CN110288536A - 一种基于改进双边滤波的井下图像处理方法 - Google Patents
一种基于改进双边滤波的井下图像处理方法 Download PDFInfo
- Publication number
- CN110288536A CN110288536A CN201910405130.6A CN201910405130A CN110288536A CN 110288536 A CN110288536 A CN 110288536A CN 201910405130 A CN201910405130 A CN 201910405130A CN 110288536 A CN110288536 A CN 110288536A
- Authority
- CN
- China
- Prior art keywords
- image
- bilateral filtering
- light
- contrast
- light image
- 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.)
- Pending
Links
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 31
- 238000001914 filtration Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 230000006872 improvement Effects 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 230000002708 enhancing effect Effects 0.000 claims description 17
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000011426 transformation method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007796 conventional method Methods 0.000 abstract description 5
- 239000003245 coal Substances 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于改进双边滤波的井下图像处理方法,本发明采用改进双边滤波估计光照图像,用Otsu阈值分割法得到反射图像阈值,用双边滤波对亮暗区域进行不同程度的去噪处理,采用分段性线性变换增强和抑制明暗区域,提升图像对比度。实验结果表明,本发明能有效增强煤矿井下低照度图像的亮度和对比度保证井下暗区域细节的同时有效地去除了噪音。避免了传统方法的光晕和泛灰现象和噪声放大的问题。
Description
技术领域:
本发明属于图像处理领域,具体涉及一种基于改进双边滤波的井下图像处理方法。
背景技术:
由于井下工作环境的特殊性,在对井下生产进行监控的过程中,监控图像受井下恶劣环境的影响往往质量较差,含有对比度低,照度低,暗区域细节模糊不清并含有大量噪声的特点,因此需通过对井下图像进行一定的处理,来增强图像的视觉效果。
图像增强的传统方法有直方图均衡化法,暗原色先验法,反锐化掩膜法等。直方图均衡化法处理简单高效,处理速度快,但同时在处理的过程中放大了图像的噪声,出现图像细节模糊及对比度不自然的过度增强等现象。暗原色先验法获得的图像清晰度高,但也会造成图像噪声放大现象。反锐化掩膜法通过加强图像的边缘轮廓等高频信息达到图像增强的目的,增强后图像的边缘处存在光晕现象,且光照平缓的区域增强幅度较小。
单尺度Retinex算法简单易实现,但同时存在以下不足:在增强图像细节的同时放大了图像的噪声;在明暗变化强处易出现光晕现象;增强后图像对比度低,存在泛灰现象。基于双边滤波和Retinex的图像增强算法,双边滤波方法可以较好地去除矿井中由环境因素导致的图像噪声,同时消除光晕现象,但会导致图像整体泛灰和图像细节丢失。
发明内容:
为了解决上述技术问题,本发明提出一种基于改进双边滤波的井下图像处理方法。本发明采用改进双边滤波估计光照图像,用Otsu阈值分割法得到反射图像阈值,用双边滤波对亮暗区域进行不同程度的去噪处理,采用分段性线性变换增强和抑制明暗区域,提升图像对比度。实验结果表明,本发明能有效增强煤矿井下低照度图像的亮度和对比度保证井下暗区域细节的同时有效地去除了噪音。避免了传统方法的光晕和泛灰现象和噪声放大的问题。
为实现上述目的,本发明提供技术方案如下:
一种基于改进双边滤波的井下图像处理方法,其特征在于,包括如下步骤:
步骤一、输入井下原图像;
步骤二、采用双边滤波算法估计得出原图片的光照图像:
步骤三、数域转换得到反射图像R(i,j);
步骤四、对得到的反射图像R(i,j)进行线性拉伸;
步骤五、采用Otsu阈值分割法获得光照图像的切割阈值,根据切割阈值将光照图像划分为亮、暗区域;用双边滤波器对光照图像亮、暗区域进行去噪;
步骤六、采用分段性线性变换方法,增强滤波后的光照图像的对比度得到增强对比度后的光照图像L(i,j);根据S(x,y)=R(x,y)×L(x,y)得到处理后的拍摄图像,其中S(x,y)为处理后的拍摄图像。
2.如权利要求1所述的基于改进双边滤波的井下图像处理方法,其特征在于,所述双边滤波算法中相邻像素点间空间距离的度量α的计算方法如下:
进一步的改进,所述步骤五中,Otsu阈值分割法获得光照图像的切割阈值的方法如下:
获得光照图像的直方图,然后按照直方图的分布,将图像分成背景和前景两部分,前景和背景的分界值即为阈值,通过遍历不同阈值,计算不同阈值下对应的背景和前景之间的类间方差v(t),当类间方差取得极大值时对应的阈值t就是所求的切割阈值;类间方差公式如下;
v(t)=ω0×(μ0-μ)2+ω1×(μ1-μ)2
其中,ω0为小于阈值t的像素在图像中占的比例;ω1为大于阈值t的像素在图像中占的比例;μ0为小于阈值t的像素的均值;μ1为大于阈值t的像素的均值;μ为整幅图像的均值,公式如下:
μ=ω0×μ0+ω1×μ1。
进一步的改进,采用分段性线性变换方法,增强滤波后的光照图像的对比度得到增强对比度后的光照图像L(i,j)的方法如下:其中,f(i,j)为拉伸后的输出图像,d(i,j)为输入图像,其中(a,b),(c,d)表示分段函数斜率发生变化的点。
如图5所示,将输入图像灰度值分为三段[0,L/4),[L/4,3L/4),[3L/4,L],赋值b=L/8,d=7L/8其中有一小半部分的灰度区域在[0,L/4),大部分灰度区域在[L/4,3L/4)部分,少量亮区域在 [3L/4,L],L=255。本文抑制灰度值在[0,4/L)的少量极暗区域,对灰度值处于[4/L,3L/4)的大部分区域进行增强,对灰度值处于[3L/4,L]的少数像素点进行压缩,使对比度低的区域得到最大程度的增强。
本发明的优点:
本发明采用改进双边滤波估计光照图像,用Otsu阈值分割法得到反射图像阈值,用双边滤波对亮暗区域进行不同程度的去噪处理,采用分段性线性变换增强和抑制明暗区域,提升图像对比度。实验结果表明,本发明能有效增强煤矿井下低照度图像的亮度和对比度保证井下暗区域细节的同时有效地去除了噪音。避免了传统方法的光晕和泛灰现象和噪声放大的问题。
附图说明:
图1为原图、SSR算法、BSSR算法与本发明处理后的图片对比图一;
图2为原图、SSR算法、BSSR算法与本发明处理后的图片对比图二;
图3为原图、SSR算法、BSSR算法与本发明处理后的图片对比图三;
图4为原图、SSR算法、BSSR算法与本发明处理后的图片对比图四;
其中(a)表示原图,(b)表示SSR算法,(c)表示BSSR算法,(d)表示本发明方法;
图5为分段线性变换示意图。
具体实施方式:
为了使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施案例进行详细描述。
为了验证算法的有效性,使用操作系统为Windows8.1 64位操作系统、CPU为Corei5、内存为8GB的计算机进行了实验,选取四个井下图像在Code::Blocks IDE环境上进行增强处理。在实验中,估计光照图像的参数:p=5(滤波窗口大小为11×11),亮度差尺度参数σl=0.001;分区域去噪参数:亮区域p=1,亮度差尺度参数σl=0.001,距离差尺度参数σd=0.001,暗区域p=2,亮度差尺度参σl=0.005,距离差尺度参数σd=0.001。采用主观评价和客观评价两种图像质量评价方法对单尺度Retinex算法(SSR),基于双边滤波的Retinex 算法(BSSR)及本发明进行比较。
根据四组井下图像的原图可以看出,由于井下图像严重的光照的不足导致图像整体过暗、照度差的现象,图像暗区域的细节丢失。经传统单尺度Retinex算法(SSR)处理后的图像使暗区域细节得以增强,但存在光晕现象。基于双边滤波的Retinex算法有效地去除了光晕现象,但二者同时存在图像泛灰、对比度低、噪声放大的现象。如图1(b)中工人周围环境泛灰、工人上方的照灯亮度与原图比差异较大、图2(c)中上方墙壁与右侧墙壁对比度低、图3(b) 与图3(c)增强后图像整体泛灰,对比度差,并存在噪声放大现象。而经过本发明处理后的图像中,低对比度区域均得到了增强,且有效去除了光晕现象和噪声放大现象。
表1图1的各算法对比结果
表2图2的各算法对比结果
表3图3的各算法对比结果
表4图4的各算法对比结果
由于井下图像整体具有亮度差、对比度低的特点,所以井下图像原图的均值和标准差相对较小。在均值方面,使用传统单尺度Retinex算法、基于双边滤波的Retinex算法和本发明增强后的图像的均值相对原图像有明显增大,井下图像的亮度有大幅度的增强。表2、表 4中本发明的均值相对单尺度Retinex算法和基于双边滤波的Retinex算法有减小且程度较大,因为本发明在经对比度增强后调整暗区域的亮度,达到抑制不感兴趣区域作用。标准差方面,三种算法的标准差呈递增趋势,三种算法增强后的图像对比度增强。本发明对比传统单尺度Retinex算法和双边滤波算法对比度增强,改善了前面两种算法图像泛灰的现象。在信息熵方面,由于井下图像亮度差、暗区域较多,导致暗区域细节缺失,所以信息熵较低。从表中可看出三种算法的信息熵呈递增的特点,本发明增强后图像的信息熵要高于其他两种算法。客观数据分析,本发明在均值、标准差、信息含量程度方面均取得较好的效果。
本发明基于改进双边滤波的Retinex井下图像增强处理方法,采用改进双边滤波估计光照图像,用Otsu阈值分割法得到反射图像阈值,用双边滤波对亮暗区域进行不同程度的去噪处理,采用分段性线性变换增强和抑制明暗区域,提升图像对比度。实验结果表明,本发明能有效增强煤矿井下低照度图像的亮度和对比度保证井下暗区域细节的同时有效地去除了噪音。避免了传统方法的光晕和泛灰现象和噪声放大的问题。
上述仅仅为本发明的一个具体实施例,对其进行的简单改进和替换均在本发明的保护范围内。
Claims (4)
1.一种基于改进双边滤波的井下图像处理方法,其特征在于,包括如下步骤:
步骤一、输入井下原图像;
步骤二、采用双边滤波算法估计得出原图片的光照图像:
步骤三、数域转换得到反射图像R(i,j);
步骤四、对得到的反射图像R(i,j)进行线性拉伸;
步骤五、采用Otsu阈值分割法获得光照图像的切割阈值,根据切割阈值将光照图像划分为亮、暗区域;用双边滤波器对光照图像亮、暗区域进行去噪;
步骤六、采用分段性线性变换方法,增强滤波后的光照图像的对比度得到增强对比度后的光照图像L(i,j);根据S(x,y)=R(x,y)×L(x,y)得到处理后的拍摄图像,其中S(x,y)为处理后的拍摄图像。
2.如权利要求1所述的基于改进双边滤波的井下图像处理方法,其特征在于,所述双边滤波算法中相邻像素点间空间距离的度量α的计算方法如下:
3.如权利要求1所述的基于改进双边滤波的井下图像处理方法,其特征在于,所述步骤五中,Otsu阈值分割法获得光照图像的切割阈值的方法如下:
获得光照图像的直方图,然后按照直方图的分布,将图像分成背景和前景两部分,前景和背景的分界值即为阈值,通过遍历不同阈值,计算不同阈值下对应的背景和前景之间的类间方差v(t),当类间方差取得极大值时对应的阈值t就是所求的切割阈值;类间方差公式如下;
v(t)=ω0×(μ0-μ)2+ω1×(μ1-μ)2
其中,ω0为小于阈值t的像素在图像中占的比例;ω1为大于阈值t的像素在图像中占的比例;μ0为小于阈值t的像素的均值;μ1为大于阈值t的像素的均值;μ为整幅图像的均值,公式如下:
μ=ω0×μ0+ω1×μ1。
4.如权利要求1所述的基于改进双边滤波的井下图像处理方法,其特征在于,所述步骤六中,采用分段性线性变换方法,增强滤波后的光照图像的对比度得到增强对比度后的光照图像L(i,j)的方法如下:其中,f(i,j)为拉伸后的输出图像,d(i,j)为输入图像,其中(a,b),(c,d)表示分段函数斜率发生变化的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405130.6A CN110288536A (zh) | 2019-05-15 | 2019-05-15 | 一种基于改进双边滤波的井下图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405130.6A CN110288536A (zh) | 2019-05-15 | 2019-05-15 | 一种基于改进双边滤波的井下图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110288536A true CN110288536A (zh) | 2019-09-27 |
Family
ID=68001834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910405130.6A Pending CN110288536A (zh) | 2019-05-15 | 2019-05-15 | 一种基于改进双边滤波的井下图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288536A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
CN112967215A (zh) * | 2021-03-03 | 2021-06-15 | 辽宁工程技术大学 | 基于拉普阿斯金字塔重构的Retinex图像增强算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473748A (zh) * | 2013-09-23 | 2013-12-25 | 中国矿业大学(北京) | 一种煤矿井下图像增强的方法 |
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 |
-
2019
- 2019-05-15 CN CN201910405130.6A patent/CN110288536A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473748A (zh) * | 2013-09-23 | 2013-12-25 | 中国矿业大学(北京) | 一种煤矿井下图像增强的方法 |
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 |
Non-Patent Citations (1)
Title |
---|
常戬 等: ""基于回转对称双边滤波的Retinex图像增强算法"", 《计算机工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
CN110866860B (zh) * | 2019-11-01 | 2023-12-26 | 上海菲戈恩微电子科技有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
CN112967215A (zh) * | 2021-03-03 | 2021-06-15 | 辽宁工程技术大学 | 基于拉普阿斯金字塔重构的Retinex图像增强算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730475B (zh) | 图像增强方法及系统 | |
Xu et al. | Fast image dehazing using improved dark channel prior | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
CN109255759B (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
KR100951254B1 (ko) | 이미지의 선명도 향상 장치 | |
CN103985097B (zh) | 一种非均匀照度的图像增强方法 | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN102750682B (zh) | 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 | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
US9373162B2 (en) | Auto-contrast enhancement system | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
Sanila et al. | Underwater image enhancement using white balance, USM and CLHE | |
CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
CN108492268A (zh) | 基于小波系数融合的低照度图像增强算法 | |
CN110288536A (zh) | 一种基于改进双边滤波的井下图像处理方法 | |
CN100367770C (zh) | 一种去除视频孤立噪声点的方法 | |
CN110874823A (zh) | 一种基于暗原色先验与同态滤波的矿井雾尘图像增强方法 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
Zhang et al. | Research on the License Plate Recognition based on MATLAB | |
Wang et al. | Adaptive binarization: A new approach to license plate characters segmentation | |
Das et al. | Histogram equalization techniques for contrast enhancement: a review | |
CN111127350A (zh) | 一种图像增强方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |