【阅读笔记】低照度图像增强-《Fast efficient algorithm for enhancement of low lighting video》

AomanHao

发布于 2022-11-24 16:27:26

9340

发布于 2022-11-24 16:27:26

本文介绍的是一种比较实用的低照度图像增强效果很好的方法，Xuan Dong论文《Fast efficient algorithm for enhancement of low lighting video》

概述

低光照图像取反（255 - 低光照图像），和有雾图像存在一些共性，比如在天空或者遥远的背景这些地方，亮度值都是很高的，但在近景的 RGB 三通道中至少有一个亮度值很低。作者提出直接用去雾算法对低光照图像的反转图像处理，去雾结果再取反得到低照度增强结果。

低照度图像增强算法

大气散射模型

大多透雾算法基于大气散射模型，模型如下：

I (x) = J (x)t(x) + A(1 − t(x))

其中，I(x)表示含雾图，J(x)表示无雾图，A表示大气光模型，t(x)=e^{- \beta d(x)}表示传输率矩阵，\beta 表示大气散射系数，d(x)表示图像区域的景深。雾越浓，到达相机的物体反射的光越少，即传输率越小。

上式可以改写为：

J (x) = \frac{I (x) - A}{t(x)}+A

为了得到J(x)，重点在估计A和t(x)。

暗通道先验知识：

在大部分无雾图像的无天空区域，像素中至少存在一个颜色通道存在很低非常低的亮度值。这个最低的亮度值几乎等同于0。因此，对于一个观测图像J，其暗通道趋近于0，即

J^{dark}(X) = min_{y \in \Omega (x)}(min_{c \in {r,g,b }} J^{c}(y)) \to 0

其中，J^{c}表示彩色图像每个通道，\Omega(x)表示以x为中心的窗口

透雾算法

基于大气散射模型，透雾模型的方法步骤如下：

1、从雾图I (x) 估计传输率矩阵t(x)

2、估计大气光值A

3、通过公式估计无雾图J(x)

首先求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WindowSize = 2 * Radius + 1

将雾模型

I (x) = J (x)t(x) + A(1 − t(x))

处理为：

\frac{I^{c} (x)}{A^{c}} = \frac{J^{c} (x)}{A^{c}}t(x) + 1 − t(x)

假设在窗口内透射率 t(x)为常数，定义为\tilde t(x)，A值已知。对上式求两次最小值运算，得到

\underset {y \in \Omega (x)}{min}(\underset{c}{min} \frac{I^{c} (y)}{A^{c}}) = \tilde t(x) \underset {y \in \Omega (x)}{min}(\underset{c}{min} \frac{J^{c} (y)}{A^{c}})+ 1 − \tilde t(x)

根据暗原色先验理论

J^{dark}(x) = \underset {y \in \Omega (x)}{min}(\underset{c }{min} J^{c}(y)) = 0

推导出

\underset {y \in \Omega (x)}{min}(\underset{c }{min} \frac{J^{c}(y)}{A^{c}}) = 0

带入透射率为常数的公式，得到透射率预估值

\tilde t(x) = 1-\underset {y \in \Omega (x)}{min}(\underset{c }{min} \frac{I^{c}(y)}{A^{c}})

上式添加一个限制系数，得到\tilde t(x)：

\tilde t(x) = 1-\omega\underset {y \in \Omega (x)}{min}(\underset{c }{min} \frac{I^{c}(y)}{A^{c}})

\omega取值0.95

以上假设全球达气光A值时已知的，在实际中，我们可以借助于暗通道图来从有雾图像中获取该值。具体步骤如下：

1）从暗通道图中按照亮度的大小取前0.1%的像素。

2）在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值。

算法参数优化

文中自适应调节t(x)，如下式

$$ t'(x) = \begin{cases} 2*t(x),0<t(x)<0.5\\1,0.5<t(x)<1 \end{cases} $$

优化t(x)如下,增强暗区提亮，亮区微处理，效果更好

$$ t'(x) = \begin{cases} t(x)^2*2,0<t(x)<0.5\\t(x),0.5<t(x)<1 \end{cases} $$

效果对比

算法总结

简单易实现的增强算法，普世性较好，透雾算法处理部分兼容各种透雾算法。

算法实现参考

https://github.com/AomanHao/ISP_Low_Light_Image_Enhancement

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022 年 10 月，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

编程算法

登录后参与评论

0 条评论

热度