一种低照度图像亮度增强方法与流程

1.本发明涉及一种低照度图像亮度增强方法。


背景技术：

2.数字图像采集是利用摄像头等传感器将光信号转化成电信号并用数字形式进行存储、传输和显示，数字图像处理是将采集的数字图像针对使用目的和场景进行处理优化，其中常见的方法包括：图像增强和复原、图像编码压缩、图像描述等。
3.低照度图像指在环境光线较暗的情况下采集到的图像，为了能够显示清晰，需要对低照度图像做增强，使得肉眼能够获取图像中的有用信息，目前低照度图像增强的算法主要是直方图均衡和暗通道估计滤波。
4.低照度图像增强在实际应用中发挥越来越重要的作用，在户外安防和自动驾驶领域，在夜晚环境下摄像头采集到所有的图像都需要做低照度的增强，以便满足实际的观测和分析的需求。在实际应用中，低照度图像根据暗像素和亮像素的不同分布，分成三种情况：情况一：图像中所有像素偏暗，即所有像素灰度值偏低，这类图片多采集于没有灯光的黑夜或者室内，这类图像增强的思路是利用直方图或者暗通道增强，从而增强亮度和还原色彩，目前算法的效果较好。
5.情况二：图像中部分像素偏暗，部分像素偏亮，并且偏亮部分比例超过亮像素比例最大阈值th_l_per_max，该值取10%，这类图片多采集于有较强路灯灯光或汽车灯光的夜晚，这类图像增强的思路是利用宽动态技术，在保留大灰度值像素的同时，对低灰度像素值进行增强，目前算法的效果较好。
6.情况三：图像中大部分像素很暗且分布集中，极少部分像素偏亮且分布集中，偏亮像素数量小于亮像素比例最大阈值th_l_per_max，该值取10%，且大于亮像素比例最小阈值th_l_per_min，该值取1%，这类图片多采集于黑夜中的路面和室内，少量偏亮像素是由于图像物体中本身具有较强的反射性，比如反光玻璃、广告牌、移动的物体等，这类图像在现实中大量出现，其少量偏亮像素往往含有重要的信息，但是目前没有针对这类情况的优质算法，常用算法的存在的问题是：（1）直方图均衡算法：其处理后的图像，整体亮度沿着直方图右侧进行了拉伸，导致低亮度的像素信息缺失，掩盖了低亮度的重要信息，并且高亮度噪声被放大或者出现过界。处理后的效果呈现“偏白、偏糙”的效果。
7.（2）暗通道估计算法：其处理特别暗的图像效果不佳，高亮度信息不足，图像梯度不足以至于丢失信息，原因在于取反后的图像进行暗通道估计，算法中的“大气光成分”和“透射率”依赖于像素本身的特点，特别暗图片取反后的亮度值特别大，导致这两个参数的估计出现偏差。处理后的效果呈现“偏黑、看不清细节”的效果。


技术实现要素：

8.发明目的：针对上述现有技术中的情况三，提出一种低照度图像亮度增强方法，实现有针对性的图像增强效果。
9.技术方案：一种低照度图像亮度增强方法，包括如下步骤：步骤1：将rgb图像的三通道像素点数值转化为一通道的亮度值，根据图像的像素点亮度分布情况，筛选出适用于本方法的图像；步骤2：计算图像低亮度像素亮度映射函数，实现低亮度区域通过映射函数增强亮度并保留梯度信息；步骤3：计算图像高亮度像素亮度映射函数，实现高亮度区域通过映射函数降低亮度并保留梯度信息；步骤4：根据一通道的亮度值计算得到rgb三通道色彩值，得到增强后的图像。
10.进一步的，所述步骤1包括如下具体步骤：步骤1a：将rgb图像的三通道像素点数值转化为一通道的亮度值，图像的水平宽度和垂直宽度分别为h和v；步骤1b：用n比特来表示亮度值，亮度值取值范围是0
‑
(2
n
‑
1)，将整个亮度值取值范围d分成n/2等分，n取8，即分成：d1={0
‑
63}；d2={64
‑
127}；d3={128
‑
191}；d4={192
‑
255}；步骤1c：计算图像所有像素点亮度值的分布，得到亮度分布函数p(a)=n{x=a}，a=0,1,2,3
…
255，n表示像素点个数；步骤1d：计算像素点亮度值分布在d1区域内的像素点数量在全部像素中的比例；步骤1e：计算像素点亮度值分布在d4区域内的像素点数量在全部像素中的比例：；步骤1f：设定亮像素比例最大阈值th_l_per_max为10%，亮像素比例最小阈值th_l_per_min为1%，暗像素比例最小阈值th_d_per_min为80%；如果w1> th_d_per_min，且th_l_per_min <w4< th_l_per_max，则判定图像属于适用于本方法的低照度图像。
11.进一步的，所述步骤2包括如下具体步骤：步骤2a：设定能量集中度比例最大值th_light_per_max为95%，能量集中度比例中间值th_light_per_mid为50%；在d1区域内找到最小m值满足：，以及在d1区域内找到最小n值满足：；步骤2b：以三点坐标b1(0,0)、b2(n,96)、b3(m,191)确定低亮度像素亮度映射函数y(x)=c1x
r1
，x=0,1,2,3
…
191，其中96是d1、d2、d3区域的中点，191是d3区域的右界；通过低亮度像素亮度映射函数将d1区域50%像素分界点和95%像素分界点，分别映射到d1+d2+d3区域的中点和右界点，从而实现将集中分布在d1区域的低亮度通过指数映射分布到d1
‑
d3的区域范围，在增强亮度的同时，保留了梯度信息。
12.进一步的，所述步骤3包括如下具体步骤：
步骤3a：设定能量集中度比例最大值th_light_per_max为95%，能量集中度比例中间值th_light_per_mid为50%；在d4区域内找到最大c值满足： ，以及在d4区域内找到最大d值满足：；步骤3b：以三点坐标b4(255,255)、b25(d,224)、b6(c,192)确定高亮度像素亮度映射函数z(x)=255
‑
c2(255
‑
x)
r2
，x=192,193,194
…
255，其中224是d4区域的中点，192是d4区域的左界；通过高亮度像素亮度映射函数将d4区域50%像素分界点和95%像素分界点，分别映射到d4区域的中点和左界点，从而实现将集中分布在d4区域右边界附近的高亮度通过指数映射分布到d4区域的整个区域范围，在调整高亮度像素的同时，保留了梯度信息。
13.有益效果：1、本发明通过对图像的统计分析识别出属于情况三的低照度图像，便于能够实现更加有针对性的增强。
14.2、本发明针对情况三的低照度图像，通过对低亮度和高亮度两个区域内的像素实施分别处理，进行针对性的增强和调整，实现比主流的直方图均衡法和暗通道估算法更好的效果。
15.3、本发明充分考虑了芯片硬件的实现需求，采用简单的数学计算，能够保证在正常帧率的情况下对每一帧图片进行相应处理，所以，在硬件图像处理环节，本发明的算法模块可作为低照度图像降噪的预处理模块。
附图说明
16.图1为本方法流程图；图2为待处理图片；图3为待处理图片对应的亮度分布图；图4为本发明算法处理后图片；图5为本发明算法处理后图片对应的亮度分布图；图6为直方图均衡算法处理后图片；图7为直方图均衡算法处理后图片对应的亮度分布图；图8为暗通道估算算法处理后图片；图9为暗通道估算算法处理后图片对应的亮度分布图。
具体实施方式
17.下面结合附图对本发明做更进一步的解释。
18.如图1所示，一种低照度图像亮度增强方法，包括如下步骤：步骤1：将rgb图像的三通道像素点数值转化为一通道的亮度值，根据图像的像素点亮度分布情况，筛选出适用于本方法的图像。
19.具体的，步骤1包括如下具体步骤：步骤1a：将rgb图像的三通道像素点数值转化为一通道的亮度值，图像的水平宽度和垂直宽度分别为h和v。
20.步骤1b：用n比特来表示亮度值，亮度值取值范围是0
‑
(2
n
‑
1)，将整个亮度值取值
范围d分成n/2等分；这里n取8，即用8bit表示亮度值，亮度值取值范围是0
‑
255，将范围d四等分为：d1={0
‑
63}；d2={64
‑
127}；d3={128
‑
191}；d4={192
‑
255}。
21.步骤1c：计算图像所有像素点亮度值的分布，得到亮度分布函数p(a)=n{x=a}，a=0,1,2,3
…
255，n表示像素点个数；即亮度分布函数横轴是所有亮度值，纵轴是遍历图像所有像素点出现的横轴亮度值出现的次数。
22.步骤1d：计算像素点亮度值分布在d1区域内的像素点数量在全部像素中的比例。
23.步骤1e：计算像素点亮度值分布在d4区域内的像素点数量在全部像素中的比例：。
24.步骤1f：设定亮像素比例最大阈值th_l_per_max为10%，亮像素比例最小阈值th_l_per_min为1%，暗像素比例最小阈值th_d_per_min为80%；如果w1> th_d_per_min，且th_l_per_min <w4< th_l_per_max，则判定图像属于适用于本方法的低照度图像，即80%以上像素属于低亮度且集中，10%以内像素属于高亮度且集中的情况适用于本方法进行图像增强。
25.本发明步骤1将图像整个亮度值取值范围d分成n/2等分，并将低亮度和高亮度集中的区域范围做了设定，这个设定既用在对低亮度和高亮度像素的集中度进行迅速判断，也用在后续计算映射函数时。n/2的取值依据是人眼对亮度及亮度梯度的敏感程度得到，如果等分过小，则主要的低亮度像素将覆盖不止一个区域，如果等分过大，则造成区域中的空白部分较多，这两种情况都会对判定和后续的映射函数计算产生误差。
26.设定w1> th_d_per_min，且th_l_per_min <w4< th_l_per_max即图像属于低照度图像的判断标准具有实际意义，即将背景部分描述的低照度图像第三种情况进行了数学界定，经过大量的对第三种低照度图像的亮度分布分析，得到了这三个阈值。w1> th_d_per_min（80%）表示超过80%的低亮度像素分布在d1区域，也就是说图片大部分像素亮度低且集中，th_l_per_min（1%） <w4< th_l_per_max（10%）表示1%
‑
10%的高亮度像素分布在d4区域，也就是说少部分像素亮度高且集中，注意，有高亮度像素但是不多且集中是情况三与情况一、情况二的核心区别。
27.步骤2：计算图像低亮度像素亮度映射函数，实现低亮度区域通过映射函数增强亮度并保留梯度信息，包括如下具体步骤：步骤2a：设定能量集中度比例最大值th_light_per_max为95%，能量集中度比例中间值th_light_per_mid为50%；在d1区域内找到最小m值满足：，即在d1区域的亮度分布函数p(a)横坐标中找到区域0
‑
m区间，此区间像素能量占到d1区域的95%；在d1区域内找到最小n值满足：，即在d1区域的亮度分布函数p(a)横坐标中找到0
‑
n区间，此区间像素能量占到d1区域的50%。
28.步骤2b：以三点坐标b1(0,0)、b2(n,96)、b3(m,191)确定低亮度像素亮度映射函数y(x)=c1x
r1
，x=0,1,2,3
…
191，其中96是d1、d2、d3区域的中点，191是d3区域的右界；通过低
亮度像素亮度映射函数将d1区域50%像素分界点和95%像素分界点，分别映射到d1+d2+d3区域的中点和右界点，从而实现将集中分布在d1区域的低亮度通过指数映射分布到d1
‑
d3的区域范围，在增强亮度的同时，保留了梯度信息。
29.步骤3：计算图像高亮度像素亮度映射函数，实现高亮度区域通过映射函数降低亮度并保留梯度信息，包括如下具体步骤：步骤3a：设定能量集中度比例最大值th_light_per_max为95%，能量集中度比例中间值th_light_per_mid为50%；在d4区域内找到最大c值满足： ，即在d4区域的亮度分布函数p(a)横坐标中找到c
‑
255区间，此区间像素能量占到d4区间所有像素的95%；在d4区域内找到最大d值满足：，即在d4区域的亮度分布函数p(a)横坐标中找到d
‑
255区间，此区间像素能量占到d4区间所有像素的50%。
30.步骤3b：以三点坐标b4(255,255)、b25(d,224)、b6(c,192)确定高亮度像素亮度映射函数z(x)=255
‑
c2(255
‑
x)
r2
，x=192,193,194
…
255，其中224是d4区域的中点，192是d4区域的左界；通过高亮度像素亮度映射函数将d4区域50%像素分界点和95%像素分界点，分别映射到d4区域的中点和左界点，从而实现将集中分布在d4区域右边界附近的高亮度通过指数映射分布到d4区域的整个区域范围，在调整高亮度像素的同时，保留了梯度信息。
31.步骤4：根据一通道的亮度值（色度值不变）计算得到rgb三通道色彩值，得到增强后的图像。
32.图3、图5、图7、图9中，横轴为亮度值，纵轴为对应的像素数量。如图2至图9所示，本发明方法和直方图均衡算法、暗通道估算算法效果比较可以看出，本发明方法在情况三的场景下，有较好的亮度增强效果，比直方图均衡算法保留了更多的图像信息，不会出现噪声过界现象，比暗通道估计算法亮度质量更高，梯度丰富。
33.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。