关于对低照度图像增强算法的研究

2023-03-18马新成

科学与信息化 2023年5期

马新成

中通服公众信息产业股份有限公司新疆乌鲁木齐 830099

引言

自从有了数码摄像机，图像的应用迅速扩大，尤其人工智能技术的兴起，计算机视觉的飞速发展又进一步促进了图像的更深层次的智能应用，计算机不但能够“看懂”图像，甚至能够理解图像内容了。但是，由于摄像时周围天气的影响，尤其光照的影响，往往导致拍摄的图像不清晰。其中有一种情况是环境光照度太低导致图像很暗，看不清楚物体，应把这种图像成为低照度图像。由于低照度图像中物体很暗，肉眼难以辨识[1]。如果要从这样的图像中检测和识别人、车、物，也一样难以识别出来。所以，需要有一种技术能够使低照度图像变得清晰起来，这就是本文要研究的图像增强技术，但图像增强算法很多，面向各种不同的问题领域，要增强的方面不同，所采用的算法也就不同，本文就是要探究适合低照度图像增强的算法，并通过程序实现和验证，研究分析图像增强的效果。

1 解决思路

在研究图像增强算法之前，先要搞清楚低照度图像的特点。低照度图像中物体很暗，所以看不清楚，但要分清暗和黑的区别，黑是什么都看不见，没有一点光线，这种情况一般就没救了，图像增强也是解决不了的。但是暗是有弱光线的，只是图像的像素值较小，而且图像中物体的像素值差异不大，对比度低，因此导致肉眼难以分辨物体。搞清楚了这个问题，可以试想，如果能够提高暗处的像素值，并尽量抑制亮处的像素值，再提高图像的对比度，是不是就可以让暗的物体变亮，从而使图像变得清晰呢？是的，这就是解决问题的思路。

2 技术实现

有了解决问题的思路，就可以开始着手研究解决方法，通过传统的图像处理算法来解决这一问题。经过调查研究和分析，有3种适合本场景的图像增强算法，分别是：直方图均衡化图像增强、基于对数变换的图像增强、对比度图像增强算法，下面将逐一讲解每种算法的实现及效果，最后将给出比较结果和推荐算法[2]。

2.1 环境说明

本文提出的解决思路都通过编写程序实际进行了验证，并全部验证通过。操作系统使用的是windows10 64位，开发工具使用的是Visual Studio Community 2019，开发语言使用的是C++，使用了计算机视觉图像库opencv4.5[3]。为了便于比较各图像增强算法的效果，以下各算法都使用同一张低照度图像作为源图像，如图1。

图1 原始图像(src.png)

2.2 直方图均衡化图像增强

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。此方法特别适合图像整体比较暗的情况，可以增强局部对比度，从而达到图像增强的效果，具体实现代码如下：

以上代码第2行为加载图像，第4行是将图像劈开为RGB3个通道图像，第5～7行是对每个通道进行直方图均衡化处理，第8行是将三个通道的图像重新合并为一个图像。

直方图均衡化图像增强的效果如图2。

图2 直方图均衡化图像增强效果图

通过观察图2进行效果分析，原图中暗的地方得到增强，效果还不错。但原图中亮的地方更亮了，以至于原来的牌匾字体被曝光，看不清楚了，另外，整个图像有很多噪点。

2.3 基于对数变换的图像增强

从对数曲线的走势变化情况分析发现，对数函数对于自变量x低值部分变化曲线比较陡，y值增加比较快，对自变量x的高值部分变化曲线比较舒缓，y值变化小。因此，对数变换可以扩展、增强低像素值部分，缩减高像素值部分，从而达到图像增强的目的。具体实现代码如下：以上代码第2行为加载图像，第4～12行是循环读取bgr3个通道中每个像素的值，经过日志变换后存储到imglog中。第13行是将日志变换图像归一化到0～255，存储到目标图像dst中。第14行是将图像转换为8bit图像。