由于恶劣的光照条件,在室外拍摄的图像可能会高度退化。这些图像可能具有低动态范围和高噪声水平,这将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微光条件下具有鲁棒性,使用微光图像增强来提高图像的可见性。微光图像或HDR图像的像素级反演直方图与模糊图像的直方图非常相似。因此,你可以使用去雾技术来增强弱光图像。
使用去雾技术增强弱光图像包括三个步骤:
第一步:反转低光图像。
第二步:将去雾算法应用到倒立的微光图像上。
步骤3:反转增强图像。
导入在弱光下拍摄的RGB图像。
一个= imread (“lowlight_11.jpg”);图中,imshow(一个);
反转图像,注意如何低光区域在原始图像中出现模糊。
AInv = imcomplement(一个);图中,imshow (AInv);
减少雾霾使用imreducehaze
函数。
BInv = imreducehaze (AInv);图中,imshow (BInv);
将结果反向得到增强图像。
B = imcomplement (BInv);
显示原始图像和增强图像,并排。
图中,蒙太奇({A、B});
imreducehaze
可选参数想要更好的结果,打电话imreducehaze
这一次指定了一些可选的参数。
BInv = imreducehaze (AInv,“方法”,“大约”,“ContrastEnhancement”,“提升”);BImp = imcomplement (BInv);图中,蒙太奇({,BImp});
导入在弱光下拍摄的RGB图像。
一个= imread (“lowlight_21.jpg”);
反转的图像。
AInv = imcomplement(一个);
应用去雾算法。
BInv = imreducehaze (AInv,“ContrastEnhancement”,“没有”);
转化结果。
B = imcomplement (BInv);
显示原始图像和增强图像,并排。
图中,蒙太奇({A、B});
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(一个);
倒转L*a*b*图像。
LInv = imcomplement(Lab(:,:,1) ./ 100);
使用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
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);图中,蒙太奇({,AEnh});
低光线下的图像可能会有很高的噪音水平。增强弱光图像可以增加这种噪声水平。去噪可以是一个有用的后处理步骤。
使用imguidedfilter
功能,以消除噪声增强图像。
B = imguidedfilter (BImp);图中,蒙太奇({BImp B});
导入在弱光下拍摄的RGB图像。
一个= imread (“lowlight_21.jpg”);
反转的图像。
AInv = imcomplement(一个);
对图像应用去雾算法。
[BInv, TInv] = imreducehaze“方法”,“approxdcp”,“ContrastEnhancement”,“没有”);
反转增强图像。
T = imcomplement (TInv);
在估计的光照图旁边以假颜色显示原始图像。
图中,次要情节(1、2、1);imshow (A)、标题(“低潮形象”);次要情节(1、2、2);imshow (T)、标题(“照明地图”);colormap (gca、热(256));
由于暗通道在弱光条件下的适应性较差,这种方法可能会丢失一些细节或过度增强。
董宣等。“快速有效的算法增强低光照视频。”多媒体与信息技术(ICME), 2011, IEEE国际会议。IEEE 2011。
董旭东,王刚,庞勇,李伟,温建文,吕勇。“快速有效的算法增强低光照视频。”IEEE学报》®国际多媒体及博览会(ICME)。2011年,页1 - 6。