一种基于Retinex模型的图像增强方法及终端与流程

本发明涉及图像处理领域，尤其涉及一种基于retinex模型的图像增强方法及终端。

背景技术：

retinex模型认为物体原本的颜色是由物体对光波的反射能力决定的，不会随着环境光源的变化而变化。因此，retinex模型将图像看成是反射分量与亮度分量乘积的结果，其中反射分量是图像的内在属性，应最大程度保留，亮度度分量是环境光源的属性，决定图像像素能达到的动态范围，应尽量除去。传统的retinex算法在用高斯环绕函数估计出亮度分量后，从原始图像中除去亮度分量，将剩下的反射分量作为最终的结果。

但是，上述做法存在不合理性，高斯平滑的结果中包含大量有用的信息，如果把这部分信息完全去除，只保留反射分量作为最终的增强结果，会导致结果有不同程度的过度增强、增强不足和细节损失，从而影响了图像增强效果。

技术实现要素：

本发明所要解决的技术问题是：提供一种基于retinex模型的图像增强方法及终端，具有良好的图像增强效果。

为了解决上述技术问题，本发明采用的一种技术方案为：

一种基于retinex模型的图像增强方法，包括步骤：

s1、基于retinex模型分解待增强的图像，得到原始反射分量和原始亮度分量；

s2、对所述原始亮度分量做非线性拉伸，得到新的亮度分量；

s3、将所述原始反射分量和新的亮度分量结合并进行压缩得到增强后的图像。

进一步的，所述步骤s1包括：

用高斯函数处理待增强的图像s(x，y)，得到原始亮度分量l(x，y)；

根据所述待增强的图像s(x，y)和原始亮度分量l(x，y)得到原始反射分量r(x，y)＝s(x，y)/l(x，y)；

(x，y)表示像素值坐标。

进一步的，所述步骤s2包括：

新的亮度分量

式中，l(x，y)表示原始亮度分量，(x，y)表示像素值坐标，γ表示非线性拉伸的尺度。

进一步的，所述步骤s3包括：

将原始反射分量r(x，y)与新的亮度分量结合，得到：

采用自适应色调映射方法对senh′(x,y)进行压缩，得到增强后的图像senh(x,y)：

式中，g为比例因子，与crt显示器有关，参数b为调节因子；表示增强后的图像的最大值。

进一步的，所述retinex模型采用的算法包括ssr算法，msr算法以及msrcr算法。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种基于retinex模型的图像增强终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

s1、基于retinex模型分解待增强的图像，得到原始反射分量和原始亮度分量；

s2、对所述原始亮度分量做非线性拉伸，得到新的亮度分量；

s3、将所述原始反射分量和新的亮度分量结合并进行压缩得到增强后的图像。

进一步的，所述处理器执行所述计算机程序时实现所述步骤s1时包括：

用高斯函数处理待增强的图像s(x，y)，得到原始亮度分量l(x，y)；

根据所述待增强的图像s(x，y)和原始亮度分量l(x，y)得到原始反射分量r(x，y)＝s(x，y)/l(x，y)；

(x，y)表示像素值坐标。

进一步的，所述处理器执行所述计算机程序时实现所述步骤s2时包括：

新的亮度分量

式中，l(x，y)表示原始亮度分量，(x，y)表示像素值坐标，γ表示非线性拉伸的尺度。

进一步的，所述处理器执行所述计算机程序时实现所述步骤s3时包括：

将原始反射分量r(x，y)与新的亮度分量结合，得到：

采用自适应色调映射方法对senh′(x,y)进行压缩，得到增强后的图像senh(x,y)：

式中，g为比例因子，与crt显示器有关，参数b为调节因子；表示增强后的图像的最大值。

进一步的，所述retinex模型采用的算法包括ssr算法，msr算法以及msrcr算法。

本发明的有益效果在于：基于retinex模型分解待增强的图像，得到原始亮度分量后；对所述原始亮度分量做非线性拉伸，得到新的亮度分量；并将原始反射分量和新的亮度分量结合并进行压缩得到增强后的图像；通过对原始亮度分量做非线性拉伸，使得整个亮度图的亮度得到提升，提升了亮度的亮度分量再与原始反射分量结合并压缩以得到增强后的图像；有效地利用了亮度分量中的信息，避免了亮度过度增强和增强不足的问题，能够很好的保证图像的可见度，特别适合对低照度图像的增强，具有良好的图像增强效果。

附图说明

图1为本发明实施例的一种基于retinex模型的图像增强方法的步骤流程图；

图2为本发明实施例的一种基于retinex模型的图像增强终端的结构示意图；标号说明：

1、一种基于retinex模型的图像增强终端；2、存储器；3、处理器。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明的基于retinex模型的图像增强方法及终端能够适用于任何需要实现图像增强的场景，特别适用于低照度的图像的增强处理，以下结合具体的应用场景进行说明。

请参照图1，一种基于retinex模型的图像增强方法，包括步骤：

s1、基于retinex模型分解待增强的图像，得到原始反射分量和原始亮度分量；

具体的，接收输入的待增强的图像，然后用高斯函数处理待增强的图像s(x，y)，得到原始亮度分量l(x，y)：

式中，(x，y)表示像素值坐标，k表示归一化因子，σ表示高斯函数的尺度，当σ为单一值时为单尺度增强算法ssr，当σ取多个值时为多尺度增强算法msr；

由于retinex模型的ssr算法，msr算法以及msrcr算法均是将亮度分量完全抛弃，因此，本实施例的方法这三种算法均能够适用，具有良好的通用性；

本方法用于这三种算法时亮度分量拉伸的方法一致，ssr算法中亮度分量估计时高斯函数的尺度只有一个，只需对单尺度估计的亮度分量做拉伸即可；msr算法中，与ssr唯一不同的是用多尺度的高斯函数估计亮度分量，所求出的多尺度的亮度分量本质上与单尺度的亮度分量没有区别，因此用相同的方法做非线性拉伸；msrcr是在msr的结果上对每个通道乘不同的系数，保持图像的颜色，求解亮度分量的方法并没有变，因此还是用一样的方法；

retinex模型认为图像s由反射分量r和亮度分量l组成，即

s＝l·r

因此，在已知待增强的图像以及求解得到原始亮度分量后，就可以根据所述待增强的图像s(x，y)和原始亮度分量l(x，y)得到原始反射分量r(x，y)＝s(x，y)/l(x，y)；

s2、对所述原始亮度分量做非线性拉伸，得到新的亮度分量；

s3、将所述原始反射分量和新的亮度分量结合并进行压缩得到增强后的图像。

在一个可选的实施例中，所述步骤s2包括：

新的亮度分量

式中，γ表示非线性拉伸的尺度，通过上述式子能够实现简便快捷的非线性拉伸；

为了提高增强图像对比度，保持图像的自然性，γ的值应根据亮度分量的特性用自适应的方法确定；

在处理每个像素时γ值可以根据不同像素的亮度特征自动调整，以保证增强图像的自然性和对比度；

使用以下方法确定γ值：

(1)提取图像的亮度特征图

根据white-patch理论，图像中rgb三通道的最大值与光照信息成正比，因此用maxrgb的方法提取图像的亮度特征图：

式中i表示亮度特征图。

(2)亮度特征图调整

在亮度特征图中物体的轮廓分明，边缘清晰。但是亮度特征图反映的是获取图像时的环境光信息，环境光信息不需要保存图像的太多细节信息，只需要保留主要轮廓，因此要去除不必要边缘。首先用形态学闭操作除去不必要的边缘：

t′＝i°p

式中°表示形态学操作，p为形态学操作的结构元素，t′为除去不必要的边缘后的亮度特征图。然后用导向滤波器保留主要的轮廓：

式中，wij表示权重，由导向滤波器确定；原始输入图像s转到hsv空间后，v分量作为导向图；t为最终确定的亮度特征图；i表示图像的第i个像素，j表示以i为中心的邻域内的第j个像素；j的取值大小取决于i的邻域确定的大小，比如可以确定j最大值为8，则取以i为中心的8个像素点构成的区域为其邻域。

(3)γ的确定

在最终确定的亮度特征图中，原图中亮区域对应的部分数值较大，暗区域对应的部分数值较小，引入γ参数的目的是提高亮度分量的亮度，恢复暗区域不可见的细节，因此暗区域的拉伸程度应较大，同时为了避免过曝现象产生亮区域的拉伸程度应较小，γ由如下的公式确定：

ε为很小的正数，避免分母为零的情况。

在另一个可选的实施例中，所述步骤s3包括：

将原始反射分量r(x，y)与新的亮度分量结合，得到：

增强结果senh′中可能会出现部分像素值大于255的情况，如果直接做线性拉伸将大于255的像素值暴力地拉入0-255的范围内，会导致增强的结果出现不连续，某些像素点的颜色会发生变化。因此先对增强结果做色调映射，让所有的像素值都在一个较小的范围内，再做线性拉伸，使所有像素值在0-255之间，便于图像显示。具体的做法如下：

(1)自适应色调映射函数压缩数据

与全局色调映射函数不同，自适应色调映射充分考虑了不同像素值的特性，不同像素的压缩程度不同，对数据压缩的同时考虑了像素间的差异，保证了增强图像的对比度不会因为数据的压缩而降低。

式中，g为比例因子，与crt显示器有关，用于保证结果与预期一致，参数b调节数据压缩的程度以及图像暗区域的可见度；表示增强后的图像的最大值。

该自适应色调映射函数不仅能有效压缩数据，还能提升图像过暗区域的亮度，弥补非线性拉伸的不足之处。部分过暗区域通过非线性拉伸后其中细节仍不可见，经色调映射处理后亮度得到了一定程度的提升，暗区域细节可见。

在另一个可选的实施例中，请参照图2，一种基于retinex模型的图像增强终端1，包括存储器2、处理器3及存储在存储器2上并可在所述处理器3上运行的计算机程序，所述处理器3执行所述计算机程序时实现上述各个方法实施例的步骤。

综上所述，本发明提供的一种基于retinex模型的图像增强方法及终端，基于retinex模型，采用高斯函数进行评估分解待增强的图像，得到原始亮度分量后；对所述原始亮度分量做非线性拉伸，得到新的亮度分量；并将原始反射分量和新的亮度分量结合并进行自适应色调映射压缩得到增强后的图像；通过对原始亮度分量做非线性拉伸，使得整个亮度图的亮度得到提升，提升了亮度的亮度分量再与原始反射分量结合并压缩以得到增强后的图像；由于影响低照度图像可见度的是获取低照度图像时的环境光源亮度，而在retinex理论中，亮度分量是有环境光源觉得的，因此，通过上述方法能够有效地利用了亮度分量中的信息，避免了亮度过度增强和增强不足的问题，能够很好的保证图像的可见度，特别适合对低照度图像的增强，具有良好的图像增强效果，对低照度图像的亮度有很好的提升，原图中由于亮度过低不可见的区域，通过本发明的改进算法在增强后的图像中都有较好的呈现，最后的增强图像无色偏，自然性保持较好，对于极暗环境下的图像，本发明的改进算法也能够得到较好的结果。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。