一种基于贝塞尔曲线的暗图像处理方法技术

本发明专利技术公开了一种基于贝塞尔曲线的暗图像处理方法,包括：获取暗图像，提取初始亮度通道图像、初始饱和度通道图像和初始色调通道图像；对初始亮度通道图像进行增强，得到第一亮度通道图像；基于初始亮度和初始饱和度，得到第二亮度通道图像的第一亮度；构建贝塞尔曲线模型，利用曲线评估模型对贝塞尔曲线模型进行评估，获得第二亮度通道图像的第二亮度；将初始亮度通道图像、第一亮度通道图像和第二亮度时的第二亮度通道图像融合，得到第三亮度通道图像；将第三亮度通道图像、初始饱和度通道图像和初始色调通道图像结合，得到增强图像。本发明专利技术能够得到暗图像的高质量增强图像，该图像具有高可见度、自然的视觉效果和曝光适度等良好效果。好效果。好效果。

【技术实现步骤摘要】
一种基于贝塞尔曲线的暗图像处理方法


[0001]本专利技术属于图像处理
，具体涉及一种基于贝塞尔曲线的暗图像处理方法。

技术介绍

[0002]数字图像处理在工业应用自动化、安全监控、活动识别和机器人等许多方面发挥着重要做做。对于在低光照条件下获取的图像，数字图像处理系统通常会存在低能见度、对比度差和颜色失真的问题，从而无法获取现实场景的全部信息。因此，在计算机视觉系统和视频监控系统等领域中，解决低光照条件下获取的弱光图像的质量问题显得尤为重要。
[0003]现有技术中，对于低光图像的质量增强，主要存在以下方法：
[0004]1)通过直方图均衡拉伸暗图像的亮度直方图的方法来改善其光照分布，然而由于忽略了像素的物理位置，改善后的图像对比度较差；另外，基于对比度限制自适应直方图均衡方法来逐块处理暗图像，但这可能会导致图像过度增强。
[0005]2)通过将图像分解为反射和光照分量，并通过去除光照来恢复图像的真实颜色，这种方法虽然可以引入更复杂的图像分解方式，例如结构和纹理分解、加权变分模型、内在
‑
外在先验模型以及保留自然性的增强，但图像中的光晕效应和偏色问题仍然存在。
[0006]3)通过光照图估计法减弱光照梯度来增强暗图像的细节，然而，这种方法不能适用于极暗像素的增强。
[0007]4)通过结合图像映射和图像融合来增强暗图像，但该方法的映射曲线过于僵化，无法适用于各种暗图像。
[0008]可见，现有的暗图像的质量增强方法均无法有效解决暗图像的质量增强问题，使用效果不佳。

技术实现思路

[0009]本专利技术的目的是提供一种基于贝塞尔曲线的图像处理方法，用于解决现有技术中存在的至少一个技术问题。
[0010]为了实现上述目的，本专利技术采用以下技术方案：
[0011]本专利技术提供一种基于贝塞尔曲线的暗图像处理方法，包括：
[0012]获取待处理的暗图像，并从所述暗图像中提取初始亮度通道图像、初始饱和度通道图像和初始色调通道图像；
[0013]采用对比度受限的自适应直方图均衡化方法对所述初始亮度通道图像进行增强，得到第一亮度通道图像；
[0014]基于所述初始亮度通道图像的初始亮度和所述初始饱和度通道图像的初始饱和度，对所述初始亮度通道图像进行亮度补偿，得到第二亮度通道图像的第一亮度；
[0015]构建贝塞尔曲线模型，并基于所述第一亮度构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，以获得最优参数的
贝塞尔曲线映射的第二亮度通道图像的第二亮度；
[0016]将所述初始亮度通道图像、所述第一亮度通道图像和第二亮度时的第二亮度通道图像进行多尺度亮度融合，得到第三亮度通道图像；
[0017]将所述第三亮度通道图像、所述初始饱和度通道图像和所述初始色调通道图像进行结合，得到所述暗图像的增强图像。
[0018]在一种可能的设计中，获取待处理的暗图像，并从所述暗图像中提取初始亮度通道图像、初始饱和度通道图像和初始色调通道图像，包括：
[0019]获取待处理的暗图像，将所述暗图像从RGB颜色空间转换为HSV颜色空间；
[0020]从HSV颜色空间中提取所述初始亮度通道图像、所述初始饱和度通道图像和所述初始色调通道图像。
[0021]在一种可能的设计中，基于所述初始亮度通道图像的初始亮度和所述初始饱和度通道图像的初始饱和度，计算第二亮度通道图像的第一亮度，包括：
[0022]基于所述初始亮度通道图像的初始亮度V0(x)和所述初始饱和度通道图像的初始饱和度S0(x)，计算第二亮度通道图像的第一亮度V
c1
(x)，计算公式如下：
[0023]V
c1
(x)＝V0(x)+(1
‑
V0(x))
×
S0(x)，
ꢀꢀ
(1)
[0024]其中，x表示所述初始亮度通道图像中像素的物理位置。
[0025]在一种可能的设计中，构建贝塞尔曲线模型，并基于所述第一亮度构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，以获得最优参数的贝塞尔曲线映射的第二亮度通道图像的第二亮度，包括：
[0026]构建三次贝塞尔曲线模型，所述三次贝塞尔曲线模型P(t)的计算公式为：
[0027][0028]其中，P
i
，i∈{0，1，2，3}表示第i个控制点的坐标，且P0和P3分别经过[0，0]和[1，1]；
[0029]基于所述第一亮度V
c1
(x)构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，所述曲线评估模型的函数表达式为：
[0030][0031]其中，P表示控制点P1和P2的坐标，V
P
表示基于P的三次贝塞尔曲线模型的亮度增强结果，W
v
表示基于饱和度的亮度权重，W
g
表示基于暗细节的梯度权重，W
c
表示异常三次贝塞尔曲线的惩罚项，表示sobel算子，F表示Frobenius范数，exp()表示指数函数，n表示初始亮度图像中的像素数量，σ表示曝光适度图像的亮度方差；
[0032]利用遗传算法最小化公式(3)，得到三次贝塞尔曲线的最优控制点坐标P
B
，基于最优控制点坐标P
B
的三次贝塞尔曲线映射得到第二亮度通道图像的第二亮度V
c2
。
[0033]在一种可能的设计中，所述基于饱和度的亮度权重W
v
为所述初始饱和度通道图像的初始饱和度S0(x)。
[0034]在一种可能的设计中，基于最优控制点坐标P
B
的三次贝塞尔曲线映射得到第二亮度通道图像的第二亮度V
c2
之后，还包括：
[0035]计算第二亮度通道图像的第二亮度V
c2
与初始亮度通道图像的初始亮度V0的梯度
差D(x)；
[0036]利用OTSU算法对所述梯度差D(x)进行阈值分割，得到梯度差阈值Dg；
[0037]对于所述第二亮度通道图像中梯度差D(x)大于所述梯度差阈Dg的像素，将该类像素的梯度权重W
g
(x)设置为A，否则为0，计算公式如下：
[0038][0039]在一种可能的设计中，所述异常三次贝塞尔曲线的惩罚项W
c
的计算公式如下：
[0040]W
c
＝1000
×
(L1+L2)；
ꢀꢀ
(5)
[0041]其中，L1表示三次贝塞尔曲线的溢出约束项，L2表示三次贝塞尔曲线的反转约束项。
[0042]在一种可能的设计中，将所述初始亮度通道图像、所述第一亮度通道图像和第二亮度下的第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝塞尔曲线的暗图像处理方法，其特征在于，包括：获取待处理的暗图像，并从所述暗图像中提取初始亮度通道图像、初始饱和度通道图像和初始色调通道图像；采用对比度受限的自适应直方图均衡化方法对所述初始亮度通道图像进行增强，得到第一亮度通道图像；基于所述初始亮度通道图像的初始亮度和所述初始饱和度通道图像的初始饱和度，对所述初始亮度通道图像进行亮度补偿，得到第二亮度通道图像的第一亮度；构建贝塞尔曲线模型，并基于所述第一亮度构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，以获得最优参数的贝塞尔曲线映射的第二亮度通道图像的第二亮度；将所述初始亮度通道图像、所述第一亮度通道图像和第二亮度时的第二亮度通道图像进行多尺度亮度融合，得到第三亮度通道图像；将所述第三亮度通道图像、所述初始饱和度通道图像和所述初始色调通道图像进行结合，得到所述暗图像的增强图像。2.根据权利要求1所述的基于贝塞尔曲线的暗图像处理方法，其特征在于，获取待处理的暗图像，并从所述暗图像中提取初始亮度通道图像、初始饱和度通道图像和初始色调通道图像，包括：获取待处理的暗图像，将所述暗图像从RGB颜色空间转换为HSV颜色空间；从HSV颜色空间中提取所述初始亮度通道图像、所述初始饱和度通道图像和所述初始色调通道图像。3.根据权利要求1所述的基于贝塞尔曲线的暗图像处理方法，其特征在于，基于所述初始亮度通道图像的初始亮度和所述初始饱和度通道图像的初始饱和度，计算第二亮度通道图像的第一亮度，包括：基于所述初始亮度通道图像的初始亮度V0(x)和所述初始饱和度通道图像的初始饱和度S0(x)，对所述初始亮度通道图像进行亮度补偿，得到第二亮度通道图像的第一亮度V
c1
(x)，计算公式如下：V
c1
(x)＝V0(x)+(1
‑
V0(x))
×
S0(x)，
ꢀꢀ
(1)其中，x表示所述初始亮度通道图像中像素的物理位置。4.根据权利要求3所述的基于贝塞尔曲线的暗图像处理方法，其特征在于，构建贝塞尔曲线模型，并基于所述第一亮度构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，以获得最优参数的贝塞尔曲线映射的第二亮度通道图像的第二亮度，包括：构建三次贝塞尔曲线模型，所述三次贝塞尔曲线模型P(t)的计算公式为：其中，P
i
，i∈{0,1,2,3}表示第i个控制点的坐标，且p0和P3分别经过[0,0]和[1,1]；基于所述第一亮度V
c1
(x)构建曲线评估模型，利用所述曲线评估模型对所述贝塞尔曲线模型在不同参数时的图像增强效果进行评估，所述曲线评估模型的函数表达式为：
其中，P表示控制点P1和P2的坐标，V
P
表示基于P的三次贝塞尔曲线模型的亮度增强结果，W
v
表示基于饱和度的亮度权重，W
g
表示基于暗细节的梯度权重，W
c
表示异常三次贝塞尔曲线的惩罚项，表示sobel算子，F表示Frobenius范数，exp()表示指数函数，n表示初始亮度图像中的像素数量，σ表示曝光适度图像的亮度方差；利用遗传算法...

【专利技术属性】
技术研发人员：李炳，
申请(专利权)人：武汉贝塞尔三维图像设计有限公司，
类型：发明
国别省市：