[发明专利]一种亮度不均匀图像的自适应增强方法

说明书

本发明公开了一种亮度不均匀图像的自适应增强方法，包括对原始图像的色彩空间转换后，通过分别增强图像亮度的照度分量和反射分量，并对照度分量进行校正，在空间域中将校正后的照度分量与原照度分量合理合并，实现对照度分量的自适应校正，使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值，实现亮度不均匀图像的自适应增强。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。

技术领域

本发明涉及图像处理领域，具体为一种亮度不均匀图像的自适应增强方法。

背景技术

随着图像采集设备应用的普及，人们对所采集图像质量也有个更高的要求，环境因素是影响图像质量的主要因素之一，光照不均匀的环境可能会导致图像采集设备所采集的图像出现亮度不均匀、色彩失真等问题，这些问题直接影响计算机视觉领域的发展，如造成图像的特征难提取、目标识别不清等问题，因此，提高亮度不均匀图像的质量十分必要。

近年来，对于亮度不均匀图像自适应增强的方法已成为各高校重点研究的方向，其中，直方图均衡化相关的算法是对整幅的增强，这类算法会导致图像中原本不需要增强的区域信息丢失，因此，直方图均衡化相关的算法仅适用于亮度均匀变化的图像。伽马校正相关的算法是通过调整图像中高频和低频像素的比例来增大图像对比度，这类算法自适应能力弱，同时容易造成过增强和欠增强的问题。如刘志成等人采用二维的伽马函数增强光照不均匀的图像，在保持图像色彩和质量上有了很大提升，但对图像中亮度较大的区域效果较差，不具有普适性(刘志成,王殿伟,刘颖,刘学杰.基于二维伽马函数的光照不均匀图像自适应校正算法[J].北京理工大学学报，2016，36(02)：191-196+214.)。小波变换的相关算法可以突出图像不同尺度下的细节信息，但无法降低图像噪声的同时不能降低算法的时间复杂度。现有的多尺度Retinex算法在增强图像的同时会产生图像色彩失真和图像质量下降的问题；因此，在自适应增强亮度不均匀图像的技术上，现有算法都存在某一方面的不足，因此提出一种具有较强普适性并且不会损失图像质量的方法很有必要。

发明内容

本发明的目的在于，提供一种亮度不均匀图像的自适应增强方法。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定，而且图像增强后无色彩失真，具有较强的普适性。

本发明的技术方案：一种亮度不均匀图像的自适应增强方法，具体包括以下步骤：

(1)将原始图像I(x，y)的色彩空间由RGB转换成HSV，得到转换后的图像J(x，y)；

(2)使用多尺度滤波算法计算出图像J(x，y)色彩空间V(x，y)分量的照度分量L(x，y)，再由照度分量L(x，y)和V(x，y)分量计算出V(x，y)分量的反射分量R(x，y)；

(3)使用OTSU算法计算出V(x，y)分量的分割阈值T，由分割阈值T确定照度分量L(x，y)的两个Gamma校正因子γ₁和γ₂，根据校正因子得到照度分量L(x，y)的两个校正照度分量和

(4)使用照度分量融合系数将校正照度分量和照度分量L(x，y)融合，得到增强的照度分量L_e(x，y)；

(5)对V(x，y)分量的反射分量R(x，y)取反得到负片图像r(x，y)，对负片图像进行增强处理，得到增强后的负片图像r_e(x，y)，再对r_e(x，y)取反得到增强的反射分量R_e(x，y)；

(6)将增强后的照度分量L_e(x，y)和增强的反射分量R_e(x，y)合并得出增强的V(x，y)分量，记为V_e(x，y)，使用V_e(x，y)替换V(x，y)分量得到图像S_e(x，y)，将图像S_e(x，y)色彩空间由HSV转换至RGB得到增强的图像F(x，y)。