CN106530250A - 一种基于改进的Retinex低照度彩色图像增强方法 - Google Patents

Abstract

本发明涉及计算机视觉领域，特指一种基于改进的Retinex低照度彩色图像增强方法，首先将低照度彩色图像由RGB颜色空间转换成HSV颜色空间；然后保持色相H分量和饱和度分量S不变，对色调分量V进行边缘保持不变MSR(Multi‑Scale Retinex)增强算法；再将图像由HSV颜色空间转换回RGB空间；最后通过颜色恢复函数进行图像的颜色恢复，最终得到增强后的彩色图像。本发明所述算法通过改进MSR算法对色调分量进行增强，突出了边缘信息，最后用优化的颜色恢复函数进行图像颜色恢复，克服了颜色失真，整体提高了彩色图像的亮度，达到较好的视觉效果。

Description

一种基于改进的Retinex低照度彩色图像增强方法

技术领域

本发明涉及计算机视觉领域，特指一种基于改进的Retinex低照度彩色图像增强方法。

背景技术

在图像采集或视频监控的应用中，经常会有夜视或背光等低照度的情况，采集到的图像信噪比和对比度都较低，需要进行图像增强处理后才能进行特定的应用。图像增强就是扩大图像的灰度范围和提高图像的整体亮度，改善图像的主观质量，使得无法辨识的图像细节能够被人眼或机器识别。

传统的图像增强方法主要包括空域法和频域法两大类，它们实现简单、运行速度快，但没有考虑图像的局部信息，适用范围较窄。目前主要采用区域自适应的方法进行图像增强，如基于Retinex理论的方法、基于梯度域操作的方法和基于多尺度小波的方法等。由于Retinex算法来对夜间彩色图像进行增强，具有颜色常恒性、细节增强、颜色高保真等优良特性，因而在图像增强处理中应用更为广泛。

典型的有单尺度Retinex(single scale Retinex，SSR)和多尺度Retinex(multi-scale Retinex，MSR)及具有颜色恢复特性的多尺度Retinex(multi-scale Retinex withcolor restoration，MSRCR)，目前基于Retinex原理的增强算法在处理夜间等低照度彩色图像方面几乎都存在“光晕伪影”、颜色失真和过增强等为题。“光晕伪影”指的是经过增强的图像中在高对比度边缘区域存在着像光晕一样的影子；颜色失真指的是由于不同颜色通道的不平衡增强而出现的颜色扭曲；过增强指的是增强后暗区域出现的噪声放大现象。

针对上述存在的问题，本发明提出一种基于改进的Retinex低照度彩色图像增强方法，该方法采用一种优化的颜色恢复函数模型，避免颜色失真，解决过增强的问题；并使用改进的MSR来进行色调分量V的边缘保持不变的增强算法，突出图像细节信息，消除“光晕伪影”现象。本发明算法能有效地提高低照度图像的对比度，丰富图像的细节信息，色彩效果更加自然。

发明内容

本发明要解决的技术问题在于：针对低照度彩色图像增强这个特定问题，为了提高图像的对比度和局部细节的清晰度，获得较好的视觉效果，提出了基于改进的Retinex低照度彩色图像增强算法。

为解决上述技术问题，本发明采取的技术方案是：一种基于改进的Retinex低照度彩色图像增强方法，包括如下步骤：

1)将低照度彩色图像由RGB颜色空间转换成HSV颜色空间；

2)保持HSV颜色空间色相分量H和饱和度分量S不变，色调分量V进行边缘保持不变,对图像进行增强；

3)将图像由HSV颜色空间转换回RGB空间；

4)通过颜色恢复函数进行图像的颜色恢复，最终得到增强后的彩色图像。

作为本发明技术方案的优选，所述步骤2)具体包括以下步骤：

2.1)对图像的色调分量V进行多尺度Retinex变换；

2.2)对上述变换后的图像进行锐化处理，并对图像边缘进行高斯平滑；

2.3)将多尺度Retinex变换后的图像和高斯平滑后的图像进行叠加。

作为本发明技术方案的优选，所述步骤2.1)的多尺度Retinex变换公式如下：

其中：L(x,y)是原始图像；r(x,y)多尺度Retinex(MSR)变换后的分量；为N表示尺度的个数，通常采用三个尺度；w_i是加权系数，通常假定各个尺度的权重是相等的，即w₁＝w₂＝w₃＝1/3。

高斯函数G_i(x,y)为：

其中：c_i是尺度常量，c_i取不同的值则称为多尺度；λ是使得高斯函数归一化的常量矩阵，满足：∫∫G(x,y)dxdy＝1。

作为本发明技术方案的优选，所述步骤4)中，设在RGB色彩空间对步骤3)处理后的图像为I(x,y)，每个像素设置颜色比重的权值为：

式中：G为增益参数，i表示RGB颜色空间下的颜色通道，I_i(x,y)表示I(x,y)第i个颜色通道的输入分量，α用于调节彩色整体亮度；β用于调节增强处理后图像色彩的比重；

在颜色空间由HSV变换转化为RGB之后，即得到图像I(x,y)，再对图像I(x,y)颜色进行恢复处理：

R(x,y)＝C_i(x,y)I(x,y)

R(x,y)为最终获得的增强图像。

与现有技术相比，本发明具有以下有益效果：

1、保持颜色定常、减少对原始的光照光谱分布的依赖，同时为了解决传统基于Retinex的算法对夜间彩色图像处理后在暗区域容易出现噪声放大即过增强的问题。

2、本发明优化的颜色恢复函数模型更加适用于处理夜间彩色图像，对参数的依赖较小，且需要的参数较少，能抑制暗区域颜色增强尺度不一而出现噪声放大的现象，在保留原图颜色比重的同时也具有一定的颜色校正能力。

附图说明：

图1是实施例所述低照度彩色图像增强算法流程图；

图2是实施例所述基于边缘保持的色调增强算法；

图3-4是实施例所述本算法低照度增强图像效果对比；

具体实施方式：

现以普通单幅低照度彩色图像为例，结合附图对本发明做进一步详细说明。

基于Retinex的算法对光照因素引起质量下降的图像具有普遍较好的增强效果，但是在夜间彩色图像方面仍然存在着一些缺陷。主要包括高对比度边缘区域存在“光晕伪影”现象、颜色失真、过增强以及复杂度较高等问题。为了有效地改善夜间彩色图像的视觉效果，本发明在Retinex原理上通过对亮度分量V的增强和颜色恢复等方面进行了改进。

本发明为一种基于改进的Retinex低照度彩色图像增强方法，将彩色图像由RGB空间转换到HSV空间，然后仅对V分量进行改进的MSR操作进行图像增强，再将增强后的图像转换回RGB空间，再进行颜色恢复。具体步骤如下：

第一步：将低照度彩色图像由RGB颜色空间转换成HSV颜色空间

HSV和RGB是色彩空间的不同表示方法，RGB颜色模型是一种面向设备的颜色空间，RGB的数值与色彩的三属性并没有直接的联系；HSV用颜色的3个基本属性——色调(Hue)、饱和度(Saturation)和明度(Value)来表示色彩，是面向视觉感知的颜色模型。由于HSV能较好地反映人对色彩的感知和鉴别，所以非常适合于图像处理。MSR算法在HSV空间的增强效果比在RGB空间要好。

由(1)式从RGB空间的色彩转换至HSV空间：

其中，T_max为R,G,B中最大值，T_min为最小值。

第二步：保持色相H分量和饱和度分量S不变，对色调分量V进行边缘保持不变增强算法；

首先对图像的色调分量V进行多尺度Retinex变换，如下：

其中：L(x,y)是原始图像；r(x,y)多尺度Retinex(MSR)变换后的分量；为N表示尺度的个数，通常采用三个尺度；w_i是加权系数，通常假定各个尺度的权重是相等的，即w₁＝w₂＝w₃＝1/3。高斯函数

G_i(x,y)为

其中：c_i是尺度常量，c_i取不同的值则称为多尺度；λ是使得高斯函数归一化的常量矩阵，满足：

∫∫G(x,y)dxdy＝1 (4)

然后对经变换后的图像进行锐化处理，为了防止单纯的边缘锐化而带来的边缘扭曲和噪声放大，对提取的边缘进行高斯平滑，以滤除部分噪声。

最后将MSR变换处理得到的图像和高斯平滑后得到的图像进行叠加，边缘与附近像素的灰度落差拉大，这样就能突出图像的边缘部分，并使得图像中非边缘部分更亮。

第三步：将图像由HSV颜色空间转换回RGB空间

利用(5)式使HSV颜色空间转换回RGB空间：

第四步：通过颜色恢复函数进行图像的颜色恢复，最终得到增强后的彩色图像。

基于Retinex的算法在处理彩色图像的时候有时会出现颜色失真的情况，MSRCR(Multi-Scale Retinex with Color Restoration)具有一定的恢复色彩能力，该方法引入了原始图像中3个颜色通道之间的比例关系作为颜色恢复函数来克服颜色失真，MSRCR的颜色还原处理过程需要设置的参数较多，自适应性较差。因此为了保持颜色定常、减少对原始的光照光谱分布的依赖，同时为了解决传统基于Retinex的算法对夜间彩色图像处理后在暗区域容易出现噪声放大即过增强的问题，本发明提出一种优化的颜色恢复函数，设在RGB色彩空间对第三步处理后的图像为I(x,y)，每个像素设置颜色比重的权值为：

式中：G为增益参数；i表示RGB颜色空间下的颜色通道；I_i(x,y)表示I(x,y)第i个颜色通道的输入分量。α用于调节彩色整体亮度；β用于调节增强处理后图像色彩的比重，其值越大，越能相对平均并缩小颜色通道的权值，其效果能达到抑制暗区域像素过增强的目的，同时能加重图像高光和高暗。

在颜色空间由HSV变换转化为RGB之后，即得到I(x,y)，再对图像颜色进行恢复处理：

R(x,y)＝C_i(x,y)I(x,y) (7)

C_i(x,y)为(6)式得到的颜色恢复函数，R(x,y)为最终获得的增强图像。

与MSRCR的颜色恢复函数相比，本发明优化的颜色恢复函数模型更加适用于处理夜间彩色图像。首先，对参数的依赖较小，且需要的参数较少，通过(6)式处理后并没有明显的颜色迁移，因此不进行补偿操作；能抑制暗区域颜色增强尺度不一而出现噪声放大的现象，在保留原图颜色比重的同时也具有一定的颜色校正能力。

如图1所示为实施例所述低照度彩色图像增强算法流程图；图2是实施例所述基于边缘保持的色调增强算法，为步骤二的色调V分量利用改进的MSR算法进行的增强。图3，4为实施例对照低照度原图和本发明方法处理后图像的对比图。

本发明中提出的方法实际上可嵌入FPGA实现，开发具有低照度图像增强功能的相机或摄像机。以上实施例仅起到解释本发明技术方案的作用，本发明所要求的保护范围并不局限于上述实施例所述的实现***和具体实施步骤。因此，仅对上述实施例中具体的公式及算法进行简单替换，但其实质内容仍与本发明所述方法相一致的技术方案，均应属于本发明的保护范围。

Claims (4)

1.一种基于改进的Retinex低照度彩色图像增强方法，其特征是，包括如下步骤：

1)将低照度彩色图像由RGB颜色空间转换成HSV颜色空间；

2)保持HSV颜色空间色相分量H和饱和度分量S不变，色调分量V进行边缘保持不变,对图像进行增强；

3)将图像由HSV颜色空间转换回RGB空间；

4)通过颜色恢复函数进行图像的颜色恢复，最终得到增强后的彩色图像。

2.根据权利要求1所述的一种基于改进的Retinex低照度彩色图像增强方法，其特征是，所述步骤2)具体包括以下步骤：

2.1)对图像的色调分量V进行多尺度Retinex变换；

2.2)对上述变换后的图像进行锐化处理，并对图像边缘进行高斯平滑；

2.3)将多尺度Retinex变换后的图像和高斯平滑后的图像进行叠加。

3.根据权利要求2所述的一种基于改进的Retinex低照度彩色图像增强方法，其特征是，所述步骤2.1)的多尺度Retinex变换公式如下：

$r(x,y)=\underset{i=1}{\overset{N}{\Σ}}{w}_i\×\{log\[L(x,y)\]-log\[L(x,y)\×G_i(x,y)\]\}$

其中：L(x,y)是原始图像；r(x,y)多尺度Retinex(MSR)变换后的分量；为N表示尺度的个数，通常采用三个尺度；w_i是加权系数，通常假定各个尺度的权重是相等的，即w₁＝w₂＝w₃＝1/3。

高斯函数G_i(x,y)为：

$G_i(x,y)=\mathrm{\λ}\×e^{-\frac{(x^2+y^2)}{c_i^2}};$

其中：c_i是尺度常量，c_i取不同的值则称为多尺度；λ是使得高斯函数归一化的常量矩阵，满足：∫∫G(x,y)dxdy＝1。

4.根据权利要求1所述的一种基于改进的Retinex低照度彩色图像增强方法，其特征是，所述步骤4)中，设在RGB色彩空间对步骤3)处理后的图像为I(x,y)，每个像素设置颜色比重的权值为：

$C_i(x,y)=G*ln\[1+\frac{{\mathrm{\αI}}_i(x,y)}{\underset{i=1}{\overset{3}{\Σ}}{I}_i(x,y)+\mathrm{\β}+1}\]$

式中：G为增益参数，i表示RGB颜色空间下的颜色通道，I_i(x,y)表示I(x,y)第i个颜色通道的输入分量，α用于调节彩色整体亮度；β用于调节增强处理后图像色彩的比重；

在颜色空间由HSV变换转化为RGB之后，即得到图像I(x,y)，再对图像I(x,y)颜色进行恢复处理：

R(x,y)＝C_i(x,y)I(x,y)

R(x,y)为最终获得的增强图像。