一种基于Retinex模型的低照度图像质量改善方法技术

一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明专利技术解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明专利技术首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明专利技术方法可以应用于改善低照度图像的质量。善低照度图像的质量。善低照度图像的质量。

【技术实现步骤摘要】
一种基于Retinex模型的低照度图像质量改善方法


[0001]本专利技术属于图像处理
，具体涉及一种基于Retinex模型的低照度图像质量改善方法。

技术介绍

[0002]由于光线在传播路径中易受到环境的影响，导致数字相机拍摄到的图像存在亮度分布不均，低照度区域的细节、纹理不清晰，图像质量、人眼可视化效果较差。因此如何改善低照度效应对于图像质量的影响，已经成为近年来图像处理领域的热点问题。
[0003]经典的低照度图像质量改善算法主要包括图像灰度分段映射算法、直方图均衡化算法以及Gamma校正算法等。虽然经典的低照度图像质量改善算法能够在一定程度上抑制低照度效应引起的视觉问题，但是自由参数的选择、图像过度增强、较为模糊的细节等问题影响了增强图像的图像质量，因此，采用现有的低照度图像质量改善算法对低照度图像进行处理后，所获得的图像的质量仍然较差。

技术实现思路

[0004]本专利技术的目的是为解决采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题，而提出了一种基于Retinex模型的低照度图像质量改善方法。
[0005]本专利技术为解决上述技术问题所采取的技术方案是：
[0006]一种基于Retinex模型的低照度图像质量改善方法，所述方法具体包括以下步骤：
[0007]步骤一、将获取的图像从RGB通道转化到HSV通道后，分别获得V通道、H通道和S通道的数据；
[0008]再将V通道数据分解为光照层图像和细节层图像；
[0009]步骤二、对光照层图像进行全局亮度映射处理，获得全局亮度映射后的光照层图像；
[0010]再对全局亮度映射后的光照层图像进行像素值域扩展，获得像素值域扩展后的光照层图像；
[0011]步骤三、利用细节层图像映射函数对细节层图像进行拉伸，获得拉伸后的细节层图像；
[0012]步骤四、将像素值域扩展后的光照层图像和拉伸后的细节层图像合成为新的图像；再将合成的图像与步骤一获得的H通道和S通道数据转换为输出图像。
[0013]进一步地，所述步骤一中，将V通道数据分解为光照层图像和细节层图像，其具体过程为：
[0014]I(x,y)＝c(x,y)
×
L(x,y)
ꢀꢀꢀ
(1)
[0015]其中，I(x,y)代表V通道数据在像素点(x,y)处的像素值，L(x,y)代表光照层图像在像素点(x,y)处的像素值，c(x,y)代表细节层图像在像素点(x,y)处的像素值。
[0016]进一步地，所述光照层图像通过V通道数据与方差为1的高斯核进行卷积计算得到。
[0017]进一步地，所述步骤二的具体过程为：
[0018]步骤二一、对光照层图像进行归一化处理，获得归一化处理后的光照层图像；
[0019][0020]其中，代表归一化处理后的光照层图像在像素点(x,y)处的像素值，max表示取最大值运算；
[0021]步骤二二、采用最大类间方差法确定归一化处理后的光照层图像的亮度分割阈值T；
[0022]步骤二三、根据亮度分割阈值T和全局亮度映射函数，对归一化处理后的光照层图像进行全局亮度映射，获得全局亮度映射后的光照层图像；
[0023]全局亮度映射函数为：
[0024][0025]其中，代表全局亮度映射后的光照层图像在像素点(x,y)处的像素值；
[0026]步骤二四、对全局亮度映射后的光照层图像进行像素值域扩展：
[0027][0028]其中，L
d
(x,y)代表像素值域扩展后的光照层图像在像素点(x,y)处的像素值。
[0029]进一步地，所述细节层图像映射函数为：
[0030][0031]其中，e是自然对数的底数，A，B，D是细节层图像映射函数的系数，S(c(x,y))代表拉伸后的细节层图像中像素点(x,y)的值。
[0032]进一步地，所述细节层图像映射函数的系数A，B，D为：
[0033][0034]其中，[h0,h1]为细节层图像中像素值c(x,y)的定义域，c(x,y)∈[h0,h1]，即h0为细节层图像中像素值c(x,y)的最小值，h1为细节层图像中像素值c(x,y)的最大值。
[0035]更进一步地，所述步骤四中，将像素值域扩展后的光照层图像和拉伸后的细节层图像合成为新的图像，其具体过程为：
[0036]将在像素值域扩展后的光照层图像与拉伸后的细节层图像中处于相同位置的像素值进行相乘，将相乘结果作为合成的新图像中对应位置上的像素值。
[0037]本专利技术的有益效果是：
[0038]本专利技术为了改善低照度图像的整体对比度，增强低照度图像的细节、纹理特性，提出一种基于Retinex模型的低照度图像质量改善方法。本专利技术首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。实验结果表明，本专利技术设计算法可以有效地提高低照度图像的图像质量。
附图说明
[0039]图1为本专利技术方法的一种基于Retinex模型的低照度图像质量改善方法的流程图；
[0040]图2为亮度分割阈值T＝0.2时，所对应的光照层全局亮度映射函数的曲线图；
[0041]图3为亮度分割阈值T＝0.5时，所对应的光照层全局亮度映射函数的曲线图；
[0042]图4为细节层图像映射函数的曲线图；
[0043]其中，原始图像细节层强度值域为[0.1,3]；
[0044]图5(a)为原始图像一；
[0045]图5(b)为图5(a)对应的增强图像；
[0046]图6(a)为原始图像二；
[0047]图6(b)为图6(a)对应的增强图像。
具体实施方式
[0048]具体实施方式一、结合图1说明本实施方式。本实施方式所述的一种基于Retinex模型的低照度图像质量改善方法，所述方法具体包括以下步骤：
[0049]步骤一、将获取的图像从RGB通道转化到HSV通道后，分别获得V通道、H通道和S通道的数据；
[0050]再将V通道数据分解为光照层图像和细节层图像；
[0051]步骤二、对光照层图像进行全局亮度映射处理，获得全局亮度映射后的光照层图像；
[0052]再对全局亮度映射后的光照层图像进行像素值域扩展，获得像素值域扩展后的光照层图像，即光照增强图像；
[0053]步骤三、利用细节层图像映射函数对细节层图像进行拉伸，获得拉伸后的细节层图像，即细节增强图像；
[0054]步骤四、将像素值域扩展后的光照层图像和拉伸后的细节层图像合成为新的图像；再将合成的图像与步骤一获得的H通道和S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Retinex模型的低照度图像质量改善方法，其特征在于，所述方法具体包括以下步骤：步骤一、将获取的图像从RGB通道转化到HSV通道后，分别获得V通道、H通道和S通道的数据；再将V通道数据分解为光照层图像和细节层图像；步骤二、对光照层图像进行全局亮度映射处理，获得全局亮度映射后的光照层图像；再对全局亮度映射后的光照层图像进行像素值域扩展，获得像素值域扩展后的光照层图像；步骤三、利用细节层图像映射函数对细节层图像进行拉伸，获得拉伸后的细节层图像；步骤四、将像素值域扩展后的光照层图像和拉伸后的细节层图像合成为新的图像；再将合成的图像与步骤一获得的H通道和S通道数据转换为输出图像。2.根据权利要求1所述的一种基于Retinex模型的低照度图像质量改善方法，其特征在于，所述步骤一中，将V通道数据分解为光照层图像和细节层图像，其具体过程为：I(x,y)＝c(x,y)
×
L(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，I(x,y)代表V通道数据在像素点(x,y)处的像素值，L(x,y)代表光照层图像在像素点(x,y)处的像素值，c(x,y)代表细节层图像在像素点(x,y)处的像素值。3.根据权利要求2所述的一种基于Retinex模型的低照度图像质量改善方法，其特征在于，所述光照层图像通过V通道数据与方差为1的高斯核进行卷积计算得到。4.根据权利要求3所述的一种基于Retinex模型的低照度图像质量改善方法，其特征在于，所述步骤二的具体过程为：步骤二一、对光照层图像进行归一化处理，获得归一化处理后的光照层图像；其中，代表归一...

【专利技术属性】
技术研发人员：赵蓝飞，魏莲莲，陈志铧，李国庆，李士俊，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：