CN111127350A - 一种图像增强方法 - Google Patents
一种图像增强方法 Download PDFInfo
- Publication number
- CN111127350A CN111127350A CN201911273091.5A CN201911273091A CN111127350A CN 111127350 A CN111127350 A CN 111127350A CN 201911273091 A CN201911273091 A CN 201911273091A CN 111127350 A CN111127350 A CN 111127350A
- Authority
- CN
- China
- Prior art keywords
- image
- saturation
- current pixel
- lightness
- new
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000002146 bilateral effect Effects 0.000 claims abstract description 20
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 125000001475 halogen functional group Chemical group 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
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
本发明提供了一种图像增强方法,包括以下步骤:将图像由RGB空间转化至HSV颜色空间,得到图像的三个分量:色度(H),饱和度(S),明度(V);保持色度(H)不变,对饱和度(S)进行巴特沃斯同态滤波增强,得到新的参数S1;将原始的Retinex算法进行改进,用高斯加权双边滤波代替原始Retinex算法中原本的高斯核函数,并将明度(V)通过改进Retinex算法进行增强,得到新的参数V1;通过全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,得到新的RGB图像。本方法适用范围较广,能够更好地解决原始Retinex算法中图像边缘模糊、存在光晕、色彩失真等问题。
Description
技术领域
本发明属于图像处理领域,具体涉及一种图像增强方法。
背景技术
在对轮胎花纹进行相似度计算前必须保证轮胎花纹图像的可靠性与准确性。但是在实际应用时,采集到的轮胎图像具有很强的随机性与不确定性,存在较多的问题,例如,轮胎图像拍摄背景复杂、光线较暗、拍摄设配像素较低等问题。因此在对轮胎花图像进行相似度比较前,必须将轮胎花纹图像进行预处理,在去除图像中多余的背景前,需要去除轮胎表面的防滑颗粒,并保证轮胎花纹边缘信息完整,图像较为清晰。
Retinex算法是一种发展较为完善的图像增强算法,从1963年提出就得到了广泛的关注,Retinex算法建立了三个假设:1、人类“看到”的颜色是物质相互作用的结果,实际的世界是“无色”的;2、每一个区域的颜色是由给定波长的红、绿、蓝三原色构成;3、三原色决定了每个单位区域的颜色。原始的Retinex算法虽然在彩色图像增强、图像去雾、彩色图像恢复方面能够达到较好的效果,但是在应用于轮胎花纹图像增强时会将其缺点放大,处理后的图像存在光晕且边缘模糊。
针对该算法的不足进行了优化,基于优化后的Retinex算法的图像增强方法分为两个阶段:第一阶段获取图像的HSV颜色空间分量,色度(H),饱和度(S),明度(V),保持色度(H)不变,对饱和度(S)进行巴特沃斯同态滤波增强,得到新的参数H1,S1,其中H1等于H;第二阶段对原始的Retinex算法进行改进,用高斯加权双边滤波代替Retinex算法中原本的高斯核函数,并将明度(V)采用改进Retinex算法进行增强,得到新的参数V1。最后基于全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,转换得到新的RGB图像。
发明内容
本发明的目的在于提供一种适应性较强,可以克服原始的Retinex算法存在的图像边缘模糊、存在光晕、色彩失真等问题的一种基于HSV颜色空间与改进Retinex算法的图像增强方法。
本发明是这样实现的,一种基于HSV颜色空间与改进Retinex算法的图像增强方法包括以下步骤:
步骤1,获取待处理RGB图像,对其进行双边滤波处理后,将其由RGB空间转换至HSV颜色空间,得到HSV颜色空间的三个分量:色度H,饱和度S,明度V;
步骤2,保持色度H不变,对饱和度S进行巴特沃斯同态滤波增强,得到新的参数H1和S1,H1等于H;
步骤3,对原始Retinex算法进行改进,用高斯加权双边滤波代替Retinex中原本的高斯核函数,并将明度V通过改进Retinex算法进行增强,得到新的参数V1;
步骤4,通过全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,得到新的RGB图像。
在步骤1包括:对待处理RGB图像进行双边滤波处理(杨文莲.基于双边滤波的岩画彩色图像增强算法研究[D].宁夏:宁夏大学,2016.DOI:10.7666/d.Y3109555.),然后将RGB图像转化为HSV图像:
R′=R/255
G′=G/255
B′=B/255
Cmax=max(R′,G′,B′)
Cmin=min(R′,G′,B′)
Δ=Cmax-Cmin 公式(1)
V=Cmax
其中,R、G、B分别表示待处理RGB图像的红色通道值、绿色通道值、蓝色通道值,R′、G′、B′分别是R、G、B映射到0~1的区间内的结果,Cmax、Cmin分别为R′、G′、B′中的最大值与最小值,H、S、V分别表示转化后的HSV图像的色度,饱和度,明度。
在步骤2包括:采用如下公式对饱和度S进行巴特沃斯同态滤波增强,得到新的参数S1,S1的获取过程如下:
步骤2-1,读取待处理图像的饱和度分量S。
步骤2-2,将S转化到对数域。
步骤2-3,将对数结果进行傅立叶变换。
步骤2-4,将傅立叶变换结果通过滤波函数H(u,v)处理。
步骤2-5,将步骤2-4中结果进行傅立叶逆变换与指数变换得到S1。
步骤2-4中,所述滤波函数H(u,v)如下所示:
步骤3包括:
步骤3-1,读取待处理图像的明度V;
步骤3-2,将V转化到对数域;
步骤3-3,将高斯加权双边滤波函数作为中心环绕函数后,依据单尺度Retinex将转化到对数域的V进行卷积运算,得到V1。
步骤3-2包括:采用如下公式计算R(x,y):
R(x,y)=log S(x,y)-log[F(x,y)*S(x,y)] 公式(3)
其中,S(x,y)为明度V,R(x,y)是V的反射分量,(x,y)为图像中的坐标,*表示卷积运算,F(x,y)为高斯核函数,即:
其中,e为常量,σ为高斯环绕尺度,ρ为归一化系数,ρ需要满足:
∫∫F(x,y)dxdy=1 公式(5)。
步骤3-3包括:高斯加权双边滤波器公式如下:
相比于现有技术的缺点和不足,本发明具有以下有益效果:本发明方法以HSV颜色空间与改进Retinex算法为基础,可以在去除细小花纹的同时保留轮胎花纹的边缘信息,并解决原始Retinex算法存在的图像边缘模糊、存在光晕、色彩失真等问题,适应性较强。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法流程图。
图2是同态滤波增强示意图。
图3是本发明实施例处理的软胎图像。
图4是对图3进行双边滤波后的示意图。
图5是采用本发明方法对图3进行处理的结果图。
具体实施方式
如图1所示,本发明公开了一种基于HSV颜色空间与改进Retinex算法的图像增强方法,该方法包括以下步骤:
步骤1:获取待处理RGB图像,对其进行双边滤波处理后,将其由RGB空间转换至HSV颜色空间,得到HSV颜色空间的三个分量:色度(H),饱和度(S),明度(V);
步骤2:保持色度(H)不变,对饱和度(S)进行巴特沃斯同态滤波增强得到S1;
步骤3:对原始的Retinex算法进行改进,用高斯加权双边滤波代替Retinex算法中原本的高斯核函数,并将明度(V)通过改进后的Retinex算法进行增强,得到V1;
步骤4:通过全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,得到新的RGB图像。
如步骤1所述,对轮胎图像进行双边滤波处理,处理前的轮胎图像如图3,双边滤波处理结果如图4,在去除细小的防滑花纹的同时保证轮胎花纹边缘信息的完整,将RGB图像转化为HSV图像,实现方法如下所示:
R′=R/255
G′=G/255
B′=B/255
Cmax=max(R′,G′,B′)
Cmin=min(R′,G′,B′)
Δ=Cmax-Cmin 公式(1)
V=Cmax
如步骤2所述,对饱和度(S)进行巴特沃斯同态滤波增强。同态滤波增强的示意图如图2所示,其中ln表示对数变换,DFT表示傅立叶变换,DFT-1代表傅立叶逆变换,exp表示指数变换,H(u,v)代表滤波函数。对饱和度(S)通道构造巴特沃斯高通滤波器如下:
在步骤2中,保持色度(H)不变,将巴特沃斯滤波与同态滤波相结合对饱和度(S)进行增强,能够使得图像的细节更加突出,在光照不均匀的情况下突出图像暗处细节。如步骤3所述,对原始Retinex算法进行改进,用高斯加权双边滤波代替Retinex算法中原本的高斯核函数,并将明度(V)通过改进Retinex算法进行增强,得到新的参数V1;
R(x,y)=logS(x,y)-log[F(x,y)*S(x,y)] 公式(3)
其中,*表示卷积运算,F(x,y)为高斯核函数,即:
其中,e为常量且e≈2.71828,σ为高斯环绕尺度,为归一化系数,ρ需要满足:
∫∫F(x,y)dxdy=1 公式(5)
高斯加权双边滤波器公式如下:
如步骤4所述,通过全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,得到新的RGB图像,最终结果如图5。
本发明提供了一种图像增强方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (7)
1.一种图像增强方法,其特征在于,包括如下步骤:
步骤1,获取待处理RGB图像,对其进行双边滤波处理后,将其由RGB空间转换至HSV颜色空间,得到HSV颜色空间的三个分量:色度H,饱和度S,明度V;
步骤2,保持色度H不变,对饱和度S进行巴特沃斯同态滤波增强,得到新的参数H1和S1,H1等于H;
步骤3,对原始Retinex算法进行改进,用高斯加权双边滤波代替Retinex中原本的高斯核函数,并将明度V通过改进Retinex算法进行增强,得到新的参数V1;
步骤4,通过全新的HSV颜色空间参数H1,S1,V1,其中H1等于H,得到新的RGB图像。
3.如权利要求2所述的方法,其特征在于,在步骤2包括:采用如下公式对饱和度S进行巴特沃斯同态滤波增强,得到新的参数S1,S1的获取过程如下:
步骤2-1,读取待处理图像的饱和度分量S。
步骤2-2,将S转化到对数域;
步骤2-3,将对数结果进行傅立叶变换;
步骤2-4,将傅立叶变换结果通过滤波函数H(u,v)处理;
步骤2-5,将步骤2-4中结果进行傅立叶逆变换与指数变换得到S1。
5.如权利要求4所述的方法,其特征在于,步骤3包括:
步骤3-1,读取待处理图像的明度V;
步骤3-2,将V转化到对数域;
步骤3-3,将高斯加权双边滤波函数作为中心环绕函数后,依据单尺度Retinex将转化到对数域的V进行卷积运算,得到V1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273091.5A CN111127350A (zh) | 2019-12-12 | 2019-12-12 | 一种图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273091.5A CN111127350A (zh) | 2019-12-12 | 2019-12-12 | 一种图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111127350A true CN111127350A (zh) | 2020-05-08 |
Family
ID=70499893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911273091.5A Pending CN111127350A (zh) | 2019-12-12 | 2019-12-12 | 一种图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127350A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837249A (zh) * | 2020-12-31 | 2021-05-25 | 泉州装备制造研究所 | 一种焊接机器人低对比度图像增强方法 |
CN113554572A (zh) * | 2021-08-13 | 2021-10-26 | 中国矿业大学 | 一种基于改进Retinex的图像增强方法和系统 |
CN117893988A (zh) * | 2024-01-19 | 2024-04-16 | 元橡科技(北京)有限公司 | 一种全地形场景路面识别方法及训练方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530250A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于改进的Retinex低照度彩色图像增强方法 |
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 |
-
2019
- 2019-12-12 CN CN201911273091.5A patent/CN111127350A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530250A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于改进的Retinex低照度彩色图像增强方法 |
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 |
Non-Patent Citations (1)
Title |
---|
董静薇等: "基于同态滤波及多尺度Retinex 的低照度图像增强算法", 《科学技术与工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837249A (zh) * | 2020-12-31 | 2021-05-25 | 泉州装备制造研究所 | 一种焊接机器人低对比度图像增强方法 |
CN113554572A (zh) * | 2021-08-13 | 2021-10-26 | 中国矿业大学 | 一种基于改进Retinex的图像增强方法和系统 |
CN113554572B (zh) * | 2021-08-13 | 2024-03-26 | 中国矿业大学 | 一种基于改进Retinex的图像增强方法和系统 |
CN117893988A (zh) * | 2024-01-19 | 2024-04-16 | 元橡科技(北京)有限公司 | 一种全地形场景路面识别方法及训练方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
Xu et al. | Star: A structure and texture aware retinex model | |
Zhou et al. | Retinex-based laplacian pyramid method for image defogging | |
CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
CN111127350A (zh) | 一种图像增强方法 | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
WO2018166083A1 (zh) | 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用 | |
Daway et al. | Colour image enhancement by fuzzy logic based on sigmoid membership function | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
Peng et al. | Multi-algorithm fusion of RGB and HSV color spaces for image enhancement | |
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 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
Nnolim | Image de-hazing via gradient optimized adaptive forward-reverse flow-based partial differential equation | |
Han et al. | Automatic illumination and color compensation using mean shift and sigma filter | |
Xi et al. | Enhancement of unmanned aerial vehicle image with shadow removal based on optimized retinex algorithm | |
Zhang et al. | Research on the License Plate Recognition based on MATLAB | |
Tang et al. | Color image enhancement based on retinex theory with guided filter | |
Luo et al. | An effective underwater image enhancement method based on CLAHE-HF | |
Li et al. | A low-illuminance image enhancement method in YUV color space | |
David | Low illumination image enhancement algorithm using iterative recursive filter and visual gamma transformation function | |
CN109191481B (zh) | 不良曝光条件下的鞋印图像快速阈值分割方法 | |
Wei et al. | MULTISCALE RETINEX COLOR RESTORATION WITH ADAPTIVE GAMMA CORRECTION FOR FOGGY IMAGE ENHANCEMENT | |
Kurihara et al. | Low-light image enhancement via adaptive shape and texture prior |
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: 20200508 |