CN110211070B - 一种基于局部极值的低照度彩色图像增强方法 - Google Patents

Abstract

本发明公开了一种基于局部极值的低照度彩色图像增强方法，涉及彩色图像增强方法领域；其包括步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；步骤3：根据照度分量L从灰度图像I中分离出反射分量R；步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像；本发明利用核逐渐增大的局部极值滤波器对灰度图像进行迭代滤波，解决现有方法导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题，提高增强后的图像颜色保真度、暗区细节的清晰度和细节信息丰富度。

Description

一种基于局部极值的低照度彩色图像增强方法

技术领域

本发明涉及彩色图像增强方法领域，尤其是一种基于局部极值的低照度彩色图像增强方法。

背景技术

随着计算机视觉、数字图像处理技术的快速发展，成像系统与监控设备每天都需要拍摄大量的图像信息。然而，在室内、夜间等光照不均匀的条件下，拍摄到的图像质量会严重恶化，具体有以下两方面：一是图像呈现大量暗区，暗区内容模糊不清，细节大量丢失；二是在人工光源下，图像会出现部分高亮区，使得图像整体亮度不均，质量严重下降。图像增强技术就是按照特定的需求处理图像，突出图像中的某些信息，同时删除或削弱某些不需要的信息，使得其在的特定应用上比原图更加适用。

为了突出低照度图像中的某些特定信息，学者们提出了众多的图像增强算法。早期低照度彩色图像增强方法的典型代表就是直方图均衡化。通过调整原始图像的直方图，使增强后图像的直方图分布均匀，就可以有效地再现暗区细节。这种方法的优点是计算速度快、容易实现，但是容易导致图像出现过增强现象，针对这些缺点，后来人们又提出了自适应直方图均衡化、局部直方图均衡化、阈值直方图均衡化等方法。Retinex理论是一种基于人类视觉系统的图像增强方法，是目前图像增强领域中一个重要的分支。该理论将图像分解为入射分量和反射分量，通过单独对入射分量或者反射分量进行操作，从而达到图像增强的效果。随着Retinex理论的提出，大量研究对该理论进行了各种各样的扩展，其中最具有代表性的是单尺度Retinex算法、多尺度Retinex算法和带色彩恢复因子的多尺度Retinex算法。基于Retinex理论的图像增强算法可以取得较好的增强效果，但是由于将原始图像分解为入射分量和反射分量，若分解不合理，可能会导致增强后的结果出现光晕和梯度反转等现象，严重影响人眼观感和计算机视觉处理结果。

因此，亟需一种彩色图像增强方法可以克服以上问题。

发明内容

本发明的目的在于：本发明提供了一种基于局部极值的低照度彩色图像增强方法,解决现有方法对照度图像估计不准确导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题。

本发明采用的技术方案如下：

一种基于局部极值的低照度彩色图像增强方法，包括如下步骤：

步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；

步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；

步骤3：根据照度分量L从灰度图像I中分离出反射分量R；

步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像。

优选地，所述步骤2包括如下步骤：

步骤2.1：构建核为3的局部极值滤波器；

步骤2.2：利用局部极值滤波器对灰度图像进行滤波，求得所有满足条件的极大值和极小值点；

步骤2.3：利用上述极大值点和极小值点进行插值，恢复图像；

步骤2.4：将由极大值点和极小值点恢复出的图像进行相加、取平均值，得到第一次滤波的结果s₁；

步骤2.5：将s₁作为新的灰度图像，局部极值滤波器的核设置为7，重复步骤2.2-2.4，得到第二次的滤波结果s₂；

步骤2.6：将s₂作为新的灰度图像，取局部极值滤波器的核设置为11，重复步骤2.2-2.4，得到第三次的滤波结果s₃；将s₃作为照度分量L。

优选地，所述步骤2.2中求得所有满足条件的极大值和极小值点的细节如下：

1)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素大于p，则p点标记为极大值；

2)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素小于p，则p点标记为极小值；

其中，k*k表示滤波器的大小。

优选地，所述步骤2.3包括如下步骤：

步骤2.3.1：构建最优化函数：

其中，用r和s来表示两个相邻的像素，I表示灰度图像，E表示由极值点恢复得出的灰度图像，I(r)和I(s)表示原灰度图像在r和s处的灰度值，E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值，

是原灰度图像在像素r附近的局部方差，w_rs是由像素点r周围的局部方差

计算得出的权重；

步骤2.3.2：最小化J(E)获取插值恢复出的图像。

优选地，所述步骤3分离采用如下公式：

优选地，所述步骤4包括如下步骤：

步骤4.1：对照度分量L进行伽马变换，再将其和反射分量R进行重构得到重构图像I′：

步骤4.2：最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间，得到增强图像S'：

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1.本发明通过使用局部极值滤波器，有效地滤掉图像中的纹理信息，保持其局部平滑性，同时完整地保留了图像的边界，避免增强后的图像出现光晕现象，并且亮度和对比度均有明显的提升；

2.本发明将滤波器输出结果作为图像照度用于图像增强，使得估计出的照度图像更接近于真实场景中光照的分布情况，有效地提升了增强结果的亮度，并且使增强后的图像的明暗关系与原始图像基本保持一致；

3.本发明重构时，照度处理使用伽马变换，拉伸了对比度，有效改变图像的直方图分布，使像素分布更均匀，更加利于提高增强效果；

4.本发明利用局部极值滤波器时逐渐增大滤波器的核对图像进行迭代滤波，比起直接使用较大核的滤波器，可以滤掉图像中最微小的纹理信息，从而使图像显示出更多的细节信息。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明的流程图；

图2为一幅低质彩色原始图像；

图3为由图1计算出的Y通道灰度图像；

图4为本发明由图3计算出的照度图像；

图5为本发明由图3和图4计算出的反射图像；

图6为本发明由图4和图5得到的增强后的图像；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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，即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

说明：为符号专利法规定，将图片色彩进行去色处理，去色后的效果依然明显；若需要，后期可提供彩色图片。

以下结合实施例对本发明的特征和性能作进一步的详细描述。

实施例1

现有方法存在对照度图像估计不准确，导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题；因此本申请提出一种低照度彩色图像增强方法克服以上问题，细节如下：

一种基于局部极值的低照度彩色图像增强方法，包括如下步骤：

步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；

步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；

步骤3：根据照度分量L从灰度图像I中分离出反射分量R；

步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像。

本发明利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量克服上述现有方法存在的问题，使用有效地滤掉图像中的纹理信息，保持其局部平滑性，同时完整地保留了图像的边界的局部极值滤波器，避免现有方法容易导致高亮度区域细节丢失、低亮度区域对比度增强不够的问题，局部极值滤波器的核逐渐增大，可以滤掉图像中最微小的纹理信息，从而使图像显示出更多的细节信息；将局部极值滤波器的输出结果从滤波平滑领域应用至图像增强领域，将滤波器输出结果作为图像照度，考虑如何进行照度处理、图像转换和如何优化图像细节等问题，提升增强效果。

实施例2

基于实施例1，细化本方法中考虑如何进行照度处理、图像转换和如何优化图像细节等问题，细节如下：

如图2-6所示，步骤1包括如下步骤：

步骤1.1：获取原始彩色图像S∈R^m×n，m×n表示原始彩色图像S的长和宽；

步骤1.2：将原始彩色图像由RGB空间转换到YUV空间，提取强度通道Y作为灰度图像I。

步骤2包括如下步骤：

步骤2.1：构建核为3的局部极值滤波器；

步骤2.2：利用局部极值滤波器灰度图像I进行滤波，求得所有满足条件的极大值和极小值点；

步骤2.2中求得所有满足条件的极大值和极小值点的细节如下：

1)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素大于p，则p点标记为极大值；

2)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素小于p，则p点标记为极小值；

其中，k*k表示滤波器的大小。

步骤2.3：利用上述极大值点和极小值点进行插值，恢复图像；

步骤2.3包括如下步骤：

步骤2.3.1：构建最优化函数：

其中，用r和s来表示两个相邻的像素，I表示灰度图像，E表示由极值点恢复得出的灰度图像，I(r)和I(s)表示原灰度图像在r和s处的灰度值，E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值，

是原灰度图像在像素r附近的局部方差，w_rs是由像素点r周围的局部方差

计算得出的权重；

步骤2.3.2：最小化J(E)获取插值恢复出的图像。

步骤2.4：将由极大值点和极小值点恢复出的图像进行相加、取平均值，得到第一次滤波的结果s₁；

步骤2.5：将s₁作为输入灰度图像I，局部极值滤波器的核设置为7，重复步骤2.2-2.4，得到第二次的滤波结果s₂；

步骤2.6：将s₂作为输入灰度图像I，取局部极值滤波器的核设置为11，重复步骤2.2-2.4，得到第三次的滤波结果s₃；将s₃作为照度分量L。

步骤3：根据照度分量L从灰度图像I中分离出反射分量R；

步骤3分离采用如下公式：

步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像。

步骤4包括如下步骤：

步骤4.1：对照度分量L进行伽马变换，再将其和反射分量R进行重构得到重构图像I′：

步骤4.2：最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间，得到增强图像S'；

将滤波器输出结果作为图像照度用于图像增强，使得估计出的照度图像更接近于真实场景中光照的分布情况，有效地提升了增强结果的亮度，并且使增强后的图像的明暗关系与原始图像基本保持一致；

重构时，照度处理使用伽马变换，拉伸了对比度，有效改变图像的直方图分布，使像素分布更均匀，更加利于提高增强效果；

图像增强处理对象为灰度图像，将图像从RGB空间转换到YUV空间，利于快速获取灰度图像；

通过使用局部极值滤波器，有效地滤掉图像中的纹理信息，保持其局部平滑性，同时完整地保留了图像的边界，避免增强后的图像出现光晕现象，并且亮度和对比度均有明显的提升；逐渐增大滤波器的核对图像进行迭代滤波，比起直接使用较大核的滤波器，可以滤掉图像中最微小的纹理信息，从而使图像显示出更多的细节信息。

综上，本发明解决现有方法对照度图像估计不准确导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题，如图2和图6所示，本方法增强后的图像，门上的框架、栏杆上的木质纹路、窗户上的倒影等，对比度都有非常明显的提升，图像的整体亮度有所上升，同时，其明暗关系并没有改变；增强后的图像相比原图像有更高的颜色保真度，无论是暗区细节的清晰度，还是图像信息的丰富程度，都有显著地提升。

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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于局部极值的低照度彩色图像增强方法，其特征在于：包括如下步骤：

步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；

步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；

步骤3：根据照度分量L从灰度图像I中分离出反射分量R；

步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像；

所述步骤2包括如下步骤：

步骤2.1：构建核为3的局部极值滤波器；

步骤2.2：利用局部极值滤波器对灰度图像进行滤波，求得所有满足条件的极大值和极小值点；

步骤2.3：利用上述极大值点和极小值点进行插值，恢复图像；

步骤2.4：将由极大值点和极小值点恢复出的图像进行相加、取平均值，得到第一次滤波的结果s₁；

步骤2.5：将s₁作为新的灰度图像，局部极值滤波器的核设置为7，重复步骤2.2-2.4，得到第二次的滤波结果s₂；

步骤2.6：将s₂作为新的灰度图像，取局部极值滤波器的核设置为11，重复步骤2.2-2.4，得到第三次的滤波结果s₃；将s₃作为照度分量L。

2.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法，其特征在于：所述步骤2.2中求得所有满足条件的极大值和极小值点的细节如下：

1)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素大于p，则p点标记为极大值；

2)在以像素p为中心的k*k的邻域中，如果最多有k-1个元素小于p，则p点标记为极小值；

其中，k*k表示滤波器的大小。

3.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法，其特征在于：所述步骤2.3包括如下步骤：

步骤2.3.1：构建最优化函数：

其中，用r和s来表示两个相邻的像素，I表示灰度图像，E表示由极值点恢复得出的灰度图像，I(r)和I(s)表示原灰度图像在r和s处的灰度值，E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值，

是原灰度图像在像素r附近的局部方差，w_rs是由像素点r周围的局部方差

计算得出的权重；

步骤2.3.2：最小化J(E)获取插值恢复出的图像。

4.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法，其特征在于：所述步骤3分离采用如下公式：

5.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法，其特征在于：所述步骤4包括如下步骤：

步骤4.1：对照度分量L进行伽马变换，再将其和反射分量R进行重构得到重构图像I′：

步骤4.2：最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间，得到增强图像S'：

Images