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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005286 illumination Methods 0.000 claims abstract description 70
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 150000001875 compounds Chemical class 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000003672 processing method Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation 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
- G06T5/90—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
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:
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:
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:
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:
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:
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:
式中:
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;
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:
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:
所述步骤(2)的过程具体为:
所述步骤(3)的过程具体为:
所述步骤(4)的过程具体为:
式中:
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。
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:
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)
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)
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 |
-
2020
- 2020-10-23 CN CN202011144095.6A patent/CN111968065B/zh active Active
Patent Citations (6)
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)
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)
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 |