CN104346776A - 基于Retinex理论的非线性图像增强方法及其系统 - Google Patents
基于Retinex理论的非线性图像增强方法及其系统 Download PDFInfo
- Publication number
- CN104346776A CN104346776A CN201310335530.7A CN201310335530A CN104346776A CN 104346776 A CN104346776 A CN 104346776A CN 201310335530 A CN201310335530 A CN 201310335530A CN 104346776 A CN104346776 A CN 104346776A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- prime
- illumination
- illumination component
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像增强领域,公开了一种基于Retinex理论的非线性图像增强方法及其系统。本发明中,采用基于梯度域变换的保边滤波方式替代传统的高斯滤波方式获取光照分量,一方面有效地克服高对比度边缘附近的“光晕伪影”现象,另一方面使得彩色图像的边缘保护滤波可以实时运行。此外,针对光照分量通过构造一种非线性压缩函数,在抑制高光区域的同时有效的提升暗光区域,避免图像出现“过曝”现象,将图像亮度映射到理想动态范围之内;而对图像细节的增强,采用自适应局部非线性增强的方式,实现反射分量的局部细节增强,有利于更好地改进图像的质量,增强后的图像更接近于真实的自然场景,细节更清楚。
Description
技术领域
本发明涉及图像增强领域,特别涉及基于Retinex理论的非线性图像增强领域。
背景技术
Retinex是一个合成词,由retina(视网膜)+cortex(大脑皮层)组成。
Retinex理论是Edwin H.Land根据大量的实验基础,建立在人类视觉对亮度和颜色感知模型基础上的一个计算理论。他认为色彩恒常性是由视网膜与大脑皮层共同作用的结果。其中人眼对物体色彩的感觉取决于物体表面对长波、中波和短波三个波长光线的反射特性。而长波、中波、短波波长的光线分别对应于数字图像的R、G、B三个色彩通道。将R、G、B三个通道的待增强图像看作是由反射光分量和入射光分量两部分组成,通过像素之间的像素值比较得到入射光分量估计,称为光照估计,然后从原始图像中去除光照分量得到反射光分量,还原物体的本来面貌,由此实现对原始图像的增强。
基于Retinex理论的图像增强算法将图像理解为由光照图像和反射图像组成,同时假定光照分量图像为原图像中的低频分量,反射分量图像为原图像的高频分量。其中一类方法通过从原始图像中去除光照分量得到反射分量,还原物体的本来面貌,由此实现对原始图像的增强。另一类将原始图像中获取的光照分量做线性或非线性矫正然后结合反射分量得到最终的输出图像。由于矫正的光照分量图消除了不均匀光照带来的影响,突显了图像中“暗部”区域的细节,从而也实现了图像的增强。目前Retinex理论已经广泛用于图像的锐化、增强和高动态范围图像的压缩等。
适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法(CN201110196586.X)公开了一种将夜视彩色图像从RGB转换到YUV空间然后利用S曲线修正Retinex算法获取的光照分量图像,最后返回到RGB空间。一种改进的多尺度Retinex理论的图像增强(CN201210148581.4)公开了一种采用多尺度Retinex算法,利用自适应S曲线对增强后的图像进行非线性映射。一种基于Retinex理论的快速彩色图像增强算法(CN200810116385.2)公开了一种构造新色彩空间和均值模块来加速多尺度Retinex的运算速度。本发明的的发明人发现,以上这些方法在估计光照分量图像时均采用高斯滤波方式。高斯滤波估计光照分量主要根据周围像素的位置远近赋予不同的权重来估算当前像素的光照值,没有充分考虑到像素亮度本身的意义。这直接导致了在估算图像高对比度边缘区域照度的时候,边缘两边的高低值像素会相互影响:高值像素的亮度受相邻低值像素的影响导致所估计的亮度较低;低值像素的亮度受相邻高值像素的影响导致所估计的亮度较高。这会造成这一区域亮度估计失真,出现“光晕伪影”现象。
一种基于Retinex的非线性彩色图像增强方法(CN201010578402.1)公开了一种将图像从RGB转换到YCbCr空间,然后采用Retinex理论进行局部自适应增强,再利用Gamma矫正做全局亮度调整,最后恢复到RGB空间。本发明的的发明人发现,该方法利用mean shift滤波方式获取光照图需要多次迭代,运算速度慢,而且对亮度分量做全局Gamma矫正在拉伸图像暗光区域的同时也进一步拉大了图像的高光区域,使得图像出现“过曝”现象。
发明内容
本发明的目的在于提供一种基于Retinex理论的非线性图像增强方法及其系统,能够有效地解决“光晕伪影”现象,并且在抑制高光区域的同时有效的提升暗光区域,避免图像出现“过曝”现象,将图像亮度映射到理想的动态范围之内。
为解决上述技术问题,本发明的实施方式公开了一种基于Retinex理论的非线性图像增强方法,包括以下步骤:
通过保边滤波获取图像的光照分量,保边滤波的公式为:
式中,L(p)是输入图像I的滤波结果,也就是输入图像I的光照分量,Ω是以p为中心的一个邻域,q是Ω中的点,是高维空间R5内的点,p,q=(x,y)分别为在输入图像I上对应的坐标,I(p)=(r,g,b)为在图像I上对应的值,F和H分别为R5、Rl空间内的边缘保护滤波核,t为高维空间R5到低维空间Rl的等效变换,l<5,σs,σr分别是变换域内保边滤波器的空域和值域的方差,I'k(x)为为输入图像I相应通道Ik(x)的梯度值,c为通道数;
对图像的光照分量进行动态范围调整;
根据调整后的光照分量生成增强图像。
本发明的实施方式还公开了一种基于Retinex理论的非线性图像增强系统,包括:
保边滤波单元,用于获取图像的光照分量;
光照矫正单元,用于对图像的光照分量进行动态范围调整;
增强图像生成单元,用于根据光照矫正单元输出的调整后的光照分量生成增强图像。
本发明实施方式与现有技术相比,主要区别及其效果在于:
采用基于梯度域变换的保边滤波方式替代传统的高斯滤波方式获取光照分量,一方面有效地克服了高对比度边缘附近的“光晕伪影“现象,另一方面使得彩色图像的边缘保护滤波可以实时运行。同时进行动态范围调整和局部对比度增强,有利于更好地改进图像的质量,增强后的图像更接近于真实的自然场景,细节更清楚,视觉效果更好。
进一步地,针对光照分量通过构造一种非线性压缩函数,在抑制高光区域的同时有效的提升暗光区域,避免图像出现“过曝”现象,将图像亮度映射到理想的动态范围之内。
进一步地,对图像细节的增强,采用自适应局部非线性增强的方式,实现反射分量的局部细节增强,增强后的图像更接近于真实的自然场景,细节更清楚,视觉效果更好。
进一步地,由于YCbCr和HSV颜色空间中亮度分量和色调分量是分开的,利用YCbCr中的Y分量或HSV中的V分量进行处理更有利于图像的处理;其次这种方式也大大减少了彩色图像增强的时间。
附图说明
图1是本发明第一实施方式中一种基于Retinex理论的非线性图像增强方法的流程示意图;
图2是本发明第一实施方式中当z=0时,非线性函数L′(x,y)的各个部分的曲线及各个部分合成后的最终理想变换曲线;
图3是本发明第一实施方式中不同的z值所对应的非线性灰度变换曲线;
图4是本发明第一实施方式中反射分量图像增强图;
图5是本发明第二实施方式中一种基于Retinex理论的非线性图像增强方法的流程示意图;
图6是本发明第二实施方式中一种基于Retinex理论的非线性图像增强方法的实施流程图;
图7是本发明第三实施方式中一种基于Retinex理论的非线性图像增强系统的结构示意图;
图8是本发明第四实施方式中一种基于Retinex理论的非线性图像增强系统的结构示意图。
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明第一实施方式涉及一种基于Retinex理论的非线性图像增强方法,图1是该基于Retinex理论的非线性图像增强方法的流程示意图。
具体地说,如图1所示,该基于Retinex理论的非线性图像增强方法包括以下步骤:
在步骤101中,通过保边滤波获取图像的光照分量。
Retinex理论将单通道图像I(x,y)定义成入射光分量即光照分量L(x,y)和反射分量R(x,y)的乘积,即:I(x,y)=R(x,y)·L(x,y),然后通过各种方法对场景入射光分量进行估计得到光照分量L(x,y)。
本实施方式采用一种快速的具有保边去噪的滤波算法来获取图像的光照分量,称为基于梯度域变换的滤波算法。其核心思想是在高维和低维空间中建立一种等效变换,这种等效变换可以在低维空间中保留高维空间的保边去噪滤波功能。即存在一种等效变换t:R5→Rl,l<5,对任一输入图像I,在低维空间Rl内输出与高维空间R5内相似的滤波结果。
该保边滤波公式为:
式中,L(p)是输入图像I的滤波结果,也就是输入图像I的光照分量,Ω是以p为中心的一个邻域,q是Ω中的点,是高维空间R5内的点,p,q=(x,y)分别为在输入图像I上对应的坐标,I(p)=(r,g,b)为在图像I上对应的值,F和H分别为R5、Rl空间内的边缘保护滤波核,t为高维空间R5到低维空间Rl的等效变换,l<5。通过实验证实,该等效变换t可以通过下式获得:
其中σs,σr分别是变换域内保边滤波器的空域和值域的方差,一般取σs=50,σr=0.2。c为通道数,一般取1或者3。当c=1时,表示对输入单通道图像处理,当c=3,表示对三通道彩色图像进行处理,I'k(x)为输入图像I(p)相应通道Ik(x)的梯度值。本实施方式计算相应通道的梯度值可以采用最简单的一阶差分来求得:
I'kx(i,j)=Ik(i,j+1)-Ik(i,j)
I'ky(i,j)=Ik(i,j)-Ik(i+1,j)
I'kx和I'ky分别为Ik水平和垂直方向的梯度值。
在完成等效变换之后,我们可以用该变换域内的一阶递归滤波来完成图像的保边滤波,从而忽略保边滤波核H的具体形式,又可以大幅提升滤波的效率。首先对图像做水平方向滤波,然后再做垂直方向滤波,一阶递归滤波可以表示为:L[x]=(1-ad)L[x]+adL[x-1]。
L[x]为一阶递归滤波结果,滤波开始前L[x-1]=L[x-1]。其中d=t(x)-t(x-1)是相邻两个采样点x和x-1之间的等效变换距离。是回馈系数。
通过这种等效变换,我们可以在一维空间中实现高维空间的保边滤波,这将极大的缩减运算量,使得彩色图像保边滤波可以实时运算。事实上在给定滤波参数σs和σr的基础上,a是定值,而梯度值是一个0-255区间的变化值,所以ad项也是只有256个变化值。通过建立一个大小为256的ad初始化查找表,我们可以进一步缩减三分之二以上的运算量。
通过上述滤波方式获取了光照分量L(x,y)之后,反射分量R(x,y)可以根据公式I(x,y)=R(x,y)·L(x,y)求得。
采用基于梯度域变换的保边滤波方式替代传统的高斯滤波方式获取光照分量,一方面有效地克服了高对比度边缘附近的“光晕伪影“现象,另一方面使得彩色图像的边缘保护滤波可以实时运行。
此外,可以理解,这只是本发明的一种优选的实施方式,在其它实施方式中,也可以采用其它的滤波算法,而不以此为限。
另外,其他常见的保边滤波方法有:双边滤波、非线性各向异性扩散滤波等。
此后进入步骤102,对图像的光照分量进行动态范围调整。
光照矫正目的是为了消除不均匀光照带来的影响,尽可能抑制高光区域的同时提升暗光区域的像素值。首先将光照分量图像的灰度值L(x,y)归一化到0-1区间,然后利用一个非线性函数f(x)将亮度图像压缩到一个理想的动态范围内。这样的函数f(x)有很多种选择,如Gamma函数,但是采用Gamma矫正容易出现图像整体偏亮甚至“过曝”等现象。通过大量实验证明采用如下非线性函数对图像的光照分量进行动态范围调整可以获取理想的效果:
上式中的z是非线性增强相关的参数,它依赖于图像的直方图,L为图像的光照分量,L′(x,y)为调整后的光照分量,
其中a是累积分布函数等于0.1时对应的灰度级值。如只用10%的像素点灰度值小于150,那么a将等于1。图2表示的是当z=0时,非线性函数L′(x,y)的各个部分的曲线图,及各个部分合成后的最终理想变换曲线;图3为不同的z值所对应的非线性灰度变换曲线。
此外,可以理解,这只是本发明的一种优选的实施方式,在其它实施方式中,也可以采用其它的非线性压缩函数,而不以此为限。
此后进入步骤103,根据调整后的光照分量生成增强图像。
此后结束本流程。
此外,进一步地,优选地,在步骤103之前,还包括以下步骤:
对图像的反射分量进行调整(优选地,该调整是自适应调整)。
反射光分量包含大量图像细节,对其进行增强能够提高图像的清晰度,增强场景中观看者感兴趣的细节部分。然而,一般的全局对比度增强技术并不适合,本实施方式采用一种局部非线性增强方式,利用当前像素与邻域的像素关系来调整反射分量的值。这种邻域之间的关系,通常可以通过二维高斯滤波获取,如下式所示:
R′(x,y)=R(x,y)E(x,y)
其中R(x,y)为图像的反射分量,R′(x,y)为调整后的反射分量,I'(x,y)为I(x,y)的高斯滤波结果。p为图像相关控制参数,由高斯滤波的标准差σ决定。
由于I'(x,y)为I(x,y)的邻域卷积和,通过卷积后的中心像素点值与之前的像素值进行比较来控制对比度的增强。如果中心像素点的值大于领域像素的平均值,即E(x,y)小于1,则反射图像中该点的像素值将被拉大,否则将被拉低。这样导致了局部之间的对比度被拉大。如图4所示,当E(x,y)小于1时,R′将大于R;反之当E(x,y)大于1时,R′将小于R。
然而无论对原始图像还是对反射分量进行一次二维高斯滤波都会额外增加运行时间。优选地,我们将上述的高斯滤波结果I'(x,y)替换为基于梯度域变换的滤波结果L(x,y),即在获取相同的增强效果同时减少额外的运算量。
此外,可以理解,这只是本发明的一种优选的实施方式,在其它实施方式中,也可以采用其它的调整公式,而不以此为限。
通过以上步骤,最后输出的灰度增强图像为:
I′(x,y)=255·L′(x,y)·R′(x,y)
针对光照分量通过构造一种非线性压缩函数,在抑制高光区域的同时有效的提升暗光区域,避免图像出现“过曝”现象,将图像亮度映射到理想的动态范围之内。对图像细节的增强,采用自适应局部非线性增强的方式,实现反射分量的局部细节增强,增强后的图像更接近于真实的自然场景,细节更清楚,视觉效果更好。同时进行动态范围调整和局部对比度增强,有利于更好地改进图像的质量。
本发明第二实施方式涉及一种基于Retinex理论的非线性图像增强方法。图5是该基于Retinex理论的非线性图像增强方法的流程示意图。
第二实施方式在第一实施方式的基础上进行了改进,具体地说,如图5所示,主要改进之处在于:
首先,在步骤101通过保边滤波获取图像的光照分量之前,还包括以下步骤:
步骤100:将彩色图像的RGB颜色空间转换到YCbCr或HSV空间,利用YCbCr中的Y分量或HSV中的V分量进行处理。
对彩色图像的增强,我们不需要对彩色图像的三个通道(R、G、B)分别进行增强处理,而是通过将RGB颜色空间转换到YCbCr或HSV空间,利用YCbCr中的Y分量或者HSV中的V分量进行处理。这是由于YCbCr和HSV颜色空间中亮度分量和色调分量是分开的,更有利于图像的处理;其次这种方式也大大减少了彩色图像增强的时间。本实施方式采用如下方式获取单通道图像值:
I(x,y)=max[IR(x,y),IG(x,y),IB(x,y)]
此外,可以理解,这只是本发明的一种优选的实施方式,在其它实施方式中,也可以采用其它的方式获取单通道图像值,而不以此为限。
此外,可以理解,此步骤是针对彩色图像的增强,在非彩色图像的处理过程中,不需要此步骤。
其次,在步骤103根据调整后的光照分量生成增强图像之后,还包括:
步骤104:将增强后的单通道图像作为新的V分量,结合原彩色图像给定的H和S分量再重新转换回RGB空间,或者利用下式进行处理,其中R、G、B为原彩色图像的三个通道分量,I为原彩色图像的单通道图像,I'为最后输出的灰度增强图像:
此外,可以理解,此步骤也是针对彩色图像的,在非彩色图像的处理过程中,不需要此步骤。
由于YCbCr和HSV颜色空间中亮度分量和色调分量是分开的,利用YCbCr中的Y分量或HSV中的V分量进行处理更有利于图像的处理。其次这种方式也大大减少了彩色图像增强的时间。
综上所述,可以看出,本发明包含四个主要过程:色彩转换、光照估计、光照分量矫正、反射分量矫正。如图6所示。
第一实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现,指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的,易失性的或者非易失性的,固态的或者非固态的,固定的或者可更换的介质等等)。同样,存储器可以例如是可编程阵列逻辑(Programmable Array Logic,简称“PAL”)、随机存取存储器(Random Access Memory,简称“RAM”)、可编程只读存储器(Programmable Read Only Memory,简称“PROM”)、只读存储器(Read-Only Memory,简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM,简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc,简称“DVD”)等等。
本发明第三实施方式涉及一种基于Retinex理论的非线性图像增强系统。图7是该基于Retinex理论的非线性图像增强系统的结构示意图。
具体地说,如图7所示,该基于Retinex理论的非线性图像增强系统包括:
保边滤波单元,用于获取图像的光照分量,该保边滤波单元的保边滤波公式为:
其中,L(p)是输入图像I的滤波结果,也就是输入图像I的光照分量,Ω是以p为中心的一个邻域,q是Ω中的点,是高维空间R5内的点,p,q=(x,y)分别为在图像I上对应的坐标,I(p)=(r,g,b)为在图像I上对应的值,F和H分别为R5、Rl空间内的边缘保护滤波核,t为高维空间R5到低维空间Rl的等效变换,l<5,σs,σr分别是变换域内保边滤波器的空域和值域的方差,I'k(x)为输入图像I相应通道Ik(x)的梯度值,c为通道数,一般取1或者3。
光照矫正单元,用于对图像的光照分量进行动态范围调整。
具体地说,光照矫正单元是利用非线性压缩函数对保边滤波单元获取的图像的光照分量进行动态范围调整的,非线性压缩函数为:
上式中的z是非线性增强相关的参数,它依赖于图像的直方图,L为图像的光照分量,L′(x,y)为调整后的光照分量,
其中a是累积分布函数等于0.1时对应的灰度级值。如只用10%的像素点灰度值小于150,那么a将等于1。
增强图像生成单元,用于根据光照矫正单元输出的调整后的光照分量生成增强图像。
此外,进一步地,优选地,还包括:
反射矫正单元,用于对图像的反射分量进行调整。
反射矫正单元对图像的反射分量进行调整时,调整公式为:
R′(x,y)=R(x,y)E(x,y)
其中R(x,y)为反射图像,R′(x,y)为调整后的反射分量,I'(x,y)为I(x,y)的高斯滤波结果。p为图像相关控制参数,由高斯滤波的标准差σ决定。
第一实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第四实施方式涉及一种基于Retinex理论的非线性图像增强系统。图8是该基于Retinex理论的非线性图像增强系统的结构示意图。
第四实施方式在第三实施方式的基础上进行了改进,如图8所示,主要改进之处在于,还包括:
第一色彩转换单元,用于在保边滤波单元获取图像的光照分量之前,将彩色图像的RGB颜色空间转换到YCbCr或HSV空间,利用YCbCr中的Y分量或HSV中的V分量进行处理。
第二色彩转换单元,用于将反射矫正单元增强后的单通道图像作为新的V分量,结合原彩色图像H和S分量再重新转换回RGB空间,或者利用下式进行处理,其中R、G、B为原彩色图像的三个通道分量,I为原彩色图像的单通道图像,I'为增强后的灰度增强图像:
此外,可以理解,此单元是针对彩色图像的增强,在非彩色图像的处理过程中,不需要此单元。
第二实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第二实施方式中。
本发明的优势主要表现在:
1.本发明提出的采用基于梯度域变换的保边滤波方式替代传统的高斯滤波方式获取光照分量,一方面有效的克服了高对比度边缘附近的光晕伪影现象,另一方面使得彩色图像的边缘保护滤波可以实时运行。
2.本发明提出的亮度压缩方式,有效的抑制图像的高光区域同时提升图像暗部区域的亮度,避免出现过曝现象,消除了不均匀光照带来的影响。
3.本方法除了适用于普通彩色和灰度图像增强,对高动态范围图像的亮度压缩和色阶映射同样也适用,提高了算法的应用范围。
4.本发明可以应用于车辆的检测系统中,可以有效地提高阴影中的车辆检测。
需要说明的是,本发明各设备实施方式中提到的各单元都是逻辑单元,在物理上,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现,这些逻辑单元本身的物理实现方式并不是最重要的,这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外,为了突出本发明的创新部分,本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,这并不表明上述设备实施方式并不存在其它的单元。
需要说明的是,在本专利的权利要求和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种基于Retinex理论的非线性图像增强方法,其特征在于,包括以下步骤:
通过保边滤波获取图像的光照分量,所述保边滤波的公式为:
式中,L(p)是输入图像I的滤波结果,也就是输入图像I的光照分量,Ω是以p为中心的一个邻域,q是Ω中的点,是高维空间R5内的点,p,q=(x,y)分别为在输入图像I上对应的坐标,I(p)=(r,g,b)为在图像I上对应的值,F和H分别为R5、Rl空间内的边缘保护滤波核,t为高维空间R5到低维空间Rl的等效变换,l<5,σs,σr分别是变换域内保边滤波器的空域和值域的方差,I'k(x)为输入图像I相应通道Ik(x)的梯度值,c为通道数;
对图像的光照分量进行动态范围调整;
根据调整后的光照分量生成增强图像。
2.根据权利要求1所述的基于Retinex理论的非线性图像增强方法,其特征在于,在所述对图像的光照分量进行动态范围调整的步骤中,是利用非线性压缩函数对图像的光照分量进行动态范围调整的,所述非线性压缩函数为:
式中的z是非线性增强参数,它依赖于图像的直方图,L为图像的光照分量,L′(x,y)为调整后的光照分量,
其中a是累积分布函数等于0.1时对应的灰度级值。
3.根据权利要求2所述的基于Retinex理论的非线性图像增强方法,其特征在于,在所述根据调整后的光照分量生成增强图像的步骤之前,还包括以下步骤:
对图像的反射分量进行调整,调整公式为:
R′(x,y)=R(x,y)E(x,y)
R(x,y)为图像的反射分量,R′(x,y)为调整后的反射分量,I'(x,y)为I(x,y)的高斯滤波结果,p为图像控制参数,由高斯滤波的标准差σ决定:
4.根据权利要求1所述的基于Retinex理论的非线性图像增强方法,其特征在于,所述通过保边滤波获取图像的光照分量的步骤之前,还包括以下步骤:
将彩色图像的RGB颜色空间转换到YCbCr或HSV空间,利用YCbCr中的Y分量或HSV中的V分量进行处理。
5.根据权利要求4所述的基于Retinex理论的非线性图像增强方法,其特征在于,在所述对图像的反射分量进行调整的步骤之后,还包括以下步骤:
将增强后的单通道图像作为新的V分量,结合原彩色图像给定的H和S分量再重新转换回RGB空间,或者利用下式分别对R、G和B三个通道进行处理,其中R、G、B为原彩色图像的三个通道分量,I为原彩色图像的单通道图像,I'为增强后的灰度增强图像:
6.一种基于Retinex理论的非线性图像增强系统,其特征在于,包括:
保边滤波单元,用于获取图像的光照分量,该保边滤波单元的保边滤波公式为:
式中,L(p)是输入图像I的滤波结果,也就是输入图像I的光照分量,Ω是以p为中心的一个邻域,q是Ω中的点,是高维空间R5内的点,p,q=(x,y)分别为在输入图像I上对应的坐标,I(p)=(r,g,b)为在图像I上对应的值,F和H分别为R5、Rl空间内的边缘保护滤波核,t为高维空间R5到低维空间Rl的等效变换,l<5,σs,σr分别是变换域内保边滤波器的空域和值域的方差,I'k(x)为输入图像I相应通道Ik(x)的梯度值,c为通道数;
光照矫正单元,用于对图像的光照分量进行动态范围调整;
增强图像生成单元,用于根据光照矫正单元输出的调整后的光照分量生成增强图像。
7.根据权利要求6所述的基于Retinex理论的非线性图像增强系统,其特征在于,所述光照矫正单元是利用非线性压缩函数对所述保边滤波单元获取的图像的光照分量进行动态范围调整的,所述非线性压缩函数为:
式中的z是非线性增强参数,它依赖于图像的直方图,L为图像的光照分量,L′(x,y)为调整后的光照分量,
其中a是累积分布函数等于0.1时对应的灰度级值。
8.根据权利要求7所述的基于Retinex理论的非线性图像增强系统,其特征在于,还包括:
反射矫正单元,用于对图像的反射分量进行调整;
所述反射矫正单元对图像的反射分量进行调整时,调整公式为:
R′(x,y)=R(x,y)E(x,y)
其中R(x,y)为图像的反射分量,R′(x,y)为调整后的反射分量,I'(x,y)为I(x,y)的高斯滤波结果,p为图像控制参数,由高斯滤波的标准差σ决定,
9.根据权利要求8所述的基于Retinex理论的非线性图像增强系统,其特征在于,还包括:
第一色彩转换单元,用于在所述保边滤波单元获取图像的光照分量之前,将彩色图像的RGB颜色空间转换到YCbCr或HSV空间,利用YCbCr中的Y分量或HSV中的V分量进行处理。
10.根据权利要求9所述的基于Retinex理论的非线性图像增强系统,其特征在于,还包括:
第二色彩转换单元,用于将所述反射矫正单元增强后的单通道图像作为新的V分量,结合原彩色图像给定的H和S分量再重新转换回RGB空间,或者利用下式分别对R、G和B三个通道进行处理,其中R、G、B为原彩色图像的三个通道分量,I为原彩色图像的单通道图像,I'为增强后的灰度增强图像:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310335530.7A CN104346776B (zh) | 2013-08-02 | 2013-08-02 | 基于Retinex理论的非线性图像增强方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310335530.7A CN104346776B (zh) | 2013-08-02 | 2013-08-02 | 基于Retinex理论的非线性图像增强方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104346776A true CN104346776A (zh) | 2015-02-11 |
CN104346776B CN104346776B (zh) | 2017-05-24 |
Family
ID=52502322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310335530.7A Active CN104346776B (zh) | 2013-08-02 | 2013-08-02 | 基于Retinex理论的非线性图像增强方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104346776B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741244A (zh) * | 2016-01-28 | 2016-07-06 | 山东鲁能智能技术有限公司 | 一种室内巡检机器人弱光下去除阴影和光晕的方法 |
CN105894480A (zh) * | 2016-05-03 | 2016-08-24 | 成都索贝数码科技股份有限公司 | 一种高效且易于并行实现的美颜装置 |
CN105913400A (zh) * | 2016-05-03 | 2016-08-31 | 成都索贝数码科技股份有限公司 | 一种获得高质量且实时的美颜的装置 |
WO2016169244A1 (zh) * | 2015-04-20 | 2016-10-27 | 中国矿业大学 | 基于随机喷射retinex的视频图像去噪与增强方法及装置 |
CN106557729A (zh) * | 2015-09-30 | 2017-04-05 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN106709891A (zh) * | 2016-11-15 | 2017-05-24 | 哈尔滨理工大学 | 基于小波变换与自适应变换结合的图像处理方法 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
CN107451963A (zh) * | 2017-07-05 | 2017-12-08 | 广东欧谱曼迪科技有限公司 | 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 |
CN107545555A (zh) * | 2016-06-27 | 2018-01-05 | 比亚迪股份有限公司 | 图像处理方法及装置 |
CN109785263A (zh) * | 2019-01-14 | 2019-05-21 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
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 |
CN110111280A (zh) * | 2019-05-06 | 2019-08-09 | 平顶山学院 | 一种多尺度梯度域引导滤波的低照度图像增强算法 |
CN110634112A (zh) * | 2019-10-15 | 2019-12-31 | 中国矿业大学(北京) | 一种双域分解的矿井下含噪声图像的增强方法 |
WO2020001164A1 (en) * | 2018-06-28 | 2020-01-02 | Boe Technology Group Co., Ltd. | Image enhancement method and apparatus |
CN110706180A (zh) * | 2019-10-09 | 2020-01-17 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN110796609A (zh) * | 2019-07-31 | 2020-02-14 | 东南大学 | 基于尺度感知和细节增强模型的低光图像增强方法 |
CN111899197A (zh) * | 2020-08-05 | 2020-11-06 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
CN111918095A (zh) * | 2020-08-05 | 2020-11-10 | 广州市百果园信息技术有限公司 | 一种暗光增强方法、装置、移动终端和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6788822B1 (en) * | 1999-08-31 | 2004-09-07 | Sharp Kabushiki Kaisha | Method and device for correcting lightness of image |
WO2005034036A2 (en) * | 2003-10-02 | 2005-04-14 | Hewlett-Packard Development Company L.P. | Robust recursive envelope operators for fast retinex-type processing of images |
CN101783963A (zh) * | 2010-02-10 | 2010-07-21 | 西安理工大学 | 一种具有高光抑制的夜间图像增强方法 |
CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
-
2013
- 2013-08-02 CN CN201310335530.7A patent/CN104346776B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6788822B1 (en) * | 1999-08-31 | 2004-09-07 | Sharp Kabushiki Kaisha | Method and device for correcting lightness of image |
WO2005034036A2 (en) * | 2003-10-02 | 2005-04-14 | Hewlett-Packard Development Company L.P. | Robust recursive envelope operators for fast retinex-type processing of images |
CN101783963A (zh) * | 2010-02-10 | 2010-07-21 | 西安理工大学 | 一种具有高光抑制的夜间图像增强方法 |
CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
Non-Patent Citations (3)
Title |
---|
DEEPAK GHIMIRE, JOONWHOAN LEE: "Color Image Enhancement in HSV Space Using Nonlinear Transfer Function and Neighborhood Dependent Approach with Preserving Details", 《2010 FOURTH PACIFIC-RIM SYMPOSIUM ON IMAGE AND VIDEO TECHNOLOGY》 * |
EDUARDO S. L. GASTAL 等: "Domain Transform for Edge-Aware Image and Video Processing", 《ACM TRANSACTIONS ON GRAPHICS》 * |
胡韦伟 等: "基于双边滤波的Retinex图像增强算法", 《工程图学学报》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016169244A1 (zh) * | 2015-04-20 | 2016-10-27 | 中国矿业大学 | 基于随机喷射retinex的视频图像去噪与增强方法及装置 |
US9978131B2 (en) | 2015-04-20 | 2018-05-22 | China University Of Mining And Technology | Video image denoising and enhancing method and device based on random spray retinex |
CN106557729A (zh) * | 2015-09-30 | 2017-04-05 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN106557729B (zh) * | 2015-09-30 | 2021-12-21 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN105741244A (zh) * | 2016-01-28 | 2016-07-06 | 山东鲁能智能技术有限公司 | 一种室内巡检机器人弱光下去除阴影和光晕的方法 |
CN105894480A (zh) * | 2016-05-03 | 2016-08-24 | 成都索贝数码科技股份有限公司 | 一种高效且易于并行实现的美颜装置 |
CN105913400A (zh) * | 2016-05-03 | 2016-08-31 | 成都索贝数码科技股份有限公司 | 一种获得高质量且实时的美颜的装置 |
CN107545555A (zh) * | 2016-06-27 | 2018-01-05 | 比亚迪股份有限公司 | 图像处理方法及装置 |
CN107545555B (zh) * | 2016-06-27 | 2021-07-30 | 比亚迪半导体股份有限公司 | 图像处理方法及装置 |
CN106709891A (zh) * | 2016-11-15 | 2017-05-24 | 哈尔滨理工大学 | 基于小波变换与自适应变换结合的图像处理方法 |
CN106846282B (zh) * | 2017-03-28 | 2019-06-04 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
CN107451963A (zh) * | 2017-07-05 | 2017-12-08 | 广东欧谱曼迪科技有限公司 | 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 |
CN107451963B (zh) * | 2017-07-05 | 2020-09-25 | 广东欧谱曼迪科技有限公司 | 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 |
WO2020001164A1 (en) * | 2018-06-28 | 2020-01-02 | Boe Technology Group Co., Ltd. | Image enhancement method and apparatus |
CN109785263B (zh) * | 2019-01-14 | 2022-09-16 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
CN109785263A (zh) * | 2019-01-14 | 2019-05-21 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
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 |
CN110111280B (zh) * | 2019-05-06 | 2023-04-07 | 平顶山学院 | 一种多尺度梯度域引导滤波的低照度图像增强方法 |
CN110111280A (zh) * | 2019-05-06 | 2019-08-09 | 平顶山学院 | 一种多尺度梯度域引导滤波的低照度图像增强算法 |
CN110796609A (zh) * | 2019-07-31 | 2020-02-14 | 东南大学 | 基于尺度感知和细节增强模型的低光图像增强方法 |
CN110796609B (zh) * | 2019-07-31 | 2022-04-08 | 东南大学 | 基于尺度感知和细节增强模型的低光图像增强方法 |
CN110706180B (zh) * | 2019-10-09 | 2022-02-11 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN110706180A (zh) * | 2019-10-09 | 2020-01-17 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN110634112B (zh) * | 2019-10-15 | 2022-02-22 | 中国矿业大学(北京) | 一种双域分解的矿井下含噪声图像的增强方法 |
CN110634112A (zh) * | 2019-10-15 | 2019-12-31 | 中国矿业大学(北京) | 一种双域分解的矿井下含噪声图像的增强方法 |
CN111918095A (zh) * | 2020-08-05 | 2020-11-10 | 广州市百果园信息技术有限公司 | 一种暗光增强方法、装置、移动终端和存储介质 |
CN111899197A (zh) * | 2020-08-05 | 2020-11-06 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
CN111899197B (zh) * | 2020-08-05 | 2024-04-30 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104346776B (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346776A (zh) | 基于Retinex理论的非线性图像增强方法及其系统 | |
CN101783012B (zh) | 一种基于暗原色的自动图像去雾方法 | |
CN102231206B (zh) | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 | |
CN107527332A (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN107730475A (zh) | 图像增强方法及系统 | |
CN110570360B (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
CN103530848A (zh) | 一种非均匀光照图像二次曝光的实现方法 | |
CN104253930A (zh) | 一种实时视频去雾方法 | |
CN105205794A (zh) | 一种低照度图像的同步增强去噪方法 | |
CN105631829A (zh) | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 | |
CN103177424A (zh) | 一种低照度图像的增强和去噪方法 | |
CN103455979A (zh) | 一种低照度视频图像增强方法 | |
KR100791388B1 (ko) | 영상의 선명도 향상을 위한 장치 및 방법 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN104537634A (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN106169181A (zh) | 一种图像处理方法及系统 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN110298792B (zh) | 低光照图像增强与去噪方法、系统及计算机设备 | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
CN101478689B (zh) | 一种基于色域映射的图像光照校正系统 | |
Kim et al. | Single image haze removal using hazy particle maps | |
Kumari et al. | Single image fog removal using gamma transformation and median filtering |
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 |