CN114140344A - 一种低照度图像的图像增强方法及系统 - Google Patents

一种低照度图像的图像增强方法及系统 Download PDF

Info

Publication number
CN114140344A
CN114140344A CN202111305198.0A CN202111305198A CN114140344A CN 114140344 A CN114140344 A CN 114140344A CN 202111305198 A CN202111305198 A CN 202111305198A CN 114140344 A CN114140344 A CN 114140344A
Authority
CN
China
Prior art keywords
image
illumination
brightness channel
brightness
channel image
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.)
Withdrawn
Application number
CN202111305198.0A
Other languages
English (en)
Inventor
项新建
姚佳娜
黄炳强
郑永平
杨松
李可晗
曹楹
周跃琪
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
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 CN202111305198.0A priority Critical patent/CN114140344A/zh
Publication of CN114140344A publication Critical patent/CN114140344A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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

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

本发明涉及一种低照度图像的图像增强方法及系统，方法包括：S1、将低照度图像从RGB色彩空间转换为HSV色彩空间；S2、利用引导滤波对亮度通道图像进行卷积，得到光照分量；S3、根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；S4、将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；S5、根据校正后的亮度通道图像重新合成彩色图像，并从HSV色彩空间转换为RGB空间，得到增强图像。本发明的图像增强方法，可应对任何复杂低照度条件，在保证颜色效果自然和保持图像局部细节清晰的同时调整图像的亮度。

Description

一种低照度图像的图像增强方法及系统
技术领域
本发明属于图像处理技术领域，具体涉及一种低照度图像的图像增强方法及系统。
背景技术
利用车载摄像头获取低照度道路图像时，由于光源较弱，图像可能存在多种低照度情况，如道路图像整体亮度较低；道路图像部分区域亮度极低，其余区域亮度正常；道路图像大部分区域亮度低，小部分区域亮度极高。如图2所示，光照充足区域，图片内容清晰，而在阴影和无光照区域，图片内容模糊。低照度下道路图像亮度分布不均匀，导致目标在图像中可见度、对比度下降，增加了低照度道路图像目标检测的难度。
发明内容
基于现有技术中存在的上述不足，本发明的目的是提供一种低照度图像的图像增强方法及系统。
为了达到上述发明目的，本发明采用以下技术方案：
一种低照度图像的图像增强方法，包括以下步骤：
S1、将低照度图像从RGB色彩空间转换为HSV色彩空间；
S2、利用引导滤波对亮度通道图像进行卷积，得到光照分量；
S3、根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；
根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；
S4、将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；
S5、根据校正后的亮度通道图像重新合成彩色图像，并从HSV色彩空间转换为RGB空间，得到增强图像。
作为优选方案，所述步骤Sl中，建立以下数学模型：
V(x，y)＝Rv(x，y)L(x，y)
其中，V(x，y)为输入的低照度图像的亮度通道图像，Rv(x，y)为反射分量，L(x，y)为光照分量。
作为优选方案，所述步骤S2中，光照分量L(x，y)，如下公式所示：
Figure BDA0003339837690000021
其中，Vi表示引导图像，i、k为像素索引；wk为包含像素i的窗口；a和b为当窗口中心位于k时线性函数系数；
将公式的ak、bk转化为最优化问题，求解光照分量最小化窗口内目标函数，目标函数为：
Figure BDA0003339837690000022
其中，ε为正则化参数；
通过最小二乘法求解参数ak、bk：
Figure BDA0003339837690000023
Figure BDA0003339837690000024
其中，μk和σk 2为V在wk内的平均值和方差；
Figure BDA0003339837690000025
为亮度通道V在窗口的平均值；|ω|为wk内像素的数量。
作为优选方案，所述步骤S3中，将反射分量Rv(x，y)转为对数域r(x，y)：
r(x，y)＝ln(Rv(x，y))＝ln(V(x，y))-ln(L(x，y))
接着进行归一化处理。
作为优选方案，所述归一化处理为线性拉伸处理，则获得的第一亮度通道图像V1(x，y)为：
Figure BDA0003339837690000026
其中，min(r(x，y))表示r(x，y)中的最小值，max(r(x，y))表示r(x，y)中的最大值。
作为优选方案，根据光照分量的分布特性构造改进自适应伽马函数得到的第二亮度通道图像V2(x，y)为：
Figure BDA0003339837690000031
其中，
Figure BDA0003339837690000032
height和weight为输入的低照度图像的长度和宽度，L(p，q)表示光照分量的点值。
作为优选方案，所述校正后的亮度通道图像V′(x，y)：
Figure BDA0003339837690000033
式中，
Figure BDA0003339837690000034
表示校正后的亮度通道图像V′(x，y)所占权重比例。
作为优选方案，所述
Figure BDA0003339837690000035
本发明还提供一种低照度图像的图像增强系统，应用如上任一方案所述的图像增强方法，所述图像增强系统包括：
色彩空间转换模块，用于将低照度图像从RGB色彩空间转换为HSV色彩空间；
滤波模块，用于利用引导滤波对亮度通道图像进行卷积，得到光照分量；
第一图像处理模块，用于根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；
第二图像处理模块，用于根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；
图像复合模块，用于将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；
图像合成模块，用于根据校正后的亮度通道图像重新合成彩色图像；
色彩空间转换模块还用于将重新合成的彩色图像从HSV色彩空间转换为RGB空间。
本发明与现有技术相比，有益效果是：
本发明的低照度图像的图像增强方法及系统，可应对任何复杂低照度条件，在保证颜色效果自然和保持图像局部细节清晰的同时，能调整图像的亮度。
附图说明
图1是本发明实施例的低照度图像的图像增强方法的流程图；
图2是现有的低照度图像。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
如图1所示，本发明实施例的低照度图像的图像增强方法，用于对如图2所示的现有低照度图像进行图像增强处理，具体包括以下步骤：
SteP 1：将低照度的交通场景图像从RGB色彩空间转换到HSV色彩空间，根据式(2-1)建立数学模型：
V(x，y)＝Rv(x，y)L(x，y) (2-1)
式中，V(x，y)为输入图像的亮度通道图像，Rv(x，y)为亮度通道里物体的部分反射图像，即反射分量；L(x，y)为输入图像的入射光图像，即光照分量。
Step 2：采取引导滤波对V通道图像进行卷积获得入射光图像，即获得光照分量L(x，y)，如下式(2-3)所示：
Figure BDA0003339837690000041
其中，L(x，y)表示光照分量；Vi表示引导图像；i、k为像素索引；wk为包含像素i的窗口；a和b为当窗口中心位于k时该线性函数系数。
对公式(2-2)两边求取梯度，得到如下(2-3)公式：
Figure BDA0003339837690000042
其中，ak决定了梯度的保留能力。若ak较大，则梯度保留效果较好；反之，平滑效果好。为了使光照分量尽可能逼近亮度通道，将公式(2-2)中的ak，bk转化为最优化问题，求解光照分量最小化窗口内目标函数，目标函数公式如(2-4)所示：
Figure BDA0003339837690000043
其中，为了防止ak参数过大，目标函数中加入了正则化参数ε。通过最小二乘法求解参数ak，bk得公式(2-5)(2-6)如下：
Figure BDA0003339837690000051
Figure BDA0003339837690000052
其中，μk和σk 2为V在wk内得平均值和方差；
Figure BDA0003339837690000053
为亮度通道V在窗口的平均值；|ω|为wk内像素的数量。wk不变的情况下，ε越大，滤波效果越好。
Step 3：根据Step 2的光照分量L(x，y)获得V通道的反射分量Rv(x，y)，为了减少计算量，根据下式(2-7)将其转为对数域r(x，y)：
r(x，y)＝ln(Rv(x，y))＝ln(V(x，y))-ln(L(x，y)) (2-7)
式中：Rv(x，y)表示亮度通道里面物体的部分反射分量。
Step 4：为了提升图像亮度，进行归一化处理，根据下式(2-8)做线性拉伸处理，获得亮度通道里面优化后V1(x，y)：
Figure BDA0003339837690000054
其中，min(r(x，y))表示r(x，y)中的最小值，max(r(x，y))表示r(x，y)中的最大值。
Step 5：根据光照分量的分布特性构造改进自适应伽马函数，根据下式(2-9)获的校正后的V2(x，y)：
Figure BDA0003339837690000055
其中，
Figure BDA0003339837690000056
height和weight为输入的低照度图像的长度和宽度，L(p，q)表示光照分量的点值。
Step 6：将校正后的V1(x，y)和V2(x，y)相结合，根据式(2-10)获得亮度通道V′(x，y)：
Figure BDA0003339837690000057
式中，
Figure BDA0003339837690000058
表示校正后的V′(x，y)所占权重比例，根据经验，先取
Figure BDA0003339837690000059
Step 7：重新合成彩色图像，将HSV色彩空间转为RGB空间，获得新图像F′(x，y)。
相对应地，本发明实施例还提供一种低照度图像的图像增强系统，应用上述本发明实施例的图像增强方法，具体地，图像增强系统包括：
色彩空间转换模块，用于将低照度图像从RGB色彩空间转换为HSV色彩空间；
具体地，根据上述式(2-1)建立数学模型：
V(x，y)＝Rv(x，y)L(x，y) (2-1)
式中，V(x，y)为输入图像的亮度通道图像，Rv(x，y)为亮度通道里物体的部分反射图像，即反射分量；L(x，y)为输入图像的入射光图像，即光照分量
滤波模块，用于利用引导滤波对亮度通道图像进行卷积，得到光照分量；
具体地，光照分量L(x，y)，如下式(2-3)所示：
Figure BDA0003339837690000061
其中，L(x，y)表示光照分量；Vi表示引导图像；i、k为像素索引；wk为包含像素i的窗口；a和b为当窗口中心位于k时该线性函数系数。
对公式(2-2)两边求取梯度，得到如下(2-3)公式：
Figure BDA0003339837690000062
其中，ak决定了梯度的保留能力。若ak较大，则梯度保留效果较好；反之，平滑效果好。为了使光照分量尽可能逼近亮度通道，将公式(2-2)中的ak，bk转化为最优化问题，求解光照分量最小化窗口内目标函数，目标函数公式如(2-4)所示：
Figure BDA0003339837690000063
其中，为了防止ak参数过大，目标函数中加入了正则化参数ε。通过最小二乘法求解参数ak，bk得公式(2-5)(2-6)如下：
Figure BDA0003339837690000064
Figure BDA0003339837690000065
其中，μk和σk 2为V在wk内得平均值和方差；
Figure BDA0003339837690000066
为亮度通道V在窗口的平均值；|ω|为wk内像素的数量。wk不变的情况下，ε越大，滤波效果越好。
第一图像处理模块，用于根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；
具体地，根据Step 2的光照分量L(x，y)获得V通道的反射分量Rv(x，y)，为了减少计算量，根据下式(2-7)将其转为对数域r(x，y)：
r(x，y)＝ln(Rv(x，y))＝ln(V(x，y))-ln(L(x，y)) (2-7)
式中：Rv(x，y)表示亮度通道里面物体的部分反射分量；
为了提升图像亮度，进行归一化处理，根据下式(2-8)做线性拉伸处理，获得亮度通道里面优化后V1(x，y)：
Figure BDA0003339837690000071
其中，min(r(x，y))表示r(x，y)中的最小值，max(r(x，y))表示r(x，y)中的最大值。
第二图像处理模块，用于根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；
具体地，根据光照分量的分布特性构造改进自适应伽马函数，根据下式(2-9)获的校正后的V2(x，y)：
Figure BDA0003339837690000072
其中，
Figure BDA0003339837690000073
height和weight为输入的低照度图像的长度和宽度，L(p，q)表示光照分量的点值。
图像复合模块，用于将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；
具体地，将校正后的V1(x，y)和V2(x，y)相结合，根据式(2-10)获得亮度通道V′(x，y)：
Figure BDA0003339837690000074
式中，
Figure BDA0003339837690000075
表示校正后的V′(x，y)所占权重比例，根据经验，先取
Figure BDA0003339837690000076
图像合成模块，用于根据校正后的亮度通道图像重新合成彩色图像；
色彩空间转换模块还用于将重新合成的彩色图像从HSV色彩空间转换为RGB空间，获得新图像F′(x，y)。
以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (9)

1.一种低照度图像的图像增强方法，其特征在于，包括以下步骤：
S1、将低照度图像从RGB色彩空间转换为HSV色彩空间；
S2、利用引导滤波对亮度通道图像进行卷积，得到光照分量；
S3、根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；
根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；
S4、将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；
S5、根据校正后的亮度通道图像重新合成彩色图像，并从HSV色彩空间转换为RGB空间，得到增强图像。
2.根据权利要求l所述的图像增强方法，其特征在于，所述步骤Sl中，建立以下数学模型：
V(x，y)＝Rv(x，y)L(x，y)
其中，V(x，y)为输入的低照度图像的亮度通道图像，Rv(x，y)为反射分量，L(x，y)为光照分量。
3.根据权利要求2所述的图像增强方法，其特征在于，所述步骤S2中，光照分量L(x，y)，如下公式所示：
Figure FDA0003339837680000011
其中，Vi表示引导图像，i、k为像素索引；wk为包含像素i的窗口；a和b为当窗口中心位于k时线性函数系数；
将公式的ak、bk转化为最优化问题，求解光照分量最小化窗口内目标函数，目标函数为：
Figure FDA0003339837680000012
其中，ε为正则化参数；
通过最小二乘法求解参数ak、bk：
Figure FDA0003339837680000013
Figure FDA0003339837680000021
其中，μk和σk 2为V在wk内的平均值和方差；
Figure FDA0003339837680000022
为亮度通道V在窗口的平均值；|ω|为wk内像素的数量。
4.根据权利要求3所述的图像增强方法，其特征在于，所述步骤S3中，将反射分量Rv(x，y)转为对数域r(x，y)：
r(x，y)＝ln(Rv(x，y))＝ln(V(x，y))-ln(L(x，y))
接着进行归一化处理。
5.根据权利要求4所述的图像增强方法，其特征在于，所述归一化处理为线性拉伸处理，则获得的第一亮度通道图像V1(x，y)为：
Figure FDA0003339837680000023
其中，min(r(x，y))表示r(x，y)中的最小值，max(r(x，y))表示r(x，y)中的最大值。
6.根据权利要求5所述的图像增强方法，其特征在于，根据光照分量的分布特性构造改进自适应伽马函数得到的第二亮度通道图像V2(x，y)为：
Figure FDA0003339837680000024
其中，
Figure FDA0003339837680000025
height和weight为输入的低照度图像的长度和宽度，L(p，q)表示光照分量的点值。
7.根据权利要求6所述的图像增强方法，其特征在于，所述校正后的亮度通道图像V′(x，y)：
Figure FDA0003339837680000026
式中，
Figure FDA0003339837680000027
表示校正后的亮度通道图像V′(x，y)所占权重比例。
8.根据权利要求7所述的图像增强方法，其特征在于，所述
Figure FDA0003339837680000028
9.一种低照度图像的图像增强系统，应用如权利要求1-8任一项所述的图像增强方法，其特征在于，所述图像增强系统包括：
色彩空间转换模块，用于将低照度图像从RGB色彩空间转换为HSV色彩空间；
滤波模块，用于利用引导滤波对亮度通道图像进行卷积，得到光照分量；
第一图像处理模块，用于根据光照分量获得亮度通道的反射分量并进行归一化处理，得到第一亮度通道图像；
第二图像处理模块，用于根据光照分量的分布特性构造改进自适应伽马函数，得到第二亮度通道图像；
图像复合模块，用于将第一亮度通道图像与第二亮度通道图像复合，得到校正后的亮度通道图像；
图像合成模块，用于根据校正后的亮度通道图像重新合成彩色图像；
色彩空间转换模块还用于将重新合成的彩色图像从HSV色彩空间转换为RGB空间。
CN202111305198.0A 2021-11-05 2021-11-05 一种低照度图像的图像增强方法及系统 Withdrawn CN114140344A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111305198.0A CN114140344A (zh) 2021-11-05 2021-11-05 一种低照度图像的图像增强方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111305198.0A CN114140344A (zh) 2021-11-05 2021-11-05 一种低照度图像的图像增强方法及系统

Publications (1)

Publication Number Publication Date
CN114140344A true CN114140344A (zh) 2022-03-04

Family

ID=80392262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111305198.0A Withdrawn CN114140344A (zh) 2021-11-05 2021-11-05 一种低照度图像的图像增强方法及系统

Country Status (1)

Country Link
CN (1) CN114140344A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258644A (zh) * 2023-01-13 2023-06-13 格兰菲智能科技有限公司 图像增强方法、装置、计算机设备、存储介质
CN117939096A (zh) * 2024-02-01 2024-04-26 江西服装学院 图像色彩校正方法、装置、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258644A (zh) * 2023-01-13 2023-06-13 格兰菲智能科技有限公司 图像增强方法、装置、计算机设备、存储介质
CN117939096A (zh) * 2024-02-01 2024-04-26 江西服装学院 图像色彩校正方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
US11127122B2 (en) Image enhancement method and system
CN101951523B (zh) 一种自适应彩色图像处理方法及系统
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
CN101783963A (zh) 一种具有高光抑制的夜间图像增强方法
CN110298792B (zh) 低光照图像增强与去噪方法、系统及计算机设备
CN109886885B (zh) 一种基于Lab色彩空间和Retinex的图像增强方法及系统
CN109325918B (zh) 一种图像处理的方法、装置及计算机存储介质
CN103455979A (zh) 一种低照度视频图像增强方法
CN103714520A (zh) 基于fpga实现数字视频图像增强系统及其方法
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN116309152A (zh) 一种低照度图像的细节增强方法、系统、设备和存储介质
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
CN110675332A (zh) 一种金属腐蚀图像质量的增强方法
CN115661008A (zh) 一种图像增强处理方法、装置、设备及介质
CN116681606A (zh) 一种水下不均匀光照图像增强方法、系统、设备及介质
CN116188339A (zh) 一种基于Retinex及图像融合的暗视觉图像增强方法
CN114140344A (zh) 一种低照度图像的图像增强方法及系统
CN117876233A (zh) 一种基于无人机遥感技术的测绘图像增强方法
CN114037641A (zh) 一种低照度图像增强方法、装置、设备及介质
CN117611467A (zh) 一种能同时平衡不同区域细节和亮度的低光图像增强方法
KR102277005B1 (ko) 비지도 학습을 이용한 저조도 영상 처리 방법 및 장치
CN112308793A (zh) 一种新型的非均匀光照图像对比度和细节增强方法
CN114897735B (zh) 局部自适应的水下图像对比度增强方法
CN116029944A (zh) 一种灰度图像的自适应对比度增强方法和装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220304

WW01 Invention patent application withdrawn after publication