基于自适应颜色校正和导向滤波的图像增强方法及系统技术方案

本申请公开了一种基于自适应颜色校正和导向滤波的图像增强方法及系统，通过带有细节提升的自适应颜色恢复算法将待处理图像颜色像素值进行色彩均衡化；将色彩均衡化后图像从

【技术实现步骤摘要】
基于自适应颜色校正和导向滤波的图像增强方法及系统


[0001]本申请涉及图像处理
，具体涉及一种基于自适应颜色校正和导向滤波的图像增强方法
。

技术介绍

[0002]随着国民经济的发展和社会的进步，数字图像处理已逐渐的成为现代社会中不可缺少的一部分，是人们获取生活信息的重要来源和手段
。
它不仅能够提供丰富的信息量，而且还能带来直观
、
形象和愉悦的感受
。
但是在实际生活的应用中，由于受到设备
、
季节
、
地域和拍摄等问题的限制，使得获取的图像质量不佳，特别是在背光
、
夜晚以及阴雨天等恶劣的拍摄环境中，抓拍到的大多数图像整体亮度较暗，对比度偏低，图像中的部分画面产生噪声导致整体不够清晰且有效的信息几乎都处于暗处
。
这些低质量图像在很大程度上妨碍人们获取外界信息，进而对图像后续的加工以及处理工作带来不利的影响
。
因此，图像增强算法有着很好的研究意义和价值
。
[0003]CN116402729A
公开了一种基于双直方图均衡化的图像增强方法及系统，其是通过改进的
Otsu
算法对图像进行分割，得到目标区域
A
和背景区域
B
，通过直方图均衡化对目标区域
A
和背景区域
B
分别进行过增强抑制，并进行局部灰度修正，增强后的图像虽然亮度有所提升并且避免了噪声放大，但图像部分区域出现了模糊现象
,
处理效果不理想
。CN116363001
公开了一种结合
RGB
和
HSV
颜色空间的水下图像增强方法，该方法首先对原始图像进行颜色校正，处理后的图像通过最近邻插值法生成多尺度图像；将图像在
RGB
和
HSV
两个颜色空间中通过编码器提取特征并进行选择性融合，融合后的特征进行解码重建得到最终增强图像
。
增强后的图像暗区域没有得到较好的增强效果并且只适用于水下图像处理中，实时性较差
。CN116309133A
公开了一种局部和全局自适应对比度校正的低光照图像增强方法，分别从局部和全局两个方面对低照度图像进行处理，增强后的图像虽亮度有所提升，但局部亮度并没给有得到明显的提升且细节信息会出现模糊等现象
。
[0004]因此，如何在有效的保证图像色彩
、
细节信息的同时避免图像出现失真
、
模糊不清问题是本领域亟待解决的技术问题
。

技术实现思路

[0005]本申请为了解决上述技术问题，提出了如下技术方案：
[0006]第一方面，本申请实施例提供了一种基于自适应颜色校正和导向滤波的图像增强方法，包括：
[0007]获取待处理图像并通过带有细节提升的自适应颜色恢复算法将待处理图像颜色像素值进行色彩均衡化；
[0008]将色彩均衡化后图像从
RGB
空间转换为
HSV
空间，对
H
分量
、S
分量
、V
分量分别进行不同的增强处理，以使得图像在亮度
、
饱和度以及色调均有所增强；
[0009]采用直方图均衡化
CLAHE
算法对
H
分量进行对比度提升，采用改进的分数阶微分算
子对
S
分量进行卷积运算，并对处理后的
S
分量进行饱和度自适应非线性修正，采用基于双边滤波和导向滤波联合加权作为新的中心环绕函数的改进
Retinex
算法对
V
分量进行增强；
[0010]将处理后的
H
分量
、S
分量
、V
分量转回
RGB
空间获得最终结果图像
。
[0011]在一种可能的实现方式中，其特征在于，所述获取待处理图像并通过带有细节提升的自适应颜色恢复算法将待处理图像颜色像素值进行色彩均衡化，包括：
[0012]首先通过
MSR
算法对原始图像增强，对处理后的反射图像色彩像素值进行自适应颜色校正，再通过
MSRCR
算法增强，得到色彩均衡化图像，表达式如下：
[0013][0014]其中
C
i
为第
i
个通道的色彩恢复因子，
S
i
(x,y)
为原始图像第
i
个通道的像素值，
G(x,y,c)
为高斯核函数，
c
为高斯核，
N
为高斯函数的个数，
W
n
为第
n
个尺度权值；
[0015]在对数域中通过量化后获得的反射图像其灰度数值所出现的频率大部分集中在0附近；按照预设的数值比例，设置一个正值
high、
一个负值
low
作为阈值的定义，通过对其进行自适应压缩校正，保证图像的灰度值都在小范围之内，去除图像泛灰
、
光晕的现象，求出最优解的均衡化图像；
[0016]对处理后的图像色彩像素值进行线性拉伸，将其像素点转化为0‑
255
，从而获得均衡化图像，表达式如下：
[0017][0018]其中
R
min
表示为
R(x,y)
的最小值，
R
max
表示为
R(x,y)
的最大值，
d(i,j)
表示为拉伸到像素值
[0,255]范围内的图像；
[0019]最后通过
MSRCR
算法获取色彩均衡化图像，表达式如下：
[0020][0021]在一种可能的实现方式中，所述设置一个正值
high、
一个负值
low
作为阈值的定义，通过对其进行自适应压缩校正，保证图像的灰度值都在小范围之内，去除图像泛灰
、
光晕的现象，求出最优解的均衡化图像，包括：
[0022]设反射图像存在的灰度值有
X
＝
{X1,X2,X3,......X
n
}
，所对应的数量为
Y
＝
{Y1,Y2,Y3,......Y
n
}
，其中
X
i
＝0，
Y
i
为0的数量，
X1为最小值，
X
n
为最大值，
i
为数值大小的总数；
[0023]将中的灰度值按照从小到大的顺序进行遍历，当
X1≤X
a
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自适应颜色校正和导向滤波的图像增强方法，其特征在于，包括：获取待处理图像并通过带有细节提升的自适应颜色恢复算法将待处理图像颜色像素值进行色彩均衡化；将色彩均衡化后图像从
RGB
空间转换为
HSV
空间，对
H
分量
、S
分量
、V
分量分别进行不同的增强处理，以使得图像在亮度
、
饱和度以及色调均有所增强；采用直方图均衡化
CLAHE
算法对
H
分量进行对比度提升，采用改进的分数阶微分算子对
S
分量进行卷积运算，并对处理后的
S
分量进行饱和度自适应非线性修正，采用基于双边滤波和导向滤波联合加权作为新的中心环绕函数的改进
Retinex
算法对
V
分量进行增强；将处理后的
H
分量
、S
分量
、V
分量转回
RGB
空间获得最终结果图像
。2.
根据权利要求1所述的基于自适应颜色校正和导向滤波的图像增强方法，其特征在于，所述获取待处理图像并通过带有细节提升的自适应颜色恢复算法将待处理图像颜色像素值进行色彩均衡化，包括：首先通过
MSR
算法对原始图像增强，对处理后的反射图像色彩像素值进行自适应颜色校正，再通过
MSRCR
算法增强，得到色彩均衡化图像，表达式如下：其中
C
i
为第
i
个通道的色彩恢复因子，
S
i
(x,y)
为原始图像第
i
个通道的像素值，
G(x,y,c)
为高斯核函数，
c
为高斯核，
N
为高斯函数的个数，
W
n
为第
n
个尺度权值；在对数域中通过量化后获得的反射图像其灰度数值所出现的频率大部分集中在0附近；按照预设的数值比例，设置一个正值
high、
一个负值
low
作为阈值的定义，通过对其进行自适应压缩校正，保证图像的灰度值都在小范围之内，去除图像泛灰
、
光晕的现象，求出最优解的均衡化图像；对处理后的图像色彩像素值进行线性拉伸，将其像素点转化为0‑
255
，从而获得均衡化图像，表达式如下：其中
R
min
表示为
R(x,y)
的最小值，
R
max
表示为
R(x,y)
的最大值，
d(i,j)
表示为拉伸到像素值
[0,255]
范围内的图像；最后通过
MSRCR
算法获取色彩均衡化图像，表达式如下：
3.
根据权利要求2所述的基于自适应颜色校正和导向滤波的图像增强方法，其特征在于，所述设置一个正值
high、
一个负值
low
作为阈值的定义，通过对其进行自适应压缩校正，保证图像的灰度值都在小范围之内，去除图像泛灰
、
光晕的现象，求出最优解的均衡化图像，包括：设反射图像存在的灰度值有
X
＝
{X1,X2,X3,......X
n
}
，所对应的数量为
Y
＝
{Y1,Y2,Y3,......Y
n
}
，其中
X
i
＝0，
Y
i
为0的数量，
X1为最小值，
X
n
为最大值，
i
为数值大小的总数；
将中的灰度值按照从小到大的顺序进行遍历，当
X1≤X
a
≤X
i
(
其中
X
a
∈X)
，且
Y
a
≥Y
i
*0.1
时，负值
low
＝
X
a
；当
X
i
≤X
b
≤X
n
(
其中
X
b
∈X)
，且
Y
b
≥Y
i
*0.1
时，正值
high
＝
X
b
；在反射图像中，小于
low
的数值赋值为
low
；大于
high
的数值赋值为
high
，按照上面的计算步骤对灰度值进行重复操作
。4.
根据权利要求1所述的基于自适应颜色校正和导向滤波的图像增强方法，其特征在于，所述将色彩均衡化后图像从
RGB
空间转换为
HSV
空间，包括：空间，包括：
V
＝
max
；其中
max
代表
RGB
中的最大值，
min
代表最小值
。5.
根据权利要求1所述的基于自适应颜色校正和导向滤波的图像增强方法，其特征在于，所述采用改进的分数阶微分算子对
S
分量进行卷积运算，包括：通过对
G
‑
L
定义进行改进，将差分方程右侧的前
n
项系数进行重新构造，并与图像中像素点进行卷积运算，使其整体边缘信息和纹理细节信息能获得较明显效果，获得最终的锐化结果图像，
G
‑
L
定义为：其中
t
为积分式上界，
a
为积分式下界，

【专利技术属性】
技术研发人员：刘鑫姝，刘香菊，
申请(专利权)人：齐鲁理工学院，
类型：发明
国别省市：