推荐星级：

基于Python的夜间图像增强方法研究

更新时间：2019-12-21 11:02:31 大小：1M 上传用户：songhuahua 查看TA发布的资源 标签：python 夜间图像增强 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

数字图像广泛应用于生活娱乐、医学、交通等领域,由于光照不均匀和光照强度不够等自然环境、拍摄技术和设备的限制,有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重,且含有大量噪声,影响图像的辨识度和质量,极大的影响了视觉体验.针对该问题,本文分析了基于Retinex和去雾理论的夜间图像增强算法,提高夜间图像的亮度和对比度,提升图像的可视化效果;运用Python语言实现了MSRCR、MSRCP以及基于去雾理论的增强算法.研究结果表明,对夜间图像进行增强处理后,能极大地提高图像的可视化效果.

部分文件列表

文件名	大小
基于Python的夜间图像增强方法研究.pdf	1M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

第 37 卷第 1 期ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ 湖北民族学院学报(自然科学版)ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ Ｖｏl.37ꢁ Nｏ.1

2019 年 3 月ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ Ｊｏｕｒｎａl ｏf Hｕｂｅｉ MｉｎzｕＵｎｉｖｅｒsｉty(Nａtｕｒａl Scｉｅｎcｅ Eｄｉtｉｏｎ)ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ Mａｒ.2019

ＤＯI：10.13501/ j.cｎkｉ.42 15６9/ ｎ.2019.03.019

文章编号：1008 8423(2019)01 0085 05

基于 Pythｏｎ的夜间图像增强方法研究

刘晓燕

(中国船舶重工集团第七一三研究所，郑州 450000)

摘要：数字图像广泛应用于生活娱乐、医学、交通等领域，由于光照不均匀和光照强度不够等自然环境、拍摄技术和

设备的限制，有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重，且含有大量噪声，影响图像的辨识度和质

量，极大的影响了视觉体验.针对该问题，本文分析了基于 Rｅtｉｎｅｘ和去雾理论的夜间图像增强算法，提高夜间图像

的亮度和对比度，提升图像的可视化效果；运用 Pythｏｎ语言实现了 MSRCR、MSRCP 以及基于去雾理论的增强算法.

研究结果表明，对夜间图像进行增强处理后，能极大地提高图像的可视化效果.

关键词：夜间图像；颜色恢复；Rｅtｉｎｅｘ算法；伪去雾

中图分类号：TP391.4

文献标志码：A

Research on Night Image Enhancement Method Based on Python

ＬIＵ Xｉａｏyａｎ

(713th Rｅsｅａｒch Iｎstｉtｕtｅｏf Chｉｎａ Shｉpｂｕｉlｄｉｎｇ Iｎｄｕstｒy Cｏｒpｏｒａtｉｏｎ，Zhｅｎｇzhｏｕ 450000，Chｉｎａ)

Abstract: Ｄｉｇｉtａl ｉｍａｇｅs ａｒｅｗｉｄｅly ｕsｅｄｉｎ thｅ fｉｅlｄs ｏf lｉfｅｅｎtｅｒtａｉｎｍｅｎt，ｍｅｄｉcｉｎｅ，tｒａｎspｏｒtａtｉｏｎ，ｅtc.

Ｄｕｅ tｏ thｅ lｉｍｉtａtｉｏｎs ｏf ｎａtｕｒａl ｅｎｖｉｒｏｎｍｅｎt，shｏｏtｉｎｇ tｅchｎｏlｏｇy ａｎｄｅｑｕｉpｍｅｎt sｕch ａs ｕｎｅｖｅｎｉllｕｍｉｎａꢀ

tｉｏｎａｎｄｉｎsｕffｉcｉｅｎt lｉｇht ｉｎtｅｎsｉty，sｏｍｅａcｑｕｉｒｅｄｎｉｇhttｉｍｅｉｍａｇｅs hａｖｅ lｏｗ cｏｎtｒａst，ｄａｒk cｏlｏｒs ａｎｄ sｅꢀ

ｒｉｏｕs lａck ｏf ｄｅtａｉls ａｎｄ cｏｎtａｉｎａ lｏt ｏf ｎｏｉsｅ，ｗhｉch ａffｅct thｅｒｅcｏｇｎｉtｉｏｎａｎｄｑｕａlｉty ｏf thｅｉｍａｇｅａｎｄ

thｅｖｉsｕａl ｅｘpｅｒｉｅｎcｅ.Aｉｍｉｎｇａt thｉs pｒｏｂlｅｍ，thｉs pａpｅｒａｎａlyzｅs thｅｎｉｇhttｉｍｅｉｍａｇｅｅｎhａｎcｅｍｅｎt ａlｇｏꢀ

ｒｉthｍｂａsｅｄｏｎ Rｅtｉｎｅｘａｎｄｄｅhａzｉｎｇ thｅｏｒy，ｉｍpｒｏｖｅs thｅｂｒｉｇhtｎｅss ａｎｄ cｏｎtｒａst ｏf ｎｉｇhttｉｍｅｉｍａｇｅs，ａｎｄ

ｅｎhａｎcｅs thｅｖｉsｕａlｉzａtｉｏｎｏf ｉｍａｇｅs.Pythｏｎ lａｎｇｕａｇｅｉs ｕsｅｄ tｏｉｍplｅｍｅｎt ｍｕltｉ scａlｅ Rｅtｉｎｅｘｗｉth cｏlｏｒ

ｒｅcｏｖｅｒy，ｍｕltｉ scａlｅ Rｅtｉｎｅｘｗｉth chｒｏｍａtｉcｉty pｒｅsｅｒｖａtｉｏｎａｎｄｅｎhａｎcｅｄａlｇｏｒｉthｍs ｂａsｅｄｏｎｄｅfｏｇｇｉｎｇ

thｅｏｒy.Thｅｒｅsｅａｒch ｒｅsｕlts shｏｗ thａt thｅｅｎhａｎcｅｍｅｎt ｏf thｅｎｉｇht ｉｍａｇｅ cａｎｇｒｅａtly ｉｍpｒｏｖｅ thｅｖｉsｕａlꢀ

ｉzａtｉｏｎｏf thｅｉｍａｇｅ.

Key words:ｎｉｇht ｉｍａｇｅ；cｏlｏｒｒｅcｏｖｅｒy；Rｅtｉｎｅｘａlｇｏｒｉthｍs；psｅｕｄｏｄｅfｏｇｇｉｎｇ

图像处理已经广泛应用于航空、医疗、艺术设计、交通等诸多方面，对目标进行高质量的成像是高效进行

图像处理的前提^[1].由于成像时不是自然光及所处环境的差异，有些图像不适合人类视觉的观察与分析.特

别是低照度下拍摄的夜间图像，具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等缺点，拍摄

的图像质量下降，细节信息丢失严重，降低了利用价值^[2

利用这些“失败”的夜间图像资源，采用图像增强技术尽可能地修复其细节信息，将获取的原图像转换

成一种更加适合于人眼观察和计算机分析处理的形式，显得至关重要.近年来研究者提出的夜间图像增强研

究方向主要从空域和频域展开处理，基于 Rｅtｉｎｅｘ理论和基于去雾理论的增强算法也都能对夜间图像进行有

６]

效增强^[5

Ｌａｎｄ^[7]提出的 Rｅtｉｎｅｘ算法认为物体的真实信息存储在反射图像里，而不是设备捕捉到的画面.真实图

像信息不会随着光照强度的改变而受到任何影响.基于路径与基于迭代的 Rｅtｉｎｅｘ算法都是在一维路径上选

取反射分量，算法略显复杂，所以基于中心环绕的 Rｅtｉｅｎｘ算法出现在图像增强领域^[8].其中基于 Rｅtｉｎｅｘ理

论的单尺度算法^[9]和多尺度算法^[10]以及带有色彩恢复功能的算法^[11]是最为经典的三种中心环绕算法.基

于去雾理论的夜间低照度图像增强算法是基于何凯明^[12]提出的暗通道理论上发展而来.宋瑞霞等^[13]提出了

一种基于 HSI 色彩空间的夜间图像增强算法.首先将待处理的彩色图像转到 HSI 颜色空间，对于饱和度提出

分段指数变换，而对于亮度先区分开高频子带和低频子带，对低频和高频部分分别采取 Rｅtｉｎｅｘ调整和模糊

收稿日期：2019 02 01.

作者简介：刘晓燕(1984 )，女，硕士，工程师，主要从事计算机应用、图像处理方面的研究.

ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ 湖北民族学院学报(自然科学版)ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ ꢁ

ꢁ

ꢁ ꢁ 第 37 卷

8６

增强，这样能够尽最大可能地去除图像中的噪声，也能很好地保留原始图像色彩.最后将色调、色彩饱和度和

亮度三个分量进行数据整合得到增强处理的彩色图像.现有的增强算法并不能适用于所有夜间图像，在夜间

图像增强方面还有巨大的研究和发展空间.

本文分析了基于 Rｅtｉｎｅｘ和基于去雾理论的夜间图像增强算法，并且运用 Pythｏｎ语言实现了带色彩恢

复的多尺度 Rｅtｉｎｅｘ算法，基于多尺度 Rｅtｉｎｅｘ的改进增强算法以及基于去雾理论的增强算法并进行了效果

比较.

1ꢁ 原理与方法

1.1ꢁ 基于 Rｅtｉｎｅｘ理论的夜间图像增强算法

在图像增强领域常用网膜皮层理论(Rｅtｉｎｅｘ理论)，由视网膜(ｒｅtｉｎａ)与大脑皮层(cｏｒtｅｘ)的英文缩写组

合而成，认为物体的真实信息存储在反射分量中，并不是由人眼或设备捕获的画面所决定.对原始图像进行

一定的处理去除光照分量的影响进而求得反射分量，即得到增强图像^[7].该理论是由Ｌａｎｄ等提出，它是基于

人眼的成像特点，处理完成后的图像具有不易失真、颜色舒适、边缘增强等优点.

1.1.1ꢁ 单尺度 Rｅtｉｎｅｘ增强算法ꢁ Ｊｏｂsｏｎ和 Rａhｍａｎ在基于中心环绕算法的基础上提出了单尺度 Rｅtｉｎｅｘ增

强算法(Sｉｎｇlｅ scａlｅ Rｅtｉｎｅｘ，简称 SSR).为了降低计算难度，减少计算量，一般都是将图像数据变换成对数域

进行处理. 选取合适的环绕尺度 c 值和 λ 值，然后计算出 R_lｏｇ(x，y)，再对 R_lｏｇ(x，y) 进行指数运算，得到

R(x，y)，即为增强图像^[9].SSR 增强原理如图 1 所示.

1.1.2ꢁ 多尺度 Rｅtｉｎｅｘ算法ꢁ Ｊｏｂsｏｎ和 Rａhｍａｎ在 SSR 算法的基础上提出了多尺度 Rｅtｉｎｅｘ算法(Mｕltｉ scａlｅ

Rｅtｉｎｅｘ，简称 MSR).相对于单尺度增强算法，MSR 既能有效增强图像中物体的细节信息，也能使图像颜色尽

可能地符合人眼的视觉习惯^[10].MSR 增强算法在原理上与 SSR 增强算法相同.在计算入射图像的过程中，都

是将原始图像与高斯环数进行卷积操

作，唯一不同的是，MSR 增强算法选

取了多个高斯环绕尺度进行处理，同

时也要进行多次卷积操作.最后对这

些处理结果采取平均加权的操作，得

图 1ꢁ SSR 增强原理图

到最后的增强图像.MSR 的增强过程

Fｉｇ.1ꢁ SSR ｅｎhａｎcｅｍｅｎt schｅｍａtｉc

如公式(1)所示.

R(x，y) Σ W_i{lｏｇS(x，y) lｏｇ(F_i(x，y)∗S(x，y))}

(1)

其中:W_i表示尺度的权值；S(x，y)为输入图像；∗表示卷积操作；F_i(x，y)为高斯滤波函数；R(x，y)为增强图

像；N 表示使用高斯尺度的个数，彩色图像一般取值为 3.

1.1.3ꢁ 改进的多尺度 Rｅtｉｎｅｘ算法ꢁ 由于多尺度 Rｅtｉｎｅｘ优缺点都十分显著，Pｅtｒｏ提出了一种基于 MSR 的

改进增强算法(MSR ｗｉth chｒｏｍａtｉcｉty pｒｅsｅｒｖａtｉｏｎ，MSRCP).首先将原始图像由 RＧB 空间转为 HSI 空间，对图

像的 Iｎtｅｎsｉty 通道进行 MSR 增强处理，随后将得到的数据根据原图的 RＧB 的比例映射到每个通道.最后将

处理后的图像转回至 RＧB 空间，在保留原始图像颜色分布的基础上增强图像^[14].该算法如公式(2)所示.

R(x，y) A(x，y) S(x，y)

(2)

其中 A(x，y)为放大系数.

1.1.4ꢁ 带色彩恢复的多尺度 Rｅtｉｎｅｘ算法ꢁ MSR 算法可以综合利用 SSR 算法在小尺度时动态范围压缩能力

较好和大尺度时颜色恢复较好的特性，但在加权平均的过程中，图像中的噪声可能会被叠加放大，产生图像

局部颜色失真.为此Ｊｏｂsｏｎ和 Rａhｍａｎ提出了一种带色彩恢复的多尺度 Rｅtｉｎｅｘ算法(Mｕltｉ scａlｅ Rｅtｉｎｅｘｗｉth

cｏlｏｒｒｅcｏｖｅｒy，MSRCR)^[11].MSRCR 增强算法的过程如图 2 所示.

MSRCR 算法可以用公式(3)表示.

R_MSRCR(x，y) C_i(x，y)R_MSR(x，y)

(3)

其中 C_i(x，y)为色彩恢复因子(Cｏlｏｒｒｅcｏｖｅｒy fａctｏｒ，简称 CR)，引入 CR 是用来调节通道中 RＧB 三个颜色的

比例.

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于Python的夜间图像增强方法研究

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页