[发明专利]一种基于不同颜色空间多算法融合的图像增强算法

说明书

本发明公开了一种基于不同颜色空间多算法融合的图像增强算法，首先在RGB颜色空间下对图像的R、G、B 3个颜色通道分别进行自动对比度拉伸；并将原图像从RGB颜色空间转换到HSV颜色空间，采用改进的多尺度Retinex算法对亮度分量V增强处理，将得到的图像从HSV颜色空间转换回RGB颜色空间；然后对RGB颜色空间的两幅图像进行加权融合；最后将融合后的图像进行Gamma校正,实现颜色恢复与补偿。实验结果表明：该算法与其他算法相比提高了图像亮度和对比度，同时保留了更丰富的细节信息，能有效防止“伪晕”现象。

技术领域

本发明属于图像处理技术领域，涉及一种图像增强算法，具体地说，涉及一种基于不同颜色空间多算法融合的图像增强算法。

背景技术

近年来，随着移动成像设备的普及和社交媒体平台的迅猛发展，人们随时随地拍照变得非常方便。然而，由于光照不足或不均匀，使得在这种条件下拍摄的图像，会影响其质量，同时可能与背景融合在一起，使得的感兴趣的区域难以辨识。因此，低照度图像的增强已经越来越重要。

国内外专家已经提出了许多方法，其基本方法主要有：空域图像增强和频域图像增强算法两大类。以空域增强方法为代表的直方图均衡法对原始图像对比度进行增强处理，具有简单、速度快等优点，但是会导致图像细节丢失，导致信息不完整。以频域图像增强方法为代表的小波变换法主要表现为提高图像高频区域的细节信息增强。以往图像增强的研究主要集中在对比度增强上。基于直方图的方法通过修改直方图分布来增强图像对比度。由于其简单性和有效性，使其在不同灰度级之间的对比度增强的妥协。但大多数关键参数都是凭经验设定的，这限制了这些方法的应用。但这些都没有考虑人类视觉系统的因素，难以获得令人满意的图像增强效果。因此为了提高图像视觉效果，恰当的模拟人眼视觉系统成为研究的关键。Retinex理论就是基于人类视觉系统理论的图像增强方法，具有高动态范围压缩、局部对比度增强、保持图像颜色视觉恒常性等优点。1963年，由美国物理学家Land首先提出基于人类视觉系统的Retinex理论，Retinex一词由Retina(视网膜)和Cortex(大脑皮层)。Retinex理论自提出以来吸引许多学者的兴趣，随后在此理论上发展形成了单尺度Retinex(single-scale retinex,SSR)，多尺度Retinex(multi-scale retinex,MSR)和带颜色恢复的多尺度Retinex(multi-scale retinex with color restoration,MSRCR)。尽管这些方法使得细节得到增强，但是会时常出现颜色失真，甚至出现“伪晕”现象。为解决这些问题，Chao等人采用双边滤波器代替传统的高斯滤波器的单尺度Retinex算法，减少过度增强和颜色失真。但在图像边缘区域可能会出现“伪晕”现象，同时在低光照条件下效果不佳。方帅等人采用一种通过MSR算法的分解原始图像，对分解部分图像进行Gamma校正和线性拉伸，以及通过双边滤波对图像的去噪，在图像视觉质量上有一定的提升但增强后的图像容易颜色失真。Zhang等人提出一种将图像从RGB颜色空间转换到HSI颜色空间亮度补偿方法，并通过Retinex算法对饱和度S分量进行增强。该方法突出来图像的局部细节，但整体图像的对比度增强效果并不明显。

发明内容

本发明针对针对光照不足或不均匀引起的图像质量下降问题，提出了一种基于不同颜色空间多算法融合的图像增强算法，在RGB颜色空间使用改进的自动对比度拉伸和在HSV颜色空间通过使用改进的引导滤波估计亮度的Retinex算法，得到的两种颜色空间增强图像，通过加权融合得到最终增强的图像的一种算法，实现了细节增强和色彩保真，获得了较为理想的增强效果。

其技术方案如下：

一种基于不同颜色空间多算法融合的图像增强算法，包括以下步骤：

a.首先在RGB颜色空间内运用以下自动对比度拉伸式对原始图像I的RGB 3个颜色通道，进行拉伸，将得到的结果图像记为P₁；