[发明专利]一种低照度图像高效增强方法

说明书

本发明公开了一种低照度图像高效增强方法，首先用设计好的两种不同的变换函数对图像的每一个像素值进行调整，得到两个增强图像；对两个增强图像进行简单的融合得到增强后图像；使用导向滤波器对增强后的图像进行去噪；接着对去噪的后的图像进行锐化，增强图像的细节。通过本发明方法，使图像提高亮度、增强对比度，并且该算法简单计算量小，有利于图像的实时处理。与传统的对比度增强算法相比，在不过度增强的情况下，既能增强低照度图像的亮度及对比度，又能使图像的细节部分更加显著，使图像有着良好的视觉效果。

技术领域

本发明涉及一种低照度图像高效增强方法，属于图像处理技术领域。

背景技术

通常，获取图像或视频是要在光照充足的条件下进行，但实际使用情况确实往往不得不 在低照度环境下获取图像或者视频，例如在室内、夜间等低照度条件下，由于非自然光源的 照度不充分，所以目标表面的反射光较弱，造成进入成像传感器的光线不足。在低照度环境 下拍摄的图像受周围光线、拍照设备的影响，拍出的照片可视性较差，图像可辨识性很低， 难以分辨图像中的细节，影响视觉效果，而且还影响后续的进一步处理效果。因此，需要对 低照度的图像进行亮度和对比度增强，使处理过的图像具有较好的可视性。

传统的增强图像亮度和对比度的方法包括基于线性拉伸、对数变换和伽马变换等方法。 采用线性拉伸的方法能够将图像的灰度集进行线性拉伸至0-255，线性拉伸在增强图像对比度 的同时，也会将图像的亮度区域进行拉伸，导致图像部分过曝；采用对数变换和伽马变换的 方法，可以扩展图像暗区的像素值，但也会压缩图像的亮区像素值，导致图像的亮区细节丢 失。

导向滤波最早由He等人在2010年计算机视觉会议上提出，是一种基于局部线性模型的边 缘保持滤波器。导向滤波的基本原理：输出图像是由输入图像和导向图像分别以不同的线性 关系变换得到的，其输出图像具备了输入图像整体类似的结构组织，并保留了导向图像的边 缘信息及纹理特征。导向滤波的主要应用于图像平滑降噪、图像去雾等。文献将导向滤波应 用在低照度图像增强算法上，取得了较好的效果。

发明内容

本发明为解决上述的问题，提供了一种低照度图像高效增强方法。

本发明为解决上述技术问题采用以下技术方案：

一种低照度图像高效增强方法，具体步骤如下：

S1，对低照度图像进行归一化处理，得到图像I；

S2，对图像I分别采用以下两种变换函数进行变换，得到两个增强图像I₁、I₂，其中，两 种变换函数为：

其中，I(x，y)、I₁(x，y)和I₂(x，y)分别为图像I、I₁和I₂中坐标(x，y)的像素值，γ为伽马变 换的指数；

S3，将两个增强图像I₁、I₂进行融合，得到图像out；

S4，使用导向滤波器对图像out进行去噪，得到图像q₁；

S5，对图像q₁进行锐化，锐化的结果即为最终的输出图像I_out。

进一步，S1中的归一化具体为将低照度图像中像素点的像素值从[0，255]归一化到[0，1]区 间内。

进一步，S3中的融合公式为out(x，y)＝(1-a)I₁(x，y)+aI₂(x，y)，其中out(x，y)为图像 out中坐标(x，y)的像素值，a为加权系数，a＝mean{I}，mean{I}表示图像I的像素均值。

进一步，S3中还包括将融合后的图像进行逆归一化。