低照度图像增强方法-LiTao2004

2020 年 05 月 10 日

1459 次浏览

1188字数

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

$I′(x,y)=I(x,y)∗G(x,y)$

3. 将灰度图像与中心像素图像做对比度增强

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

$r(x,y)=I′(x,y)/I(x,y)$

4. 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](http://www.aomanhao.top/)
#[我的CSDN主页，欢迎访问](https://blog.csdn.net/Aoman_Hao)
#[我的GitHub主页，欢迎访问](https://github.com/AomanHao)

最后修改：2020 年 08 月 08 日

如果觉得我的文章对你有用，请随意赞赏

低照度图像增强方法-LiTao2004

AomanHao • 2020 年 05 月 10 日