CN107578383A - 一种低照度图像增强处理方法 - Google Patents
一种低照度图像增强处理方法 Download PDFInfo
- Publication number
- CN107578383A CN107578383A CN201710754288.5A CN201710754288A CN107578383A CN 107578383 A CN107578383 A CN 107578383A CN 201710754288 A CN201710754288 A CN 201710754288A CN 107578383 A CN107578383 A CN 107578383A
- Authority
- CN
- China
- Prior art keywords
- value
- image
- enhanced
- light
- level
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种低照度图像增强处理方法，包括：S1：获取待处理的低照度图像后，将其从RGB空间转换到HSI空间，获取每个像素的色调值、色饱和度值和亮度值；S2：将亮度值分解为反射分量和照射分量；S3：分别对反射分量和照射分量增强处理，合成增强后的亮度值；S4：对色饱和度值增强处理得到增强后的色饱和度值；S5：将色调值、增强后的亮度值和色饱和度值合成新的HSI图像；S6：将新的HSI图像转化为新的RGB图像，对新的RGB图像白平衡处理，得到增强后的图像。本方法可以极大地提升低照度图像的清晰度，使细节可以再现，而且基本不会产生颜色丢失，更为符合人眼的视觉特征，适用性强。
Description
技术领域
本发明涉及图像处理技术领域，具体来说，涉及一种低照度图像增强处理方法。
背景技术
在室内、夜间等低照度条件下，由于非自然光源的照度不充分，所以目标表面的反射光较弱，造成进入成像传感器的光线不足，导致在夜间采集的图像质量退化严重、图像可辨识性很低，且含有大量噪声，以至于难以分辨图像中的细节，大大降低了图像的应用价值，这类图像统称为低照度图像。
对低照度图像的质量提升，是目前图像质量提升领域的研究热点之一，尤其是在城市交通、监控视频等计算机视觉领域，低照度图像的质量提升具有重大意义。目前对低照度图像的增强方法主要是在RGB颜色空间下直接对图像进行增强处理例如MSRCR算法，这种处理方式容易产生颜色丢失，不符合人眼的视觉特征。
发明内容
针对相关技术中的上述技术问题，本发明提出一种低照度图像增强处理方法，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种低照度图像增强处理方法，包括如下步骤：
S1：获取待处理的低照度图像后，将待处理的低照度图像从RGB颜色空间转换到HSI颜色空间，获取每个像素的色调值、色饱和度值和亮度值；
S2：基于Retinex算法，采用交替极小化方法将亮度值分解为反射分量和照射分量；
S3：分别对反射分量和照射分量进行增强处理后，合成增强后的亮度值；
S4：对每个像素的色饱和度值进行增强处理得到增强后的色饱和度值；
S5：将色调值、增强后的亮度值和增强后的色饱和度值合成新的HSI图像；
S6：将新的HSI图像转化为新的RGB图像，对新的RGB图像进行白平衡处理，得到白平衡处理后的增强图像，具体包括：
S6.1：对待处理图像进行指数空间变换；
S6.2：在指数空间分别计算LBP值；
S6.3：计算RGB空间的LBP值的方差STD；
S6.4：根据方差STD选取最优像素点；
S6.5：采用最优像素点对应的RGB值对待处理图像进行校正。
进一步的，步骤S3具体包括：
S3.1：对照射分量进行伽马校正，并进行自适应直方图均衡化处理后，获得增强后的照射分量；
S3.2：对反射分量进行非局部均值滤波操作后获得增强后的反射分量；
S3.3：将增强后的照射分量和增强后的反射分量合成增强后的亮度值。
进一步的，步骤S4中对每个像素的色饱和度值进行增强处理的公式为：
其中，S_enh是增强处理后所述像素的色饱和度，min(R,G,B)为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最小值,max(R,G,B)为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最大值。
进一步的，步骤S6.1中，对待处理图像进行指数空间变换的公式为：
ILOG＝log(IR,G,B)
其中，IR,G,B为待处理图像，ILOG为指数变换后的图像。
本发明的有益效果：本方法可以极大地提升低照度图像的清晰度，使细节可以再现，而且基本不会产生颜色丢失，更为符合人眼的视觉特征，适用性强、鲁棒性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的一种低照度图像增强处理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的一种低照度图像增强处理方法，包括如下步骤：
S1：获取待处理的低照度图像后，将待处理的低照度图像从RGB颜色空间转换到HSI颜色空间，获取每个像素的色调值、色饱和度值和亮度值；
S2：基于Retinex算法，采用交替极小化方法将亮度值分解为反射分量和照射分量；
S3：分别对反射分量和照射分量进行增强处理后，合成增强后的亮度值；
S4：对每个像素的色饱和度值进行增强处理得到增强后的色饱和度值；
S5：将色调值、增强后的亮度值和增强后的色饱和度值合成新的HSI图像；
S6：将新的HSI图像转化为新的RGB图像，对新的RGB图像进行白平衡处理，得到白平衡处理后的增强图像，具体包括：
S6.1：对待处理图像进行指数空间变换；
S6.2：在指数空间分别计算LBP值；
S6.3：计算RGB空间的LBP值的方差STD；
S6.4：根据方差STD选取最优像素点；
S6.5：采用最优像素点对应的RGB值对待处理图像进行校正。
在一具体实施例中，步骤S3具体包括：
S3.1：对照射分量进行伽马校正，并进行自适应直方图均衡化处理后，获得增强后的照射分量；
S3.2：对反射分量进行非局部均值滤波操作后获得增强后的反射分量；
S3.3：将增强后的照射分量和增强后的反射分量合成增强后的亮度值。
在一具体实施例中，步骤S4中对每个像素的色饱和度值进行增强处理的公式为：
其中，S_enh是增强处理后所述像素的色饱和度，min(R,G,B)为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最小值,max(R,G,B)为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最大值。
在一具体实施例中，步骤S6.1中，对待处理图像进行指数空间变换的公式为：
ILOG＝log(IR,G,B)
其中，IR,G,B为待处理图像，ILOG为指数变换后的图像。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，根据本发明所述的一种低照度图像增强处理方法，首先获取待处理的低照度图像后，将待处理的低照度图像从RGB颜色空间转换到HSI颜色空间，获取每个像素的色调值、色饱和度值和亮度值；其次，分别对亮度值和色饱和度值进行增强处理，得到增强后的亮度值和色饱和度值；接着将色调值、增强后的亮度值和增强后的色饱和度值合成新的HSI图像；然后将新的HSI图像转化为新的RGB图像，对新的RGB图像进行白平衡处理，即可得到增强后的图像。
综上所述，本方法可以极大地提升低照度图像的清晰度，使细节可以再现，而且基本不会产生颜色丢失，更为符合人眼的视觉特征，适用性强、鲁棒性高。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (4)
1.一种低照度图像增强处理方法，其特征在于，包括如下步骤：
S1：获取待处理的低照度图像后，将待处理的低照度图像从RGB颜色空间转换到HSI颜色空间，获取每个像素的色调值、色饱和度值和亮度值；
S2：基于Retinex算法，采用交替极小化方法将亮度值分解为反射分量和照射分量；
S3：分别对反射分量和照射分量进行增强处理后，合成增强后的亮度值；
S4：对每个像素的色饱和度值进行增强处理得到增强后的色饱和度值；
S5：将色调值、增强后的亮度值和增强后的色饱和度值合成新的HSI图像；
S6：将新的HSI图像转化为新的RGB图像，对新的RGB图像进行白平衡处理，得到白平衡处理后的增强图像，具体包括：
S6.1：对待处理图像进行指数空间变换；
S6.2：在指数空间分别计算LBP值；
S6.3：计算RGB空间的LBP值的方差STD；
S6.4：根据方差STD选取最优像素点；
S6.5：采用最优像素点对应的RGB值对待处理图像进行校正。
2.根据权利要求1所述的一种低照度图像增强处理方法，其特征在于，步骤S3具体包括：
S3.1：对照射分量进行伽马校正， 并进行自适应直方图均衡化处理后， 获得增强后的照射分量；
S3.2：对反射分量进行非局部均值滤波操作后获得增强后的反射分量；
S3.3：将增强后的照射分量和增强后的反射分量合成增强后的亮度值。
3.根据权利要求1所述的一种低照度图像增强处理方法，其特征在于，步骤S4中对每个像素的色饱和度值进行增强处理的公式为：
其中，是增强处理后所述像素的色饱和度，为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最小值,为所述像素的红色灰度值、蓝色灰度值以及绿色灰度值中的最大值。
4.根据权利要求1所述的一种低照度图像增强处理方法，其特征在于，步骤S6.1中，对待处理图像进行指数空间变换的公式为：
其中，为待处理图像，为指数变换后的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710754288.5A CN107578383A (zh) | 2017-08-29 | 2017-08-29 | 一种低照度图像增强处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710754288.5A CN107578383A (zh) | 2017-08-29 | 2017-08-29 | 一种低照度图像增强处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107578383A true CN107578383A (zh) | 2018-01-12 |
Family
ID=61030390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710754288.5A Pending CN107578383A (zh) | 2017-08-29 | 2017-08-29 | 一种低照度图像增强处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578383A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109886885A (zh) * | 2019-01-23 | 2019-06-14 | 齐鲁工业大学 | 一种基于Lab色彩空间和Retinex的图像增强方法及系统 |
| CN110276727A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 一种面向色觉障碍的彩色图像颜色增强方法 |
| CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
| CN110427883A (zh) * | 2019-08-01 | 2019-11-08 | 甘肃梦农物联网科技有限公司 | 一种智慧停车场的车辆身份识别方法 |
| CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
| WO2020186372A1 (zh) * | 2019-03-18 | 2020-09-24 | 北京大学深圳研究生院 | 一种逆色调映射方法、系统、设备及计算机可读介质 |
| CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112365485A (zh) * | 2020-11-19 | 2021-02-12 | 同济大学 | 一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法 |
| CN112927164A (zh) * | 2021-03-22 | 2021-06-08 | 重庆邮电大学 | 一种基于深度卷积神经网络的无参考低照度图像增强方法 |
| CN113160096A (zh) * | 2021-05-27 | 2021-07-23 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN113947535A (zh) * | 2020-07-17 | 2022-01-18 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
| CN117422656A (zh) * | 2023-12-14 | 2024-01-19 | 西南交通大学 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
| CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593830A (zh) * | 2013-11-29 | 2014-02-19 | 大连理工大学 | 一种低照度视频图像增强方法 |
| CN105069756A (zh) * | 2015-08-10 | 2015-11-18 | 深圳市华星光电技术有限公司 | 图像增强方法 |
| US9307212B2 (en) * | 2007-03-05 | 2016-04-05 | Fotonation Limited | Tone mapping for low-light video frame enhancement |
| CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
| CN106127674A (zh) * | 2016-06-15 | 2016-11-16 | 公安部第三研究所 | 基于lbp的图像白平衡方法 |
-
2017
- 2017-08-29 CN CN201710754288.5A patent/CN107578383A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9307212B2 (en) * | 2007-03-05 | 2016-04-05 | Fotonation Limited | Tone mapping for low-light video frame enhancement |
| CN103593830A (zh) * | 2013-11-29 | 2014-02-19 | 大连理工大学 | 一种低照度视频图像增强方法 |
| CN105069756A (zh) * | 2015-08-10 | 2015-11-18 | 深圳市华星光电技术有限公司 | 图像增强方法 |
| CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
| CN106127674A (zh) * | 2016-06-15 | 2016-11-16 | 公安部第三研究所 | 基于lbp的图像白平衡方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109886885A (zh) * | 2019-01-23 | 2019-06-14 | 齐鲁工业大学 | 一种基于Lab色彩空间和Retinex的图像增强方法及系统 |
| WO2020186372A1 (zh) * | 2019-03-18 | 2020-09-24 | 北京大学深圳研究生院 | 一种逆色调映射方法、系统、设备及计算机可读介质 |
| CN110276727A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 一种面向色觉障碍的彩色图像颜色增强方法 |
| CN110276727B (zh) * | 2019-05-21 | 2020-06-05 | 杭州电子科技大学 | 一种面向色觉障碍的彩色图像颜色增强方法 |
| CN110310274B (zh) * | 2019-07-02 | 2021-12-17 | 河北农业大学 | 一种植物花朵数量检测方法 |
| CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
| CN110427883A (zh) * | 2019-08-01 | 2019-11-08 | 甘肃梦农物联网科技有限公司 | 一种智慧停车场的车辆身份识别方法 |
| CN111223110B (zh) * | 2020-01-06 | 2023-07-18 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
| CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
| CN113947535A (zh) * | 2020-07-17 | 2022-01-18 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
| CN113947535B (zh) * | 2020-07-17 | 2023-10-13 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
| CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112365485A (zh) * | 2020-11-19 | 2021-02-12 | 同济大学 | 一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法 |
| CN112927164A (zh) * | 2021-03-22 | 2021-06-08 | 重庆邮电大学 | 一种基于深度卷积神经网络的无参考低照度图像增强方法 |
| CN112927164B (zh) * | 2021-03-22 | 2023-04-07 | 重庆邮电大学 | 一种基于深度卷积神经网络的无参考低照度图像增强方法 |
| CN113160096A (zh) * | 2021-05-27 | 2021-07-23 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN113160096B (zh) * | 2021-05-27 | 2023-12-08 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN117422656A (zh) * | 2023-12-14 | 2024-01-19 | 西南交通大学 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
| CN117422656B (zh) * | 2023-12-14 | 2024-04-12 | 西南交通大学 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107578383A (zh) | 一种低照度图像增强处理方法 | |
| CN106780368B (zh) | 一种基于前景模型的水下图像增强方法 | |
| CN105654437B (zh) | 一种对低照度图像的增强方法 | |
| CN107730475B (zh) | 图像增强方法及系统 | |
| CN103430551B (zh) | 使用具有纵色像差的透镜单元的成像系统及其操作方法 | |
| CN111161170B (zh) | 一种用于目标识别的水下图像综合增强方法 | |
| CN107909562A (zh) | 一种基于像素级的快速图像融合算法 | |
| CN108734676A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN107396079B (zh) | 白平衡调整方法和装置 | |
| CN109658343B (zh) | 结合颜色转换和自适应曝光的水下图像增强方法 | |
| CN107194900A (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 | |
| CN109118437B (zh) | 一种可实时处理浑水图像的方法、存储介质 | |
| CN110827225A (zh) | 一种基于双重曝光框架的非均匀光照水下图像增强方法 | |
| CN107527325A (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
| CN111970432A (zh) | 一种图像处理方法及图像处理装置 | |
| WO2022253014A1 (zh) | 水下图像色彩还原方法和装置 | |
| CN107481214A (zh) | 一种微光图像与红外图像融合方法 | |
| CN105989583B (zh) | 一种图像去雾方法 | |
| CN107194884A (zh) | 一种具有不同曝光值的多幅ldr图像获取方法 | |
| CN107580205B (zh) | 白平衡调整方法和装置 | |
| Wang et al. | Endoscopic image luminance enhancement based on the inverse square law for illuminance and retinex | |
| CN108537744A (zh) | 一种彩色图像亮度分量同态滤波去雾方法 | |
| CN107705263A (zh) | 一种基于rgb‑ir传感器的自适应透雾方法和终端 | |
| CN110782400A (zh) | 一种自适应的光照均匀实现方法和装置 | |
| CN110675332A (zh) | 一种金属腐蚀图像质量的增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |