CN112446841A - 一种自适应图像恢复方法 - Google Patents

Abstract

本发明一种基于色阶矫正的自适应调整方法，该方法包含光照均衡和色阶均衡。针对过亮或过暗图像提出一种自适应偏移方法，针对的色彩偏移提出了一种通道均衡方法。采用均值与方差去提取图像主要部分进行色阶调整，最后使用高斯滤波提取光照亮度进行光照均衡化。整个算法只存在一次卷积操作，速度快、效果好、通用性强。通过实验验证，该算法对于水下、去雾、夜视、过度曝光、色差偏差过大都有很好的效果，并且无需更改参数，自适应强，可以应用在汽车驾驶、水下设备、军事侦察、其他视频设备当中。

Description

一种自适应图像恢复方法

技术领域

本发明涉及图像处理技术领域、涉及一种基于直方图统计的快速自适应图像色阶矫正方法。

背景技术

对于图像的增强方法有许多种，但是针对不同环境需要调整其参数才能达到最好的效果。对于一些比较经典的图像增强手段，比如直方图均衡化，其效果非常好，运算速度也很快，但是其运算机制导致了对三个通道采用了同样的均衡化方法，这导致了对于某些某个通道占了比大的图像，经过直方图均衡后会出现色彩失真的现象。各种图像增强算法专一性高，通用性差，计算速度慢，并且色彩恢复后往往出现颜色偏差是难以解决的问题。

发明内容

对于图像的增强方法有许多种，但是针对不同环境需要调整其参数才能达到最好的效果。色阶调整是图像增强中的一种方法，对于一些比较经典的图像增强手段，比如直方图均衡化，其效果非常好，运算速度也很快，但是其运算机制导致了对三个通道采用了同样的均衡化方法，这导致了对于某些某个通道占了比大的图像，经过直方图均衡后会出现色彩失真的现象。因此，本发明设计了一种基于色阶矫正的自适应图像恢复方法，实现上述目的，本发明采用以下具体技术方案：

一种自适应图像恢复方法，包括：

S1：输入图像，分离R、G、B通道，获取各通道像素的标准差σ_c、均值μ_c以及一维熵H_c，

其中：c为通道，c∈(R,G,B)；

S2：获取各通道基于3-σ准则的色阶区间的提取函数：

L_c＝max(μ_c-e·σ_c，0) (1)

R_c＝min(μ_c+e·σ_c，255) (2)

其中，L_c是区间的左界；

R_c为区间的右界；

e为提取系数；

S3：计算各自适应通道的均衡量b_c，以及通过计算各通道的自适应窗口左侧偏移量

和右侧偏移量

获取色阶提取区间偏移后的像素对称轴μ′_c，从而得到修正后各通道像素的提取区间L′_c和R′_c，完成基于3-σ准则的色阶区间的矫正；

S4：基于二维伽马函数的光照不均匀图像自适应校正算法，利用高斯函数G(x,y)提取图像中的光照分量I(x,y)，利用光照分量使用二维伽马函数，转换到HSV模型下进行光照校正，获取矫正后的图像亮度值O(x，y)。

优选地，各通道像素的一维熵H_c通过一下公式获取：

其中，i为像素灰度值。

优选地，提取系数e∈(0，3]，e的大小决定了色阶区间的提取函数的左右界，也代表了色阶区间的调整程度。

优选地，一维熵最大的通道为主要通道，在此系数上做修正，使得主要通道在矫正后仍然表现为主通道。

优选地，S3具体包括如下步骤：

S301：各通道的均衡量b_c通过下式获取：

b_c＝CS·d_c·σ_c (4)

其中，d_c为各通道的均衡偏差系数；

CS为各通道的不平衡敏感系数，该系数大小代表了对不重要的通道的削弱程度；

各通道的均衡偏差系数d_c通过下式获取：

S302：左侧偏移量

和右侧偏移量

分别通过下式获取：

其中，se为偏移敏感系数，se取值越大，对图像的整体偏移就越敏感；

通过下式获取色阶提取区间偏移后的像素对称轴μ′_c：

其中，si为偏移系数；

S303：获取修正后各通道像素的提取区间，完成基于3-σ准则的色阶区间的矫正：

L′_c＝max(μ′_c-(e·σ_c+b_c)，0) (9)

R′_c＝min(μ′_c+(e·σ_c+b_c)，255) (10)

其中，L′_c为矫正后区间的左界；

R′_c为矫正后区间的右界；

优选地，矫正后的图像亮度值O(x，y)通过下式获取：

其中，F(x,y)为原图按照HSV色彩模型计算的光照通道；

γ为亮度均衡的指数；

m为提取出的光照分量的亮度均值；

I(x,y)为光照分量。

优选地，光照分量，其公式如下：

I(x,y)＝F(x,y)*G(x,y) (13)

其中，G(x,y)为高斯函数。

优选地，高斯函数形式为：

其中，c为尺度因子；

λ为归一化常数；

G(x,y)满足∫∫G(x,y)＝1。

优选地，输入图像为RGB格式或者HSV模式。

优选地，步骤S1和S2之间还包括：计算图像直方图分布，得到直方图分布的均值μ与方差σ，其中x＝μ为图像的对称轴，依据3-σ准则计算大部分像素所处区间。

本发明能够取得以下技术效果：

1、通用性高，无需修改参数，就可以适应绝大部分图像。

2、自适应调整，不会出现色彩失衡，针对极暗极亮图像，自适应调整拉伸区间。

3、速度快，在光照均衡化处理中，仅存在一次卷积操作，如果不使用光照均衡，速度提高7倍以上。

附图说明

图1是本发明一个实施例的一种自适应图像恢复方法流程图；

图2a是本发明一个实施例的原图及其直方图；

图2b是图2a拉伸后的效果图及其直方图；

图3是本发明一个实施例的光照反射模型示意图；

图4是本发明一个实施例的参数c卷积核形状的影响对比图；

图5a是本发明一个实施例的RGB图像；

图5b是图5a提出光照分量后的结果图；

图6是本发明的一个实施例的效果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。

本发明的目的是提供一种自适应图像恢复方法，相比传统的图像增强方法，整个算法只存在一次卷积操作，速度快、效果好、通用性强。通过实验验证，该算法对于水下、去雾、夜视、过度曝光、色差偏差过大都有很好的效果，并且无需更改参数，自适应强。可以应用在汽车驾驶、水下设备、军事侦察、其他视频设备当中。

下面将对本发明提供的一种自适应图像恢复方法，通过具体实施例来进行详细说明。

如图1的流程图所示，输入RGB格式或HSV模式等其他格式的图像F(x,y)，但后续需要转化成RGB格式进行处理；

分离R，G，B通道，分别计算图像各通道的直方图分布，得到直方图分布的均值μ_c与方差σ_c，计算各个通道的熵H_c，用于估算各个通道内的信息含量；

依据3-σ准则计算大部分像素所处区间，获得初步的各通道基于3-σ准则的色阶区间的提取函数L_c和R_c；

计算自适应窗口偏移量对区间进行偏移，同时计算自适应通道均衡量b_c，使用通道均衡量去修正色阶区间，得到最终的色阶区间的提取函数L′_c和R′_c；

最后，利用高斯函数G(x,y)提取图像中的光照分量I(x,y)，利用光照分量使用二维伽马函数，转换到HSV模型下进行光照校正，获取矫正后的图像亮度值O(x，y)。

在本发明的一个优选实施例中，色阶调整其主要思想划定一个区间，去掉区间外的过高、过低的像素，其余像素进行归一化拉伸，以达到增强的目的。但是对于不同的图像其主要信息所在的区间是不同的。在一副图像当中像素总会聚集在某一小段区间，这一区间占比很少但存在大量像素，因此采用了统计学中3-σ准则判断图像的大部分像素都处于哪个区间，自适应的进行拉伸。

在图像的像素分布当中σ代表标准差，μ代表均值；x＝μ即为图像的对称轴。

根据3-σ原则：

数值分布在(μ-σ，μ+σ)中的概率为0.6826；

数值分布在(μ-2σ，μ+2σ)中的概率为0.9544；

数值分布在(μ-3σ，μ+3σ)中的概率为0.9974；

可以认为，像素的取值几乎全部集中在(μ-3σ，μ+3σ)区间内，超出这个范围的可能性仅占不到0.3％，因此为了自适应提取区间的大小，提出了基于3-σ准则的色阶区间的提取函数：

L_c＝max(μ_c-e·σ_c，0) (1)

R_c＝min(μ_c+e·σ_c，255) (2)

在发明的一个实施例中，如图2a所示，在一副图像当中，总会有极少数的像素甚至数量为零的像素占据了大部分的灰度值区间，而大部分的像素集中在某个区间，因其三个通道分布大致相同，为了方便观察，此处使用单通道来表示其直方图。

求得该图像μ≈164，σ≈26。根据3-σ准则，(μ-3σ，μ+3σ)灰度区间(86，242)包含了99％以上的像素，所以我们将86作为下界，242作为上界进行区间提取，得到结果如图2b。

此时提取系数e＝3，一般提取系数e∈(0，3]，e的大小决定了色阶区间的提取函数的左右界，也代表了色阶区间的调整程度，过小的e会使得效果更强烈，但是会损失掉过多的像素，过大的e会保留更多的细节，但是效果会变弱，所以一般e的取值会在2-3之间。对于一些直方图呈正态分布的不清晰图像这种方法效果非常好而且速度很快，即使直方图不呈正态分布也有一定的增强效果。

在本发明的一个优选实施例中，对于一些直方图呈“L”或

型的图像，一般表现为极暗或极亮。通过基于3-σ准则的色阶区间提取方法来增强效果往往不能达到最优。矫正后，仍然有很多黑暗区域，其直方图仍呈“L”型，大量像素仍然集中于一个小区间。对此，提出了一种自适应窗口偏移方法，该方法可以判别出图像是否为极亮或极暗，若是，则将色阶提取区间向右或左偏移一部分，以此来突出主要的像素。

即通过，式(6)与式(7)获取向左或者向右的偏移量。

偏移敏感系数se为认为设定，其取值越大，对图像的整体偏移就越敏感。显然，se取1时代表一倍方差超出量为多少，得到偏移量后，对区间进行偏移：

其中，si为认为设定的偏移系数，在得到偏移量后，si决定了图像的提取区间要偏移多少,所以当使用自适应窗口偏移后，其提取区间会向大量像素区间偏移。

在本发明的一个优选实施例中，直方图均衡会破坏掉图像原本的色彩比例，为了解决这个问题，本专利提出了一种自适应通道均衡方法。

首先使用图像的一维熵H_c来作为一个参数，熵的大小直接反映了该通道所含信息量，因此将其作为重要的评价指标。此处我们定义均衡偏差系数d_c，即：

每一个通道的均衡偏差系数d等于1减去该通道的熵除以三个通道中的最大熵，很明显，最大熵通道的偏差系数d＝0。本专利认定熵最大的通道为主要通道，可以发现d是一个相对值，他表达了以主要通道为基准，其余两个通道和主要通道的差距系数。我们在此系数上做修正，使得主要通道在矫正后仍然表现为主通道，均衡量b_c由下式获取：

b_c＝CS·d_c·σ_c (4)

其中CS为通道不平衡敏感系数，该系数大小代表了对不重要的通道的削弱，当CS＝0时，代表无通道均衡。b_c值会使得矫正区间变大，越大的矫正区间对图像的改变是越小的，所以该方法将相对熵很小的通道削弱，以保持各通道的色彩占比。

得到均衡量后，将基于3-σ准则的色阶区间修正为：

L′_c＝max(μ′_c-(e·σ_c+b_c)，0) (9)

R′_c＝min(μ′_c+(e·σ_c+b_c)，255) (10)

在本发明的一个优选实施例中，如图3所示的光照反射模型，根据成像原理,可见光范围内所成的像是由于场景内物体表面发出的光到达成像单元后产生的。通常一幅数字图像可以看作是一个二维函数f(x,y)，函数的值即为坐标(x,y)点处的图像的亮度值。f(x,y)由入射到场景内的光照分量i(x,y)和物体表面的反射分量r(x,y)两部分的乘积构成，其基本理论模型的表达式如下：

f(x,y)＝i(x,y)·r(x,y)

因此，利用高斯函数与图像做卷积构建光照分量I(x,y)的表达式：

I(x,y)＝F(x,y)*G(x,y) (13)

其中高斯函数G(x,y)表达式：

式中c为尺度因子，λ为归一化常数，确保高斯函数G(x,y)满足∫∫G(x,y)＝1；

由retinex色彩理论可知，高斯函数的尺度因子c决定了卷积核的作用范围，如图4所示，c越大其卷积核的范围越大，对全局反应更敏感，c越小对局部反应更敏感。

在本发明的一个优选实施例中，图5a为原RGB图像，图5b为从图5a中提取出的光照分量I(x,y)，在提取到光照分量之后对图像进行光照矫正，此处我们根据基于二维伽马函数的光照不均匀图像自适应校正算法，使用二维伽马函数进行校正，此时将RGB图像转换到HSV模型下进行光照校正：

得到矫正后的图像亮度值O(x,y)。

图6为本发明实施例的一个处理水下图像的效果图，本发明的最大的特点是：1、通用性高，无需修改参数，就可以适应绝大部分图像；2、自适应调整，不会出现色彩失衡，针对极暗极亮图像，自适应调整拉伸区间；3、速度快，在光照均衡化处理中，仅存在一次卷积操作，如果不使用光照均衡，速度提高7倍以上。所以综上所述，该算法适合作为一种适应绝大部分情况通用算法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

以上本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种自适应图像恢复方法，其特征在于，包括：

S1：输入图像，分离R、G、B通道，获取各通道像素的标准差σ_c、均值μ_c以及一维熵H_c，

其中：c为通道，c∈(R，G，B)；

S2：获取所述各通道基于3-σ准则的色阶区间的提取函数：

L_c＝max(μ_c-e·σ_c，0) (1)

R_c＝min(μ_c+e·σ_c，255) (2)

其中，L_c是区间的左界；

R_c为区间的右界；

e为提取系数；

S3：计算所述各自适应通道的均衡量b_c，以及通过计算所述各通道的自适应窗口左侧偏移量

和右侧偏移量

获取所述色阶提取区间偏移后的像素对称轴μ′_c，从而得到修正后所述各通道像素的提取区间L′_c和R′_c，完成所述基于3-σ准则的色阶区间的矫正；

S4：基于二维伽马函数的光照不均匀图像自适应校正算法，利用高斯函数G(x，y)提取图像中的光照分量I(x，y)，利用所述光照分量使用二维伽马函数，转换到HSV模型下进行光照校正，获取矫正后的图像亮度值O(x，y)。

2.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述各通道像素的一维熵H_c通过一下公式获取：

其中，i为像素灰度值。

3.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述提取系数e∈(0，3]，所述e的大小决定了所述色阶区间的提取函数的左右界，也代表了所述色阶区间的调整程度。

4.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述一维熵最大的通道为主要通道，在此系数上做修正，使得主要通道在矫正后仍然表现为主通道。

5.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述步骤S3具体包括如下步骤：

S301：所述各通道的均衡量b_c通过下式获取：

b_c＝CS·d_c·σ_c (4)

其中，d_c为所述各通道的均衡偏差系数；

CS为所述各通道的不平衡敏感系数，该系数大小代表了对不重要的通道的削弱程度；

所述各通道的均衡偏差系数d_c通过下式获取：

S302：所述左侧偏移量

和右侧偏移量

分别通过下式获取：

其中，se为偏移敏感系数，se取值越大，对图像的整体偏移就越敏感；

通过下式获取所述色阶提取区间偏移后的像素对称轴μ′_c：

其中，si为偏移系数；

S303：获取修正后所述各通道像素的提取区间，完成所述基于3-σ准则的色阶区间的矫正：

L′_c＝max(μ′_c-(e·σ_c+b_c)，0) (9)

R′_c＝min(μ′_c+(e·σ_c+b_c)，255) (10)

其中，L′_c为矫正后区间的左界；

R′_c为矫正后区间的右界。

6.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述矫正后的图像亮度值O(x，y)通过下式获取：

其中，F(x，y)为原图按照HSV色彩模型计算的光照通道；

γ为亮度均衡的指数；

m为提取出的光照分量的亮度均值；

I(x，y)为光照分量。

7.根据权利要求5所述的自适应图像恢复方法，其特征在于，所述光照分量，其公式如下：

I(x，y)＝F(x，y)*G(x，y) (13)

其中，G(x，y)为高斯函数。

8.根据权利要求6所述的自适应图像恢复方法，其特征在于，所述高斯函数形式为：

其中，c为尺度因子；

λ为归一化常数；

G(x，y)满足∫∫G(x，y)＝1。

9.根据权利要求1所述的自适应图像恢复方法，其特征在于，所述输入图像为RGB格式或者HSV模式。

10.根据权利要求1所述的一种自适应图像恢复方法，其特征在于，步骤S1和S2之间还包括：计算图像直方图分布，得到直方图分布的均值μ与方差σ，其中x＝μ为图像的对称轴，依据3-σ准则计算大部分像素所处区间。

Images