CN109447910A - 一种基于模糊理论的低照度彩色图像增强方法 - Google Patents

Abstract

本发明属于图像处理技术领域，具体涉及一种基于模糊理论的低照度彩色图像增强方法，方法步骤为：首先将图像色彩空间从颜色通道紧密相关的RGB转换到HSV空间；再利用非线性函数提高低照度图像的亮度；然后将图像在空间域中用隶属度函数变换到模糊域中，在模糊特征平面上再对图像进行增强处理以增加图像的对比度，最后采用优化的颜色恢复函数模型，以避免颜色失真，解决过增强的问题。本发明算法能有效地提高低照度图像的对比度，丰富图像的细节信息，色彩效果更加自然。

Description

一种基于模糊理论的低照度彩色图像增强方法

技术领域

本发明涉及图像处理技术领域，具体地涉及一种基于模糊理论的低照度彩色图像增强方法。

背景技术

在夜晚或光线不足情况下拍摄的图像存在着整体灰度低、灰度动态范围小等特点。人眼对低照度图像分辨能力低，甚至对某些局部细节不能分辨。彩色图像所包含的信息要比灰度图像丰富得多，人眼能区别的灰度层次大约只有二十几种，但能够识别的色彩却成千上万。因此，对低照度彩色图像进行增强，获得适合于人眼观察的彩色图像，可以显著提高图像的质量，能观察到更多的细节。

常用的图像增强算法为直方图变换法和灰度变换法，直方图变换法最常见的为直方图均衡化，它是把给定图像的直方图分布改造成均匀分布，直方图均衡化能自适应地提高图像灰度动态范围，常见是对比度拉伸，即通过灰度映射函数把原本狭窄的灰度范围变宽，使得处理后的图像对比度提高。而直方图均衡化变化后图像的灰度级减少，某些细节消失；二是在图像欠曝光区域原来不可见的噪声会显现出来。

发明内容

本发明要解决的技术问题在于：针对现有图像处理方法不足，提出一种基于模糊理论的低照度彩色图像增强方法，以提高图像的对比度和局部细节的清晰度，获得较好的视觉效果。

本发明的技术思路为，首先将图像色彩空间从与颜色通道紧密相关的RGB转换到HSV空间，以保持颜色的恒定性；然后利用非线性函数提高低照度图像的亮度，将图像在空间域中用隶属度函数变换到模糊域中，在模糊特征平面上再对图像进行增强处理以增加图像的对比度；最后采用一种优化的颜色恢复函数模型，避免颜色失真，解决过增强的问题。

本发明采取的技术方案是：一种基于模糊理论的低照度彩色图像增强方法，包括如下步骤：

1)将低照度彩色图像由RGB颜色空间转换成HSV颜色空间；

2)保持色相H分量不变，对饱和度分量S进行线性拉伸，对色调分量V进行非线性变换；

3)将图像由HSV颜色空间转换回RGB空间；

4)运用模糊理论的图像增强算法进行图像的增强处理；

5)利用颜色恢复函数进行图像的颜色恢复，以得到增强后的彩色图像。

进一步的，作为本发明技术方案的优选，上述步骤2)中的对色调分量V进行非线性变换为对数变换，对数变换函数为：

g'＝lg(Vd+1)

其中，V代表HSV色彩空间的亮度分量，d是可调节参数，取值设置为10～100，g'是对数变化后的图像。。

进一步的，作为本发明技术方案的优选，上述步骤4)包括以下步骤4.1)至4.3)：

4.1)对图像进行空间域映射到模糊域的变换；

4.2)模糊域图像增强；

4.3)模糊图像逆变换。

更进一步的，作为本发明技术方案的优选，所述步骤4.1)中对图像进行空间域映射到模糊域的变换的方法为：利用正弦隶属度函数将步骤3)获得的图像进行从空间域到模糊域的映射，得到模糊特征平面，所述正弦隶属度函数定义如下：

其中，u_ij为像素(i,j)的灰阶相对于f_max的隶属度函数，f(i，j)为像素(i,j)的灰度级，f_max为待处理图像的最大灰度级，相应的f_min为待处理图像的最小灰度级；k值定义公式如下：

k＝mean(f)/(f_max-f_min)

其中，mean(f)代表待处理图像的平均灰度值，使得k值与图像产生内在的相关性，不同亮度图像的k值也会随之改变。

更进一步的，作为本发明技术方案的优选，所述步骤4.2)中的模糊域图像增强的方法为：对利用隶属度函数u_ij映射后得到的平面U进行变换，变换函数为u'_ij，映射得到一个新的模糊特征平面U'，变换函数如下：

其中，T为图像增强的临界点，针对不同亮度图像，T的取值不同。

还进一步的，上述T的取值为经步骤4.1)处理后的图像灰度的平均值。

进一步的，上述步骤4.3)中的模糊图像逆变换的方法为：获得的新的模糊特征平面U'，将u'_ij函数进行一个逆变换式，以将图像从模糊域映射到灰度空间中，最后得到增强后的图像灰度f'(i,j)：

其中，G^-1为图像的逆变换，u_max为像素(i,j)的灰阶相对于f_max的最大隶属度，u_min为像素(i,j)的灰阶相对于f_min的最小隶属度，f_max为待处理图像的最大灰度级f'(i,j)为像素点(i,j)的增强后的灰度级。

进一步的，上述步骤5)中进行颜色恢复的方法为：设经步骤4.3)处理后的图像中像素点(x,y)的像素值为I(x,y)，每个像素颜色比重的权值C_i(x,y)为：

式中：M为增益参数，i表示RGB颜色空间下的颜色通道，I_i(x,y)表示像素值为I(x,y)的像素点的第i个颜色通道的输入分量，α为彩色整体亮度调节参数；β为增强处理后图像色彩比重的调节参数；

对像素值为I(x,y)的像素点(x,y)进行恢复处理的函数为：

R(x,y)＝C_i(x,y)I(x,y)

R(x,y)为最终获得的增强图像。

进一步的，上述步骤2)中对饱和度分量S进行线性拉伸的算法公式为：

其中，S表示原始图像的饱和度，S'表示线性拉伸后图像的饱和度；M_v表示原始图像的均值；max(R,G,B)和min(R,G,B)分别表示R、G、B三个颜色分量的最大值和最小值。

与现有技术相比，本发明具有以下有益效果：

1、本发明算法利用非线性函数提升低照度图像的亮度，再将图像从空间域利用隶属度函数变换到模糊域中，在增强图像对比度的同时更多的保留了场景细节信息。

2、本发明优化的颜色恢复函数模型更加适用于处理夜间彩色图像，对参数的依赖较小，且需要的参数较少，能抑制暗区域颜色增强尺度不一而出现噪声放大的现象，在保留原图颜色比重的同时也具有一定的颜色校正能力。

本发明方法能有效地提高低照度图像的对比度，丰富图像的细节信息，色彩效果更加自然。

附图说明

图1为本发明实施例的低照度彩色图像增强方法的流程图；

图2为本发明实施例待处理的原图1；

图3为图2所示的原图1经非线性方法处理后的效果图；

图4为图2所示的原图1经pal模糊方法处理后的效果图；

图5图2所示的原图1经本发明的低照度彩色图像增强方法处理后的效果图；

图6为本发明实施例待处理的原图2；

图7为图6所示的原图2经非线性方法处理后的效果图；

图8为图6所示的原图2经pal模糊方法处理后的效果图；

图9为图6所示的原图2经本发明的低照度彩色图像增强方法处理后的效果图。

具体实施方式：

现以普通单幅低照度彩色图像为例，结合附图对本发明做进一步详细说明。

基于信噪比较低的低照度图像中，灰度级合并对图像质量影响显著，细节变得难以辨别，对比度拉伸算法在灰度动态范围宽(含有少量亮区域)的低照度图像中对图像对比度拉伸效果非常有限。为了有效地改善夜间彩色图像的视觉效果，本发明在模糊理论基础上通过对亮度分量V的非线性变换和颜色恢复等方面进行对图像了改进。

本发明通过对图像进行非线性变化提高低照度图像的亮度，从而让那些由于光照不足导致看起来比较暗的图像低灰度级区域的亮度得以快速的提升，改善低照度图像的视觉效果。

一种基于模糊理论的低照度彩色图像增强方法，首先将彩色图像由RGB空间转换到HSV空间，然后对S分量进行线性拉伸，V分量进行非线性拉伸，然后进行图像增强，再将增强后的图像转换回RGB空间，运用模糊理论的图像增强算法进行图像的增强处理，再进行颜色恢复。具体步骤如下：

第一步：将低照度彩色图像由RGB颜色空间转换成HSV颜色空间

HSV和RGB是色彩空间的不同表示方法，RGB颜色模型是一种面向设备的颜色空间，RGB的数值与色彩的三属性并没有直接的联系；HSV用颜色的3个基本属性——色调(Hue)、饱和度(Saturation)和明度(Value)来表示色彩，是面向视觉感知的颜色模型。由于HSV能较好地反映人对色彩的感知和鉴别，所以非常适合于图像处理。

通过(1)式将图像色彩从RGB空间转换至HSV空间：

其中，T_max为R,G,B三者中的最大值，T_min为R,G,B三者中的最小值。

第二步：保持色相H分量不变，对饱和度分量S进行线性拉伸，对色调分量V进行非线性变换；

在HSV色彩空间中，保持H分量不变的前提下。由于图像获取时的外界环境不同，每幅低照度图像需要对饱和度分量S进行拉伸的程度也不相同。为了自适应地使各种低照度图像的饱和度分量S达到最优，本发明提出了一种自适应的饱和度分量S线性拉伸算法，其表示式为：

其中，S表示原始图像的饱和度，S'表示线性拉伸后图像的饱和度；M_v表示原始图像的均值；max(R,G,B)和min(R,G,B)分别表示R、G、B三个颜色分量的最大值和最小值。此算法能够很好地满足不同程度低照度图像的饱和度S的增强需求，且计算量小，效率较高。

通过对图像进行非线性变化提高低照度图像的亮度，从而让那些由于光照不足导致看起来比较暗的图像低灰度区域的亮度得以快速的提升，改善低照度图像的视觉效果。

对数变化是指输出图像与输入图像像素点的灰度值为对数关系，本发明采用的对数函数为：

g'＝lg(Vd+1) (5)

其中，V代表HSV色彩空间的亮度分量，d是可调节参数，取值设置为10～100，g'是对数变化后的图像。

经过非线性变化之后图像的亮度可以得到很大的改善，但降低了图像的对比度，使图像并未达到理想视觉效果，引入模糊理论，将图像从空间域利用隶属度函数变换到模糊域中，在模糊特征平面上对图像进行增强处理，增加图像的对比度。

第三步：将图像由HSV颜色空间转换回RGB空间；

利用(6)式使HSV颜色空间转换回RGB空间：

第四步：基于模糊理论的图像增强算法；

1)空间域映射到模糊域的变换；

利用正弦隶属度函数u_ij将第三步后待处理图像将空间域到模糊域进行映射，得到变换函数u'_ij对应模糊特征平面U'，定义正弦隶属度函数u_ij如下：

其中，u_ij为像素(i,j)的灰阶相对于f_max的隶属度函数，f_max为待处理图像的最大灰度级，相应的f_min为待处理图像的最小灰度级。k为可调节参数，通过对k的调节可改变u_ij的值，针对不同图像产生不同的模糊特征平面，进而可以适应不同图像的增强要求，k值定义公式如下：

k＝mean(f)/(f_max-f_min) (8)

其中，mean(f)代表待处理图像的平均灰度值，使得k值与图像产生内在的相关性，不同亮度图像的k值也会随之改变，增加了算法的灵活性，适应不同亮度图像增强需求。

2)模糊域图像增强；

对隶属度函数u_ij，利用式(7)和式(8)进行变换最后得到一个新的模糊特征平面U',对应变换函数u'_ij。

其中，T作为图像增强的临界点，针对不同亮度图像T的取值不同，本发明T的取值为图像灰度的平均值。

3)模糊图像逆变换；

对于新的模糊特征平面U，对应变换函数u'_ij，经过一个逆变换式(10)就可以将图像从模糊域映射到灰度空间中，最后得到增强后的图像f'(i,j)。

其中，G^-1为图像的逆变换，f'(i,j)为像素点(i,j)的增强后的灰度级。

第五步：通过颜色恢复函数进行图像的颜色恢复，最终得到增强后的彩色图像。

本发明提出一种优化的颜色恢复函数，设在RGB色彩空间对第四步处理后的图像为I(x,y)，每个像素设置颜色比重的权值为：

式中：M为增益参数；i表示RGB颜色空间下的颜色通道；I_i(x,y)表示I(x,y)第i个颜色通道的输入分量。α用于调节彩色整体亮度；β用于调节增强处理后图像色彩的比重，其值越大，越能相对平均并缩小颜色通道的权值，其效果能达到抑制暗区域像素过增强的目的，同时能加重图像高光和高暗。

第四步之后得到I(x,y)，再对图像颜色进行恢复处理：

R(x,y)＝C_i(x,y)I(x,y) (12)

C_i(x,y)为(11)式处理后得到的颜色恢复函数，R(x,y)为最终获得的增强图像。

图1所示为实施例所述基于模糊理论的低照度彩色图像增强方法流程图；图2-图5为一幅低照度原图和经现有图像处理方法以及本发明方法处理后图像的对比图；图6-图9为另一幅低照度原图和经现有图像处理方法以及本发明方法处理后图像的对比图。图1、图6经现有技术中的pal模糊算法和非线性变化方法以及本发明方法处理前后的评价参数分别如表1、表2所示。

表1 图2所示图像的评价参数对比结果

表2 图6所示图像的评价参数对比结果

图2-9的效果，以及表1和表2的数据表明，PAL模糊增强算法处理后的图像的对比度有所改善，但信息熵没有提高，处理后的图像过于暗淡，亮度并没有得到提升，甚至导致了信息熵的降低，而经非线性变换处理后对比源图像对比度指数有略提高，但同样信息熵却降低了，而本发明算法对比度提高，且信息熵得到了较大程度的改善。

本发明中提出的方法实际上可嵌入FPGA实现，开发具有低照度图像增强功能的相机或摄像机。以上实施例仅起到解释本发明技术方案的作用，本发明所要求的保护范围并不局限于上述实施例所述的实现系统和具体实施步骤。因此，仅对上述实施例中具体的公式及算法进行简单替换，但其实质内容仍与本发明所述方法相一致的技术方案，均应属于本发明的保护范围。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种基于模糊理论的低照度彩色图像增强方法，其特征是，它包括以下步骤：

1)将低照度彩色图像由RGB颜色空间转换成HSV颜色空间；

2)保持色相H分量不变，对饱和度分量S进行线性拉伸,对色调分量V进行非线性变换；

3)将图像由HSV颜色空间转换回RGB空间；

4)运用模糊理论的图像增强算法进行图像的增强处理；

5)利用颜色恢复函数进行图像的颜色恢复，以得到增强后的彩色图像。

2.根据权利要求1所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤2)中对色调分量V进行非线性变换的方法为:对图像进行对数变换，所述对数变换函数如下：

g'＝lg(Vd+1)

其中，V代表HSV色彩空间的亮度分量，d是可调节参数，取值设置为10～100，g'是对数变化后的图像。

3.根据权利要求2所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤4)包括以下步骤：

4.1)对图像进行空间域映射到模糊域的变换；

4.2)模糊域图像增强；

4.3)模糊图像逆变换。

4.根据权利要求3所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤4.1)中对图像进行空间域映射到模糊域的变换的方法为：利用正弦隶属度函数将步骤3)获得的图像进行从空间域到模糊域的映射，得到模糊特征平面，所述正弦隶属度函数定义如下：

其中，u_ij为像素(i,j)的灰阶相对于f_max的隶属度函数，f(i，j)为像素(i,j)的灰度级，f_max为待处理图像的最大灰度级，相应的f_min为待处理图像的最小灰度级；k值定义公式如下：

k＝mean(f)/(f_max-f_min)

其中，mean(f)代表待处理图像的平均灰度值，使得k值与图像产生内在的相关性，不同亮度图像的k值也会随之改变。

5.根据权利要求4所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤4.2)中的模糊域图像增强的方法为：对利用隶属度函数u_ij映射后得到的平面U进行变换，变换函数为u'_ij，映射得到一个新的模糊特征平面U'，变换函数如下：

其中，T为图像增强的临界点，针对不同亮度图像，T的取值不同。

6.根据权利要求5所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述T的取值为经步骤4.1)处理后的图像灰度的平均值。

7.根据权利要求6所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤4.3)中的模糊图像逆变换的方法为：

将经步骤4.2)获得的新的模糊特征平面U'，利用u'_ij函数进行一个逆变换，以将图像从模糊域映射到灰度空间中，从而得到增强后的图像灰度f'(i,j)：

其中，G^-1为图像的逆变换，u_max为像素(i,j)的灰阶相对于f_max的最大隶属度，u_min为像素(i,j)的灰阶相对于f_min的最小隶属度，f_max为待处理图像的最大灰度级，f_min为待处理图像的最小灰度级，f'(i,j)为像素点(i,j)的增强后的灰度级。

8.根据权利要求7所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤5)中进行颜色恢复的方法为：

设经步骤4.3)处理后的图像中像素点(x,y)的像素值为I(x,y)，每个像素颜色比重的权值C_i(x,y)为：

式中：M为增益参数，i表示RGB颜色空间下的颜色通道，I_i(x,y)表示像素值为I(x,y)的像素点的第i个颜色通道的输入分量，α为彩色整体亮度调节参数；β为增强处理后图像色彩比重的调节参数；

对像素值为I(x,y)的像素点(x,y)进行恢复处理的函数为：

R(x,y)＝C_i(x,y)I(x,y)

R(x,y)为最终获得的增强图像。

9.根据权利要求1所述的一种基于模糊理论的低照度彩色图像增强方法，其特征是，所述步骤2)中对饱和度分量S进行线性拉伸的算法公式为：

其中，S表示原始图像的饱和度，S'表示线性拉伸后图像的饱和度；M_v表示原始图像的均值；max(R,G,B)和min(R,G,B)分别表示R、G、B三个颜色分量的最大值和最小值。