CN110278425A - 图像增强方法、装置、设备和存储介质 - Google Patents
图像增强方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110278425A CN110278425A CN201910597613.0A CN201910597613A CN110278425A CN 110278425 A CN110278425 A CN 110278425A CN 201910597613 A CN201910597613 A CN 201910597613A CN 110278425 A CN110278425 A CN 110278425A
- Authority
- CN
- China
- Prior art keywords
- component
- image
- luminance component
- luminance
- illumination
- 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 47
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000005286 illumination Methods 0.000 claims abstract description 56
- 238000012937 correction Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 12
- 238000000926 separation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 230000003014 reinforcing effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000007 visual effect 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4015—Image demosaicing, e.g. colour filter arrays [CFA] or Bayer patterns
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种图像增强方法、装置、设备和存储介质,其中,图像增强方法中,首先将图像的亮度分量和色度分量分离并提取出来,再将亮度分量中的环境光照信息提取出来,得到光照分量,利用光照分量对亮度图像进行亮度校正,得到校正后的亮度分量,再结合色度分量得到增强后的图像。因为整个调整过程是以图像本身携带的环境亮度信息为依据对图片亮度进行调整的,所以可以自适应地调整图像的亮度,强化弱光区域,弱化强光区域,达到光照平衡,增强效果较好,并且图像的色彩失真极小。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像增强方法、装置、设备和存储介质。
背景技术
数字图像处理***已经广泛应用到工业生产、视频监控、智能交通、遥感监测等多个领域,并在其中发挥着重要的作用。实际的图像采集过程中总会受到各种因素的影响,导致获得的图像存在各种缺陷,尤其是在光照条件较差时,由于待采集的目标反射的光线较弱或者不均匀,使获得的图像颜色失真而且含有大量噪声,严重影响图像的整体质量,不仅影响人眼的视觉感受,而且给后续的图像分割、目标识别等处理过程的精度造成影响。
为了尽可能地消除这些不良的影响,相关技术中提出了多种图像增强的方法,但这些方法大都对图像整体进行处理,对于整体偏暗或者整体偏亮的图像处理效果尚可,但对于同时存在偏暗和偏亮的区域的图像处理效果则不是很好,特别容易导致对暗处进行增强的同时对亮处产生过增强,或者产生噪声放大等问题,自适应性较差。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种图像增强方法、装置、设备和存储介质,对图像的局部区域分别进行自适应地处理,优化图像增强的处理效果。
为实现以上目的,本发明采用如下技术方案:
一种图像增强方法,包括:
获取待增强的图像;
分离并提取所述待增强的图像的亮度分量和色度分量;
从所述亮度分量中提取光照分量;
根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量;
将所述校正亮度分量与所述色度分量合成,得到增强的图像。
可选的,所述分离并提取所述待增强的图像的亮度分量和色度分量,包括:
判断所述待增强的图像是否属于第一目标颜色空间;所述第一目标颜色空间为包括亮度的颜色空间;
若是,直接提取出所述待增强的图像的亮度分量和色度分量;
若不是,将所述待增强的图像转换为基于第一目标颜色空间的图像并提取出亮度分量和色度分量。可选的,所述将所述校正亮度分量与所述色度分量合成,得到增强的图像之前,还包括:
对所述校正亮度分量进行灰度拉伸。
可选的,所述第一目标颜色空间包括:YUV颜色空间。
可选的,所述从所述亮度分量中提取光照分量,包括:
按照如下公式,从所述亮度分量中提取光照分量:
I(x,y)=Y(x,y)*G(x,y)
其中,Y(x,y)为所述亮度分量,G(x,y)为滤波函数,I(x,y)为所述光照分量。
可选的,所述根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量,包括:
按照如下公式,根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量:
其中,f1[I(x,y)]和f2[I(x,y)]为光照分量I(x,y)的函数,Y'(x,y)为校正亮度分量。
可选的,所述对所述校正亮度分量进行灰度拉伸,包括:
按照如下公式,对所述校正亮度分量进行灰度拉伸:
其中,A为所述校正亮度分量Y'(x,y)的最小灰度级,B为所述校正亮度分量Y'(x,y)的最大灰度级,Y”(x,y)为灰度拉伸后的校正亮度分量。
一种图像增强装置,包括:
图像获取模块,用于获取待增强的图像;
分离模块,用于分离并提取所述待增强的图像的亮度分量和色度分量;
提取模块,用于从所述亮度分量中提取光照分量;
亮度校正模块,用于根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量;
图像恢复模块,用于将所述校正亮度分量与所述色度分量合成,得到增强的图像。
一种图像增强设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如上任一项所述的方法中各个步骤。
一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如上任一项所述的方法中各个步骤。
本申请提供的技术方案可以包括以下有益效果:
本申请提供的图像增强方法,在处理过程中,首先将图像的亮度分量和色度分量分离并提取出来,再将亮度分量中的环境光照信息提取出来,得到光照分量,利用光照分量对亮度图像进行亮度校正,得到校正后的亮度分量,再结合色度分量得到增强后的图像。其中,光照分量体现的是环境亮度信息,由于环境亮度在不同的位置是不同的,相应的,得到的图片在不同位置的亮度也是不同的,又由于整个亮度调整过程是以图像本身携带的环境亮度信息为依据对图片亮度进行调整的,所以对图片每个位置的亮度调整的大小是跟环境亮度相适应的,如此,可以自适应地调整图像的亮度,强化弱光区域,弱化强光区域,达到光照平衡,增强效果较好,并且图像的色彩失真极小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种图像增强方法的流程图。
图2是本发明实施例提供的一种校正亮度分量与亮度分量的函数关系曲线图。
图3a是本发明实施例提供的灰度拉伸前的图像。
图3b是本发明实施例提供的灰度拉伸后的图像。
图4是本发明实施例提供的另一种图像增强方法的流程图。
图5是本发明实施例提供的一种图像增强装置的结构示意图。
图6是本发明实施例提供的一种图像增强设备的结构示意图。
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,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
参见图1,图1是本发明一个实施例提供的一种图像增强方法的流程图。
如图1所示,本实施例提供的图像增强方法具体可以包括如下步骤:
S101、获取待增强的图像。
S102、分离并提取待增强的图像的亮度分量和色度分量。
待增强的图像亮度不均匀,存在过亮或过暗的区域,要在不影响图像色彩的情况下对进行亮度调节,需要将亮度和色彩信息剥离开,单独对亮度进行调整。
S103、从亮度分量中提取光照分量。
体现图像的亮度信息的亮度分量是一个二维数组或叫二维函数,视觉上是一幅灰度图,各坐标对应的函数值就是图像上各像素点的亮度值。根据照度-反射模型,在光照下采集到的图像的亮度可以用入射到物体表面的光照分量和物体表面反射的反射分量的乘积来表示。体现在频率域上,照射分量的频谱主要集中在低频段,反映了成像环境的光照情况,反射分量的频谱主要集中在高频段,反映了物体的细节特征。体现在视觉上,环境光照较强时,拍摄到的图像亮度相对较高,相反的,环境光照较弱时,拍摄到的图像亮度相对较低。所以可以通过对亮度图像的低频部分进行滤波的方式,将光照分量提取出来。
S104、根据光照分量对亮度分量进行亮度校正,得到校正亮度分量。
S105、将校正亮度分量与色度分量合成,得到增强的图像。
在处理过程中,首先将图像的亮度分量和色度分量分离并提取出来,再将亮度分量中的环境光照信息提取出来,得到光照分量,利用光照分量对亮度分量进行亮度校正,得到校正后的亮度分量,再结合色度分量得到增强后的图像。其中,光照分量体现的是环境亮度信息,由于环境亮度在不同的位置是不同的,相应的,得到的图片在不同位置的亮度也是不同的,又由于整个亮度调整过程是以图像本身携带的环境亮度信息为依据对图片亮度进行调整的,所以对图片每个位置的亮度调整的大小是跟环境亮度相适应的,如此,可以自适应地调整图像的亮度,强化弱光区域,弱化强光区域,达到光照平衡,增强效果较好,并且图像的色彩失真极小。
一些实施例中,提取出待增强的图像的亮度分量和色度分量,具体实现方式可以包括:判断待增强的图像是否属于第一目标颜色空间;第一目标颜色空间为包括亮度的颜色空间;若是,直接提取出待增强的图像的亮度分量和色度分量;若不是,将待增强的图像转换为基于第一目标颜色空间的图像并提取出亮度分量和色度分量。
颜色空间也称彩色模型(又称彩色空间或彩色***),它的用途是在某些标准下用通常可接受的方式对彩色加以说明。本质上,彩色模型是坐标***和子空间的阐述。位于***的每种颜色都由单个点表示。到目前为止被提出的颜色空间已经有上百种,被描述的颜色对象本身是客观的,不同颜色空间只是从不同的角度去衡量它。
颜色空间按照基本结构可以分为两大类,一类是以几种基本颜色作为分量来描述颜色对象的基色颜色空间,例如RGB颜色空间;另一类是以颜色和亮度共同作为分量来描述颜色对象的色、亮分离颜色空间,例如YUV颜色空间。
第一目标颜色空间为包括亮度的颜色空间,也就是属于色、亮分离类的颜色空间,可选的,第一目标颜色空间包括:YUV颜色空间。
如果待增强的图像属于色、亮分离颜色空间,则它的分量中已经包含所需要的亮度分量,可以直接提取出亮度分量和色度分量;如果待增强的图像属于基色颜色空间,则它的分量中并不包含所需要的亮度分量,需要先将其转换为色、亮分离颜色空间的图像,再进行亮度分量和色度分量的提取。根据实际需要,可选的,在得到增强的图像后,可以再转换到第二目标颜色空间。第二目标颜色空间为不同于第一目标颜色空间的颜色空间。
例如,待增强的图像属于YUV颜色空间,因为YUV颜色空间中亮度信号Y和色度信号U、V是分离的,所以可以直接提取得到亮度分量和色度分量。但如果待增强的图像属于RGB颜色空间,因为RGB颜色空间中只有分别表示红、绿、蓝三种颜色信息的分量,所以可以先将图像转换到YUV颜色空间中,然后提取得到亮度分量和色度分量,在完成增强后,可以转换回RGB颜色空间或其它颜色空间。
将待增强图像从RGB颜色空间转换到YUV颜色空间的公式为:
其中,R、G、B为RGB颜色空间中分别表示红、绿、蓝三种颜色信息的分量,Y、U、V为YUV颜色空间中表示亮度信号和色度信号的分量,Y即为本实施例提供的图像增强方法中所涉及的亮度分量Y(x,y)。
相对应的,将增强后的图像从YUV颜色空间转换回RGB颜色空间的公式为:
其中,R'、G'、B'为增强后的红、绿、蓝三种颜色分量,Y'为增强后的亮度分量Y'(x,y)。
一些实施例还提供了另外一种将增强后的图像从YUV颜色空间转换回RGB颜色空间的方式,对应的公式为:
其中,ξ是一个常数。在实验当中,经过多次验证发现,当ξ取值为0.5时,得到的图像的色彩饱和度最接近原图。
RGB颜色空间是比较常用的一种颜色空间,故上述实施例以RGB颜色空间的转换为例进行阐述,其它颜色空间的转换方法可以参照上述实施例,本领域技术人员结合相关技术可以推倒得到具体的转换公式,此处不再一一列举。
可选的,从亮度分量中提取光照分量,包括:
按照如下公式,从所述亮度分量中提取光照分量:
I(x,y)=Y(x,y)*G(x,y) (4)
其中,Y(x,y)为亮度分量,G(x,y)为滤波函数,I(x,y)为光照分量。
其中,滤波器可以选择引导滤波器,高斯滤波和双边滤波等方法也可以较好地提取到光照分量,相对而言,引导滤波可以取得更好的滤波效果。
待增强的图像的亮度不均匀主要是由于图像中各部分的光照分量不同所导致的,以各部分的光照分量为参数对该部分的亮度进行调整,如果该部分光照亮度低于标准值,就相应地将这部分的亮度值提高,相对应的,如果该部分光照亮度高于标准值,就相应地将这部分的亮度值降低。在实际的数字图像处理的过程中,是以像素为单位进行调整的,相应的,亮度分量的二维数组中的每一个数值都可能发生变化,最终得到校正后的亮度分量。如此,可以实现对图像的自适应的调整,相比较于相关技术中的整体调节的方式更为细致和精准。
为了取得更好的滤波效果,可以对滤波器的窗口大小进行改变。经过实验分析,引导滤波器的窗口大小选择为图像最小尺寸的1/4时,取得的滤波效果相对较好;另外,也可以通过对多个不同尺寸的滤波器的滤波结果加权求均值的方式得到较为理想的光照分量。
对应的,滤波器的窗口尺寸的计算公式为:
其中,c为滤波器的窗口的尺寸,w为待处理图像的宽度尺寸像素值,h为待处理图像的高度尺寸像素值。
通过对多个不同尺寸的滤波器的滤波结果加权求均值的方式求取光照分量的公式为:
其中,I(x,y)为光照分量,ωi为第i个滤波器对应的光照分量的加权值,Y(x,y)为亮度分量,Gi(x,y)为第i个滤波器的滤波函数。
可选的,根据光照分量对亮度分量进行亮度校正,得到校正亮度分量,包括:
按照如下公式,根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量:
其中,f1[I(x,y)]和f2[I(x,y)]为光照分量I(x,y)的函数,Y'(x,y)为校正亮度分量。
其中,f1[I(x,y)]的取值可以为2*I(x,y)-1;f2[I(x,y)]的取值可以为2+I(x,y)。对应的校正关系可以参见图2,图2是本发明实施例提供的一种待增强图像的校正亮度分量与亮度分量的函数关系曲线图。在本实施例中,将图像亮度信息的取值调整为[0,1]区间范围内,认为0.5是亮度的标准值,表示亮度适宜。
如图2所示,横轴表示Y(x,y)的取值,纵轴表示Y'(x,y)的取值。在不进行校正的情况下,Y'(x,y)的值等于Y(x,y)的值,校正之后,当Y(x,y)的取值大于0而小于0.5,即图像在(x,y)点处较暗时,对应校正后的Y'(x,y)的值明显增大,即图像在该点处的亮度有明显的提高;同样的,当Y(x,y)的取值大于0.5而小于1,即图像在(x,y)点处较亮时,对应校正后的Y'(x,y)的值明显减小,即图像在该点处的亮度有明显的降低,图像整体的亮度趋于均衡,达到了预期的局部增强的效果。
可选的,将校正亮度分量与色度分量合成,得到增强的图像之前,一些实施例提供的图像增强的方法还可以包括:对校正亮度分量进行灰度拉伸。
对亮度分量校正的过程,就相当于提高过低的亮度值和降低过高的亮度值的过程,校正后的亮度分量的亮度等级或者称之为灰度等级会比较集中于接近标准值的区间,通过灰度拉伸可以适当扩大灰度值的动态范围,更加突出图像中的细节信息。
可选的,对校正亮度分量进行灰度拉伸,包括:
按照如下公式,对所述校正亮度分量进行灰度拉伸:
其中,A为校正亮度分量Y'(x,y)的最小灰度级,B为校正亮度分量Y'(x,y)的最大灰度级,Y”(x,y)为灰度拉伸后的校正亮度分量。通过此公式,可以将图像的灰度级也就是亮度范围从[A,B]扩展到[A,1],增大图像中的亮度的区分度,使图像中的细节更清晰。
参见图3a和图3b,图3a是本发明实施例提供的灰度拉伸前的图像,图3b是本发明实施例提供的灰度拉伸后的图像。如图图3a和图3b所示,经过对比可以明显地看到,经过灰度拉伸后的图像的明暗更加分明,图像中的细节信息也更加清晰,具有更好的增强效果。
下面以具体的应用场景为例,对本申请提供的一种图像增强方法进行更加详细地描述。
参见图4,图4是本发明实施例提供的另一种图像增强方法的流程图。如图4所示,本实施例提供的图像增强方法具体可以包括如下步骤:
S401、获取待增强的图像,执行步骤S402。
S402、判断待增强的图像是否属于第一目标颜色空间;第一目标颜色空间为包括亮度的颜色空间;若是,则执行步骤S404,否则,执行步骤S403。
本步骤中,第一目标颜色空间可以是YUV颜色空间。
S403、将待增强的图像转换为基于第一目标颜色空间的图像,执行步骤S404。
S404、提取出亮度分量和色度分量,执行步骤S405。
S405、从亮度分量中提取光照分量,执行步骤S406。
S406、根据光照分量对亮度分量进行亮度校正,得到校正亮度分量,执行步骤S407。
S407、对校正亮度分量进行灰度拉伸,执行步骤S408。
S408、将处理后的亮度分量与色度分量合成,得到增强的图像,执行步骤S409。
S409、将增强的图像转换到第二目标颜色空间,得到最终的图像。
第二目标颜色空间为不同于第一目标颜色空间的颜色空间,在此实施例中即为YUV颜色空间以外的颜色空间。
本实施例的具体实施方式和产生的技术效果可以参考上述任一实施例,此处不再赘述。
参见图5,图5是本发明实施例提供的一种图像增强装置的结构示意图,如图5所示,本实施例提供的图像增强装置具体可以包括:
图像获取模块501,用于获取待增强的图像;
分离模块502,用于提取出待增强的图像的亮度分量和色度分量;
提取模块503,用于从亮度分量中提取光照分量;
亮度校正模块504,用于根据光照分量对亮度分量进行亮度校正,得到校正亮度分量;
图像恢复模块505,用于将校正亮度分量与色度分量合成,得到增强的图像。
可选的,分离模块502具体用于判断待增强的图像是否属于第一目标颜色空间;第一目标颜色空间为包括亮度的颜色空间;
若是,直接提取出待增强的图像的亮度分量和色度分量;
若不是,将待增强的图像转换为基于第一目标颜色空间的图像并提取出亮度分量和色度分量。
可选的,上述装置还包括灰度拉伸模块,用于对校正亮度分量进行灰度拉伸。
本实施例的具体实施方式和产生的技术效果可以参考上述任一实施例,此处不再赘述。
参见图6,图6是本发明实施例提供的一种图像增强设备的结构示意图。
如图6所示,本实施例提供的图像增强设备,包括:
处理器601,以及与处理器相连接的存储器602;
存储器602用于存储计算机程序;
处理器601用于调用并执行存储器602中的计算机程序,以执行如上任一实施例中的方法中各个步骤。
本实施例的具体实施方式和产生的技术效果可以参考上述任一实施例,此处不再赘述。
本申请另一个实施例还提供了一种存储介质,存储有计算机程序,计算机程序被处理器执行时,实现如上任一实施例中的方法中各个步骤。
各步骤的实施方式可以参考上述任一实施例,产生相同的有益效果,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种图像增强方法,其特征在于,包括:
获取待增强的图像;
分离并提取所述待增强的图像的亮度分量和色度分量;
从所述亮度分量中提取光照分量;
根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量;
将所述校正亮度分量与所述色度分量合成,得到增强的图像。
2.根据权利要求1所述的图像增强方法,其特征在于,所述分离并提取所述待增强的图像的亮度分量和色度分量,包括:
判断所述待增强的图像是否属于第一目标颜色空间;所述第一目标颜色空间为包括亮度的颜色空间;
若是,直接提取出所述待增强的图像的亮度分量和色度分量;
若不是,将所述待增强的图像转换为基于第一目标颜色空间的图像并提取出亮度分量和色度分量。
3.根据权利要求1所述的图像增强方法,其特征在于,所述将所述校正亮度分量与所述色度分量合成,得到增强的图像之前,还包括:
对所述校正亮度分量进行灰度拉伸。
4.根据权利要求2所述的图像增强方法,其特征在于,所述第一目标颜色空间包括:YUV颜色空间。
5.根据权利要求1所述的图像增强方法,其特征在于,所述从所述亮度分量中提取光照分量,包括:
按照如下公式,从所述亮度分量中提取光照分量:
I(x,y)=Y(x,y)*G(x,y)
其中,Y(x,y)为所述亮度分量,G(x,y)为滤波函数,I(x,y)为所述光照分量。
6.根据权利要求5所述的图像增强方法,其特征在于,所述根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量,包括:
按照如下公式,根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量:
其中,f1[I(x,y)]和f2[I(x,y)]为光照分量I(x,y)的函数,Y'(x,y)为校正亮度分量。
7.根据权利要求3所述的图像增强方法,其特征在于,所述对所述校正亮度分量进行灰度拉伸,包括:
按照如下公式,对所述校正亮度分量进行灰度拉伸:
其中,A为所述校正亮度分量Y'(x,y)的最小灰度级,B为所述校正亮度分量Y'(x,y)的最大灰度级,Y”(x,y)为灰度拉伸后的校正亮度分量。
8.一种图像增强装置,其特征在于,包括:
图像获取模块,用于获取待增强的图像;
分离模块,用于分离并提取所述待增强的图像的亮度分量和色度分量;
提取模块,用于从所述亮度分量中提取光照分量;
亮度校正模块,用于根据所述光照分量对所述亮度分量进行亮度校正,得到校正亮度分量;
图像恢复模块,用于将所述校正亮度分量与所述色度分量合成,得到增强的图像。
9.一种图像增强设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1-7任一项所述的方法中各个步骤。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的方法中各个步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597613.0A CN110278425A (zh) | 2019-07-04 | 2019-07-04 | 图像增强方法、装置、设备和存储介质 |
US16/535,894 US11062428B2 (en) | 2019-07-04 | 2019-08-08 | Image enhancing method, device, apparatus and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597613.0A CN110278425A (zh) | 2019-07-04 | 2019-07-04 | 图像增强方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110278425A true CN110278425A (zh) | 2019-09-24 |
Family
ID=67962803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597613.0A Pending CN110278425A (zh) | 2019-07-04 | 2019-07-04 | 图像增强方法、装置、设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11062428B2 (zh) |
CN (1) | CN110278425A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223060A (zh) * | 2020-01-05 | 2020-06-02 | 西安电子科技大学 | 基于自适应plip模型的图像处理方法 |
CN111311711A (zh) * | 2020-02-16 | 2020-06-19 | 拉扎斯网络科技(上海)有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN112381761A (zh) * | 2020-10-12 | 2021-02-19 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
CN112488954A (zh) * | 2020-12-07 | 2021-03-12 | 江苏理工学院 | 基于图像灰度级的自适应图像增强的方法及装置 |
CN113747046A (zh) * | 2020-05-29 | 2021-12-03 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN117173180A (zh) * | 2023-11-03 | 2023-12-05 | 江苏康意德科技有限公司 | 基于图像增强的钢管缺陷智能检测方法 |
US11983852B2 (en) | 2019-12-12 | 2024-05-14 | Tencent Technology (Shenzhen) Company Limited | Image processing method and apparatus, computing device, and storage medium |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11216922B2 (en) * | 2019-12-17 | 2022-01-04 | Capital One Services, Llc | Systems and methods for recognition of user-provided images |
CN112862709B (zh) * | 2021-01-27 | 2024-05-03 | 昂视智能(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070105535A (ko) * | 2006-04-26 | 2007-10-31 | 엘지전자 주식회사 | 히스토그램을 이용한 콘트라스트 개선 장치 및 그 방법 |
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
CN105225205A (zh) * | 2014-06-27 | 2016-01-06 | 展讯通信(上海)有限公司 | 图像增强方法、装置及*** |
CN105427257A (zh) * | 2015-11-18 | 2016-03-23 | 四川汇源光通信有限公司 | 图像增强方法及装置 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4819061A (en) * | 1987-06-10 | 1989-04-04 | Dubner Computer Systems, Inc. | Recovery of luminance and chrominance information from an encoded color television signal |
KR950004051Y1 (ko) * | 1990-02-15 | 1995-05-19 | 주식회사 금성사 | Vcr 재생시 휘도와 색신호의 시간차 보정회로 |
KR20070026571A (ko) * | 2004-06-10 | 2007-03-08 | 소니 가부시끼 가이샤 | 화상 처리 장치 및 방법과 프로그램 |
JP2008016940A (ja) * | 2006-07-03 | 2008-01-24 | Seiko Instruments Inc | コントラスト自動調整方法 |
TW201421183A (zh) * | 2012-11-28 | 2014-06-01 | Univ Nat Taiwan Science Tech | 最佳視覺照明裝置及方法 |
GB201314068D0 (en) * | 2013-08-06 | 2013-09-18 | Microsoft Corp | Encoding Video Captured in low light |
CN105405105B (zh) * | 2015-10-07 | 2017-07-21 | 南京巨鲨显示科技有限公司 | 针对乳腺钼靶图像的显示器灰度曲线校正***及方法 |
JP2017098845A (ja) * | 2015-11-26 | 2017-06-01 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
-
2019
- 2019-07-04 CN CN201910597613.0A patent/CN110278425A/zh active Pending
- 2019-08-08 US US16/535,894 patent/US11062428B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070105535A (ko) * | 2006-04-26 | 2007-10-31 | 엘지전자 주식회사 | 히스토그램을 이용한 콘트라스트 개선 장치 및 그 방법 |
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
CN105225205A (zh) * | 2014-06-27 | 2016-01-06 | 展讯通信(上海)有限公司 | 图像增强方法、装置及*** |
CN105427257A (zh) * | 2015-11-18 | 2016-03-23 | 四川汇源光通信有限公司 | 图像增强方法及装置 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
Non-Patent Citations (1)
Title |
---|
王殿伟等: "一种光照不均匀图像的自适应校正算法", 《***工程与电子技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11983852B2 (en) | 2019-12-12 | 2024-05-14 | Tencent Technology (Shenzhen) Company Limited | Image processing method and apparatus, computing device, and storage medium |
CN111223060A (zh) * | 2020-01-05 | 2020-06-02 | 西安电子科技大学 | 基于自适应plip模型的图像处理方法 |
CN111223060B (zh) * | 2020-01-05 | 2021-01-05 | 西安电子科技大学 | 基于自适应plip模型的图像处理方法 |
CN111311711A (zh) * | 2020-02-16 | 2020-06-19 | 拉扎斯网络科技(上海)有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111311711B (zh) * | 2020-02-16 | 2023-03-31 | 拉扎斯网络科技(上海)有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113747046A (zh) * | 2020-05-29 | 2021-12-03 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112381761A (zh) * | 2020-10-12 | 2021-02-19 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
CN112381761B (zh) * | 2020-10-12 | 2022-09-30 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
CN112488954A (zh) * | 2020-12-07 | 2021-03-12 | 江苏理工学院 | 基于图像灰度级的自适应图像增强的方法及装置 |
CN112488954B (zh) * | 2020-12-07 | 2023-09-22 | 江苏理工学院 | 基于图像灰度级的自适应图像增强的方法及装置 |
CN117173180A (zh) * | 2023-11-03 | 2023-12-05 | 江苏康意德科技有限公司 | 基于图像增强的钢管缺陷智能检测方法 |
CN117173180B (zh) * | 2023-11-03 | 2023-12-29 | 江苏康意德科技有限公司 | 基于图像增强的钢管缺陷智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210004936A1 (en) | 2021-01-07 |
US11062428B2 (en) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110278425A (zh) | 图像增强方法、装置、设备和存储介质 | |
KR101715486B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
US7916158B2 (en) | Image display apparatus, image signal processing circuit used therein, and method of controlling color saturation of image signal | |
US6728401B1 (en) | Red-eye removal using color image processing | |
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN107820069B (zh) | 一种视频监控设备isp调试方法 | |
WO2006045441A1 (en) | Method and apparatus for red-eye detection in an acquired digital image | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
CN1856800A (zh) | 数字图像处理链中用于调节色彩平衡的方法及***、用于实现此方法的相应设备以及软件部件 | |
TWI698124B (zh) | 影像調整方法以及相關的影像處理電路 | |
CN103841337B (zh) | 背光补偿的方法和装置 | |
CN107862672B (zh) | 图像去雾的方法及装置 | |
US20170154437A1 (en) | Image processing apparatus for performing smoothing on human face area | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CA3153067A1 (en) | Picture-detecting method and apparatus | |
CN111861937A (zh) | 一种基于msr改进的图像增强方法及*** | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN103379346A (zh) | 一种yuv格式图像的色度信息处理方法、装置及*** | |
KR20190073516A (ko) | 화상 처리 장치, 디지털 카메라, 화상 처리 프로그램, 및 기록 매체 | |
CN114037641A (zh) | 一种低照度图像增强方法、装置、设备及介质 | |
CN108550124A (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
WO2012153661A1 (ja) | 画像補正装置、画像補正表示装置、画像補正方法、プログラム、及び、記録媒体 | |
JP2009010636A (ja) | 適応ヒストグラム等化方法及び適応ヒストグラム等化装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |