[发明专利]基于改进Retinex算法的图像增强方法

权利要求书

1.一种基于改进Retinex算法的图像增强方法，其特征在于，包括以下步骤：

步骤1、对图像类型进行判断，判断结果为灰度图像，则进行步骤2，判断结果为彩色图像，则进行步骤4；

步骤2、利用改进的Retinex算法得到灰度图像的反射分量，具体方法为：

步骤2-1、对尺度半径r进行自适应取值：

选择三个不同的尺度半径分别为r₁、r₂和r₃，具体分别为：

r_min＝[min(h,w)/2^N]

r_max＝[min(h,w)/2-1]

r_mid＝[(r_min+r_max)/2]

r₁＝(1+r_min)/2

r₂＝(r_min+r_mid)/2

r₃＝(r_mid+r_max)/2

式中，h和w是原始图像的高度和宽度，N取3；

步骤2-2、使用Sobel边缘检测算子得出多尺度引导滤波图像的自适应权重；

通过引导滤波函数计算得到三个不同尺度的亮度图像的公式为：

G＝guidedfilter(I,p,r,ε)

其中，G是引导滤波的输出图像，guidedfilter是引导滤波函数，I是引导图像，p滤波输入图像，ε是正规化因子，r是尺度半径；利用Sobel边缘检测算子得到多尺度亮度图像的自适应权重的具体方法为：

确定Sobel边缘检测的四个检测方向分别为0°、45°、90°和135°，四个方向的卷积核为：

四个方向的卷积结果为：

Z_0,i＝∑(V(x_i,y_i)).*G₀

Z_45,i＝∑(V(x_i,y_i)).*G₄₅

Z_90,i＝∑(V(x_i,y_i)).*G₉₀

Z_135,i＝∑(V(x_i,y_i)).*G₁₃₅

其中，V(x_i,y_i)代表图像像素(x_i,y_i)的3*3邻域；

根据四个方向的卷子结果，确定梯度图像：

根据梯度图像确定原始图像的归一化图像为：

根据图像梯度信息确定三个不同尺度的自适应权重因子，计算公式如下：

ω₁(x,y)＝(h_i(x,y))/3

ω₂(x,y)＝(1-ω₁(x,y))/2

ω₃(x,y)＝(1-ω₁(x,y))/2；

步骤2-3、根据步骤2-2中求得的自适应权重因子以及引导滤波函数得到多尺度的反射分量R_g(x,y)如下：

其中，ω_n表示尺度的权重因子，S(x,y)是原始图像，G_i(x,y)是由引导滤波估算出的亮度图像，i＝1,2,3；

步骤3、对得到的反射分量进行gamma矫正，得到增强后的灰度图像；

步骤4、将彩色图像从RGB色彩空间转换到YUV色彩空间；

步骤5、对Y分量进行步骤2的处理得到反射分量R_y(x,y)；

步骤6、利用反射分量R_y(x,y)对UV分量进行均值校正得到校正后图像；

步骤7、将校正后图像从YUV色彩空间转换到RGB色彩空间进行显示。