基于多尺度Retinex算法的高速相机图像对比度增强方法与流程

本发明涉及高速相机的图像处理方法，尤其涉及一种基于多尺度retinex算法的高速相机图像对比度增强方法。

背景技术：

1、高速相机在采集图像时，通常会遭遇到图像对比度过低的问题。对比度是指图像中明暗区域之间的差异程度，低对比度意味着图像中的明亮和暗部区域之间的界限不够清晰，导致整个图像看起来较为模糊或平淡。图像对比度低对实际应用产生了一系列负面影响，如：低对比度图像中的细节和纹理信息不够清晰，使得观察者和分析者难以准确识别和理解图像内容；低对比度图像可能导致视觉上的不适感，降低图像质量，影响用户的体验；低对比度图像还可能限制某些图像处理算法的应用，因为这些算法往往需要较高质量的输入数据才能发挥最佳性能。

2、为了解决高速相机采集时图像对比度低的缺陷，通常采取两种思路：一种是从硬件方面优化相机的曝光参数和镜头设计，提高图像的对比度。另一种是从软件方法利用图像处理技术(如图像对比度增强算法)，对采集到的低对比度图像进行后处理，以提高图像的视觉效果和识别准确率。目前，从硬件方面对高速相机的对比度进行提升，面临着诸如：需要投入大量的研发资源和成本，并可能面临技术瓶颈，以及需要进行大量的实验和测试才能找到最优方案等许多难度和挑战。相比而言，从软件算法方面对高速相机的图像对比度进行提升，具有显著的优势。首先，软件算法具有高度的灵活性和可调性，能够更好地满足各种实际应用需求。其次，软件算法能够处理更加复杂的图像信息，从而提升图像的对比度和整体质量。此外，软件算法还可以结合机器学习和人工智能技术，实现更高级的对比度增强，实现更加精细和自然的对比度提升效果。最后，软件算法在对比度提升方面的成本相对较低，并且更易于实现和维护。但现有的图像对比度增强算法仍然存在以下缺陷：

3、(1)由于不同图像具有独特的特征和属性，而现有算法无法精细地调整对比度以增强图像的细节和特征，导致在处理复杂场景或不同类型的图像时，无法准确地区分图像中的有用信息和噪声，使得图像细节模糊或失真。

4、(2)在提升对比度时，易增加噪声，从而降低图像的信噪比。

5、(3)在处理细节丰富的图像时，一些重要的细节信息可能会被丢失或模糊化，进而难以保持细节信息的完整性及图像质量。

6、(4)在处理彩色图像时，无法有效地平衡各个颜色通道之间的关系，导致颜色失真或偏差进而影响图像的真实性和可靠性。

7、(5)缺乏对不同场景和类型的适应性，进而无法针对不同情况提供最佳的增强效果。

技术实现思路

1、本发明的目的在于提供一种基于多尺度retinex算法的高速相机图像对比度增强方法，主要解决现有算法无法精细地调整图像对比度、易增加噪声、难以保持信息的完整性、真实性等技术问题。

2、为了实现上述目的，本发明的技术解决方案如下：

3、一种基于多尺度retinex算法的高速相机图像对比度增强方法，其特殊之处在于，包括以下步骤：

4、【1】将高速相机采集的图像作为输入图像，并对输入图像进行高斯模糊处理；【2】提取经高斯模糊处理后图像的原始亮度分量，并进行线性增强；【3】利用多尺度retinex算法，对线性增强后的亮度分量在不同尺度上分别进行计算，获取对应的反射分量；所述反射分量用于反映输入图像的细节信息；

5、【4】通过分段函数对反射分量进行调整，使得反射分量平滑过渡；

6、【5】对调整后的反射分量做指数运算，得到对应的增强后的亮度值；

7、【6】对增强后的亮度值进行调整，进而输出对比度增强的图像。

8、进一步地，当步骤【1】中的输入图像为彩色图像时，步骤【2】具体为，提取经高斯模糊处理后图像的原始亮度分量，并进行线性增强；之后结合线性增强后的亮度分量以及对应的原始亮度分量，求出相应的增益矩阵；再利用增益矩阵将彩色图像各通道的原始亮度分量同比例放大。

9、进一步地，步骤【2】中，对原始亮度分量进行线性增强的表达式为：

10、ienhance(x,y)＝ai(x,y)

11、式中，ienhance(x,y)为线性增强后的亮度分量，a为增益系数，i(x,y)为原始亮度分量，x、y分别表示高斯函数的变量。

12、进一步地，步骤【3】中，所述多尺度retinex算法的表达式为：

13、

14、式中，re(x,y)为对应的反射分量；n为不同尺度高斯函数的个数，n≥1；wi为加权系数，i＝1，....，n；*表示卷积符号；fi(x,y)为不同尺度的高斯函数，其表达式为：

15、

16、式中，k为归一化系数；σ2为高斯函数的尺度，其值为图像尺寸的1/6，x、y分别表示高斯函数变量。

17、进一步地，步骤【3】中，

18、进一步地，步骤【4】中，所述分段函数表示为：

19、

20、式中，rel_msr(x,y)表示调整后的反射分量；max_value表示待调整反射分量中的最大值；λ表示调整系数，其值由原始亮度分量的动态范围而定。

21、进一步地，步骤【4】中，所述调整系数λ取值为：

22、

23、range＝i_max-i_min

24、式中：range表示原始亮度分量的动态范围；i_max表示原始亮度分量的最大值；表示i_min原始亮度分量的最小值。

25、进一步地，步骤【5】中，所述指数运算过程表示为：

26、bmsr(x,y)＝exp(rel_msr(x,y))

27、式中，bmsr(x,y)为增强后的亮度值。

28、进一步地，步骤【6】中，所述对增强后的亮度值进行调整，是指对增强后的亮度值中大于255的亮度值进行调整，其调整的表示式为：

29、

30、式中，max_bmsr为bmsr(x,y)的最大值；vmsr(x,y)为最终增强的亮度值。

31、进一步地，步骤【2】中，所述增益矩阵的表达式为：

32、

33、式中，k(x,y)为增益系数矩阵；ienhance(x,y)为线性增强后的亮度分量；i(x,y)为原始亮度分量；x、y分别表示高斯函数的变量；δ为大于0的微小值。

34、进一步地，步骤【2】中，所述将彩色图像各通道的原始亮度分量同比例放大的表达为：

35、renhance(x,y)＝k(x,y)r(x,y)

36、genhance(x,y)＝k(x,y)g(x,y)

37、benhance(x,y)＝k(x,y)b(x,y)

38、上式中，renhance(x,y)为增强后的红色分量；r(x,y)为原始的红色分量；

39、genhance(x,y)为增强后的绿色分量；g(x,y)为原始的绿色分量；benhance(x,y)为增强后的蓝色分量；b(x,y)为原始的蓝色分量。

40、与现有技术相比，本发明具有以下有益效果：

41、1、本发明基于多尺度retinex算法的高速相机图像对比度增强方法，可针对高速相机采集过程中的低对比度图像，进行相应的增强处理，调整精度高，内容真实自然，不失真。

42、2、本发明基于多尺度retinex算法的高速相机图像对比度增强方法，在处理高速相机图像增强时，首先对图像的亮度分量做线性增强，让图像的动态范围得以扩展，接着使用多尺度retinex算法获得反射分量，并且构造一个分段函数对反射分量进行处理，使获得的反射分量能够平滑过渡，并且提取的反射分量的动态范围得到很大扩展，像素在整个动态范围的分布比较均衡。

43、3、本发明基于多尺度retinex算法的高速相机图像对比度增强方法，在对调整后的反射分量做指数运算，计算图像亮度值时，设计了分段函数处理求得的亮度值中，超出了正常的显示范围即大于255部分，使得原图的局部动态范围得以拉伸，提高了局部对比度。

44、4、本发明基于多尺度retinex算法的高速相机图像对比度增强方法，在处理高速相机彩色图像增强时，通过先提取彩色图像的亮度信息，对亮度信息进行增强，然后基于增强后的亮度值和原始亮度分量，得到对应的增益矩阵，最后利用增益矩阵将彩色图像的各个通道的原始亮度同比例放大，使得三个通道的比例关系得到保持，因此图像的色彩得以保持，同时又增大了各个通道的亮度。