CN111968065A - 一种亮度不均匀图像的自适应增强方法 - Google Patents

一种亮度不均匀图像的自适应增强方法 Download PDF

Info

Publication number
CN111968065A
CN111968065A CN202011144095.6A CN202011144095A CN111968065A CN 111968065 A CN111968065 A CN 111968065A CN 202011144095 A CN202011144095 A CN 202011144095A CN 111968065 A CN111968065 A CN 111968065A
Authority
CN
China
Prior art keywords
image
component
follows
enhanced
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.)
Granted
Application number
CN202011144095.6A
Other languages
English (en)
Other versions
CN111968065B (zh
Inventor
岑跃峰
石龙杰
岑岗
马伟锋
程志刚
徐昶
张宇来
吴思凡
蔡永平
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 Lover Health Science and Technology Development Co Ltd
Zhejiang University of Science and Technology ZUST
Original Assignee
Zhejiang Lover Health Science and Technology Development Co Ltd
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 Lover Health Science and Technology Development Co Ltd filed Critical Zhejiang Lover Health Science and Technology Development Co Ltd
Priority to CN202011144095.6A priority Critical patent/CN111968065B/zh
Publication of CN111968065A publication Critical patent/CN111968065A/zh
Application granted granted Critical
Publication of CN111968065B publication Critical patent/CN111968065B/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
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

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

本发明公开了一种亮度不均匀图像的自适应增强方法，包括对原始图像的色彩空间转换后，通过分别增强图像亮度的照度分量和反射分量，并对照度分量进行校正，在空间域中将校正后的照度分量与原照度分量合理合并，实现对照度分量的自适应校正，使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值，实现亮度不均匀图像的自适应增强。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。

Description

一种亮度不均匀图像的自适应增强方法
技术领域
本发明涉及图像处理领域，具体为一种亮度不均匀图像的自适应增强方法。
背景技术
随着图像采集设备应用的普及，人们对所采集图像质量也有个更高的要求，环境因素是影响图像质量的主要因素之一，光照不均匀的环境可能会导致图像采集设备所采集的图像出现亮度不均匀、色彩失真等问题，这些问题直接影响计算机视觉领域的发展，如造成图像的特征难提取、目标识别不清等问题，因此，提高亮度不均匀图像的质量十分必要。
近年来，对于亮度不均匀图像自适应增强的方法已成为各高校重点研究的方向，其中，直方图均衡化相关的算法是对整幅的增强，这类算法会导致图像中原本不需要增强的区域信息丢失，因此，直方图均衡化相关的算法仅适用于亮度均匀变化的图像。伽马校正相关的算法是通过调整图像中高频和低频像素的比例来增大图像对比度，这类算法自适应能力弱，同时容易造成过增强和欠增强的问题。如刘志成等人采用二维的伽马函数增强光照不均匀的图像，在保持图像色彩和质量上有了很大提升，但对图像中亮度较大的区域效果较差，不具有普适性（刘志成,王殿伟,刘颖,刘学杰.基于二维伽马函数的光照不均匀图像自适应校正算法[J].北京理工大学学报,2016,36(02):191-196+214.）。小波变换的相关算法可以突出图像不同尺度下的细节信息，但无法降低图像噪声的同时不能降低算法的时间复杂度。现有的多尺度Retinex算法在增强图像的同时会产生图像色彩失真和图像质量下降的问题；因此，在自适应增强亮度不均匀图像的技术上，现有算法都存在某一方面的不足，因此提出一种具有较强普适性并且不会损失图像质量的方法很有必要。
发明内容
本发明的目的在于，提供一种亮度不均匀图像的自适应增强方法。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。
本发明的技术方案：一种亮度不均匀图像的自适应增强方法，具体包括以下步骤：
（1）将原始图像
Figure DEST_PATH_IMAGE002
的色彩空间由RGB转换成HSV，得到转换后的图像
Figure DEST_PATH_IMAGE004
；
（2）使用多尺度滤波算法计算出图像
Figure DEST_PATH_IMAGE005
色彩空间
Figure DEST_PATH_IMAGE007
分量的照度分量
Figure DEST_PATH_IMAGE009
，再由照度分量
Figure DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分量计算出
Figure DEST_PATH_IMAGE012
分量的反射分量
Figure DEST_PATH_IMAGE014
；
（3）使用OTSU算法计算出
Figure DEST_PATH_IMAGE015
分量的分割阈值
Figure DEST_PATH_IMAGE017
，由分割阈值
Figure 494633DEST_PATH_IMAGE017
确定照度分量
Figure DEST_PATH_IMAGE018
的两个
Figure DEST_PATH_IMAGE020
校正因子
Figure DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE024
，根据校正因子得到照度分量
Figure DEST_PATH_IMAGE025
的两幅校正图像
Figure DEST_PATH_IMAGE027
和
Figure DEST_PATH_IMAGE029
；
（4）使用照度分量融合系数将校正图像
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE031
和照度分量
Figure DEST_PATH_IMAGE032
融合为一幅图像，得到增强的照度分量
Figure DEST_PATH_IMAGE034
；
（5）对
Figure DEST_PATH_IMAGE036
分量的反射分量
Figure DEST_PATH_IMAGE038
取反得到负片图像
Figure DEST_PATH_IMAGE040
，对负片图像进行增强处理，得到增强后的负片图像
Figure DEST_PATH_IMAGE042
，再对
Figure DEST_PATH_IMAGE043
取反得到增强的反射分量
Figure DEST_PATH_IMAGE045
；
（6）将增强后的照度分量
Figure DEST_PATH_IMAGE046
和增强的反射分量
Figure DEST_PATH_IMAGE047
合并得出增强的
Figure DEST_PATH_IMAGE049
分量，记为
Figure DEST_PATH_IMAGE051
，使用
Figure DEST_PATH_IMAGE052
替换
Figure DEST_PATH_IMAGE053
分量得到图像
Figure DEST_PATH_IMAGE055
，将图像
Figure DEST_PATH_IMAGE056
色彩空间由HSV转换至RGB得到增强的图像
Figure DEST_PATH_IMAGE058
。
上述的亮度不均匀图像的自适应增强方法，所述步骤（1）的过程具体为：
图像
Figure DEST_PATH_IMAGE060
的
Figure DEST_PATH_IMAGE062
色彩空间表示为
Figure DEST_PATH_IMAGE064
，其中
Figure DEST_PATH_IMAGE066
分别是图像中坐标为
Figure DEST_PATH_IMAGE068
像素的红、绿和蓝颜色值，其值是介于区间[0,1]之间的实数，记每个像素红绿蓝三种颜色中的最大值为
Figure DEST_PATH_IMAGE070
，最小值为
Figure DEST_PATH_IMAGE072
；
使用
Figure DEST_PATH_IMAGE073
和
Figure 100002_DEST_PATH_IMAGE074
将图像
Figure 100002_DEST_PATH_IMAGE076
色彩空间由
Figure 100002_DEST_PATH_IMAGE078
转换为
Figure 100002_DEST_PATH_IMAGE080
，得到图像
Figure DEST_PATH_IMAGE082
，图像
Figure DEST_PATH_IMAGE083
的
Figure 100002_DEST_PATH_IMAGE084
色彩空间表示为
Figure 100002_DEST_PATH_IMAGE086
，其中
Figure 100002_DEST_PATH_IMAGE088
分别是图像中坐标为
Figure 291686DEST_PATH_IMAGE068
像素的色调、饱和度和亮度；转换公式如下：
Figure 100002_DEST_PATH_IMAGE090
；
Figure 100002_DEST_PATH_IMAGE092
；
Figure 100002_DEST_PATH_IMAGE094
；
式中，
Figure 100002_DEST_PATH_IMAGE096
，
Figure 100002_DEST_PATH_IMAGE098
。
前述的亮度不均匀图像的自适应增强方法，所述步骤（2）的过程具体为：
使用多尺度滤波算法计算出
Figure 100002_DEST_PATH_IMAGE100
的照度分量
Figure 100002_DEST_PATH_IMAGE102
，计算如下：
Figure 100002_DEST_PATH_IMAGE104
；
式中，
Figure 100002_DEST_PATH_IMAGE106
为第
Figure 100002_DEST_PATH_IMAGE108
步照度分量，
Figure 100002_DEST_PATH_IMAGE110
是第
Figure 100002_DEST_PATH_IMAGE112
步照度分量，
Figure 100002_DEST_PATH_IMAGE114
表示引导滤波，
Figure 100002_DEST_PATH_IMAGE116
分别表示第
Figure 100002_DEST_PATH_IMAGE118
步的尺度因子和平滑因子，符号
Figure 100002_DEST_PATH_IMAGE120
表示卷积运算，其中
Figure 100002_DEST_PATH_IMAGE122
等于
Figure 100002_DEST_PATH_IMAGE124
，
Figure 100002_DEST_PATH_IMAGE126
取2，
Figure 100002_DEST_PATH_IMAGE128
取0.02，
Figure 100002_DEST_PATH_IMAGE130
，
Figure 100002_DEST_PATH_IMAGE132
，照度分量
Figure 100002_DEST_PATH_IMAGE134
；
计算
Figure 100002_DEST_PATH_IMAGE136
的反射分量
Figure 100002_DEST_PATH_IMAGE138
，计算如下：
Figure 100002_DEST_PATH_IMAGE140
。
前述的亮度不均匀图像的自适应增强方法，所述步骤（3）过程具体为：
使用OTSU算法进行不断迭代，当所迭代的最大类间方差取得最大值时，此时所计算出来的阈值即为
Figure 100002_DEST_PATH_IMAGE142
分量的分割阈值
Figure 100002_DEST_PATH_IMAGE144
；
将
Figure 100002_DEST_PATH_IMAGE146
中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点，划分的阈值由分割阈值
Figure 100002_DEST_PATH_IMAGE148
确定，计算如下：
Figure DEST_PATH_IMAGE150
；
Figure DEST_PATH_IMAGE152
；
式中，
Figure DEST_PATH_IMAGE154
为暗像素点和中像素点的划分阈值，
Figure DEST_PATH_IMAGE156
为中像素点和亮像素点的划分阈值，
Figure DEST_PATH_IMAGE158
，
Figure DEST_PATH_IMAGE160
为调节系数，取
Figure DEST_PATH_IMAGE162
，
Figure DEST_PATH_IMAGE164
；
使用
Figure DEST_PATH_IMAGE165
和
Figure DEST_PATH_IMAGE166
计算出照度分量
Figure DEST_PATH_IMAGE168
的
Figure DEST_PATH_IMAGE170
校正因子
Figure DEST_PATH_IMAGE172
和
Figure DEST_PATH_IMAGE174
，计算如下：
Figure DEST_PATH_IMAGE176
分别将
Figure DEST_PATH_IMAGE177
和
Figure DEST_PATH_IMAGE179
代入上式即求得
Figure 494872DEST_PATH_IMAGE172
和
Figure 36712DEST_PATH_IMAGE174
；
根据校正因子得到照度分量
Figure DEST_PATH_IMAGE181
的两幅校正图像
Figure DEST_PATH_IMAGE183
和
Figure DEST_PATH_IMAGE185
，计算如下：
Figure DEST_PATH_IMAGE187
；
分别将
Figure 457198DEST_PATH_IMAGE172
和
Figure 287751DEST_PATH_IMAGE174
代入上式求得
Figure DEST_PATH_IMAGE189
和
Figure DEST_PATH_IMAGE191
。
前述的亮度不均匀图像的自适应增强方法，所述步骤（4）的过程具体为：
合并校正图像
Figure DEST_PATH_IMAGE193
、
Figure DEST_PATH_IMAGE195
和照度分量
Figure DEST_PATH_IMAGE197
，得到增强的照度分量
Figure DEST_PATH_IMAGE199
，计算如下：
Figure DEST_PATH_IMAGE201
；
式中，
Figure DEST_PATH_IMAGE203
，
Figure DEST_PATH_IMAGE205
，
Figure DEST_PATH_IMAGE207
表示照度分量合并因子，其限制条件为
Figure 573589DEST_PATH_IMAGE203
，
Figure 32252DEST_PATH_IMAGE205
，
Figure 905530DEST_PATH_IMAGE207
均大于0，且
Figure 20116DEST_PATH_IMAGE203
，
Figure 800991DEST_PATH_IMAGE205
，
Figure DEST_PATH_IMAGE208
之和等于1。
前述的亮度不均匀图像的自适应增强方法，所述步骤（5）的过程具体为：对反射分量
Figure DEST_PATH_IMAGE210
中的值取反得到负片图像
Figure DEST_PATH_IMAGE212
，计算如下：
Figure DEST_PATH_IMAGE214
；
对
Figure DEST_PATH_IMAGE216
进行增强处理，得到增强后的负片图像
Figure DEST_PATH_IMAGE218
，计算如下：
Figure DEST_PATH_IMAGE220
；
式中，
Figure DEST_PATH_IMAGE222
为调节参数；
对
Figure DEST_PATH_IMAGE224
中的值取反得到增强的反射分量
Figure DEST_PATH_IMAGE226
，计算如下：
Figure DEST_PATH_IMAGE228
。
前述的亮度不均匀图像的自适应增强方法，所述步骤（6）的过程具体为：
将增强后的照度分量
Figure DEST_PATH_IMAGE230
和反射分量
Figure DEST_PATH_IMAGE232
合并为
Figure DEST_PATH_IMAGE234
，
Figure DEST_PATH_IMAGE236
是对
Figure DEST_PATH_IMAGE238
的增强，计算如下：
Figure DEST_PATH_IMAGE240
；
将图像
Figure DEST_PATH_IMAGE242
的
Figure DEST_PATH_IMAGE244
色彩空间中的
Figure DEST_PATH_IMAGE246
替换为
Figure DEST_PATH_IMAGE248
，得到图像
Figure DEST_PATH_IMAGE249
；
将图像
Figure DEST_PATH_IMAGE250
色彩空间由
Figure DEST_PATH_IMAGE251
转换为
Figure DEST_PATH_IMAGE253
得到增强的图像
Figure DEST_PATH_IMAGE255
，图像
Figure DEST_PATH_IMAGE257
的
Figure DEST_PATH_IMAGE259
计算如下：
Figure DEST_PATH_IMAGE261
；
Figure DEST_PATH_IMAGE263
；
Figure DEST_PATH_IMAGE265
；
Figure DEST_PATH_IMAGE267
；
式中：
Figure DEST_PATH_IMAGE269
；
Figure DEST_PATH_IMAGE271
；
Figure DEST_PATH_IMAGE273
。
与现有技术相比，本发明对原始图像的色彩空间转换后，仅对图像的亮度进行处理，因此不会改变图像的色调和饱和度，从而不会造成图像的色彩失真；本发明通过分别增强图像亮度的照度分量和反射分量，并对照度分量进行校正，在空间域中将校正后的照度分量与原照度分量合理合并，实现对照度分量的自适应校正，使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值，最终实现亮度不均匀图像的自适应增强。因此本发明相对于其他方法在处理亮度不均匀图像时出现色彩失真和亮像素区域过增强的问题，本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。
附图说明
图1为本发明的实施流程图；
图2为
Figure DEST_PATH_IMAGE274
分量的照度分量像素扫描线与OTSU计算出的分割阈值。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例1：一种亮度不均匀图像的自适应增强方法，如图1所示，具体包括以下步骤：
（1）将原始图像
Figure DEST_PATH_IMAGE275
的色彩空间由RGB转换成HSV，得到转换后的图像
Figure 769952DEST_PATH_IMAGE004
；
（2）使用多尺度滤波算法计算出图像
Figure 610870DEST_PATH_IMAGE005
色彩空间
Figure DEST_PATH_IMAGE276
分量的照度分量
Figure DEST_PATH_IMAGE277
，再由照度分量
Figure 275069DEST_PATH_IMAGE010
和
Figure 859634DEST_PATH_IMAGE011
分量计算出
Figure DEST_PATH_IMAGE278
分量的反射分量
Figure 761731DEST_PATH_IMAGE014
；
（3）使用OTSU算法计算出
Figure DEST_PATH_IMAGE279
分量的分割阈值
Figure 304708DEST_PATH_IMAGE017
，由分割阈值
Figure 128307DEST_PATH_IMAGE017
确定照度分量
Figure 719826DEST_PATH_IMAGE018
的两个
Figure 762516DEST_PATH_IMAGE020
校正因子
Figure 945236DEST_PATH_IMAGE022
和
Figure 521711DEST_PATH_IMAGE024
，根据校正因子得到照度分量
Figure 448078DEST_PATH_IMAGE025
的两幅校正图像
Figure 528030DEST_PATH_IMAGE027
和
Figure DEST_PATH_IMAGE280
；
（4）使用照度分量融合系数将校正图像
Figure 678388DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE281
和照度分量
Figure DEST_PATH_IMAGE282
融合为一幅图像，得到增强的照度分量
Figure 742159DEST_PATH_IMAGE034
；
（5）对
Figure 3376DEST_PATH_IMAGE036
分量的反射分量
Figure 203414DEST_PATH_IMAGE038
取反得到负片图像
Figure DEST_PATH_IMAGE283
，对负片图像进行增强处理，得到增强后的负片图像
Figure 727936DEST_PATH_IMAGE042
，再对
Figure 747845DEST_PATH_IMAGE043
取反得出得到增强的反射分量
Figure 281594DEST_PATH_IMAGE045
；
（6）将增强后的照度分量
Figure 135805DEST_PATH_IMAGE046
和增强的反射分量
Figure 831229DEST_PATH_IMAGE047
合并得出增强的
Figure 604013DEST_PATH_IMAGE049
分量，记为
Figure 675874DEST_PATH_IMAGE051
，使用
Figure 584924DEST_PATH_IMAGE052
替换
Figure 716828DEST_PATH_IMAGE053
分量得到图像
Figure 711329DEST_PATH_IMAGE055
，将图像
Figure 586881DEST_PATH_IMAGE056
色彩空间由HSV转换至RGB得到增强的图像
Figure 616017DEST_PATH_IMAGE058
。
实施例2：一种亮度不均匀图像的自适应增强方法，具体包括以下步骤：
（1）将原始图像
Figure 653243DEST_PATH_IMAGE002
的色彩空间由RGB转换成HSV，得到转换后的图像
Figure 400619DEST_PATH_IMAGE004
；
图像
Figure DEST_PATH_IMAGE284
的
Figure DEST_PATH_IMAGE285
色彩空间表示为
Figure DEST_PATH_IMAGE286
，其中
Figure DEST_PATH_IMAGE287
分别是图像中坐标为
Figure DEST_PATH_IMAGE288
像素的红、绿和蓝颜色值，其值是介于区间[0,1]之间的实数，记每个像素红绿蓝三种颜色中的最大值为
Figure 201566DEST_PATH_IMAGE070
，最小值为
Figure 85209DEST_PATH_IMAGE074
；
使用
Figure 293336DEST_PATH_IMAGE073
和
Figure DEST_PATH_IMAGE289
将图像
Figure 59167DEST_PATH_IMAGE076
色彩空间由
Figure 10942DEST_PATH_IMAGE078
转换为
Figure 749091DEST_PATH_IMAGE080
，得到图像
Figure DEST_PATH_IMAGE290
，图像
Figure DEST_PATH_IMAGE291
的
Figure 456016DEST_PATH_IMAGE084
色彩空间表示为
Figure 912405DEST_PATH_IMAGE086
，其中
Figure DEST_PATH_IMAGE292
分别是图像中坐标为
Figure 199030DEST_PATH_IMAGE068
像素的色调、饱和度和亮度；转换公式如下：
Figure DEST_PATH_IMAGE293
；
Figure DEST_PATH_IMAGE294
；
Figure 122511DEST_PATH_IMAGE094
；
式中，
Figure 938020DEST_PATH_IMAGE096
，
Figure 616126DEST_PATH_IMAGE098
。
（2）使用多尺度滤波算法计算出图像
Figure 175284DEST_PATH_IMAGE005
色彩空间
Figure 888025DEST_PATH_IMAGE276
分量的照度分量
Figure 874435DEST_PATH_IMAGE277
，再由照度分量
Figure 305417DEST_PATH_IMAGE010
和
Figure 402686DEST_PATH_IMAGE011
分量计算出
Figure 969933DEST_PATH_IMAGE278
分量的反射分量
Figure 127245DEST_PATH_IMAGE014
；
所述步骤（2）的过程具体为：
使用多尺度滤波算法计算出
Figure 779943DEST_PATH_IMAGE100
的照度分量
Figure 680903DEST_PATH_IMAGE102
，计算如下：
Figure 368236DEST_PATH_IMAGE104
；
式中，
Figure 696450DEST_PATH_IMAGE106
为第
Figure 836444DEST_PATH_IMAGE108
步照度分量，
Figure 275516DEST_PATH_IMAGE110
是第
Figure 814426DEST_PATH_IMAGE112
步照度分量，
Figure 313540DEST_PATH_IMAGE114
表示引导滤波，
Figure 940831DEST_PATH_IMAGE116
分别表示第
Figure 183593DEST_PATH_IMAGE118
步的尺度因子和平滑因子，符号
Figure 845519DEST_PATH_IMAGE120
表示卷积运算，其中
Figure 515534DEST_PATH_IMAGE122
等于
Figure 364542DEST_PATH_IMAGE124
，
Figure 410995DEST_PATH_IMAGE126
取2，
Figure 927427DEST_PATH_IMAGE128
取0.02，
Figure 768344DEST_PATH_IMAGE130
，
Figure 104647DEST_PATH_IMAGE132
，照度分量
Figure 689213DEST_PATH_IMAGE134
；
计算
Figure 60151DEST_PATH_IMAGE136
的反射分量
Figure 71969DEST_PATH_IMAGE138
，计算如下：
Figure 161148DEST_PATH_IMAGE140
。
（3）使用OTSU算法计算出
Figure 283825DEST_PATH_IMAGE279
分量的分割阈值
Figure 777779DEST_PATH_IMAGE017
，由分割阈值
Figure 960498DEST_PATH_IMAGE017
确定照度分量
Figure 271394DEST_PATH_IMAGE018
的两个
Figure 197762DEST_PATH_IMAGE020
校正因子
Figure 543292DEST_PATH_IMAGE022
和
Figure 896913DEST_PATH_IMAGE024
，根据校正因子得到照度分量
Figure 695105DEST_PATH_IMAGE025
的两幅校正图像
Figure 425164DEST_PATH_IMAGE027
和
Figure 625201DEST_PATH_IMAGE029
；
所述步骤（3）的过程具体为：
使用OTSU算法计算出
Figure 149723DEST_PATH_IMAGE011
的分割阈值
Figure 435211DEST_PATH_IMAGE017
；
Figure DEST_PATH_IMAGE295
分量的尺寸为
Figure DEST_PATH_IMAGE297
，分量的灰度级为
Figure DEST_PATH_IMAGE299
，分量上每一个像素点的值
Figure DEST_PATH_IMAGE301
，灰度值
Figure DEST_PATH_IMAGE303
出现的概率为
Figure DEST_PATH_IMAGE305
，则：
Figure DEST_PATH_IMAGE307
；
设
Figure DEST_PATH_IMAGE308
分量的分割阈值为
Figure 215298DEST_PATH_IMAGE017
，由分割阈值
Figure 269842DEST_PATH_IMAGE017
将图像
Figure DEST_PATH_IMAGE310
分为目标和背景，像素灰度值大于
Figure 496424DEST_PATH_IMAGE017
的作为目标像素点，小于
Figure 269208DEST_PATH_IMAGE017
的作为背景像素点，其中目标区域内的总像素数占整幅图像的比例是
Figure DEST_PATH_IMAGE312
，背景区域内的总像素数占整幅图像的比例是
Figure DEST_PATH_IMAGE314
，则：
Figure DEST_PATH_IMAGE316
；
Figure DEST_PATH_IMAGE318
；
设目标区域内的像素总数为
Figure DEST_PATH_IMAGE320
，背景区域内的像素总数为
Figure DEST_PATH_IMAGE322
，
Figure DEST_PATH_IMAGE324
；
Figure DEST_PATH_IMAGE326
；
分别求得目标区域和背景区域的灰度均值
Figure DEST_PATH_IMAGE328
和
Figure DEST_PATH_IMAGE330
：
Figure DEST_PATH_IMAGE332
；
Figure DEST_PATH_IMAGE334
；
则图像
Figure DEST_PATH_IMAGE336
的总平均灰度均值
Figure DEST_PATH_IMAGE338
为：
Figure DEST_PATH_IMAGE340
；
最终可得图像
Figure DEST_PATH_IMAGE342
的最大类间方差
Figure DEST_PATH_IMAGE344
：
Figure DEST_PATH_IMAGE346
；
然后根据最大类间方差
Figure DEST_PATH_IMAGE348
，使用OTSU算法进行不断迭代，当所迭代的最大类间方差取得最大值时，此时所计算出来的阈值即为
Figure DEST_PATH_IMAGE350
分量的分割阈值
Figure DEST_PATH_IMAGE352
；
将
Figure DEST_PATH_IMAGE353
中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点，亮像素点的亮度值大于中像素点的亮度值，中像素点的亮度值大于暗像素点的亮度值划分的阈值由分割阈值
Figure 826222DEST_PATH_IMAGE352
确定，计算如下：
Figure DEST_PATH_IMAGE354
；
Figure DEST_PATH_IMAGE355
；
式中，
Figure 818097DEST_PATH_IMAGE154
为暗像素点和中像素点的划分阈值，
Figure 950001DEST_PATH_IMAGE156
为中像素点和亮像素点的划分阈值，
Figure 944502DEST_PATH_IMAGE158
，
Figure 820054DEST_PATH_IMAGE160
为调节系数，取
Figure 583611DEST_PATH_IMAGE162
，
Figure 886416DEST_PATH_IMAGE164
；
使用
Figure 368213DEST_PATH_IMAGE165
和
Figure DEST_PATH_IMAGE356
计算出照度分量
Figure 313035DEST_PATH_IMAGE168
的
Figure 196678DEST_PATH_IMAGE170
校正因子
Figure 670385DEST_PATH_IMAGE172
和
Figure 639478DEST_PATH_IMAGE174
，计算如下：
Figure DEST_PATH_IMAGE357
分别将
Figure 387991DEST_PATH_IMAGE177
和
Figure DEST_PATH_IMAGE358
代入上式即求得
Figure 660228DEST_PATH_IMAGE172
和
Figure 304836DEST_PATH_IMAGE174
；
根据校正因子得到照度分量
Figure DEST_PATH_IMAGE359
的两幅校正图像
Figure 292383DEST_PATH_IMAGE183
和
Figure 251112DEST_PATH_IMAGE185
，计算如下：
Figure DEST_PATH_IMAGE360
；
分别将
Figure 437243DEST_PATH_IMAGE172
和
Figure 987173DEST_PATH_IMAGE174
代入上式求得
Figure DEST_PATH_IMAGE361
和
Figure DEST_PATH_IMAGE362
。
（4）使用照度分量融合系数将校正图像
Figure 993175DEST_PATH_IMAGE030
、
Figure 552332DEST_PATH_IMAGE031
和照度分量
Figure 265073DEST_PATH_IMAGE032
融合为一幅图像，得到增强的照度分量
Figure 454746DEST_PATH_IMAGE034
；合并后的照度分量
Figure DEST_PATH_IMAGE364
及分割阈值
Figure DEST_PATH_IMAGE366
如图2所示；图2中1线为分割阈值，2线为原图，3线为本实施例的滤波扫描线；
所述步骤（4）的过程具体为：
合并校正图像
Figure 476273DEST_PATH_IMAGE193
、
Figure 776804DEST_PATH_IMAGE195
和照度分量
Figure 609631DEST_PATH_IMAGE197
，得到增强的照度分量
Figure 766943DEST_PATH_IMAGE199
，计算如下：
Figure DEST_PATH_IMAGE367
；
式中，
Figure 950800DEST_PATH_IMAGE203
，
Figure 851760DEST_PATH_IMAGE205
，
Figure 539093DEST_PATH_IMAGE207
表示照度分量合并因子，其限制条件为
Figure 867306DEST_PATH_IMAGE203
，
Figure 7300DEST_PATH_IMAGE205
，
Figure 446372DEST_PATH_IMAGE207
均大于0，且
Figure 988212DEST_PATH_IMAGE203
，
Figure 487326DEST_PATH_IMAGE205
，
Figure 114617DEST_PATH_IMAGE208
之和等于1，本实施例中
Figure 357379DEST_PATH_IMAGE203
，
Figure 753725DEST_PATH_IMAGE205
，
Figure 426671DEST_PATH_IMAGE207
均为1/3；
（5）对
Figure 541257DEST_PATH_IMAGE036
分量的反射分量
Figure DEST_PATH_IMAGE368
取反得到负片图像
Figure 118869DEST_PATH_IMAGE283
，对负片图像进行增强处理，得到增强后的负片图像
Figure DEST_PATH_IMAGE369
，再对
Figure DEST_PATH_IMAGE370
取反得出得到增强的反射分量
Figure DEST_PATH_IMAGE371
；
所述步骤（5）的过程具体为：对反射分量
Figure DEST_PATH_IMAGE372
中的值取反得到负片图像
Figure 494356DEST_PATH_IMAGE212
，计算如下：
Figure 335273DEST_PATH_IMAGE214
；
对
Figure 733893DEST_PATH_IMAGE216
进行增强处理，得到增强后的负片图像
Figure 521721DEST_PATH_IMAGE218
，计算如下：
Figure 892659DEST_PATH_IMAGE220
；
式中，
Figure 904477DEST_PATH_IMAGE222
为调节参数；
对
Figure 790394DEST_PATH_IMAGE224
中的值取反得到增强的反射分量
Figure 116333DEST_PATH_IMAGE226
，计算如下：
Figure 135586DEST_PATH_IMAGE228
。
（6）将增强后的照度分量
Figure DEST_PATH_IMAGE373
和增强的反射分量
Figure DEST_PATH_IMAGE374
合并得出增强的
Figure 646202DEST_PATH_IMAGE049
分量，记为
Figure DEST_PATH_IMAGE375
，使用
Figure 488256DEST_PATH_IMAGE052
替换
Figure DEST_PATH_IMAGE376
分量得到图像
Figure 945782DEST_PATH_IMAGE055
，将图像
Figure 291313DEST_PATH_IMAGE056
色彩空间由HSV转换至RGB得到增强的图像
Figure DEST_PATH_IMAGE377
。
所述步骤（6）的过程具体为：将增强后的照度分量
Figure 176092DEST_PATH_IMAGE230
和反射分量
Figure 974284DEST_PATH_IMAGE232
合并为
Figure 704342DEST_PATH_IMAGE234
，
Figure 904380DEST_PATH_IMAGE236
是对
Figure DEST_PATH_IMAGE378
的增强，计算如下：
Figure 962990DEST_PATH_IMAGE240
；
将图像
Figure 248478DEST_PATH_IMAGE242
的
Figure 516648DEST_PATH_IMAGE244
色彩空间中的
Figure 571192DEST_PATH_IMAGE246
替换为
Figure 532194DEST_PATH_IMAGE248
，得到图像
Figure 304978DEST_PATH_IMAGE249
；
将图像
Figure 111260DEST_PATH_IMAGE250
色彩空间由
Figure 285890DEST_PATH_IMAGE251
转换为
Figure 152215DEST_PATH_IMAGE253
得到增强的图像
Figure DEST_PATH_IMAGE379
，图像
Figure 943453DEST_PATH_IMAGE257
的
Figure 553426DEST_PATH_IMAGE259
计算如下：
Figure DEST_PATH_IMAGE380
；
Figure 113720DEST_PATH_IMAGE263
；
Figure 619788DEST_PATH_IMAGE265
；
Figure 101585DEST_PATH_IMAGE267
；
式中：
Figure DEST_PATH_IMAGE381
；
Figure DEST_PATH_IMAGE382
；
Figure 574636DEST_PATH_IMAGE273
。
为了验证本发明对亮度不均匀图像的增强效果，申请人采取了三张亮度不均匀的图片，分别为地板图（Floor）、道路图（Way）和书架图（Shelf），通过本发明对这三张图片进行自适应增强；作为对比，申请人还采用了MSR算法和CLAHE算法对相同的三种图片进行自适应增强，得到如表1所示的增强后图像的质量评价表。
Figure DEST_PATH_IMAGE384
表1
从表1可以体现不同算法处理方法后因为亮度质量不同导致的图像质量问题，评价图像质量的常规参数为结构相似性(SSIM)和峰值信噪比(PSNR)，如表所示，本实施例方法对亮度不均匀的图片进行增强后，其结构相似性(SSIM)和峰值信噪比(PSNR)相比MSR算法和CLAHE算法处理的图片有了很大的提升，其中结构相似性(SSIM)在2倍以上，峰值信噪比(PSNR)在4倍以上，这说明本实施例的方法处理后的图像质量非常高，具有非常好的增强效果。
综上所述，本发明对原始图像的色彩空间转换后，仅对图像的亮度进行处理，因此不会改变图像的色调和饱和度，从而不会造成图像的色彩失真；本发明通过分别增强图像亮度的照度分量和反射分量，并对照度分量进行校正，在空间域中将校正后的照度分量与原照度分量合理合并，实现对照度分量的自适应校正，使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值，最终实现亮度不均匀图像的自适应增强。因此本发明相对于其他方法在处理亮度不均匀图像时出现色彩失真和亮像素区域过增强的问题，本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。

Claims (7)

1.一种亮度不均匀图像的自适应增强方法，其特征在于：具体包括以下步骤：
（1）将原始图像
Figure DEST_PATH_IMAGE001
的色彩空间由RGB转换成HSV，得到转换后的图像
Figure 604018DEST_PATH_IMAGE002
；
（2）使用多尺度滤波算法计算出图像
Figure DEST_PATH_IMAGE003
色彩空间
Figure 704698DEST_PATH_IMAGE004
分量的照度分量
Figure 510980DEST_PATH_IMAGE005
， 再由照度分量
Figure DEST_PATH_IMAGE006
和
Figure 216767DEST_PATH_IMAGE007
分量计算出
Figure DEST_PATH_IMAGE008
分量的反射分量
Figure 348672DEST_PATH_IMAGE009
；
（3）使用OTSU算法计算出
Figure 608752DEST_PATH_IMAGE010
分量的分割阈值
Figure 218724DEST_PATH_IMAGE011
，由分割阈值
Figure 247860DEST_PATH_IMAGE011
确定照度分量
Figure 553595DEST_PATH_IMAGE012
的两个
Figure DEST_PATH_IMAGE013
校正因子
Figure 566551DEST_PATH_IMAGE014
和
Figure 980215DEST_PATH_IMAGE015
，根据校正因子得到照度分量
Figure DEST_PATH_IMAGE016
的两幅校正 图像
Figure 395015DEST_PATH_IMAGE017
和
Figure 868722DEST_PATH_IMAGE018
；
（4）使用照度分量融合系数将校正图像
Figure DEST_PATH_IMAGE019
、
Figure 368974DEST_PATH_IMAGE020
和照度分量
Figure DEST_PATH_IMAGE021
融 合为一幅图像，得到增强的照度分量
Figure 851907DEST_PATH_IMAGE022
；
（5）对
Figure DEST_PATH_IMAGE023
分量的反射分量
Figure 386794DEST_PATH_IMAGE024
取反得到负片图像
Figure 31402DEST_PATH_IMAGE025
，对负片图像进行增 强处理，得到增强后的负片图像
Figure DEST_PATH_IMAGE026
，再对
Figure 18950DEST_PATH_IMAGE027
取反得到增强的反射分量
Figure DEST_PATH_IMAGE028
；
（6）将增强后的照度分量
Figure 302645DEST_PATH_IMAGE029
和增强的反射分量
Figure 895300DEST_PATH_IMAGE030
合并得出增强的
Figure 710809DEST_PATH_IMAGE031
分量，记 为
Figure 654495DEST_PATH_IMAGE032
，使用
Figure DEST_PATH_IMAGE033
替换
Figure 744810DEST_PATH_IMAGE034
分量得到图像
Figure DEST_PATH_IMAGE035
，将图像
Figure 988710DEST_PATH_IMAGE036
色彩空间由HSV转换至 RGB得到增强的图像
Figure DEST_PATH_IMAGE037
。
2.根据权利要求1所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤（1）的过程具体为：
图像
Figure 37437DEST_PATH_IMAGE038
的
Figure DEST_PATH_IMAGE039
色彩空间表示为
Figure 999577DEST_PATH_IMAGE040
，其中
Figure DEST_PATH_IMAGE041
分别是图像中坐标为
Figure 628005DEST_PATH_IMAGE042
像素的红、绿和蓝颜色值，其值是介于区间[0,1]之间的实数，记 每个像素红绿蓝三种颜色中的最大值为
Figure 463761DEST_PATH_IMAGE043
，最小值为
Figure DEST_PATH_IMAGE044
；
使用
Figure 886652DEST_PATH_IMAGE045
和
Figure 804930DEST_PATH_IMAGE044
将图像
Figure 705889DEST_PATH_IMAGE046
色彩空间由
Figure 127644DEST_PATH_IMAGE047
转换为
Figure DEST_PATH_IMAGE048
，得到图像
Figure 987015DEST_PATH_IMAGE049
，图像
Figure DEST_PATH_IMAGE050
的
Figure 658168DEST_PATH_IMAGE051
色彩空间表示为
Figure 362819DEST_PATH_IMAGE052
，其中
Figure 904658DEST_PATH_IMAGE053
分别是图像中坐标为
Figure 403773DEST_PATH_IMAGE042
像素的色调、饱和度和亮度；转换公式如下：
Figure DEST_PATH_IMAGE054
；
Figure 562222DEST_PATH_IMAGE055
；
Figure 804984DEST_PATH_IMAGE056
；
式中，
Figure DEST_PATH_IMAGE057
，
Figure 729559DEST_PATH_IMAGE058
。
3.根据权利要求2所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤（2）的过程具体为：
使用多尺度滤波算法计算出
Figure DEST_PATH_IMAGE059
的照度分量
Figure 930734DEST_PATH_IMAGE060
，计算如下：
Figure DEST_PATH_IMAGE061
；
式中，
Figure 576479DEST_PATH_IMAGE062
为第
Figure DEST_PATH_IMAGE063
步照度分量，
Figure 888511DEST_PATH_IMAGE064
是第
Figure DEST_PATH_IMAGE065
步照度分量，
Figure 670522DEST_PATH_IMAGE066
表示引导滤波，
Figure DEST_PATH_IMAGE067
分别表示第
Figure 42598DEST_PATH_IMAGE068
步的尺度因子和平滑因子，符号
Figure DEST_PATH_IMAGE069
表示卷积运算，其中
Figure 175639DEST_PATH_IMAGE070
等于
Figure DEST_PATH_IMAGE071
，
Figure 291363DEST_PATH_IMAGE072
取2，
Figure 665231DEST_PATH_IMAGE073
取0.02，
Figure DEST_PATH_IMAGE074
，
Figure 208207DEST_PATH_IMAGE075
，照度分量
Figure DEST_PATH_IMAGE076
；
计算
Figure 562965DEST_PATH_IMAGE077
的反射分量
Figure DEST_PATH_IMAGE078
，计算如下：
Figure 482380DEST_PATH_IMAGE079
。
4.根据权利要求3所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤（3）过程具体为：
使用OTSU算法进行不断迭代，当所迭代的最大类间方差取得最大值时，此时所计算出 来的阈值即为
Figure DEST_PATH_IMAGE080
分量的分割阈值
Figure 238983DEST_PATH_IMAGE081
；
将
Figure 421703DEST_PATH_IMAGE082
中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点，划分的阈值 由分割阈值
Figure DEST_PATH_IMAGE084
确定，计算如下：
Figure 529336DEST_PATH_IMAGE085
；
Figure DEST_PATH_IMAGE086
；
式中，
Figure 986862DEST_PATH_IMAGE087
为暗像素点和中像素点的划分阈值，
Figure DEST_PATH_IMAGE088
为中像素点和亮像素点的划分阈值，
Figure 597972DEST_PATH_IMAGE089
，
Figure DEST_PATH_IMAGE090
为调节系数，取
Figure 565576DEST_PATH_IMAGE091
，
Figure DEST_PATH_IMAGE092
；
使用
Figure 894927DEST_PATH_IMAGE093
和
Figure DEST_PATH_IMAGE094
计算出照度分量
Figure 156144DEST_PATH_IMAGE095
的
Figure DEST_PATH_IMAGE096
校正因子
Figure 621760DEST_PATH_IMAGE097
和
Figure DEST_PATH_IMAGE098
，计算如下：
Figure 943020DEST_PATH_IMAGE099
分别将
Figure DEST_PATH_IMAGE100
和
Figure 759666DEST_PATH_IMAGE101
代入上式即求得
Figure 27837DEST_PATH_IMAGE097
和
Figure 82380DEST_PATH_IMAGE098
；
根据校正因子得到照度分量
Figure DEST_PATH_IMAGE102
的两幅校正图像
Figure 311892DEST_PATH_IMAGE103
和
Figure DEST_PATH_IMAGE104
，计算 如下：
Figure 350255DEST_PATH_IMAGE105
；
分别将
Figure 422116DEST_PATH_IMAGE097
和
Figure 596746DEST_PATH_IMAGE098
代入上式求得
Figure DEST_PATH_IMAGE106
和
Figure 994229DEST_PATH_IMAGE107
。
5.根据权利要求4所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤（4）的过程具体为：
合并校正图像
Figure DEST_PATH_IMAGE108
、
Figure 785467DEST_PATH_IMAGE109
和照度分量
Figure DEST_PATH_IMAGE110
，得到增强的照度分量
Figure 926599DEST_PATH_IMAGE111
，计算如下：
Figure DEST_PATH_IMAGE112
；
式中，
Figure 486893DEST_PATH_IMAGE113
，
Figure DEST_PATH_IMAGE114
，
Figure 55278DEST_PATH_IMAGE115
表示照度分量合并因子，其限制条件为
Figure 802654DEST_PATH_IMAGE113
，
Figure 213388DEST_PATH_IMAGE114
，
Figure 97030DEST_PATH_IMAGE115
均大于0，且
Figure 570737DEST_PATH_IMAGE113
，
Figure 539830DEST_PATH_IMAGE114
，
Figure 491606DEST_PATH_IMAGE115
之和等于1。
6.根据权利要求5所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤 （5）的过程具体为：对反射分量
Figure DEST_PATH_IMAGE116
中的值取反得到负片图像
Figure 26492DEST_PATH_IMAGE117
，计算如下：
Figure DEST_PATH_IMAGE118
；
对
Figure 936679DEST_PATH_IMAGE119
进行增强处理，得到增强后的负片图像
Figure DEST_PATH_IMAGE120
，计算如下：
Figure 924227DEST_PATH_IMAGE121
；
式中，
Figure DEST_PATH_IMAGE122
为调节参数；
对
Figure 210852DEST_PATH_IMAGE123
中的值取反得到增强的反射分量
Figure DEST_PATH_IMAGE124
，计算如下：
Figure 600245DEST_PATH_IMAGE125
。
7.根据权利要求6所述的亮度不均匀图像的自适应增强方法，其特征在于：所述步骤（6）的过程具体为：
将增强后的照度分量
Figure DEST_PATH_IMAGE126
和增强的反射分量
Figure 746580DEST_PATH_IMAGE127
合并为
Figure DEST_PATH_IMAGE128
，
Figure 424686DEST_PATH_IMAGE129
是对
Figure DEST_PATH_IMAGE130
的增强，计算如下：
Figure 249422DEST_PATH_IMAGE131
；
将图像
Figure DEST_PATH_IMAGE132
的
Figure 290060DEST_PATH_IMAGE133
色彩空间中的
Figure DEST_PATH_IMAGE134
替换为
Figure 807629DEST_PATH_IMAGE135
，得到图像
Figure DEST_PATH_IMAGE136
；
将图像
Figure 769768DEST_PATH_IMAGE137
色彩空间由
Figure DEST_PATH_IMAGE138
转换为
Figure 398196DEST_PATH_IMAGE139
得到增强的图像
Figure DEST_PATH_IMAGE140
，图像
Figure 496602DEST_PATH_IMAGE141
的
Figure DEST_PATH_IMAGE142
计算如下：
Figure 182142DEST_PATH_IMAGE143
；
Figure DEST_PATH_IMAGE144
；
Figure 631578DEST_PATH_IMAGE145
；
Figure DEST_PATH_IMAGE146
；
式中：
Figure 798117DEST_PATH_IMAGE147
；
Figure DEST_PATH_IMAGE148
；
Figure 16609DEST_PATH_IMAGE149
。
CN202011144095.6A 2020-10-23 2020-10-23 一种亮度不均匀图像的自适应增强方法 Active CN111968065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011144095.6A CN111968065B (zh) 2020-10-23 2020-10-23 一种亮度不均匀图像的自适应增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011144095.6A CN111968065B (zh) 2020-10-23 2020-10-23 一种亮度不均匀图像的自适应增强方法

Publications (2)

Publication Number Publication Date
CN111968065A true CN111968065A (zh) 2020-11-20
CN111968065B CN111968065B (zh) 2021-04-06

Family

ID=73387227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011144095.6A Active CN111968065B (zh) 2020-10-23 2020-10-23 一种亮度不均匀图像的自适应增强方法

Country Status (1)

Country Link
CN (1) CN111968065B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785532A (zh) * 2021-01-12 2021-05-11 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN112801925A (zh) * 2021-01-12 2021-05-14 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
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
CN115526811A (zh) * 2022-11-28 2022-12-27 电子科技大学中山学院 一种适应于多变光照环境的自适应视觉slam方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
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
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
CN109671036A (zh) * 2018-12-26 2019-04-23 上海联影医疗科技有限公司 一种图像校正方法、装置、计算机设备及存储介质
CN110264411A (zh) * 2019-05-13 2019-09-20 北京中科晶上科技股份有限公司 用于图像的光照校正方法
CN111861899A (zh) * 2020-05-20 2020-10-30 河海大学 一种基于光照不均匀的图像增强方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
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
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
CN109671036A (zh) * 2018-12-26 2019-04-23 上海联影医疗科技有限公司 一种图像校正方法、装置、计算机设备及存储介质
CN110264411A (zh) * 2019-05-13 2019-09-20 北京中科晶上科技股份有限公司 用于图像的光照校正方法
CN111861899A (zh) * 2020-05-20 2020-10-30 河海大学 一种基于光照不均匀的图像增强方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
十六呀: "数字图像处理第三章：图像增强", 《掘金，URL：HTTPS://JUEJIN.CN/POST/6844903834741899277》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785532A (zh) * 2021-01-12 2021-05-11 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN112801925A (zh) * 2021-01-12 2021-05-14 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
CN112785532B (zh) * 2021-01-12 2022-11-18 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN112801925B (zh) * 2021-01-12 2023-08-18 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
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
CN115526811A (zh) * 2022-11-28 2022-12-27 电子科技大学中山学院 一种适应于多变光照环境的自适应视觉slam方法

Also Published As

Publication number Publication date
CN111968065B (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive image enhancement method for correcting low-illumination images
CN111968065B (zh) 一种亮度不均匀图像的自适应增强方法
Wang et al. Simple low-light image enhancement based on Weber–Fechner law in logarithmic space
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
CN111986120A (zh) 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法
Lee et al. A space-variant luminance map based color image enhancement
CN109191390A (zh) 一种基于不同颜色空间多算法融合的图像增强算法
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
Fan et al. An improved single image defogging method based on Retinex
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
CN111968041A (zh) 一种自适应图像增强方法
CN108288258A (zh) 一种针对恶劣天气条件下的低质图像增强方法
CN110473152B (zh) 基于改进Retinex算法的图像增强方法
CN111861896A (zh) 一种面向uuv的水下图像色彩补偿与恢复方法
Priyanka et al. Low-light image enhancement by principal component analysis
CN109886885B (zh) 一种基于Lab色彩空间和Retinex的图像增强方法及系统
CN113450272B (zh) 一种基于正弦曲线变化的图像增强方法及其应用
Zhao et al. An adaptive low-illumination image enhancement algorithm based on weighted least squares optimization
CN108550124B (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN110675332A (zh) 一种金属腐蚀图像质量的增强方法
CN110427868A (zh) 一种行人重识别中的特征提取方法
CN112435184A (zh) 一种基于Retinex和四元数的雾霾天图像识别方法
CN112308793A (zh) 一种新型的非均匀光照图像对比度和细节增强方法
CN117274085A (zh) 低照度图像增强方法及装置
Asari et al. Nonlinear enhancement of extremely high contrast images for visibility improvement

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