【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种图像增强方法、系统、装置及计算机可读存储介质。
技术介绍
1、数字图像在低照度条件下常常受到噪声、模糊和细节丢失等问题的困扰，这些问题降低了图像的可视化质量和信息清晰度，对许多应用产生负面影响。为了解决这些问题，已经提出了各种图像增强技术，传统的方法之一是累计直方图均衡，它试图通过重新分布像素值来增强图像的对比度。然而，在低照度条件下，累计直方图均衡可能导致过度增强的问题，从而丧失细节。近年来，深度学习技术，如卷积神经网络(cnn)，已经用于低照度图像增强，通过学习从低照度图像到高照度图像的映射来改善图像质量，但基于深度学习的方法对于既有过曝区域，又有曝光不足区域的图像时，仍无法有效解决抑制过曝区域且增强暗处信息。
2、因此，有必要提供一种新型的图像增强方法、系统、装置及计算机可读存储介质以解决现有技术中存在的上述问题。
技术实现思路
1、本专利技术的目的在于提供一种图像增强方法、系统、装置及计算机可读存储介质，能够更好的提升暗处信息，并且使高亮部分信息不过曝，有效的实现图像增强。
2、为实现上述目的，本专利技术的所述图像增强方法，包括：
3、计算输入图像的亮度和灰阶评价因子，所述输入图像为rgb格式；
4、根据所述亮度和所述灰阶评价因子计算增强因子；
5、根据所述增强因子计算对比增强结果；
6、根据所述对比增强结果和所述输入图像，获得增强后的图像。
7、可选地，
8、根据亮度计算公式，计算所述输入图像的亮度，其中，所述亮度计算公式为
9、y(x,y)＝0.299*r(x,y)+0.587*g(x,y)+0.114*b(x,y)，y(x,y)表示坐标(x,y)处像素点的亮度，r(x,y)表示坐标(x,y)处像素点的r通道数值，g(x,y)表示坐标(x,y)处像素点的g通道数值，b(x,y)表示坐标(x,y)处像素点的b通道数值。
10、可选地，计算输入图像的亮度和灰阶评价因子，包括：
11、计算所述输入图像的累计直方图；
12、根据所述累计直方图获取判断因子；
13、根据所述判断因子获取灰阶评价因子。
14、可选地，根据所述判断因子获取灰阶评价因子，包括：
15、判断所述判断因子是否大于第一参数；
16、若判断所述判断因子大于所述第一参数，则所述灰阶评价因子为1。
17、可选地，根据所述判断因子获取灰阶评价因子，包括：
18、判断所述判断因子是否小于或等于第二参数；
19、若判断所述判断因子小于或等于所述第一参数，则所述灰阶评价因子为0。
20、可选地，根据所述判断因子获取灰阶评价因子，包括：
21、判断所述判断因子是否小于或等于第一参数，且大于第二参数；
22、若判断所述判断因子小于或等于第一参数，且大于第二参数；
23、则根据所述判断因子、所述第一参数和所述第二参数计算所述灰阶评价因子。
24、可选地，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述亮度和所述灰阶评价因子计算增强因子，包括：
25、根据所述亮度和所述灰阶评价因子，分别通过第一增强因子公式、第一增强因子公式和第一增强因子公式计算所述第一子增强因子、所述第二子增强因子和所述第三子增强因子，其中，所述第一增强因子公式为所述第二增强因子公式为所述第三增强因子公式为ym3＝α*(n4-w)*(n4-y)，ym1表示所述第一子增强因子，ym2表示所述第二子增强因子，ym3表示所述第三子增强因子，y表示所述亮度，w表示所述灰阶评价因子，α表示强度控制参数，0.5≤n1≤0.8，0.3≤n2≤0.8，1.8≤n3≤2.2，0.8≤n4≤1.1。
26、可选地，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述增强因子计算对比增强结果，包括：
27、根据所述增强因子，通过对比增强结果公式计算对比增强结果，所述对比增强结果公式为y_out＝n5*(ym1+ym2+ym3)，其中，y_out表示所述对比增强结果，0.3≤n5≤0.6。
28、可选地，根据所述对比增强结果和所述输入图像，获得增强后的图像，包括：
29、根据所述输入图像的r通道数据、g通道数据和b通道数据计算所述输入图像在yuv格式下的u通道数据和v通道数据；
30、将所述对比增强结果作为所述输入图像在yuv格式下的y通道数据；
31、根据y通道数据、u通道数据和v通道数据得到增强后的图像，增强后的图像的格式为rgb格式。
32、可选地，根据所述输入图像的r通道数据、g通道数据和b通道数据计算所述输入图像在yuv格式下的u通道数据和v通道数据，包括：
33、根据所述输入图像的r通道数据、g通道数据和b通道数据，通过u通道数据计算公式计算所述输入图像在yuv格式下的u通道数据；
34、根据所述输入图像的r通道数据、g通道数据和b通道数据，通过v通道数据计算公式计算所述输入图像在yuv格式下的v通道数据；
35、其中，所述u通道数据计算公式为u＝-n6*ro-n7*go+n8*bo+128，所述v通道数据计算公式为v＝n9*ro-n10*go-n11*bo+128，u表示u通道数据，v表示v通道数据，ro表示所述输入图像的r通道数据，go表示所述输入图像的g通道数据，bo所述输入图像的b通道数据，0.1≤n6≤0.3，0.2≤n7≤0.5，0.4≤n8≤0.6，0.4≤n9≤0.6，0.3≤n10≤0.5，0.05≤n11≤0.1。
36、可选地，将y通道数据、u通道数据和v通道数据转换为rgb格式图像，以获得增强后的图像，包括：
37、根据y通道数据、u通道数据和v通道数据，通过r通道数据计算公式计算r通道数据；
38、根据y通道数据、u通道数据和v通道数据，通过g通道数据计算公式计算r通道数据；
39、根据y通道数据、u通道数据和v通道数据，通过b通道数据计算公式计算r通道数据；
40、其中，所述r通道数据计算公式为r＝y_out+n12(v-128)，所述g通道数据计算公式为g＝y_out-n13(u-128)-n14(v-128)，所述b通道数据计算公式为b＝y_out+n15(u-128)，r表示增强后的图像的r通道数据，g表示增强后的图像的g通道数据，b表示增强后的图像的b通道数据，y_out表示所述对比增强结果，v表示v通道数据，u表示u通道数据，1.3≤n12≤1.5，0.2≤n13≤0.4，0.6≤n14≤0.8，1.6≤n15≤1.9。
41、本专利技术还提供了一种用于实现所述图像增强方法的图像本文档来自技高网...
【技术保护点】
1.一种图像增强方法，其特征在于，包括：
2.根据权利要求1所述的图像增强方法，其特征在于，计算输入图像的亮度和灰阶评价因子，包括：
3.根据权利要求1或2所述的图像增强方法，其特征在于，计算输入图像的亮度和灰阶评价因子，包括：
4.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
5.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
6.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
7.根据权利要求1所述的图像增强方法，其特征在于，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述亮度和所述灰阶评价因子计算增强因子，包括：
8.根据权利要求1所述的图像增强方法，其特征在于，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述增强因子计算对比增强结果，包括：
9.根据权利要求1所述的图像增强方法，其特征在于，根据所述对比增强结果
10.根据权利要求9所述的图像增强方法，其特征在于，根据所述输入图像的R通道数据、G通道数据和B通道数据计算所述输入图像在YUV格式下的U通道数据和V通道数据，包括：
11.根据权利要求9所述的图像增强方法，其特征在于，将Y通道数据、U通道数据和V通道数据转换为RGB格式图像，以获得增强后的图像，包括：
12.一种图像增强系统，其特征在于，包括亮度计算单元、灰阶评价因子计算单元、增强因子计算单元、对比增强结果计算单元和增强单元，所述亮度计算单元用于计算输入图像的亮度，所述灰阶评价因子计算单元用于计算输入图像的灰阶评价因子，所述增强因子计算单元用于根据所述亮度和所述灰阶评价因子计算增强因子，所述对比增强结果计算单元用于根据所述增强因子计算对比增强结果，所述增强单元用于根据所述对比增强结果和所述输入图像，获得增强后的图像。
13.一种装置，其特征在于，包括：
14.一种计算机可读存储介质，其特征在于，包括计算机指令，所述计算机指令被处理器执行时，实现权利要求1～11任意一项所述的图像增强方法。
...【技术特征摘要】
1.一种图像增强方法，其特征在于，包括：
2.根据权利要求1所述的图像增强方法，其特征在于，计算输入图像的亮度和灰阶评价因子，包括：
3.根据权利要求1或2所述的图像增强方法，其特征在于，计算输入图像的亮度和灰阶评价因子，包括：
4.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
5.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
6.根据权利要求3所述的图像增强方法，其特征在于，根据所述判断因子获取灰阶评价因子，包括：
7.根据权利要求1所述的图像增强方法，其特征在于，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述亮度和所述灰阶评价因子计算增强因子，包括：
8.根据权利要求1所述的图像增强方法，其特征在于，所述增强因子包括第一子增强因子、第二子增强因子和第三子增强因子，根据所述增强因子计算对比增强结果，包括：
9.根据权利要求1所述的图像增强方法，其特征在于，根据所述对比增强结果和所述...
【专利技术属性】
技术研发人员：王吉鹏，宋博，王勇，温建新，
申请(专利权)人：成都微光集电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。