CN112037144A - 一种基于局部对比度拉伸的低照度图像增强方法 - Google Patents
一种基于局部对比度拉伸的低照度图像增强方法 Download PDFInfo
- Publication number
- CN112037144A CN112037144A CN202010894944.3A CN202010894944A CN112037144A CN 112037144 A CN112037144 A CN 112037144A CN 202010894944 A CN202010894944 A CN 202010894944A CN 112037144 A CN112037144 A CN 112037144A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel point
- value
- channel data
- local contrast
- 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 34
- 238000005286 illumination Methods 0.000 title claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000012804 iterative process Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000011160 research Methods 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于局部对比度拉伸的低照度图像增强方法,它属于图像增强技术领域。本发明解决了采用现有方法无法保证增强图像的图像细节、纹理和清晰度,导致获得的增强图像的质量差的问题。本发明首先对图像的局部对比度进行拉伸,从而提升输出图像的纹理、细节以及清晰度特性。其次,设计一个分段式全局灰度映射方法用于计算迭代过程的初始值,从而提高增强图像的全局亮度对比。实验结果验证本发明设计的图像增强算法能够有效地提高图像质量,增强图像的亮度对比,图像细节非常适于人眼观察。本发明可以应用于低照度图像的增强。
Description
技术领域
本发明属于图像增强技术领域,具体涉及一种基于局部对比度拉伸的低照度图像增强方法。
背景技术
由于真实环境光照的不均匀造成数字图像存在亮度偏低的低照度区域。低照度区域的存在导致图像的可视性效果变差,低照度区域的细节、纹理、图像内容难于识别。因此如何克服低照度区域引起的图像质量下降这一问题,已经成为学术界研究的热点。常用的低照度图像增强算法包括:基于直方图均衡化的对比度增强算法;基于全局灰度拉伸的图像增强算法;基于小波变换的图像增强算法等。虽然这些算法能够在一定程度上提高图像的明暗对比,但是增强图像的图像细节、纹理、清晰度仍然无法得到保证,导致采用现有方法获得的增强图像的质量仍然较差。
发明内容
本发明的目的是为了解决采用现有方法无法保证增强图像的图像细节、纹理和清晰度,导致获得的增强图像的质量差的问题,而提出了一种基于局部对比度拉伸的低照度图像增强方法。
本发明为解决上述技术问题采取的技术方案是:一种基于局部对比度拉伸的低照度图像增强方法,该方法包括以下步骤:
步骤一、采集原始RGB图像,将采集的原始RGB图像转换成HSV图像后,获得HSV图像的V通道数据、H通道数据和S通道数据;
步骤二、对HSV图像的V通道数据的局部对比度进行局部对比度拉伸,获得拉伸后的局部对比度;
步骤三、对HSV图像的V通道数据进行灰度映射得到迭代初始值;
步骤四、利用拉伸后的局部对比度和迭代初始值计算得到增强的V通道数据,将H通道数据、S通道数据和增强的V通道数据形成的HSV图像转换为RGB图像,获得增强图像。
本发明的有益效果是:本发明提出了一种基于局部对比度拉伸的低照度图像增强方法,本发明首先对图像的局部对比度进行拉伸,从而提升输出图像的纹理、细节以及清晰度特性。其次,设计一个分段式全局灰度映射方法用于计算迭代过程的初始值,从而提高增强图像的全局亮度对比。实验结果验证本发明设计的图像增强算法能够有效地提高图像质量,增强图像的亮度对比,图像细节非常适于人眼观察。
附图说明
图1是本发明方法的流程图;
图2是局部对比度增强曲线图;
图3是利用拉伸后的局部对比度和迭代初始值获得增强图像的流程图;
图4是原始的farm图像;
图5是图4对应的增强图像;
图6是原始的house图像;
图7是图6对应的增强图像;
图8是原始的couple图像;
图9是图8对应的增强图像。
具体实施方式
具体实施方式一:结合图1说明本实施方式。本实施方式所述的一种基于局部对比度拉伸的低照度图像增强方法,该方法具体通过以下步骤实现:
步骤一、采集原始RGB图像,将采集的原始RGB图像转换成HSV图像后,获得HSV图像的V通道数据、H通道数据和S通道数据;
步骤二、对HSV图像的V通道数据的局部对比度进行局部对比度拉伸,获得拉伸后的局部对比度;
步骤三、对HSV图像的V通道数据进行灰度映射得到迭代初始值;
步骤四、利用拉伸后的局部对比度和迭代初始值计算得到增强的V通道数据,将H通道数据、S通道数据和增强的V通道数据形成的HSV图像转换为RGB图像,获得增强图像。
具体实施方式二:结合图2说明本实施方式。本实施方式与具体实施方式一不同的是:所述步骤二的具体过程为:
局部对比度拉伸函数的形式如公式(1)所示:
具体实施方式三:本实施方式与具体实施方式二不同的是:所述中间函数A(0.45)、B(0.45)、A(1)和B(1)的表达式分别为:
A(0.45)=max[(Cx,y+1)0.45] (2)
B(0.45)=min[(Cx,y+1)0.45] (3)
A(1)=max(Cx,y+1) (4)
B(1)=min(Cx,y+1) (5)
其中:max表示取最大值,min表示取最小值。
本实施方式中,在获得最大值和最小值的过程中,需要遍历每个像素点的局部对比度,以便获得(Cx,y+1)0.45的最大值以及最小值,(Cx,y+1)的最大值以及最小值。
具体实施方式四:本实施方式与具体实施方式三不同的是:所述步骤一获得的V通道数据中像素点(x,y)的局部对比度Cx,y为:
其中,Ix,y是HSV图像的V通道数据中像素点(x,y)的灰度值,Vx,y代表像素点(x,y)的局部自适应亮度,它是以(x,y)像素为中心的4邻域内灰度平均值,Vx,y的表达式如公式(7)所示:
其中,Ix,y-1是V通道数据中像素点(x,y-1)的灰度值,Ix-1,y是V通道数据中像素点(x-1,y)的灰度值,Ix,y+1是V通道数据中像素点(x,y+1)的灰度值,Ix+1,y是V通道数据中像素点(x+1,y)的灰度值。
根据公式(6)可知,局部对比度越接近0,则中心像素的灰度越接近邻域内全体像素灰度的平均值。此时中心像素的亮度与背景差异性小,从而表现为图像的局部亮度变化不明显,图像细节、纹理、清晰度不突出,反之亦然。因此本发明首先对图像的局部对比度进行拉伸,使局部对比度远离0,从而提升输出图像的纹理、细节以及清晰度特性。
具体实施方式五:本实施方式与具体实施方式四不同的是:所述步骤三的具体过程为:
迭代初始值计算函数G(i)为:
其中:i表示像素点的灰度级,i的取值范围为[0,255];H表示HSV图像的灰度直方图;t表示灰度阈值。
对于灰度级为i的像素点,该像素点的迭代初始值为G(i)。
计算迭代初始值的目的是在保持局部对比度的同时,调整图像的整体亮度从而保证增强图像的明暗程度适于人眼观察。计算迭代初始值的思路是根据灰阶的分布拉伸或者压缩,并且使调整后图像的灰度均值尽可能接近于128。t将函数G分割为两段,第一段对应图像的低照度区域,第二段对应图像的正常照度区域。
由于低照度图像亮度分布不均匀,像素的灰度分布主要集中于灰度直方图数值较小的灰阶区域,从而造成低照度图像的亮度偏低,图像的整体明暗视觉对比较差。因此本发明通过设计一个分段式全局灰度映射方法对低照度图像的灰度直方图进行灰阶重分配,将通过灰度映射后的图像作为雅克比迭代过程的初始值,从而提高增强图像的全局亮度对比。
具体实施方式六:本实施方式与具体实施方式五不同的是:所述灰度阈值t的估计方法为:
具体实施方式七:结合图3说明本实施方式。本实施方式与具体实施方式六不同的是:所述步骤四中,利用拉伸后的局部对比度和迭代初始值计算得到增强的V通道数据,其具体过程为:
步骤四一、将计算出的迭代初始值作为像素点初始亮度值;
步骤四二、通过迭代运算对初始亮度值进行迭代更新,得到第一次迭代更新后的像素点亮度值;
步骤四三、同理,利用第一次迭代更新后像素点的亮度值计算第二次迭代更新后的像素点亮度值,不断进行重复迭代;
对于第n次的迭代更新过程,获得的第n次迭代更新后的像素点亮度值为:
其中:代表第n次迭代更新后像素点(x,y)的亮度值,为第n-1次迭代更新后像素点(x,y-1)的亮度值,为第n-1次迭代更新后像素点(x-1,y)的亮度值,为第n-1次迭代更新后像素点(x,y+1)的亮度值,为第n-1次迭代更新后像素点(x+1,y)的亮度值;
将第n次迭代与第n-1次迭代之间差的绝对值d(n)作为判断迭代是否收敛的条件,随着迭代过程的逐步进行,d(n)逐渐缩小,当d(n)≤0.01时迭代收敛。
本发明首先利用RGB转HSV模块分离出V通道,H通道和S通道数据;其次利用计算迭代初始值模块对V通道数据进行如式(8)所示的分段式灰度映射得到迭代初始值;再次局部对比度拉伸模块对V通道的局部对比度进行如式(1)所示的局部对比度变换得到拉伸后的局部对比度;从此将拉伸后的局部对比度以及迭代初始值输入雅克比迭代模块,输出增强的V通道数据;最后增强的V通道、H通道和S通道数据输入到HSV转RGB模块,输出增强图像。
实验结果与分析
本发明采用的仿真软件是Matlab 2016b。本发明采用CPU为i7-6700HQ,内存为8GBDDR4,显卡是GTX 1070的台式计算机作为硬件仿真平台。仿真程序的输入输出均为JPEG格式数字图像。算法仿真结果如图4~9所示:
对比于原始图像,增强图像的整体明暗效果得到有效地提升,图像的整体亮度非常适于人眼观察,图像的局部细节、纹理有了明显的提升,图像局部视觉效果得到有效地增强。因此本发明设计的图像增强算法能够在丰富局部细节的同时提高图像整体的视觉效果,增强图像的图像质量明显优于原始图像。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (7)
1.一种基于局部对比度拉伸的低照度图像增强方法,其特征在于,该方法包括以下步骤:
步骤一、采集原始RGB图像,将采集的原始RGB图像转换成HSV图像后,获得HSV图像的V通道数据、H通道数据和S通道数据;
步骤二、对HSV图像的V通道数据的局部对比度进行局部对比度拉伸,获得拉伸后的局部对比度;
步骤三、对HSV图像的V通道数据进行灰度映射得到迭代初始值;
步骤四、利用拉伸后的局部对比度和迭代初始值计算得到增强的V通道数据,将H通道数据、S通道数据和增强的V通道数据形成的HSV图像转换为RGB图像,获得增强图像。
3.根据权利要求2所述的一种基于局部对比度拉伸的低照度图像增强方法,其特征在于,所述中间函数A(0.45)、B(0.45)、A(1)和B(1)的表达式分别为:
A(0.45)=max[(Cx,y+1)0.45] (2)
B(0.45)=min[(Cx,y+1)0.45] (3)
A(1)=max(Cx,y+1) (4)
B(1)=min(Cx,y+1) (5)
其中:max表示取最大值,min表示取最小值。
7.根据权利要求6所述的一种基于局部对比度拉伸的低照度图像增强方法,其特征在于,所述步骤四中,利用拉伸后的局部对比度和迭代初始值计算得到增强的V通道数据,其具体过程为:
步骤四一、将计算出的迭代初始值作为像素点初始亮度值;
步骤四二、通过迭代运算对初始亮度值进行迭代更新,得到第一次迭代更新后的像素点亮度值;
步骤四三、同理,利用第一次迭代更新后像素点的亮度值计算第二次迭代更新后的像素点亮度值,不断进行重复迭代;
对于第n次的迭代更新过程,获得的第n次迭代更新后的像素点亮度值为:
其中:代表第n次迭代更新后像素点(x,y)的亮度值,为第n-1次迭代更新后像素点(x,y-1)的亮度值,为第n-1次迭代更新后像素点(x-1,y)的亮度值,为第n-1次迭代更新后像素点(x,y+1)的亮度值,为第n-1次迭代更新后像素点(x+1,y)的亮度值;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894944.3A CN112037144B (zh) | 2020-08-31 | 2020-08-31 | 一种基于局部对比度拉伸的低照度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894944.3A CN112037144B (zh) | 2020-08-31 | 2020-08-31 | 一种基于局部对比度拉伸的低照度图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037144A true CN112037144A (zh) | 2020-12-04 |
CN112037144B CN112037144B (zh) | 2021-04-23 |
Family
ID=73586983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010894944.3A Expired - Fee Related CN112037144B (zh) | 2020-08-31 | 2020-08-31 | 一种基于局部对比度拉伸的低照度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037144B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907470A (zh) * | 2021-02-05 | 2021-06-04 | 北京理工大学 | 基于Lab色域变换、分类及白平衡的水下图像恢复方法 |
CN114821376A (zh) * | 2022-06-27 | 2022-07-29 | 中咨数据有限公司 | 一种基于深度学习的无人机影像地质灾害自动提取方法 |
CN115183990A (zh) * | 2022-09-09 | 2022-10-14 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
CN115937045A (zh) * | 2023-01-05 | 2023-04-07 | 哈尔滨理工大学 | 一种迭代式色阶重建方法 |
CN115937016A (zh) * | 2022-10-31 | 2023-04-07 | 哈尔滨理工大学 | 一种保证图像细节的对比度增强方法 |
GB2621645A (en) * | 2022-06-27 | 2024-02-21 | Checc Data Co Ltd | Deep learning based method for automatic geological disaster extraction from unmanned aerial vehicle image |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6288067A (ja) * | 1985-10-14 | 1987-04-22 | Pasuko:Kk | 人工衛星からのデ−タの処理方法 |
CN102750680A (zh) * | 2012-06-30 | 2012-10-24 | 四川农业大学 | 基于经验模式分解和颜色空间的茶叶图像增强方法 |
US20160335750A1 (en) * | 2013-12-07 | 2016-11-17 | Razzor Technologies Inc. | Adaptive contrast in image processing and display |
CN107358592A (zh) * | 2017-09-08 | 2017-11-17 | 哈尔滨理工大学 | 一种迭代式全局自适应图像增强方法 |
-
2020
- 2020-08-31 CN CN202010894944.3A patent/CN112037144B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6288067A (ja) * | 1985-10-14 | 1987-04-22 | Pasuko:Kk | 人工衛星からのデ−タの処理方法 |
CN102750680A (zh) * | 2012-06-30 | 2012-10-24 | 四川农业大学 | 基于经验模式分解和颜色空间的茶叶图像增强方法 |
US20160335750A1 (en) * | 2013-12-07 | 2016-11-17 | Razzor Technologies Inc. | Adaptive contrast in image processing and display |
CN107358592A (zh) * | 2017-09-08 | 2017-11-17 | 哈尔滨理工大学 | 一种迭代式全局自适应图像增强方法 |
Non-Patent Citations (2)
Title |
---|
VIJAY A. KOTKAR;SANJAY S. GHARDE: ""Image contrast enhancement by preserving brightness using global and local features"", 《THIRD INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND INFORMATION TECHNOLOGY (CIIT 2013)》 * |
刘莉,刘珊,钱雪飞: ""多尺度形态学的局部对比度增强优化算法"", 《弹箭与制导学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907470A (zh) * | 2021-02-05 | 2021-06-04 | 北京理工大学 | 基于Lab色域变换、分类及白平衡的水下图像恢复方法 |
WO2024000927A1 (zh) * | 2022-06-27 | 2024-01-04 | 中咨数据有限公司 | 一种基于深度学习的无人机影像地质灾害自动提取方法 |
CN114821376A (zh) * | 2022-06-27 | 2022-07-29 | 中咨数据有限公司 | 一种基于深度学习的无人机影像地质灾害自动提取方法 |
CN114821376B (zh) * | 2022-06-27 | 2022-09-20 | 中咨数据有限公司 | 一种基于深度学习的无人机影像地质灾害自动提取方法 |
GB2621645A (en) * | 2022-06-27 | 2024-02-21 | Checc Data Co Ltd | Deep learning based method for automatic geological disaster extraction from unmanned aerial vehicle image |
CN115183990A (zh) * | 2022-09-09 | 2022-10-14 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115183990B (zh) * | 2022-09-09 | 2022-12-23 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
CN115937016A (zh) * | 2022-10-31 | 2023-04-07 | 哈尔滨理工大学 | 一种保证图像细节的对比度增强方法 |
CN115660994B (zh) * | 2022-10-31 | 2023-06-09 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
CN115937016B (zh) * | 2022-10-31 | 2023-07-21 | 哈尔滨理工大学 | 一种保证图像细节的对比度增强方法 |
CN115937045A (zh) * | 2023-01-05 | 2023-04-07 | 哈尔滨理工大学 | 一种迭代式色阶重建方法 |
CN115937045B (zh) * | 2023-01-05 | 2023-07-04 | 哈尔滨理工大学 | 一种迭代式色阶重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112037144B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037144B (zh) | 一种基于局部对比度拉伸的低照度图像增强方法 | |
Cao et al. | Contrast enhancement of brightness-distorted images by improved adaptive gamma correction | |
CN110232661B (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
CN107527333B (zh) | 一种基于伽马变换的快速图像增强方法 | |
Celik | Spatial mutual information and PageRank-based contrast enhancement and quality-aware relative contrast measure | |
Gupta et al. | Minimum mean brightness error contrast enhancement of color images using adaptive gamma correction with color preserving framework | |
CN114049283A (zh) | 一种自适应的灰度梯度直方图均衡遥感图像增强方法 | |
CN110428379B (zh) | 一种图像灰度增强方法及系统 | |
CN110717868B (zh) | 视频高动态范围反色调映射模型构建、映射方法及装置 | |
CN104680500A (zh) | 一种基于直方图均衡化的图像增强算法 | |
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 | |
CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
CN105118067A (zh) | 一种基于高斯平滑滤波的图像分割方法 | |
CN110211070B (zh) | 一种基于局部极值的低照度彩色图像增强方法 | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
Rong et al. | Study of color heritage image enhancement algorithms based on histogram equalization | |
CN112053309A (zh) | 一种图像增强方法及图像增强装置 | |
US20150146997A1 (en) | Reducing the dynamic range of image data | |
CN115984134A (zh) | 一种遥感测绘图像智能增强方法 | |
Feng et al. | Low-light image enhancement algorithm based on an atmospheric physical model | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
Jeon et al. | Low-light image enhancement using inverted image normalized by atmospheric light | |
CN114708157A (zh) | 图像压缩方法、电子设备和计算机可读存储介质 | |
CN115660994B (zh) | 一种基于区域最小二乘估计的图像增强方法 | |
CN110599426B (zh) | 一种优化clahe的水下图像增强方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210423 |