一种非均匀照明彩色图像增强方法与流程

本发明涉及彩色图像处理技术领域，尤其涉及一种非均匀照明条件下图像增强方法及系统。

背景技术：

现实生活中，由于照明或某些其他条件(如成像装置限制和天气的变化)，经常造成图像暗部区域模糊不清、图像对比度低等现象，这样的图像首先给人带来视觉上的不舒适，同时也不利于后续的图像处理工作。尽管图像捕获设备获得极大的改进，但仍然存在各种自然和人工伪影，这导致所捕获图像的质量较差。因此，对于原始捕获彩色图像的视觉效果和质量改进是图像预处理必不可少的部分。而非均匀光照彩色图像增强则仍然是其中一个悬而未决、极具研究意义的问题，为了改善这类图像的视觉效果，需要对此类图像进行图像增强。

非均匀照明彩色图像增强非常重要。目前对图像亮度不均处理的方法很多，其中基于直方图均衡化的方法和基于Retinex理论的方法受到很多学者的关注，这些算法的出现都是为了尽可能地改善图像亮度不均问题。全局直方图均衡和局部直方图均衡都可以有效地增强整体图像对比度，但是会通过过度增强图像来产生不自然的效果，此外，这些方法存在诸如过度增强、图像变白、图像亮度无法保留等问题。Retinex理论自提出以来就吸引了许多学者，随后发展成为单尺度Retinex算法(Single-scale Retinex，SSR)、多尺度Retinex算法(Multi-scale Retinex，MSR)和带色彩恢复的多尺度Retinex增强算法(MSRCR)。虽然这些方法可以使细节增强，由于基于Retinex的方法分别处理RGB通道中的图像，当原始图像不符合“灰色世界假设”时，它们可能会导致颜色失真，甚至出现“光晕伪影”的现象。因此，研究一种非均匀照明条件下图像增强方法，是急需解决的问题。

技术实现要素：

针对照度不均、整体对比度低的彩色图像，为了解决现有方法对图像增强时出现的暗部区域细节增强不明显以及局部亮区域过度增强的问题，本发明提出了一种非均匀照明彩色图像增强方法，用于自适应地增强非均匀照明彩色图像。利用对比度受限的自适应直方图均衡化(contrast limited adaptive histogram equalization，CLAHE)方法处理L*a*b*色彩空间的L*通道图像、增强对比度，采用双伽马校正函数对HSV色彩空间V通道进行处理、增强亮度，利用构建的自适应拉伸函数对S通道进行拉伸、增强饱和度，最终得到增强的彩色图像。能够有效提升图像的对比度、亮度和饱和度，对彩色图像达到更自然的增强效果，可明显改善图像中的高亮区域。

本发明所要解决的技术问题在于克服现有技术的不足，提供一种非均匀照明彩色图像增强方法，解决现有图像增强技术无法满足由光照不均等原因所造成的图像局部亮区域的过度增强以及暗部细节增强效果不佳等问题。

本发明具体采用以下技术方案解决上述技术问题：

S1、读入非均匀照明彩色图像；

S2、将RGB彩色图像转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*；

S3、采用CLAHE对L*a*b*色彩空间的L*分量处理得到对比度增强的分量L1*；

S4、将亮度分量L1*和色度分量a*、b*组合得到L*a*b*色彩空间图像，并反转换回RGB色彩空间；

S5、将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；

S6、对HSV色彩空间的V分量进行双伽马校正处理得到亮度调整的V1分量；

S7、使用一种自适应非线性拉伸函数对HSV色彩空间的S分量拉伸，得到饱和度增强的S1分量；

S8、将亮度分量V1、饱和度分量S1和色调分量H组合得到HSV彩色图像，并将其反转换回RGB色彩空间；

S9、最后获得经过增强后的彩色图像；

优选的，所述S2的从RGB色彩空间到L*a*b*色彩空间之间没有简单的转换公式，RGB色彩空间需要先转为CIEXYZ色彩空间，然后再由CIEXYZ色彩空间转为CIE L*a*b*色彩空间，转换过程具体包括：

S21、将RGB色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：

其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。

S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，使用的转换公式如下所示：

其中，L*、a*、b*分别为L*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。

优选的，所述S3的双伽马校正函数的实现方法为：

其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，一般取γ＝2.5。Ga(x)是一个凸函数，用于增强暗区域。Gb(x)是一个凹函数，用于抑制图像的亮区域。G(x)为灰度图像中像素值为x的灰度值经过双伽马校正后得到的增强图像的灰度值。

优选的，所述S4的图像从L*a*b*色彩空间重新反转换回RGB色彩空间的具体步骤为：

S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：

这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f^-1(t)，表达形式为：

S42、CIEXYZ色彩空间转换到RGB色彩空间，使用的转换公式如下所示：

其中，分别为转换之后RGB图像中R分量、G分量、B分量的值；

优选的，所述S5的图像从RGB色彩空间转换成HSV色彩空间，使用的转换公式如下所示：

其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。

优选的，所述S6的双伽马校正函数实现方法为：Ga(x)＝x^1/γ，Gb(x)＝1-(1-x)^1/γ，G(x)＝αGa(x)+(1-α)Gb(x)，其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，一般取γ＝2.5，Ga(x)是一个凸函数，用于增强暗区域，Gb(x)是一个凹函数，用于抑制图像的亮区域，α是校正参数，取值范围为[0，1]，最终校正函数G(x)是由Ga(x)和Gb(x)共同取值得到的，G(x)为灰度图像中像素值为x的灰度值经过双伽马校正后得到的增强图像的灰度值。

优选的，所述S7的所使用的自适应非线性拉伸函数公式为：

式中，S为非线性拉伸前图像饱和度，S1为非线性拉伸后图像饱和度，和分别为步骤S42所得RGB色彩空间对应像素点的颜色分量的最大值、最小值和平均值。

优选的，所述S8中图像由HSV色彩空间重新变换回RGB色彩空间，使用的变换公式如下所示：

式中，C是色度，X是具有这种颜色的第二大成分的中间值。

发明所达到的有益效果：本发明是一种非均匀照明彩色图像增强方法，通过对L*a*b*色彩空间中的亮度L*进行局部处理来提高图像对比度，对HSV色彩空间中的亮度分量V、饱和度分量S进行处理，来消除图像亮度不均、暗处细节不突出、饱和度低、颜色不易分辨的问题，解决了图像局部亮区域的过度增强以及暗部细节增强效果不佳的技术问题。本发明输出的图像亮度分布均匀，颜色自然，整体纹理和细节清晰完整。

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中记载的一些实施例，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为本发明一种非均匀照明彩色图像增强方法的流程图；

图2为双伽马校正函数曲线变化图；

图3为本发明一较佳实施例中的彩色图像增强结果对比图，其中，(a)为原始图像，(b)为HE的输出结果，(c)为MSRCR的输出结果，(d)为仅在L*a*b*色彩空间中L*分量使用CLAHE的输出结果，(e)为仅在HSV色彩空间中V分量使用双伽马校正的输出结果，(f)为本发明的输出结果。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种非均匀照明彩色图像增强方法流程图如图1所示，采用CLAHE对L*通道图像进行处理以提高图像对比度，利用双伽马校正函数对HSV色彩空间中V通道的亮度进行调整，双伽马校正可以很好地提高图像亮度，丰富暗部区域细节信息，并抑制住图像中较亮区域的增强，防止出现过度增强。使用一种自适应拉伸函数对HSV色彩空间的S分量进行拉伸，以提高图像饱和度，增强非均匀照明彩色图像，包括如下步骤：

S1、输入并读取低照度条件下的非均匀照明彩色图像I，具体实现为：利用matlab中的函数imread读取输入的原始彩色图像；

S2、将RGB彩色图像I转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*，从RGB色彩空间到L*a*b*色彩空间之间没有简单的转换公式，RGB色彩空间需要先转为CIEXYZ色彩空间，然后再由CIEXYZ色彩空间转为CIE L*a*b*色彩空间，具体转换步骤为：

S21、将RGB色彩空间转换到CIEXYZ色彩空间，具体实施时使用的转换公式如下所示：

其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。

S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，具体实施时使用的转换公式如下所示：

其中，L*、a*、b*分别为CIE L*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。

S3、采用对比度受限直方图均衡方法(CLAHE)对L*a*b*色彩空间的L*分量处理得到对比度增强的亮度分量L1*，具体实现为：利用matlab中的函数adapthisteq将图像L*灰度化进行限制对比度直方图均衡化；

S4、将亮度分量L1*和色度分量a*、b*组合得到L*a*b*色彩空间图像，并转换回RGB彩色图像I1，从L*a*b*色彩空间重新反转换回RGB色彩空间的具体步骤为：

S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，具体实施时使用的转换公式如下所示：

这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f^-1(t)，表达形式为：

S42、CIEXYZ色彩空间转换到RGB色彩空间，得到RGB彩色图像I1，具体实施时使用的转换公式如下所示：

其中，分别为转换之后RGB图像中R分量、G分量、B分量的值；

S5、将图像I1从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V，具体实施时将彩色图像I1转换成HSV色彩空间使用的转换公式如下所示：

其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。

S6、对HSV色彩空间的V分量进行双伽马校正处理得到亮度调整的V1分量；

具体地，按照如下公式对亮度分量V进行双伽马校正：

其中，x是归一化之后输入图像的灰度值，γ是可调节变量，用于调整图像增强程度，本发明取γ＝2.5。Ga(x)是一个凸函数，用于增强暗区域，Gb(x)是一个凹函数，用于抑制图像的亮区域，G(x)为灰度图像归一化之后像素值为x的灰度值经过伽马校正后得到的增强图像的灰度值。

双伽马函数曲线变化参见图2，通过双伽马校正函数调节，可使暗区域增强与亮区域抑制之间保持平衡，对所述非均匀照明彩色图像进行处理时，包括以下步骤：

S61、对亮度分量V图像进行归一化处理，将其像素值范围调整到[0，1]之间。

S62、使用双伽马调整函数G(x)进行对V通道进行图像增强。

S63、将其像素值范围调整到[0，255]之间，得到初步增强分量图像V1。

S7、使用一种自适应非线性拉伸函数对HSV色彩空间的S分量拉伸得到饱和度增强的S1分量，本发明所构建的自适应非线性拉伸函数定义为：

式中，S为非线性拉伸前图像饱和度，S1为非线性拉伸后图像饱和度，和分别为步骤S42所得RGB色彩空间对应像素点的颜色分量的最大值、最小值和平均值。

S8、将亮度分量V1、饱和度分量S1和色调分量H组合得到HSV彩色图像，并进行反变换回RGB彩色图像，具体实施时使用的变换公式如下所示：

式中，C是色度，X是具有这种颜色的第二大成分的中间值。

S9、最后获得经过增强后的彩色图像Iout；

在本发明的一种实施例中，从大量非均匀照明彩色图像中选取一个场景来进行实验，图像大小为670×439，可验证本发明的适用性。原始图像的可观测性比较差，采用本发明方法对彩色图像进行增强处理，并与有代表性的对比度增强方法如直方图均衡化(HE)、带彩色恢复的多尺度Retinex算法(MSRCR)，仅在HSV色彩空间的V通道使用双伽马校正方法和仅在L*a*b*色彩空间的L*通道使用限制对比度的自适应直方图均衡方法(CLAHE)进行增强效果对比，对比结果如图3所示。

图像由明亮的柱子和黑暗的树木组成，在这个图像中，有一些黑暗区域，特别是在树木上仍有待增强。从增强结果图像可以看出，传统直方图均衡(HE)能够有效提高图像整体对比度及亮度，但是在白色柱子处存在亮度过度增强问题，这样会导致图像高亮度区域的扩散，过度增强区域细节不清晰。MSRCR方法处理结果显示图像整体对比度较低，不利于观察图像细节。图3(d)中对比度明显提高，但其暗部细节如树木处增强效果不明显，图3(e)图像整体亮度提高，但对比度和饱和度不高。本发明所提出的方法能够有效提高图像整体对比度、亮度和饱和度，既增强了背景细节，又对柱子没有过度增强而导致细节丢失，增强效果更好，观看舒适度更高。

为了对本发明提出的方法在处理彩色图像方面进行有效的客观量化评价，分别采用平均梯度(Mean Gradient)、灰度均值(Gray mean value)、熵(Entropy)三种评价指标对实验结果进行评估。

平均梯度(Mean Gradient)反映了图像的清晰度和纹理变化，值越大说明图像越清晰，平均梯度值采用下面公式计算：

其中，M×N为图像大小，表示水平方向梯度，为垂直方向梯度。

灰度均值(Gray mean value)反映了图像的平均亮度，值越大说明图像亮度越大。

熵(Entropy)可以衡量图像所携带的信息量，图像的熵值越大，代表图像所含的信息量越大、细节越丰富，熵值采用下面公式计算：

其中，p(i)为某个灰度值(i)在该图像中出现的概率。

在本发明的一种实施例中，分别采用指标Mean Gradient(MG)、Entropy和Gray mean value评价本发明提出方法和参与对比的算法对图像增强处理的效果，结果见表1。

表1 不同增强方法对测试图像的Mean Gradient、Entropy和Gray mean value值定量比较

经过各种方法处理后，HE、CLAHE及本文方法平均梯度(MG)的值明显大于其他方法，图像相对清晰，HE方法会对高亮度区域过度增强，影响高亮度区域细节观察，因此熵值(Entropy)较低。CLAHE处理L*通道图像更清晰，对比度增加，这正是本发明选取CLAHE方法增强亮度通道的原因，但是暗处细节增强不明显，需要提高图像亮度。由表1可知通过双伽马校正增强图像之后亮度得到很大改善，此外本发明方法和在L*通道使用CLAHE方法处理图像熵的值均高于其他方法，说明校正后图像中所包含的信息量进一步变大，进而可以从中提取到更多的信息，但是由主观评价可得出结论，仅在L*通道使用CLAHE方法处理图像，视觉效果不佳，因此整体而言本发明所提出的图像增强方法增强效果明显优于其他方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。