CN113822809B - 暗光增强方法及其系统 - Google Patents
暗光增强方法及其系统 Download PDFInfo
- Publication number
- CN113822809B CN113822809B CN202110260384.0A CN202110260384A CN113822809B CN 113822809 B CN113822809 B CN 113822809B CN 202110260384 A CN202110260384 A CN 202110260384A CN 113822809 B CN113822809 B CN 113822809B
- Authority
- CN
- China
- Prior art keywords
- picture
- channel
- downsampled
- statistical
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
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
本申请提供了一种暗光增强方法,包括:对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列;对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。通过加权平均的算法,避免了在进行暗光增强后,产生的色彩过度的现象;另外,本申请中涉及的非线性计算均在下采样图片的基础上进行的,极大地减小了暗光增强过程的整体计算量,使得本申请的计算速度更快。
Description
技术领域
本申请涉及计算机视觉技术领域,尤其涉及一种图片的暗光增强方法及其系统。
背景技术
图像增强的目的是突出图像中的有用信息,扩大图像中不同物体特征之间的差别,从而改善图像的视觉效果突出图像的特征。彩色图像增强被广泛应用于农业、医学、视频及模式识别等领域。由于各方面制约或条件限制,得到的彩色图像颜色暗、对比度低、局部特征不突出,无论是对识别的准确率还是图像的直观感受,都产生巨大的影响。现有技术中,暗光图片可以通过自适应暗光增强算法进行曝光增强,以使其内容变得清晰可见、易于识别。
但现有的自适应暗光增强算法并未考虑暗光增强对图片的其余参数的影响,进而产生了色彩饱和度过度,以致图片产生不正常的变色。另外,现有的自适应暗光增强算法需要对像素值进行逐一的对数运算,当像素值数目比较大时,会造成系统运行速度降低的问题。
发明内容
本申请提供了一种暗光增强方法及其系统,以期解决或部分解决背景技术中涉及的上述问题或现有技术中的其它至少一个不足。
本申请提出了这样一种暗光增强方法,包括:
对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;
在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;
根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列;
对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;
根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。
在一些实施方式中,在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值进行加权平均处理,获得统计调色图片,包括:
在Lab色域中,将下采样图片的A通道中各个像素值分别减去A通道像素平均值生成A通道第一处理像素组,以及将下采样图片的B通道中各个像素值分别减去B通道像素平均值生成B通道第一处理像素组;
将A通道第一处理像素组中的各个像素值分别乘以调色比例值生成A通道第二处理像素组,以及将B通道第一处理像素组中的各个像素值分别乘以调色比例值生成B通道第二处理像素组;
将A通道第二处理像素组中的各个像素值分别加上调色均值生成A通道第三处理像素组,以及将B通道第二处理像素组中的各个像素值分别加上调色均值生成B通道第三处理像素组,获得具有A通道第三处理像素组和B通道第三处理像素组的统计调色图片。
在一些实施方式中,调色比例值为:
其中,D1为下采样增强图片的A通道和B通道的标准差,W1是D1对应的权重,D2为下采样图片的A通道和B通道的标准差,W2是D2对应的权重,D为统计调色图片的A通道和B通道第三处理像素组的标准差。
在一些实施方式中,调色均值为:
A=A1W3+A2W4,
其中,A1为下采样增强图片的A通道和B通道的均值,W3是A1对应的权重,A2为下采样图片的A通道和B通道的均值,W4是A2对应的权重。
在一些实施方式中,根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列,包括:
将处于Lab色域中的统计调色图片转换至RGB色域;
在RGB色域上,分别确定统计调色图片的各个像素值的增益值;以及
整合各个像素值的增益值,获得统计调色图片增益阵列。
在一些实施方式中,在RGB色域上,分别确定统计调色图片的各个像素值的增益值,包括:
将增益常数与统计调色图片的像素值做和运算,得到第一中间值;
将增益常数与下采样图片的像素值做和运算,得到第二中间值,其中,下采样图片的像素值的位置与统计调色图片的像素值的位置对应;以及
将第一中间值与第二中间值做除法运算,获得统计调色图片的对应位置的像素值的增益值。
在一些实施方式中,根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片,包括:
将处于Lab色域中的原始图片转换至RGB色域;
对原始图片中的各个像素值进行调色处理,获得多个最终调色像素值;以及
整合多个最终调色像素值,获得目标图片,其中目标图片由多个具有最终调色像素值的像素构成。
在一些实施方式中,对原始图片中的各个像素值进行调色处理,获得多个最终调色像素值,包括:
将增益常数与原始图片的像素值进行和运算,获得第一运算结果;
将第一运算结果与像素值在原始图片增益阵列中对应的增益值进行乘法运算,获得第二运算结果;以及
将第二运算结果与增益常数进行减法运算,获得最终调色像素值。
在一些实施方式中,在对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片之前,还包括:
对原始图片执行下采样操作,获得下采样图片。
本申请还提供了这样一种暗光增强系统,包括:
初始增强模块,用于对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;
统计调色图片获取模块,用于在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;
增益阵列生成模块,用于根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列;
增益阵列转换模块,用于对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;
目标图片生成模块,用于根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。
根据上述的实施方式的技术方案可至少获得以下至少一个有益效果。
根据本申请一实施方式的一种暗光增强方法及其系统,通过加权平均的算法,将下采样图片和下采样增强图片的色彩度进行中和,避免了现有技术在进行暗光增强后,产生的色彩过度的现象;另外,本申请中涉及的非线性计算均在下采样图片的基础上进行的,而在原始图片上进行的色彩限制相关操作仅涉及线性代数运算,以致极大地减小了暗光增强过程的整体计算量,使得本申请的计算速度更快。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是根据本申请的示例性实施方式的暗光增强方法的流程图;
图2是根据本申请的示例性实施方式的原始图片;
图3是根据本申请的示例性实施方式的下采样增强图片的效果图;
图4是根据本申请的示例性实施方式的在下采样尺度上用gamma变换增强暗光获得的效果图;
图5是根据本申请的示例性实施方式的统计调色图片的效果图;
图6是根据本申请的示例性实施方式的目标图片的效果图;以及
图7是根据本申请的示例性实施方式的系统结构示意图。
具体实施方式
在下面的详细描述中,通过示例阐述了本申请的许多具体细节,以便提供对相关披露的透彻理解。然而,对于本领域的普通技术人员来讲,本申请显而易见的可以在没有这些细节的情况下实施。应当理解的是,本申请中使用“系统”、“装置”、“单元”和/或“模块”术语,是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而,如果其他表达式可以实现相同的目的,这些术语可以被其他表达式替换。
应当理解的是,当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时,其可以直接在另一设备、单元或模块上,连接或耦合到或与其他设备、单元或模块通信,或者可以存在中间设备、单元或模块,除非上下文明确提示例外情形。例如,本申请所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
本申请所用术语仅为了描述特定实施例,而非限制本申请范围。如本申请说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件,而该类表述并不构成一个排它性的罗列,其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
应注意,在本说明书中,第一、第二、第三等的表述仅用于将一个特征与另一个特征区分开来,而不表示对特征的任何限制。因此,在不背离本申请的教导的情况下,例如,下文中讨论的第一处理像素组也可被称作第二处理像素组。反之亦然。
参看下面的说明以及附图,本申请的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解,其中说明和附图形成了说明书的一部分。然而,可以清楚地理解,附图仅用作说明和描述的目的,并不意在限定本申请的保护范围。可以理解的是,附图并非按比例绘制。
本申请中使用了多种结构图用来说明根据本申请的实施例的各种变形。应当理解的是,前面或下面的结构并不是用来限定本申请。本申请的保护范围以权利要求为准。
本申请公开了一种暗光增强方法,可包括:
对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;
在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;
根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列;
对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;
根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。
图1是根据本申请的示例性实施方式的暗光增强方法的流程图。
如图1所示,本申请公开了步骤S1至步骤S6的具体内容。
在一些实施方式中,步骤S1为对原始图片执行下采样操作,获得下采样图片。
具体地,由于后续步骤将原始图片由RGB色域到Lab色域转换,以及由Lab色域到RGB色域的转换需要较大的计算量,因此为了减小暗光增强过程的整体计算量,本申请公开将原始图片进行下采样的操作步骤。具体地,对一个尺寸为p×q的原始图片,进行t倍的下采样,获得一个具有尺寸的分辨率图片,其中t为p和q的公约数。具体的t的倍数可根据需求进行调整,在此不做限定。在本申请中,以t=10为例进行阐述。
图2是根据本申请的示例性实施方式的原始图片;图3是根据本申请的示例性实施方式的下采样增强图片的效果图。
在一些实施方式中,步骤S2,对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片。
具体地,自适应暗光增强可采用机器学习模型,例如,通过大量的样本对一个暗光增强模型进行训练,获得一个可以将输入的暗光图片转换为暗光增强图片的暗光增强模型。进一步地,如图2和图3所示,将下采样图片输入至该暗光增强模型中,可获得一个下采样增强图片。该方式获得的下采样增强图片虽然能够比下采样图片更清晰,但是色彩饱和度过度,导致图片不正常变色。因此,本申请通过加权平均,对下采样图片进行色彩限制。需要说明的是,进行自适应暗光增强的方式不限于上述,可根据需求进行选择。
在一些实施方式中,步骤S3,在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值进行加权平均处理,获得统计调色图片。
图4是根据本申请的示例性实施方式的在下采样尺度上用gamma变换增强暗光获得的效果图;图5是根据本申请的示例性实施方式的统计调色图片的效果图。
具体地,如图4所示,用gamma对RGB色域的下采样增强图片进行校正,以保证下采样增强图片的亮度信息。进而将下采样增强图片从RGB色域转换至Lab色域。在Lab色域中,L表示亮度,a和b表示颜色的对立维度,Lab色域接近人类的视觉,它致力于感知均匀性,L分量密切匹配人类的亮度感知,用于调整亮度对比。因此,在Lab色域中,通常通过修改a和b分量,来精确的进行颜色平衡。需要说明的是,在本申请中以A通道中的各个像素值作为a分量,以B通道中的各个像素值作为b分量。
进一步地,在所述Lab色域中,将下采样图片的A通道中各个像素值分别减去A通道像素平均值生成A通道第一处理像素组,以及将下采样图片的B通道中各个像素值分别减去B通道像素平均值生成B通道第一处理像素组。进一步地,将A通道第一处理像素组中的各个像素值分别乘以调色比例值生成A通道第二处理像素组,以及将B通道第一处理像素组中的各个像素值分别乘以调色比例值生成B通道第二处理像素组。进一步地,将A通道第二处理像素组中的各个像素值分别加上调色均值生成A通道第三处理像素组,以及将B通道第二处理像素组中的各个像素值分别加上调色均值生成B通道第三处理像素组,最终获得具有A通道第三处理像素组和B通道第三处理像素组的统计调色图片,统计调色图片的效果图如图5所示。
在一些实施方式中,调色比例值为:
其中,D1为下采样增强图片的A通道和B通道的标准差,W1是D1对应的权重,D2为下采样图片的A通道和B通道的标准差,W2是D2对应的权重,D为统计调色图片的A通道和B通道第三处理像素组的标准差。需要说明的是,W1和W2的数值可根据需要进行调整,在此不做限定。
在一些实施方式中,调色均值为:
A=A1W3+A2W4,
其中,A1为下采样增强图片的A通道和B通道的均值,W3是A1对应的权重,A2为下采样图片的A通道和B通道的均值,W4是A2对应的权重。需要说明的是W3和W4可根据需要进行调整,在此不做限定。
前述统计调色图片中,A通道第三处理像素组的像素值和B通道第三处理像素组的像素值处于下采样图片的对应通道的像素组的像素值和下采样增强图片的对应通道的像素组的像素值之间,已完成对下采样增强图片的色彩的矫正,满足目标图像的要求。
在一些实施方式中,步骤S4,根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列。
具体地,先将处于Lab色域中的统计调色图片转换至RGB色域。进一步地,在RGB色域上,分别确定统计调色图片的各个像素值的增益值。最后,整合各个像素值的增益值,获得统计调色图片增益阵列。
具体地,获得增益值的步骤包括:将增益常数与统计调色图片的像素值做和运算,得到第一中间值;将增益常数与下采样图片的像素值做和运算,得到第二中间值,其中,下采样图片的像素值的位置与统计调色图片的像素值的位置对应;以及将第一中间值与第二中间值做除法运算,获得统计调色图片的对应位置的像素值的增益值。需要说明的是,增益常数为1至255之间的常数,以保证上述公式的分母不为零,并且避免产生巨大而无用的增益值,进而避免后续调色步骤的效果出现问题。
进一步地,由于下采样尺度下的统计调色图片与下采样图片具有相同的尺寸,因此将统计调色图片增益阵列进行上采样,即可转换为原始图片增益阵列。
在一些实施方式中,步骤S5,对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列。上采样的原理与下采样相似,在此不再赘述。
在一些实施方式中,步骤S6,根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。
图6是根据本申请的示例性实施方式的目标图片的效果图。
具体地,将处于Lab色域中的原始图片转换至RGB色域。进而对原始图片中的各个像素值进行调色处理,获得多个最终调色像素值。最终整合多个最终调色像素值,获得目标图片,其中目标图片由多个具有最终调色像素值的像素构成,目标图片的最终效果图如图6所示。
在一些实施方式中,对原始图片中的各个像素值进行调色处理,获得多个最终调色像素值,包括:将增益常数与原始图片的像素值进行和运算,获得第一运算结果;将第一运算结果与像素值在原始图片增益阵列中对应的增益值进行乘法运算,获得第二运算结果;以及将第二运算结果与增益常数进行减法运算,获得最终调色像素值。
本实施方式通过加权平均的算法,将下采样图片和下采样增强图片的色彩度进行中和,避免了现有技术在进行暗光增强后,产生的色彩过度的现象;另外,本申请中涉及的非线性计算均在下采样图片的基础上进行的,而在原始图片上进行的色彩限制相关操作仅涉及线性代数运算,以致极大地减小了暗光增强过程的整体计算量,使得本实施方式的计算速度更快。
图7是根据本申请的示例性实施方式的系统结构示意图。
如图7所示,本申请还提出了一种暗光增强系统,包括:初始增强模块1,统计调色图片获取模块2,增益阵列生成模块3,增益阵列转换模块4以及目标图片生成模块5。
初始增强模块1用于对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片。统计调色图片获取模块2用于在Lab色域上,将下采样增强图片的像素值和下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片。增益阵列生成模块3用于根据统计调色图片的像素值和下采样图片的像素值生成统计调色图片增益阵列。增益阵列转换模块4用于对统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列。目标图片生成模块5用于根据原始图片增益阵列,对原始图片的像素值进行处理,获得目标图片。
另外,还设置有下采样模块(未示出),用于对原始图片执行下采样操作,获得所述下采样图片。
本实施方式公开的系统用于实现暗光增强方法,其设置的各个模块用于实现前述方法的各个具体步骤,因此原理相同,可参考本申请的第一个实施方式,在此不再赘述。
应当理解的是,本申请的上述具体实施方式仅仅用于示例性说明或解释本申请的原理,而不构成对本申请的限制。因此,在不偏离本申请的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。此外,本申请所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (9)
1.一种暗光增强方法,其特征在于,包括:
对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;
将下采样增强图片和下采样图片从RGB色域转换至Lab色域;
在Lab色域上,将所述下采样增强图片的像素值和所述下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;
将处于所述Lab色域中的所述统计调色图片和下采样图片转换至RGB色域;
根据所述统计调色图片的像素值和所述下采样图片的像素值生成统计调色图片增益阵列;
对所述统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;
根据所述原始图片增益阵列,对所述原始图片的像素值进行处理,获得目标图片;
所述在Lab色域上,将所述下采样增强图片的像素值和所述下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片,包括:
在所述Lab色域中,将所述下采样图片的A通道中各个像素值分别减去A通道像素平均值生成A通道第一处理像素组,以及将所述下采样图片的B通道中各个像素值分别减去B通道像素平均值生成B通道第一处理像素组;
将所述A通道第一处理像素组中的各个像素值分别乘以调色比例值生成A通道第二处理像素组,以及将所述B通道第一处理像素组中的各个像素值分别乘以所述调色比例值生成B通道第二处理像素组;
将所述A通道第二处理像素组中的各个像素值分别加上调色均值生成A通道第三处理像素组,以及将所述B通道第二处理像素组中的各个像素值分别加上所述调色均值生成B通道第三处理像素组,获得具有所述A通道第三处理像素组和所述B通道第三处理像素组的所述统计调色图片。
3.根据权利要求1所述的暗光增强方法,其特征在于,所述调色均值为:
A=A1W3+A2W4,
其中,A1为所述下采样增强图片的A通道和B通道的均值,W3是所述A1对应的权重,A2为所述下采样图片的A通道和B通道的均值,W4是所述A2对应的权重。
4.根据权利要求1所述的暗光增强方法,其特征在于,根据所述统计调色图片的像素值和所述下采样图片的像素值生成统计调色图片增益阵列,包括:
在所述RGB色域上,分别确定所述统计调色图片的各个像素值的增益值;以及
整合各个所述像素值的增益值,获得所述统计调色图片增益阵列。
5.根据权利要求4所述的暗光增强方法,其特征在于,所述在所述RGB色域上,分别确定所述统计调色图片的各个像素值的增益值,包括:
将增益常数与所述统计调色图片的像素值做和运算,得到第一中间值;
将所述增益常数与所述下采样图片的像素值做和运算,得到第二中间值,其中,所述下采样图片的像素值的位置与所述统计调色图片的像素值的位置对应;以及
将所述第一中间值与所述第二中间值做除法运算,获得所述统计调色图片的对应位置的像素值的增益值。
6.根据权利要求1所述的暗光增强方法,其特征在于,所述根据所述原始图片增益阵列,对所述原始图片的像素值进行处理,获得目标图片,包括:
对所述原始图片中的各个像素值进行调色处理,获得多个最终调色像素值;以及
整合多个所述最终调色像素值,获得所述目标图片,其中所述目标图片由多个具有所述最终调色像素值的像素构成。
7.根据权利要求6所述的暗光增强方法,其特征在于,所述对所述原始图片中的各个像素值进行调色处理,获得多个最终调色像素值,包括:
将增益常数与所述原始图片的像素值进行和运算,获得第一运算结果;
将所述第一运算结果与所述像素值在所述原始图片增益阵列中对应的增益值进行乘法运算,获得第二运算结果;
以及将所述第二运算结果与所述增益常数进行减法运算,获得所述最终调色像素值。
8.根据权利要求1所述的暗光增强方法,其特征在于,在所述对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片之前,还包括:
对所述原始图片执行下采样操作,获得所述下采样图片。
9.一种暗光增强系统,其特征在于,包括:
初始增强模块,用于对原始图片的下采样图片进行自适应暗光增强,获得下采样增强图片;
将下采样增强图片和下采样图片从RGB色域转换至Lab色域;
统计调色图片获取模块,用于在Lab色域上,将所述下采样增强图片的像素值和所述下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片;
将处于所述Lab色域中的所述统计调色图片和下采样图片转换至RGB色域;
增益阵列生成模块,用于根据所述统计调色图片的像素值和所述下采样图片的像素值生成统计调色图片增益阵列;
增益阵列转换模块,用于对所述统计调色图片增益阵列执行上采样操作,生成原始图片增益阵列;
目标图片生成模块,用于根据所述原始图片增益阵列,对所述原始图片的像素值进行处理,获得目标图片;
所述在Lab色域上,将所述下采样增强图片的像素值和所述下采样图片的像素值执行包含加权平均处理的Lab统计调色操作,获得统计调色图片,包括:
在所述Lab色域中,将所述下采样图片的A通道中各个像素值分别减去A通道像素平均值生成A通道第一处理像素组,以及将所述下采样图片的B通道中各个像素值分别减去B通道像素平均值生成B通道第一处理像素组;
将所述A通道第一处理像素组中的各个像素值分别乘以调色比例值生成A通道第二处理像素组,以及将所述B通道第一处理像素组中的各个像素值分别乘以所述调色比例值生成B通道第二处理像素组;
将所述A通道第二处理像素组中的各个像素值分别加上调色均值生成A通道第三处理像素组,以及将所述B通道第二处理像素组中的各个像素值分别加上所述调色均值生成B通道第三处理像素组,获得具有所述A通道第三处理像素组和所述B通道第三处理像素组的所述统计调色图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260384.0A CN113822809B (zh) | 2021-03-10 | 2021-03-10 | 暗光增强方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260384.0A CN113822809B (zh) | 2021-03-10 | 2021-03-10 | 暗光增强方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822809A CN113822809A (zh) | 2021-12-21 |
CN113822809B true CN113822809B (zh) | 2023-06-06 |
Family
ID=78912404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260384.0A Active CN113822809B (zh) | 2021-03-10 | 2021-03-10 | 暗光增强方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822809B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1742178A2 (en) * | 2005-07-05 | 2007-01-10 | Xerox Corporation | Contrast enhancement of images |
CN107274364A (zh) * | 2017-06-06 | 2017-10-20 | 中科创达软件股份有限公司 | 一种图像增强方法及装置 |
CN109345485A (zh) * | 2018-10-22 | 2019-02-15 | 北京达佳互联信息技术有限公司 | 一种图像增强方法、装置、电子设备及存储介质 |
CN109685742A (zh) * | 2018-12-29 | 2019-04-26 | 哈尔滨理工大学 | 一种暗光环境下的图像增强方法 |
CN111476725A (zh) * | 2020-03-24 | 2020-07-31 | 广西科技大学 | 一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101311817B1 (ko) * | 2005-09-30 | 2013-09-26 | 티피 비전 홀딩 비.브이. | 이미지 디테일 향상 |
CN106101490A (zh) * | 2016-07-18 | 2016-11-09 | 北京邮电大学 | 基于时空显著性的视频跨尺度自适应增强方法及装置 |
CN111325680B (zh) * | 2020-01-08 | 2023-04-25 | 深圳深知未来智能有限公司 | 一种具有抑制局部过曝的图像增亮方法 |
CN111292273B (zh) * | 2020-03-05 | 2023-03-24 | 合肥工业大学 | 一种语义引导的暗光图像增强方法 |
-
2021
- 2021-03-10 CN CN202110260384.0A patent/CN113822809B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1742178A2 (en) * | 2005-07-05 | 2007-01-10 | Xerox Corporation | Contrast enhancement of images |
CN107274364A (zh) * | 2017-06-06 | 2017-10-20 | 中科创达软件股份有限公司 | 一种图像增强方法及装置 |
CN109345485A (zh) * | 2018-10-22 | 2019-02-15 | 北京达佳互联信息技术有限公司 | 一种图像增强方法、装置、电子设备及存储介质 |
CN109685742A (zh) * | 2018-12-29 | 2019-04-26 | 哈尔滨理工大学 | 一种暗光环境下的图像增强方法 |
CN111476725A (zh) * | 2020-03-24 | 2020-07-31 | 广西科技大学 | 一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113822809A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Celik | Spatial mutual information and PageRank-based contrast enhancement and quality-aware relative contrast measure | |
CN103854259B (zh) | 图像处理设备以及处理图像的方法 | |
Celik et al. | Contextual and variational contrast enhancement | |
CN106780417A (zh) | 一种光照不均图像的增强方法及系统 | |
WO2019090580A1 (en) | System and method for image dynamic range adjusting | |
Vazquez-Corral et al. | A fast image dehazing method that does not introduce color artifacts | |
CN111489322A (zh) | 给静态图片加天空滤镜的方法及装置 | |
Park et al. | An optimal low dynamic range image generation method using a neural network | |
CN115578284A (zh) | 一种多场景图像增强方法及系统 | |
Shi et al. | A photographic negative imaging inspired method for low illumination night-time image enhancement | |
CN106709890A (zh) | 用于低照度视频图像处理的方法及装置 | |
CN115526803A (zh) | 非均匀光照图像增强方法、系统、存储介质及设备 | |
CN113596573A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN105389825B (zh) | 图像处理方法及系统 | |
US20200043148A1 (en) | Method and device for enhancing image contrast, display apparatus, and storage medium | |
CN114549383A (zh) | 一种基于深度学习的图像增强方法、装置、设备及介质 | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN114331907A (zh) | 颜色阴影校正方法及装置 | |
CN112785512B (zh) | 一种高斯模糊图像处理的优化方法 | |
CN113822809B (zh) | 暗光增强方法及其系统 | |
CN111724312A (zh) | 一种处理图像的方法及终端 | |
CN116681627B (zh) | 一种跨尺度融合的自适应水下图像生成对抗增强方法 | |
CN112381073A (zh) | 基于ai人脸检测的iq调整方法及调整模块 | |
CN117422653A (zh) | 一种基于权重共享和迭代数据优化的低光照图像增强方法 | |
CN109308690B (zh) | 一种图像亮度均衡方法及终端 |
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 |