一种低照度彩色图像的增强方法与流程

本发明涉及图像处理领域中的图像增强技术，特别是涉及一种低照度彩色图像的增强方法。

背景技术：

随着计算机技术和arm技术的迅速发展，图像处理受到航空航天、军事、生物医学及人工智能等许多应用领域的广泛应用。图像增强为图像处理提供了关键一步。而对于黑暗环境下的图片，很多未知的内容无法显现，这将导致重要信息丢失。如在夜晚、黑暗等低照度情况下，视频监控拍摄的交通情况、日常彩色图像处理、船舶、夜晚犯罪分子的图像、矿井图像等领域，因此，对于低照度图像增强方法的研究极具价值。

同态滤波与retinex算法是图像增强领域中比较重要处理方法。同态滤波算法把图像分为照射图像和反射图像，照射分量对应低频部分，也即图像细节部分，反射分量对应高频部分，也即图像边缘部分。对低频成分进行压制，这样就降低了图像的动态范围；而对高频部分进行提高，这样就增加了对比度。retinex算法本质也是把图像分为反射分量和照射分量之和，再把照射分量去除掉，得到反射分量，多尺度retinex算法对于低照度图像的局部色彩会出现失真。同态滤波算法对于低照度图像的视觉效果不佳等问题。

技术实现要素：

为了增强低照度图像对比度、视觉效果来解决在低照度或夜晚道路交通视频监控、日常彩色图像处理、船舶、夜晚犯罪分子图像、矿井图像等的特殊背景下的图像，本发明利用多尺度retinex算法和同态高低频滤波算法，提出一种低照度彩色图像的增强方法，对低照度图像进行处理，从而为夜晚、黑暗等低照明度图像中提取重要信息做出关键重要的一步。

本发明解决其技术问题所采用的技术方案如下：

一种低照度彩色图像的增强方法，包括以下步骤：

s1:输入低照度图像f(x)；

s2:对输入图像进行颜色分离，分别得到r、g、b三个分量的图像；

s3:对三个分量的图像进行同态高频滤波和同态低频滤波，分别得到各个分量的高低频图像，共六幅，其中高频同态滤波函数表达式为：

hh(i,j)＝1/(1+d(i,j)^(-t))

低频同态滤波函数表达式为：

其中t为调节参数，d0表示截止频率，d(i,j)表示点(i,j)到滤波中心(i0,j0)的距离，

s4:对s3处理后的各分量的低频图像进行线性伸缩变换；

s5:对s3处理后的各分量的高频图像进行多尺度retinex算法处理；

s6:将s4、s5处理后的各分量的高频图像与低频图像进行合并；

s7:合并s6处理后的三分量图像，得到增强后的低照度彩色图像。

进一步，所述步骤s3中，调节参数t控制高频阻带变换率，取值范围选取在(0-0.01]之间，截止频率d0控制低频截止频率，取值范围选取在[5-20]之间，通过调节参数，可获得理想的滤波效果，如设调节参数t＝0.001；截止频率d0＝10。

再进一步，所述步骤s4中，线性伸缩变换参数p的取值范围选取在(0-5]之间，夜间黑暗、整体较低的低照度图像下，p取值一般在(0-3]之间；低照度图像下，p取值一般在[3-5]之间。如本发明设线性伸缩变换的参数p＝1.3；

更进一步，所述步骤s5中，其中多尺度retinex算法表达式为：

其中r(x,y)是输出图像，s(x,y)是输入图像，*代表卷积，f(x,y)是高斯核函数；k表示使用的尺度数目，k＝1，2，3；wk表示尺度的权重因子，取w1＝w2＝w3＝1/3，高斯核函数f(x,y)的表达式为：其中，σk是尺度常量，小、中、大三个尺度分别为：σ1＝100，σ2＝200，σ3＝300；∫∫f(x,y)＝1。

本发明的有益效果如下：首先进行颜色分离；通过同态高频滤波和低频滤波，将图像分为高频图像和低频图像；对低频图像进行线性伸缩变换；对高频图像进行多尺度retinex算法，将处理后的各分量高频图像与低频图像合并，最终三分量图像总体合并，从而获得增强后的低照度彩色图像。本发明增强低照度图像明显，且即保留了图像细节，又增强了边缘成分，得到的图像效果佳，对比度强、细节清晰，具有实用性。

附图说明

图1为低照度彩色图像的增强方法的流程图；

图2为本发明分量图像处理的流程图。

具体实施方式

下面结合附图对本发明做进一步说明。

参照图1和图2，一种低照度彩色图像的增强方法，包括以下步骤：

s1:输入低照度图像f(x)；

s2:对输入图像进行颜色分离，分别得到r、g、b三个分量图像；

s3:分别对三个分量的图像采用同态高频滤波和同态低通滤波，分别得到各分量的高低频图像，其中高频同态滤波函数表达式为：

hh(i,j)＝1/(1+d(i,j)^(-t))

低频同态滤波函数表达式为：

其中t为调节参数，d0表示截止频率，d(i,j)表示点(i,j)到滤波中心(i0,j0)的距离，

s4:对s3处理后的各分量的低频图像进行线性伸缩变换；

s5:对s3处理后的各分量的高频图像进行多尺度retinex算法处理；

s6:将s4、s5处理后的各分量的高频图像与低频图像进行合并；

s7:合并s6中处理后的三分量图像，得到增强后的低照度彩色图像。

所述步骤s2中，将低照度图像分解为r、g、b三个颜色分量图像，分别为r(:,:,1)、g(:,:,2)、b(:,:,3)。

所述步骤s3中，经过同态滤波算法处理后，得到rh(:,:,1)、rl(:,:,1)、gh(:,:,

2)、gl(:,:,2)、bh(:,:,3)、bl(:,:,3)共六幅图像。

所述步骤s4，通过线性伸缩变换得到处理后的低频图像rl1(:,:,1)，gl1(:,:,2)，

bl1(:,:,3)；

所述步骤s5，对高频图像rh(:,:,1)、gh(:,:,2)、bh(:,:,3)进行多尺度retinex算法处理，其retinex算法表达式为：

其中r(x,y)是输出图像，s(x,y)是输入图像，*代表卷积，f(x,y)是高斯核函数，k表示使用的尺度数目，k＝1，2，3；wk表示尺度的权重因子，取w1＝w2＝w3＝1/3，高斯核函数f(x,y)的表达式为：其中，σk是尺度常量，小、中、大三个尺度分别为：σ1＝100，σ2＝200，σ3＝300；∫∫f(x,y)＝1。

所述步骤s5，高频图像进行多尺度retinex算法后，得到rh_filt(:,:,1)、gh_filt(:,:,2)、bh_filt(:,:,3)共三幅多尺度retinex算法的高频图像。

所述步骤s6，将处理后的r分量高频图像rh_filt(:,:,1)与低频图像rl1(:,:,1)进行合并，得到r分量最终图像rr；

将处理后的g分量高频图像gh_filt(:,:,2)与低频图像gl1(:,:,2)进行合并，得到g分量最终图像gg；

将处理后的b分量高频图像bh_filt(:,:,3)与低频图像bl1(:,:,3)进行合并，得到b分量最终图像bb。

所述步骤s7，将处理后的最终r分量图像rr，g分量最终图像gg，b分量最终图像bb，三分量图像进行合并，得到增强后的低照度彩色图像result。

如上所述为本发明在增强低照度彩色图像中的方法介绍，本发明利用同态高低滤波算法，对滤波处理后的低频图像进行线性伸缩变换、高频图像进行多尺度retinex算法，得到合并后的图像细节清晰，对比度更好，提升了视觉效果。对发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。