CN105354801B - 一种基于hsv色彩空间的图像增强方法 - Google Patents
一种基于hsv色彩空间的图像增强方法 Download PDFInfo
- Publication number
- CN105354801B CN105354801B CN201510656077.9A CN201510656077A CN105354801B CN 105354801 B CN105354801 B CN 105354801B CN 201510656077 A CN201510656077 A CN 201510656077A CN 105354801 B CN105354801 B CN 105354801B
- Authority
- CN
- China
- Prior art keywords
- image
- component
- color space
- hsv color
- rgb color
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000002708 enhancing effect Effects 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
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
- G06T5/94—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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明是一种基于HSV色彩空间的图像增强方法,该方法包括以下步骤:步骤1)输入RGB彩色图像,并将RGB彩色图像转换到HSV色彩空间,得到色调分量H、饱和度分量S和亮度分量V;步骤2)对亮度分量V的处理;步骤3)对HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量;步骤4)将HSV色彩空间的色调分量H、增强灰度分量和增强饱和度分量合并得到前期结果HSV色彩空间图像,并转换成RGB彩色图像;步骤5)对RGB彩色图像进行图像去雾处理,得到RGB彩色输出图像。本发明输出的图像,整体亮度提升,图像亮度分布均匀,图像轮廓和颜色均能分辨,细节突出,视觉效果佳。
Description
技术领域
本发明属于图像信息处理技术领域,具体涉及一种基于HSV色彩空间的图像增强方法。
背景技术
图像具有的的直观、客观存在、迅速、高效等特点,让其他传播媒介无法企及,“读图”让人们对事物的认识更加趋于简单化和便捷化。
通常,图像在处理和传播的过程中会引入各种类型的噪声形成图像失真。在摄影时由于光照条件的不同也会造成拍摄出来的图像质量下降,如光线过暗,导致拍出来的照片曝光不足或者低曝光;光线太强导致拍出来的照片强曝光或者曝光过度;光线分布不均匀导致拍出来的照片无法表达出一半很亮一半很暗。“读图时代”的到来,要求用更有效的图像增强方法,处理得到质量更高的图像,这样人眼得到的信息便更多。
发明内容
本发明的目的在于克服现有技术存在的问题,提供一种基于HSV色彩空间的图像增强方法。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于HSV色彩空间的图像增强方法,该方法包括以下步骤:
步骤1)输入RGB彩色图像,并将RGB彩色图像转换到HSV色彩空间,得到色调分量H、饱和度分量S和亮度分量V;
步骤2)对亮度分量V的处理:
步骤2.1)亮度分量V基于L0范数的图像稀疏分解,得到基层图像B和细节图像D;
步骤2.2)采用基于RTV的纹理图像和JND函数增强细节图像D,增强后的细节图像为,
基于相对总变差RTV计算,细节图像D的纹理为:
,
其中,,是滤波窗口的总变差,
,是滤波窗口的固有变差,
计算增强的细节图像:
,
其中,是线性增量,是仅通过人类视觉观察出来的差异,是与纹理相关的权重;
步骤2.3)对基层图像B进行直方图均衡化操作,得到增强后的基层图像;
步骤2.4)将增强细节图像与增强基层图像合并得到增强灰度分量;
步骤3)对步骤1)中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量;
步骤4)将步骤1)中的HSV色彩空间的色调分量H、步骤2.4)中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像,并转换成RGB彩色图像;
步骤5)对步骤4)中的RGB彩色图像进行图像去雾处理,得到RGB彩色输出图像。
进一步的,在所述步骤2.1)中,将细节图像D用基层图像B来表示:
,
稀疏分解公式:
,
采用变量分离和惩罚技术,同时引入辅助变量,,
固定,求解,,即可解出和。
进一步的,在所述步骤5)中,R、G、B三个通道的无雾图像公式:
,
其中,C表示R、G、B三个分量,是已知的待去雾图像,是待求的无雾图像,
定义输入图像的暗通道为:
,
暗通道先验理论为:除了图像中天空的区域,其余区域的暗通道无限趋向0,从而求得去雾后的RGB彩色输出图像。
本发明的有益效果是:
本发明通过对HSV色彩空间中的色调分量H、饱和度分量S和亮度分量V进行局部处理,来消除图像整体亮度低,图像亮度不均匀,图内物体的轮廓、颜色不好分辨,物体细节不突出的问题,本发明输出的图像,整体亮度提升,图像亮度分布均匀,图像轮廓和颜色均能分辨,细节突出,视觉效果佳。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
参照图1所示,一种基于HSV色彩空间的图像增强方法,该方法包括以下步骤:
步骤1)输入RGB彩色图像,并将RGB彩色图像转换到HSV色彩空间,得到色调分量H、饱和度分量S和亮度分量V;
步骤2)对亮度分量V的处理:
步骤2.1)亮度分量V基于L0范数的图像稀疏分解,得到基层图像B和细节图像D;
步骤2.2)采用基于RTV的纹理图像和JND函数增强细节图像D,增强后的细节图像为,
基于相对总变差RTV计算,细节图像D的纹理为:
,
其中,,是滤波窗口的总变差,
,是滤波窗口的固有变差,
计算增强的细节图像:
,
其中,是线性增量,是仅通过人类视觉观察出来的差异,是与纹理相关的权重;
步骤2.3)对基层图像B进行直方图均衡化操作,得到增强后的基层图像;
步骤2.4)将增强细节图像与增强基层图像合并得到增强灰度分量;
步骤3)对步骤1)中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量;
步骤4)将步骤1)中的HSV色彩空间的色调分量H、步骤2.4)中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像,并转换成RGB彩色图像;
步骤5)对步骤4)中的RGB彩色图像进行图像去雾处理,得到RGB彩色输出图像。
进一步的,在所述步骤2.1)中,将细节图像D用基层图像B来表示:
,
稀疏分解公式:
,
采用变量分离和惩罚技术,同时引入辅助变量,,
固定,求解,,即可解出和。
进一步的,在所述步骤5)中,R、G、B三个通道的无雾图像公式:
,
其中,C表示R、G、B三个分量,是已知的待去雾图像,是待求的无雾图像,
定义输入图像的暗通道为:
,
暗通道先验理论为:除了图像中天空的区域,其余区域的暗通道无限趋向0,从而求得去雾后的RGB彩色输出图像。
本发明原理
本发明中输入RGB彩色图像,首先将RGB彩色图像转换为HSV彩色图像,在亮度分量V的处理上,为了便于理解,分为以下五个部分:第一部分是基于L0范数的图像稀疏分解,得到基层图像B和细节图像D;第二部分是细节图像D的增强,采用基于RTV(RelativeTotal Variation)相对总变差和最小可视差JND(Just Noticeable Difference)的纹理相关窗口,局部加强细节图像D,增强后的细节图像为;第三部分对基层图像B进行直方图均衡化操作,得到增强后的基层图像;第四部分是是再对原HSV彩色图像的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量;第五部分是将增强细节图像与增强基层图像合并得到增强灰度分量,将增强灰度分量与原HSV彩色图像的色调分量H、增强饱和度分量合并得到前期结果HSV色彩空间图像,再转换成RGB彩色图像;最后,是对RGB彩色图像进行去雾操作,得到去雾操作得到RGB彩色输出图像。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于HSV色彩空间的图像增强方法,其特征在于,该方法包括以下步骤:
步骤1)输入RGB彩色图像,并将RGB彩色图像转换到HSV色彩空间,得到色调分量H、饱和度分量S和亮度分量V;
步骤2)对亮度分量V的处理:
步骤2.1)亮度分量V基于L0范数的图像稀疏分解,得到基层图像B和细节图像D;
步骤2.2)采用基于RTV的纹理图像和JND函数增强细节图像D,增强后的细节图像为,
基于相对总变差RTV计算,细节图像D的纹理为:
,
其中,,是滤波窗口的总变差,
,是滤波窗口的固有变差,
计算增强的细节图像:
,
其中,是线性增量,是仅通过人类视觉观察出来的差异,是与纹理相关的权重;
步骤2.3)对基层图像B进行直方图均衡化操作,得到增强后的基层图像;
步骤2.4)将增强细节图像与增强基层图像合并得到增强灰度分量;
步骤3)对步骤1)中的HSV色彩空间的饱和度分量S进行中值滤波和线性增强得到增强饱和度分量;
步骤4)将步骤1)中的HSV色彩空间的色调分量H、步骤2.4)中的增强灰度分量和步骤3中的增强饱和度分量合并得到前期结果HSV色彩空间图像,并转换成RGB彩色图像;
步骤5)对步骤4)中的RGB彩色图像进行图像去雾处理,得到RGB彩色输出图像。
2.根据权利要求1所述的基于HSV色彩空间的图像增强方法,其特征在于,在所述步骤2.1)中,将细节图像D用基层图像B来表示:
,
稀疏分解公式:
,
采用变量分离和惩罚技术,同时引入辅助变量,,
固定,求解,,即可解出和。
3.根据权利要求1所述的基于HSV色彩空间的图像增强方法,其特征在于,在所述步骤5)中,R、G、B三个通道的无雾图像公式:
,
其中,C表示R、G、B三个分量,是已知的待去雾图像,是待求的无雾图像,
定义输入图像的暗通道为:
,
暗通道先验理论为:除了图像中天空的区域,其余区域的暗通道无限趋向0,从而求得去雾后的RGB彩色输出图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510656077.9A CN105354801B (zh) | 2015-10-13 | 2015-10-13 | 一种基于hsv色彩空间的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510656077.9A CN105354801B (zh) | 2015-10-13 | 2015-10-13 | 一种基于hsv色彩空间的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105354801A CN105354801A (zh) | 2016-02-24 |
CN105354801B true CN105354801B (zh) | 2019-11-08 |
Family
ID=55330768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510656077.9A Active CN105354801B (zh) | 2015-10-13 | 2015-10-13 | 一种基于hsv色彩空间的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354801B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846276B (zh) * | 2017-02-06 | 2020-06-30 | 上海兴芯微电子科技有限公司 | 一种图像增强方法及装置 |
CN107705258B (zh) * | 2017-09-19 | 2021-05-25 | 东华大学 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
CN108280797B (zh) * | 2018-01-26 | 2021-08-31 | 江西理工大学 | 一种基于纹理复杂度和jnd模型的图像数字水印算法*** |
CN109636739B (zh) * | 2018-11-09 | 2020-07-10 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
CN110223253B (zh) * | 2019-06-10 | 2023-02-28 | 江苏科技大学 | 一种基于图像增强的去雾方法 |
CN112712482B (zh) * | 2021-01-13 | 2023-10-31 | 淮阴工学院 | 一种基于线性学习模型的图像去雾方法 |
CN115345961B (zh) * | 2022-08-24 | 2023-06-27 | 清华大学 | 基于hsv颜色空间相互运算的浓雾彩色重建方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719267A (zh) * | 2009-11-09 | 2010-06-02 | 中兴通讯股份有限公司 | 一种带噪图像降噪处理方法和*** |
CN102831583A (zh) * | 2012-08-02 | 2012-12-19 | 上海交通大学 | 基于分形分析的图像视频超分辨率与增强方法 |
CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子(中国)研发中心 | 一种图像处理方法和装置 |
CN104182943A (zh) * | 2014-08-27 | 2014-12-03 | 湖南大学 | 一种融合人眼视觉特性的单幅图像去雾方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4600448B2 (ja) * | 2007-08-31 | 2010-12-15 | カシオ計算機株式会社 | 階調補正装置、階調補正方法、及び、プログラム |
JP2013239108A (ja) * | 2012-05-17 | 2013-11-28 | Sony Corp | 画像処理装置および方法、学習装置および方法、並びに、プログラム |
-
2015
- 2015-10-13 CN CN201510656077.9A patent/CN105354801B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719267A (zh) * | 2009-11-09 | 2010-06-02 | 中兴通讯股份有限公司 | 一种带噪图像降噪处理方法和*** |
CN102831583A (zh) * | 2012-08-02 | 2012-12-19 | 上海交通大学 | 基于分形分析的图像视频超分辨率与增强方法 |
CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子(中国)研发中心 | 一种图像处理方法和装置 |
CN104182943A (zh) * | 2014-08-27 | 2014-12-03 | 湖南大学 | 一种融合人眼视觉特性的单幅图像去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105354801A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105354801B (zh) | 一种基于hsv色彩空间的图像增强方法 | |
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
Shi et al. | Let you see in sand dust weather: A method based on halo-reduced dark channel prior dehazing for sand-dust image enhancement | |
US11127122B2 (en) | Image enhancement method and system | |
CN105654437B (zh) | 一种对低照度图像的增强方法 | |
CN105761227B (zh) | 基于暗通道先验与白平衡的水下图像增强方法 | |
CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN105046663B (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
US8503778B2 (en) | Enhancing photograph visual quality using texture and contrast data from near infra-red images | |
CN109658343B (zh) | 结合颜色转换和自适应曝光的水下图像增强方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
Manju et al. | Improved method for enhancing dark images based on CLAHE and morphological reconstruction | |
Kwok et al. | Gray world based color correction and intensity preservation for image enhancement | |
CN103295206B (zh) | 一种基于Retinex的微光图像增强方法和装置 | |
CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN111311502A (zh) | 使用双向加权融合处理雾天图像的方法 | |
Zhu et al. | Underwater image enhancement based on colour correction and fusion | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及*** | |
Su et al. | Joint contrast enhancement and noise reduction of low light images via JND transform | |
Zhang et al. | Non-uniform illumination video enhancement based on zone system and fusion | |
CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
Subah et al. | Underwater image enhancement based on fusion technique via color correction and illumination adjustment | |
Terai et al. | Color image contrast enhancement by retinex model | |
Zheng et al. | An illumination adaptive underwater image enhancement method | |
Huo et al. | Underwater image restoration based on color correction and red channel prior |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |