一种低亮度图像增强算法的制作方法

1.本发明涉及图像处理领域，特别是涉及一种低亮度图像增强算法。


背景技术：

2.在图像拍摄过程中，由于受到光照、背景等原因的影响，一帧图像中可能同时存在高亮度区域和低亮度区域，由于视觉特性，我们可以轻松的观测到高亮度区域的图像细节，但是低亮度图像细节很难通过肉眼观察识别。导致图像产生了非均匀性，处于图像低亮度处的目标特征产生失真，增加了后期图像处理的难度，对系统鲁棒性带来负面影响。
3.而现有技术大多采用gamma变换或者直方图均衡的方法，容易引入噪声并且会导致图像整体对比度降低，因此，本发明提出一种低亮度图像增强算法，旨在减少噪声引入，提升低亮度图像识别度，降低亮度图像的失真，提升整体图像质量。


技术实现要素：

4.针对现有技术会一定程度引入噪声、降低图像整体对比度，而且一定程度上降低了图像质量的缺点，本发明提供一种低亮度图像增强算法，不仅能够减少噪声引入、提升低亮度图像识别度而且能够降低亮度图像的失真，提升整体图像质量。
5.本发明提供一种低亮度图像增强算法，其特征在于，包括以下步骤：
6.步骤s1：将图像由rgb色域空间数据转换为yuv色域空间数据，获取原图的亮度图像yi以及原图色度uv。
7.步骤s2：对yi进行反转操作获取亮度图像yn，即:yn＝2n–
yi；其中n为图像位数。
8.步骤s3：对yn使用暗通道先验去雾算法进行图像增强获取亮度图像ye。具体的，所述暗通道先验去雾算法通过以下步骤加以说明：
9.步骤s31：计算每个像素的暗通道值j
dark
(x)，先取图像中每一个像素的rgb三通道中的灰度值的最小值y，再对y进行最小值滤波得到暗通道值，公式如下：其中jc(y)表示rgb三通道中的某一通道像素值，c表示rgb其中一个通道，ω(x)表示最小值滤波的矩阵。
10.步骤s32：从j
dark
(x)按照大小排序，提取前0.1％的值取平均获取计算大气光值a。
11.步骤s33：按照如下公式计算图像透射率t(x)：t(x)＝1-w(j
dark
(x)/a)，其中w为去雾系数。
12.步骤s34：按照如下公式计算无雾亮度图像ye，ye＝(y
n-a)/(t(x)+a)。
13.步骤s4：对ye进行反转操作获取亮度图像yo，即：yo＝2
n-ye14.步骤s5：对yo使用gamma变换公式进行处理输出亮度图像yg，所述公式如下：y
g＝yor
，其中r为gamma变换参数
15.步骤s6：将亮度图像yg与原图色度uv组合，得到处理后yuv图像，再将yuv色域空间转换到rgb色域空间，得到高动态范围的rgb图像，图像处理结束。
16.进一步的，步骤s1所述的rgb转yuv算法，不同位数的转换算法对应公式不同，8位转换公式为：10位转换公式为：12位转换公式为：
17.进一步的，步骤s31所述最小值滤波具体算法为：通过矩阵模板并扫描图像中的每一个像素，用模板确定的邻域像素的最小值值去替代模板中心像素点的值，其中矩阵模板大小通常为(2n+1)*(2n+1)，n为正整数，优选n值为1，2，3。
18.进一步的，步骤s33所述w取值范围为0～1的小数。
19.进一步的，步骤s5所述的gamma变换参数r，取值范围为[0.1～10]。
[0020]
进一步的，步骤s6所述的yuv转rgb公式，不同位数转换算法对应公式不同，8位转换公式为：10位转换公式为：12位转换公式为：
[0021]
本发明通过提供一种低亮度图像增强算法，将rgb图像转为yuv格式后获取灰度图像yi和色度uv，将灰度图像yi取反后获取yn，yn经暗通道先验去雾算法进行去雾后获取ye，通过对ye取反后获取yo，yo进行gamma变换后获取yg，将yg和未经处理的uv组合成处理后的yuv
格式图像并转换为rgb完成处理，通过此方法的处理减少了噪声的引入，提升低亮度图像识别度，降低亮度图像的失真，提升整体图像质量。
附图说明
[0022]
图1是根据本发明实施的一种低亮度图像增强算法的流程图。
[0023]
图2为未经本发明算法处理的图片。
[0024]
图3为本发明算法处理后的图片。
具体实施方式
[0025]
为更清晰的表达本发明的目的、技术方案和有益效果，以下结合具体实施实例，并参照附图，对本发明进一步详细说明。
[0026]
一种低亮度图像增强算法，能够有效的减少了噪声的引入，提升低亮度图像识别度，降低亮度图像的失真，提升整体图像质量。在1080p格式8位分辨率的rgb图像上实现本算法。本实施实例具有与发明内容完全相同的步骤，为避免重复，仅罗列关键数据：
[0027]
具体的，步骤1中所述rgb转yuv算法公式采用8位，具体公式为：
[0028]
步骤s2所述图像位数n取为8。
[0029]
步骤s31所述最小值滤波采用3*3矩阵模板进行运算，通过矩阵模板并扫描图像中的每一个像素，用模板确定的邻域像素的最小值值去替代模板中心像素点的值。
[0030]
步骤s33所述w取为0.95。
[0031]
步骤s5所述r取为2.2。
[0032]
本实施例的一种低亮度图像增强算法，将rgb图像转为yuv格式后获取灰度图像yi和色度uv，将灰度图像yi取反后获取yn，yn经暗通道先验去雾算法进行去雾后获取ye，通过对ye取反后获取yo，yo进行gamma变换后获取yg，将yg和未经处理的uv组合成处理后的yuv格式图像并转换为rgb完成处理，通过此方法的处理减少了噪声的引入，提升低亮度图像识别度，降低亮度图像的失真，提升整体图像质量。


技术特征：
1.一种低亮度图像增强算法，其特征在于，包含以下步骤，步骤s1：将图像由rgb色域空间数据转换为yuv色域空间数据，获取原图的亮度图像y
i
以及原图色度uv；步骤s2：对亮度图像y
i
进行反转操作获取亮度图像y
n
，即y
n = 2
n
ꢀ–
y
i，
，其中n为图像位数；步骤s3：对y
n
使用暗通道先验去雾算法进行图像增强获取亮度图像y
e
；步骤s4：对y
e
进行反转操作获取亮度图像y
o
，即：y
o = 2
n
ꢀ‑ꢀ
y
e
；步骤s5：对y
o
使用gamma变换公式进行处理输出亮度图像y
g
，所述公式为y
g = y
or
，其中r为gamma变换参数；步骤s6：将亮度图像y
o
与原图色度uv组合，得到处理后yuv图像，再将yuv色域空间转换到rgb色域空间，得到高动态范围的rgb图像，图像处理结束；其中，步骤s3包含以下步骤，步骤s31：计算每个像素的暗通道值j
dark
(x)，先取图像中每一个像素的rgb三通道中的灰度值的最小值y，再对y进行最小值滤波得到暗通道值，公式如下：其中j
c
(y)表示rgb三通道中的某一通道像素值，c表示rgb其中一个通道，ω（x）表示最小值滤波的矩阵；步骤s32：从j
dark
(x)按照大小排序，提取前0.1%的值取平均获取计算大气光值a；步骤s33：按照如下公式计算图像透射率t(x)，t(x)=1-w(j
dark
(x)/a)，其中w为去雾系数；步骤s34：按照如下公式计算无雾灰度图像y
e
，y
e
=(y
n-a)/(t(x)+a)。2.根据权利要求1所述的一种低亮度图像增强算法，其特征在于，步骤s1所述的rgb转yuv算法可分为8位、10位或12位算法，不同位数的转换算法对应系数不同。3.根据权利要求1所述的一种低亮度图像增强算法，其特征在于，步骤s31所述最小值滤波具体算法为：通过矩阵模板并扫描图像中的每一个像素，用模板确定的邻域像素的最小值值去替代模板中心像素点的值，其中矩阵模板大小通常为(2n+1)*(2n+1)，n为正整数，值为1，2，3。4.根据权利要求1所述的一种低亮度图像增强算法，其特征在于，步骤s33所述去雾系数w取值范围为0～1的小数。5.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于，步骤s6所述的yuv转rgb公式根据灰度图像位数可划分为8位、10位或12位不同的转换算法，并且需与rgb转yuv公式配套使用。

技术总结
本发明涉及一种低亮度图像增强算法，属于图像处理领域。包括以下步骤：（1）将图像由RGB色域空间数据转换为YUV色域空间数据，获取原图的亮度图像y


技术研发人员：李显龙 辜长明 聂林川 卢艺 尚纯纯 王继鑫
受保护的技术使用者：青岛海泰新光科技股份有限公司
技术研发日：2022.03.11
技术公布日：2022/6/10