CN108596843A - 一种基于亮通道的水下图像色彩恢复算法 - Google Patents
一种基于亮通道的水下图像色彩恢复算法 Download PDFInfo
- Publication number
- CN108596843A CN108596843A CN201810316766.9A CN201810316766A CN108596843A CN 108596843 A CN108596843 A CN 108596843A CN 201810316766 A CN201810316766 A CN 201810316766A CN 108596843 A CN108596843 A CN 108596843A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- channel
- bright channel
- bright
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000012736 aqueous medium Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Of Color Television Signals (AREA)
- Color Image Communication Systems (AREA)
- Color Television Image Signal Generators (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于亮通道的水下图像色彩恢复算法，包括以下步骤：获取原水下图像的亮通道图；基于得到的亮通道图对原水下图像的红、绿、蓝三通道进行色彩补偿；使用灰世界白平衡算法对色彩补偿后的图像进行色彩调整。本发明有益效果：在亮通道的基础上对图像的红、绿、蓝三个通道进行色彩补偿，再经过灰世界白平衡对图像色彩进行调整。经实验证明该算法能快速、有效的恢复图像色彩，提高水下图像的对比度。
Description
技术领域
本发明涉及一种图像处理方法，具体来说，涉及一种基于亮通道的水下图像色彩恢复算法。
背景技术
对比声呐图像，光视觉图像分辨率高，包含丰富的视觉感知信息，故基于光视觉的探测技术在水下近距离作业中具声呐探测无法代替的优势。但是光在水中传播时，水介质及水中微粒对光线分别产生吸收与散射作用。吸收作用导致水下获取的图像产生颜色偏差；散射作用导致水下获取的图像雾化。因此，水下获取的图像存在模糊，对比度低，色彩不均衡等缺陷。这类降质的图像对后续特征提取造成巨大影响。
目前，水下图像增强方法种类繁多，可归纳为两大类：空域法和变换域法。变换域法如傅里叶变换和小波变换等，因水下图像成像环境复杂，单纯依靠变换域技术无法彻底解决水下图像退化问题。空域法包括限制对比度直方图均衡化、白平衡、基于Retinex的图像增强算法、基于先验知识的图像增强算法等。上述算法在某种程度上改善水下图像视觉质量，但存在产生伪影、颜色失真及计算量大等缺点。
发明内容
本发明的目的就是为了解决上述问题，提出一种基于亮通道的水下图像色彩恢复算法，该方法在亮通道的基础上对图像的红、绿、蓝三个通道进行色彩补偿，再经过灰世界白平衡对图像色彩进行调整。经实验证明该算法能快速、有效的恢复图像色彩，提高水下图像的对比度。
为实现上述目的，本发明采用以下技术方案：
本发明公开了一种基于亮通道的水下图像色彩恢复算法，包括以下步骤：
(1)获取原水下图像的亮通道图；
(2)基于得到的亮通道图对原水下图像的红、绿、蓝三通道进行色彩补偿；
(3)使用灰世界白平衡算法对色彩补偿后的图像进行色彩调整。
进一步地，所述步骤(1)中，获取原水下图像的亮通道图，具体为：
IL(x)为获取的亮通道图，Ic(y)为原图像，表示在原图像的每个像素点处取r，g，b三通道的最大值作为该像素点的值，表示最大值滤波，取滤波窗口中心点在x处的邻域内最大值作为该点的像素值。
进一步地，所述步骤(2)中，进行色彩补偿的方法具体为：
其中，Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的红绿蓝三通道图像，Ir(x),Ig(x),Ib(x)分别为原水下图像的红绿蓝三通道图像，IL(x)为亮通道图像，Ir(x),Ig(x),Ib(x),IL(x)计算前须归一化到[0,1]区间，分别为图像IL(x),Ir(x),Ig(x),Ib(x)的均值，λ为调节因子。
进一步地，补偿后的输出值可能会大于1，须采用线性归一化的方法将其映射到[0,1]区间，最后乘以255，并向下取整。
进一步地，所述步骤(3)中，使用灰世界白平衡算法对色彩补偿后的图像进行色彩调整，具体为：
其中，Irh(x),Igh(x),Ibh(x)分别为灰世界白平衡处理后的红、绿、蓝三通道图像，Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的红绿蓝三通道图像，分别为图像Irc(x),Igc(x),Ibc(x)的均值。
进一步地，为保证灰世界白平衡调整后的灰度值在[0,255]区间，须将灰度值线性映射到[0,255]区间，并向下取整。
本发明有益效果：
本发明基于亮通道的水下图像色彩恢复算法，在亮通道的基础上对图像的红、绿、蓝三个通道进行色彩补偿，再经过灰世界白平衡对图像色彩进行调整。经实验证明该算法能快速、有效的恢复图像色彩，提高水下图像的对比度。
因水介质对不同波长的光具有不同的吸收率，该算法可自适应对不同颜色通道色彩进行补偿，从而最大程度减小色彩恢复过程中颜色失真，且不会产生伪影效果，同时计算量小，有利于进行图像实时处理。
附图说明
图1为本发明基于亮通道的水下图像色彩恢复算法流程图；
图2(a)和图2(b)分别为本发明实施例原图与获取的亮通道示意图；
图3为水介质对不同波长光的吸收率示意图；
图4为本发明实施例亮通道补偿后的深度图；
图5(a)-图5(c)分别为本发明实施例算法实现过程中的效果图对比。
具体实施方式
下面结合附图和实例对本发明进一步说明。
本发明公开了一种基于亮通道的水下图像色彩恢复算法，如图1所示，包括三个步骤：
(1)获取原图像的亮通道图；
(2)基于亮通道图对原图像的红、绿、蓝三通道进行色彩补偿；
(3)使用灰世界白平衡算法对图像进行色彩调整。
1.1获取原图的亮通道图
采用如下算法获取原水下图像的亮通道图；
式(1)中，IL(x)为获取的亮通道图，x表示获取的亮通道图像素点坐标；Ic(y)为原图，y表示原图像像素点坐标；c为图像的R,G,B(分别对应红、绿、蓝)颜色通道；Ω(x)为滤波窗口中心点在x坐标处的邻域，滤波窗口指对图像进行滤波操作的滤波模板，本发明中滤波窗口尺寸为15。图2(a)和图2(b)为原图与获取的亮通道图对比。
1.2色彩补偿
水介质对不同波长的光具有不同的吸收率，对红光的吸收率最大，其次是绿光，对蓝光的吸收率最小，如图3所示。所以水下获取的图像出现颜色偏差，多呈现蓝色调或绿色调。
因蓝、绿两种色彩信息丢失较小，而亮通道为红、绿、蓝三通道中的最大值，故本专利提出基于亮通道的色彩补偿方法。补偿公式如下：
式(2),(3),(4)中用于计算的图像须事先标准化到[0,1]区间，Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的红绿蓝三通道图像，Ir(x),Ig(x),Ib(x)分别为原图的红绿蓝三通道图像，IL(x)为亮通道图像，分别为图像IL(x),Ir(x),Ig(x),Ib(x)的均值，λ为调节因子，本专利中λ＝3.3。
经计算所得Irc(x),Igc(x),Ibc(x)可能会大于1，须采用线性映射的方法将之映射到[0,1]区间，最后乘以255，并向下取整。亮通道算法补偿后的深度图如图4所示。经对比可知，补偿后的图像红、绿、蓝三通道灰度值更均匀、协调。
1.3白平衡
白平衡的目的是调整图像的色调使之与人类大脑认知的颜色相一致，本专利采用灰世界白平衡算法对上述补偿后的图像进行调整，灰世界白平衡算法计算公式如下：
式(5),(6),(7)中Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的图像，为其均值，Irh(x),Igh(x),Ibh(x)为灰世界白平衡处理后的红、绿、蓝三通道图像。对于处理后的灰度值超过255的像素点，灰世界白平衡算法有两种处理方式，一是：将灰度值超过255的像素点灰度值设置为255；二是：将灰度值映射到[0,255]区间，并向下取整。本专利采用第二种方式。白平衡后结果如图5(a)-(c)所示，中间一列为步骤2色彩补偿后的效果图，最右一列为色彩补偿后再经白平衡调整的效果图。
为验证本算法的有效性，采用色彩恢复测试，多幅图像测试以及surf特征匹配对恢复前后的图像进行对比测试。
2.1颜色恢复测试
对比算法恢复后的图像及颜色卡，存在色差的颜色卡均正确恢复。
2.2多图测试
原图像存在模糊、对比度低、色彩不均衡等特点。经过算法处理后，图片清晰，图像色彩均衡，对比度提高，与原图像相比，增强效果显著。
2.3特征提取测试
将原图像和恢复后的图像进行仿射变换后与变换前的图像进行surf特征点匹配测试。在相同的阈值条件下，原图像仅能正确匹配少数特征点，恢复后的图像可正确匹配多个特征点。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种基于亮通道的水下图像色彩恢复算法，其特征在于，包括以下步骤：
(1)获取原水下图像的亮通道图；
(2)基于得到的亮通道图对原水下图像的红、绿、蓝三通道进行色彩补偿；
(3)使用灰世界白平衡算法对色彩补偿后的图像进行色彩调整。
2.如权利要求1所述的一种基于亮通道的水下图像色彩恢复算法，其特征在于，所述步骤(1)中，获取原水下图像的亮通道图，具体为：
IL(x)为获取的亮通道图，Ic(y)为原图像，表示在原图像的每个像素点处取r，g，b三通道的最大值作为该像素点的值，表示最大值滤波，取滤波窗口中心点在x处的邻域内最大值作为该点的像素值。
3.如权利要求1所述的一种基于亮通道的水下图像色彩恢复算法，其特征在于，所述步骤(2)中，进行色彩补偿的方法具体为：
其中，Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的红绿蓝三通道图像，Ir(x),Ig(x),Ib(x)分别为原水下图像的红绿蓝三通道图像，IL(x)为亮通道图像，Ir(x),Ig(x),Ib(x),IL(x)计算前须归一化到[0,1]区间，分别为图像IL(x),Ir(x),Ig(x),Ib(x)的均值，λ为调节因子。
4.如权利要求3所述的一种基于亮通道的水下图像色彩恢复算法，其特征在于，补偿后的图像如果大于1，则采用线性映射的方法将其映射到[0,1]区间，最后乘以255，并取整，以获得输出图像。
5.如权利要求1所述的一种基于亮通道的水下图像色彩恢复算法，其特征在于，所述步骤(3)中，使用灰世界白平衡算法对色彩补偿后的图像进行色彩调整，具体为：
其中，Irh(x),Igh(x),Ibh(x)分别为灰世界白平衡处理后的红、绿、蓝三通道图像，Irc(x),Igc(x),Ibc(x)分别为色彩补偿后的红绿蓝三通道图像，分别为图像Irc(x),Igc(x),Ibc(x)的均值。
6.如权利要求5所述的一种基于亮通道的水下图像色彩恢复算法，其特征在于，进行色彩调整后，将灰度值超过255的像素点灰度值设置为255或者将灰度值超过255的像素点的灰度值映射到[0,255]区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810316766.9A CN108596843B (zh) | 2018-04-10 | 2018-04-10 | 一种基于亮通道的水下图像色彩恢复算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810316766.9A CN108596843B (zh) | 2018-04-10 | 2018-04-10 | 一种基于亮通道的水下图像色彩恢复算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108596843A true CN108596843A (zh) | 2018-09-28 |
| CN108596843B CN108596843B (zh) | 2020-07-07 |
Family
ID=63621679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810316766.9A Active CN108596843B (zh) | 2018-04-10 | 2018-04-10 | 一种基于亮通道的水下图像色彩恢复算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108596843B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696052A (zh) * | 2020-05-20 | 2020-09-22 | 河海大学 | 一种基于红通道衰弱的水下图像增强方法及系统 |
| CN111833270A (zh) * | 2020-07-13 | 2020-10-27 | 新疆大学 | 一种快速的沙尘降质图像增强方法 |
| CN111999307A (zh) * | 2020-08-11 | 2020-11-27 | 河海大学 | 多尺度信息融合的水下构筑物表面损毁探测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090074443A (ko) * | 2008-01-02 | 2009-07-07 | 엘지전자 주식회사 | 영상 처리 방법 및 장치 |
| 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 |
| CN105163102A (zh) * | 2015-06-30 | 2015-12-16 | 北京空间机电研究所 | 一种基于fpga的实时图像自动白平衡系统及方法 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106600547A (zh) * | 2016-11-17 | 2017-04-26 | 天津大学 | 水下图像复原方法 |
| CN106709887A (zh) * | 2017-01-06 | 2017-05-24 | 凌云光技术集团有限责任公司 | 基于色温曲线的图像的灰度世界白平衡调整方法及装置 |
| CN107424124A (zh) * | 2017-03-31 | 2017-12-01 | 北京臻迪科技股份有限公司 | 一种图像增强方法及装置 |
-
2018
- 2018-04-10 CN CN201810316766.9A patent/CN108596843B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090074443A (ko) * | 2008-01-02 | 2009-07-07 | 엘지전자 주식회사 | 영상 처리 방법 및 장치 |
| 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 |
| CN105163102A (zh) * | 2015-06-30 | 2015-12-16 | 北京空间机电研究所 | 一种基于fpga的实时图像自动白平衡系统及方法 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106600547A (zh) * | 2016-11-17 | 2017-04-26 | 天津大学 | 水下图像复原方法 |
| CN106709887A (zh) * | 2017-01-06 | 2017-05-24 | 凌云光技术集团有限责任公司 | 基于色温曲线的图像的灰度世界白平衡调整方法及装置 |
| CN107424124A (zh) * | 2017-03-31 | 2017-12-01 | 北京臻迪科技股份有限公司 | 一种图像增强方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| YAKUN GAO, HAIBIN LI, AND SHUHUAN WEN: "Restoration and Enhancement of Underwater Images Based on Bright Channel Prior", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696052A (zh) * | 2020-05-20 | 2020-09-22 | 河海大学 | 一种基于红通道衰弱的水下图像增强方法及系统 |
| CN111696052B (zh) * | 2020-05-20 | 2022-08-12 | 河海大学 | 一种基于红通道衰弱的水下图像增强方法及系统 |
| CN111833270A (zh) * | 2020-07-13 | 2020-10-27 | 新疆大学 | 一种快速的沙尘降质图像增强方法 |
| CN111833270B (zh) * | 2020-07-13 | 2023-02-10 | 新疆大学 | 一种快速的沙尘降质图像增强方法 |
| CN111999307A (zh) * | 2020-08-11 | 2020-11-27 | 河海大学 | 多尺度信息融合的水下构筑物表面损毁探测方法 |
| CN111999307B (zh) * | 2020-08-11 | 2021-08-17 | 河海大学 | 多尺度信息融合的水下构筑物表面损毁探测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108596843B (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
| CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
| CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
| CN102306384B (zh) | 一种基于单幅图像的颜色恒常性处理方法 | |
| CN107798661B (zh) | 一种自适应的图像增强方法 | |
| CN105654433A (zh) | 基于改进多尺度Retinex的彩色图像增强方法 | |
| CN108596843A (zh) | 一种基于亮通道的水下图像色彩恢复算法 | |
| CN104299196A (zh) | 一种图像处理装置及方法、显示设备 | |
| Fan et al. | An improved single image defogging method based on Retinex | |
| CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
| CN111968065B (zh) | 一种亮度不均匀图像的自适应增强方法 | |
| CN109166089A (zh) | 一种对多光谱图像和全色图像进行融合的方法 | |
| CN111861937A (zh) | 一种基于msr改进的图像增强方法及系统 | |
| CN113850747A (zh) | 一种基于光衰减和深度估计的水下图像清晰化处理方法 | |
| Zhou et al. | A multifeature fusion method for the color distortion and low contrast of underwater images | |
| Alenezi | Image Dehazing Based on Pixel Guided CNN with PAM via Graph Cut. | |
| Meng et al. | A hybrid algorithm for underwater image restoration based on color correction and image sharpening | |
| CN115272303A (zh) | 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统 | |
| CN109801231A (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
| CN111476739B (zh) | 水下图像增强方法、系统及存储介质 | |
| CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
| CN113012067B (zh) | 基于Retinex理论和端到端深度网络的水下图像复原方法 | |
| CN114897757A (zh) | 一种基于nsst和参数自适应pcnn的遥感图像融合方法 | |
| CN112070693A (zh) | 一种基于灰度世界自适应网络的单幅沙尘图像恢复方法 | |
| CN111524152A (zh) | 一种基于深度估计的水下图像复原计算效率提升方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |