基于光照调整的图像增强方法和设备

摘要

本发明提出了一种基于Retinex理论的自适应Gamma增强方法，利用Retinex理论分离图像的亮度分量和反射分量，对亮度分量进行自适应Gamma校正，最后利用反射分量恢复图像的细节和色彩。本发明解决了现有Retinex算法时效性差和处理效果不理想的问题，处理的非均匀光照图像具有最佳的对比度、能见度、自然性和时效性。

主权项

一种基于光照调整的图像增强方法，其特征在于，本方法分为几个步骤：步骤一：获取观测图像I(x,y)；步骤二：对观测到的图像进行分解，将图像分解成为反射分量和亮度分量；Retinex理论认为图像是由亮度分量和反射分量组成，假设RGB图像I(x,y)各通道具有相同的亮度，即：I^c(x,y)＝R^c(x,y)·L(x,y),c∈{r,g,b}  (1)式中R^c(x,y)表示各个通道的反射分量，L(x,y)表示图像的亮度分量。通常，将RGB通道的最大值作为人眼观察的照度V(x,y)，$V(x,y)=\underset{c\in \{r,g,b\}}{max}{I}^c(x,y)---\left(2\right)$根据Retinex理论，用2D高斯滤波器G(x,y)对照度图像V(x,y)进行卷积可获得图像的亮度分量L(x,y)，L(x,y)＝G(x,y)*V(x,y)  (3)由此，反射分量R^c(x,y)可以被分离出来，R^c(x,y)＝I^c(x,y)/L(x,y),c∈{r,g,b}  (4)反射分量主要包含了图像的高频成分，包括边缘和细节，步骤三：在获取图像亮度分量后，对其进行自适应Gamma校正；L_en(x,y)＝L(x,y)^γ(x,y)  (5)$\gamma \left(l\right)=1-\underset{v=0}{\overset{l}{\Sigma }}[P_{\omega }\left(v\right)/s_p]---\left(6\right)$$s_p=\underset{l=0}{\overset{l_{max}}{\Sigma }}{P}_{\omega }\left(l\right)---\left(7\right)$L_en(x,y)表示增强后的亮度分量，γ(x,y)表示Gamma校正系数矩阵，P_ω(l)为对应于各亮度值的权值分布函数：$P_{\omega }\left(l\right)=\frac{P\left(l\right)-p_{\min }}{p_{max}-p_{\min }}---\left(8\right)$式中，P(l)是亮度分量的概率密度函数，p_max为P(l)的最大值，p_min为P(l)的最小值，P(l)可通过下式求得：P(l)＝n_l/n_p  (9)式中，n_l为对应的亮度所含像素数，n_p为亮度分量包含的像素总数；步骤四：融合L_en(x,y)及R^c(x,y)即可得到最终的增强图像I_en(x,y)。$I_{en}^c(x,y)=R^c(x,y)·L_{en}(x,y),c\in \{r,g,b\}---\left(10\right)$