一种基于引导滤波的低照度图像增强方法与流程

本发明涉及计算机视觉领域，具体涉及一种基于引导滤波的低照度图像增强方法。

背景技术：

低照度彩色图像多为低对比度、低照度图像，动态范围压缩有限，较难反映物体的真实颜色信息，给视频监控、交通检测等工作带来很大的困难。因此，低照度图像增强技术的研究具有很强的现实意义。

低照度图像增强的最终目的是使低照度图像具有自然颜色效果和暗调层次的再现。图像增强不需多幅图像样本作为参照，主要用于单幅图像的视觉效果改善上，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，主要包括直方图的方法、基于Retinex原理的方法、基于小波的方法等。图像增强的算法几乎均可应用在彩色图像、非固定视角的实际场合，目前也成为研究的热点。

Retinex算法的目的是从图像中去除场景照度分量的影响，获得实际反射分量。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问题。“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。

考虑到以上问题，本发明提出了一种基于引导滤波的低照度图像增强方法。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；并使用一种线性的引导滤波来进行照度分量估计，突出图像细节信息，消除“光晕伪影”现象。可以使增强后的图像整体更加协调自然，更加符合人类观察特点，并具有效率高和实时性强的特点。

技术实现要素：

本发明的目的在于提出一种能够满足准确性和实时性需求的基于引导滤波的低照度图像增强方法。

为实现本发明的目的，本发明的具体技术方案如下：

一种基于引导滤波的低照度图像增强方法，包括以下步骤：

第一步，将原始低照度图像由RGB颜色空间转换到HSV颜色空间；

第二步，在HSV颜色空间下对亮度图像采用一种具有保边特性的线性引导滤波进行处理，获得照度分量图像；并根据Retinex原理通过对数变化得到反射分量图像，通过Gamma变换校正所述反射分量图像；

第三步，在HSV颜色空间下对图像的S分量饱和度进行增强；

第四步，将图像由HSV颜色空间转换到RGB颜色空间；

第五步，通过颜色恢复函数进行颜色恢复，最终得到增强后的彩色图像。

作为本发明方法的优选技术方案，所述第一步具体包括根据公式(1)将原始低照度图像由RGB颜色空间转换到HSV颜色空间；

其中，T_max为R,G,B中最大值，T_min为最小值。

作为本发明方法的优选技术方案，所述第二步具体包括以下内容：

将原低照度图像I(x)经过HSV颜色空间转换得到饱和度图像I_S(x,y)、色调图像I_H(x,y)和亮度图像I_V(x,y)，先对亮度图像I_V(x,y)进行计算来估计照度分量；

基于引导滤波的反射分量的求解公式可表示为：

式中：为对数形式下的反射分量；f为引导滤波函数；引导滤波可表示为局部线性模型：

q_j＝a_kI_V,j+b_k (3)

式中：q_j为图像I_V窗口ω_k中j像素处的线性变换灰度值，I_V,j为图像I_V窗口ω_k中j像素值，k为窗口ω_k的中心像素，系数a_k和b_k为常数；局部线性系数a_k和b_k采用以下方式求解：

b_k＝(1-a_k)μ_k (4)

式中：μ_k和σ_k分别为图像窗口ω_k中像素的均值和标准差，N_ωk为窗口ω_k中的像素数量，δ为正则化参数，引导滤波函数为

将式(5)代入式(2)得到最后经过反对数变换得到反射分量估计值即

采用非线性的全局Gamma校正方法进行亮度调整，即

式中γ为校正参数，取值范围为1～+∞。

作为本发明方法的优选技术方案，所述第三步具体包括以下内容：

基于HSV空间，采用饱和度增强算子以获取更鲜亮的颜色，表达式为：

S'＝S^γ (8)

式中：S和S'分别表示增强前与增强后的饱和度，γ为拉伸系数。

作为本发明方法的优选技术方案，所述第四步具体包括以下内容：

利用(9)式使HSV颜色空间转换回RGB空间：

作为本发明方法的优选技术方案，所述第五步具体包括以下内容：

设在RGB色彩空间对第四步处理后的图像为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；

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) (11)

C_i(x,y)为(10)式得到的颜色恢复函数，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、本发明方法选择空间变化到HSV空间，更接近人类视觉期望值进行图像增强处理，有效地克服了在RGB彩色空间的增强容易造成图像颜色失真的问题。

2、本发明方法利用线性引导滤波估计照度分量，具有平滑与保边功能、以及实时性，有效地消除了“光晕伪影”现象，同时较好地突出了图像的细节信息。

3、本发明方法不仅对亮度分量V进行了处理，对饱和度分量S也进行了增强。

4、本发明方法采用了一种优化的颜色恢复函数对夜间图像颜色进行恢复，该颜色恢复函数根据夜间彩色图像的特点进行构造，具有调节图像颜色比重、抑制暗区域噪声、较好恢复颜色信息等能力。

附图说明

图1是本发明中的基于引导滤波的低照度增强算法的流程图。

图2-3是本发明中的基于引导滤波的低照度增强算法效果图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本具体实施方式为一种基于引导滤波的低照度图像增强方法，该方法主要包括：首先将彩色图像由RGB空间转换到HSV空间，对V分量进行MSR(Multi-Scale Retinex)操作进行图像增强，再对增强后的图像进行饱和度校正，对S分量进行饱和度增强，最后再将其转换回到RGB空间，该方法具体步骤如下：

第一步，将原始低照度图像由RGB颜色空间转换到HSV颜色空间；

由于基于Retinex的算法是以灰度世界假设为基础的，在RGB彩色空间的增强处理容易造成图像颜色失真，而HSV能较好地反映人对色彩的感知和鉴别，因此本发明选择感知上更加接近人类视觉期望值的HSV颜色空间的基础上进行图像增强处理，因此需将原始低照度图像由RGB颜色空间转换到HSV颜色空间，所述转换方法如下的公式(1)所示。

其中，T_max为R,G,B中最大值，T_min为最小值。

第二步，在HSV颜色空间下对亮度图像采用一种具有保边特性的引导滤波进行处理，获得照度分量图像，根据Retinex算法原理，通过对数变化得到反射分量图像；

将原低照度图像I(x)经过HSV颜色空间转换得到饱和度图像I_S(x,y)、色调图像I_H(x,y)和亮度图像I_V(x,y)，先对亮度图像I_V(x,y)进行计算来估计照度分量。

针对基于Retinex的图像增强算法在高对比度边缘区域存在“光晕伪影”现象的问题，现有技术中常见的处理方法是采用边缘保持双边滤波代替高斯滤波作为环绕函数来估计光照分量，虽然双边滤波在平滑的同时可很好地保留细节信息，但其时间复杂度较高。传统双边滤波的时间复杂度为o(Nr²)，其中r为滤波窗口半径，N为图像的像素数，在窗口半径r较大或处理大分辨率图像时计算时间过长，因此传统双边滤波方法效率较低。本发明采用同样具有平滑与保边功能的线性引导滤波估计照度分量，其时间复杂度只有O(N)，而且执行速度与滤波窗口的尺寸无关，相比采用双边滤波估计照度分量而言，其处理效率更高。基于引导滤波的反射分量的求解公式可表示为：

式中：为对数形式下的反射分量；f为引导滤波函数。引导滤波可表示为局部线性模型：

q_j＝a_kI_V,j+b_k (3)

式中：q_j为图像I_V窗口ω_k中j像素处的线性变换灰度值；I_V,j为图像I_V窗口ω_k中j像素值，k为窗口ω_k的中心像素；在窗口ω_k中，系数a_k和b_k为常数。这个模型也可应用在图像抠图、图像超分辨率重建和图像去雾中。局部线性系数a_k和b_k采用以下方式求解：

b_k＝(1-a_k)μ_k (4)

式中：μ_k和σ_k分别为图像窗口ω_k中像素的均值和标准差；为窗口ω_k中的像素数量；δ为正则化参数，用于平衡平滑与边缘保持的程度，其值越大平滑性越差。为了获得稳定的q_j，需要进行平均值化处理，从而将式(3)的线性模型应用到整幅图像，即可得到引导滤波函数为

将式(5)代入式(2)得到最后经过反对数变换得到反射分量估计值即

经过引导滤波的照度分量估计之后的反射图像一般整体偏暗，须进行调整以提高图像质量，本具体实施方式采用非线性的全局Gamma校正方法进行亮度调整，即

式中R_V(x,y)为经非线性的全局Gamma校正方法进行亮度调整后的反射图像，γ为校正参数，取值范围为1～+∞，本具体实施方式中取经验值γ＝3。

第三步：在HSV颜色空间下对图像的S分量饱和度进行增强；

当对图像的亮度分量增强后，图像的饱和度会出现偏低的现象，因此，基于HSV空间，本具体实施方式采用饱和度增强算子以获取更鲜亮的颜色，表达式为：

S'＝S^γ (8)

式中：S和S'分别表示增强前与增强后的图像饱和度；γ为拉伸系数，用于控制饱和度增强的程度，本具体实施方式中γ取0.5～1之间的值。

第四步，将图像由HSV颜色空间转换到RGB颜色空间。

利用(9)式使HSV颜色空间转换回RGB空间：

第五步：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，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，本具体实施方式提出一种优化的颜色恢复函数，设在RGB色彩空间对第四步处理后的图像为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) (11)

C_i(x,y)为(10)式得到的颜色恢复函数，R(x,y)为最终获得的增强图像。

本发明采用的线性引导滤波，消除了“光晕伪影”现象，能够较好地突出图像的细节信息。并用优化的颜色恢复函数对低照度图像进行恢复，具有调节图像颜色比重、抑制暗区域噪声、较好恢复颜色信息等能力。同时在运算方面效率也较高，具有好的实时性。

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系统和具体实施步骤。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。