CN109064426A - 一种用于抑制低照度图像中眩光并增强图像的方法及装置 - Google Patents
一种用于抑制低照度图像中眩光并增强图像的方法及装置 Download PDFInfo
- Publication number
- CN109064426A CN109064426A CN201810836483.7A CN201810836483A CN109064426A CN 109064426 A CN109064426 A CN 109064426A CN 201810836483 A CN201810836483 A CN 201810836483A CN 109064426 A CN109064426 A CN 109064426A
- Authority
- CN
- China
- Prior art keywords
- image
- light
- level
- low
- enhancing
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002401 inhibitory effect Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 238000000151 deposition Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000005286 illumination Methods 0.000 claims description 12
- 230000033228 biological regulation Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 108090000623 proteins and genes Proteins 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 210000001525 retina Anatomy 0.000 claims description 2
- 230000004313 glare Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007323 disproportionation reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了种用于抑制低照度图像中眩光并增强图像的方法及装置，通过自适应性的低照度图像非线性曲线调整，能够根据图像的亮度信息进行自适应的亮度增强，并且在增强时对于眩光区域面积能够有效控制，避免覆盖有用信息。该方法包括：输入低照度图像；对所输入的低照度图像进行全局增强处理，以获取第一增强图像；对所输入的低照度图像进行图像分割，并在存高亮区域时计算分割的各区域参数；根据区域参数，利用非线性曲线对第一增强图像进行调整，以获取调整图像；对调整图像进行图像去雾处理，获取第二增强图像。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种用于抑制低照度图像中眩光并增强图像的方法及装置。
背景技术
通常受摄像头性能退化、环境光线不均、光线不足、光线干扰、烟雾退化等不利因素的影响，拍摄得到的图像会存在一些质量问题，比如对比度低、细节信息损失等。图像增强的主要目的是突出感兴趣的目标信息，提高图呈现清晰细节的能力，降低图像的冗余信息。图像增强是其他许多基于视觉的技术至关重要的基础，比如对象检测和跟踪等。图像增强可以在频率域与空间域进行，空间域增强主要分为像素点运算和邻域运算，频率域增强可以分为图像的平滑和锐化。
在低照度环境(例如，照度小于1Lux或1流明)中拍摄的图像的视觉质量问题更为严重，特别是带有眩光的低照度图像中大量细节信息被隐藏在黑暗中。现有的图像增强方法研究中，对于低照度条件下拍摄下的带有眩光的图像尚没有较为通用的方法，一些常规增强算法用于低照度图像增强，无法获得理想的增强效果，甚至会带来更严重的图像不清晰和图像失真等一系列不良影响。
最直观和简单方式就是直接放大低照度区域增强低照度区域的可见性，但是这处理方法将导致眩光区域可能被过饱和，放大明亮区域，破坏图像的细节。
自适应的直方图均衡化处理的算法根据图像的区域信息有效地扩展图像的灰度范围，由于该算法关注对比度增强并不是从真正的光照因素出发，所以存在增强过度和增强不足的风险，会在一定程度上放大眩光区域，而且容易引入难以抑制的斑点噪声。
Retinex增强算法受到广泛关注，它假设图像可以分解为反射率和照明，将反射率作为最终增强结果。它分单尺度Retinex增强(SSR)和多尺度Retinex增强(MSR)两大类，但增强结果往往看起来不自然，而且容易出现过增强现象和色偏问题。
图像的非线性变换方法也常用于增强低照度图像。Gamma校正便是其中一种，Minjae Kim，Dubok，Park等在IEEE TRANSACTIONS ON Consumer Electronics，2015，61(1)：72-80中使用了Gamma校正的直方图调整算法，该方法对每个颜色通道设定一个低阈值和高阈值，低阈值设定在直方图的峰值处，高阈值为大部分像素的累积强度值。利用设定的阈值，按照一定的色调映射规则进行Gamma变换，将暗像素转换为明亮的像素值，得到增强后的图像。该方法虽然能将低照度图像得到良好的增强，并且增强后的图像眩光区域放大面积较小。但是由于伽马校正时没有考虑各像素与其邻域的关系，因此增强后的图像存在一定的色偏，与真实场景不一致。
Guo X，Li Y，Ling H在IEEE Transactions on Image Processing，2017，26(2)：982-993.发表的LIME：Low-Light Image Enhancement via Illumination MapEstimation[J].中利用通过查找R、G和B通道的最大值来分别估计每个像素的亮度。在最初的照明图(illumination map)上加上一个结构，作为最终的照明图来细化初始的照明图，实现低照度图像的增强。该方法对于一定条件下的低照度图像得到良好的增强，但是对于几乎没有亮度的极低照度图像在增强时会被过度增强，自适应性较差。特别是对于存在眩光的极低照度图像，眩光区域几乎被放大到了全图，能得到的有效信息十分有限。
陈喆，殷福亮，张昕在专利《一种低照度或亮度不均图像的自适应图像增强方法》，CN104156921A[P].2014.中，通过对图像的亮度进行区域分割，生成不同的映射函数进行增强。该方法对一些低照度图像有效。但是对于存在眩光区域的图像，由于该方法的映射函数是分段线性的，不具有平滑性，所以按照该增强方法很容易产生人为引入的边缘，影响视觉效果。
发明内容
本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种用于抑制低照度图像中眩光并增强图像的方法及装置，通过自适应性的低照度图像非线性曲线调整，能够根据图像的亮度信息进行自适应的亮度增强，并且在增强时对于眩光区域面积能够有效控制，避免覆盖有用信息。
为了实现上述目的，本发明采用的技术方案包括以下各方面。
一种用于抑制低照度图像中眩光并增强图像的方法，其包括：
输入低照度图像；对所输入的低照度图像进行全局增强处理，以获取第一增强图像；
对所输入的低照度图像进行图像分割，并在存高亮区域时计算分割的各区域参数；根据区域参数，利用非线性曲线对第一增强图像进行调整，以获取调整图像；对调整图像进行图像去雾处理，获取第二增强图像。
一种用于抑制低照度图像中眩光并增强图像的装置，其包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行任一项所述的方法。
综上所述，由于采用了上述技术方案，本发明至少具有以下有益效果：
通过将基于图像分割的非线性变换方法和传统增强方法相结合，可以根据分割结果对不同区域的不同亮度情况生成映射曲线，具有良好的自适应性，并且能够有效抑制眩光区域在增强时的过饱和、高亮区域面积放大的情况，避免了有效信息被覆盖；
通过将粗略的分段线性变换函数通过B样条拟合成光滑曲线变换函数，使得图像得到平滑的增强，避免分段线性增强出现拐点，在图像上形成伪边缘。
通过对曲线调整后的图像进行了改进的图像去雾处理，改进后的算法改善了传统算法结果出现色斑和明显过渡的情况，使得到的低照度增强图像有更高的清晰度，便于获取细节以及观察目标。
附图说明
图1是根据本发明示例性实施例的用于抑制低照度图像中眩光并增强图像的方法流程图。
图2是根据本发明示例性实施例的用于抑制低照度图像中眩光并增强图像的方法流程图。
图3是根据本发明示例性实施例的低照彩色图像。
图4是根据本发明示例性实施例的红外灰度图像。
图5是图3所示图像对应的第一增强图像。
图6是图4所示图像对应的第一增强图像。
图7是根据本发明示例性实施例的低照度夜间图像。
图8是根据本发明示例性实施例的聚类和分割结果示意图。
图9是图5所示图像对应的调整图像。
图10是图6所示图像对应的调整图像。
图11是图9所示图像对应的第二增强图像。
图12是图10所示图像对应的第二增强图像。
图13是根据本发明示例性实施例的用于抑制低照度图像中眩光并增强图像的方法及装置装置结构示意图。
具体实施方式
下面结合附图及实施例，对本发明进行进一步详细说明，以使本发明的目的、技术方案及优点更加清楚明白。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1和图2示出了根据本发明示例性实施例的用于抑制低照度图像中眩光并增强图像的方法。该实施例的方法主要包括以下步骤：
步骤101：输入低照度图像
例如，可以将输入的低照度图像表示为I(x，y)，该图像为低照度环境下(例如，照度小于1Lux或1流明)获取的。该图像既可以从摄像装置直接获取，也可以从存储器中读取。
步骤102：对所输入的低照度图像进行全局增强处理，以获取第一增强图像
具体地，当所输入的低照度图像为彩色图像时，可以采用限制对比度自适应直方均衡化(Contrast-Limited Adaptive Histogram Equalization，CLAHE)算法进行全局性增强。CLAHE算法的关键所在就是对自适应直方图均衡化中对直方图对比度的限制。在给定像素邻域的对比度是由概率密度函数(CDF)的斜率确定，与概率密度函数成的斜率成正比。通过一个在计算CDF之前预定义的阈值θ，就可以起到限制CDF的斜率的作用。这一截断阈值取决于邻域的大小和直方图的分布。通常将邻域值取为3到4之间。而裁剪后的直方图应该重新分配计算在整个灰度区间上，以保证直方图总面积不变。
当所输入的低照度图像I(x，y)是灰度图像且是单通道的，则将I(x，y)从单通道扩展成三通道图像Ic(x，y)(c＝1，2，3)；如果I(x，y)是灰度图像且已经三通道，即表示为Ic(x，y)。并采用带色彩恢复的多尺度视网膜增强算法(Multi-Scale Retinex with ColorRestoration，MSRCR)来增强图像。例如，先对每个通道进行三次不同尺度(例如，标准差为σ1，σ2，σ3)的高斯滤波，再加权(例如，加权系数为w1，w2，w3)求和，如公式1所示。
MSRCR算法在MSR算法的基础上引入了调整因子C(x，y)来降低通道失真的影响：
其中，G和b为最终增益和偏移量，高斯滤波函数调整因子β为增益常量，α为控制非线性程度。全局增强处理后得到第一增强图像E(x，y)。
步骤103：对所输入的低照度图像进行图像分割，并在存高亮区域时计算分割的各区域参数
此步骤与步骤102可以同步并行执行，也可以在其之前或之后来执行。具体地，将低照度图像I(x，y)进行聚类分割，聚类数量设为3。分割后得到三类亮度区域，分别为眩光处亮度最大的部分即高亮区、灯光光晕处即过渡区、低亮度部分即低照度区。将聚类分割得到的高亮度区域图像进行遍历，若存在不为零的像素点则说明有高亮区域存在。此时分别计算所输入的低照度图像中三个区域的均值和方差。其中，高亮区域的均值、方差分别为Havg、Hvar，过渡区域的均值、方差分别为Mavg、Mvar，低照度区域的均值、方差分别为Lavg、Lvar，图像均值为IMGavg。
步骤104：根据区域参数，利用非线性曲线对第一增强图像进行调整，以获取调整图像
具体地，可以根据每个区域的不同特点，对全局增强处理后得到的第一增强图像E(x，y)进行不同的曲线调整规则。本方法对图像进行曲线调整时可以分别对RGB各通道单独进行操作，最后再将调整后的三个通道图像进行合并，也可以转换到YUV空间中，单独对明亮度Y分量进行曲线调整，最后转换到RGB空间。具体方法如下：
(1)生成分段线性函数。当低照度区域的均值Lavg<均值阈值Lthr且图像均值IMGavg>图像均值阈值Gthr时，此时图像整体亮度偏高，过渡区及高亮区占的面积较大，曲线生成规则如下：
其中，i为输入图像中像素的亮度值，g(i)为输出图像中像素亮度值，l为低照度门限标号，h为高亮度的门限标号，Tl为低照度亮度门限的系数，Th为高亮度门限的系数，α为过渡区域的亮度调节系数，φ为高亮区域的亮度调节系数。图像整体亮度偏亮时，处于低照度区域的像素亮度值，保持原来的不变，抑制中等亮度(即过渡区域)和高亮度区域。
其他情况下：
其中，i为输入图像中像素的亮度值，γ为低照度区域的亮度调节系数，η为高亮区域的亮度调节系数，Pl为低照度亮度门限值，Ph为高亮度门限值。
(2)利用B样条拟合方法将分段曲线g(i)的点拟合生成一条平滑的调整曲线s(i)。
(3)利用s(i)将全局增强处理后得到第一增强图像E(x，y)的像素按照该曲线进行映射，得到调整图像M(x，y)。
步骤105：对调整图像进行图像去雾处理，获取第二增强图像
具体地，将曲线调整后得到的调整图像M(x，y)进行图像去雾处理，得到最终用于输出、显示或存储的第二增强图像F(x，y)。传统的图像去雾算处理通过计算：
得到，其中K(x)为图像M(x，y)中亮度分量，J(x)为增强后图像的亮度分量，A为全球大气光值，t(x)为透射率，t0为透射率下限值，用于防止透射率过小造成色彩失真。在传统算法中，最大大气光值A是按排序取得的对应点的亮度值，将图像亮度值从大到小排序，取前0.1％的像素。然后在原始图像I(x，y)上查找对应位置上的最大亮度点作为A值。传统的方法在处理时会出现明显的色斑和过渡区域，得到的整体亮度较暗。由于在眩光图像中，本身高亮区域的亮度值较高，所以使用传统方法可能会引入一个过大的大气光值A。
本发明方法的A值则是求取所有满足条件的所有点(像素点个数N中的n个)的平均值。同时，设定最大大气光值Amax，若计算出的Aavg超过Amax，则A值取Amax，即：
后文以普遍使用的廉价的车载倒车摄像头拍摄的夜间低照度情况下存在眩光图像作为示例，对本发明的具体实施方式进行详细阐述。输入的低照度图像包括一副彩色图像(参见图3，限于《专利审查指南》要求，已经处理为灰度图，下同)和一副近红外摄像头拍摄的红外灰度图像(参见图4)。
(1)判断待增强的低照度图像是灰度图像还是彩色图像，若为彩色图像则进行CLAHE增强，得到增强后的第一增强图像如图5所示。其中彩色图像采用的CLAHE算法的裁剪限幅阈值θ＝0.01，邻域大小size＝3，均衡分布方式为Reyleigh分布。若为灰度图像且是单通道的则进行MSRCR增强，MSRCR算法中G＝30,b＝-6,β＝1,α＝125得到增强后的第一增强图像如图6所示。
(2)将如图7所示的低照度夜间图像聚类分割为三种区域：车灯处亮度最大的部分为高亮区、灯光光晕处为过渡区、黑暗部分为低照度区。其中，可以采用均值偏移Meanshift算法进行聚类。然后将聚类结果二值化分割成高亮区、过渡区和低照度区。聚类和分割后的结果如图8所示。
(3)将Meanshift聚类分割得到的高亮区域图像进行遍历，若存在不为零的像素点则说明有高亮区域存在。此时分别计算原图(即图7所示图像)中三个区域的均值和方差，其中，高亮区域的均值、方差分别为Havg、Hvar，过渡区域的均值、方差分别为Mavg、Mvar，低照度区域的均值、方差分别为Lavg、Lvar，图像均值为IMGavg。
(4)根据每个区域的不同特点，对第一步增强后的图像进行不同的曲线调整规则。本方法将图像转换到YUV空间中，对Y空间进行曲线调整降低图像的眩光程度，最后将调整后的YUV图像转换到RGB空间中得到曲线调整后的图像。
当Lavg<Lthr且IMGavg>Gthr时，取Lthr＝40和Gthr＝100，即此时图像整体亮度偏高，过渡区及高亮区占的面积较大，分段曲线g(i)生成方式采用公式(3)的规则，其参数取值如下：Tl＝1/1.3，Th＝1.15，α＝1.5，φ＝1.25。其他情况按照公式(4)规则生成分段曲线g(i)的参数：γ＝10/13，η＝10/8，Pl＝50，Ph＝125。
最后利用B样条拟合根据得到的调整点生成一条平滑的调整曲线s(i)。将图5和图6所示第一增强图像的像素按照分别按照上述两种曲线进行映射，得到曲线调整后的调整图像分别如图9和图10所示。
(5)经过上述步骤处理后的调整图像已经有效地抑制了眩光区域的面积和亮度，感兴趣的目标以及细节都较为清晰。但是增强后的图像整体偏灰白，使得对比度降低。此时本方法采用图像去雾技术将图像进行进一步增强。本次实施例中参数Amax＝220，ω＝0.95，t0＝0.1，n＝0.1％*N(像素点个数为N)，窗口最小半径为15，导向半径为80，所得到的第二增强图像F(x，y)分别如图11和图12所示。
图13示出了根据本发明示例性实施例的用于抑制低照度图像中眩光并增强图像的装置，即电子设备310(例如具备程序执行功能的计算机服务器)，其包括至少一个处理器311，电源314，以及与所述至少一个处理器311通信连接的存储器312和输入输出接口313；所述存储器312存储有可被所述至少一个处理器311执行的指令，所述指令被所述至少一个处理器311执行，以使所述至少一个处理器311能够执行前述任一实施例所公开的方法；所述输入输出接口313可以包括显示器、键盘、鼠标、以及USB接口，用于输入输出数据；电源314用于为电子设备310提供电能。
本领域技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明具体实施方式的详细说明，而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于抑制低照度图像中眩光并增强图像的方法，其特征在于，所述方法包括：
输入低照度图像；对所输入的低照度图像进行全局增强处理，以获取第一增强图像；
对所输入的低照度图像进行图像分割，并在存高亮区域时计算分割的各区域参数；根据区域参数，利用非线性曲线对第一增强图像进行调整，以获取调整图像；对调整图像进行图像去雾处理，获取第二增强图像。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：当所输入的低照度图像为彩色图像时，可以采用限制对比度自适应直方均衡化CLAHE算法进行全局增强处理。
3.根据权利要求1所述的方法，其特征在于，所述方法包括：当所输入的低照度图像I(x，y)是灰度图像且是单通道的，则将I(x，y)从单通道扩展成三通道图像Ic(x，y)(c＝1，2，3)；并采用带色彩恢复的多尺度视网膜增强算法MSRCR来进行全局增强处理。
4.根据权利要求3所述的方法，其特征在于，所述方法包括：先对每个通道进行三次标准差为σ1，σ2，σ3的高斯滤波，再经过加权系数分别为w1，w2，w3加权后求和，表示为：
MSRCR算法引入调整因子C(x，y)来降低通道失真的影响：
其中，G和b为最终增益和偏移量，高斯滤波函数调整因子β为增益常量，α控制非线性程度，全局增强处理后得到第一增强图像E(x，y)。
5.根据权利要求1所述的方法，其特征在于，所述方法包括：将低照度图像I(x，y)进行聚类分割，聚类数量设为3；分割后得到三类亮度区域，分别为高亮区、过渡区、低照度区；
将聚类分割得到的高亮度区域图像进行遍历，若存在不为零的像素点则说明有高亮区域存在；分别计算所输入的低照度图像中三个区域的均值和方差；
其中，高亮区域的均值、方差分别为Havg、Hvar，过渡区域的均值、方差分别为Mavg、Mvar，低照度区域的均值、方差分别为Lavg、Lvar，图像均值为IMGavg。
6.根据权利要求1所述的方法，其特征在于，所述利用非线性曲线对第一增强图像进行调整包括：
分别对RGB各通道单独进行操作，最后再将调整后的三个通道图像进行合并；或者，转换到YUV空间中，单独对明亮度Y分量进行曲线调整，最后转换到RGB空间。
7.根据权利要求6所述的方法，其特征在于，所述方法包括：生成分段线性函数g(i)；利用B样条拟合方法将分段曲线g(i)的点拟合生成一条平滑的调整曲线s(i)；利用s(i)将全局增强处理后得到第一增强图像E(x，y)的像素按照该曲线进行映射，得到调整图像M(x，y)。
8.根据权利要求7所述的方法，其特征在于，所述生成分段线性函数g(i)包括：
当低照度区域的均值Lavg<均值阈值Lthr且图像均值IMGavg>图像均值阈值Gthr时，曲线生成规则如下：
其中，i为输入图像中像素的亮度值，g(i)为输出图像中像素亮度值，l为低照度门限标号，h为高亮度的门限标号，Tl为低照度亮度门限的系数，Th为高亮度门限的系数，α为过渡区域的亮度调节系数，φ为高亮区域的亮度调节系数；
Lavg<Lthr且IMGavg>Gthr之外的情况下：
其中，i为输入图像中像素的亮度值，γ为低照度区域的亮度调节系数，η为高亮区域的亮度调节系数，Pl为低照度亮度门限值，Ph为高亮度门限值。
9.根据权利要求1所述的方法，其特征在于，进行图像去雾处理过程中，大气光值A的值取所有满足条件的所有点的平均值Aavg；并且，设定最大大气光值Amax，若计算出的Aavg超过Amax，则A值取Amax，即：
10.一种用于抑制低照度图像中眩光并增强图像的装置，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810836483.7A CN109064426B (zh) | 2018-07-26 | 2018-07-26 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810836483.7A CN109064426B (zh) | 2018-07-26 | 2018-07-26 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109064426A true CN109064426A (zh) | 2018-12-21 |
| CN109064426B CN109064426B (zh) | 2021-08-31 |
Family
ID=64836699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810836483.7A Expired - Fee Related CN109064426B (zh) | 2018-07-26 | 2018-07-26 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064426B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135235A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
| CN110163807A (zh) * | 2019-03-20 | 2019-08-23 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110807384A (zh) * | 2019-10-24 | 2020-02-18 | 华东计算技术研究所（中国电子科技集团公司第三十二研究所） | 低能见度下的小目标检测方法和系统 |
| CN110992637A (zh) * | 2019-11-07 | 2020-04-10 | 张彩萍 | 一种安全出口指示灯 |
| CN111202547A (zh) * | 2020-02-11 | 2020-05-29 | 新疆医科大学第三附属医院 | 一种用于乳腺肿瘤微创手术的多点活检取样装置 |
| CN112348761A (zh) * | 2020-11-30 | 2021-02-09 | 广州绿怡信息科技有限公司 | 设备外观图像亮度调节方法及装置 |
| CN112949467A (zh) * | 2021-02-26 | 2021-06-11 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、电子设备和存储介质 |
| CN114627015A (zh) * | 2022-03-15 | 2022-06-14 | 南京凯盛国际工程有限公司 | 一种回转窑火焰图像去沙尘方法 |
| CN114677391A (zh) * | 2022-05-26 | 2022-06-28 | 青岛大学附属医院 | 一种脊椎图像分割方法 |
| WO2023272506A1 (zh) * | 2021-06-29 | 2023-01-05 | 深圳市大疆创新科技有限公司 | 图像处理方法及装置、可移动平台及存储介质 |
| CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
| CN116993737A (zh) * | 2023-09-27 | 2023-11-03 | 西南科技大学 | 一种基于卷积神经网络的轻量型裂缝分割方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050073702A1 (en) * | 2003-10-02 | 2005-04-07 | Doron Shaked | Robust recursive envelope operators for fast retinex-type processing |
| CN102682436A (zh) * | 2012-05-14 | 2012-09-19 | 陈军 | 一种改进的多尺度Retinex理论的图像增强方法 |
| CN103226698A (zh) * | 2013-04-16 | 2013-07-31 | 哈尔滨工程大学 | 一种人脸检测方法 |
| CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
| CN104217422A (zh) * | 2014-06-03 | 2014-12-17 | 哈尔滨工程大学 | 一种自适应窄带水平集的声纳图像检测方法 |
| CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
| CN106971166A (zh) * | 2017-03-29 | 2017-07-21 | 纵目科技（上海）股份有限公司 | 停车位检测的图像预处理方法及系统 |
| CN107392871A (zh) * | 2017-07-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、移动终端及计算机可读存储介质 |
| CN107403421A (zh) * | 2017-08-10 | 2017-11-28 | 杭州联吉技术有限公司 | 一种图像去雾方法、存储介质及终端设备 |
-
2018
- 2018-07-26 CN CN201810836483.7A patent/CN109064426B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050073702A1 (en) * | 2003-10-02 | 2005-04-07 | Doron Shaked | Robust recursive envelope operators for fast retinex-type processing |
| CN102682436A (zh) * | 2012-05-14 | 2012-09-19 | 陈军 | 一种改进的多尺度Retinex理论的图像增强方法 |
| CN103226698A (zh) * | 2013-04-16 | 2013-07-31 | 哈尔滨工程大学 | 一种人脸检测方法 |
| CN104217422A (zh) * | 2014-06-03 | 2014-12-17 | 哈尔滨工程大学 | 一种自适应窄带水平集的声纳图像检测方法 |
| CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
| CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
| CN106971166A (zh) * | 2017-03-29 | 2017-07-21 | 纵目科技（上海）股份有限公司 | 停车位检测的图像预处理方法及系统 |
| CN107392871A (zh) * | 2017-07-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、移动终端及计算机可读存储介质 |
| CN107403421A (zh) * | 2017-08-10 | 2017-11-28 | 杭州联吉技术有限公司 | 一种图像去雾方法、存储介质及终端设备 |
Non-Patent Citations (3)
| Title |
|---|
| ANA BEL´EN PETRO 等: "Multiscale Retinex", 《IMAGE PROCESSING ON LINE》 * |
| DANIEL J. JOBSON 等: "A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 智宁 等: "基于照度调整的矿井非均匀照度视频图像增强算法", 《煤炭学报》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135235A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
| CN110135235B (zh) * | 2019-03-13 | 2022-04-19 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
| CN110163807A (zh) * | 2019-03-20 | 2019-08-23 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110163807B (zh) * | 2019-03-20 | 2023-04-07 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110807384A (zh) * | 2019-10-24 | 2020-02-18 | 华东计算技术研究所（中国电子科技集团公司第三十二研究所） | 低能见度下的小目标检测方法和系统 |
| CN110992637B (zh) * | 2019-11-07 | 2021-06-15 | 宁波顺超轴承有限公司 | 一种安全出口指示灯 |
| CN110992637A (zh) * | 2019-11-07 | 2020-04-10 | 张彩萍 | 一种安全出口指示灯 |
| CN111202547A (zh) * | 2020-02-11 | 2020-05-29 | 新疆医科大学第三附属医院 | 一种用于乳腺肿瘤微创手术的多点活检取样装置 |
| CN112348761A (zh) * | 2020-11-30 | 2021-02-09 | 广州绿怡信息科技有限公司 | 设备外观图像亮度调节方法及装置 |
| CN112348761B (zh) * | 2020-11-30 | 2024-04-26 | 广州绿怡信息科技有限公司 | 设备外观图像亮度调节方法及装置 |
| CN112949467A (zh) * | 2021-02-26 | 2021-06-11 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、电子设备和存储介质 |
| CN112949467B (zh) * | 2021-02-26 | 2024-03-08 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、电子设备和存储介质 |
| WO2023272506A1 (zh) * | 2021-06-29 | 2023-01-05 | 深圳市大疆创新科技有限公司 | 图像处理方法及装置、可移动平台及存储介质 |
| CN114627015A (zh) * | 2022-03-15 | 2022-06-14 | 南京凯盛国际工程有限公司 | 一种回转窑火焰图像去沙尘方法 |
| CN114677391A (zh) * | 2022-05-26 | 2022-06-28 | 青岛大学附属医院 | 一种脊椎图像分割方法 |
| CN114677391B (zh) * | 2022-05-26 | 2022-08-26 | 青岛大学附属医院 | 一种脊椎图像分割方法 |
| CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
| CN116993737A (zh) * | 2023-09-27 | 2023-11-03 | 西南科技大学 | 一种基于卷积神经网络的轻量型裂缝分割方法 |
| CN116993737B (zh) * | 2023-09-27 | 2024-03-29 | 西南科技大学 | 一种基于卷积神经网络的轻量型裂缝分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109064426B (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064426A (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
| CN107527332B (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
| JP3130266B2 (ja) | 平均分離ヒストグラム等化を用いる映像改善方法及びその回路 | |
| Lee et al. | Adaptive multiscale retinex for image contrast enhancement | |
| CN108389175B (zh) | 融合变差函数和颜色衰减先验的图像去雾方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN105741245B (zh) | 基于灰度变换的自适应对比度增强算法 | |
| CN102625030B (zh) | 视频增强方法和系统 | |
| CN114331873B (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
| Zotin | Fast algorithm of image enhancement based on multi-scale retinex | |
| CN109377464A (zh) | 一种红外图像的双平台直方图均衡化方法及其应用系统 | |
| CN112991222A (zh) | 图像雾霾去除处理方法、系统、计算机设备、终端及应用 | |
| Xue et al. | Video image dehazing algorithm based on multi-scale retinex with color restoration | |
| CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
| Wei et al. | An image fusion dehazing algorithm based on dark channel prior and retinex | |
| CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN110969584A (zh) | 一种低照度图像增强方法 | |
| CN111768355B (zh) | 一种针对制冷型红外传感器图像增强的方法 | |
| Wang et al. | A new single image dehazing method with MSRCR algorithm | |
| CN117611501A (zh) | 一种低照度图像增强方法、装置、设备及可读存储介质 | |
| CN106033600A (zh) | 基于函数曲线变换的动态对比度增强方法 | |
| CN114359083B (zh) | 一种面向干扰环境的高动态热红外图像自适应预处理方法 | |
| CN115564682A (zh) | 一种光照不均图像增强方法及系统 | |
| Zheng et al. | An illumination adaptive underwater image enhancement method | |
| Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210831 |