基于灰度调节和直方图重构的图像增强

2021-12-31 00:28:20贾伟振何秋生梁慧慧
太原科技大学学报 2021年6期

贾伟振,何秋生,卢 冉,梁慧慧

(太原科技大学 电子信息工程学院,太原 030024)

图像增强在提高数字图像的视觉质量方面起着重要作用,已广泛应用于安防监控、计算机视觉及模式识别等领域。导致图像质量低的因素很多,如光照环境不同(如光照过度、低光照和暗景)、采集图像仪器的性能和操作的专业性等。其中,光照环境对图像有着较为直接的影响。

目前,图像增强技术主要有基于像素的灰度变换法、基于人类颜色恒常性的Retinex算法、基于同态滤波的图像增强算法等算法。Rerinex算法是在对数域将乘性的照射分量与反射分量变为加性,然后估计并去除照射分量,得到反映图像本质的反射分量,最后进行对比度拉伸。如多尺度视网膜算法MSR(Multi-Scale Retinex)[1]在一定程度上增强图像对比度,但计算复杂度高,图像失真比较严重,而在该算法基础上改进算法,MSRCR(Multi-Scale Retinex with Color Restoration)[2-3]算法是将色彩恢复因子加入MSR,虽然有明显的增强效果,但仍存在失真问题,且图像对比度降低。同态滤波的增强算法[4]要求光照均匀,对于光照不均匀的图像增强效果不好,所以在实际中应用较少。基于像素的灰度变换法[5]是将图像原始灰度通过一定的数学关系进行映射,对图像进行拉伸变换,有伽马变换、对数变换、直方图均衡等。直方图均衡HE(Histogram Equalization)是最常用的图像增强算法之一,但是存在过度增强问题,且变换后的图像有些细节信息会丢失,因此针对直方图均衡做了许多研究。例如,有通过将直方图分割为几个子直方图来增强图像,有通过使用不同的阈值达到特定的效果,如增强图像信息熵,与原图亮度更加接近等。……

登录APP查看全文