CN110298796A - 基于改进Retinex与对数图像处理的低照度图像增强方法 - Google Patents
基于改进Retinex与对数图像处理的低照度图像增强方法 Download PDFInfo
- Publication number
- CN110298796A CN110298796A CN201910431030.0A CN201910431030A CN110298796A CN 110298796 A CN110298796 A CN 110298796A CN 201910431030 A CN201910431030 A CN 201910431030A CN 110298796 A CN110298796 A CN 110298796A
- Authority
- CN
- China
- Prior art keywords
- image
- illumination component
- pixel
- illumination
- value
- 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.)
- Granted
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 125000001475 halogen functional group Chemical group 0.000 abstract description 4
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
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
本发明提供了一种基于改进Retinex与对数图像处理的低照度图像增强方法,包括:计算样本图像的亮通道值,将该值作为样本图像的光照分量;利用现有的对数图像处理模型下的背景强度对光照分量进行自适应局部调整;结合Sobel边缘检测方法,对局部调整后的光照分量进行滤波细化;根据细化后的光照分量,基于Retinex理论得到增强图像。本发明提供一种基于改进Retinex与对数图像处理的低照度图像增强方法,在现有的对数图像处理模型下结合了Retinex理论,对样本图像进行了加强,有效地解决了Retinex算法可能存在的光晕效应以及过增强的问题,该方法能适应更多样的光照环境。
Description
技术领域
本发明涉及计算机数字图像处理技术领域,更具体地,涉及一种基于改进Retinex与对数图像处理的低照度图像增强方法。
背景技术
目前,各种光学成像装置广泛地应用在各种领域,但是,在环境光照亮度较低或光学传感器灵敏度较低的情况下,成像装置所成图像存在亮度不够、对比度降低等退化问题,进而导致图像观感下降或影响数字图像处理***的分析与识别等问题的出现。因此有必要研究低照度下图像增强算法,使光学成像***可以适用于缺乏光照的场景。
Retinex是低照度图像增强的经典算法,该算法可以处理常见的低照度图像,但难以处理光照情况比较复杂的图像。对于同时存在光照充足区域与光照不足区域的图像,使用Retinex算法处理后可能会出现过度增强、出现光晕效应等问题。
为了解决上述问题,一些改进方法为:采用多尺度的Retinex算法、基于暗通道的低照度图像增强、结合直方图均衡的增强算法,但仍不能满足复杂光照的场景,同时会出现颜色失真的问题,仍然未能满足需求。
发明内容
本发明为了克服现有改进的Retinex算法在处理图像的过程中存在无法满足复杂光照的场景及会出现颜色失真的技术缺陷,提供一种基于改进Retinex与对数图像处理的低照度图像增强方法。
为解决上述技术问题,本发明的技术方案如下:
基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于,包括以下步骤:
S1:计算样本图像的亮通道值,将该值作为样本图像的光照分量;
S2:利用现有的对数图像处理模型下的背景强度对光照分量进行自适应局部调整;
S3:结合Sobel边缘检测方法,对局部调整后的光照分量进行滤波细化;
S4:根据细化后的光照分量,基于Retinex理论得到增强图像。
其中,所述步骤S1具体包括以下步骤:
S11:基于亮通道先验理论,将样本图像进行颜色通道分离,将三个颜色通道图像逐像素点比较,将最大像素点提取并保存为最大值图像;
S12:对获得的最大值图像进行最大值滤波,从而获得样本图像的光照分量。
其中,所述步骤S2具体包括以下步骤:
S21:将样本图像的光照分量转换为对数图像处理模型下的表达,即将样本图像的灰度值表示为:
f(x,y)=M-I(x,y);
上式中,I(x,y)表示样本图像的像素值,f(x,y)为对数图像处理模型下的图像灰度值,M为图像像素值的最大值,对于8位数字图像为256;
S22:根据每个像素点的邻域像素值计算样本图像的平均背景强度;
S23:根据每个像素点的平均背景强度得到每个像素点对应的亮度调整系数;
S24:将亮度调整系数代入对数图像处理模型中的数乘运算,完成对光照分量的局部调整。
其中,步骤S22中所述的每个像素点的邻域像素值按8邻域进行检测而得到。
其中,根据人眼视觉的方向特性,人眼对水平和垂直方向上的亮度变化比斜线方向上的亮度变化更敏感,因此所述8邻域中四个邻域像素值与对角线上四个邻域像素值根据不同的比例权重计算背景强度,从而得到更符合人眼视觉特性的背景强度。
其中,所述步骤S3具体包括以下步骤:
S31:运用Sobel边缘检测方法提取局部调整后的光照分量的边缘图像;
S32:根据边缘图像求取各像素点的平滑因子;
S33:根据各像素点的平滑因子对局部调整后的光照分量进行滤波、细化,得到细化后的光照分量。
其中,步骤S31所述的Sobel边缘检测方法使用3×3的Sobel算子对局部调整后的光照分量进行边缘图像提取,分解为水平方向与垂直方向进行处理。
其中,所述步骤S4具体包括以下步骤:
S41:输入低照度的样本图像并进行颜色通道分离,得到三个通道各像素点的像素值;
S42:分别把三个通道各像素点的像素值除以经调整与细化后的光照分量中对应的像素点的像素值,得到三个新的颜色通道;
S43:将三个新的颜色通道进行合成,得到增强图像。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供一种基于改进Retinex与对数图像处理的低照度图像增强方法,在现有的对数图像处理模型下结合了Retinex理论,对样本图像进行了加强,有效地解决了Retinex算法可能存在的光晕效应以及过增强的问题,该方法能适应更多样的光照环境。
附图说明
图1本发明方法的流程示意图;
图2是本发明中基于亮通道先验理论提取的光照分量;
图3是本发明中自适应调整与细化后的光照分量;
图4是本发明中的输入图像与增强后图像对比。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于,包括以下步骤:
S1:计算样本图像的亮通道值,将该值作为样本图像的光照分量;
S2:利用现有的对数图像处理模型下的背景强度对光照分量进行自适应局部调整;
S3:结合Sobel边缘检测方法,对局部调整后的光照分量进行滤波细化;
S4:根据细化后的光照分量,基于Retinex理论得到增强图像。
在具体实施过程中,本方法在现有的对数图像处理模型下结合了Retinex理论,对样本图像进行了加强,有效地解决了Retinex算法可能存在的光晕效应以及过增强的问题,该方法能适应更多样的光照环境。
实施例2
更具体的,在实施例1的基础上,将任意图像采集设备采集到的图像作为样本图像,基于亮通道先验理论,将样本图像进行颜色通道分离,将三个颜色通道图像逐像素点比较,将最大像素点提取并保存为最大值图像;再对获得的最大值图像进行最大值滤波,从而获得样本图像的光照分量,结果如图2所示。
在具体实施过程中,基于对数图像处理模型,将样本图像的光照分量转换为对数图像处理模型下的表达,即将样本图像的灰度值表示为:
f(x,y)=M-I(x,y);
上式中,I(x,y)表示样本图像的像素值,f(x,y)为对数图像处理模型下的图像灰度值,M为图像像素值的最大值,对于8位数字图像为256;根据每个像素点的邻域像素值计算样本图像的平均背景强度,按8邻域进行检测;设四邻域比例系数为a,对角线上四邻域比例系数为b,平均背景强度根据以下公式计算:
上式中,a和b表示比例权重,∑QX(i,j)为像素点(i,j)的四个邻域像素的集合,∑DX(i,j)为像素点(i,j)的对角线上四个邻域像素的集合;其中,⊕与分别为对数图像处理模型中的相加与相乘操作;
根据平均背景强度B(x,y)计算变换系数γ(x,y),具体为:
γ(x,y)=a(1-cos(B(x,y)×π));
将变换系数γ(x,y)代入对数图像处理模型的数乘运算,得到以下公式:
式中,L(x,y)为增强后的光照分量,L0(x,y)为步骤S1所得到的样本图像的光照分量,至此得到局部调整后的光照分量。
在具体实施过程中,运用Sobel边缘检测方法提取局部调整后的光照分量的边缘图像,将得到的边缘图像s(x,y)代入下式中,求得各像素点的平滑因子ε(x,y):
根据各像素点的平滑因子对局部调整后的光照分量进行滤波、细化,得到细化后的光照分量,如图3所示。
在具体实施过程中,输入低照度的样本图像并进行颜色通道分离,得到三个通道各像素点的像素值,分别把三个通道各像素点的像素值除以经调整与细化后的光照分量中对应的像素点的像素值,得到三个新的颜色通道,最后将三个新的颜色通道进行合成,得到增强图像。增强后图像与原图像对比如图4所示。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于,包括以下步骤:
S1:计算样本图像的亮通道值,将该值作为样本图像的光照分量;
S2:利用现有的对数图像处理模型下的背景强度对光照分量进行自适应局部调整;
S3:结合Sobel边缘检测方法,对局部调整后的光照分量进行滤波细化;
S4:根据细化后的光照分量,基于Retinex理论得到增强图像。
2.根据权利要求1所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:所述步骤S1具体包括以下步骤:
S11:基于亮通道先验理论,将样本图像进行颜色通道分离,将三个颜色通道图像逐像素点比较,将最大像素点提取并保存为最大值图像;
S12:对获得的最大值图像进行最大值滤波,从而获得样本图像的光照分量。
3.根据权利要求2所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:所述步骤S2具体包括以下步骤:
S21:将样本图像的光照分量转换为对数图像处理模型下的表达,即将样本图像的灰度值表示为:
f(x,y)=M-I(x,y);
上式中,I(x,y)表示样本图像的像素值,f(x,y)为对数图像处理模型下的图像灰度值,M为图像像素值的最大值,对于8位数字图像为256;
S22:根据每个像素点的邻域像素值计算样本图像的平均背景强度;
S23:根据每个像素点的平均背景强度得到每个像素点对应的亮度调整系数;
S24:将亮度调整系数代入对数图像处理模型中的数乘运算,完成对光照分量的局部调整。
4.根据权利要求3所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:步骤S22中所述的每个像素点的邻域像素值按8邻域进行检测而得到。
5.根据权利要求4所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:根据人眼视觉的方向特性,人眼对水平和垂直方向上的亮度变化比斜线方向上的亮度变化更敏感,因此所述8邻域中四个邻域像素值与对角线上四个邻域像素值根据不同的比例权重计算背景强度,从而得到更符合人眼视觉特性的背景强度。
6.根据权利要求3所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:所述步骤S3具体包括以下步骤:
S31:运用Sobel边缘检测方法提取局部调整后的光照分量的边缘图像;
S32:根据边缘图像求取各像素点的平滑因子;
S33:根据各像素点的平滑因子对局部调整后的光照分量进行滤波、细化,得到细化后的光照分量。
7.根据权利要求6所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于:步骤S31所述的Sobel边缘检测方法使用3×3的Sobel算子对局部调整后的光照分量进行边缘图像提取,分解为水平方向与垂直方向进行处理。
8.根据权利要求6所述的基于改进Retinex与对数图像处理的低照度图像增强方法,其特征在于,所述步骤S4具体包括以下步骤:
S41:输入低照度的样本图像并进行颜色通道分离,得到三个通道各像素点的像素值;
S42:分别把三个通道各像素点的像素值除以经调整与细化后的光照分量中对应的像素点的像素值,得到三个新的颜色通道;
S43:将三个新的颜色通道进行合成,得到增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431030.0A CN110298796B (zh) | 2019-05-22 | 2019-05-22 | 基于改进Retinex与对数图像处理的低照度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431030.0A CN110298796B (zh) | 2019-05-22 | 2019-05-22 | 基于改进Retinex与对数图像处理的低照度图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298796A true CN110298796A (zh) | 2019-10-01 |
CN110298796B CN110298796B (zh) | 2023-05-16 |
Family
ID=68027038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910431030.0A Active CN110298796B (zh) | 2019-05-22 | 2019-05-22 | 基于改进Retinex与对数图像处理的低照度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298796B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112249830A (zh) * | 2020-11-20 | 2021-01-22 | 中北大学 | 基于数据融合的电梯安全评估*** |
CN113096033A (zh) * | 2021-03-22 | 2021-07-09 | 北京工业大学 | 基于Retinex模型自适应结构的低光照图像增强方法 |
CN113129236A (zh) * | 2021-04-25 | 2021-07-16 | 中国石油大学(华东) | 基于Retinex和卷积神经网络的单张低光照图像增强方法及*** |
CN114429426A (zh) * | 2021-12-20 | 2022-05-03 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196355A1 (en) * | 2001-06-07 | 2002-12-26 | Seiko Epson Corporation | Image processing method, image processing program, image processing apparatus, and digital still camera using the image processing apparatus |
GB201219920D0 (en) * | 2012-11-05 | 2012-12-19 | British Broadcasting Corp | Method and apparatus for detection of chromatic aberration |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104732555A (zh) * | 2015-04-13 | 2015-06-24 | 南通理工学院 | 基于Sobel算子的图像边缘检测方法 |
CN106780375A (zh) * | 2016-12-02 | 2017-05-31 | 南京邮电大学 | 一种低照度环境下的图像增强方法 |
RU2622095C1 (ru) * | 2016-02-05 | 2017-06-09 | Акционерное общество "Государственный Рязанский приборный завод" | Способ улучшения цифровых цветных изображений |
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 |
-
2019
- 2019-05-22 CN CN201910431030.0A patent/CN110298796B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196355A1 (en) * | 2001-06-07 | 2002-12-26 | Seiko Epson Corporation | Image processing method, image processing program, image processing apparatus, and digital still camera using the image processing apparatus |
GB201219920D0 (en) * | 2012-11-05 | 2012-12-19 | British Broadcasting Corp | Method and apparatus for detection of chromatic aberration |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104732555A (zh) * | 2015-04-13 | 2015-06-24 | 南通理工学院 | 基于Sobel算子的图像边缘检测方法 |
RU2622095C1 (ru) * | 2016-02-05 | 2017-06-09 | Акционерное общество "Государственный Рязанский приборный завод" | Способ улучшения цифровых цветных изображений |
CN106780375A (zh) * | 2016-12-02 | 2017-05-31 | 南京邮电大学 | 一种低照度环境下的图像增强方法 |
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 |
---|
贾存坤: "低照度图像增强研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112249830A (zh) * | 2020-11-20 | 2021-01-22 | 中北大学 | 基于数据融合的电梯安全评估*** |
CN113096033A (zh) * | 2021-03-22 | 2021-07-09 | 北京工业大学 | 基于Retinex模型自适应结构的低光照图像增强方法 |
CN113096033B (zh) * | 2021-03-22 | 2024-05-28 | 北京工业大学 | 基于Retinex模型自适应结构的低光照图像增强方法 |
CN113129236A (zh) * | 2021-04-25 | 2021-07-16 | 中国石油大学(华东) | 基于Retinex和卷积神经网络的单张低光照图像增强方法及*** |
CN113129236B (zh) * | 2021-04-25 | 2022-07-12 | 中国石油大学(华东) | 基于Retinex和卷积神经网络的单张低光照图像增强方法及*** |
CN114429426A (zh) * | 2021-12-20 | 2022-05-03 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
CN114429426B (zh) * | 2021-12-20 | 2022-08-16 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110298796B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN109325922B (zh) | 一种图像自适应增强方法、装置及图像处理设备 | |
WO2013168618A1 (ja) | 画像処理装置及び画像処理方法 | |
Wang et al. | Fusion-based underwater image enhancement by wavelet decomposition | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
CN110473152B (zh) | 基于改进Retinex算法的图像增强方法 | |
CN109118442B (zh) | 一种基于Sobel算子滤波的图像增强方法 | |
CN110047055A (zh) | 一种红外图像细节增强及去噪方法 | |
CN112435184B (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及*** | |
Liu et al. | Single image haze removal via depth-based contrast stretching transform | |
CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
CN113450340A (zh) | 一种皮肤纹理检测*** | |
CN112750089A (zh) | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 | |
Maragatham et al. | An automatic contrast enhancement method based on stochastic resonance | |
CN116452447A (zh) | 一种低照度高清图像处理方法 | |
CN116188291A (zh) | 一种快速机载暗光图像增强方法 | |
CN112532938B (zh) | 一种基于大数据技术的视频监控*** | |
Goel | The implementation of image enhancement techniques using Matlab | |
Kumari et al. | Image fusion techniques based on pyramid decomposition | |
CN108133467B (zh) | 基于粒计算的水下图像增强***及增强方法 | |
CN110706168A (zh) | 图像明暗调节方法 | |
CN116612050B (zh) | 一种基于暗通道的先验去雾方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |