CN110276729B - 一种低照度彩色图像的增强方法 - Google Patents

一种低照度彩色图像的增强方法 Download PDF

Info

Publication number
CN110276729B
CN110276729B CN201910495608.9A CN201910495608A CN110276729B CN 110276729 B CN110276729 B CN 110276729B CN 201910495608 A CN201910495608 A CN 201910495608A CN 110276729 B CN110276729 B CN 110276729B
Authority
CN
China
Prior art keywords
low
frequency
image
component
illumination
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.)
Active
Application number
CN201910495608.9A
Other languages
English (en)
Other versions
CN110276729A (zh
Inventor
张江鑫
杨惠
李若玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910495608.9A priority Critical patent/CN110276729B/zh
Publication of CN110276729A publication Critical patent/CN110276729A/zh
Application granted granted Critical
Publication of CN110276729B publication Critical patent/CN110276729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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

一种低照度彩色图像的增强方法，包括以下步骤：S1：输入低照度图像；S2：对输入图像进行颜色分离，得到R、G、B三个分量图像；S3：对三个分量图像进行同态高频滤波和同态低频滤波，分别得到各分量的高低频图像；S4：对各分量低频图像进行线性伸缩变换；S5：对各分量的高频图像进行多尺度Retinex算法处理；S6：将各分量处理后的高频图像与低频图像进行合并；S7：合并三个分量图像，得到增强后的低照度彩色图像。本发明针对低照度彩色图像进行增强，使得增强后的图像细节更清晰，对比度更高，具有更好的视觉效果。

Description

一种低照度彩色图像的增强方法
技术领域
本发明涉及图像处理领域中的图像增强技术，特别是涉及一种低照度彩色图像的增强方法。
背景技术
随着计算机技术和ARM技术的迅速发展，图像处理受到航空航天、军事、生物医学及人工智能等许多应用领域的广泛应用。图像增强为图像处理提供了关键一步。而对于黑暗环境下的图片，很多未知的内容无法显现，这将导致重要信息丢失。如在夜晚、黑暗等低照度情况下，视频监控拍摄的交通情况、日常彩色图像处理、船舶、夜晚犯罪分子的图像、矿井图像等领域，因此，对于低照度图像增强方法的研究极具价值。
同态滤波与Retinex算法是图像增强领域中比较重要处理方法。同态滤波算法把图像分为照射图像和反射图像，照射分量对应低频部分，也即图像细节部分，反射分量对应高频部分，也即图像边缘部分。对低频成分进行压制，这样就降低了图像的动态范围；而对高频部分进行提高，这样就增加了对比度。Retinex算法本质也是把图像分为反射分量和照射分量之和，再把照射分量去除掉，得到反射分量，多尺度Retinex算法对于低照度图像的局部色彩会出现失真。同态滤波算法对于低照度图像的视觉效果不佳等问题。
发明内容
为了增强低照度图像对比度、视觉效果来解决在低照度或夜晚道路交通视频监控、日常彩色图像处理、船舶、夜晚犯罪分子图像、矿井图像等的特殊背景下的图像，本发明利用多尺度Retinex算法和同态高低频滤波算法，提出一种低照度彩色图像的增强方法，对低照度图像进行处理，从而为夜晚、黑暗等低照明度图像中提取重要信息做出关键重要的一步。
本发明解决其技术问题所采用的技术方案如下：
一种低照度彩色图像的增强方法，包括以下步骤：
S1:输入低照度图像f(x)；
S2:对输入图像进行颜色分离，分别得到R、G、B三个分量的图像；
S3:对三个分量的图像进行同态高频滤波和同态低频滤波，分别得到各个分量的高低频图像，共六幅，其中高频同态滤波函数表达式为：
HH(i,j)＝1/(1+D(i,j)^(-t))
低频同态滤波函数表达式为：
Figure BDA0002088468750000021
其中t为调节参数，D0表示截止频率，D(i,j)表示点(i,j)到滤波中心(i0,j0)的距离，
Figure BDA0002088468750000022
S4:对S3处理后的各分量的低频图像进行线性伸缩变换；
S5:对S3处理后的各分量的高频图像进行多尺度Retinex算法处理；
S6:将S4、S5处理后的各分量的高频图像与低频图像进行合并；
S7:合并S6处理后的三分量图像，得到增强后的低照度彩色图像。
进一步，所述步骤S3中，调节参数t控制高频阻带变换率，取值范围选取在(0-0.01]之间，截止频率D0控制低频截止频率，取值范围选取在[5-20]之间，通过调节参数，可获得理想的滤波效果，如设调节参数t＝0.001；截止频率D0＝10。
再进一步，所述步骤S4中，线性伸缩变换参数p的取值范围选取在(0-5]之间，夜间黑暗、整体较低的低照度图像下，p取值一般在(0-3]之间；低照度图像下，p取值一般在[3-5]之间。如本发明设线性伸缩变换的参数p＝1.3；
更进一步，所述步骤S5中，其中多尺度Retinex算法表达式为：
Figure BDA0002088468750000023
其中R(x,y)是输出图像，S(x,y)是输入图像，*代表卷积，F(x,y)是高斯核函数；k表示使用的尺度数目，k＝1，2，3；Wk表示尺度的权重因子，取W1＝W2＝W3＝1/3，高斯核函数F(x,y)的表达式为：
Figure BDA0002088468750000024
其中，σk是尺度常量，小、中、大三个尺度分别为：σ1＝100，σ2＝200，σ3＝300；∫∫F(x,y)＝1。
本发明的有益效果如下：首先进行颜色分离；通过同态高频滤波和低频滤波，将图像分为高频图像和低频图像；对低频图像进行线性伸缩变换；对高频图像进行多尺度Retinex算法，将处理后的各分量高频图像与低频图像合并，最终三分量图像总体合并，从而获得增强后的低照度彩色图像。本发明增强低照度图像明显，且即保留了图像细节，又增强了边缘成分，得到的图像效果佳，对比度强、细节清晰，具有实用性。
附图说明
图1为低照度彩色图像的增强方法的流程图；
图2为本发明分量图像处理的流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1和图2，一种低照度彩色图像的增强方法，包括以下步骤：
S1:输入低照度图像f(x)；
S2:对输入图像进行颜色分离，分别得到R、G、B三个分量图像；
S3:分别对三个分量的图像采用同态高频滤波和同态低通滤波，分别得到各分量的高低频图像，其中高频同态滤波函数表达式为：
HH(i,j)＝1/(1+D(i,j)^(-t))
低频同态滤波函数表达式为：
Figure BDA0002088468750000031
其中t为调节参数，D0表示截止频率，D(i,j)表示点(i,j)到滤波中心(i0,j0)的距离，
Figure BDA0002088468750000032
S4:对S3处理后的各分量的低频图像进行线性伸缩变换；
S5:对S3处理后的各分量的高频图像进行多尺度Retinex算法处理；
S6:将S4、S5处理后的各分量的高频图像与低频图像进行合并；
S7:合并S6中处理后的三分量图像，得到增强后的低照度彩色图像。
所述步骤S2中，将低照度图像分解为R、G、B三个颜色分量图像，分别为R(:,:,1)、G(:,:,2)、B(:,:,3)。
所述步骤S3中，经过同态滤波算法处理后，得到RH(:,:,1)、RL(:,:,1)、GH(:,:,
2)、GL(:,:,2)、BH(:,:,3)、BL(:,:,3)共六幅图像。
所述步骤S4，通过线性伸缩变换得到处理后的低频图像RL1(:,:,1)，GL1(:,:,2)，
BL1(:,:,3)；
所述步骤S5，对高频图像RH(:,:,1)、GH(:,:,2)、BH(:,:,3)进行多尺度Retinex算法处理，其Retinex算法表达式为：
Figure BDA0002088468750000041
其中R(x,y)是输出图像，S(x,y)是输入图像，*代表卷积，F(x,y)是高斯核函数，k表示使用的尺度数目，k＝1，2，3；Wk表示尺度的权重因子，取W1＝W2＝W3＝1/3，高斯核函数F(x,y)的表达式为：
Figure BDA0002088468750000042
其中，σk是尺度常量，小、中、大三个尺度分别为：σ1＝100，σ2＝200，σ3＝300；∫∫F(x,y)＝1。
所述步骤S5，高频图像进行多尺度Retinex算法后，得到RH_filt(:,:,1)、GH_filt(:,:,2)、BH_filt(:,:,3)共三幅多尺度Retinex算法的高频图像。
所述步骤S6，将处理后的R分量高频图像RH_filt(:,:,1)与低频图像RL1(:,:,1)进行合并，得到R分量最终图像Rr；
将处理后的G分量高频图像GH_filt(:,:,2)与低频图像GL1(:,:,2)进行合并，得到G分量最终图像Gg；
将处理后的B分量高频图像BH_filt(:,:,3)与低频图像BL1(:,:,3)进行合并，得到B分量最终图像Bb。
所述步骤S7，将处理后的最终R分量图像Rr，G分量最终图像Gg，B分量最终图像Bb，三分量图像进行合并，得到增强后的低照度彩色图像result。
如上所述为本发明在增强低照度彩色图像中的方法介绍，本发明利用同态高低滤波算法，对滤波处理后的低频图像进行线性伸缩变换、高频图像进行多尺度Retinex算法，得到合并后的图像细节清晰，对比度更好，提升了视觉效果。对发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (4)

1.一种低照度彩色图像的增强方法，其特征在于，所述方法包括以下步骤：
S1:输入低照度图像f(x)；
S2:对输入图像进行颜色分离，分别得到R、G、B三个分量的图像；
S3:对三个分量的图像进行同态高频滤波和同态低频滤波，分别得到各个分量的高低频图像，共六幅，其中高频同态滤波函数表达式为：
HH(i,j)＝1/(1+D(i,j)^(-t))
低频同态滤波函数表达式为：
Figure FDA0003251328970000011
其中t为调节参数，D0表示截止频率，D(i,j)表示点(i,j)到滤波中心(i0,j0)的距离，
Figure FDA0003251328970000012
S4:对S3处理后的各分量的低频图像进行线性伸缩变换；
S5:对S3处理后的各分量的高频图像进行多尺度Retinex算法处理；
S6:将S4、S5处理后的各分量的高频图像与低频图像进行合并；
S7:合并S6处理后的三分量图像，得到增强后的低照度彩色图像。
2.如权利要求1所述的一种低照度彩色图像的增强方法，其特征在于，所述步骤S3中，调节参数t控制高频阻带变换率，取值范围选取在(0-0.01]之间，截止频率D0控制低频截止频率，取值范围选取在[5-20]之间，通过调节参数，获得理想的滤波效果。
3.如权利要求1或2所述的一种低照度彩色图像的增强方法，其特征在于，所述步骤S4中，线性伸缩变换参数p的取值范围选取在(0-5]之间，夜间黑暗、整体较低的低照度图像下，p取值在(0-3]之间；低照度图像下，p取值在[3-5]之间。
4.如权利要求1或2所述的一种低照度彩色图像的增强方法，其特征在于，所述步骤S5中，其中多尺度Retinex算法表达式为：
Figure FDA0003251328970000013
其中R(x,y)是输出图像，S(x,y)是输入图像，*代表卷积，F(x,y)是高斯核函数；k表示使用的尺度数目，k＝1，2，3；Wk表示尺度的权重因子，取W1＝W2＝W3＝1/3，高斯核函数F(x,y)的表达式为：
Figure FDA0003251328970000021
其中，σk是尺度常量，小、中、大三个尺度分别为：σ1＝100，σ2＝200，σ3＝300；∫∫F(x,y)＝1。
CN201910495608.9A 2019-06-10 2019-06-10 一种低照度彩色图像的增强方法 Active CN110276729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910495608.9A CN110276729B (zh) 2019-06-10 2019-06-10 一种低照度彩色图像的增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910495608.9A CN110276729B (zh) 2019-06-10 2019-06-10 一种低照度彩色图像的增强方法

Publications (2)

Publication Number Publication Date
CN110276729A CN110276729A (zh) 2019-09-24
CN110276729B true CN110276729B (zh) 2021-12-17

Family

ID=67960539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910495608.9A Active CN110276729B (zh) 2019-06-10 2019-06-10 一种低照度彩色图像的增强方法

Country Status (1)

Country Link
CN (1) CN110276729B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111225278A (zh) * 2020-03-02 2020-06-02 新疆大学 低照度下视频的增强方法及装置
CN111861914B (zh) * 2020-07-07 2023-02-03 天津大学 基于深度神经网络的低照度彩色偏振图像增强方法
CN112613458A (zh) * 2020-12-29 2021-04-06 安徽创世科技股份有限公司 一种人脸识别的图像预处理方法、装置
CN112927164B (zh) * 2021-03-22 2023-04-07 重庆邮电大学 一种基于深度卷积神经网络的无参考低照度图像增强方法
CN113962894A (zh) * 2021-10-29 2022-01-21 北京中恒博瑞数字电力科技有限公司 一种屏幕图像处理方法
CN117237217A (zh) * 2023-09-01 2023-12-15 国网山东省电力公司淄博供电公司 Gis腔体环境中低照度图像增强方法
CN117152182B (zh) * 2023-10-31 2024-02-20 深圳市巨龙创视科技有限公司 一种超低照度网络相机图像处理方法、装置及电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0800169A3 (en) * 1996-04-05 2001-04-11 Fujitsu Limited Information reproducing method and information reproducing/recording method for magneto-optical recording medium and magneto-optical reproducing device
CN102903081A (zh) * 2012-09-07 2013-01-30 西安电子科技大学 基于rgb彩色模型的低光照图像增强方法
CN105718881A (zh) * 2016-01-19 2016-06-29 西安理工大学 基于红外视频灰度图像的零照度环境烟尘监测方法
CN105844601A (zh) * 2016-05-20 2016-08-10 中国矿业大学(北京) 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法
CN106530244A (zh) * 2016-10-26 2017-03-22 长安大学 一种图像增强方法
CN106997584A (zh) * 2017-04-12 2017-08-01 哈尔滨理工大学 一种雾霾天气图像增强方法
CN107067018A (zh) * 2016-12-09 2017-08-18 南京理工大学 一种基于随机Hough变换和SVM的带电作业机器人螺栓识别方法
CN107369144A (zh) * 2017-07-12 2017-11-21 南京邮电大学 基于改进同态滤波的多尺度Retinex图像去雾方法
CN108053374A (zh) * 2017-12-05 2018-05-18 天津大学 一种结合双边滤波与Retinex的水下图像增强方法
CN108288258A (zh) * 2018-04-23 2018-07-17 电子科技大学 一种针对恶劣天气条件下的低质图像增强方法
CN109300101A (zh) * 2018-10-18 2019-02-01 重庆邮电大学 一种基于Retinex理论的多曝光图像融合方法
CN109785263A (zh) * 2019-01-14 2019-05-21 北京大学深圳研究生院 一种基于Retinex的逆色调映射图像转换方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750682B (zh) * 2012-07-17 2016-01-27 中国矿业大学(北京) 一种处理矿工人脸图像与煤面光照不均的图像预处理方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0800169A3 (en) * 1996-04-05 2001-04-11 Fujitsu Limited Information reproducing method and information reproducing/recording method for magneto-optical recording medium and magneto-optical reproducing device
CN102903081A (zh) * 2012-09-07 2013-01-30 西安电子科技大学 基于rgb彩色模型的低光照图像增强方法
CN105718881A (zh) * 2016-01-19 2016-06-29 西安理工大学 基于红外视频灰度图像的零照度环境烟尘监测方法
CN105844601A (zh) * 2016-05-20 2016-08-10 中国矿业大学(北京) 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法
CN106530244A (zh) * 2016-10-26 2017-03-22 长安大学 一种图像增强方法
CN107067018A (zh) * 2016-12-09 2017-08-18 南京理工大学 一种基于随机Hough变换和SVM的带电作业机器人螺栓识别方法
CN106997584A (zh) * 2017-04-12 2017-08-01 哈尔滨理工大学 一种雾霾天气图像增强方法
CN107369144A (zh) * 2017-07-12 2017-11-21 南京邮电大学 基于改进同态滤波的多尺度Retinex图像去雾方法
CN108053374A (zh) * 2017-12-05 2018-05-18 天津大学 一种结合双边滤波与Retinex的水下图像增强方法
CN108288258A (zh) * 2018-04-23 2018-07-17 电子科技大学 一种针对恶劣天气条件下的低质图像增强方法
CN109300101A (zh) * 2018-10-18 2019-02-01 重庆邮电大学 一种基于Retinex理论的多曝光图像融合方法
CN109785263A (zh) * 2019-01-14 2019-05-21 北京大学深圳研究生院 一种基于Retinex的逆色调映射图像转换方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
低照度图像实时增强技术研究;汤海缨等;《中国电子学会第六届学术年会论文集》;19960831;第285-290页 *
基于同态滤波及多尺度Ｒetinex 的低照度图像增强算法;董静薇等;《科学技术与工程》;20180831;第18卷(第22期);第238-233页 *
改进的暗通道先验快速图像去雾算法;张江鑫等;《计算机应用》;20170810;第37卷(第8期);第2324-2328页 *

Also Published As

Publication number Publication date
CN110276729A (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
CN110276729B (zh) 一种低照度彩色图像的增强方法
CN106530237B (zh) 一种图像增强方法
Zhang et al. Single image defogging based on multi-channel convolutional MSRCR
Shi et al. Let you see in sand dust weather: A method based on halo-reduced dark channel prior dehazing for sand-dust image enhancement
Nithyananda et al. Review on histogram equalization based image enhancement techniques
CN105761227B (zh) 基于暗通道先验与白平衡的水下图像增强方法
CN111583123A (zh) 一种基于小波变换的融合高低频信息的图像增强算法
CN103268598A (zh) 基于Retinex理论的低照度低空遥感影像增强方法
CN111915525A (zh) 基于改进深度可分离生成对抗网络的低照度图像增强方法
Wang et al. Enhancement for dust-sand storm images
Gupta et al. Histogram based image enhancement techniques: a survey
Pandey et al. Enhancing the quality of satellite images using fuzzy inference system
Zhang et al. The linear transformation image enhancement algorithm based on HSV color space
CN117252773A (zh) 基于自适应颜色校正和导向滤波的图像增强方法及系统
Wen et al. A survey of image dehazing algorithm based on retinex theory
CN113487509B (zh) 一种像素聚类及透射率融合的遥感图像雾气去除方法
CN110400270B (zh) 一种利用图像分解和多重校正融合的车牌去雾方法
CN104978720A (zh) 一种视频图像雨滴去除方法及装置
CN116452447A (zh) 一种低照度高清图像处理方法
Goel The implementation of image enhancement techniques using Matlab
CN111524079B (zh) 基于分量替换和低通滤波的多光谱遥感图像全色锐化方法
Deshmukh et al. A comparative study of different image fusion techniques for tone-mapped images
Pinoli et al. Spatially and intensity adaptive morphology
Jyothirmai et al. A Novel Method of Low-light Image Enhancement Based on Gaussian Filtering and Gamma Correction
CN112581400A (zh) 基于高斯标准差和对比度调谐图像增强方法

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190924

Assignee: Linhai Fengrui E-commerce Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980047333

Denomination of invention: A method for enhancing low light color images

Granted publication date: 20211217

License type: Common License

Record date: 20231116

Application publication date: 20190924

Assignee: Linhai Baixi Glasses Factory

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980047332

Denomination of invention: A method for enhancing low light color images

Granted publication date: 20211217

License type: Common License

Record date: 20231116

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190924

Assignee: Hangzhou Youshu Cloud Travel Information Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980054817

Denomination of invention: A method for enhancing low light color images

Granted publication date: 20211217

License type: Common License

Record date: 20240102

Application publication date: 20190924

Assignee: Hangzhou Yizheng Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980054807

Denomination of invention: A method for enhancing low light color images

Granted publication date: 20211217

License type: Common License

Record date: 20240102

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190924

Assignee: HANGZHOU YONGGUAN NETWORK TECHNOLOGY CO.,LTD.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2024980000361

Denomination of invention: A method for enhancing low light color images

Granted publication date: 20211217

License type: Common License

Record date: 20240109