CN109886885B - 一种基于Lab色彩空间和Retinex的图像增强方法及系统 - Google Patents

Abstract

本发明公开了一种基于Lab色彩空间和Retinex的图像增强方法及系统，所述方法包括以下步骤：接收原始图像，将所述图像从RGB色彩空间转换到Lab色彩空间，并分离出亮度分量和色彩分量；基于所述亮度分量，采用引导滤波方法估计反射分量；对所述入射分量转换到XYZ空间进行提亮，得到提亮后的反射分量；将所述色彩分量转换到XYZ空间，与提亮后的反射分量结合；转换到RGB色彩空间，得到增强后的图像。本发明基于Lab色彩空间提取亮度分量，采用改进的Retinex进行亮度增强，能够提高图像恢复的效率。

Description

一种基于Lab色彩空间和Retinex的图像增强方法及系统

技术领域

本公开属于图像增强技术领域，尤其涉及基于Lab色彩空间和Retinex的图像增强方法及系统。

背景技术

Lab色彩空间是在1931年国际照明委员会(CIE)制定的颜色度量国际标准的基础上建立起来的，是CIE组织确定的一个理论上包括了人眼可见的所有色彩的色彩模式。1976年，经修改后被正式命名为CIELab。值得一提的是，Lab色彩空间比人类视觉的色域要大很多，色彩范围比RGB、CMYK等色彩模式要大很多。并且Lab色彩空间的亮度分量和色度分量是互不影响的，这样我们对亮度分量进行单独操作的时候就不会影响到色度分量，可以确保分量组合后图像的完整性及一致性。基于此,我们将在Lab色彩空间进行图像增强操作。

1963年12月30日E.Land基于人类视觉的亮度和颜色感知的模型提出了一种颜色恒常知觉的计算理论——Retinex理论。它是由视网膜(retina)和大脑皮层(cortex)组成的。Retinex理论主要包含了两个方面的内容:物体的颜色是由物体对长波、中波和短波光线的反射能力决定的,而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响,具有一致性。因此，Retinex理论实现图像增强的的本质为通过某种方法消除或降低入射图像的影响，尽量保留物体本质的反射属性。

1997年Daniel J.Jobson，Zia-ur Rahman等人提出了单尺度Retinex(SSR,Single-Scale Retinex)算法，此算法用低通滤波估计入射分量,对基于中心环绕的Retinex理论做出了改进。但是单尺度Retinex算法不能在图像自身的色彩保持和图像的细节信息保留这两个方面取得一个平衡。随后提出了多尺度Retinex(MSR,Multi-ScaleRetinex)算法，该算法与SSR算法在理论上是一致的，就是将多个SSR算法进行平均加权并将处理结果组合来增强图像。但是MSR算法对彩色图像进行增强时会造成图像全局或局部颜色失真。因此研究者们又提出了带色彩恢复因子的MSR(MSRCR，Multi-Scale Retinexwith Color Restoration)算法。该算法在MSR算法之后用色彩恢复因子来增强图像，该算法较之之前的算法能够使增强后的图像较好的保留图像的色彩信息。之后，研究者们针对低照度图像增强进行了一系列的算法改进，虽然有所提高但是还是存在一些不足。例如算法速度运行缓慢，增强后的图像色彩信息部分丢失，在图像边缘部分出现“光晕伪影”等。

发明内容

为克服上述现有技术的不足，本公开提供了一种基于Lab色彩空间和Retinex的图像增强方法及系统，针对传统图像增强算法增强后出现的各种缺点，该方法对图像增强算法进行了改进。首先，对低照度图像进行预处理，进行粗略增强，图像中突兀的暗部区域得以改善。然后将预处理之后的图像转换到Lab色彩模式并分离出亮度分量(L)和色彩分量(a、b)，对亮度分量用改进的引导滤波估计入射分量再对其进行Gamma校正后再用自适应对数映射得到反映图像本质的反射分量。最后将亮度分量和色彩分量组合并转换到RGB色彩空间。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

一种基于Lab色彩空间和Retinex的图像增强方法，包括以下步骤：

接收原始图像，将所述图像从RGB色彩空间转换到Lab色彩空间，并分离出亮度分量和色彩分量；

基于所述亮度分量，采用引导滤波方法估计反射分量；

对所述入射分量转换到XYZ空间进行提亮，得到提亮后的反射分量；

将所述色彩分量转换到XYZ空间，与提亮后的反射分量结合；

转换到RGB色彩空间，得到增强后的图像。

进一步地，接收原始后，首先进行线性变换增强预处理。

进一步地，所述将所述图像转换到Lab色彩空间包括：

将图像从RGB空间转换到XYZ空间；

将图像从XYZ空间转换到Lab空间公式。

进一步地，所述采用引导滤波方法估计反射分量包括：

根据所述亮度分量，采用引导滤波来估算原始图像的入射分量；

从所述原始图像中去除所述入射分量，得到反射分量，公式如下：

其中，S(x，y)为原始图像，I(x，y)为原图像的亮度分量，f_i(I(x，y)为对亮度分量进行引导滤波求得的入射分量，i表示滤波的次数，α为权重系数。

进一步地，所述采用引导滤波来估算原始图像的入射分量包括：

将亮度图像作为引导图像，求解最优化问题，得到系数Ai和Bi；价值函数为：

其中，Pj＝Ai*Ii+Bi为输出图像，Ij为引导图像，Ai和Bi是当局部窗口

中心位于i时的不变系数，并且假定条件为：Pj与Ij在以像素i为中心的窗口中存在局部线性关系，且Ai与Bi不能相同；Qj是Pj受到噪声Nj污染的退化图像；

系数Ai和Bi求解公式为：

其中，Vi和

表示引导图像在局部窗口

中的均值和方差，

表示局部窗口

中的像素总数量，δ为平滑参数；

估算入射分量：

进一步地，对入射分量进行提亮包括：

采用Gamma矫正算法来矫正所述入射分量；

将所述入射分量转换到XYZ空间，采用自适应对数映射提高图像亮度对比度。

进一步地，所述自适应对数映射公式为：

其中，L_dmax表示显示设备的最大显示能力，L_dmax和L_w表示图像的最大亮度和平均亮度。

一个或多个实施例提供了一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于Lab色彩空间和Retinex的图像增强方法。

一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于Lab色彩空间和Retinex的图像增强方法。

以上一个或多个技术方案存在以下有益效果：

以上技术方案采用了Lab色彩空间进行亮度分量的提取，能够获得更准确的亮度分量；采用Retinex算法进行图像亮度的增强，并且引入可以根据图像质量调节参数的照度分量，能够有效地避免减去过度入射图像的情形，在提高了图像亮度的基础上还可保持细节边缘保留物体本质的反射属性。所以上述技术方案能极大效率的恢复出低照度模糊图像，且此种方法的耗费时间较短。

附图说明

构成本公开的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开实施例一基于Lab色彩空间和Retinex的图像增强方法的整体流程图；

图2为本公开实施例一获得的Lab色彩空间的分量图像示例；其中，图2(a)为原图，图2(b)-(d)分别是L分量、a分量和b分量；图2(e)为原图，图2(f)-(h)分别是L分量、a分量和b分量；

图3为基于本公开实施例一图像增强方法得到的效果图示例；其中，图3(a)为原图，图3(b)-(d)分别是本文算法、MSR算法和MSRCR算法的结果；图3(e)为原图，图3(f)-(h)分别是本文算法、MSR算法和MSRCR算法的结果。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本公开提出的总体思路：针对传统图像增强算法增强后出现的各种缺点，本文对图像增强算法进行了改进。首先，对低照度图像进行预处理，进行粗略增强，图像中突兀的暗部区域得以改善。然后将预处理之后的图像转换到Lab色彩模式并分离出亮度分量(L)和色彩分量(a、b)，对亮度分量用改进的引导滤波估计入射分量再对其进行Gamma校正后再用自适应对数映射得到反映图像本质的反射分量。最后将亮度分量和色彩分量组合并转换到RGB色彩空间。

实施例一

本实施例公开了一种基于改进的Lab色彩空间Retinex算法的图像增强方法，包括以下步骤：

步骤1：对输入图像进行图像增强预处理；

预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。本算法使用一种彩色图像线性变换。

线性变换函数为：

F(x)＝k*x+b (1)

其中x为输入图像，k为增强系数，b为补偿参数。针对不同图像的亮度值，k、b两个参数值可根据需要自行设置，以便得到更好的结果。

本算法直接在彩色图像上进行增强，且算法简便，速度快，实用性强。

步骤2：将所述输入图像转换到Lab色彩空间；

Lab色彩模型不依赖于设备且色域宽阔，不仅包含了RGB、CMYK的所有色域，还能表现它们不能表现的色彩。Lab色彩模型中的明度通道(L)专门负责整张图的明暗度，色彩通道a通道和b通道只负责颜色的多少。a通道表示从洋红色(通道里的白色)至深绿色(通道里的黑色)的范围；b通道表示从焦黄色(通道里的白色)至袅蓝色(通道里的黑色)的范围。

Lab通道的优点：

1、Lab模式能抠大部分RGB通道能抠的图片，反之不成立。

2、任何单一色调背景下，用通道抠有明显颜色区别的部分，用LAB模式很快能完成。

3、LAB模式下对明度(L)通道做任何操作(如锐化、模糊等)不会影响到色相。

基于Lab通道的各种优点，总体来说图像增强在Lab色彩空间中的操作明显优于其他色彩空间，因此本算法将在Lab空间进行图像增强操作。

事实上RGB图像并不能直接转换到Lab色彩空间，而是需要转换到XYZ色彩空间再转换到Lab色彩空间。所述步骤2具体包括：

步骤2.1：将图像从RGB空间转换到XYZ空间；公式如下：

从公式(3)中可以看出各系数相加之和为0.950456，非常接近于1。我们知道R/G/B的取值范围为[0,255]，如果系数和等于1，则X的取值范围也必然在[0,255]之间。因此我们等比修改各系数，使其之和等于1，这样就做到了XYZ和RGB在同等范围的映射。

为了提高图像对比度，我们用gamma函数对图象进行非线性色调编辑。

步骤2.2：将图像从XYZ空间转换到Lab空间公式，公式如下：

L^*、a^*、b^*为最终的LAB色彩空间三个通道的值，其中X_n、Y_n、Z_n一般默认为95.047、100.0、108.883。

步骤3：提取Lab空间中的L分量，即亮度分量；

步骤4：基于所述亮度图像，采用改进的引导滤波方法估算图像的入射分量；

Retinex理论认为色彩恒常知觉只与视觉系统对物体的反射性质知觉有关，不受环境光线变化的影响。Retinex理论认为观察者所看到的物体的图像S是由物体表面对入射光L反射得到的，反射率R由物体本身决定，不受入射光L变化。但是我们得到的图像往往是带有入射干扰的图像，这就需要我们从得到的图像中去除入射分量，得到符合人眼本质的反射分量，从而达到图像增强的目的。

Retinex理论假设原始图像S是光照图像L和反射率图像R的乘积，即图像S(x，y)由两部分组成：光照分量(illumination component)L(x，y)(又称入射分量)和反射分量(reflectance component)R(x，y)。

表达公式如下所示：

S(x，y)＝I(x，y)·R(x，y) (8)

其中S(x，y)≤I(x，y)。

基于Retinex理论图像增强的目的就是从原始图像S中估计出入射分量L，从而分解出反射分量R，消除光照不均以改善图像的视觉效果，正如人类视觉系统那样。

通常情况下，我们为了简化计算步骤需要将其转换为对数域，将乘积关系转换为求和关系。

对数域的转换公式为：

Log S(x，y)＝Log L(x，y)+Log R(x，y) (9)

对公式(9)变形可得：

Log R(x，y)＝Log S(x，y)-Log L(x，y) (10)

通过公式(10)可以看出当图像不依赖于环境光的影响时，便可达到色彩恒长。因此我们需要将入射分量从原始图像中去除，得到符合人眼视觉本质的清晰图像。Retinex方法的核心就在于估测入射分量L，即从原始图像S中估测L分量，并去除L分量，得到符合人眼本质的原始反射分量R。

改进的引导滤波方法：

之前研究Retinex理论的学者们通过对图像进行双边滤波、高斯滤波作为中心环绕函数等方法来估测照度分量L，他们得出的结果往往存在高对比度区域出现“光晕伪影”现象、运行速度慢、彩色缺失等常见问题。引导滤波算法在图像平滑和保持边缘方面优于双边滤波，且引导滤波的运算速度与滤波窗口的大小不相关。综合考虑引导滤波的优点以及其他方法出现的问题，本文使用一种改进的引导滤波来估算图像的入射分量。

引导滤波算法在进行滤波时需要一幅引导图像，引导图像可以是另外单独的图像，也可以是输入图像本身。

引导滤波的数学表达式为：

Pj＝Ai*Ij+Bi (11)

其中，Pj为输出图像，Ij为引导图像，Ai和Bi是当窗口中心位于i时该线性函数的不变系数。该方法的假定条件是：Pj与Ij在以像素i为中心的窗口中存在局部线性关系，且Ai与Bi不能相同。

为得到公式(11)中的系数Ai和Bi，假设Oj是Pj滤波前的结果，并满足使得Oj与Pj的差别最小。根据无约束图像复原的方法可以转化为求最优化问题，其价值函数为：

其中，Nj为噪声；Oj是Pj受到噪声Nj污染的退化图像；将j限制在窗口

内，这样可以保证Ai数值不会太大。

求解公式(12)可得：

其中，Vi和

表示引导图像在局部窗口

中的均值和方差；

表示窗口

中的像素总数量；δ为平滑参数，用以平衡保持边缘和平滑的程度。δ越大平滑效果越好，相反的边缘保持性越差。

对窗口内图像求均值得：

入射分量数学表达式为：

其中，i表示滤波的次数；I(x，y)为原图像的亮度图像；α为权重系数，可自行根据图像调节。

传统算法减去图像的入射分量时，计算过程中可能存在误差以至于减去过度的入射分量，造成图像信息缺失。针对这一现象本文在减去入射分量的基础上加入了可以根据图像质量调节参数的照度分量。这样可以保留住图像本质所需的信息，避免了因图像信息过度丢失造成的图像问题。

对反射分量做反对数变换便可得到了反射分量估计值：

R′_i(x，y)＝exp(R_i(x，y)) (16)

步骤5：对所述反射分量进行提亮；

通常通过上述方法得到的反射分量图像较暗，需要我们调高图像亮度。

所述步骤5具体包括：

步骤5.1：采用Gamma矫正算法来矫正图像；

此处我们先用Gamma矫正算法来矫正图像，然后再用自适应对数映射法来提高图像亮度。

Gamma矫正算法公式为：

I为增强的反射分量，即也代表被增强后的亮度分量。

步骤5.2：用自适应对数映射提高图像亮度对比度。

首先，我们需要将Lab空间得到的反射分量转换到XYZ空间。转换公式为：

此时我们在XYZ空间中将得到的反射分量加以提亮，提亮公式为：

其中，L_dmax表示显示设备的最大显示能力，对于普通的CRT显示器，我们直接取值为100。L_dmax和L_w表示图像的最大亮度和平均亮度。

步骤6：将提亮后的反射分量与色彩分量结合得到增强后的彩色图像。

根据公式(18)、(19)我们将色彩分量(a、b)也转换到XYZ色彩空间，并将增强后的亮度分量(L)和色彩分量(a、b)结合。根据公式(21)将结合后的完整图像转换到RGB色彩空间。

XYZ转换到RGB空间的公式为：

实施例二

本实施例的目的是提供一种计算机系统。

一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：

接收原始图像，将所述图像从RGB色彩空间转换到Lab色彩空间，并分离出亮度分量和色彩分量；

基于所述亮度分量，采用引导滤波方法估计反射分量；

对所述入射分量转换到XYZ空间进行提亮，得到提亮后的反射分量；

将所述色彩分量转换到XYZ空间，与提亮后的反射分量结合；

转换到RGB色彩空间，得到增强后的图像。

实施例三

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行以下步骤：

接收原始图像，将所述图像从RGB色彩空间转换到Lab色彩空间，并分离出亮度分量和色彩分量；

基于所述亮度分量，采用引导滤波方法估计反射分量；

对所述入射分量转换到XYZ空间进行提亮，得到提亮后的反射分量；

将所述色彩分量转换到XYZ空间，与提亮后的反射分量结合；

转换到RGB色彩空间，得到增强后的图像。

以上实施例二和三中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。

以上一个或多个实施例具有以下技术效果：

以上技术方案采用了Lab色彩空间进行亮度分量的提取，能够获得更准确的亮度分量；采用Retinex算法进行图像亮度的增强，并且引入可以根据图像质量调节参数的照度分量，能够有效地避免减去过度入射图像的情形，在提高了图像亮度的基础上还可保持细节边缘保留物体本质的反射属性。所以上述技术方案能极大效率的恢复出低照度模糊图像，且此种方法的耗费时间较短。

本领域技术人员应该明白，上述本申请的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本申请不限制于任何特定的硬件和软件的结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本申请的具体实施方式进行了描述，但并非对本申请保护范围的限制，所属领域技术人员应该明白，在本申请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申请的保护范围以内。

Claims (9)

1.一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，包括以下步骤：

接收原始图像，将所述图像从RGB色彩空间转换到Lab色彩空间，并分离出亮度分量和色彩分量；

基于所述亮度分量，采用引导滤波方法估计反射分量；

对入射分量转换到XYZ空间进行提亮，得到提亮后的反射分量；

将所述色彩分量转换到XYZ空间，与提亮后的反射分量结合；

转换到RGB色彩空间，得到增强后的图像。

2.如权利要求1所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，接收原始后，首先进行线性变换增强预处理。

3.如权利要求1所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，所述将所述图像转换到Lab色彩空间包括：

将图像从RGB空间转换到XYZ空间；

将图像从XYZ空间转换到Lab空间公式。

4.如权利要求1所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，所述采用引导滤波方法估计反射分量包括：

根据所述亮度分量，采用引导滤波来估算原始图像的入射分量；

从所述原始图像中去除所述入射分量，得到反射分量，公式如下：

其中，I(x,y)为原图像的亮度分量，f_i(I(x,y))为对亮度分量进行引导滤波求得的入射分量，i表示滤波的次数，α为权重系数。

5.如权利要求4所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，所述采用引导滤波来估算原始图像的入射分量包括：

将亮度图像作为引导图像，求解最优化问题，得到系数Ai和Bi；价值函数为：

其中，Pj＝Ai*Ij+Bi为输出图像，Ij为引导图像，Ai和Bi是当局部窗口

中心位于i时的不变系数，并且假定条件为：Pj与Ij在以像素i为中心的窗口中存在局部线性关系，且Ai与Bi不能相同；Oj是Pj受到噪声Nj污染的退化图像；w₁为调节参数；

系数Ai和Bi求解公式为：

其中，Vi和σi表示引导图像在局部窗口

中的均值和方差，

表示局部窗口

中的像素总数量，δ为平滑参数；

估算入射分量：

6.如权利要求1所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，对入射分量进行提亮包括：

采用Gamma矫正算法来矫正所述入射分量；

将所述入射分量转换到XYZ空间，采用自适应对数映射提高图像亮度对比度。

7.如权利要求6所述的一种基于Lab色彩空间和Retinex的图像增强方法，其特征在于，所述自适应对数映射公式为：

其中，L_dmax和L_w分别表示图像的最大亮度和平均亮度。

8.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于Lab色彩空间和Retinex的图像增强方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于Lab色彩空间和Retinex的图像增强方法。

Images