本发明属于全景图像增强领域,具体涉及一种多尺度图像增强方法。
背景技术:
全景照片或者视频在获取时,因为全向视角的特点,相机拍照环境中的动态范围过大,导致照片中产生过暗和过亮区域,是图像的质量下降。另外全景相机在夜晚光线不足,或者照明条件不足的场景下,常常会导致图像或者亮度不够,或者对比度偏低。总之,全景相机受到拍照环境的影响,要远大于普通相机,所以需要对全景相机的图像和视频进行增强。
目前常用算法不足以解决全景图像的图像增强问题。传统的直方图均衡化,通过对灰度分布密集的区间进行扩展,可以非常显著地提高图像的对比度,但是对噪声的放大是直方图均衡算法不可避免的问题。retinex算法是一种非常优秀的图像增强算法,但是为了保证原始图像色彩不变,引入了非常复杂的色彩恢复算法,另外在光线变化剧烈的地方,不可避免出现光晕现象。
技术实现要素:
本发明公开了一种多尺度全景图像增强方法,利用多尺度算法,可以对图像中不同频率分别进行增强,提出了一种曝光补偿算法,引入了全局光照和局部光照参数,可以对低光照、普通光照和高光照图像和图像区域进行自适应的光照补偿,自动调整增强后的图像亮度和对比度;引入了色彩通道增强算法,根据增强后的y通道与输入的y通道变化关系,进行色彩通道的增强,减少了色彩失真。
为了解决上述存在的技术问题,本发明采用了以下方案:
一种多尺度全景图像增强方法,其特征在于:包括以下步骤:
(1)输入图像,根据图像的尺寸确定增强图像所需要的大中小3种不同尺度的窗口大小;
(2)计算输入图像y通道的全局平均值;
(3)分别对输入图像y通道在不同尺度的窗口下在对数域中进行增强;
(4)对不同尺寸下对数域增强图像进行加权平均,然后取自然指数,得到输出图像的y通道;
(5)利用输出图像y通道和输入图像y通道增强输入图像的uv通道。
上述步骤1中根据输入图像尺寸选取合适的尺度窗口,如果图像的尺寸越大,那么每一个尺度窗口的大小也就越大。
上述步骤2,求取输入图像y通道y(x,y)的全局平均值,公式如下:
上述步骤3,可以按照以下步骤进行实现:
按照尺度i的窗口大小si,为输入图像y通道每个像素计算平均值,得到局部均值图像:
对输入图像y通道y(x,y)和局部均值图像分别取对数,并求细节图像:
ri(x,y)=ln(y(x,y))-ln(μi(x,y))(3)
利用局部均值和整体均值对输入图像进行曝光补偿,提升图像的整体亮度,补偿方法为:
ai(x,y)=αi(μ)(fi(μi(x,y))-ln(μi(x,y)))(4)
其中αi()与图像的平均亮度有关,其函数为:
在这里w取值范围为0.2~0.7,建议取值为0.3;thhigh为高亮度图像阈值,在方法中取值为180。
函数fi(k)与图像的局部亮度有关,由如下公式计算:
在这里fmin取值为130~160之间,建议值为150。
求取y通道尺度i的增强图像:
ln(yi(x,y)=ln(y(x,y))+βiri(x,y)+ai(x,y)(7)
其中βi为细节控制参数,取值区间为0~0.4,取值越大,细节增强幅度越大,同时噪声也越大,建议值为0.2。
上述步骤4中,对大中小3中尺度下对数域增强图像进行加权平均,得到对数域增强的y通道图像:
ln(yout(x,y))=(8)
其中γi为加权平均系数,γ1+γ2+γ3=1。最后得到输出y通道图像:
γ1,γ2,γ3建议取值为1/3。
上述步骤5中,为每个像素点计算uv通道的增强比例:
对于输出图像每个像素点的uv通道,按照如下公式计算:
uout(x,y)=max(0,min(255,(u(x,y)-128)ratiouv(x,y)+128))(11)
vout(x,y)=max(0,min(255,(v(x,y)-128)ratiouv(x,y)+128))(12)
附图说明
图1为本发明图像y通道增强流程图。
图2为本发明图像uv通道增强流程图。
具体实施方式
下面结合附图,对本发明做进一步说明:
本发明实施提出了一种多尺度全景图像增强方法。其执行过程如下:
第一步:根据图像的尺寸确定增强图像所需要的大中小3种不同尺度的窗口大小。
一般的,根据经验,设图像宽为w,高为h,如果像素数wh小于600000,那么3种尺度的窗口大小分别为:4×4,2×2和1×1;如果像素数wh大于600000,且小于3000000,那么3种窗口的尺寸分别为:8×8,4×4和2×2;如果像素数wh大于3000000,那么3种窗口的尺寸分别为:16×16,8×8和4×4。
第二步:计算输入图像y通道的全局平均值。
计算公式如下:
第三步:分别对输入图像y通道在不同尺度的窗口下在对数域中进行增强。
按照尺度i的窗口大小si,为输入图像y通道每个像素计算平均值,得到局部均值图像:
对输入图像y通道y(x,y)和局部均值图像分别取对数,并求细节图像:ri(x,y)=ln(y(x,y))-ln(μi(x,y))(3)
利用局部均值和整体均值对输入图像进行曝光补偿,提升图像的整体亮度,补偿方法为:
ai(x,y)=αi(μ)(fi(μi(x,y))-ln(μi(x,y)))(4)
其中αi()与图像的平均亮度有关,其函数为:
在这里w取值范围为0.2~0.7,建议取值为0.3;thhigh为高亮度图像阈值,在方法中取值为180。
函数fi(k)由如下公式计算:
在这里fmin取值范围为130~160,建议值为150。
求取y通道尺度i的增强图像:
ln(yi(x,y)=ln(y(x,y))+βiri(x,y)+ai(x,y)(7)
其中βi为细节控制参数,取值区间为0~0.4,取值越大,细节增强幅度越大,同时噪声也越大,建议值为0.2。
第四步:对不同尺寸下对数域增强图像进行加权平均,然后取自然指数,得到输出图像的y通道。
ln(yout(x,y))=∑iγiln(yi(x,y))(8)
其中γi为加权平均系数,γ1+γ2+γ3=1,建议取值为1/3。最后得到输出y通道图像:
第五步:利用输出图像y通道和输入图像y通道增强输入图像的uv通道。
首先,为每个像素点计算uv通道的增强比例:
然后,按照如下公式计算输出图像每个像素点的uv通道:
uout(x,y)=max(0,min(255,(u(x,y)-128)ratiouv(x,y)+128))(11)
vout(x,y)=max(0,min(255,(v(x,y)-128)ratiouv(x,y)+128))(12)
上面结合附图对本发明进行了示例性的描述,显然本发明的实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围内。