CN117670748A - 一种夜间图像快速增强方法 - Google Patents
一种夜间图像快速增强方法 Download PDFInfo
- Publication number
- CN117670748A CN117670748A CN202311606619.2A CN202311606619A CN117670748A CN 117670748 A CN117670748 A CN 117670748A CN 202311606619 A CN202311606619 A CN 202311606619A CN 117670748 A CN117670748 A CN 117670748A
- Authority
- CN
- China
- Prior art keywords
- image
- original
- brightness
- brightness component
- follows
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像增强技术领域,具体公开了一种夜间图像快速增强方法,包括步骤:获取摄像设备拍摄的原始图像,对原始图像进行边缘轮廓检测,之后将原始图像由RGB颜色空间转换至HSV颜色空间;采用盒式滤波对MSR算法进行改进,通过改进后MSR算法对原始亮度分量进行处理得到反射图像;通过预先设定的亮度调整方式调整反射图像的亮度分量;通过伽马变换对原始亮度分量进行处理,然后与调整后的反射图像进行自适应加权融合;将自适应加权融合后的图像亮度分量与边缘轮廓检测结果进行融合,之后将融合的新亮度图像与中HSV颜色空间的色度H、饱和度S合并,输出增强的图像。本发明算法处理速度快,且对于夜间图像的增强效果自然,能够有效避免图像的过度增强。
Description
技术领域
本发明属于图像增强技术领域,具体涉及一种夜间图像快速增强方法。
背景技术
夜间行车环境中整体光照强度低,道路中各类光源掺杂,普通可见光摄像头采集到的图像亮度低,图像质量较差。该类图像难以提取细节信息,视觉效果不佳,不利于目标检测和目标跟踪等视觉任务的开展。图像增强是提高图像质量的技术,使处理后图像应用到特定场景的效果优于原图像。其中低照度图像增强技术用于提升图像亮度,突出图像细节,从而丰富图像信息,优化视觉效果。
但是图像增强算法在处理原始图像时,容易对图像造成过度增强,使得低亮度区域过曝并产生大量噪声,路灯和车灯光源等高亮度区域进一步提升亮度,降低画面质量。此外,多数图像增强算法的处理速度慢,难以满足实际应用的实时性要求。
发明内容
本发明的目的在于提供一种夜间图像快速增强方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种夜间图像快速增强方法,包括以下步骤:
1)获取摄像设备拍摄的原始图像,对原始图像进行边缘轮廓检测,之后将原始图像由RGB颜色空间转换至HSV颜色空间;
2)采用盒式滤波对MSR算法进行改进,通过改进后MSR算法对原始亮度分量进行处理得到反射图像;
3)通过预先设定的亮度调整方式调整反射图像的亮度分量;
4)通过伽马变换对原始亮度分量进行处理,然后与3)中调整后的反射图像进行自适应加权融合;
5)将4)中自适应加权融合后的图像亮度分量与1)中边缘轮廓检测结果进行融合,之后将融合的新亮度图像与1)中HSV颜色空间的色度H、饱和度S合并,输出增强的图像。
优选的,所述盒式滤波使用的滤波器核,其数学表达式如下:
式中,w1和h1表示滤波器核的宽和高,矩阵的行数与滤波器核的宽w1相等,矩阵的列数与滤波器核的高h1相等;
通过改进后的MSR算法对原始亮度分量进行处理获得反射图像,其数学表达式如下:
logVR(x,y)=logV(x,y)-log[K*V(x,y)]
式中,K为盒式滤波器,V(x,y)为原始亮度分量图像,VR(x,y)为处理后的反射图像。
对反射图像通过线性拉伸方法将像素值拉伸到0~255区间内,计算公式如下:
式中Iout(x,y)为线性拉伸后的反射图像,Iin(x,y)为输入的原始反射图像,max(Iin(x,y))和min(Iin(x,y))分别表示原始反射图像的灰度的最大值和最小值。
优选的,所述3)中预先设定的亮度调整方式具体调节步骤如下:
(1)首先根据原始亮度分量,计算亮度调整因子,其数学表达式如下:
式中V(x,y)为原始亮度分量,a(x,y)为亮度调整因子,t为自定义像素阈值,k和b为用来控制调整幅度的幅度参数;
(2)将反射图像作为输入,输入到亮度调整因子函数中,得到调整后的反射图像,其数学表达式如下:
式中VbMSR(x,y)为待调整的反射图像,Venh(x,y)为调整后的反射图像,为矩阵的哈达玛积,表示矩阵对应位置逐元素相乘。
优选的,所述4)中伽马变换的数学表达式如下:
Vγ(x,y)=c×V(x,y)γ
式中V(x,y)为原始亮度分量,Vγ(x,y)为变换结果,c为调节变换程度的系数,γ为变换因子。
优选的,所述4)中自适应加权融合的数学表达式如下:
式中w2和h2表示图像的宽度和高度,menh和mγ为相应图像的均值,V′(x,y)为融合图像。
优选的,所述1)中对原始图像进行边缘轮廓检测,具体包括:
采用高斯函数与原始图像进行卷积,减少噪声得到平滑图像:
式中,g为得到的平滑图像,S为原始图像,G为高斯滤波器,为卷积运算;
对所得到的平滑图像采用拉普拉斯算子,得到边缘清晰的图像:
式中h(x,y)为得到的边缘清晰图像,S为原始图像,为卷积运算,/>为拉普拉斯运算,G为高斯滤波器。
与现有技术相比,本发明的有益效果是:
本发明将图像由RGB空间转换为HSV空间,仅处理亮度分量,保持图像色彩信息;将MSR算法中的高斯滤波替换为盒式滤波,提升算法速度;定义亮度调整函数,改善图像的过度增强问题;检测图像边缘轮廓细节,提高增强图像轮廓细节清晰度,本发明算法处理速度快,且对于夜间图像的增强效果自然,能够有效避免图像的过度增强,为后续视觉任务提供质量更优的图像。
附图说明
图1为本发明一种夜间图像快速增强方法的流程图;
图2为本发明算法的HSV颜色空间模型图;
图3为本发明算法的亮度调整因子曲线图;
图4为本发明算法与其他方法增强效果对比图。
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:
请参阅图1-图4所示,一种夜间图像快速增强方法,包括以下步骤:
1)获取摄像设备拍摄的原始图像,对原始图像进行边缘轮廓检测,之后将原始图像由RGB颜色空间转换至HSV颜色空间;
2)采用盒式滤波对MSR算法进行改进,通过改进后MSR算法对原始亮度分量进行处理得到反射图像;
3)通过预先设定的亮度调整方式调整将反射图像的亮度分量;
4)通过伽马变换对原始亮度分量进行处理,然后与3)中调整后的反射图像进行自适应加权融合;
5)将4)中自适应加权融合后的图像亮度分量与1)中边缘轮廓检测结果进行融合,之后将融合的新亮度图像与1)中HSV颜色空间的色度H、饱和度S合并,输出增强的图像。
其中,HSV颜色空间包括:色度H、饱和度S和亮度V。MSR算法(Multi-ScaleRetinex,多尺度Retinex算法)可以保持图像高保真度与对图像的动态范围的压缩,同时也可实现色彩增强、颜色恒常性、局部动态范围压缩、全局动态范围压缩。
盒式滤波是一种线性滤波技术,它的实现借鉴了积分图像的原理思想,在快速积分图像求解中,将计算某个矩阵像素间的和值运算,转化为求矩阵对应边角点的求和差值运算,归一化的盒式滤波使用的滤波器核如下:
式中,w1和h1表示滤波器核的宽和高,矩阵的行数与滤波器核的宽w1相等,矩阵的列数与滤波器核的高h1相等;
通过改进后的MSR算法对原始亮度分量进行处理获得反射图像,其数学表达式如下:
logVR(x,y)=logV(x,y)-log[K*V(x,y)]
式中,K为盒式滤波器,V(x,y)为原始亮度分量图像,VR(x,y)为处理后的反射图像;
2)中对改进后MSR算法处理后的反射图像通过线性拉伸方法将像素值拉伸到0~255区间内,计算公式如下:
式中Iout(x,y)为线性拉伸后的反射图像,Iin(x,y)为输入的原始反射图像,max(Iin(x,y))和min(Iin(x,y))分别表示原始反射图像的灰度的最大值和最小值;
3)中的亮度调整方式具体调整步骤如下:
(1)首先根据原始亮度分量,计算亮度调整因子函数,得到亮度调整因子曲线图,亮度调整因子曲线图的每一个像素值表示了对应位置的亮度调整因子,亮度调整因子函数表达式如下:
式中V(x,y)为原始亮度分量,函数输出结果a(x,y)为亮度调整因子,t为自定义像素阈值,k和b为用来控制调整幅度的幅度参数;
(2)将反射图像作为输入,输入到亮度调整因子函数中,得到调整后的反射图像,其数学表达式如下:
式中VbMSR(x,y)为待调整的反射图像,Venh(x,y)为调整后的反射图像,为矩阵的哈达玛积,表示矩阵对应位置逐元素相乘。
本实施例中取k=1.2,b=0.05,t=0.5进行亮度调整因子曲线图的绘制,如图3所示,图中横坐标为经过归一化后的待调整像素值,纵坐标为不同像素值对应的调整因子值,根据函数曲线特性,小于阈值t的像素作为低照度像素,将被更小程度地抑制,大于阈值t的像素作为高亮像素,将被更大程度地抑制,当亮度分量V的像素值趋于0和255时,调整因子相应位置的值会趋于最小值;
4)中伽马变换就是通过非线性变换,让图像中较暗的区域的灰度值得到增强,图像中灰度值过大的区域的灰度值得到降低,突出图像细节,其数学表达式如下:
Vγ(x,y)=c×V(x,y)γ
式中V(x,y)为原始亮度分量,Vγ(x,y)为变换结果,c为调节变换程度的系数,γ为变换因子;
4)中自适应加权融合将伽马变换后的亮度分量与3)调整后的反射图像融合,其数学表达式如下:
式中w和h表示图像的宽度和高度,menh和mγ为相应图像的均值,V′(x,y)为融合图像。
图4给出了本发明方法与几种现有图像增强算法的对比结果。其中,(a)表示原始夜间图像,(b)表示MSR算法处理结果,(c)表示MSRCR算法处理结果,(d)表示MSRCP算法处理结果,(e)表示本发明所提出算法的处理结果。
1)中通过高斯-拉普拉斯算子对原始图像边缘轮廓进行检测,首先采用高斯函数与原图像进行卷积,减少噪声得到平滑图像:
式中,g为得到的平滑图像,S为原始图像,G为高斯滤波器,为卷积运算;
对所得到的平滑图像采用拉普拉斯算子,得到边缘清晰的图像:
式中,h(x,y)为得到的边缘清晰图像,S为原始图像,为卷积运算,/>为拉普拉斯运算,G为高斯滤波器。
由上可知,本发明将图像由RGB空间转换为HSV空间,仅处理亮度分量,保持图像色彩信息;将MSR算法中的高斯滤波替换为盒式滤波,提升算法速度;定义亮度调整函数,改善图像的过度增强问题;检测图像边缘轮廓细节,提高增强图像轮廓细节清晰度,本发明采用盒式滤波对MSR算法进行改进,改进后MSR算法算法处理速度快,且对于夜间图像的增强效果自然,能够有效避免图像的过度增强,为后续视觉任务提供质量更优的图像。
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 (7)
1.一种夜间图像快速增强方法,其特征在于,包括以下步骤:
1)获取摄像设备拍摄的原始图像,对原始图像进行边缘轮廓检测,之后将原始图像由RGB颜色空间转换至HSV颜色空间;
2)采用盒式滤波对MSR算法进行改进,通过改进后MSR算法对原始亮度分量进行处理得到反射图像;
3)通过预先设定的亮度调整方式调整反射图像的亮度分量;
4)通过伽马变换对原始亮度分量进行处理,然后与3)中调整后的反射图像进行自适应加权融合;
5)将4)中自适应加权融合后的图像亮度分量与1)中边缘轮廓检测结果进行融合,之后将融合的新亮度图像与1)中HSV颜色空间的色度H、饱和度S合并,输出增强的图像。
2.根据权利要求1所述的方法,其特征在于:所述盒式滤波使用的滤波器核,其数学表达式如下:
式中,w1和h1表示滤波器核的宽和高,矩阵的行数与滤波器核的宽w1相等,矩阵的列数与滤波器核的高h1相等;
通过改进后MSR算法对原始亮度分量进行处理获得反射图像,其数学表达式如下:
logVR(x,y)=logV(x,y)-log[K*V(x,y)]
式中,K为盒式滤波器,V(x,y)为原始亮度分量图像,VR(x,y)为处理后的反射图像。
3.根据权利要求1所述的方法,其特征在于:在所述2)之后,还包括:
对反射图像通过线性拉伸方法将像素值拉伸到0~255区间内,计算公式如下:
式中Iout(x,y)为线性拉伸后的反射图像,Iin(x,y)为输入的原始反射图像,max(Iin(x,y))和min(Iin(x,y))分别表示原始反射图像的灰度的最大值和最小值。
4.根据权利要求1所述的方法,其特征在于:所述3)中预先设定的亮度调整方式具体调整步骤如下:
(1)首先根据原始亮度分量,计算亮度调整因子,其数学表达式如下:
式中V(x,y)为原始亮度分量,a(x,y)为亮度调整因子,t为自定义像素阈值,k和b为用来控制调整幅度的幅度参数;
(2)将反射图像作为输入,输入到亮度调整因子中,得到调整后的反射图像,其数学表达式如下:
式中VbMSR(x,y)为待调整的反射图像,Venh(x,y)为调整后的反射图像,为矩阵的哈达玛积,表示矩阵对应位置逐元素相乘。
5.根据权利要求1所述的方法,其特征在于:所述4)中伽马变换的数学表达式如下:
Vγ(x,y)=c×V(x,y)γ
式中V(x,y)为原始亮度分量,Vγ(x,y)为变换结果,c为调节变换程度的系数,γ为变换因子。
6.根据权利要求1所述的方法,其特征在于:所述4)中自适应加权融合的数学表达式如下:
式中w2和h2表示图像的宽度和高度,menh和mγ为相应图像的均值,V′(x,y)为融合图像。
7.根据权利要求1所述的方法,其特征在于:所述1)中对原始图像进行边缘轮廓检测,具体包括:
采用高斯函数与原始图像进行卷积,减少噪声得到平滑图像:
式中,g为得到的平滑图像,S为原始图像,G为高斯滤波器,为卷积运算;
对所得到的平滑图像采用拉普拉斯算子,得到边缘清晰的图像:
式中h(x,y)为得到的边缘清晰图像,S为原始图像,为卷积运算,/>为拉普拉斯运算,G为高斯滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606619.2A CN117670748A (zh) | 2023-11-28 | 2023-11-28 | 一种夜间图像快速增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606619.2A CN117670748A (zh) | 2023-11-28 | 2023-11-28 | 一种夜间图像快速增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117670748A true CN117670748A (zh) | 2024-03-08 |
Family
ID=90067358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311606619.2A Pending CN117670748A (zh) | 2023-11-28 | 2023-11-28 | 一种夜间图像快速增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670748A (zh) |
-
2023
- 2023-11-28 CN CN202311606619.2A patent/CN117670748A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
Yu et al. | Low-illumination image enhancement algorithm based on a physical lighting model | |
CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
US7289667B2 (en) | Method and apparatus for enhancing a digital image by applying an inverse histogram-based pixel mapping function to pixels of the digital image | |
KR100879536B1 (ko) | 영상의 화질 개선을 위한 방법 및 시스템 | |
US7426312B2 (en) | Contrast enhancement of images | |
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 | |
CN114331873B (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
JP4021261B2 (ja) | 画像処理装置 | |
RU2298223C2 (ru) | Система и способ коррекции темных оттенков на цифровых фотографиях | |
Xu et al. | Colour image enhancement by virtual histogram approach | |
CN115660964A (zh) | 基于阈值分区加权亮度分量的夜间道路图像增强方法 | |
GB2579911A (en) | Image enhancement system and method | |
CN114187222A (zh) | 一种低照度图像的增强方法、系统及可存储介质 | |
Yu et al. | Adaptive inverse hyperbolic tangent algorithm for dynamic contrast adjustment in displaying scenes | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN111311503A (zh) | 一种夜晚低亮度图像增强系统 | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
JP2003060913A (ja) | 画像処理方法及び画像処理装置 | |
Asari et al. | Nonlinear enhancement of extremely high contrast images for visibility improvement | |
CN114429426B (zh) | 一种基于Retinex模型的低照度图像质量改善方法 |
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 |