低照度图像增强《An Integrated Neighborhood Dependent Approach for Nonlinear Enhancement of Color Images》-LiTao 2004

一种简单快速有效的低照度图像增强方法

2004年Tao的一篇论文,《An Integrated Neighborhood Dependent Approach for Nonlinear Enhancement of Color Images 》处理低照度图像效果不错,相比直方图均衡化的效果颜色恢复比较好

算法步骤

灰度图像线性增强

RGB颜色空间中的彩色图像转换为灰度图像,并且将图像进行归一化,得到归一化后的I(x,y),通过下面公式进行线性增强。

$
x,y)=(I(x,y)^a+(1-I(x,y))^b+I(x,y)^2)/2$

类似gamma曲线调整,提高暗区亮度亮度,而亮区亮度增强较少

灰度增强图像高斯卷积

接着对灰度增强图像I(x,y)同过不同尺度的高斯核函数对I(x,y)做卷积运算,卷积的结果包含了图像相邻像素的亮度信息。可以采取相关性来处理图
像的边界。

高斯核函数的表示方式以及卷积公式如下所示:

$G(x,y)=Ke(−(x2+y2)/c2)$

其中c为尺度或者是高斯环绕空间常数

$I′(x,y)=I(x,y)∗G(x,y)$

  1. 将灰度图像与中心像素图像做对比度增强

$R(x,y)=In(x,y)r(x,y)$

$r(x,y)=I′(x,y)/I(x,y)$

  1. 为了获得更加的图像效果,对不同尺度的多个卷积结果进行图像的对比度增强,最终的结果是基于这多个尺度的线性组合。

$R(x,y)=i∑3wiRi(x,y)$

一般取3就够了,本文$wi$(与尺度有关)为1/3。

色彩恢复

线性颜色恢复图像,得到增强彩色图像。色彩恢复公式如下:

$Rj(x,y)=I(x,y)Ij(x,y)∗λ$

$λ$调整三种波段的色调,本文的$λ$取值为1,结果同样很好。
$Ij(x,y)$指的是原图像的R、G、B三通道。

代码链接
https://github.com/AomanHao/Matlab-Image-Dehazing-Enhazing

我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的GitHub主页,欢迎访问

最后修改:2020 年 08 月 08 日 09 : 47 AM
如果觉得我的文章对你有用,请随意赞赏