一种低质图像增强方法

技术领域

本发明涉及图像处理领域，特别涉及一种低质图像增强方法。

背景技术

图像增强作为图像处理的重要内容，其目的是要改善图像的视觉效果，将原来不清晰的图像变的清晰或强调某些感兴趣的特征，使之改善图像质量。在图像处理过程中，常常利用伽马变换对过曝或者曝光不足的灰度图进行图像校正。

伽马变换与电子枪或许多成像设备中的静电效应引起的阴极射线管的非线性响应有关，阴极射线管产生的亮度与输入电压不成线性关系，导致采集到的图像失真，所以为了补偿这种非线性，对原始灰度或彩色图像执行伽马校正。经典的伽玛增强方法对灰度图像直接进行如下变换：y＝x

发明内容

发明目的：针对以上问题，本发明目的是提供一种低质图像增强方法。

技术方案：本发明的一种低质图像增强方法，包括：

将原始低质RGB图像进行归一化处理，将归一化后的图像从RGB格式转换成HSV格式得到第一中间图像，并获取第一中间图像的亮度分量V

将归一化后的图像取反，将取反后的图像从RGB格式转换成HSV格式得到第二中间图像，并获取第二中间图像的亮度分量V

将亮度分量V

将亮度分量V

进一步，所述将亮度分量V

将亮度分量V

上式中，V

上式中，V表示原始低质RGB图像全部像素亮度分量的均值；

进一步，所述将亮度分量V

将亮度分量V

上式中，V

进一步，所述亮度分量V

V

上式中，a表示融合系数，表达式为：

a＝mean{V

上式中，mean{}表示均值。

有益效果：本发明与现有技术相比，其显著优点是：本发明首先对低质RGB图像进行归一化，然后获取图像的亮度分量，对原图像的亮度分量和反图像的亮度分量分别进行校正，再进行加权融合得到增强图像的亮度分量，接着进行逆归一化并从HSV格式转换成RGB格式得到最终均衡高质图像，有效扩大低照度和高照度的动态范围，既提升了欠曝像素又抑制了过曝像素；利用本发明处理后的图像具有均衡的视觉效果，该方法简单实用，能够有效提高低质图像的对比度，具有很好的鲁棒性。

附图说明

图1为本发明流程图；

图2为一组原始图像在不同图像增强方法下的效果图；

图3为两组原始图片在不同图像增强方法下的效果图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。

如图1所示为本实施例所述的一种低质图像增强方法的流程图，该方法包括如下步骤：

步骤1、将原始低质RGB图像进行归一化处理，将归一化处理后的图像从RGB格式转换成HSV格式得到第一中间图像，并获取第一中间图像的亮度分量V

具体地，将原始低质RGB图像中的RGB三个分量进行归一化处理，将原始图像的像素值从[0,255]区间归一化至[0,1]区间内，表达式为：

R'＝R/255

G'＝G/255

B'＝B/255

将归一化后的图像从RGB格式转换成HSV格式并记为第一中间图像，可以在HSV色彩空间对图像进行处理。获取第一中间图像的亮度分量V

V

步骤2、将归一化后的图像取反，将取反后的图像从RGB格式转换成HSV格式得到第二中间图像，并获取第二中间图像的亮度分量V

具体地，上述图像取反是指反转图像的像素强度，即将归一化后的图像的前景变为背景，背景变为前景，表达式为：

r＝1-R'

g＝1-G'

b＝1-B'

将取反后的图像从RGB格式转换成HSV格式得到第二中间图像，并获取第二中间图像的亮度分量V

V

步骤3、将亮度分量V

具体地，上述将亮度分量V

将亮度分量V

上式中，V

上式中，

进一步，上述将亮度分量V

将亮度分量V

上式中，V

进一步，所述亮度分量V

V

上式中，a表示融合系数，表达式为：

a＝mean{V

上式中，mean{}表示均值。

步骤4、将亮度分量V

具体地，将亮度分量V

上式中，

为进一步说明本实施例所述低质图像增强方法的有效性，参见图2-3所示为采用不同方法的增强效果对比图，其中图2(a)为原始的低质彩色图像，图2(b)为利用经典伽马变换增强后的图像，图2(c)为利用本实施例中方法增强的图像；图3(a)为原始的彩色图像，图3(b)为利用经典伽马变换增强的图像，图3(c)为利用文献low-light imageenhancement using the camera response model(IEEE Trans.Circuits Syst.VideoTechnol.2019,29,968–981)中记载方法增强后的图像，图3(d)为利用本实施例中方法增强的图像。从图2-3中可知，通过本实施例的图像增强方法，在多幅图像上均验证本实施例图像增强方法的有效性，本方法可以有效扩大低照度和高照度的动态范围，既提升了欠曝像素又抑制了过曝像素，通过本实施例图像增强方法处理后的图像具有均衡的视觉效果和对比度，无论是主客观结果都优于经典的伽马变换以及其他图像增强方法。