CN116309152A - 一种低照度图像的细节增强方法、系统、设备和存储介质 - Google Patents

一种低照度图像的细节增强方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN116309152A
CN116309152A CN202310249161.3A CN202310249161A CN116309152A CN 116309152 A CN116309152 A CN 116309152A CN 202310249161 A CN202310249161 A CN 202310249161A CN 116309152 A CN116309152 A CN 116309152A
Authority
CN
China
Prior art keywords
image
low
detail
brightness
rgb
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
CN202310249161.3A
Other languages
English (en)
Inventor
蒋亚东
万梓辰
李科鹏
黄成龙
周云
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202310249161.3A priority Critical patent/CN116309152A/zh
Publication of CN116309152A publication Critical patent/CN116309152A/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
    • 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
    • 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
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

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

本发明公开了一种低照度图像的细节增强方法、系统、设备和存储介质，本发明属于图像处理技术领域。本发明通过将图像从RGB空间转换到YCbCr色彩空间，并分离出代表图像整体亮度信息的Y分量，以便在后续处理过程中减少其他通道的色度信息对数据处理的干扰；同时本发明可根据其具体光照特点及场景，调整合适的增益参数及融合参数，可以使得低照度图像的对比度及亮度得到总体改善，同时对其细节部分进行了增强，提高了低照度图像的画面质量，最后利用线性映射重建技术，对RGB色彩空间进行重建，改善了重建色彩空间中可能出现的色彩失真问题，提高了图像的整体质量。

Description

一种低照度图像的细节增强方法、系统、设备和存储介质
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细节增强方法、系统、设备和存储介质。
背景技术
低照度是指被摄景物所处环境的照度低于某一数值而使探测器的视频信号电平也低于一定值时的光照度。低照度图像的特点是灰度值总体偏小、图像整体偏暗、画面噪声严重，其像素值分布相对集中，轮廓的边缘像素与场景像素灰度差距小，细节信息不足。低照度图像细节增强技术是当前国内外图像处理技术发展的重要方向之一，该技术改进了人们在低照度场景下对目标的检测与场景分析能力。
传统的低照度图像细节增强技术针对图像整体像素进行调整，其增强结果存在局部光晕、高光过曝光以及暗部亮度不足导致的细节丢失等问题，在实际应用中难以保证对各类低照度场景的适应性，且在增强过程中引入了新的图像噪声，不利于图像信息的后续处理及分析。
发明内容
为了解决现有低照度图像细节增强效果差的问题，本发明提供了一种低照度图像的细节增强方法、系统、设备和存储介质，本发明在对低照度图像进行整体对比度改善的同时，增强图像细节，并对噪声进行有效抑制。
本发明通过下述技术方案实现：
一种低照度图像的细节增强方法，该方法包括：
采集低照度图像数据，得到原始低照度RGB图像；
将所述原始低照度RGB图像从RGB空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像；
将所述Y通道灰度阶图像作为梯度引导图像，对其自身进行引导滤波处理，得到保留了图像细节信息的平滑降噪图像；
采用增益因子可调节的Sigmoid函数对所述Y通道灰度阶图像进行亮度拉伸处理，并对处理后的图像进行高斯滤波得到亮度线性增强图像；
对所述平滑降噪图像与亮度线性增强图像进行灰度差分处理，得到仅包含图像细节的细节提取图像；
对所述亮度线性增强图像和细节提取图像进行图像融合处理，并采用适应度系数对融合系数进行调整，得到细节和亮度均增强的融合后细节增强图像；
采用基于所述原始低照度RGB图像的色彩信息的线性映射方式对所述融合后细节增强图像进行RGB色彩空间重映射，得到细节增强低照度RGB图像。
本发明通过将图像从RGB空间转换到YCbCr色彩空间，并分离出代表图像整体亮度信息的Y分量，以便在后续处理过程中减少其他通道的色度信息对数据处理的干扰；同时采用增益因子可调节的Sigmoid函数进行亮度拉伸处理以改善其亮度与对比度，相较于现有采用固定的处理参数实现亮度或对比度增益的技术，本发明可根据其具体光照特点及场景，调整合适的增益参数及融合参数，可以使得低照度图像的对比度及亮度得到总体改善，同时对其细节部分进行了增强，提高了低照度图像的画面质量，最后利用线性映射重建技术，对RGB色彩空间进行重建，改善了重建色彩空间中可能出现的色彩失真问题，提高了图像的整体质量。
作为优选实施方式，本发明采用引导滤波函数对梯度引导图像进行引导滤波处理，所述引导滤波函数为：
Figure BDA0004127138200000031
式中，p为输入图像，q为输出图像，I为梯度引导图像，|ω|表示ωk窗口内的像素个数，μk和σ2表示梯度引导图在高窗口内的值和方差，ε为平滑因子；
其中，输出图像与梯度引导图像之间具有的局部线性关系表示为：
Figure BDA0004127138200000032
式中，αk与βk分别为线性系数，ωk为在梯度引导图像I中，以像素点k为中心、N为半径的模板窗口，且在窗口内αk与βk为定值。
作为优选实施方式，本发明的增益因子可调节的Sigmoid函数为：
Figure BDA0004127138200000033
式中，Imax、Imin分别对应原图像灰度值的最大值与最小值；I为输入图像的像素灰度值；a为控制线性渐变强度的参数；b为控制线性渐变强度范围的参数。
作为优选实施方式，本发明采用下式对图像进行高斯滤波处理：
Figure BDA0004127138200000034
式中，x2与y2分别表示邻域内其余像素点与邻域内中心像素点的间距；c表示标准差。
作为优选实施方式，本发明采用下式对所述亮度线性增强图像和细节提取图像进行加权融合处理：
I5＝w·I3+(1-w)I4
式中，I5为融合后的细节增强图像；w为所述亮度线性增强图像I3的权重系数；1-w为所述细节提取图I4的权重系数。
作为优选实施方式，本发明采用下式对融合系数进行调整：
A＝max∑δ(x,y)2Pδ(x,y)
式中，δ(x,y)为相邻像素间的灰度差值；Pδ(x,y)为相邻像素间的灰度差值为δ的像素分布概率。
作为优选实施方式，本发明的线性映射系数表示为：
Figure BDA0004127138200000041
式中，I0为原始低照度RGB图像；I5为融合后细节增强图像；
映射关系表示为：
Figure BDA0004127138200000042
式中，[R0,G0,B0]为原始低照度图像的RGB色彩通道，[R’,G’,B’]为经过色彩重映射的RGB色彩通道。
第二方面，本发明提出了一种低照度图像的细节增强系统，包括：
图像获取模块，采集低照度图像数据，得到原始低照度RGB图像；
色彩空间转换模块，将所述原始低照度RGB图像从RGB空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像；
引导滤波模块，将所述Y通道灰度阶图像作为梯度引导图像，对其自身进行引导滤波处理，得到保留了图像细节信息的平滑降噪图像；
线性增强模块，采用增益因子可调节的Sigmoid函数对所述Y通道灰度阶图像进行亮度拉伸处理，并对处理后的图像进行高斯滤波得到亮度线性增强图像；
灰度差分模块，对所述平滑降噪图像与亮度线性增强图像进行灰度差分处理，得到仅包含图像细节的细节提取图像；
融合模块，对所述亮度线性增强图像和细节提取图像进行图像融合处理，并采用适应度系数对融合系数进行调整，得到细节和亮度均增强的融合后细节增强图像；
色彩空间重映射模块，采用基于所述原始低照度RGB图像的色彩信息的线性映射方式对所述融合后细节增强图像进行RGB色彩空间重映射，得到细节增强低照度RGB图像。
第三方面，本发明提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本发明上述方法的步骤。
第四方面，本发明提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明上述方法的步骤。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明采用增益因子可调节的Sigmoid函数进行亮度拉伸处理以改善其亮度与对比度，对于不同画面特征或者灰度直方图特征的低照度图像，可以根据其特点对系数进行调节，以使局部处理得到优化，使最终的增益效果更佳理想，本发明对不同低照度环境的适应性和灵活性更高；
2、本发明通过适应度系数对融合系数进行评价，同时建立了适应度系数和融合权重的映射关系，使得融合结果更加直观可靠；
3、本发明采用了与传统RGB色彩空间重建不同的线性映射重建的方法，在减少了算法运算量的同时，可以更好地改善重建色彩空间中可能出现的色彩失真问题，有利于提高图像的整体质量，还原低照度图像的色彩。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明实施例的方法流程示意图；
图2为本发明实施例的系统原理框图；
图3为采用本发明实施例的方法对低照度图像进行处理前后的对比图；其中，(a)为处理前的图像，(b)为处理后的图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
为了实现低照度图像的有效增强，本实施例提出了一种低照度图像的细节增强方法，以解决现有低照度图像细节增强效果差的问题。
具体如图1所示，本实施例提出的方法具体包括如下步骤：
步骤1，采集包含有效信息的低照度图像数据，得到原始低照度RGB图像I0；
步骤2，将原始低照度RGB图像I0从RBG空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像I1；本实施例将图像从RGB映射到YCbCr空间，并单独提取出了表示画面亮度信息的Y通道灰度图，这样可以有效避免其他通道的色度信息在后续处理中可能带来的干扰，同时减少了算法的运算量；
步骤3，将Y通道灰度阶图像I1作为梯度引导图像，对其自身采用引导滤波进行处理，得到保留了图像细节信息的平滑降噪图像I2；
步骤4，采用增益因子可调节的Sigmoid函数对Y通道灰度阶图像I1进行亮度拉伸处理以改善其亮度与对比度，并对处理后的图像进行高斯滤波得到亮度线性增强图像I3；
步骤5，对平滑降噪图像I2与亮度线性增强图像I3进行灰度差分处理，得到仅包含图像细节的细节提取图像I4；
步骤6，对亮度线性增强图像I3和细节提取图像I4采用加权融合策略进行图像融合，并采用适应度系数对融合系数进行调整，得到细节和亮度增强的融合后细节增强图像I5；
步骤7，对融合后细节增强图像I5进行RGB色彩空间重映射，采用基于原始低照度RGB图像I0的色彩信息的线性映射方式实现图像I5的RGB色彩空间重映射，得到最后的细节增强低照度RGB图像I’。
一种可选的实施方式，步骤3还包括：
令输入图像为p(即Y通道灰度阶图像I1)，输出图像为q(平滑降噪图像I2)，用作梯度引导的图像为I(即Y通道灰度阶图像I1)，其中输出图像q与梯度引导图像之间具有的局部线性关系如下式所示：
Figure BDA0004127138200000071
式中，αk与βk分别为线性系数，ωk为在梯度引导图像I中，以像素点k为中心、N为半径的模板窗口，且在窗口内αk与βk为定值。该窗口模板的作用是用于保持输出图像与梯度引导图像在边缘细节上保持像素梯度一致性，实现保留细节同时平滑噪声的滤波。通过如下所示的约束条件使输出图像q与输入图像p保持最小差值。
Figure BDA0004127138200000072
其中ε为正则化参数，对该函数求解得到αk与βk分别为：
Figure BDA0004127138200000081
Figure BDA0004127138200000082
其中：
Figure BDA0004127138200000083
公式中|ω|表示ωk窗口内的像素个数，μk和σ2表示梯度引导图在高窗口内的值和方差，ε为平滑因子。
将αk和βk带回到qi的计算公式中即可得到滤波的过程的具体公式：
Figure BDA0004127138200000084
以上就是梯度引导滤波的推导原理，在用梯度引导滤波来增强图像自身细节时，会保持输入输出图像像素梯度的一致性，进而使得保留的细节是自身图像的细节。由推导过程可知，梯度引导滤波能较好地保留下边缘细节信息，只在图像平坦处进行平滑滤波处理。但使用局部方差来判定图像的边缘细节时，由于平滑因子是一个固定的参数，可能会出现图像某些局部细节因方差太小而被滤波去除的现象，但是可以保证大多数噪声因此被消除。
一种可选的实施方式，步骤4采用可调整增益因子的Sigmoid函数对灰阶图I1进行亮度拉伸处理，其函数如下：
Figure BDA0004127138200000085
其中，Imax、Imin分别对应原图像灰度值的最大值与最小值；I为输入图像的像素灰度值；a为控制线性渐变强度的参数，其值越大增益函数增益越强；b为控制线性渐变强度范围的参数，b较小时对暗区域的对比度增益更明显，b较大时对亮区域对比度增益更明显；通过选取合适的a、b参数的值来调整画面达到符合要求的效果，以改善其亮度与对比度，例如，同为低照度图片，总体对比度较低时，此时需要选取a，b的数值使增益曲线对整个画面进行相对均匀的增强；局部亮度不足时，例如暗部过黑，比如大光比阴影的部分，需要将b的数值减小以重点改进暗部区域的亮度和对比度；当画面出现局部炫光时，需要增大b的数值以降低炫光对画面的影响。
一种可选的实施方式，步骤4采用下式对经过亮度拉伸改善对比度的图像进行高斯滤波处理：
Figure BDA0004127138200000091
其中，x2与y2分别表示邻域内其余像素点与邻域内中心像素点的间距；c表示标准差，标准差越大，二维高斯图像越宽，对噪声的滤波效果越明显。
一种可选的实施方式，步骤6采用下式对亮度线性增强图像I3和细节提取图像I4通过加权融合策略进行图像融合：
I5＝w·I3+(1-w)I4
其中w为亮度线性增强图像I3的权重系数；1-w为细节提取图I4的权重系数。采用系数适应度函数对适应度系数进行调整，其计算式如下：
A＝max∑δ(x,y)2Pδ(x,y)
其中，δ(x,y)为相邻像素间的灰度差值；Pδ(x,y)为相邻像素间的灰度差值为δ的像素分布概率。适应度系数A是对融合结果的像素值进行计算的结果，不同的融合权重w与适应度系数A存在逐一映射的对应关系，因此适应度系数A可以描述融合的总体效果，并且可以形成一个固定的评价指标(可通过多次改变w的数值形成表格或拟合曲线)。
一种可选的实施方式，步骤7采用基于原始低照度RGB图像I0的色彩信息的线性映射方式实现RGB色彩重映射以减少色彩失真情况的出现，其线性映射系数表示如下：
Figure BDA0004127138200000101
其中，I0为原始的低照度的RGB图像；I5为融合后的细节增强图像；令[R0,G0,B0]为原始低照度图像的RGB色彩通道，[R’,G’,B’]为经过色彩重映射的RGB色彩通道，其映射关系如下：
Figure BDA0004127138200000102
传统的YCbCr转换到RGB色彩空间一般采用一个固定的转换计算方式，可能会在还原RGB色彩空间以后出现比较明显的色彩失真现象且算法的时间复杂度较高，在RGB空间中，如果存在两个成比例的像素点，则这两点色彩相同，只是亮度信息不同，通过这两点的比例，可以求得一个比例因子L，通过该比例因子对所有像素进行处理，就可以有效的避免色彩失真的问题，因此本实施例采用线性映射的方法。
本实施例还提出了一种低照度图像的细节增强系统，具体如图2所示，该系统包括：
图像获取模块，采集包含有效信息的低照度图像数据，得到原始低照度RGB图像I0；
色彩空间转换模块，将原始低照度RGB图像I0从RBG空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像I1；
引导滤波模块，将Y通道灰度阶图像I1作为梯度引导图像，对其自身采用引导滤波进行处理，得到保留了图像细节信息的平滑降噪图像I2；
线性增强模块，采用增益因子可调节的Sigmoid函数对Y通道灰度阶图像像I1进行亮度拉伸处理以改善其亮度与对比度，并对处理后的图像进行高斯滤波得到亮度线性增强图像I3；
灰度差分模块，对平滑降噪图像I2与亮度线性增强图像I3进行灰度差分处理，得到仅包含图像细节的细节提取图像I4；
融合模块，对亮度线性增强图像I3和细节提取图I4采用加权融合策略进行图像融合，并采用适应度系数对融合系数进行调整，得到细节和亮度增强的融合后细节增强图像I5；
色彩空间重映射模块，对融合后细节增强图像I5进行RGB色彩空间重映射，采用基于原始低照度RGB图像I0的色彩信息的线性映射方式实现图像I5的RGB色彩空间重映射，得到最后的细节增强低照度RGB图像I’。
本实施例还提出了一种计算机设备，用于执行本实施例的上述方法。
计算机设备包括处理器、内存储器和系统总线；内存储器和处理器在内的各种设备组件连接到系统总线上。处理器是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。内存储器是一个用于临时或永久性存储计算程序或数据(例如，程序状态信息)的物理设备。系统总线可以为以下几种类型的总线结构中的任意一种，包括存储器总线或存储控制器、外设总线和局部总线。处理器和内存储器可以通过系统总线进行数据通信。其中内存储器包括只读存储器(ROM)或闪存，以及随机存取存储器(RAM)，RAM通常是指加载了操作系统和计算机程序的主存储器。
计算机设备一般包括一个外存储设备。外存储设备可以从多种计算机可读介质中选择，计算机可读介质是指可以通过计算机设备访问的任何可利用的介质，包括移动的和固定的两种介质。例如，计算机可读介质包括但不限于，闪速存储器(微型SD卡)，CD-ROM，数字通用光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备，或者可用于存储所需信息并可由计算机设备访问的任何其它介质。
计算机设备可在网络环境中与一个或者多个网络终端进行逻辑连接。网络终端可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机设备通过网络接口(局域网LAN接口)与网络终端相连接。局域网(LAN)是指在有限区域内，例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼，互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。
应当指出的是，其它包括比计算机设备更多或更少的子系统的计算机系统也能适用于发明。
如上面详细描述的，适用于本实施例的计算机设备能执行多维空间视界搜索方法的指定操作。计算机设备通过处理器运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备或者通过局域网接口从另一设备读入到存储器中。存储在存储器中的软件指令使得处理器执行上述的群成员信息的处理方法。此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此，实现本实施例并不限于任何特定硬件电路和软件的组合。
实施例2
本实施例采用上述实施例1提出的低照度图像细节增强方法对某一采集的低照度原始图像数据(如图3所示的(a))进行处理，具体流程如下：
(1)将原始低照度图像I0从RBG空间转换到YCbCr色彩空间，并分离出一幅表示图像亮度的Y通道灰度阶图像I1，其中从RGB到YCbCr色彩空间转换的线性转换公式如下：
Figure BDA0004127138200000131
(2)将Y通道灰度阶图像I1作为梯度引导图像，采用上述实施例1的梯度引导滤波公式对其自身采用引导滤波进行处理，得到一幅保留了图像细节信息的平滑降噪图像I2。
(3)对Y通道灰度阶图像I1采用实施例1的增益因子可调节的Sigmoid函数F(I)进行亮度拉伸处理以改善其亮度与对比度，并采用实施例1的高斯滤波函数G(x,y)对处理后的图像进行高斯滤波得到一幅亮度线性增强图像I3。
(4)采用实施例1的灰度差分公式将平滑降噪图像I2与亮度线性增强图像I3进行灰度差分，得到一幅仅包含图像细节的细节提取图像I4。
(5)采用加权融合计算公式对亮度线性增强图像I3和细节提取图像I4进行加权融合计算，并采用系数适应性函数对融合系数进行调整，得到一幅细节和亮度得到增强的融合后细节增强图像I5。
(6)采用实施例1的线性映射关系对融合后细节增强图像进行色彩空间重映射，得到最后的细节增强低照度RGB图像I’，如图3中的(b)所示。
由图3可知，采用上述实施例1提出的低照度图像细节增强方法对采集的低照度原始图像数据进行处理后，低照度图像整体亮度以及对比度得到改善，整体画面亮度得到了提升，原本处于暗部的细节得到了增强，同时没有明显引入新的噪声。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种低照度图像的细节增强方法，其特征在于，该方法包括：
采集低照度图像数据，得到原始低照度RGB图像；
将所述原始低照度RGB图像从RGB空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像；
将所述Y通道灰度阶图像作为梯度引导图像，对其自身进行引导滤波处理，得到保留了图像细节信息的平滑降噪图像；
采用增益因子可调节的Sigmoid函数对所述Y通道灰度阶图像进行亮度拉伸处理，并对处理后的图像进行高斯滤波得到亮度线性增强图像；
对所述平滑降噪图像与亮度线性增强图像进行灰度差分处理，得到仅包含图像细节的细节提取图像；
对所述亮度线性增强图像和细节提取图像进行图像融合处理，并采用适应度系数对融合系数进行调整，得到细节和亮度均增强的融合后细节增强图像；
采用基于所述原始低照度RGB图像的色彩信息的线性映射方式对所述融合后细节增强图像进行RGB色彩空间重映射，得到细节增强低照度RGB图像。
2.根据权利要求1所述的一种低照度图像的细节增强方法，其特征在于，采用引导滤波函数对梯度引导图像进行引导滤波处理，所述引导滤波函数为：
Figure FDA0004127138190000011
式中，p为输入图像，q为输出图像，I为梯度引导图像，|ω|表示ωk窗口内的像素个数，μk和σ2表示梯度引导图在高窗口内的值和方差，ε为平滑因子；
其中，输出图像与梯度引导图像之间具有的局部线性关系表示为：
Figure FDA0004127138190000012
式中，αk与βk分别为线性系数，ωk为在梯度引导图像I中，以像素点k为中心、N为半径的模板窗口，且在窗口内αk与βk为定值。
3.根据权利要求1所述的一种低照度图像的细节增强方法，其特征在于，所述增益因子可调节的Sigmoid函数为：
Figure FDA0004127138190000021
式中，Imax、Imin分别对应原图像灰度值的最大值与最小值；I为输入图像的像素灰度值；a为控制线性渐变强度的参数；b为控制线性渐变强度范围的参数。
4.根据权利要求1所述的一种低照度图像的细节增强方法，其特征在于，采用下式对图像进行高斯滤波处理：
Figure FDA0004127138190000022
式中，x2与y2分别表示邻域内其余像素点与邻域内中心像素点的间距；c表示标准差。
5.根据权利要求1所述的一种低照度图像的细节增强方法，其特征在于，采用下式对所述亮度线性增强图像和细节提取图像进行加权融合处理：
I5＝w·I3+(1-w)I4
式中，I5为融合后的细节增强图像；w为所述亮度线性增强图像I3的权重系数；1-w为所述细节提取图I4的权重系数。
6.根据权利要求5所述的一种低照度图像的细节增强方法，其特征在于，采用下式对融合系数进行调整：
A＝max∑δ(x,y)2Pδ(x,y)
式中，δ(x,y)为相邻像素间的灰度差值；Pδ(x,y)为相邻像素间的灰度差值为δ的像素分布概率。
7.根据权利要求1-6任一项所述的一种低照度图像的细节增强方法，其特征在于，线性映射系数表示为：
Figure FDA0004127138190000031
式中，I0为原始低照度RGB图像；I5为融合后细节增强图像；
映射关系表示为：
Figure FDA0004127138190000032
式中，[R0,G0,B0]为原始低照度图像的RGB色彩通道，[R’,G’,B’]为经过色彩重映射的RGB色彩通道。
8.一种低照度图像的细节增强系统，其特征在于，包括：
图像获取模块，采集低照度图像数据，得到原始低照度RGB图像；
色彩空间转换模块，将所述原始低照度RGB图像从RGB空间转换到YCbCr色彩空间，并分离出表示图像亮度的Y通道灰度阶图像；
引导滤波模块，将所述Y通道灰度阶图像作为梯度引导图像，对其自身进行引导滤波处理，得到保留了图像细节信息的平滑降噪图像；
线性增强模块，采用增益因子可调节的Sigmoid函数对所述Y通道灰度阶图像进行亮度拉伸处理，并对处理后的图像进行高斯滤波得到亮度线性增强图像；
灰度差分模块，对所述平滑降噪图像与亮度线性增强图像进行灰度差分处理，得到仅包含图像细节的细节提取图像；
融合模块，对所述亮度线性增强图像和细节提取图像进行图像融合处理，并采用适应度系数对融合系数进行调整，得到细节和亮度均增强的融合后细节增强图像；
色彩空间重映射模块，采用基于所述原始低照度RGB图像的色彩信息的线性映射方式对所述融合后细节增强图像进行RGB色彩空间重映射，得到细节增强低照度RGB图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202310249161.3A 2023-03-15 2023-03-15 一种低照度图像的细节增强方法、系统、设备和存储介质 Pending CN116309152A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310249161.3A CN116309152A (zh) 2023-03-15 2023-03-15 一种低照度图像的细节增强方法、系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310249161.3A CN116309152A (zh) 2023-03-15 2023-03-15 一种低照度图像的细节增强方法、系统、设备和存储介质

Publications (1)

Publication Number Publication Date
CN116309152A true CN116309152A (zh) 2023-06-23

Family

ID=86797379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310249161.3A Pending CN116309152A (zh) 2023-03-15 2023-03-15 一种低照度图像的细节增强方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN116309152A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777797A (zh) * 2023-06-28 2023-09-19 广州市明美光电技术有限公司 各向异性导向滤波的明场显微图像清晰化方法及系统
CN117710275A (zh) * 2024-02-06 2024-03-15 江苏无右微创医疗科技有限公司 一种图像低亮区域改善方法及系统
CN118071634A (zh) * 2024-04-18 2024-05-24 河海大学 一种用于低照度偏色图像的自适应增强方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777797A (zh) * 2023-06-28 2023-09-19 广州市明美光电技术有限公司 各向异性导向滤波的明场显微图像清晰化方法及系统
CN117710275A (zh) * 2024-02-06 2024-03-15 江苏无右微创医疗科技有限公司 一种图像低亮区域改善方法及系统
CN117710275B (zh) * 2024-02-06 2024-04-30 江苏无右微创医疗科技有限公司 一种图像低亮区域改善方法及系统
CN118071634A (zh) * 2024-04-18 2024-05-24 河海大学 一种用于低照度偏色图像的自适应增强方法

Similar Documents

Publication Publication Date Title
CN109754377B (zh) 一种多曝光图像融合方法
CN112734650B (zh) 一种基于虚拟多曝光融合的不均匀光照图像增强方法
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
CN113129236B (zh) 基于Retinex和卷积神经网络的单张低光照图像增强方法及系统
CN106780417A (zh) 一种光照不均图像的增强方法及系统
US11257187B2 (en) Image processing method, image processing device and computer storage medium
CN112348747A (zh) 图像增强方法、装置及存储介质
Liu et al. Low-light video image enhancement based on multiscale retinex-like algorithm
Zhou et al. A multifeature fusion method for the color distortion and low contrast of underwater images
CN117274085A (zh) 低照度图像增强方法及装置
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN116993616A (zh) 一种单幅低照度场景图像增强方法及增强系统
CN113592750B (zh) 一种基于梯度直方图的红外增强方法
CN112822343B (zh) 一种面向夜间视频的清晰化方法及存储介质
CN112991236B (zh) 一种基于模板的图像增强方法及装置
CN114140344A (zh) 一种低照度图像的图像增强方法及系统
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
CN117876233A (zh) 一种基于无人机遥感技术的测绘图像增强方法
CN112308793A (zh) 一种新型的非均匀光照图像对比度和细节增强方法
CN107451971A (zh) 基于暗通道和高斯组合先验的低照度盲卷积图像复原法
CN111652821A (zh) 基于梯度信息的微光视频图像降噪处理方法、装置和设备
CN116630198A (zh) 一种结合自适应伽马校正的多尺度融合水下图像增强方法
CN114897718B (zh) 一种能同时平衡上下文信息和空间细节的低光图像增强方法
CN115456912A (zh) 一种基于多尺度wls滤波融合的色调映射方法
CN114663300A (zh) 基于dce的低照度图像增强方法、系统及相关设备

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