本发明属于图像处理,具体涉及低照度图像增强、retinex理论。
背景技术:
1、在实际生活中,由于受到各种外界干扰因素的影响,如阴雨、雾霾等天气导致的光线不足,或者图像采集设备的曝光不足等,这些都可能导致图像在生成和传播过程中出现亮度对比度降低、画面明暗不均、细节展现较差等问题,这些因素大大降低了图像的质量,影响了人类视觉对图像信息的感知能力,同时也给图像后续的处理问题带来了巨大的麻烦。因此,对图像进行增强,以提高图像的质量,让人们能够获取更多的有用信息和应用需求图像,帮助人们和计算机更准确地进行分析和识别,就显得尤为重要。
2、retinex是由视网膜(retina)和大脑皮层(cortex)两个词组合而来。该理论的基础包括三色理论(trichromacy)和颜色恒常性(color constancy)。颜色恒常性是人类颜色感知系统的一个重要特点,确保物体的颜色在不同条件下保持相似。
3、基于中心环绕函数的retinex算法存在以下缺陷:
4、1.用高斯滤波函数作为中心环绕函数对光照区域的划分不够准确,导致得到的反射分量边缘细节容易模糊。
5、2.retinex算法将光照分量去除,导致画面整体泛白,强光到阴影的过渡区域存在“光晕现象”。
6、3.retinex算法需要对rgb图像的三个通道分量进行处理,导致处理后的图像色彩失真或过度增强。
7、4.多数算法都只能适用于特定环境下,鲁棒性不强,泛化能力差。
技术实现思路
1、为了解决上述问题,本发明提出了一种基于retinex理论的低照度图像增强算法。该算法能够根据输入图像的特征进行调整,从而更准确地划分光照区域,提高反射分量的清晰度,并减少“光晕现象”的发生。同时,该算法还能减少色彩失真或过度增强,实现对图像的自适应增强。
2、本发明采用的技术方案包括如下步骤:
3、步骤s1:将rgb彩色低照度图像转换到hsv色彩空间。
4、步骤s2:将亮度分量v的灰度级由[0,255]映射到[0,1],便于对v分量进行引导滤波算法处理。
5、步骤s3:对亮度分量v进行引导滤波提取光照分量i,根据光照反射模型估算出反射分量r。
6、步骤s4:对光照分量i进行自适应gamma校正,使光照强度分布达到均匀。
7、步骤s5:对饱和度分量s,采取改进的k-means聚类算法对饱和度分量进行区间划分为3类,应用分段指数增强算法对不同区域的饱和度分别进行处理。
8、步骤s6:将增强后的反射分量和校正后的光照分量进行融合,得到新的亮度分量v。
9、步骤s7:将处理后的亮度分量v,与色调分量h和饱和度分量s进行合并,并转换到rgb色彩空间,得到最终的增强图像。
10、本发明提供的一种低照度图像增强算法,具有以下优势:
11、(1)所述算法提出一种自适应gamma校正函数,根据暗区占比调整校正权重,解决光照分量存在光照不均和较弱的问题。
12、(2)在所述算法中对饱和度的处理采用先聚类再增强的方法,提高了算法的泛化能力,增强后的图像色彩自然,不失真。
1.一种基于retinex理论的低照度图像增强方法,其特征在于:所述方法通过以下步骤实现:
2.根据权利要求1所述的一种基于retinex理论的低照度图像增强方法,其特征在于:步骤s4所述的自适应gamma校正γ指数,具体为:
3.根据权利要求1所述的一种基于retinex理论的低照度图像增强方法,其特征在于:步骤s5所述的饱和度分量增强,包括改进的k-means聚类和后续的分段指数增强步骤,具体为: