傳統(tǒng)的低照度圖像增強(qiáng)算法分析綜述1.1直方圖均衡化算法圖像的直方圖介紹了像素點的分布情況，它顯示出了圖像中各種灰度值出現(xiàn)的可能性。直方圖定義為：（2-1）直方圖均衡化是指拉伸輸入圖像的灰度，使圖像的灰度均勻分布，且均勻分配像素值，從而改善圖像的亮度和對比度，也使細(xì)節(jié)信息更加明了。均衡變換公式為：（2-2）其中，是原始圖像經(jīng)過均衡處理后得到的像素值。采用直方圖均衡法進(jìn)行實驗，算法結(jié)果如下圖2-1所示： （a）原始低照度圖像（b）直方圖均衡后的圖像（c）原始圖像的直方圖（d）直方圖均衡后的圖像的直方圖圖2-1直方圖均衡化算法效果圖直方圖均衡算法是大多數(shù)空間域圖像處理最基本的算法，它有著速度快、算法簡便易實現(xiàn)的優(yōu)勢。但在直方圖均衡的處理過程中，過度增強(qiáng)的情況時常出現(xiàn)，噪聲問題嚴(yán)重，圖像的邊緣細(xì)節(jié)被過度放大，最后得到的灰度值與實際想要的灰度值不一樣，圖像處理效果不理想。為了避免以上缺陷，可以采用T.K等人提出的分段直方圖均衡法，在每一段上進(jìn)行處理，可以避免低灰度區(qū)域亮度過高，避免發(fā)生圖像過度增強(qiáng)，也可以控制圖像噪聲。1.2同態(tài)濾波算法近些年來，同態(tài)濾波技術(shù)在圖像處理領(lǐng)域應(yīng)用頻繁。同態(tài)濾波應(yīng)用去除乘性噪聲，對比度和亮度都得到了提高，從而達(dá)到圖像增強(qiáng)的目的。圖像就是其照射分量和反射分量的乘積REF_Ref32396\r\h[8]，這兩個分量在時域上不可分割，但在頻域上用傅里葉變換線性分隔。因為照射就是燈光的照明，變化很小，所以當(dāng)成圖像的低頻成分；而反射率變化大，所以當(dāng)成高頻成分。因此可以將照射分量和反射分量分開，并進(jìn)行處理，公式為：（2-3）在式子2-3中，表示輸入圖像，表示照射分量，表示反射分量。一般情況下，環(huán)境的照明條件決定了照射分量，物體自身的特征決定了反射分量，體現(xiàn)了圖像的細(xì)節(jié)。在用同態(tài)濾波算法處理低照度圖像時，在高頻區(qū)域采用增強(qiáng)處理，在低頻區(qū)域采用控制處理，從而提升圖像的層次感，強(qiáng)化圖像的邊緣細(xì)節(jié)信息。為了簡化算法的運算，對等式（2-3）兩邊分別取對數(shù)，結(jié)果如下：（2-4）對等式（2-4）兩邊進(jìn)行傅里葉變換，得到結(jié)果如下：（2-5)對等式（2-5）進(jìn)行濾波處理，所得結(jié)果如下：(2-6)對（2-6）得到的濾波結(jié)果進(jìn)行傅里葉逆變換運算：（2-7）等式（2-7）可以改寫成：（2-8）對等式（2-8）兩邊做指數(shù)運算，可得結(jié)果如下：（2-9）式（2-9）所得結(jié)果為經(jīng)過同態(tài)濾波算法處理過后得到的圖像。本文通過同態(tài)濾波算法進(jìn)行增強(qiáng)實驗，所得結(jié)果如圖2-2所示。圖2-2同態(tài)濾波算法效果圖將灰度變換法和頻率過濾法結(jié)合起來就得到了同態(tài)濾波算法，是一個照射—反射的模型，在頻率范圍處理照射和反射分量，提高圖像的對比度，控制圖像的亮度，最終達(dá)到圖像增強(qiáng)的目的。同態(tài)濾波算法有效地解決了傅里葉變換處理會出現(xiàn)的圖像失真問題。1.3基于Retinex理論的算法Land等人第一次提出了Retinex概念，該算法認(rèn)為反射分量決定不了我們看到的物體的顏色和亮度，而是由物體的反射能力決定，即反射率低的物體看上去較暗，反射率高的物體看上去是較亮。根據(jù)這一理論，需要從輸入圖像中消去光照圖像的影響，才能得到物體的原貌，即得到反射圖像。根據(jù)這一概念，圖像表示為照射分量和反射分量相乘，表示如下：（2-10）對等式（2-10）進(jìn)行對數(shù)運算，所得結(jié)果如下：（2-11）根據(jù)Retinex理論的中心思想，需要從原始的圖像中估計出光照分量L，并排除掉L帶來的影響，從而得到物體反射分量R，表達(dá)式為：（2-12）其中為光照分量的估計值。圖2.3表示了基于Retinex理論的圖像增強(qiáng)算法的步驟。圖2-3Retinex圖像增強(qiáng)算法基于Retinex理論的圖像