CN115546055A - 一种基于自适应裁剪系数的低照度视频图像增强方法 - Google Patents

一种基于自适应裁剪系数的低照度视频图像增强方法 Download PDF

Info

Publication number
CN115546055A
CN115546055A CN202211153061.2A CN202211153061A CN115546055A CN 115546055 A CN115546055 A CN 115546055A CN 202211153061 A CN202211153061 A CN 202211153061A CN 115546055 A CN115546055 A CN 115546055A
Authority
CN
China
Prior art keywords
image
image block
histogram
coefficient
low
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.)
Pending
Application number
CN202211153061.2A
Other languages
English (en)
Inventor
路锦正
唐家强
李鹏飞
李冬
李强
郑伟
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.)
COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Southwest University of Science and Technology
Original Assignee
COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Southwest University of Science and Technology
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 COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS, Southwest University of Science and Technology filed Critical COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Priority to CN202211153061.2A priority Critical patent/CN115546055A/zh
Publication of CN115546055A publication Critical patent/CN115546055A/zh
Pending 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
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于自适应裁剪系数的低照度视频图像增强方法，将GAMMA矫正与CLAHE算法相结合，并根据视频每一帧中不同图像块选取不同的裁剪系数，克服了现有CLAHE算法处理视频图像时存在的过度增强和环状伪影现象，有效提升了每一帧图像的对比度和细节，取得了较好的增强效果。实验结果表明，本发明对低照度、雾霾和拍摄场景限制条件下的视频图像增强效果明显，显著地提升视频图像质量，增强了图像细节。

Description

一种基于自适应裁剪系数的低照度视频图像增强方法
技术领域
本发明属于图像处理技术领域，具体涉及一种基于自适应裁剪系数的低照度视频图像增强方法的设计。
背景技术
在低照度、雾霾、拍摄场景限制等条件下，获得的图像模糊不清，使观测者难以把握图像的准确信息，因此需要对图像进行增强。目前图像增强算法最具有代表性的是暗原色先验算法、Retinex算法和直方图均衡化算法，这三种算法都属于空间域图像增强方法。自从直方图均衡化算法被提出以来，经过了多次的改进：最早提出的HE算法只能用于整幅图像的对比度增强，为了克服HE算法对过亮或过暗区域增强效果较差的问题，有学者提出了AHE算法；AHE算法处理图像局部领域，矩形领域块越小，局部对比度增强效果越好，矩形领域块越大，局部对比度增强效果越弱，同时存在着对低纹理区域过度放大噪声的问题；于是又有学者提出了CLAHE算法，在AHE算法的基础上，使用全局裁剪系数和线性插值来抑制噪声放大的问题。
CLAHE算法广泛应用于图像增强、去雾、亮度通道拉升，其优势在于增强效果好，提升图像质量，凸显图像细节，尤其是在低照度图像的对比度拉升方面表现较佳。但由于视频图像中可能存在纹理复杂区域或者同质区域，如果全局裁剪系数过低，CLAHE算法对整幅图像的对比度拉升效果不明显；如果全局裁剪系数过高，CLAHE算法在处理纹理复杂区域时出现过度增强现象；同时，对处理同质区域的全局裁剪系数过高会导致环状伪影失真。
发明内容
本发明的目的是为了解决现有CLAHE算法处理视频图像时存在过度增强和环状伪影现象的问题，提出了一种基于自适应裁剪系数的低照度视频图像增强方法。
本发明的技术方案为：一种基于自适应裁剪系数的低照度视频图像增强方法，包括以下步骤：
S1、获取低照度、雾霾和拍摄场景限制条件下的视频，并将视频中的每一帧图像由RGB色彩空间转换到HSV色彩空间，提取得到图像的亮度分量。
S2、对图像的亮度分量进行GAMMA变换预处理，得到预处理后的图像。
S3、将预处理后的图像分成16×16的图像块，并计算每个图像块的平均值和标准差。
S4、根据每个图像块的平均值和标准差计算得到每个图像块的变异系数，并根据变异系数计算得到该图像块的裁减系数。
S5、统计图像块的直方图。
S6、使用裁剪系数对每个图像块进行裁剪，并将裁剪下来的量均匀分配给直方图中的每一个直方柱，得到新的直方图。
S7、根据新的直方图计算每个图像块的累计分布函数。
S8、对每个图像块的累计分布函数进行线性插值，得到新的亮度分量。
S9、根据新的亮度分量将每一帧图像从HSV色彩空间转换回RGB色彩空间，得到视频图像增强结果。
进一步地，步骤S2中进行GAMMA变换预处理的GAMMA矫正系数为0.6。
进一步地，步骤S4中裁减系数的计算公式为：
Figure BDA0003857687000000021
其中NCL表示图像块的裁减系数，σ表示图像块的标准差，Avg表示图像块的平均值，c为很小的常数，Limit表示裁剪因子，
Figure BDA0003857687000000022
为图像块的变异系数，取值范围为[0,1]。
进一步地，步骤S5中采用投票原理统计每个图像块的直方图：构建一个256位的数组，并将该数组每个位置均赋初值为0，循环遍历读取每个图像块的亮度值，每读取到一个亮度值就在对应的数组位置上加1，统计得到图像块的直方图。
进一步地，步骤S6具体为：将数组中每个位置的数值与裁减系数相减得到新的亮度值，并将新的亮度值累加起来放在变量bonus中，将变量bonus除以256后分配给直方图中的每一个直方柱，得到新的直方图。
进一步地，步骤S7中对新的直方图中每个直方柱进行累加得到每个图像块的累计分布函数。
进一步地，步骤S8具体为：针对图像四个顶角的图像块，其亮度值通过该图像块的累计分布函数乘以255直接得到；针对图像四条边上的图像块，其亮度值通过对相邻两个图像块的累计分布函数进行线性插值得到；针对图像中间区域的图像块，其亮度值通过对相邻四个图像块的累计分布函数进行双线性插值得到；通过线性插值后每个图像块的亮度值得到该图像新的亮度分量。
本发明的有益效果是：
(1)本发明将GAMMA矫正与CLAHE算法相结合，并根据视频每一帧中不同图像块选取不同的裁剪系数，克服了现有CLAHE算法处理视频图像时存在的过度增强和环状伪影现象，有效提升了每一帧图像的对比度和细节，取得了较好的增强效果。
(2)本发明通过对视频图像的亮度分量进行处理，可以拉升图像的对比度。
(3)本发明在对图像进行增强之前首先进行GAMMA变换预处理，可以有效补偿CLAHE算法导致的过度增强和环状伪影现象，并使矫正后的图像亮度值更加均匀、适中。
(4)本发明通过引入变异系数，可以使得对不同图像块采用不同的裁剪系数，自适应的裁剪系数可以有效提升每一帧图像的对比度和细节。
附图说明
图1所示为本发明实施例提供的一种基于自适应裁剪系数的低照度视频图像增强方法流程图。
图2所示为本发明实施例提供的直方图统计示意图。
图3所示为本发明实施例提供的线性插值示意图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。
本发明实施例提供了一种基于自适应裁剪系数的低照度视频图像增强方法，如图1所示，包括以下步骤S1～S9：
S1、获取低照度、雾霾和拍摄场景限制条件下的视频，并将视频中的每一帧图像由RGB色彩空间转换到HSV色彩空间，提取得到图像的亮度分量。
本发明实施例中，使用OpenCV库函数获取视频图像的基本信息，包括视频的宽、高、帧率、帧数、像素点等信息，初始读入的视频是RGB色彩空间，利用色彩空间转换公式将RGB图像转换到HSV色彩空间，得到图像的亮度分量，即V分量。
S2、对图像的亮度分量进行GAMMA变换预处理，得到预处理后的图像。
本发明实施例中，经过实验对比选取的GAMMA矫正系数为0.6，使得矫正后的图像亮度值更加均匀、适中。
S3、将预处理后的图像分成16×16的图像块，并计算每个图像块的平均值和标准差。
本发明实施例中，使用指针(*input_data[])指向预处理后的图像的不同位置即可实现图像的分块，该指针内部存放了每个图像块的亮度值信息。
S4、根据每个图像块的平均值和标准差计算得到每个图像块的变异系数，并根据变异系数计算得到该图像块的裁减系数。
在CLAHE算法中，其裁剪系数的公式为：
Figure BDA0003857687000000031
其中NCL表示图像块的裁减系数，M表示图像块的宽，N表示图像块的高，Limit表示裁剪因子。由于需要对不同图像块选取不同的裁剪系数，因此本发明实施例中将裁剪系数修改为：
Figure BDA0003857687000000041
其中σ表示图像块的标准差，Avg表示图像块的平均值，c为很小的常数。由于本发明实施例中图像分块方案M×N＝16×16＝256，因此裁剪系数公式可以简化为：
Figure BDA0003857687000000042
其中将
Figure BDA0003857687000000043
称为变异系数，由于c为很小的常数，因此变异系数可近似为
Figure BDA0003857687000000044
取值范围为[0,1]。如果该图像块区域为同质区域，即亮度值偏离均值程度越小，变异系数越小，使用的裁剪系数也越小；同理，如果该图像块区域纹理特征越明显，亮度值偏离均值程度越大，变异系数越大，使用的裁剪系数也越大。通过在裁剪因子Limit前乘上变异系数即可实现对裁剪系数的自适应调节。
S5、统计图像块的直方图。
本发明实施例中，采用投票原理统计每个图像块的直方图：构建一个256位的数组，并将该数组每个位置均赋初值为0，循环遍历读取每个图像块的亮度值，每读取到一个亮度值就在对应的数组位置上加1，统计得到图像块的直方图。
如图2所示，例如亮度值为1的图像块共有5个，因此数组“1”位置的值为5；亮度值为80的图像块共有1个，因此数组“80”位置的值为1。
S6、使用裁剪系数对每个图像块进行裁剪，并将裁剪下来的量均匀分配给直方图中的每一个直方柱，得到新的直方图。
本发明实施例中，将数组中每个位置的数值与裁减系数相减得到新的亮度值，并将新的亮度值累加起来放在变量bonus中，将变量bonus除以256后分配给直方图中的每一个直方柱，得到新的直方图。
S7、根据新的直方图计算每个图像块的累计分布函数。
本发明实施例中，对新的直方图中每个直方柱进行累加得到每个图像块的累计分布函数，具体累加方式如下：
“0”位置上的累积分布函数就是本身。
“1”位置上的累积分布函数是“0”位置上的值加“1”位置上的值。
“2”位置上的累积分布函数是“0”位置上的值加“1”位置上的值加“2”位置上的值。
“3”位置上的累积分布函数是“0”位置上的值加“1”位置上的值加“2”位置上的值加“3”位置上的值。
以此类推，即可得到数组每个位置上的累计分布函数，进一步得到对应每个图像块的累计分布函数。
S8、对每个图像块的累计分布函数进行线性插值，得到新的亮度分量。
本发明实施例中，针对不同的图像块采用不同的插值方法，如图3所示，针对图像四个顶角的图像块，其亮度值通过该图像块的累计分布函数乘以255直接得到。
针对图像四条边上的图像块，其亮度值通过对相邻两个图像块的累计分布函数进行线性插值得到。
针对图像中间区域的图像块，其亮度值通过对相邻四个图像块的累计分布函数进行双线性插值得到。
通过线性插值后每个图像块的亮度值得到该图像新的亮度分量。
S9、根据新的亮度分量将每一帧图像从HSV色彩空间转换回RGB色彩空间，得到视频图像增强结果。
将H分量、S分量和新的V分量通过HSV转RGB公式转换回RGB色彩空间显示输出，循环读入每一帧重复上述步骤，即可得到视频图像增强结果。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种基于自适应裁剪系数的低照度视频图像增强方法，其特征在于，包括以下步骤：
S1、获取低照度、雾霾和拍摄场景限制条件下的视频，并将视频中的每一帧图像由RGB色彩空间转换到HSV色彩空间，提取得到图像的亮度分量；
S2、对图像的亮度分量进行GAMMA变换预处理，得到预处理后的图像；
S3、将预处理后的图像分成16×16的图像块，并计算每个图像块的平均值和标准差；
S4、根据每个图像块的平均值和标准差计算得到每个图像块的变异系数，并根据变异系数计算得到该图像块的裁减系数；
S5、统计图像块的直方图；
S6、使用裁剪系数对每个图像块进行裁剪，并将裁剪下来的量均匀分配给直方图中的每一个直方柱，得到新的直方图；
S7、根据新的直方图计算每个图像块的累计分布函数；
S8、对每个图像块的累计分布函数进行线性插值，得到新的亮度分量；
S9、根据新的亮度分量将每一帧图像从HSV色彩空间转换回RGB色彩空间，得到视频图像增强结果。
2.根据权利要求1所述的低照度视频图像增强方法，其特征在于，所述步骤S2中进行GAMMA变换预处理的GAMMA矫正系数为0.6。
3.根据权利要求1所述的低照度视频图像增强方法，其特征在于，所述步骤S4中裁减系数的计算公式为：
Figure FDA0003857686990000011
其中NCL表示图像块的裁减系数，σ表示图像块的标准差，Avg表示图像块的平均值，c为很小的常数，Limit表示裁剪因子，
Figure FDA0003857686990000012
为图像块的变异系数，取值范围为[0,1]。
4.根据权利要求1所述的低照度视频图像增强方法，其特征在于，所述步骤S5中采用投票原理统计每个图像块的直方图：构建一个256位的数组，并将该数组每个位置均赋初值为0，循环遍历读取每个图像块的亮度值，每读取到一个亮度值就在对应的数组位置上加1，统计得到图像块的直方图。
5.根据权利要求4所述的低照度视频图像增强方法，其特征在于，所述步骤S6具体为：将所述数组中每个位置的数值与裁减系数相减得到新的亮度值，并将新的亮度值累加起来放在变量bonus中，将变量bonus除以256后分配给直方图中的每一个直方柱，得到新的直方图。
6.根据权利要求1所述的低照度视频图像增强方法，其特征在于，所述步骤S7中对新的直方图中每个直方柱进行累加得到每个图像块的累计分布函数。
7.根据权利要求1所述的低照度视频图像增强方法，其特征在于，所述步骤S8具体为：针对图像四个顶角的图像块，其亮度值通过该图像块的累计分布函数乘以255直接得到；针对图像四条边上的图像块，其亮度值通过对相邻两个图像块的累计分布函数进行线性插值得到；针对图像中间区域的图像块，其亮度值通过对相邻四个图像块的累计分布函数进行双线性插值得到；通过线性插值后每个图像块的亮度值得到该图像新的亮度分量。
CN202211153061.2A 2022-09-21 2022-09-21 一种基于自适应裁剪系数的低照度视频图像增强方法 Pending CN115546055A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211153061.2A CN115546055A (zh) 2022-09-21 2022-09-21 一种基于自适应裁剪系数的低照度视频图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211153061.2A CN115546055A (zh) 2022-09-21 2022-09-21 一种基于自适应裁剪系数的低照度视频图像增强方法

Publications (1)

Publication Number Publication Date
CN115546055A true CN115546055A (zh) 2022-12-30

Family

ID=84726805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211153061.2A Pending CN115546055A (zh) 2022-09-21 2022-09-21 一种基于自适应裁剪系数的低照度视频图像增强方法

Country Status (1)

Country Link
CN (1) CN115546055A (zh)

Similar Documents

Publication Publication Date Title
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
CN104021532B (zh) 一种红外图像的图像细节增强方法
US8295596B1 (en) Adaptive histogram-based video contrast enhancement
CN108280836B (zh) 一种图像处理方法及装置
CN111709898B (zh) 基于优化clahe的红外图像增强方法与系统
CN107862672B (zh) 图像去雾的方法及装置
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
CN111292269A (zh) 一种图像色调映射方法、计算机装置及计算机可读存储介质
CN105335933A (zh) 一种图像对比度增强方法和装置
CN114240789A (zh) 一种基于优化的保持亮度的红外图像直方图均衡增强方法
CN115578297A (zh) 一种自适应色彩补偿与细节优化的广义衰减图像增强方法
CN113935911A (zh) 高动态范围视频图像处理方法、计算机装置及计算机可读存储介质
CN115239578A (zh) 图像处理方法及装置、计算机可读存储介质、终端设备
CN110111280B (zh) 一种多尺度梯度域引导滤波的低照度图像增强方法
CN113592750B (zh) 一种基于梯度直方图的红外增强方法
CN109345479B (zh) 一种视频监控数据的实时预处理方法及存储介质
CN112822343B (zh) 一种面向夜间视频的清晰化方法及存储介质
CN117876233A (zh) 一种基于无人机遥感技术的测绘图像增强方法
US8189950B2 (en) Image enhancement method using local gain correction
CN110223248B (zh) 一种红外图像细节增强的动态范围压缩方法
CN110751603A (zh) 一种图像对比度的增强方法、系统及终端设备
CN115546055A (zh) 一种基于自适应裁剪系数的低照度视频图像增强方法
CN114494042A (zh) 一种红外图像动态压缩及细节增强方法、存储介质及装置
CN114140348A (zh) 一种对比度增强方法、装置及设备
KR20230133344A (ko) 화상 처리 방법

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