基于双边滤波和改进直方图均衡化的低照度图像增强方法

1.本发明属于图像增强技术领域，具体涉及一种基于双边滤波和改进直方图均衡化的低照度图像增强方法。


背景技术：

2.图像处理技术的应用范围涉及了视频监控、航空航天、疾病诊断、电影制作等重要领域。但是现实生活中，光线不足、夜间、暴雨等特殊自然环境的因素产生往往导致图像采集的硬件设备所获得的图像质量很差，图像总是出现细节模糊、颜色失真、色彩偏暗、产生噪声等严重问题，对图像后续处理如目标识别等带来了巨大的麻烦。图像增强的目的就是使得图像中有用的信息得到正确的传递，降低图像中的噪声或者无用的信息，改善图像整体质量。
3.低照度图像中的物体边缘细节不能突出表现，图像对比度低，人眼不能获得有用的信息。因此，对于低照度图像进行降噪、增强处理，可以提高图像整体的质量和视觉感受，使图像更易于识别和后期处理。所以，对于低照度图像的增强研究具有十分重要的意义与实用价值。
4.全局直方图均衡方法具有增强简单，运算速度快与效果显著的优点，但是，同时也存在灰度被吞并，图像细节丢失与视觉生硬的问题。


技术实现要素：

5.为了解决直方图均衡化过度增强的问题并更好的进行边缘保存，本发明的目的在于提供一种基于双边滤波和改进直方图均衡化的低照度图像增强方法。
6.为实现以上目的，本发明采用如下技术方案：
7.基于双边滤波和改进直方图均衡化的低照度图像增强方法，具体包括如下步骤：
8.1)收集需要增强的图像，并将采集到的rgb图像颜色空间转换为hsi空间；
9.2)将s和i进行直方图均衡化，其中s指饱和度，i指亮度，在直方图均衡化时，选择幂函数的形式y＝cxa作为映射函数；
10.3)将直方图均衡化后的s、i作为新的饱和度和亮度与h生成新的hsi图像，并将hsi图像转化为rgb图像，其中h指色调；
11.4)对rgb图像进行双边滤波，输出增强图像。
12.进一步地，所述步骤1)中将rgb图像颜色空间转换为hsi空间具体为：
[0013][0014]
[0015][0016][0017]
其中r,g,b分别对应rgb彩色空间中的三个分量。
[0018]
进一步地，所述步骤2)具体包括如下子步骤：
[0019]
2.1)提取hsi空间数据的s、i通道数据，首先将s、i两通道的数据同时变换为[0，255]间的整数，进行灰度级的累计数目：
[0020]
h(rk)＝nk，k＝0,1,2
……
,255
[0021]
其中rk表示灰度级，nk表示灰度为rk的像素的数量；
[0022]
2.2)计算s、i两通道各灰度级出现的频率：
[0023]
p(rk)＝nk/n
[0024]
n＝m
×n[0025]
其中m、n分别表示数字图像的行数和列数；
[0026]
2.3)将直方图频率进行累加：
[0027][0028]
2.4)利用映射函数sk＝c
×
t(rk)a，计算相应的灰度级，其中sk表示最终的输出灰度级，c表示增强后图像的最大化灰度级，a表示调节参数。
[0029]
进一步地，若最终的增强输出图片未达到想要的质量，则改进参数c和a。
[0030]
进一步地，所述步骤3)将hsi图像为rgb图像具体为：s、i通道数据变为[0，1]区间内，然后和h通道数据构成新的hsi空间图像，之后将hsi空间转换为rgb彩色空间。
[0031]
进一步地，所述步骤3)具体表示为：
[0032]
3.1)当0
°
≤h≤120
°
时
[0033][0034]
3.2)当120
°
≤h≤240
°
时:h＝h-120
°
[0035][0036]
3.3)当240
°
≤h≤360
°
时:h＝h-240
°
[0037][0038]
进一步地，所述步骤4)对rgb图像进行双边滤波具体表示为：
[0039][0040]
其中wq表示双边滤波权重矩阵，gs代表空间距离权重，gr代表像素值权重，f(i,j)表示中心坐标(i,j)处的像素值。
[0041]
进一步地，双边滤波权重wq为：
[0042]
wq＝∑g
sgr
[0043]
进一步地，空间距离权重gs为：
[0044][0045]
其中，p表示中心坐标(i,j)，q表示以(i,j)为中心的领域内的任意一点(k，l)，||p-q||表示两点间的欧式距离，σs表示全局方差。
[0046]
进一步地，像素值权重gr为：
[0047][0048]
其中，f(k,l)表示(k,l)处的像素值，f(i,j)表示(i,j)处的像素值，σr表示局部方差。
[0049]
与现有技术相比，本发明具有如下有益效果：
[0050]
本发明基于双边滤波和改进直方图均衡化的低照度图像增强方法，使用可以改进参数的直方图均衡化和双边滤波相结合，对低照度的图像进行增强和边缘保存，使图像在信噪比、信息熵以及颜色保真等方面具有良好的性能，和原直方图均衡的方法相比，在图像饱和度、边缘保持等方面取得更优良的效果，有利于之后在暗图像中进行背景分离。具体地，本发明对hsi空间中的s(饱和度)、i(亮度或强度)进行直方图增强，在直方图增强时，选取幂函数作为映射函数，便于参数调整，在直方图均衡化后，在将图像转化为rgb颜色空间，进行双边滤波，使图像在信噪比、信息熵以及颜色保真等方面具有良好的性能，同时可以进行边缘保持。
附图说明
[0051]
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0052]
图1为本发明基于双边滤波和改进直方图均衡化的低照度图像增强方法的流程图；
[0053]
图2为本发明中改进直方图均衡化的流程图；
[0054]
图3为饱和度s和亮度i的累计直方图，其中，a为s灰度级累计直方图，b为i灰度级
累计直方图；
[0055]
图4为饱和度s和亮度i的频率直方图，其中，a为s灰度级频率直方图，b为i灰度级频率直方图；
[0056]
图5为实施例图像给出的原图像和he方法增强后图像及本发明增强后图像的对比图，其中a为原图像，b为he方法增强后图像，c为本发明增强后图像。
具体实施方式
[0057]
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
[0058]
如图1所示，为本发明基于双边滤波和改进直方图均衡化的低照度图像增强方法的流程图，本发明图像增强方法具体包括如下步骤：
[0059]
1)收集需要增强的图像，并将采集到的rgb图像颜色空间转换为hsi空间，便于后续的图像处理；
[0060]
2)将s和i进行直方图均衡化，其中s指饱和度，i指亮度，相比于只将亮度i进行直方图的均衡化处理，将饱和度s也进行增强，在增强图像对比度的同时，增加图像的饱和度。在直方图均衡化时，选择幂函数的形式y＝cxa作为映射函数，便于参数调整；
[0061]
如图2所示，步骤2)具体包括以下步骤：
[0062]
所述步骤2)具体包括如下子步骤：
[0063]
2.1)提取hsi空间数据的s、i通道数据，由于s、i通道数据的范围都是在[0，1]之间，因此首先将s、i两通道的数据同时变换为[0，255]间的整数，进行灰度级的累计数目：
[0064]
h(rk)＝nk，k＝0,1,2
……
,255
[0065]
其中rk表示灰度级，nk表示灰度为rk的像素的数量；
[0066]
图片的饱和度s，亮度i累计直方图如图3所示。
[0067]
2.2)计算s、i两通道各灰度级出现的频率：
[0068]
p(rk)＝nk/n
[0069]
n＝m
×n[0070]
其中m、n分别表示数字图像的行数和列数，本实施例中m为1334，n为2000，则n为1334
×
2000。频率直方图如图4所示；
[0071]
2.3)将直方图频率进行累加：
[0072][0073]
得到累加频率；
[0074]
2.4)利用映射函数sk＝c
×
t(rk)a，计算相应的灰度级，其中sk表示最终的输出灰度级，c表示增强后图像的最大化灰度级，在亮度方面，c越大，整幅图像越亮，反之，整幅图像越暗；在饱和度方面，c越大，图像饱和度越高，反之，图像饱和度越低；a表示调节参数，在亮度方面，a越大，整幅图像越暗，反之，整幅图像越亮；在饱和度方面，a越大，图像饱和度越
高，反之，图像饱和度越低。运用抛物形式的映射函数，通过调整参数来调整图像的明暗程度，使得适用范围更加广泛，减少了过度增强。本实施例中，令饱和度s的c1为200，a1为2，亮度i的c2为200，a2为3。
[0075]
若参数合适，则结束；若最终的增强输出图片未达到想要的质量，则调整参数，改进参数c和a。
[0076]
3)将直方图均衡化后的s、i作为新的饱和度和亮度与h生成新的hsi图像，并将hsi图像转化为rgb图像，其中h指色调，具体为：
[0077]
3.1)当0
°
≤h≤120
°
时
[0078][0079]
3.2)当120
°
≤h≤240
°
时:h＝h-120
°
[0080][0081]
3.3)当240
°
≤h≤360
°
时:h＝h-240
°
[0082][0083]
4)对rgb图像进行双边滤波，在去除噪声的同时，保留细节，保证了图像边缘的完整，输出生成的增强图像。由于直方图均衡化的过程中会出现一些细节的丢失，因而提出模糊细节的直方图双边滤波图像增强方法，满足在对比度较低、边界不清晰条件下更好的对图像进行增强。采用双边滤波使图像达到保持边缘，降噪平滑的效果，获得更多的图像边缘和细节。
[0084]
所述步骤4)对rgb图像进行双边滤波具体表示为：
[0085][0086]
wq＝∑g
sgr
[0087][0088][0089]
其中wq表示双边滤波权重矩阵，gs代表空间距离权重，gr代表像素值权重，f(i,j)表示中心坐标(i，j)处的像素值，p表示中心坐标(i，j)，q表示以(i，j)为中心的领域内的任
意一点(k，l)，||p-q||表示两点间的欧式距离，σs表示全局方差，f(k,l)表示(k，l)处的像素值，σr表示局部方差。
[0090]
在进行双边滤波操作时，选择滤波半径为5的模板进行滤波操作，令σs为2，σr为0.5，计算空间距离权重，之后将图像进行扩展，在图像矩阵的上，下，左，右分别加入5行5列元素，选择沿边界用数组的镜面反射元素来填充，使模板中心遍历图像矩阵的每一个点，计算像素值权重和双边滤波权重，输出增强图像。
[0091]
参见图5为实施例图像给出的原图像和he方法增强后图像及本发明增强后图像的对比图。
[0092]
表一给出了本发明低照度图像增强方法与传统的直方图增强方法的指标比较，指标包括：均方误差指标mse、峰值信噪比指标psnr、信息熵指标entropy，本发明的低照度图像增强方法与he相比，采用双边滤波与改进的直方图均衡化的图像增强，不止对图像的亮度进行增强，也对图像的饱和度进行增强，且对不同的图像，可以进行参数的调节，更加灵活，且对增强后的图片进行双边滤波，进行边缘的保存，避免了he方法造成的图像边缘丢失。在指标比较中，均方误差指标mse越小，峰值信噪比指标psnr和信息熵指标entropy越大，图像的质量越好，从表中可以看出，本发明方法在mse、psnr方面优于he方法。
[0093]
表一本发明低照度图像增强方法与传统的直方图增强方法的指标比较
[0094][0095]
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。