CN108830800B - 一种暗光场景下图像的亮度提升增强方法 - Google Patents

Abstract

本发明公开了一种暗光场景下图像的亮度提升增强方法，包括读入低照度RGB彩色图像I；提取图像I在HSV颜色空间中的明度分量V，并根据明度分量V将低照度图像I分割为暗区域和亮区域；根据低照度RGB彩色图像I在HSV颜色空间中的明度分量V对图像进行标识；根据标识结果采用特定方法求取针对暗区域Ω₁和亮区域Ω_h的最佳增强系数λ₁和λ_h；根据最佳增强参数λ₁和λ_h分别对低照度RGB彩色图像I进行增强，得到对应的增强图像M_l和M_h，进行融合得到融合图像M；对增强图像M进行自适应光照补偿得到最终的增强图像h。本发明中的暗光场景下图像的亮度提升增强方法处理速度快、步骤简单，在增强暗光区域亮度和对比度的同时能增强亮区域的对比度，增强效果自然，颜色失真和噪声较小。

Description

一种暗光场景下图像的亮度提升增强方法

技术领域

本发明涉及一种暗光场景下图像的亮度提升增强方法，属于数字图像增强技术领域。

背景技术

低照度RGB彩色图像的形成原因一般是拍摄环境中光照不足或光照不均匀造成成像的像素较低，从而使得图像较暗且视觉效果较差。低照度RGB彩色图像一般可以分为弱光图像和非均匀光照图像。传统的低照度RGB彩色图像增强算法对弱光图像都有较好的增强效果，但是对非均匀光照图像的增强效果不佳。针对这个问题，低照度RGB彩色图像增强算法不仅要提高图像暗区域的整体亮度和对比度，使得难以辨识的图像细节和颜色能够被人眼或机器识别，还要增强图像亮区域的对比度，改善图像的整体视觉效果。

常见的图像增强处理方法包括亮度变换法、基于Retinex的增强方法和基于暗通道去雾的增强方法等。亮度变换法能够有效提升图像的整体亮度，但容易产生过增强和增强不自然现象。基于Retinex的增强方法能在保持图像亮度的同时增强图像暗处的信息，但存在着运算量大的问题，很难实时处理高清图像，缺乏普适性，且在RGB颜色空间下直接对图像进行增强容易产生颜色失真。基于暗通道去雾的增强方法能有效的提升图像对比度，突出图像中的细节信息，然而增强图像中噪声被显著放大。

发明内容

本发明旨在针对图像中不同区域进行增强并将增强效果进行融合，在增强非均匀光照图像暗区域的同时增强亮区域的对比度，提供一种暗光场景下图像的亮度提升增强方法。

为解决上述技术问题，本发明提供一种暗光场景下图像的亮度提升增强方法，包括：

S1、读入低照度RGB彩色图像I；

S2、提取图像I在HSV颜色空间中的明度分量V，并根据明度分量V将低照度RGB彩色图像I分割为暗区域和亮区域；

S3、根据低照度RGB彩色图像I在HSV颜色空间中的明度分量V对图像进行标识；

S4、根据步骤S3的标识结果采用特定方法求取针对暗区域Ω_l和亮区域Ω_h的最佳增强系数λ_l和λ_h；

S5、根据S4步骤获得的最佳增强参数λ_l和λ_h分别对低照度RGB彩色图像I进行增强，得到对应的增强图像M_l和M_h，并将增强图像M_l和M_h进行融合得到融合图像M。

优选地，包含步骤S6：对S5步骤所得的增强图像M进行自适应光照补偿得到最终的增强图像h。

进一步地，步骤(2)具体包括：

S21：提取低照度RGB彩色图像I在HSV颜色空间中的明度分量V，单个像素的明度值记为V(x，y)，(x，y)∈D，其中(x，y)为像素的坐标，D为像素的坐标域；

S22：设置图像的分割阈值V₀，V₀为整数，取值范围[0，255]；

S23：将低照度RGB彩色图像I中像素明度值V(x，y)小于V₀的区域定义为暗区域Ω_l，像素明度值V(x，y)大于V₀的区域定义为亮区域Ω_h。

更进一步地，图像的分割阈值V₀的求解过程如下：

求解g，g表示常量表示低照度RGB彩色图像I中暗区域像素明度值和亮区域像素明度值之间的类间差，表达式为：

其中，u_l为常量表示低照度RGB彩色图像I中暗区域像素明度的均值，取值范围为[0，255]，u_h为常量表示低照度RGB彩色图像I中亮区域像素明度的均值，取值范围为[0，255]；u₀为常量表示低照度RGB彩色图像I中像素明度的均值，取值范围为[0，255]；V₀取g最小时的值。

进一步地，步骤(3)具体包括：

S31：计算低照度RGB彩色图像I在HSV颜色空间中的明度分量V的均值V_mean和标准差V_std，表达式如下：

V_mean＝∑_(x，y)∈DV(x，y)/s

其中，(x，y)表示低照度RGB彩色图像I中像素的坐标，D表示低照度RGB彩色图像I的像素坐标域，V(x，y)为低照度RGB彩色图像I中像素的明度值，S表示低照度RGB彩色图像I中像素的总数量，V_mean为低照度RGB彩色图像I中所有像素明度V(x，y)的均值，值域范围为[0，1]，V_std为低照度RGB彩色图像I中所有像素明度V(x，y)的标准差，值域范围为[0，1]；

S32：若根据S31所述的明度分量V的均值V_mean小于0.23且方差V_std小于0.13，则将常量flag的值置为0，否则将常量flag的值置为1；

进一步地，步骤(4)具体包括：

S41：取低照度RGB彩色图像I的反转图像f：

f＝255-I

S42、若步骤S3所的flag值为0，则使用S43步骤的方法分别求取针对低照度RGB彩色图像I中暗区域Ω_l和亮区域Ω_h的最佳增强参数；

否则flag值为1使用S44步骤所述方法分别求取针对低照度RGB彩色图像I中暗区域Ω_l和亮区域Ω_h的最佳增强参数；

S43、低照度RGB彩色图像I中针对暗区域Ω_l最佳增强参数λ_l的表达是如下：

用二分法求解方程g(λ₁)＝0，得到最佳增强参数λ_l；

低照度RGB彩色图像I中针对亮区域Ω_h最佳增强参数λ_h的表达式为：

用二分法求解方程g(λ_h)＝0，得到最佳增强参数λ_h；

S44、低照度RGB彩色图像I中针对暗区域Ω_l最佳增强参数λ_l的表达式如下：

其中σ表示标准差，λ_l为针对暗区域的最佳增强参数，Max表示取最大值；

为增强处理；GH₁为RGB彩色图像I中暗区域Ω_l的全局直方图其表达式为：GH_l(i)＝∑_{i＝0，...，255}H_lR(i)+H_lG(i)+H_lB(i)

低照度RGB彩色图像I中针对亮区域Ω_h的最佳增强参数λ_h的表达式如下：

其中GH_h为RGB彩色图像I中亮区域Ω_h的全局直方图其表达式为

GH_h(i)＝∑_{i＝0，...，255}H_hR(i)+H_hG(i)+H_hB(i)。

进一步地，步骤S5具体包括：

S51、分别使用S4步骤中所得参数λ₁和λ_h对图像进行增强，得到增强图像M₁和M_h：

f为低照度RGB彩色图像I的反转图像，λ_l和λ_h分别为针对暗区域和亮区域的最佳增强参数，M_l是针对暗区域的增强图像M_h为针对亮区域的增强图像；

S52、求取S51步骤所述增强图像M_l的对比度信息：

其中，V_l表示M_l在HSV颜色空间中的明度分量，V_l(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_l(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域。

求取S51步骤所述增强图像M_h的对比度信息：

V_h表示M_h在HSV颜色空间中的明度分量，V_h(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_h(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域。

根据对比度信息C_l和C_h对图像M_l和M_h进行融合：

其中，M为最终增强图像，C_l和C_h分别为增强图像M_l和M_h的对比度信息。ω_l和ω_h为常数表示融合系数。

本发明所达到的有益效果：本发明中的暗光场景下图像的亮度提升增强方法处理速度快、步骤简单，在增强暗光区域亮度和对比度的同时还能增强亮区域的对比度，增强效果自然，颜色失真和噪声较小。

附图说明

图1是本发明实施例的基于对数图像处理模型的低照度RGB彩色图像增强算法流程图；

图2是本发明实施例局部亮的低照度RGB彩色图像；

图3是本发明实施例的增强效果图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提供一种局部亮低照度RGB彩色图像增强方法的实施例，过程如下：

S1、读取一幅低照度RGB彩色图像I。I为8bit RGB彩色图像，每个颜色通道的值域范围为[0，255]，图像尺寸为720×1280×3；

S2、根据S1步骤所述低照度RGB彩色图像I在HSV颜色空间中的明度分量V将图像分割为暗区域Ω_l和亮区域Ω_h。

S3、提取低照度RGB彩色图像I在HSV颜色空间中的明度分量V，并计算低照度RGB彩色图像I所有像素明度的均值V_mean为0.42和标准差V_std为0.35，因此将flag置为1；

S4、根据S3步骤所设置的flag值求取针对暗区域Ω_l和亮区域Ω_h的最佳增强系数λ_l＝0.32和λ_h＝1.61；

S5、根使用S4步骤获得的最佳增强参数λ_l和λ_h分别对低照度RGB彩色图像I进行增强，得到对应的增强图像M_l和M_h，并将增强图像M_l和M_h进行融合得到融合图像M。

优选进一步地包括S6：对S5步骤所得的增强图像M进行自适应光照补偿得到最终的增强图像h。

进一步，所述步骤S2，其具体为：

S21、提取低照度RGB彩色图像I在HSV颜色空间中的明度分量V，而单个像素的明度值记为V(x，y)，(x，y)∈D，其中(x，y)为像素的坐标，D为像素的坐标域。将V₀作为图像分割的阈值，低照度RGB彩色图像I中像素明度值V(x，y)小于V₀的区域定义为暗区域Ω_l，像素明度值V(x，y)大于V₀的区域定义为亮区域Ω_h。V₀的求解过程为：

其中，u₁为常量表示低照度RGB彩色图像I中暗区域像素明度的均值，取值范围为[0，255]，u_h为常量表示低照度RGB彩色图像I中亮区域像素明度的均值，取值范围为[0，255]。u₀为常量表示低照度RGB彩色图像I中像素明度的均值，取值范围为[0，255]。g为常量表示低照度RGB彩色图像I中像暗区域像素明度值和亮区域像素明度值之间的类间差。V₀为整数，表示低照度RGB彩色图像I的图像分割阈值，取值范围[0，255]。V₀通常取令g最小时的值，这里为0.41。

进一步，所述步骤S3，其具体为：

S31、提取低照度RGB彩色图像I在HSV颜色空间中的明度分量V。V代表图像的明度信息，其值域范围为[0，1]。

S32、计算S31步骤所述低照度RGB彩色图像I在HSV颜色空间中的明度分量V的均值和标准差：

V_mean＝∑_(x，y)∈DV(x，y)/S

其中，(x，y)表示低照度RGB彩色图像I中像素的坐标，D表示像素坐标域，V(x，y)为低照度RGB彩色图像I中像素的明度值，S表示低照度RGB彩色图像I中像素的总数量，V_mean为低照度RGB彩色图像I中所有像素明度V(x，y)的均值，值域范围为[0，1]，V_std为低照度RGB彩色图像I中所有像素明度V(x，y)的标准差，值域范围为[0，1]。

S33、根据S32可以求得低照度RGB彩色图像I中所有像素明度均值V_mean为0.39，方差V_std为0.28，因此将flag置为1。

进一步，所述步骤S4，其具体为：

S41、取低照度RGB彩色图像I的反转图像f：

f＝255-I

S42、因为S3步骤中的flag值为1，计算低照度RGB彩色图像I中暗区域Ω_l分别在R、G、B三通道下的直方图，分别记为H_lR、H_lG、H_lB。并且计算全局直方图GH_l：

GH_l(i)＝∑_{i＝0，...，255}H_lR(i)+H_lG(i)+H_lB(i)

根据亮度标准差最大化原则计算暗区域Ω_l进行增强的最佳增强参数λ_l：

其中，σ表示标准差，λ_l为针对暗区域的最佳增强参数，Max表示取最大值；

为增强处理，使用参数λ对一幅图像p进行增强的公式为：

计算亮区域Ω_h分别在R、G、B三通道下的直方图，分别记为H_hR、H_hG、H_hB。并且计算全局直方图GH_h：

GH_h(i)＝∑_{i＝0，...，255}H_hR(i)+H_hG(i)+H_hB(i)

其中i表示亮区域Ω_h在不同颜色通道下的像素值，值域范围为[0，255]；

根据亮度标准差最大化原则计算针对亮区域Ω_h的最佳增强参数λ_h：

其中，σ表示标准差，λ_h为针对亮区域的最佳增强参数，Max表示取最大值。

进一步，所属步骤S5，其具体为：

S51、分别使用S4步骤中所得参数λ_l和λ_h对图像进行增强，得到增强图像M_l和M_h：

其中，f为低照度RGB彩色图像I的反转图像，λ_l和λ_h分别为针对暗区域和亮区域的最佳增强参数，M_l和M_h分别为对应的增强图像。

S52、求取S51步骤所述增强图像M_l的对比度信息：

其中，V_l表示M_l在HSV颜色空间中的明度分量，V_l(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_l(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域。

求取S51步骤所述增强图像M_h的对比度信息：

其中，V_h表示M_h在HSV颜色空间中的明度分量，V_h(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_h(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域。

根据对比度信息C₁和C_h对图像M_l和M_h进行融合：

其中，M为最终增强图像，C_l和C_h分别为增强图像M_l和M_h的对比度信息。ω₁和ω_h为常数表示融合系数，由于S3步骤所述flag值为1，因此ω₁＝0.5，ω_h＝0.5。

进一步，所述步骤S6，其具体为：

S61、计算图像M的局部明度信息：

A(x，y)＝V_M(x，y)*G(x，y)

其中V_M为图像M在HSV颜色空间中的明度分量，A表示最终增强图像M的局部明度信息，值域范围为[0，1]，G表示高斯函数，其具体表达式为：

式中：λ＝1/∫∫G(x，y)dxdy；σ为尺度参数取常数80。

S62、将A作为光照补偿参数对图像进行自适应光照补偿得到最终的增强图像h，公式为：

需要说明的是当步骤S3确定flag值为0时采用如下方法求取针对暗区域Ω_l和亮区域Ω_h的最佳增强系数λ_l和λ_h：

低照度RGB彩色图像I中暗区域Ω_l和亮区域Ω_h的动态范围定义分别为：

其中(x，y)表示低照度RGB彩色图像I的像素坐标，D表示像素坐标域，f_R、f_G、F_B分别表示反转图像f的R、G、B通道，DR表示动态范围，Min表示取最小值，Max表示取最大值。Ω_l表示低照度RGB彩色图像I的暗区域和Ω_l表示低照度RGB彩色图像I的亮区域。

分别使用针对暗区域的参数λ_l和针对亮区域的参数λ_h对低照度RGB彩色图像I进行增强，得到增强图像M_l和M_h。则增强图像M_l和M_h的动态范围变为：

其中，

为增强处理，使用参数λ对一幅图像p进行增强的公式为：

其中，λ_l和λ_h分别表示针对暗区域和亮区域的增强系数，且λ₁≤0，λ_h≤0，N表示灰度级数，取常数256。

易知公式(5)右边关于λ_l单调递减。因此当λ_l∈[0，-∝]时，DR(M₁)∈[0，+∝]，且存在λ_l令DR(M₁)＝N。因此可以得到公式：

由于公式右端单调递减，因此可以使用二分法求解方程g(λ₀)＝0，得到λ_l的最佳值；

用二分法求解方程g(λ_h)＝0，得到最佳增强参数λ_h。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种暗光场景下图像的亮度提升增强方法，其特征是，包括以下步骤：

S1、读入低照度RGB彩色图像I；

S2、提取图像I在HSV颜色空间中的明度分量V，并根据明度分量V将低照度RGB彩色图像I分割为暗区域和亮区域；

S3、根据低照度RGB彩色图像I在HSV颜色空间中的明度分量V对图像进行标识；

S4、根据步骤S3的标识结果采用特定方法求取针对暗区域Ω_l和亮区域Ω_h的最佳增强参数 λ_l和λ_h；

S5、根据S4步骤获得的最佳增强参数λ_l和λ_h分别对低照度RGB彩色图像I进行增强，得到对应的增强图像M_l和M_h，并将增强图像M_l和M_h进行融合得到融合图像M；

步骤S2具体包括：

S21：提取低照度RGB彩色图像I在HSV颜色空间中的明度分量V，单个像素的明度值记为V(x，y)，(x，y)∈D，其中(x，y)为像素的坐标，D为像素的坐标域；

S22：设置图像的分割阈值V₀，V₀为整数，取值范围[0,255]；

S23：将低照度RGB彩色图像I中像素明度值V(x，y)小于V₀的区域定义为暗区域Ω_l，像素明度值V(x，y)大于v₀的区域定义为亮区域Ω_h；

图像的分割阈值v₀的求解过程如下：

求解g，g表示常量表示低照度RGB彩色图像I中暗区域像素明度值和亮区域像素明度值之间的类间差，表达式为：

其中，u_l为常量表示低照度RGB彩色图像I中暗区域像素明度的均值，取值范围为[0,255]，u_h为常量表示低照度RGB彩色图像I中亮区域像素明度的均值，取值范围为[0,255]；u₀为常量表示低照度RGB彩色图像I中像素明度的均值，取值范围为[0,255]；v₀取g最小时的值；

所述步骤S4，其具体为：

S41、取低照度RGB彩色图像I的反转图像f：

f＝255-I

S42、因为S3步骤中的flag值为1，计算低照度RGB彩色图像I中暗区域H_l分别在R、G、B三通道下的直方图，分别记为H_lR、H_lG、H_lB；并且计算全局直方图GH_l：

GH_l(i)＝∑_{i＝0，...，255}H_lR(i)+H_lG(i)+H_lB(i)

根据亮度标准差最大化原则计算暗区域Ω_l进行增强的最佳增强参数λ_l：

其中，σ表示标准差，λ_l为针对暗区域的最佳增强参数，Max表示取最大值；

为增强处理，使用参数λ对一幅图像p进行增强的公式为：

计算亮区域Ω_h分别在R、G、B三通道下的直方图，分别记为H_hR、H_hG、H_hB，并且计算全局直方图GH_h：

GH_h(i)＝∑_{i＝0，...，255}H_hR(i)+H_hG(i)+H_hB(i)

其中i表示亮区域Ω_h在不同颜色通道下的像素值，值域范围为[0,255]；

根据亮度标准差最大化原则计算针对亮区域Ω_h的最佳增强参数λ_h：

其中，σ表示标准差，λ_h为针对亮区域的最佳增强参数，Max表示取最大值。

2.根据权利要求1所述的一种暗光场景下图像的亮度提升增强方法，其特征是，步骤S3具体包括：

S31：计算低照度RGB彩色图像I在HSV颜色空间中的明度分量V的均值V_mean和标准差V_std，表达式如下：

V_mean＝Σ_(x，y)∈DV(x，y)/S

其中，(x，y)表示低照度RGB彩色图像I中像素的坐标，D表示低照度RGB彩色图像I的像素坐标域，V(x，y)为低照度RGB彩色图像I中像素的明度值，S表示低照度RGB彩色图像I中像素的总数量，V_mean为低照度RGB彩色图像I中所有像素明度V(x，y)的均值，值域范围为[0,1]，V_std为低照度RGB彩色图像I中所有像素明度V(x，y)的标准差，值域范围为[0,1]；

S32：若根据S31所述的明度分量V的均值V_mean小于0.23且方差V_std小于0.13，则将常量flag的值置为0，否则将常量flag的值置为1，其中flag为标识符取值为0或者1，表示需要对图像进行处理时采用的方法。

3.根据权利要求1所述的一种暗光场景下图像的亮度提升增强方法，其特征是，步骤S4中获取最佳增强参数λ_l和最佳增强参数λ_h的方法包括：

低照度RGB彩色图像I中针对暗区域Ω_l最佳增强参数λ_l的表达式如下：

用二分法求解方程g(λ₁)＝0，得到最佳增强参数λ_l；

低照度RGB彩色图像I中针对亮区域Ω_h最佳增强参数λ_h的表达式为：

用二分法求解方程g(λ_h)＝0，得到最佳增强参数λ_h。

4.根据权利要求1所述的一种暗光场景下图像的亮度提升增强方法，其特征是，步骤S5具体包括：

S51、分别使用S4步骤中所得参数λ_l和λ_h对图像进行增强，得到增强图像M_l和M_h，表达式如下：

f为低照度RGB彩色图像I的反转图像，λ_l和λ_h分别为针对暗区域和亮区域的最佳增强参数，M_l是针对暗区域的增强图像M_h为针对亮区域的增强图像；

S52、求取S51步骤所述增强图像M_l的对比度信息：

其中，V_l表示M_l在HSV颜色空间中的明度分量，V_l(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_l(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域；

求取S51步骤所述增强图像M_h的对比度信息：

其中V_h表示M_h在HSV颜色空间中的明度分量，V_h(x₀，y₀)为中心像素(x₀，y₀)的明度值，V_h(x，y)为中心像素(x₀，y₀)的八邻域中像素的明度值，T为以(x₀，y₀)为中心像素的八邻域中像素的坐标域；

根据对比度信息C_l和C_h对图像M_l和M_h进行融合：

其中，M为最终增强图像，C_l和C_h分别为增强图像M_l和M_h的对比度信息；ω_l和ω_h为常数表示融合系数。

5.根据权利要求4所述的一种暗光场景下图像的亮度提升增强方法，其特征是，当S3步骤所述flag值为0时，ω_l＝0.1，ω_h＝0.9，当flag值为1时，ω_l＝0.5，ω_h＝0.5。

6.根据权利要求1～5任一权利要求所述的一种暗光场景下图像的亮度提升增强方法，其特征是，还包括步骤S6：对S5步骤所得的增强图像M进行自适应光照补偿得到最终的增强图像h。

7.根据权利要求6所述的一种暗光场景下图像的亮度提升增强方法，其特征是，步骤S6具体步骤为：

S61、计算图像M的局部明度信息：

A(x，y)＝V_M(x，y)*G(x，y)

其中V_M为图像M在HSV颜色空间中的明度分量，A表示最终增强图像M的局部明度信息，值域范围为[0,1]，G表示高斯函数，其具体表达式为：

式中：β＝1/∫∫G(x，y)dxdy；σ为尺度参数取常数80；

S62、将A作为光照补偿参数对图像进行自适应光照补偿得到最终的增强图像h，公式为：

Images