及实际需求决定,M表示模板尺寸的半宽或半高,一般取值是1或2。
S204、对修补之后的粗略边缘图进行细化,得到精确边缘图。
具体来说,先初始化I'edge所有的像素点均为0;然后采用以下方法给像素点重新赋值:
1)如果Iedge(x,y)为0、且Iedge(x+1,y)为1,则Iedge'(x+M,y)为1;
2)如果Iedge(x,y)为0、且Iedge(x,y+1)为1,则I'edge(x,y+M)为1。
其中,(x,y)为当前像素点,M表示修补边缘图时用到的模板的半宽或半高,Iedge表示修补后的粗略边缘图,I'edge表示精确边缘图。
本发明实施例中,针对环境照度非常低时,边缘模糊(物体边缘与其周围像素点的灰度值都非常低,而且两者的差值也非常低),且图像上叠加有较大的噪声,有时甚至将图像自身淹没,采用常规的边缘检测方法将会出现漏检现象的问题,通过对明、暗像素点分别采用不同的算子来计算其梯度幅值,得到粗略边缘图,对粗略边缘图进行处理,获得精确边缘图,更好地提高了图像增强的效果。
实施例三
如图4所示,本发明优选实施例提供的一种光照图对比度调整方法,包括以下步骤:
S401、剔除光照图中灰度值两端比例小于预设的比例值的像素点。
具体地,剔除灰度值所占比例很小的像素点可以进一步消除噪声的影响,预设的比例值一般取1%的像素点。
S402、计算剩余的像素点的平均灰度值。
S403、将剩余的像素点每一个像素点的灰度值分别减去平均灰度值,得到灰度差值图。
S404、将灰度差值图中每个像素点的灰度值分别乘以调整因子。
其中,调整因子取0至2之间的数值。
S405、将灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
本实施例中,通过在保持精确边缘图不变的情况下,在调整光照对比度的同时,能较好的保持输入的原始图像的细节信息。
实施例四
如图5所示,本发明实施例提供的一种低照度图像增强装置,包括以下模块:
灰度图计算模块10,用于计算输入的原始图像的灰度图Iin
精确边缘图计算模块20,用于Iedge'对所述灰度图Iin的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图;对所述粗略边缘图进行去噪、修补和细化,得到精确边缘图Iedge'。
光照图计算模块30,用于在对数域上,将所述灰度图Iin的每个像素点的灰度值减去所述精确边缘图Iedge'中对应像素点的灰度值,得到对数域上的光照图L。
对比度调整模块40,用于调整光照图L的对比度,得到L'。
图像增强模块50,用于在对数域,将所述精确边缘图Iedge'的每个像素点的灰度值加上对比度调整后的光照图L'中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图Iout
输出模块60,用于根据增强后的灰度图Iout计算增强后的彩色图像并输出。
具体来说,灰度图计算模块10可以采用Iin=0.299*rin+0.578*gin+0.144*bin来计算灰度图Iin,其中,rin、gin、bin分别是输入的三个彩色通道(当输入图像的原始图像不是R、G、B空间图像时,需先将其转换成R、G、B空间)。
精确边缘图计算模块20优选为灰度图的对明、暗像素点分别采用不同的算子来计算其梯度幅值,得到粗略边缘图,然后对粗略边缘图进一步处理,获取精确边缘图。
光照图计算模块30具体用于:在对数域上,将灰度图Iin的每个像素点的灰度值减去精确边缘图Iedge'中对应像素点的灰度值,得到对数域上的光照图L。
图像增强模块50具体用于:在对数域,将精确边缘图Iedge'的每个像素点的灰度值加上对比度调整后的光照图L'中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图Iout
输出模块60采用针对每个像素点分别计算出三个彩色通道rout、gout、bout的灰度值,从而得到增强后的彩色图像。
本实施例中,基于图像是由光照信息、物体边缘信息以及随机噪声三个部分组成的关键事实,先计算精确边缘图,再根据灰度图和精确边缘图计算光照图,然后保持精确边缘图不变、调整光照对比度,合成增强的灰度图,进而得到增强后的彩色图像,算法复杂度低、运算量小,不仅能实时处理高清图像,而且能降低对硬件的性能要求。
实施例五
如图6所示,本发明优选实施例提供的一种精确边缘图计算模块20,包括以下单元:
粗略边缘图计算单元201,用于对灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图。
去噪单元202,用于对粗略边缘图进行去噪。
修补单元203,用于对去噪之后的粗略边缘图进行修补。
细化单元204,用于对修补之后的粗略边缘图进行细化,得到精确边缘图。
优选地,粗略边缘图计算单元201具体用于:计算灰度图在X轴和Y轴上的偏导数Gx、Gy;根据偏导数计算梯度图;遍历梯度图,当像素点的梯度幅值大于预设的梯度阈值时,则该像素点判定为边缘点,否则判定为非边缘点,得到粗略边缘图。
其中,当像素点(x,y)的灰度值Iin(x,y)大于预设的灰度阈值时,采用常规的边缘检测算子计算偏导数Gx、Gy,比如:
Gx=Iin(x+1,y-1)+2*Iin(x+1,y)+Iin(x+1,y+1)-
Iin(x-1,y-1)-2*Iin(x-1,y)-Iin(x-1,y+1)
Gy=Iin(x-1,y+1)+2*Iin(x,y+1)+Iin(x+1,y+1)-
Iin(x-1,y-1)-2*Iin(x,y-1)-Iin(x+1,y-1)
其中,由实验结果及用户需求来决定,一般取值是50。
当像素点(x,y)的灰度值Iin(x,y)小于或等于阈值时,采用如下边缘检测算子计算偏导数Gx、Gy
其中,Iin(x,y)表示灰度图Iin中的像素点(x,y)的灰度值。
去噪单元202具体用于:统计以值为1的点为中心的小区域内非0点所占的比例,若比例小于预设的阈值Tnoise,则该点为噪声,应剔除,该点的值由1变为0。其中,Tnoise的取值由实验结果及实际需求决定。
修补单元203具体用于:以某一值为0的点为中心、模板尺寸为(2*M+1)*(2*M+1)的邻域内非0点的个数超过阈值Tedge时,则将该点的值由0变为1。遍历去噪之后的粗略边缘图的二值图,做如上处理,即得到Iedge。Tedge的取值由实验结果及实际需求决定,M表示修补模板的半宽或半高。
细化单元204具体用于:先初始化I'edge所有的像素点均为0;然后采用以下方法给像素点重新赋值:
1)如果Iedge(x,y)为0、且Iedge(x+1,y)为1,则Iedge'(x+M,y)为1;
2)如果Iedge(x,y)为0、且Iedge(x,y+1)为1,则I'edge(x,y+M)为1。
其中,(x,y)为当前像素点,M表示修补边缘图时用到的模板的半宽或半高,Iedge表示修补后的粗略边缘图,I'edge表示精确边缘图。
本发明实施例中,针对环境照度非常低时,图像对比度低,边缘也模糊(物体边缘与其周围像素点的灰度值都非常低,而且两者的差值也非常低),且图像上叠加有较大的噪声,有时甚至将图像自身淹没,采用常规的边缘检测方法将会出现漏检现象的问题,通过对明、暗像素点分别采用不同的算子来计算其梯度幅值,得到粗略边缘图,对粗略边缘图进行处理,获得精确边缘图,更好地提高了图像增强的效果。
实施例六
如图7所示,本发明优选实施例提供的对比度调整模块40,包括以下单元:
过滤单元401,用于去除光照图中灰度值两端比例小于预设的比例值的像素点;
灰度均值计算单元402,用于计算剩余的像素点的平均灰度值;
差值图计算单元403,用于将剩余的像素点每一个像素点的灰度值分别减去平均灰度值,得到灰度差值图;
调整单元404,用于将灰度差值图中每个像素点的灰度值分别乘以调整因子,调整因子取0至2之间的数值;
校正单元405,用于将灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
本实施例中,通过在保持精确边缘图不变的情况下,在调整光照对比度的同时,能较好的保持输入的原始图像的细节信息。
需要说明的是,上述方法实施例一、二、三中的技术特征在装置实施例四、五、六中均能对应适用,这里不再重述。
本发明提供的低照度图像增强方法和装置,基于图像是由光照信息、物体边缘信息以及随机噪声三个部分组成的关键事实,先计算精确边缘图,再根据灰度图和精确边缘图计算光照图,然后保持精确边缘图不变、调整光照对比度,合成增强的灰度图,进而得到增强后的彩色图像,算法复杂度低、运算量小,不仅能实时处理高清图像,而且能降低对硬件的性能要求。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来控制相关的硬件完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。

Claims (6)

1.一种低照度图像增强方法,其特征在于,该方法包括以下步骤:
计算输入的原始图像的灰度图;
计算所述灰度图的精确边缘图:对所述灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图;对所述粗略边缘图进行去噪、修补和细化,得到精确边缘图;
根据所述灰度图和所述精确边缘图计算光照图:在对数域上,将所述灰度图的每个像素点的灰度值减去所述精确边缘图中对应像素点的灰度值,得到对数域上的光照图;
调整所述光照图的对比度;
根据所述精确边缘图和对比度调整后的光照图合成增强后的灰度图:在对数域,将所述精确边缘图的每个像素点的灰度值加上对比度调整后的光照图中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图;
根据增强后的灰度图计算增强后的彩色图像并输出。
2.根据权利要求1所述的低照度图像增强方法,其特征在于,对所述灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图包括:
计算灰度图在x、y方向上的偏导数Gx、Gy
根据所述偏导数Gx、Gy计算梯度图G;
遍历所述梯度图G,当像素点的梯度幅值大于预设的梯度阈值时,则该像素点判定为边缘点,否则判定为非边缘点,得到粗略边缘图;
其中,当像素点(x,y)的灰度值Iin(x,y)大于预设的灰度阈值时,采用常规的边缘检测算子计算偏导数Gx、Gy;当像素点(x,y)的灰度值Iin(x,y)小于或等于灰度阈值时,采用如下边缘检测算子计算偏导数Gx、Gy
<mrow> <msub> <mi>G</mi> <mi>x</mi> </msub> <mo>=</mo> <mn>4</mn> <mo>-</mo> <mn>2</mn> <mo>*</mo> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <mn>2</mn> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <msub> <mi>G</mi> <mi>y</mi> </msub> <mo>=</mo> <mn>4</mn> <mo>-</mo> <mn>2</mn> <mo>*</mo> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <mn>2</mn> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mi>2</mi> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow>
其中,Iin(x,y)表示灰度图Iin中的像素点(x,y)的灰度值。
3.根据权利要求1所述的低照度图像增强方法,其特征在于,对修补之后的粗略边缘图进行细化,得到精确边缘图包括:
初始化I'edge所有的像素点均为0;
采用以下方法给像素点重新赋值:
1)如果Iedge(x,y)为0、且Iedge(x+1,y)为1,则Iedge'(x+M,y)为1;
2)如果Iedge(x,y)为0、且Iedge(x,y+1)为1,则I'edge(x,y+M)为1;
其中,(x,y)为当前像素点,M表示修补边缘图时用到的模板的半宽或半高,Iedge表示修补后的粗略边缘图,I'edge表示精确边缘图。
4.根据权利要求1所述的低照度图像增强方法,其特征在于,调整所述光照图的对比度包括:
剔除所述光照图中灰度值两端比例小于预设的比例值的像素点;
计算剩余的像素点的平均灰度值;
将剩余的像素点每一个像素点的灰度值分别减去所述平均灰度值,得到灰度差值图;
将所述灰度差值图中每个像素点的灰度值分别乘以调整因子,其中,调整因子取0至2之间的数值;
将所述灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
5.一种低照度图像增强装置,其特征在于,该装置包括:
灰度图计算模块,用于计算输入的原始图像的灰度图;
精确边缘图计算模块,用于对所述灰度图的明、暗像素点分别采用不同的边缘检测算子计算梯度幅值,获得粗略边缘图;对所述粗略边缘图进行去噪、修补和细化,得到精确边缘图;
光照图计算模块,用于在对数域上,将所述灰度图的每个像素点的灰度值减去所述精确边缘图中对应像素点的灰度值,得到对数域上的光照图;
对比度调整模块,用于调整所述光照图的对比度;
图像增强模块,用于在对数域,将所述精确边缘图的每个像素点的灰度值加上对比度调整后的光照图中对应像素点的灰度值,得到了对数域上的亮度增强后的灰度图;
输出模块,用于根据增强后的灰度图计算增强后的彩色图像并输出。
6.根据权利要求5所述的低照度图像增强装置,其特征在于,所述对比度调整模块包括:
过滤单元,用于去除所述光照图中灰度值两端比例小于预设的比例值的像素点;
灰度均值计算单元,用于计算剩余的像素点的平均灰度值;
差值图计算单元,用于将剩余的像素点每一个像素点的灰度值分别减去所述平均灰度值,得到灰度差值图;
调整单元,用于将所述灰度差值图中每个像素点的灰度值分别乘以调整因子,其中调整因子取0至2之间的数值;
校正单元,将所述灰度差值图中每个像素点的调整后的灰度值分别加上平均灰度值,得到对比度调整后的光照图。
CN201410276904.7A 2014-06-19 2014-06-19 一种低照度图像增强方法和装置 Active CN104063848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410276904.7A CN104063848B (zh) 2014-06-19 2014-06-19 一种低照度图像增强方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410276904.7A CN104063848B (zh) 2014-06-19 2014-06-19 一种低照度图像增强方法和装置

Publications (2)

Publication Number Publication Date
CN104063848A CN104063848A (zh) 2014-09-24
CN104063848B true CN104063848B (zh) 2017-09-19

Family

ID=51551540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410276904.7A Active CN104063848B (zh) 2014-06-19 2014-06-19 一种低照度图像增强方法和装置

Country Status (1)

Country Link
CN (1) CN104063848B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046658B (zh) * 2015-06-26 2018-06-29 北京大学深圳研究生院 一种低照度图像处理方法和装置
CN104992423B (zh) * 2015-07-14 2019-05-03 厦门美图之家科技有限公司 一种基于梯度的图像锐化处理方法、系统及拍摄终端
CN104933676B (zh) * 2015-07-14 2019-01-08 厦门美图之家科技有限公司 一种保留边缘的图像模糊处理方法、系统及拍摄终端
CN106709876B (zh) * 2015-08-27 2020-04-14 上海沃韦信息科技有限公司 一种基于暗像元原理的光学遥感图像去雾方法
CN105472361B (zh) * 2015-11-19 2018-03-27 广景视睿科技(深圳)有限公司 一种投影仪图像荧光处理的方法及系统
CN106530237B (zh) * 2016-09-19 2019-06-07 中山大学 一种图像增强方法
CN107329532A (zh) * 2017-08-22 2017-11-07 无锡北斗星通信息科技有限公司 Pda信息通知控制装置
CN107483844B (zh) * 2017-09-04 2020-08-25 海信视像科技股份有限公司 一种图像处理的方法和设备
CN108230256A (zh) * 2017-11-09 2018-06-29 珠海市魅族科技有限公司 图像处理方法、装置、计算机装置及计算机可读存储介质
CN108305236B (zh) * 2018-01-16 2022-02-22 腾讯科技(深圳)有限公司 图像增强处理方法及装置
CN110969046B (zh) * 2018-09-28 2023-04-07 深圳云天励飞技术有限公司 人脸识别方法、设备及计算机可读存储介质
CN109544490B (zh) * 2018-10-17 2021-07-13 北京达佳互联信息技术有限公司 图像增强方法、装置和计算机可读存储介质
CN109801244A (zh) * 2019-02-19 2019-05-24 广州视源电子科技股份有限公司 图像增强方法、装置、计算机设备和存储介质
CN111414218A (zh) * 2020-03-18 2020-07-14 合肥讯飞读写科技有限公司 针对显示页面中字符对比度的调整方法、装置以及设备
CN113450290B (zh) * 2021-09-01 2021-11-26 中科方寸知微(南京)科技有限公司 基于图像修补技术的低照度图像增强方法及系统
CN114202491B (zh) * 2021-12-08 2022-09-09 深圳市研润科技有限公司 一种增强光学图像的方法及系统
CN114359106A (zh) * 2022-01-11 2022-04-15 上海工程技术大学 一种基于改进生成对抗网络的视频模糊图像复原方法
CN116228166B (zh) * 2023-04-21 2023-08-04 广州智算信息技术有限公司 一种基于人工智能的热水器安装验收系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020920A (zh) * 2013-01-10 2013-04-03 厦门大学 一种低照度图像增强方法
CN103578084A (zh) * 2013-12-09 2014-02-12 西安电子科技大学 基于亮通道滤波的彩色图像增强方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020920A (zh) * 2013-01-10 2013-04-03 厦门大学 一种低照度图像增强方法
CN103578084A (zh) * 2013-12-09 2014-02-12 西安电子科技大学 基于亮通道滤波的彩色图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于颜色恒常性的低照度图像视见度增强;禹晶;《自动化学报》;20110831;第37卷(第8期);923-931 *

Also Published As

Publication number Publication date
CN104063848A (zh) 2014-09-24

Similar Documents

Publication Publication Date Title
CN104063848B (zh) 一种低照度图像增强方法和装置
CN108090886B (zh) 一种高动态范围红外图像的显示与细节增强方法
KR100951254B1 (ko) 이미지의 선명도 향상 장치
CN108038833B (zh) 一种梯度相关性检测的图像自适应锐化方法和存储介质
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
US8406559B2 (en) Method and system for enhancing image sharpness based on local features of image
CN107408296A (zh) 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统
CN105046655A (zh) 一种视频图像自动锐化方法和装置
CN107256539B (zh) 一种基于局部对比度的图像锐化方法
CN108305232B (zh) 一种单帧高动态范围图像生成方法
CN111415317B (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN108133463B (zh) 一种直方图均衡化图像的降噪方法及系统
CN106981052B (zh) 基于变分框架的自适应亮度不均变分校正方法
CN114022383A (zh) 一种文字图像的摩尔纹祛除方法、装置及电子设备
Mu et al. Low and non-uniform illumination color image enhancement using weighted guided image filtering
Yang et al. Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform
CN117252773A (zh) 基于自适应颜色校正和导向滤波的图像增强方法及系统
CN201726464U (zh) 一种新的视频图像锐化处理装置
CN104794689A (zh) 一种增强声呐图像对比度的预处理方法
CN107025641A (zh) 基于对比度分析的图像融合方法
CN104978720A (zh) 一种视频图像雨滴去除方法及装置
CN110706180A (zh) 一种极暗图像视觉质量提升方法、系统、设备及介质
CN113496531B (zh) 一种红外图像动态范围压缩方法和系统
CN116703789A (zh) 一种图像增强方法及系统
CN114612344B (zh) 图像锐化装置及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20201118

Address after: 224300 west side of Huanghai Road and south side of Lianyungang Road, Haigang new town, Sheyang County, Yancheng City, Jiangsu Province

Patentee after: Yancheng Manlan Information Technology Service Co.,Ltd.

Address before: Raycom Information Center 2 Beijing City No. 100190 Haidian District road block C academy north building 17 layer 12-13

Patentee before: CHINA SECURITY & FIRE TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230103

Address after: 276100 North of Tanma Road, Tancheng County, Linyi City, Shandong Province (Tancheng New Area)

Patentee after: Tancheng County New Area Construction Development Co.,Ltd.

Address before: 224300 west side of Huanghai Road and south side of Lianyungang Road, Haigang new town, Sheyang County, Yancheng City, Jiangsu Province

Patentee before: Yancheng Manlan Information Technology Service Co.,Ltd.

TR01 Transfer of patent right