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 |