一种基于Retinex模型的图像增强方法及终端技术

本发明专利技术公开一种基于Retinex模型的图像增强方法及终端，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；对所述原始亮度分量做非线性拉伸，得到新的亮度分量；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；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。

【技术实现步骤摘要】
一种基于Retinex模型的图像增强方法及终端
本专利技术涉及图像处理领域，尤其涉及一种基于Retinex模型的图像增强方法及终端。
技术介绍
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。
技术实现思路
本专利技术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，本专利技术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，本专利技术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。本专利技术的有益效果在于：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为本专利技术实施例的一种基于Retinex模型的图像增强方法的步骤流程图；图2为本专利技术实施例的一种基于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专利技术的
技术实现思路
、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。本专利技术的基于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：新的亮度分本文档来自技高网...

【技术保护点】
1.一种基于Retinex模型的图像增强方法，其特征在于，包括步骤：/nS1、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；/nS2、对所述原始亮度分量做非线性拉伸，得到新的亮度分量；/nS3、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。/n

【技术特征摘要】
1.一种基于Retinex模型的图像增强方法，其特征在于，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。


2.根据权利要求1所述的一种基于Retinex模型的图像增强方法，其特征在于，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。


3.根据权利要求1或2所述的一种基于Retinex模型的图像增强方法，其特征在于，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。


4.根据权利要求2所述的一种基于基于Retinex模型的图像增强方法，其特征在于，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，(x，y)表示像素值坐标；表示增强后的图像的最大值。


5.根据权利要求1或2所述的一种基于Retinex模型的图像增强方法，其特征在于，所述Retinex模型采用的算法包括SSR算法，MSR算法以及MSRCR算法。


6.一种基于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...

【专利技术属性】
技术研发人员：白蓉，徐海松，杨培杉，
申请(专利权)人：福州瑞芯微电子股份有限公司，
类型：发明
国别省市：福建;35