CN115937031A - 一种针对低光照图像的增强方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，且公开了一种针对低光照图像的增强方法，包括以下步骤：S1、首先对低照度图像的R、G、B三种分量分别用改进的同态滤波算法进行增强，提高图像对比度；S2、然后将图像从RGB颜色空间转换到HSV颜色空间；S3、用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正。该针对低光照图像的增强方法，将图像从RGB色彩空间转换至HSV色彩空间，很好的保持了图像的色彩信息；而进行同态滤波处理，能对图像的光照进行校正；对入射分量的伽马校正，可以对图像进行非线性色调编辑，提高图像的对比度；对反射分量的双边滤波，既可以去除图像的噪声又可以保持图像的边缘信息；Sigmoid函数达到进一步增强图像的目的。

Description

一种针对低光照图像的增强方法

技术领域

本发明涉及图像处理技术领域，具体为一种针对低光照图像的增强方法。

背景技术

图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布，“像“是人的视觉系统所接受的图在人脑中所形成的印象或认识，照片、绘画、剪贴画、地图、书法作品、手写汉字、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像

近几年视频监控系统越来越发达,但在低照度环境中,由于光照不足而导致图像亮度低,细节信息丢失严重,对图像的识别带来困难，因此对低照度图像增强算法进行研究有着重要的理论意义与应用价值，故而提出一种针对低光照图像的增强方法来解决上述所提出的问题。

发明内容

(一)解决的技术问题

本发明的目的是为了解决近几年视频监控系统越来越发达,但在低照度环境中,由于光照不足而导致图像亮度低,细节信息丢失严重,对图像的识别带来困难，因此对低照度图像增强算法进行研究有着重要的理论意义与应用价值的问题，而提出的一种针对低光照图像的增强方法。

(二)技术方案

本发明解决上述技术问题的技术方案如下：

一种针对低光照图像的增强方法，包括以下步骤：

S1、首先对低照度图像的R、G、B三种分量分别用改进的同态滤波算法进行增强，提高图像对比度；

S2、然后将图像从RGB颜色空间转换到HSV颜色空间；

S3、用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正；

S4、对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB颜色空间输出；

S5、用Matlab对图像进行仿真处理,从而提高了低照度图像的信息熵、峰值信噪比和对比度,得到增强后的低照度彩色图像。

在上述技术方案的基础上，本发明还可以做如下改进。

优选地，所述在步骤S2中在HSV颜色空间对饱和度分量进行自适应非线性拉伸，同时将HSV颜色空间中的色调分量H、饱和度分量S和明度分量V进行均匀量化和组合量化处理。

优选地，所述在步骤S5中首先对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理，中值滤波的主要功能是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而消除孤立的噪声点。

优选地，所述通过图像信息区测量、识别或理解其中的对象物，一一些能表征图像特征，如线边缘、区域、形状、颜色、纹理等等，通过各种处理方法，将包含图像信息中的需要的特征线路出来，并加以量化的处理称之为图像的特征提取。

优选地，所述为了保存、处理或者传递图像信息，需要将源图像或经过处理的图像信息在计算机中按某种规律存储，必要时可以方便找到它们，即进行图像的检索。

(三)有益效果

与现有技术相比，本申请的技术方案具有以下有益技术效果：

将图像从RGB色彩空间转换至HSV色彩空间，很好的保持了图像的色彩信息；而进行同态滤波处理，能对图像的光照进行校正；对入射分量的伽马校正，可以对图像进行非线性色调编辑，提高图像的对比度；对反射分量的双边滤波，既可以去除图像的噪声又可以保持图像的边缘信息；Sigmoid函数达到进一步增强图像的目的。

附图说明

图1为本发明流程结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例中，由图1给出，一种针对低光照图像的增强方法，其特征在于，包括以下步骤：

S1、首先对低照度图像的R、G、B三种分量分别用改进的同态滤波算法进行增强，提高图像对比度，在此之前还包括图像处理的第一步，是获取处理对象的可见模拟图像，并将其转换为计算机能接受的数字图像，在输入计算机。如果对象物的信息是不可见的。则首先进行所谓信息的客观化或可见光图像生成等处理；

S2、然后将图像从RGB颜色空间转换到HSV颜色空间；

S3、用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正；

S4、对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB颜色空间输出；

S5、用Matlab对图像进行仿真处理,从而提高了低照度图像的信息熵、峰值信噪比和对比度,得到增强后的低照度彩色图像。

优选地，在步骤S2中在HSV颜色空间对饱和度分量进行自适应非线性拉伸，同时将HSV颜色空间中的色调分量H、饱和度分量S和明度分量V进行均匀量化和组合量化处理；

优选地，在步骤S5中首先对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理，中值滤波的主要功能是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而消除孤立的噪声点；

优选地，通过图像信息区测量、识别或理解其中的对象物，一一些能表征图像特征，如线边缘、区域、形状、颜色、纹理等等，通过各种处理方法，将包含图像信息中的需要的特征线路出来，并加以量化的处理称之为图像的特征提取；

优选地，为了保存、处理或者传递图像信息，需要将源图像或经过处理的图像信息在计算机中按某种规律存储，必要时可以方便找到它们，即进行图像的检索；

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种针对低光照图像的增强方法，其特征在于，包括以下步骤：

S1、首先对低照度图像的R、G、B三种分量分别用改进的同态滤波算法进行增强，提高图像对比度；

S2、然后将图像从RGB颜色空间转换到HSV颜色空间；

S3、用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正；

S4、对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB颜色空间输出；

S5、用Matlab对图像进行仿真处理,从而提高了低照度图像的信息熵、峰值信噪比和对比度,得到增强后的低照度彩色图像。

2.根据权利要求1所述的一种针对低光照图像的增强方法，其特征在于，所述在步骤S2中在HSV颜色空间对饱和度分量进行自适应非线性拉伸，同时将HSV颜色空间中的色调分量H、饱和度分量S和明度分量V进行均匀量化和组合量化处理。

3.根据权利要求1所述的一种针对低光照图像的增强方法，其特征在于，所述在步骤S5中首先对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理，中值滤波的主要功能是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而消除孤立的噪声点。

4.根据权利要求1所述的一种针对低光照图像的增强方法，其特征在于，所述通过图像信息区测量、识别或理解其中的对象物，一一些能表征图像特征，如线边缘、区域、形状、颜色、纹理等等，通过各种处理方法，将包含图像信息中的需要的特征线路出来，并加以量化的处理称之为图像的特征提取。

5.根据权利要求1所述的一种针对低光照图像的增强方法，其特征在于，所述为了保存、处理或者传递图像信息，需要将源图像或经过处理的图像信息在计算机中按某种规律存储，必要时可以方便找到它们，即进行图像的检索。

Images