CN110047051A - 一种非均匀照明彩色图像增强方法 - Google Patents
一种非均匀照明彩色图像增强方法 Download PDFInfo
- Publication number
- CN110047051A CN110047051A CN201910331738.9A CN201910331738A CN110047051A CN 110047051 A CN110047051 A CN 110047051A CN 201910331738 A CN201910331738 A CN 201910331738A CN 110047051 A CN110047051 A CN 110047051A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- color space
- color
- rgb
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000003014 reinforcing effect Effects 0.000 title abstract 2
- 238000012937 correction Methods 0.000 claims abstract description 24
- 230000002708 enhancing effect Effects 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims abstract description 12
- 238000005286 illumination Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 2
- 206010052143 Ocular discomfort Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002087 whitening 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种非均匀照明彩色图像增强方法，该方法包括以下步骤：首先将RGB原图转换到L*a*b*色彩空间，利用对比度受限的自适应直方图均衡化方法CLAHE处理L*通道图像，且不改变分量a*和b*；将处理后的L*a*b*空间图像转换回RGB空间；然后将RGB图像转换至HSV色彩空间；利用双伽马校正函数处理V通道；利用构建的自适应拉伸函数拉伸S通道；最后将HSV空间图像转换回RGB空间，得到增强的彩色图像。本发明对非均匀照明彩色图像增强时，能够有效提升图像的对比度、亮度和饱和度，同时避免产生局部亮区域的过度增强，增强后彩色图像亮度分布均匀、细节突出，保持了图像的自然性，显著提高了图像的视觉效果。
Description
技术领域
本发明涉及彩色图像处理技术领域，尤其涉及一种非均匀照明条件下图像增强方法及系统。
背景技术
现实生活中，由于照明或某些其他条件(如成像装置限制和天气的变化)，经常造成图像暗部区域模糊不清、图像对比度低等现象，这样的图像首先给人带来视觉上的不舒适，同时也不利于后续的图像处理工作。尽管图像捕获设备获得极大的改进，但仍然存在各种自然和人工伪影，这导致所捕获图像的质量较差。因此，对于原始捕获彩色图像的视觉效果和质量改进是图像预处理必不可少的部分。而非均匀光照彩色图像增强则仍然是其中一个悬而未决、极具研究意义的问题，为了改善这类图像的视觉效果，需要对此类图像进行图像增强。
非均匀照明彩色图像增强非常重要。目前对图像亮度不均处理的方法很多，其中基于直方图均衡化的方法和基于Retinex理论的方法受到很多学者的关注，这些算法的出现都是为了尽可能地改善图像亮度不均问题。全局直方图均衡和局部直方图均衡都可以有效地增强整体图像对比度，但是会通过过度增强图像来产生不自然的效果，此外，这些方法存在诸如过度增强、图像变白、图像亮度无法保留等问题。Retinex理论自提出以来就吸引了许多学者，随后发展成为单尺度Retinex算法(Single-scale Retinex，SSR)、多尺度Retinex算法(Multi-scale Retinex，MSR)和带色彩恢复的多尺度Retinex增强算法(MSRCR)。虽然这些方法可以使细节增强，由于基于Retinex的方法分别处理RGB通道中的图像，当原始图像不符合“灰色世界假设”时，它们可能会导致颜色失真，甚至出现“光晕伪影”的现象。因此，研究一种非均匀照明条件下图像增强方法，是急需解决的问题。
发明内容
针对照度不均、整体对比度低的彩色图像，为了解决现有方法对图像增强时出现的暗部区域细节增强不明显以及局部亮区域过度增强的问题，本发明提出了一种非均匀照明彩色图像增强方法，用于自适应地增强非均匀照明彩色图像。利用对比度受限的自适应直方图均衡化(contrast limited adaptive histogram equalization，CLAHE)方法处理L*a*b*色彩空间的L*通道图像、增强对比度，采用双伽马校正函数对HSV色彩空间V通道进行处理、增强亮度，利用构建的自适应拉伸函数对S通道进行拉伸、增强饱和度，最终得到增强的彩色图像。能够有效提升图像的对比度、亮度和饱和度，对彩色图像达到更自然的增强效果，可明显改善图像中的高亮区域。
本发明所要解决的技术问题在于克服现有技术的不足，提供一种非均匀照明彩色图像增强方法，解决现有图像增强技术无法满足由光照不均等原因所造成的图像局部亮区域的过度增强以及暗部细节增强效果不佳等问题。
本发明具体采用以下技术方案解决上述技术问题：
S1、读入非均匀照明彩色图像；
S2、将RGB彩色图像转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*；
S3、采用CLAHE对L*a*b*色彩空间的L*分量处理得到对比度增强的分量L1*；
S4、将亮度分量L1*和色度分量a*、b*组合得到L*a*b*色彩空间图像，并反转换回RGB色彩空间；
S5、将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；
S6、对HSV色彩空间的V分量进行双伽马校正处理得到亮度调整的V1分量；
S7、使用一种自适应非线性拉伸函数对HSV色彩空间的S分量拉伸，得到饱和度增强的S1分量；
S8、将亮度分量V1、饱和度分量S1和色调分量H组合得到HSV彩色图像，并将其反转换回RGB色彩空间；
S9、最后获得经过增强后的彩色图像；
优选的，所述S2的从RGB色彩空间到L*a*b*色彩空间之间没有简单的转换公式，RGB色彩空间需要先转为CIEXYZ色彩空间，然后再由CIEXYZ色彩空间转为CIE L*a*b*色彩空间，转换过程具体包括：
S21、将RGB色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。
S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，使用的转换公式如下所示：
其中，L*、a*、b*分别为L*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。
优选的，所述S3的双伽马校正函数的实现方法为：
其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，一般取γ＝2.5。Ga(x)是一个凸函数，用于增强暗区域。Gb(x)是一个凹函数，用于抑制图像的亮区域。G(x)为灰度图像中像素值为x的灰度值经过双伽马校正后得到的增强图像的灰度值。
优选的，所述S4的图像从L*a*b*色彩空间重新反转换回RGB色彩空间的具体步骤为：
S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f-1(t)，表达形式为：
S42、CIEXYZ色彩空间转换到RGB色彩空间，使用的转换公式如下所示：
其中，分别为转换之后RGB图像中R分量、G分量、B分量的值；
优选的，所述S5的图像从RGB色彩空间转换成HSV色彩空间，使用的转换公式如下所示：
其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。
优选的，所述S6的双伽马校正函数实现方法为：Ga(x)＝x1/γ，Gb(x)＝1-(1-x)1/γ，G(x)＝αGa(x)+(1-α)Gb(x)，其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，一般取γ＝2.5，Ga(x)是一个凸函数，用于增强暗区域，Gb(x)是一个凹函数，用于抑制图像的亮区域，α是校正参数，取值范围为[0，1]，最终校正函数G(x)是由Ga(x)和Gb(x)共同取值得到的，G(x)为灰度图像中像素值为x的灰度值经过双伽马校正后得到的增强图像的灰度值。
优选的，所述S7的所使用的自适应非线性拉伸函数公式为：
式中，S为非线性拉伸前图像饱和度，S1为非线性拉伸后图像饱和度，和分别为步骤S42所得RGB色彩空间对应像素点的颜色分量的最大值、最小值和平均值。
优选的，所述S8中图像由HSV色彩空间重新变换回RGB色彩空间，使用的变换公式如下所示：
式中，C是色度，X是具有这种颜色的第二大成分的中间值。
发明所达到的有益效果：本发明是一种非均匀照明彩色图像增强方法，通过对L*a*b*色彩空间中的亮度L*进行局部处理来提高图像对比度，对HSV色彩空间中的亮度分量V、饱和度分量S进行处理，来消除图像亮度不均、暗处细节不突出、饱和度低、颜色不易分辨的问题，解决了图像局部亮区域的过度增强以及暗部细节增强效果不佳的技术问题。本发明输出的图像亮度分布均匀，颜色自然，整体纹理和细节清晰完整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种非均匀照明彩色图像增强方法的流程图；
图2为双伽马校正函数曲线变化图；
图3为本发明一较佳实施例中的彩色图像增强结果对比图，其中，(a)为原始图像，(b)为HE的输出结果，(c)为MSRCR的输出结果，(d)为仅在L*a*b*色彩空间中L*分量使用CLAHE的输出结果，(e)为仅在HSV色彩空间中V分量使用双伽马校正的输出结果，(f)为本发明的输出结果。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种非均匀照明彩色图像增强方法流程图如图1所示，采用CLAHE对L*通道图像进行处理以提高图像对比度，利用双伽马校正函数对HSV色彩空间中V通道的亮度进行调整，双伽马校正可以很好地提高图像亮度，丰富暗部区域细节信息，并抑制住图像中较亮区域的增强，防止出现过度增强。使用一种自适应拉伸函数对HSV色彩空间的S分量进行拉伸，以提高图像饱和度，增强非均匀照明彩色图像，包括如下步骤：
S1、输入并读取低照度条件下的非均匀照明彩色图像I，具体实现为：利用matlab中的函数imread读取输入的原始彩色图像；
S2、将RGB彩色图像I转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*，从RGB色彩空间到L*a*b*色彩空间之间没有简单的转换公式，RGB色彩空间需要先转为CIEXYZ色彩空间，然后再由CIEXYZ色彩空间转为CIE L*a*b*色彩空间，具体转换步骤为：
S21、将RGB色彩空间转换到CIEXYZ色彩空间，具体实施时使用的转换公式如下所示：
其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。
S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，具体实施时使用的转换公式如下所示：
其中，L*、a*、b*分别为CIE L*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。
S3、采用对比度受限直方图均衡方法(CLAHE)对L*a*b*色彩空间的L*分量处理得到对比度增强的亮度分量L1*，具体实现为：利用matlab中的函数adapthisteq将图像L*灰度化进行限制对比度直方图均衡化；
S4、将亮度分量L1*和色度分量a*、b*组合得到L*a*b*色彩空间图像，并转换回RGB彩色图像I1，从L*a*b*色彩空间重新反转换回RGB色彩空间的具体步骤为：
S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，具体实施时使用的转换公式如下所示：
这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f-1(t)，表达形式为：
S42、CIEXYZ色彩空间转换到RGB色彩空间，得到RGB彩色图像I1，具体实施时使用的转换公式如下所示：
其中，分别为转换之后RGB图像中R分量、G分量、B分量的值；
S5、将图像I1从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V，具体实施时将彩色图像I1转换成HSV色彩空间使用的转换公式如下所示：
其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。
S6、对HSV色彩空间的V分量进行双伽马校正处理得到亮度调整的V1分量；
具体地，按照如下公式对亮度分量V进行双伽马校正：
其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，本发明取γ＝2.5。Ga(x)是一个凸函数，用于增强暗区域，Gb(x)是一个凹函数，用于抑制图像的亮区域，G(x)为灰度图像归一化之后像素值为x的灰度值经过伽马校正后得到的增强图像的灰度值。
双伽马函数曲线变化参见图2，通过双伽马校正函数调节，可使暗区域增强与亮区域抑制之间保持平衡，对所述非均匀照明彩色图像进行处理时，包括以下步骤：
S61、对亮度分量V图像进行归一化处理，将其像素值范围调整到[0，1]之间。
S62、使用双伽马调整函数G(x)进行对V通道进行图像增强。
S63、将其像素值范围调整到[0，255]之间，得到初步增强分量图像V1。
S7、使用一种自适应非线性拉伸函数对HSV色彩空间的S分量拉伸得到饱和度增强的S1分量，本发明所构建的自适应非线性拉伸函数定义为：
式中，S为非线性拉伸前图像饱和度，S1为非线性拉伸后图像饱和度，和分别为步骤S42所得RGB色彩空间对应像素点的颜色分量的最大值、最小值和平均值。
S8、将亮度分量V1、饱和度分量S1和色调分量H组合得到HSV彩色图像，并进行反变换回RGB彩色图像，具体实施时使用的变换公式如下所示：
式中，C是色度，X是具有这种颜色的第二大成分的中间值。
S9、最后获得经过增强后的彩色图像Iout；
在本发明的一种实施例中，从大量非均匀照明彩色图像中选取一个场景来进行实验，图像大小为670×439，可验证本发明的适用性。原始图像的可观测性比较差，采用本发明方法对彩色图像进行增强处理，并与有代表性的对比度增强方法如直方图均衡化(HE)、带彩色恢复的多尺度Retinex算法(MSRCR)，仅在HSV色彩空间的V通道使用双伽马校正方法和仅在L*a*b*色彩空间的L*通道使用限制对比度的自适应直方图均衡方法(CLAHE)进行增强效果对比，对比结果如图3所示。
图像由明亮的柱子和黑暗的树木组成，在这个图像中，有一些黑暗区域，特别是在树木上仍有待增强。从增强结果图像可以看出，传统直方图均衡(HE)能够有效提高图像整体对比度及亮度，但是在白色柱子处存在亮度过度增强问题，这样会导致图像高亮度区域的扩散，过度增强区域细节不清晰。MSRCR方法处理结果显示图像整体对比度较低，不利于观察图像细节。图3(d)中对比度明显提高，但其暗部细节如树木处增强效果不明显，图3(e)图像整体亮度提高，但对比度和饱和度不高。本发明所提出的方法能够有效提高图像整体对比度、亮度和饱和度，既增强了背景细节，又对柱子没有过度增强而导致细节丢失，增强效果更好，观看舒适度更高。
为了对本发明提出的方法在处理彩色图像方面进行有效的客观量化评价，分别采用平均梯度(Mean Gradient)、灰度均值(Gray mean value)、熵(Entropy)三种评价指标对实验结果进行评估。
平均梯度(Mean Gradient)反映了图像的清晰度和纹理变化，值越大说明图像越清晰，平均梯度值采用下面公式计算：
其中，M×N为图像大小，表示水平方向梯度，为垂直方向梯度。
灰度均值(Gray mean value)反映了图像的平均亮度，值越大说明图像亮度越大。
熵(Entropy)可以衡量图像所携带的信息量，图像的熵值越大，代表图像所含的信息量越大、细节越丰富，熵值采用下面公式计算：
其中，p(i)为某个灰度值(i)在该图像中出现的概率。
在本发明的一种实施例中，分别采用指标Mean Gradient(MG)、Entropy和Graymean value评价本发明提出方法和参与对比的算法对图像增强处理的效果，结果见表1。
表1 不同增强方法对测试图像的Mean Gradient、Entropy和Gray mean value值定量比较
经过各种方法处理后，HE、CLAHE及本文方法平均梯度(MG)的值明显大于其他方法，图像相对清晰，HE方法会对高亮度区域过度增强，影响高亮度区域细节观察，因此熵值(Entropy)较低。CLAHE处理L*通道图像更清晰，对比度增加，这正是本发明选取CLAHE方法增强亮度通道的原因，但是暗处细节增强不明显，需要提高图像亮度。由表1可知通过双伽马校正增强图像之后亮度得到很大改善，此外本发明方法和在L*通道使用CLAHE方法处理图像熵的值均高于其他方法，说明校正后图像中所包含的信息量进一步变大，进而可以从中提取到更多的信息，但是由主观评价可得出结论，仅在L*通道使用CLAHE方法处理图像，视觉效果不佳，因此整体而言本发明所提出的图像增强方法增强效果明显优于其他方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种非均匀照明彩色图像增强方法，其特征在于，采用CLAHE对L*通道图像进行处理以提高图像对比度；利用双伽马校正函数调整HSV色彩空间中V通道的亮度，从而提高图像亮度，丰富暗部区域细节信息，并抑制住图像中较亮区域的增强，防止出现过度增强；使用一种自适应拉伸函数拉伸HSV色彩空间的S分量，以提高图像饱和度；其步骤如下：
S1、读入图像；
S2、将RGB彩色图像转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*；
S3、采用CLAHE对L*a*b*色彩空间的L*分量处理、增强图像对比度；
S4、对上述经过处理后的L*a*b*色彩分量进行反转换至RGB色彩空间；
S5、将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；
S6、对HSV色彩空间的V分量进行双伽马校正处理、增强图像亮度；
S7、对HSV色彩空间的S分量进行自适应非线性拉伸、增强图像饱和度；
S8、对上述经过处理后的HSV色彩分量进行组合，并将图像反变换至RGB色彩空间；
S9、最后获得经过增强后的彩色图像。
2.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S1中的输入图像为非均匀照明彩色图像。
3.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S2中RGB彩色图像到L*a*b*色彩空间的转换过程为：
S21、将RGB色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。
S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，使用的转换公式如下所示：
其中，L*、a*、b*分别为CIE L*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。
4.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S3选用对比度受限直方图均衡方法(CLAHE)提高分量L*的对比度，处理结果用L1*表示。
5.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S4中经过步骤S3处理后的亮度分量L1*和色度分量a*、b*组合，并重新反转换为RGB色彩空间，包括以下步骤：
S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f-1(t)，表达形式为：
S42、CIEXYZ色彩空间转换到RGB色彩空间，使用的转换公式如下所示：
其中，分别为转换之后RGB图像中R分量、G分量、B分量的值。
6.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S5中将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，使用的转换公式如下所示：
其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。
7.根据权利要求1所述的非切匀照明彩色图像增强方法，其特征在于，所述步骤S6中使用双伽马校正对V分量进行处理，处理结果用V1表示，其中双伽马校正实现方法为：Ga(x)＝x1/γ、Gb(x)＝1-(1-x)1/γ、G(x)＝(Ga(x)+Gb(x))/2，其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，一般取γ＝2.5，Ga(x)是一个凸函数，用于增强暗区域，Gb(x)是一个凹函数，用于抑制图像的亮区域，最终校正函数G(x)是由Ga(x)和Gb(x)共同取值得到的，G(x)为灰度图像中像素值为x的灰度值经过双伽马校正后得到的增强图像的灰度值。
8.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S7中使用一种自适应非线性拉伸函数对饱和度分量S进行拉伸，得到增强的饱和度分量，处理结果用S1表示，所使用的自适应非线性拉伸函数为：
式中，S为非线性拉伸前图像饱和度，S1为非线性拉伸后图像饱和度，和分别为步骤S42所得RGB色彩空间对应像素点的颜色分量的最大值、最小值和平均值。
9.根据权利要求1所述的非均匀照明彩色图像增强方法，其特征在于，所述步骤S8中将经过步骤S6处理后的亮度分量V1、步骤S7处理后的饱和度分量S1和色调分量H组合，并重新变换回RGB色彩空间，使用的变换公式如下所示：
式中，C是色度，X是具有这种颜色的第二大成分的中间值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910331738.9A CN110047051B (zh) | 2019-04-24 | 2019-04-24 | 一种非均匀照明彩色图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910331738.9A CN110047051B (zh) | 2019-04-24 | 2019-04-24 | 一种非均匀照明彩色图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110047051A true CN110047051A (zh) | 2019-07-23 |
| CN110047051B CN110047051B (zh) | 2022-09-13 |
Family
ID=67278856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910331738.9A Active CN110047051B (zh) | 2019-04-24 | 2019-04-24 | 一种非均匀照明彩色图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110047051B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378859A (zh) * | 2019-07-29 | 2019-10-25 | 西南科技大学 | 一种新的高动态范围图像生成方法 |
| CN110706172A (zh) * | 2019-09-27 | 2020-01-17 | 郑州轻工业学院 | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 |
| CN111161168A (zh) * | 2019-12-17 | 2020-05-15 | 华侨大学 | 一种图像饱和度非线性增强方法 |
| CN112053309A (zh) * | 2020-10-24 | 2020-12-08 | 北方民族大学 | 一种图像增强方法及图像增强装置 |
| CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
| CN112308793A (zh) * | 2020-10-21 | 2021-02-02 | 淮阴工学院 | 一种新型的非均匀光照图像对比度和细节增强方法 |
| CN112348754A (zh) * | 2020-10-30 | 2021-02-09 | 南京邮电大学 | 一种低照度彩色图像增强方法及装置 |
| CN112541869A (zh) * | 2020-12-07 | 2021-03-23 | 南京工程学院 | 一种基于matlab实现的Retinex图像去雾方法 |
| CN112561829A (zh) * | 2020-12-23 | 2021-03-26 | 西北工业大学 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
| CN112598607A (zh) * | 2021-01-06 | 2021-04-02 | 安徽大学 | 基于改进加权clahe的内窥镜图像血管增强算法 |
| CN113256533A (zh) * | 2021-06-15 | 2021-08-13 | 北方民族大学 | 基于msrcr的自适应低照度图像增强方法及系统 |
| CN113298737A (zh) * | 2021-07-09 | 2021-08-24 | 青岛海泰新光科技股份有限公司 | 一种内窥镜图像增强算法 |
| CN113870141A (zh) * | 2021-10-08 | 2021-12-31 | 成都医学院 | 一种彩色眼底图像增强方法 |
| CN113989137A (zh) * | 2021-10-21 | 2022-01-28 | 武汉博视电子有限公司 | 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 |
| CN115330607A (zh) * | 2022-07-11 | 2022-11-11 | 内蒙古工业大学 | 彩色图像的饱和度增强方法 |
| CN116611713A (zh) * | 2023-07-21 | 2023-08-18 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、系统、终端设备及存储介质 |
| CN117315053A (zh) * | 2023-11-28 | 2023-12-29 | 国网山东省电力公司淄博供电公司 | 一种老旧设备拍摄图像视觉效果改进方法 |
| CN118212236A (zh) * | 2024-05-21 | 2024-06-18 | 山东新美达科技材料有限公司 | 一种彩色涂层钢板表面图像处理方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080101719A1 (en) * | 2006-10-30 | 2008-05-01 | Samsung Electronics Co., Ltd. | Image enhancement method and system |
| CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
| US20160335750A1 (en) * | 2013-12-07 | 2016-11-17 | Razzor Technologies Inc. | Adaptive contrast in image processing and display |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
| CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
| CN109658343A (zh) * | 2018-11-05 | 2019-04-19 | 天津大学 | 结合颜色转换和自适应曝光的水下图像增强方法 |
-
2019
- 2019-04-24 CN CN201910331738.9A patent/CN110047051B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080101719A1 (en) * | 2006-10-30 | 2008-05-01 | Samsung Electronics Co., Ltd. | Image enhancement method and system |
| US20160335750A1 (en) * | 2013-12-07 | 2016-11-17 | Razzor Technologies Inc. | Adaptive contrast in image processing and display |
| CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
| CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
| CN109658343A (zh) * | 2018-11-05 | 2019-04-19 | 天津大学 | 结合颜色转换和自适应曝光的水下图像增强方法 |
Non-Patent Citations (3)
| Title |
|---|
| 智宁等: "基于双伽马函数的煤矿井下低亮度图像增强算法", 《辽宁工程技术大学学报(自然科学版)》 * |
| 王殿伟等: "基于光照-反射成像模型和形态学操作的多谱段图像增强算法", 《物理学报》 * |
| 程新等: "图像通信中一种低照度彩色图像增强算法", 《电子器件》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378859B (zh) * | 2019-07-29 | 2022-03-11 | 西南科技大学 | 一种新的高动态范围图像生成方法 |
| CN110378859A (zh) * | 2019-07-29 | 2019-10-25 | 西南科技大学 | 一种新的高动态范围图像生成方法 |
| CN110706172A (zh) * | 2019-09-27 | 2020-01-17 | 郑州轻工业学院 | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 |
| CN110706172B (zh) * | 2019-09-27 | 2023-03-24 | 郑州轻工业学院 | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 |
| CN111161168A (zh) * | 2019-12-17 | 2020-05-15 | 华侨大学 | 一种图像饱和度非线性增强方法 |
| CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
| CN112308793A (zh) * | 2020-10-21 | 2021-02-02 | 淮阴工学院 | 一种新型的非均匀光照图像对比度和细节增强方法 |
| CN112053309A (zh) * | 2020-10-24 | 2020-12-08 | 北方民族大学 | 一种图像增强方法及图像增强装置 |
| CN112348754A (zh) * | 2020-10-30 | 2021-02-09 | 南京邮电大学 | 一种低照度彩色图像增强方法及装置 |
| CN112348754B (zh) * | 2020-10-30 | 2022-08-16 | 南京邮电大学 | 一种低照度彩色图像增强方法及装置 |
| CN112541869A (zh) * | 2020-12-07 | 2021-03-23 | 南京工程学院 | 一种基于matlab实现的Retinex图像去雾方法 |
| CN112561829A (zh) * | 2020-12-23 | 2021-03-26 | 西北工业大学 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
| CN112561829B (zh) * | 2020-12-23 | 2024-01-12 | 西北工业大学 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
| CN112598607B (zh) * | 2021-01-06 | 2022-11-18 | 安徽大学 | 基于改进加权clahe的内窥镜图像血管增强算法 |
| CN112598607A (zh) * | 2021-01-06 | 2021-04-02 | 安徽大学 | 基于改进加权clahe的内窥镜图像血管增强算法 |
| CN113256533A (zh) * | 2021-06-15 | 2021-08-13 | 北方民族大学 | 基于msrcr的自适应低照度图像增强方法及系统 |
| CN113298737A (zh) * | 2021-07-09 | 2021-08-24 | 青岛海泰新光科技股份有限公司 | 一种内窥镜图像增强算法 |
| CN113870141A (zh) * | 2021-10-08 | 2021-12-31 | 成都医学院 | 一种彩色眼底图像增强方法 |
| CN113989137B (zh) * | 2021-10-21 | 2024-07-26 | 武汉博视电子有限公司 | 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 |
| CN113989137A (zh) * | 2021-10-21 | 2022-01-28 | 武汉博视电子有限公司 | 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 |
| CN115330607B (zh) * | 2022-07-11 | 2024-03-01 | 内蒙古工业大学 | 彩色图像的饱和度增强方法 |
| CN115330607A (zh) * | 2022-07-11 | 2022-11-11 | 内蒙古工业大学 | 彩色图像的饱和度增强方法 |
| CN116611713B (zh) * | 2023-07-21 | 2024-02-27 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、系统、终端设备及存储介质 |
| CN116611713A (zh) * | 2023-07-21 | 2023-08-18 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、系统、终端设备及存储介质 |
| CN117315053A (zh) * | 2023-11-28 | 2023-12-29 | 国网山东省电力公司淄博供电公司 | 一种老旧设备拍摄图像视觉效果改进方法 |
| CN117315053B (zh) * | 2023-11-28 | 2024-03-22 | 国网山东省电力公司淄博供电公司 | 一种老旧设备拍摄图像视觉效果改进方法 |
| CN118212236A (zh) * | 2024-05-21 | 2024-06-18 | 山东新美达科技材料有限公司 | 一种彩色涂层钢板表面图像处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110047051B (zh) | 2022-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110047051B (zh) | 一种非均匀照明彩色图像增强方法 | |
| Veluchamy et al. | Image contrast and color enhancement using adaptive gamma correction and histogram equalization | |
| CN107038680B (zh) | 自适应光照的美颜方法及系统 | |
| CN107154059B (zh) | 一种高动态范围视频处理方法 | |
| CN110706172B (zh) | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 | |
| CN104408752B (zh) | 一种基于混合色调映射算法的高动态范围图像压缩方法 | |
| CN103593830B (zh) | 一种低照度视频图像增强方法 | |
| CN109447910A (zh) | 一种基于模糊理论的低照度彩色图像增强方法 | |
| CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
| CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
| CN110378859A (zh) | 一种新的高动态范围图像生成方法 | |
| CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
| CN109146826A (zh) | 一种图像增强方法及装置 | |
| WO2013185449A1 (zh) | 图像增强方法、图像增强装置和显示装置 | |
| WO2004098167A3 (en) | A system and process for generating high dynamic range video | |
| CN103714520A (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
| CN111105359B (zh) | 一种高动态范围图像的色调映射方法 | |
| CN1320324A (zh) | 数字图像轮廓增强方法和装置 | |
| CN109035175A (zh) | 基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法 | |
| CN109785275A (zh) | 一种图像的色调映射方法及设备 | |
| CN105184757A (zh) | 基于颜色空间特点的食物图像色彩增强方法 | |
| CN104463806B (zh) | 基于数据驱动技术的高度自适应图像对比度增强方法 | |
| CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
| CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
| CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
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 |