色彩增强

一种改进的色彩增强方法现有技术•一种现有的色彩增强方法：图(a)原图图(b)增强后结果•基于Retinex理论的色彩增强方法（MSRCR）：将给定的图像分成两部分：照射分量图像和反射分量图像，通过高斯滤波估计出图像的照射分量图像，从而分离出反射分量图像达到图像增强的目的。•不足之处：1.该技术产生颜色失真；2.在光照变化剧烈的边缘处产生光晕；4.计算量大。Page2现有技术•另一种现有的色彩增强方法：图(a)原图图(b)增强后结果•基于色调恒定的色彩增强算法（HPMSR）：提取出图像亮度分量，通过基于Retinex理论的MSR算法得到增强后的亮度分量从而求的亮度增强比例，分别乘以B、G、R分量得到增强后图像。•不足之处：1.出现过增强的现象，如原图像素值比较高的区域增强后失去纹理；2.在光照变化剧烈的边缘处产生光晕；3.计算量大。Page3现有技术•一种去除光晕的色彩增强方法如下：图(a)原图图(b)增强后结果•基于mean-shift的色彩增强方法：根据Retinex理论分离出图像的反射分量图像从而达到色彩增强的效果，与前面所述的MSRCR不同的是对于光照分量图像的估计采用了mean-shift滤波代替高斯滤波，从而达到了消除光晕的效果。•不足之处：mean-shift滤波计算量太大使得单幅图像的耗时过多。Page4Page5改进的色彩增强方法1、改进的增强方法结合了MSRCR和HPMSR的优点，对一幅图像分别进行单尺度的HPSSR增强和单尺度带色彩恢复因子的SSRCR增强，最后将分别进行增强后的结果融合得到最终的增强结果。2、在单尺度HPMSR增强的过程中，为了消除过增强造成的暗区出现大量噪声和亮区变得过亮的问题，采用sin(π*原图像素值/255)乘以增强后的亮度的像素值从而避免了产生过增强。3、在单尺度带色彩恢复因子的SSRCR增强的过程中，对原理论：反射分量=log(原图像)-log(光照分量)改进为：反射分量=(1+β)*log(原图像)-log(光照分量)。这样改进了增强后图像出现色彩失真，动态压缩范围不好的缺陷，使得图像更自然，通过实验发现β=1时效果最好。•4、根据Retinex理论，在估计光照分量时采用对原图像进行高斯滤波，这样会在光照变化剧烈的边缘处产生光晕现象，为了消除光晕现象采用了小波低通滤波。•5、在单尺度HPMSR增强过程中，对原理论：反射分量=log(原图像)-log(光照分量)改进为：反射分量=（log(原图像)-（1-cos(0.5*π*log(光照分量)）*log（光照分量）。这样改进增强了图像处理后整体的亮度。Page7改进的色彩增强方法读取图像R,G,B取每一像素点R、G、B的最大值提取亮度图像（I）照射图像（L）高斯滤波获取反射图像(R):R={log(I)–[1-cos（π*log（L）/2)]}*log(L)将反射图像线性拉伸至0~255：R=255*(R–Rmin)/(Rmax–Rmin)反射图像乘以增强调整因子：R=R*Sin（π*I/255)通过亮度图像和反射图像得到每像素的亮度增益(K):K=R/I提取R通道做为输入(Ib)照射图像（Lr）小波低通滤波获取反射图像(Rr)并乘以彩色恢复因子(Ci):Rr=Ci*[log(Ir)–log（Lr）]提取G通道做为输入(Ig)照射图像（Lg）小波低通滤波获取反射图像(Rg)并乘以彩色恢复因子(Ci):Rg=Ci*[log(Ig)–log（Lg）]提取B通道做为输入(Ib)照射图像（Lb）小波低通滤波获取反射图像(Rb)并乘以彩色恢复因子(Ci):Rb=Ci*[log(Ib)–log（Lb）]计算三通道结果的平均值μ和均方差δ，由此求出三通道线性拉伸的最大值Max和最小值Min：Max=μ+a*δ；Min=μ-a*δR分量最终结果(Rout):Rout=255*[(Lr–Min)/(Max–Min)]2G分量最终结果(Gout):Gout=255*[(Lg–Min)/(Max–Min)]2B分量最终结果(Bout):Bout=255*[(Lb–Min)/(Max–Min)]2将得到的B、G、R分量合并，得到输出结果2：I_out2将原图的同一像素点R、G、B分量分别乘以亮度增益：Rout=R*K；Gout=G*K；Bout=B*K；得到输出1：I_out1将上面得到的两个输出结果综合得到最终的结果：I_out=α*I_out1+（1-α）*I_out2实验结果分析•1.与现有技术不同，采用单尺度色调恒定的色彩增强算法（HPSSR）和基于Retinex理论的色彩增强方法（SSRCR）结合的方式，综合了HPSSR颜色保真度好和SSRCR暗区细节还原度好的特点。这样最终的处理结果不仅克服了颜色失真的缺陷而且图像更加自然，细节显示更加明显。Page8图(a)原图图(b)本发明增强后结果•2.在HPSSR增强部分，为了消除原图黑暗区域由于增强出现大量噪声和原图亮度很高的区域出现过增强的现象，对增强后的图像像素值乘以增强调整因子:sin(π*原图像素值/255)，这样避免了噪声和过增强的现象。对比图(a)和图(b)可以看出，图(a)小孩身后的轮胎部分（红色矩形中）出现了大量的噪声而图(b)中轮胎部分噪声明显消除了。Page9图(a)未使用增强调整因子图(b)使用增强调整因子•3.在单尺度SSRCR处理过程中，将原Retinex理论：反射图像=log(原图像)-log(光照图像)改进为：反射图像=(1+β)*log(原图像)-log(光照图像)，这样做使的增强后的结果较原Retinex理论增强的结果颜色保真度有了很大的提高，基本解决了颜色失真的问题，使得增强后的图像更加自然。Page10图(a)原Retinex理论增强结果图(b)改进后的增强结果•4.根据现有技术大多采用高斯滤波估计光照图像，不足之处是在光照变化剧烈的边缘区域会产生明显的光晕现象，使增强后的图像看起来不自然。另外一种改进光晕现象的技术是使用mean-shift滤波来估计光照图像但该技术的缺陷是耗时过长。这里我们采用小波低通滤波来估计光照图像，既避免了光晕现象也避免了耗时过长。对比结果如下图所示，图(a)为高斯滤波结果，可以看到白色塔身边缘有明显的光晕现象；图(b)为小波滤波结果，塔身边缘处光晕得到了消除。Page11图(a)高斯滤波结果图(b)小波低通滤波结果Page12ThankYou