CN112561829A - 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 - Google Patents
基于L通道Gamma变换的多区域非均匀亮度失真校正算法 Download PDFInfo
- Publication number
- CN112561829A CN112561829A CN202011536064.5A CN202011536064A CN112561829A CN 112561829 A CN112561829 A CN 112561829A CN 202011536064 A CN202011536064 A CN 202011536064A CN 112561829 A CN112561829 A CN 112561829A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- channel
- bright
- image module
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 87
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 16
- 230000009466 transformation Effects 0.000 title claims description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000007704 transition Effects 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 13
- 238000005286 illumination Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于L通道Gamma变换的多区域非均匀亮度失真校正算法,设定若干典型图像模块,将待处理彩色分划板图像分成多个区域,实现各区域图像与典型图像模块的亮度相似性匹配,从而获取相应的最佳亮度校正参数,完成符合各自情况的亮度校正。本发明将图像转换到LAB颜色空间并在亮度L通道进行校正的方法,有效降低模型处理的复杂度,提高***处理的实时性、鲁棒性和准确性。
Description
技术领域
本发明涉及图像处理技术,尤其涉及对亮度失真图像的处理。
背景技术
在图像增强、目标检测等众多技术中,光照影响一直是一个重要关注点。在图像采集过程中,由于成像环境的变化,或者是物体表面的光滑程度不均匀等原因,造成图像整体光照不均,出现不同程度的亮斑、暗斑,导致难以辨认图像中的局部细节信息。图像光照不均具体表现为:(1)图像整体亮度偏低,常见于夜间图像和红外图像等;(2)图像局部有些区域亮度偏低,有些区域亮度偏高,主要由光照不均或物体表面的局部构造特点引起;(3)图像出现高光现象,例如相机过度曝光。图像亮度不均匀改变了图像原始面貌,增大了对图像进一步处理的难度。因此在应用该图像之前,需要改善亮度失真图像的整体质量,即对图像进行预处理。
常见的处理方法包括直方图均衡化法、基于照明-反射模型的同态滤波法、梯度域变换方法以及Gamma变换法。直方图均衡化对于背景和前景都太亮或者太暗的图像有一定的实用价值,但它存在的缺点就是对处理的数据不加选择,所以最终有可能会增加背景区域的对比度,或者是会降低有用信号的对比度;基于照明-反射成像原理的同态滤波法在增强图像高频信息的同时能够保留部分低频信息,达到压缩图像灰度的动态范围,增强图像对比度的效果,但在增强图像某部分像素亮度值时,易导致另一部分像素亮度值过增强;梯度域变换方法能够较好地保持原图中的细节信息和层次感,但会使图像在一定程度上锐化。Gamma变换可以通过选取合适的Gamma值,在未知光照条件下,有效弱化光照的影响,提高图像的质量。
目前的Gamma变换方法分为线性修正方法和非线性修正方法。线性修正方法只能在一定程度上实现Gamma变换强度随像素亮度的变化,克服传统Gamma变换方法无法满足图像高亮和阴影区域同时并存的亮度校正问题,但仍然存在一些不足:首先,对Gamma数值采用线性修正缺乏有效增强Gamma值随像素亮度值变化的能力;其次,Gamma值的选取尚未较好解决图像中高亮、过渡和阴影区域光照变化的实际问题;最后,图像经过Gamma变换后略显失真,尤其是对彩色图像失真效果明显。而非线性修正法采用了非线性函数互相叠加的修正模式,但它的修正模型过于复杂,计算复杂度高,不利于实现。
平行光管是校正过程中常用的一种光学工具,由于平行光管分划板面积较小,使得其上显示的坐标分辨率有限,观察不方便且人眼观察易于疲劳,实现平行光管分划板坐标***的数字化是实现智能、便捷和更加精确的光学度量的基础。平行光管分划板坐标***数字化是指:对显示有分划线网格和坐标刻度的分划板进行拍照,根据拍照的图像,对分划线网格和坐标刻度进行识别,并生成与其严格对应的数字网格线和坐标刻度。转化为数字图像的分划板坐标***可以灵活缩放,进一步提高坐标精度,易于人眼观察,并且操作功能得到很大提升,智能化水平大大提高。在这一过程中,遇到的主要问题是:显示有分划线网格和坐标刻度的分划板上会出现一些或轻或重、不同明暗程度的亮区或暗区,分划板平面的整体亮度在不同时刻也有变化,此外在对分划板拍照时,又不可避免地二次引入了环境光照的影响,导致对分划板坐标***进行数字化时,不同时刻获得的分划板图像存在亮度不均匀,以及同一幅图像上多个区域亮度不同的情况,这些亮度变化的干扰对分划线网格和坐标刻度的识别造成了非常的不利影响,从而影响最终数字分划板坐标***的正确生成。
发明内容
为了克服现有技术的不足,本发明提供一种基于L通道Gamma变换的多区域非均匀亮度失真校正算法,校正模型合理,实时性高,能够在非线性Gamma变换的基础上消除光照变化的干扰,对不同亮度失真情况进行自适应校正,从而提高图像质量。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤一、将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间;
步骤二、根据分划板图像的亮度分布特征,分析定义四种典型亮度级别,包括正常图像模块、过暗图像模块、过亮图像模块和亮暗过渡图像模块;
步骤四、将待处理彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间,将L通道图像划分成若干区域,在每个区域与所有典型图像模块之间进行最佳亮度相似性匹配,使用最匹配典型图像模块的Gamma变换函数对该区域进行亮度校正;
步骤五、将校正了L通道图像后的分划板图像从LAB颜色空间恢复回RGB颜色空间。
所述的步骤一中,彩色平行光管分划板图像的R、G、B三个通道各像素值分别为r′,g′,b′,构造三个临时变量设L、A、B三个通道各像素值分别为l′、a′、t′,使用X、Y、Z解出LAB颜色空间下像素的参数值其中,
所述的步骤二在分划板L通道图像上选择某个区域I,计算该区域的平均亮度l;以分划线网格和坐标刻度为前景像素,其余为背景像素,计算背景像素在L通道图像上对应位置的亮度平均值,以及前景像素在L通道图像上对应位置的亮度平均值,得到背景像素与前景像素的平均亮度差设定平均亮度差阈值a、平均亮度下限阈值b和平均亮度上限阈值c;
所述的步骤三中,m1取为0.2,r01取为0.3,nd取为0.7,m2取为0.2,r02取为0.7,nh取为0.1,nt取为0.3,ρ取为0.1。
所述的步骤四将L通道图像划分成多个区域;定义两个图像的亮度相似度U为待处理分划板L通道图像上某个区域的亮度矩阵,Vi表示某典型图像模块L通道图像的亮度矩阵,矩阵中的元素值即是L通道图像中对应的像素值,其中下标i为d代表过暗图像模块,i为h代表过亮图像模块,i为t代表亮暗过渡图像模块,i为n代表正常图像模块。
所述的步骤五中,校正了L通道图像后的分划板图像L、A、B通道像素亮度值为l*、a*、t*,变换回RGB颜色空间后,R、G、B通道对应的像素亮度值为r*、g*、b*,X*、Y*、Z*为临时变量,
其中,
本发明的有益效果是:不同时刻的平行光管分划板图像整体亮度有变化,尤其是某个时刻图像上往往出现不同明暗程度的亮区或暗区,传统的Gamma变换针对整幅图像,亮度校正的鲁棒性不强,无法解决分划板图像的亮度失真现象。本发明在传统Gamma变换基础上,提出了一种有效的多区域非均匀亮度失真校正算法。该算法按照不同亮度情况合理设计四种典型图像模块,独立训练其各自的Gamma变换参数,为亮度的自动分类校正奠定了基础;将待处理分划板图像的亮度通道图像划分成多个区域,通过相似性测度机制,根据亮度相似度获取与各区域匹配的最佳亮度校正参数,提高了校正的鲁棒性和准确性。本发明可以广泛用于与图像不均匀光照处理相关的诸多领域。
附图说明
图1是平行光管分划板及其上分布的不同明暗区域示意图;
图2是过暗图像模块Gamma变换示意图;
图3是过亮图像模块Gamma变换示意图;
图4是亮暗过渡图像模块Gamma变换示意图;
图中,1-过暗区域;2-过亮区域;3-亮暗过渡区域;4-正常区域(除1-3区域外的其他区域);r-变换前亮度值;s-变换后亮度值。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明一种消除彩色分划板图像多区域亮度不均匀现象的图像质量改善算法。该算法提出典型图像模块的概念,并设计一种亮度相似性度量指标,在此基础上,将待处理彩色分划板图像分成多个区域,实现各区域图像与典型图像模块的亮度相似性自动匹配,从而获取相应的最佳亮度校正参数,完成符合各自情况的亮度校正。将图像转换到LAB颜色空间并在亮度L通道进行校正的方法,有效降低模型处理的复杂度,提高***处理的实时性、鲁棒性和准确性。
本发明的技术方案为:将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间,保存各自所有像素的L、A、B通道值,并单独提取以灰度形式显示的L通道图像;根据L通道图像的亮度分布特征,设计正常图像模块、过亮图像模块、过暗图像模块和亮暗过渡图像模块等四个典型图像模块;对各典型图像模块的L通道图像进行不同参数的线性或非线性Gamma变换,使其分划线网格和坐标刻度变为清晰,获取校正参数并保存为典型亮度校正参数集;将待处理彩色分划板图像分成多个区域,通过相似度衡量机制,为各区域匹配最相似的典型图像模块,获得相应的亮度校正参数集,完成最佳亮度校正;所有区域完成亮度校正后,将待处理彩色分划板图像恢复到RGB颜色空间,为后续分划线网格和坐标刻度的识别提供亮度均匀的高质量图像。具体步骤如下:
步骤一、将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间。
由于平行光管平行光光源的差异性,以及对分划板拍照时周围环境的影响,每次分划板成像的效果都会有所不同,包括明暗区域不同、明暗程度不同,如图1所示。在亮度过高或过低的区域,分划线网格和坐标刻度不够清晰,后续的识别将变得困难,因此需要对亮度进行校正。
在RGB颜色空间下,不同光照会影响到R、G、B三个通道的像素值,给整体光照处理带来难度。相比于RGB颜色空间,LAB颜色空间是一种设备无关的颜色***,L通道表示像素亮度,A通道表示从红色到绿色的范围,B通道表示从黄色到蓝色的范围,不同光照只会影响到图像的L通道值,并不会影响到其它两个通道。将图像映射到LAB颜色空间,可以对亮度进行独立校正,有利于解决光照干扰引起的图像质量问题。
将图像从RGB颜色空间映射到LAB颜色空间的方法如下:
(1)设R、G、B三个通道各像素值分别为r′,g′,b′,构造三个临时变量X、Y、Z:
(2)设L、A、B三个通道各像素值分别为l′、a′、t′,使用X、Y、Z解出LAB颜色空间下像素的参数值:
其中,
步骤二、依据L通道图像,定义典型图像模块。
根据不同外界环境或者不同强度光源下分划板图像的亮度分布特征,分析定义四种典型亮度级别,分别以四个典型图像模块代表,即:正常图像模块、过暗图像模块、过亮图像模块和亮暗过渡图像模块。四个图像模块尺寸均为64×64,单位为像素,此尺寸可根据实际情况调整。在后三种图像模块中,由于亮度失真,存在分划线网格和坐标刻度不清晰的现象。根据这些特征,按照如下步骤选择定义四个典型图像模块。
在已有分划板L通道图像上选择某个区域I,大小为64×64,单位为像素:
(1)计算该区域的平均亮度l:
其中,j为区域I图像的行号,k为其列号。
(2)将区域I图像二值化,计算分划线网格和坐标刻度与背景图像的平均亮度差。由公式(5)计算得到二值化后图像I′:
其中,1为背景像素;0为前景像素,即分划线网格和坐标刻度像素。
(3)寻找满足下列不同条件的区域I,定义为相应的典型图像模块。
步骤三、对过暗图像模块、过亮图像模块和亮暗过渡图像模块的L通道图像分别进行Gamma变换,使其分划线网格和坐标刻度变为清晰。
LAB颜色空间的L通道(即亮度通道)图像显示为灰度图像,大小为64像素×64像素。Gamma变换基本形式为:
其中,c为正常数,典型值为0.5。r为变换前亮度值,s为变换后亮度值,α(r)为像素值相关的幂指数,γ(r)为校正函数,与α(r)互为倒数,γ(r)的典型值为:
其中,m为调节系数,r0是校正亮度临界值。在亮度校正效果的控制方面,仅依靠增大m来扩展γ(r)的取值范围会导致γ(r)在取值区间内幅度变化率过大,也即单位亮度变化引起γ(r)幅度变化过大,从而导致α(r)的数值变化剧烈,最终造成校正后图像明显失真。为了解决这一问题,提高亮度校正的鲁棒性,本专利将γ(r)扩展为γ′(r),此时α(r)为:
γ′(r)由γ(r)叠加一个辅助函数f(r)组成,f(r)由一个或若干个线性函数或非线性函数构成。下面分别讨论四个典型图像模块L通道图像Gamma变换的策略。
(1)过暗图像模块
过暗图像模块中的像素亮度值低,需要通过Gamma变换增加亮度值,此时校正函数γ(r)的形式取为:
m1为调节系数,典型值为0.2;r01为过暗图像模块的校正亮度临界值,典型值为0.3。本发明通过Gamma变换,将[0,r01]较窄范围的亮度值拓展到大的亮度范围,提高图像亮度,同时拉伸对比度,以达到使分划线网格和坐标刻度清晰的目的。由于修正范围只限于[0,r01],且亮度均为增大趋势,仅仅是修正幅度不同,因此辅助函数f(r)使用如下线性函数形式:
其中,nd为调节系数,典型值为0.7。
由此得到过暗图像模块Gamma变换函数:
该模块典型亮度校正参数集PSd为{m1,r01,nd},典型值为{0.2,0.3,0.7},校正函数曲线示意图如图2所示。经过校正后,图像的平均亮度l和平均亮度差均进入正常图像模块范围,分划线网格和坐标刻度可清晰显现。
(2)过亮图像模块
在过亮图像模块中,分划线网格和坐标刻度不清晰是由于亮度值过高的影响,需要通过Gamma变换减小亮度值。为实现这一目的,此时校正函数γ(r)的形式取为:
m2为调节系数,典型值为0.2;r02为过亮图像模块的校正亮度临界值,典型值为0.7。此时,过亮图像模块中辅助函数f(r)使用如下线性函数形式:
其中,nh为调节系数,典型值为0.1。
由此得到过亮图像模块Gamma变换:
该模块典型亮度校正参数集PSh为{m2,r02,nh},典型值为{0.2,0.7,0.1}。校正函数曲线示意图如图3所示。经过校正后,图像的平均亮度l和平均亮度差均进入正常图像模块范围,分划线网格和坐标刻度可清晰显现。
(3)亮暗过渡图像模块
在实际光照条件下,图像中总存在介于高亮和阴影之间的亮暗过渡区,在这一类区域分划线网格和坐标刻度清晰度差,为解决这一问题及过暗区和过亮区接壤处亮度的自然过渡,本发明在亮暗过渡图像模块采取不同校正力度的自适应策略:对于该模块亮度分布在中间区域的像素,亮度校正力度偏弱;亮度分布接近两端的像素,其亮度校正力度加强。此时校正函数γ(r)的形式取为:
m1和m2为调节系数,典型值都为0.2;r01和r02分别为过暗图像模块和过亮模块的校正亮度临界值,典型值分别为0.3和0.7。
辅助函数f(r)设计为如下非线性函数形式:
其中,θ=arctan(-2nt),nt为调节系数,典型值取0.3。引入参数ρ是为了在校正辅助函数f(r)时,使像素亮度的校正效果达到中间亮度校正弱,两端亮度校正强的目的,ρ典型值为0.1。
由此得到亮暗过渡图像模块Gamma变换函数:
其中:
θ=arctan(-2nt) (20)
该模块典型亮度校正参数集PSt为{m1,m2,r01,r02,nt,ρ},典型值为{0.2,0.2,0.3,0.7,0.3,0.1},校正函数曲线示意图如图4所示。经过校正后,图像的平均亮度l和平均亮度差均进入正常图像模块范围,分划线网格和坐标刻度可清晰显现。
正常图像模块中分划线网格和坐标刻度能够清晰显现,无需进行Gamma变换,即s=r。
步骤四、计算待处理分划板L通道图像上各区域的最大亮度相似度,并进行自适应亮度校正。
将待处理彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间,将L通道图像划分成多个区域,在每个区域与所有典型图像模块之间进行最佳亮度相似性匹配,获取相应的典型亮度校正参数,进行亮度校正。具体如下:
用间隔为size(典型值为64,单位为像素)的水平平行线和垂直平行线将L通道图像划分成多个正方形区域。在接近图像边界处,当剩余区域边长不足size时,该边界处仍成为一个独立区域。定义两个图像的亮度相似性测度,即亮度相似度Si(U,Vi):
其中,U为待处理分划板L通道图像上某个区域的亮度矩阵,Vi表示某典型图像模块L通道图像的亮度矩阵,亮度矩阵大小为64×64,矩阵中的元素值即是L通道图像中对应的像素值。其中下标i为d时代表过暗图像模块,i为h时代表过亮图像模块,i为t时代表亮暗过渡图像模块,i为n时代表正常图像模块。Si(U,Vi)越大说明两者的相似度越高,即亮度分布越接近。
根据公式(21)分别计算某个区域与四个典型图像模块L通道图像的亮度相似度Si(U,Vi),根据最大亮度相似度值对应的i值,获取典型图像模块的亮度校正参数集,依此参数完成对待处理分划板L通道图像该区域的亮度校正。
遍历待处理分划板L通道图像的所有N个区域,完成整幅图像自适应亮度校正。
步骤五、将校正了L通道图像后的分划板图像从LAB颜色空间恢复回RGB颜色空间。
目前的显示器均采用的RGB颜色模式,为了使修正后的图像能够在显示器上正常显示,将亮度修正后的分划板图像从LAB颜色空间变换回RGB颜色空间。设此时LAB颜色空间中,L、A、B通道像素亮度值为l*、a*、t*,变换回RGB颜色空间后,R、G、B通道对应的像素亮度值为r*、g*、b*,X*、Y*、Z*为临时变量,则有如下变换公式:
其中,
至此,得到一个完整的、亮度均匀的分划板图像,原图像中过暗区域、过亮区域以及亮暗过渡区域的分划线网格和刻度均同时清晰地显示出来,为后续分划线网格和坐标刻度的识别提供了高质量图像。
本发明的实例中,图像L通道Gamma变换的不均匀光照处理算法包括以下几个步骤。
步骤一、将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间。
将图像从RGB颜色空间映射到LAB颜色空间的方法如下:
(1)设R、G、B三个通道各像素值分别为r′,g′,b′,构造三个临时变量X、Y、Z:
(2)设L、A、B三个通道各像素值分别为l′、a′、t′,使用X、Y、Z解出LAB颜色空间下像素的参数值:
其中,
步骤二、依据L通道图像,定义典型图像模块。
根据不同外界环境或者不同强度光源下分划板图像的亮度分布特征,分析定义四种典型亮度级别,分别以四个典型图像模块代表:正常图像模块、过暗图像模块、过亮图像模块和亮暗过渡图像模块。四个图像模块尺寸均为64×64,单位为像素,此尺寸可根据实际情况调整。按照以下步骤选择定义四个典型图像模块:
在已有分划板L通道图像上选择某个区域I,大小为64×64,单位为像素:
(1)计算该区域的平均亮度l:
其中,j为区域I图像的行号,k为其列号。
(2)将区域I图像二值化,计算分划线网格和坐标刻度与背景图像的平均亮度差。由公式(29)计算得到二值化后图像I′:
其中,1为背景像素;0为前景像素,即分划线网格和坐标刻度像素。
(3)寻找满足下列不同条件的区域I,定义为相应的典型图像模块。
步骤三、对过暗图像模块、过亮图像模块和亮暗过渡图像模块的L通道图像分别进行Gamma变换,使其分划线网格和坐标刻度清晰可识别。其中:
(1)过暗图像模块Gamma变换函数为:
该模块典型亮度校正参数集PSd为{m1,r01,nd},典型值为{0.2,0.3,0.7}。
(2)过亮图像模块Gamma变换函数为:
该模块典型亮度校正参数集PSh为{m2,r02,nh},典型值为{0.2,0.7,0.1}。
(3)亮暗过渡图像模块Gamma变换函数为:
其中:
θ=arctan(-2nt) (35)
该模块典型亮度校正参数集PSt为{m1,m2,r01,r02,nt,ρ},典型值为{0.2,0.2,0.3,0.7,0.3,0.1}。
正常图像模块中分划线网格和坐标刻度清晰可识别,无需进行Gamma变换,即s=r。
步骤四、计算待处理彩色分划板图像上各区域的最大亮度相似度,并进行自适应亮度校正。
将待处理彩色分划板L通道图像划分成N个尺寸大小为64×64图像块,单位为像素。定义两个图像的亮度相似性测度,即亮度相似度Si(U,Vi):
其中,U为待处理彩色分划板L通道图像某个区域的亮度矩阵,Vi表示某典型图像模块L通道图像的亮度矩阵,亮度矩阵大小为64×64,矩阵中的元素值即是L通道图像中对应的像素值。下标i为d时代表过暗图像模块,i为h时代表过亮图像模块,i为t时代表亮暗过渡图像模块,i为n时代表正常图像模块。Si(U,Vi)越大说明两者亮度分布越接近。
根据公式(36)分别计算某个区域与四个典型图像模块L通道图像的亮度相似度Si(U,Vi)。根据最大亮度相似度值对应的i值,获取典型图像模块的亮度校正参数集,依此参数完成对待处理分划板L通道图像该区域的亮度校正。
遍历待处理分划板L通道图像的所有N个区域,完成整幅图像自适应亮度校正。
步骤五、将校正了L通道图像后的分划板图像从LAB颜色空间恢复回RGB颜色空间。
设LAB颜色空间中L、A、B通道对应像素值分别为l*、a*、t*,变换回RGB颜色空间后,R、G、B通道对应的像素值分别为r*、g*、b*,X*、Y*、Z*为临时变量:
其中,
至此,得到一个完整的、亮度均匀的分划板图像,原图像中过暗区域、过亮区域以及亮暗过渡区域的分划线网格和刻度均同时清晰地显示出来。
以下四个实例中,对彩色平行光管分划板的过暗区域、过亮区域和亮暗过渡区域均实现了亮度校正,均取得了良好的校正效果。
将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间后,根据彩色平行光管分划板图像的亮度分布特征,分析定义大小为64×64(单位:像素)的四个典型图像模块:过暗图像模块、过亮图像模块、亮暗过渡图像模块和正常图像模块,进行亮度校正后,得到典型亮度校正参数集,分别为:
(1)过暗图像模块典型亮度校正参数集PSd:{0.2,0.3,0.7}
(2)过亮图像模块典型亮度校正参数集PSh::{0.2,0.7,0.1}
(3)亮暗过渡图像模块典型亮度校正参数集PSt:{0.2,0.2,0.3,0.7,0.3,0.1}
实例1
对于待处理彩色分划板L通道图像上一块大小为64×64(单位:像素)的区域A1,分别计算A1与四个典型图像模块的亮度相似度Si(U,Vi),分别如下:
(a)与过暗图像模块的亮度相似度:Sd(U,Vd)=0.913
(b)与过亮图像模块的亮度相似度:Sh(U,Vh)=0.517
(c)与亮暗过渡图像模块的亮度相似度:St(U,Vt)=0.851
(d)与正常图像模块的亮度相似度:Sn(U,Vn)=0.699
其中Sd(U,Vd)值最大,说明该区域与过暗图像模块亮度最接近,故使用过暗图像模块典型亮度校正参数集PSd的参数对区域A1进行Gamma变换,并将变换后的图像转换到RGD颜色空间,此时图像亮度整体提升,对比度增强,分划线网格和坐标刻度可清晰显示。
实例2
对于待处理彩色分划板L通道图像上一块大小为64×64(单位:像素)的区域A2,分别计算A2与四个典型图像模块的亮度相似度Si(U,Vi),分别如下:
(a)与过暗图像模块的亮度相似度:Sd(U,Vd)=0.494
(b)与过亮图像模块的亮度相似度:Sh(U,Vh)=0.927
(c)与亮暗过渡图像模块的亮度相似度:St(U,Vt)=0.816
(d)与正常图像模块的亮度相似度:Sn(U,Vn)=0.711
其中Sh(U,Vh)值最大,说明该区域与过亮图像模块亮度最接近,故使用过亮图像模块典型亮度校正参数集PSh的参数对区域A2进行Gamma变换,并将变换后的图像转换到RGB颜色空间,此时图像亮度整体降低,对比度增强,分划线网格和坐标刻度可清晰显示。
实例3
对于待处理彩色分划板L通道图像上一块大小为64×64(单位:像素)的区域A3,分别计算A3与四个典型图像模块的亮度相似度Si(U,Vi),分别如下:
(a)与过暗图像模块的亮度相似度:Sd(U,Vd)=0.697
(b)与过亮图像模块的亮度相似度:Sh(U,Vh)=0.712
(c)与亮暗过渡图像模块的亮度相似度:St(U,Vt)=0.919
(d)与正常图像模块的亮度相似度:Sn(U,Vn)=0.823
其中St(U,V)值最大,说明该区域与亮暗过渡图像模块亮度最接近,故使用亮暗过渡图像模块典型亮度校正参数集PSt的参数对区域A3进行Gamma变换,并将变换后的图像转换到RGD颜色空间,此时图像亮度均匀,分划线网格和坐标刻度可清晰显示。
实例4
在待处理的彩色分划板L通道图像上一块大小为64×64(单位:像素)的区域A4,分别计算A4与四个典型图像模块的亮度相似度Si(U,Vi),分别如下:
(a)与过暗图像模块的亮度相似度:Sd(U,Vd)=0.727
(b)与过亮图像模块的亮度相似度:Sh(U,Vh)=0.693
(c)与亮暗过渡图像模块的亮度相似度:St(U,Vt)=0.786
(d)与正常图像模块的亮度相似度:Sn(U,Vn)=0.923
其中Sn(U,Vn)值最大,说明该区域与正常图像模块亮度最接近,故区域A4不需要进行Gamma变换。
Claims (7)
1.一种基于L通道Gamma变换的多区域非均匀亮度失真校正算法,其特征在于,包括以下步骤:
步骤一、将彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间;
步骤二、根据分划板图像的亮度分布特征,分析定义四种典型亮度级别,包括正常图像模块、过暗图像模块、过亮图像模块和亮暗过渡图像模块;
步骤四、将待处理彩色平行光管分划板图像从RGB颜色空间映射到LAB颜色空间,将L通道图像划分成若干区域,在每个区域与所有典型图像模块之间进行最佳亮度相似性匹配,使用最匹配典型图像模块的Gamma变换函数对该区域进行亮度校正;
步骤五、将校正了L通道图像后的分划板图像从LAB颜色空间恢复回RGB颜色空间。
3.根据权利要求1所述的基于L通道Gamma变换的多区域非均匀亮度失真校正算法,其特征在于,所述的步骤二在分划板L通道图像上选择某个区域I,计算该区域的平均亮度l;以分划线网格和坐标刻度为前景像素,其余为背景像素,计算背景像素在L通道图像上对应位置的亮度平均值,以及前景像素在L通道图像上对应位置的亮度平均值,得到背景像素与前景像素的平均亮度差设定平均亮度差阈值a、平均亮度下限阈值b和平均亮度上限阈值c;将满足且l<b的区域定义为过暗图像模块,即分划线网格和坐标刻度显示不清晰的低亮度区域;将满足且l>c的区域定义为过亮图像模块,即分划线网格和坐标刻度显示不清晰的高亮度区域;将满足且b≤l≤c的区域定义亮暗过渡图像模块,即分划线网格和坐标刻度显示不清晰的高、低亮度渐变区;将满足且b≤l≤c的区域定义为正常图像模块,即分划线网格和坐标刻度显示清晰的正常亮度区。
5.根据权利要求1所述的基于L通道Gamma变换的多区域非均匀亮度失真校正算法,其特征在于,所述的步骤三中,m1取为0.2,r01取为0.3,nd取为0.7,m2取为0.2,r02取为0.7,nh取为0.1,nt取为0.3,ρ取为0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536064.5A CN112561829B (zh) | 2020-12-23 | 2020-12-23 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536064.5A CN112561829B (zh) | 2020-12-23 | 2020-12-23 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561829A true CN112561829A (zh) | 2021-03-26 |
CN112561829B CN112561829B (zh) | 2024-01-12 |
Family
ID=75030950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011536064.5A Active CN112561829B (zh) | 2020-12-23 | 2020-12-23 | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561829B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763278A (zh) * | 2021-09-10 | 2021-12-07 | 昆山丘钛微电子科技股份有限公司 | 一种图像校正方法及装置 |
CN113923429A (zh) * | 2021-12-16 | 2022-01-11 | 成都索贝数码科技股份有限公司 | 一种基于色卡的颜色校正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034538A (zh) * | 2006-03-07 | 2007-09-12 | 乐金电子(南京)等离子有限公司 | 利用数字信号处理的Gamma失真校正装置及方法 |
US20100085361A1 (en) * | 2008-10-08 | 2010-04-08 | Korea Advanced Institute Of Science And Technology | Apparatus and method for enhancing images in consideration of region characteristics |
CN106557729A (zh) * | 2015-09-30 | 2017-04-05 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
CN110047051A (zh) * | 2019-04-24 | 2019-07-23 | 郑州轻工业学院 | 一种非均匀照明彩色图像增强方法 |
KR20200089410A (ko) * | 2019-01-17 | 2020-07-27 | 정인호 | 최적의 감마보정 기반 저조도 영상 보정방법 |
-
2020
- 2020-12-23 CN CN202011536064.5A patent/CN112561829B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034538A (zh) * | 2006-03-07 | 2007-09-12 | 乐金电子(南京)等离子有限公司 | 利用数字信号处理的Gamma失真校正装置及方法 |
US20100085361A1 (en) * | 2008-10-08 | 2010-04-08 | Korea Advanced Institute Of Science And Technology | Apparatus and method for enhancing images in consideration of region characteristics |
CN106557729A (zh) * | 2015-09-30 | 2017-04-05 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
KR20200089410A (ko) * | 2019-01-17 | 2020-07-27 | 정인호 | 최적의 감마보정 기반 저조도 영상 보정방법 |
CN110047051A (zh) * | 2019-04-24 | 2019-07-23 | 郑州轻工业学院 | 一种非均匀照明彩色图像增强方法 |
Non-Patent Citations (1)
Title |
---|
陆涛;: "基于统计特征分类耦合自适应Gamma校正的图像增强算法", 电子测量与仪器学报, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763278A (zh) * | 2021-09-10 | 2021-12-07 | 昆山丘钛微电子科技股份有限公司 | 一种图像校正方法及装置 |
CN113923429A (zh) * | 2021-12-16 | 2022-01-11 | 成都索贝数码科技股份有限公司 | 一种基于色卡的颜色校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112561829B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345491B (zh) | 一种融合梯度和灰度信息的遥感图像增强方法 | |
CN102436640A (zh) | 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法 | |
CN112561829B (zh) | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 | |
JPH05225332A (ja) | 空間的可変濾波の方法及び装置 | |
Zhang et al. | Efficient fusion scheme for multi-focus images by using blurring measure | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CN105809643A (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
CN109658367A (zh) | 基于彩色传递的图像融合方法 | |
CN112435184A (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
CN116542888A (zh) | 一种多聚焦彩色图像获取方法及产品 | |
CN116452447A (zh) | 一种低照度高清图像处理方法 | |
CN102750680A (zh) | 基于经验模式分解和颜色空间的茶叶图像增强方法 | |
CN102800061B (zh) | 高照度下数字图像快速自适应最佳化方法 | |
CN108830817A (zh) | 一种基于灰度校正的直方图均衡化图像增强方法 | |
CN114549386A (zh) | 一种基于自适应光照一致性的多曝光图像融合方法 | |
CN112019774B (zh) | 一种红外高位宽数字图像的高质量显示方法 | |
Chandana et al. | An optimal image dehazing technique using dark channel prior | |
CN109165569B (zh) | 基于ba算法的被动毫米波图像极化信息显示方法 | |
CN113658157A (zh) | 一种基于hsv空间的颜色分割方法及装置 | |
Zheng | A channel-based color fusion technique using multispectral images for night vision enhancement |
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 |