CN105354801A - 一种基于hsv色彩空间的图像增强方法 - Google Patents

Abstract

本发明是一种基于HSV色彩空间的图像增强方法，该方法包括以下步骤：步骤1）输入RGB彩色图像，并将RGB彩色图像转换到HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；步骤2）对亮度分量V的处理；步骤3）对HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量；步骤4）将HSV色彩空间的色调分量H、增强灰度分量和增强饱和度分量合并得到前期结果HSV色彩空间图像，并转换成RGB彩色图像；步骤5）对RGB彩色图像进行图像去雾处理，得到RGB彩色输出图像

Description

一种基于HSV色彩空间的图像增强方法

技术领域

本发明属于图像信息处理技术领域，具体涉及一种基于HSV色彩空间的图像增强方法。

背景技术

图像具有的的直观、客观存在、迅速、高效等特点，让其他传播媒介无法企及，“读图”让人们对事物的认识更加趋于简单化和便捷化。

通常，图像在处理和传播的过程中会引入各种类型的噪声形成图像失真。在摄影时由于光照条件的不同也会造成拍摄出来的图像质量下降，如光线过暗，导致拍出来的照片曝光不足或者低曝光；光线太强导致拍出来的照片强曝光或者曝光过度；光线分布不均匀导致拍出来的照片无法表达出一半很亮一半很暗。“读图时代”的到来，要求用更有效的图像增强方法，处理得到质量更高的图像，这样人眼得到的信息便更多。

发明内容

本发明的目的在于克服现有技术存在的问题，提供一种基于HSV色彩空间的图像增强方法。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于HSV色彩空间的图像增强方法，该方法包括以下步骤：

步骤1）输入RGB彩色图像，并将RGB彩色图像转换到HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；

步骤2）对亮度分量V的处理：

步骤2.1）亮度分量V基于L0范数的图像稀疏分解，得到基层图像B和细节图像D；

步骤2.2）采用基于RTV的纹理图像和JND函数增强细节图像D，增强后的细节图像为，

基于相对总变差RTV计算，细节图像D的纹理为：

，

其中，，是滤波窗口的总变差，

，是滤波窗口的固有变差，

计算增强的细节图像：

，

其中，是线性增量，是仅通过人类视觉观察出来的差异，是与纹理相关的权重；

步骤2.3）对基层图像B进行直方图均衡化操作，得到增强后的基层图像；

步骤2.4）将增强细节图像与增强基层图像合并得到增强灰度分量；

步骤3）对步骤1）中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量；

步骤4）将步骤1）中的HSV色彩空间的色调分量H、步骤2.4）中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像，并转换成RGB彩色图像；

步骤5）对步骤4）中的RGB彩色图像进行图像去雾处理，得到RGB彩色输出图像。

进一步的，在所述步骤2.1）中，将细节图像D用基层图像B来表示：

，

稀疏分解公式：

，

采用变量分离和惩罚技术，同时引入辅助变量，，

固定，求解，，即可解出和。

进一步的，在所述步骤5）中，R、G、B三个通道的无雾图像公式:

，

其中，C表示R、G、B三个分量，是已知的待去雾图像，是待求的无雾图像，

定义输入图像的暗通道为：

，

暗通道先验理论为：除了图像中天空的区域，其余区域的暗通道无限趋向0，从而求得去雾后的RGB彩色输出图像。

本发明的有益效果是:

本发明通过对HSV色彩空间中的色调分量H、饱和度分量S和亮度分量V进行局部处理，来消除图像整体亮度低，图像亮度不均匀，图内物体的轮廓、颜色不好分辨，物体细节不突出的问题，本发明输出的图像，整体亮度提升，图像亮度分布均匀，图像轮廓和颜色均能分辨，细节突出，视觉效果佳。

附图说明

图1为本发明方法的流程示意图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

参照图1所示，一种基于HSV色彩空间的图像增强方法，该方法包括以下步骤：

步骤1）输入RGB彩色图像，并将RGB彩色图像转换到HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；

步骤2）对亮度分量V的处理：

步骤2.1）亮度分量V基于L0范数的图像稀疏分解，得到基层图像B和细节图像D；

步骤2.2）采用基于RTV的纹理图像和JND函数增强细节图像D，增强后的细节图像为，

基于相对总变差RTV计算，细节图像D的纹理为：

，

其中，，是滤波窗口的总变差，

，是滤波窗口的固有变差，

计算增强的细节图像：

，

其中，是线性增量，是仅通过人类视觉观察出来的差异，是与纹理相关的权重；

步骤2.3）对基层图像B进行直方图均衡化操作，得到增强后的基层图像；

步骤2.4）将增强细节图像与增强基层图像合并得到增强灰度分量；

步骤3）对步骤1）中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量；

步骤4）将步骤1）中的HSV色彩空间的色调分量H、步骤2.4）中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像，并转换成RGB彩色图像；

步骤5）对步骤4）中的RGB彩色图像进行图像去雾处理，得到RGB彩色输出图像。

进一步的，在所述步骤2.1）中，将细节图像D用基层图像B来表示：

，

稀疏分解公式：

，

采用变量分离和惩罚技术，同时引入辅助变量，，

固定，求解，，即可解出和。

进一步的，在所述步骤5）中，R、G、B三个通道的无雾图像公式:

，

其中，C表示R、G、B三个分量，是已知的待去雾图像，是待求的无雾图像，

定义输入图像的暗通道为：

，

暗通道先验理论为：除了图像中天空的区域，其余区域的暗通道无限趋向0，从而求得去雾后的RGB彩色输出图像。

本发明原理

本发明中输入RGB彩色图像，首先将RGB彩色图像转换为HSV彩色图像，在亮度分量V的处理上，为了便于理解，分为以下五个部分：第一部分是基于L0范数的图像稀疏分解，得到基层图像B和细节图像D；第二部分是细节图像D的增强，采用基于RTV(RelativeTotalVariation)相对总变差和最小可视差JND(JustNoticeableDifference)的纹理相关窗口，局部加强细节图像D，增强后的细节图像为；第三部分对基层图像B进行直方图均衡化操作，得到增强后的基层图像；第四部分是是再对原HSV彩色图像的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量；第五部分是将增强细节图像与增强基层图像合并得到增强灰度分量，将增强灰度分量与原HSV彩色图像的色调分量H、增强饱和度分量合并得到前期结果HSV色彩空间图像,再转换成RGB彩色图像；最后，是对RGB彩色图像进行去雾操作，得到去雾操作得到RGB彩色输出图像。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于HSV色彩空间的图像增强方法，其特征在于，该方法包括以下步骤：

步骤1）输入RGB彩色图像，并将RGB彩色图像转换到HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；

步骤2）对亮度分量V的处理：

步骤2.1）亮度分量V基于L0范数的图像稀疏分解，得到基层图像B和细节图像D；

步骤2.2）采用基于RTV的纹理图像和JND函数增强细节图像D，增强后的细节图像为，

基于相对总变差RTV计算，细节图像D的纹理为：

，

其中，，是滤波窗口的总变差，

，是滤波窗口的固有变差，

计算增强的细节图像：

，

其中，是线性增量，是仅通过人类视觉观察出来的差异，是与纹理相关的权重；

步骤2.3）对基层图像B进行直方图均衡化操作，得到增强后的基层图像；

步骤2.4）将增强细节图像与增强基层图像合并得到增强灰度分量；

步骤3）对步骤1）中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量；

步骤4）将步骤1）中的HSV色彩空间的色调分量H、步骤2.4）中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像，并转换成RGB彩色图像；

步骤5）对步骤4）中的RGB彩色图像进行图像去雾处理，得到RGB彩色输出图像。

2.根据权利要求1所述的基于HSV色彩空间的图像增强方法，其特征在于，在所述步骤2.1）中，将细节图像D用基层图像B来表示：

，

稀疏分解公式：

，

采用变量分离和惩罚技术，同时引入辅助变量，，

固定，求解，，即可解出和。

3.根据权利要求1所述的基于HSV色彩空间的图像增强方法，其特征在于，在所述步骤5）中，R、G、B三个通道的无雾图像公式:

，

其中，C表示R、G、B三个分量，是已知的待去雾图像，是待求的无雾图像，

定义输入图像的暗通道为：

，

暗通道先验理论为：除了图像中天空的区域，其余区域的暗通道无限趋向0，从而求得去雾后的RGB彩色输出图像。