微光图像增强
由于光照条件差,在室外场景中拍摄的图像可能会严重退化。这些图像可能具有低动态范围和高噪声水平,影响计算机视觉算法的整体性能。为了使计算机视觉算法在弱光条件下健壮,使用弱光图像增强来提高图像的可见性。微光图像或HDR图像的逐像素反演直方图与朦胧图像的直方图非常相似。因此,您可以使用雾霾去除技术来增强弱光图像。
使用雾霾去除技术增强弱光图像包括三个步骤:
第一步:反转弱光图像。
步骤2:将去雾算法应用于反向弱光图像。
第三步:反转增强图像。
利用去雾算法增强弱光图像
导入在低光下捕获的RGB图像。
A = imread(“lowlight_11.jpg”);imshow(一个);
反转图像,注意原始图像中光线较暗的区域是如何呈现朦胧的。
AInv = imcomplement(A);imshow (AInv);
减少雾霾使用imreducehaze
函数。
BInv =未还原雾霾(AInv);imshow (BInv);
将结果反转得到增强图像。
B = imcomplement(BInv);
并排显示原始图像和增强图像。
蒙太奇({B});
进一步提高使用效果imreducehaze
可选参数
为了得到更好的结果,打电话imreducehaze
再次在反转图像上,这次指定一些可选参数。
BInv =未还原雾霾;“方法”,“大约”,“ContrastEnhancement”,“提升”);BImp = imcomplement(BInv);图,蒙太奇({A, BImp});
另一个改善光线不好的图像的例子
导入在低光下捕获的RGB图像。
A = imread(“lowlight_21.jpg”);
反转图像。
AInv = imcomplement(A);
应用去雾算法。
BInv =未还原雾霾;“ContrastEnhancement”,“没有”);
颠倒结果。
B = imcomplement(BInv);
并排显示原始图像和增强图像。
蒙太奇({B});
利用不同的颜色空间减少颜色失真
将输入图像从RGB颜色空间转换为L*a*b*颜色空间。
实验室= rgb2lab(A);
反转L*a*b*图像。
LInv = imcomplement(Lab(:,:,1) ./ 100);
控件对反转图像进行去雾化处理imreducehaze
函数。
LEnh = imcomplement(imreducehaze, LInv,“ContrastEnhancement”,“没有”));
增加饱和度。
LabEnh(:,:,1) = LEnh .* 100;LabEnh(:,:,2:3) = Lab(:,,2:3) * 2;增加饱和度
将图像转换回RGB图像,并并排显示原始图像和增强图像。
AEnh = lab2rgb(LabEnh);蒙太奇({AEnh});
使用去噪改善结果
弱光图像可能有很高的噪声水平。增强弱光图像可以提高这种噪声水平。去噪可以是一个有用的后处理步骤。
使用imguidedfilter
函数从增强图像中去除噪声。
B =无导滤波器;蒙太奇({BImp B});
估计照明图
导入在低光下捕获的RGB图像。
A = imread(“lowlight_21.jpg”);
反转图像。
AInv = imcomplement(A);
将去雾算法应用于图像。
[BInv,TInv] = imreducehaze;“方法”,“approxdcp”,“ContrastEnhancement”,“没有”);
反转增强图像。
T = imcomplement(TInv);
将原始图像以假色显示在估计的照明图旁边。
tiledlayout(1,2) nexttile imshow(A) title(“低潮形象”) nexttile (T) title(“照明地图”) colormap(热)
限制
由于暗通道在弱光条件下的适应性较差,该方法可能会丢失一些细节或过度增强。
参考文献
董,宣,等。“快速高效的增强低光照视频的算法。”多媒体与博览会(ICME), 2011年IEEE国际会议。IEEE 2011。
参考文献
董旭,王国光,庞玉玉,李伟,文俊,孟,陆勇。“快速高效的增强低光照视频的算法。”IEEE论文集®国际多媒体及博览会(ICME).2011,第1-6页。