一种基于纹理先验和颜色聚类的图像增强方法技术

本发明专利技术提供了一种基于纹理先验和颜色聚类的图像增强方法，包括以下步骤：步骤一，进行纹理结构的提取，再提出图像增强；步骤二，使用图像的信息熵以及自然统计特性来对增强图像做有效性评估；步骤三，将图像增强完成之后的图像与图像纹理相融合；步骤四，利用图像分割算法进行分块增强处理；步骤五，在分块处理的基础上，提出基于均方值和均方差的映射方案，提高图像对比度。本发明专利技术在MSRCR算法的基础上采用纹理先验，在一定程度上避免了图像信息丢失的问题，图像表现得更加丰富。图像表现得更加丰富。图像表现得更加丰富。

【技术实现步骤摘要】
一种基于纹理先验和颜色聚类的图像增强方法


[0001]本专利技术主要涉及图像增强的
，具体涉及一种基于纹理先验和颜色聚类的图像增强方法。

技术介绍

[0002]社会的不断发展和人类的不断革新，人们获取信息的方式变得愈加多样化和简单化，但是图像依然是人们获取信息的主要途径。但因为各种因素，比如人为失误、保存不当、年代久远、条件落后等等，我们得到的图像与我们所期望的图像存在一定的差距，于是图像处理技术应运而生。图像增强是一种通过改善图像质量和视觉效果的处理技术。它广泛应用于计算机视觉、摄影、医学图像处理、无人驾驶等领域。图像增强的目标是使图像更易于理解和分析，同时保持尽可能多的图像细节。图像增强的技术背景可以追溯到早期的摄影和电影工业。在摄影中，人们通过调整曝光时间、光圈大小和镜头滤波器来改善图像质量。在电影工业中，人们使用色彩校正和后期制作技术来提高电影画面的视觉效果。随着数字图像技术的发展，图像增强的方法也得到了极大的提升。以下是一些常见的图像增强技术：
[0003]传统图像增强方法往往基于MSRCR算法，而MSRCR算法削弱图像对比度时，往往对处于不同光照区域的图像做同样增强，导致效果不佳，存在部分信息容易丢失、纹理信息增强不明显的缺点。

技术实现思路

[0004]本专利技术主要提供了一种基于纹理先验和颜色聚类的图像增强方法用以解决上述
技术介绍
中提出的技术问题。
[0005]本专利技术解决上述技术问题采用的技术方案为：
[0006]一种基于纹理先验和颜色聚类的图像增强方法，包括以下步骤：
[0007]步骤一，进行纹理结构的提取，再提出图像增强；
[0008]步骤二，使用图像的信息熵以及自然统计特性来对增强图像做有效性评估；
[0009]步骤三，将图像增强完成之后的图像与图像纹理相融合；
[0010]步骤四，利用图像分割算法进行分块增强处理；
[0011]步骤五，在分块处理的基础上，提出基于均方值和均方差的映射方案，提高图像对比度。
[0012]进一步的，所述步骤四中，针对于不均匀光照情况下所获得的图像根据明暗程度的不同进行分块增强，将图片分为几块进行增强处理，当每一小分块中的颜色接近相同时，认为光照均匀进而进行增强处理。
[0013]进一步的，所述步骤五中，将图像根据颜色进行分块，转化为聚类问题，将颜色相同或者相近的部分归为一类，以达到图像分块的目的，使用颜色聚类来进行图像的分块处理操作，具体步骤包括：
[0014]步骤一，将输入的RGB图像转换到Lab空间；
[0015]步骤二，计算输入图像的颜色直方图，通过对直方图进行分析得到图像构成颜色，统计各种颜色所占比例，并进行大小排序，根据用户输入的聚类个数N选取前N种图像构成颜色并将此设置为初始聚类中心；
[0016]步骤三，根据图像构成颜色对图像像素进行聚类，得到每个像素的类别，对每个像素，计算其与每个聚类中心色的色差，并将该像素划分到距离最近的聚类中心；
[0017]步骤四，针对所有像素的类别，重新计算聚类中心，判断是否与初始聚类中心接近，若接近则结束迭代，否则继续迭代更新。
[0018]步骤五，对聚类结果进行优化，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的划分区域。
[0019]进一步的，所述步骤一中进行纹理结构的提取，根据结构
‑
纹理分解模型，将图像表示为纹理图像与结构图像之和。
[0020]进一步的，所述纹理图像与结构图像之和表示为：I(x,y)＝I
S
(x,y)+I
T
(x,y)；
[0021]式中，I
S
(x,y)为结构图像，I
T
(x,y)为纹理图像。
[0022]6.根据权利要求1所述的一种基于纹理先验和颜色聚类的图像增强方法，其特征在于，所述步骤五中提出基于均方值和均方差的映射方案，映射之前需要对可能为负值的像素值进行修正，以下为修正公式：Log
e
[R
MSRCRi
(x,y)
′
]＝G
×
Log
e
[R
MSRCRi
(x,y)]+b，
[0023]式中，G和b均为参数，一般取为192，
‑
30，Value为Log
e
[R
MSRCRi
(x,y)]的值，min为所有像素值中的最小值，max为所有像素中的最大值。
[0024]进一步的，所述步骤五中提出基于均方值和均方差的映射方案，具体步骤如下：
[0025]步骤一，计算出Log
e
[R(x,y)]中R/G/B各通道数据的均值Mean和均方差Var；
[0026]步骤二，利用均值和均方差计算各通道的Min和Max值：
[0027]Min＝Mean
‑
ρ
×
Var；
[0028]Max＝Mean+ρ
×
Var；
[0029]式中，ρ为可调参数；
[0030]步骤三，对Log
e
[R(x,y)]的每一个值Value，进行线性映射，但需要加溢出判断：
[0031]f(R(x,y)＞255)R
i
(x,y)＝255；
[0032]else if(R(x,y)＜0)R
i
(x,y)＝0。
[0033]与现有技术相比，本专利技术的有益效果为：
[0034]本专利技术在MSRCR算法的基础上采用纹理先验，在一定程度上避免了图像信息丢失的问题，图像表现得更加丰富；通过分块处理有利于结合图像特征进行增强，避免了无关信息的干扰和色调区分度不大的问题；此外结合图像整体信息改进映射思路也让增强效果更加自然。
[0035]以下将结合附图与具体的实施例对本专利技术进行详细的解释说明。
附图说明
[0036]图1为本专利技术的框架图。
具体实施方式
[0037]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更加全面的描述，附图中给出了本专利技术的若干实施例，但是本专利技术可以通过不同的形式来实现，并不限于文本所描述的实施例，相反的，提供这些实施例是为了使对本专利技术公开的内容更加透彻全面。
[0038]需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上也可以存在居中的元件，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0039]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同，本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术，本文所使用的术语“及/本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理先验和颜色聚类的图像增强方法，其特征在于，包括以下步骤：步骤一，进行纹理结构的提取，再提出图像增强；步骤二，使用图像的信息熵以及自然统计特性来对增强图像做有效性评估；步骤三，将图像增强完成之后的图像与图像纹理相融合；步骤四，利用图像分割算法进行分块增强处理；步骤五，在分块处理的基础上，提出基于均方值和均方差的映射方案，提高图像对比度。2.根据权利要求1所述的一种基于纹理先验和颜色聚类的图像增强方法，其特征在于，所述步骤四中，针对于不均匀光照情况下所获得的图像根据明暗程度的不同进行分块增强，将图片分为几块进行增强处理，当每一小分块中的颜色接近相同时，认为光照均匀进而进行增强处理。3.根据权利要求1所述的一种基于纹理先验和颜色聚类的图像增强方法，其特征在于，所述步骤五中，将图像根据颜色进行分块，转化为聚类问题，将颜色相同或者相近的部分归为一类，以达到图像分块的目的，使用颜色聚类来进行图像的分块处理操作，具体步骤包括：步骤一，将输入的RGB图像转换到Lab空间；步骤二，计算输入图像的颜色直方图，通过对直方图进行分析得到图像构成颜色，统计各种颜色所占比例，并进行大小排序，根据用户输入的聚类个数N选取前N种图像构成颜色并将此设置为初始聚类中心；步骤三，根据图像构成颜色对图像像素进行聚类，得到每个像素的类别，对每个像素，计算其与每个聚类中心色的色差，并将该像素划分到距离最近的聚类中心；步骤四，针对所有像素的类别，重新计算聚类中心，判断是否与初始聚类中心接近，若接近则结束迭代，否则继续迭代更新。步骤五，对聚类结果进行优化，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的划分区域。4.根据权利要求1所述的一种基于纹理先验和颜色聚类的图像增强方法，其特征在于，所述步骤一中进行纹理结构的提取，根据结构
‑
纹理分解...

【专利技术属性】
技术研发人员：刘正男，张元康，王昭昭，李敦煌，黄鹏程，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：