【文章+代码】基于Matlab的低光照图像增强方法的研究

星辰研创

于 2024-09-12 22:34:09 发布

阅读量279

点赞数 10

分类专栏： Matlab/Simulink仿真文章标签： matlab

本文链接：https://blog.csdn.net/qq_27033017/article/details/142187371

版权

Matlab/Simulink仿真专栏收录该内容

5 篇文章 0 订阅

订阅专栏

❤️👊Welcome❤️👊

🌟🌟一万年太久，只争朝夕🌟🌟

⭐️建议收藏，随时翻阅⭐️

📚本文目录

🌲部分内容
🎨结果展示
💻参考文献
💢资源获取

🌲部分内容

本文探讨了三种常见的低光照图像增强技术：直方图均衡、同态滤波和小波变换。低光照条件下获取的图像往往亮度低、对比度差、细节模糊，这些问题严重影响了图像的视觉质量和后续处理效果。直方图均衡通过重新分布图像的灰度值来提升对比度，虽然效果显著，但易放大噪声。同态滤波通过分离和处理图像的亮度和反射成分，改善对比度和细节，但可能引入过曝和色彩失真。小波变换利用多尺度分析能力增强细节和抑制噪声，但计算复杂度较高。本文在MATLAB平台上对这三种技术进行了仿真实验，结果表明，直方图均衡在快速提升对比度方面表现突出，同态滤波在均衡光照和增强细节方面效果显著，小波变换在细节保留和噪声抑制方面表现优异。本文总结了各技术的优缺点，并提出了结合多种技术的方法，以期为低光照图像处理提供更全面的解决方案。
在这里插入图片描述
MATLAB的图像处理工具箱（Image Processing Toolbox）包含了多种图像增强函数，如直方图均衡化（histeq）、对比度调整（imadjust）和滤波操作（imfilter）。可以直接调用这些功能，方便用户对图片强化功能的快速实现，方便用户快速实现图像增强功能。

直方图均衡化

直方图均衡化是一种常用的图像增强技术，目的是通过调整图像灰阶分布，提高画面的对比度。低照度画面通常会有灰阶分布集中在灰阶数值较低的范围内，造成画面整体亮度不高，反差较大的问题。通过直方图的均衡化，灰阶分布可扩展至整个灰阶范围，以提升影像的对比度与亮度。
在这里插入图片描述

同态滤波

同态滤波法是一种基于频域处理的图像增强技术，尤其适用于增强低照度图像。该方法通过对画面的亮度成分和反射成分进行分离和处理，使画面质量得到提高。低照度画面通常亮度较低，对比和细节的有效增强都可以采用同态滤波法。同态滤波的基本思想是将图像进行对数变换，将乘性模型转换为加性模型，然后在频域内进行高通滤波，最后通过指数变换（IndexTransformation）将图像还原，如图所示，具体步骤如下：
（1）对数变换：对原图像进行对数变换，使乘性模型变成加性模型。
（2）傅里叶变换：对对数变换后的图像进行傅里叶变换，使之转换为频域。
（3）高通滤波：为了加强图像的高频分量(细节)和对低频分量(亮度)的抑制，在频域中应用高频滤波器。
（4）逆傅里叶变换：变换滤波后的频域图像，再转换回空间域。
在这里插入图片描述

小波变换

小波变换是一种特别适合处理低照度影像的常用影像强化方式。与傅里叶变换不同，小波变换能够同时提供时间（空间）和频率信息，使其在处理具有局部特征和多尺度特性的图像时表现出色。通过小波变换，可将图像分解成不同尺度、不同频率的子带，从而有针对性地提升图像的细节和对比度。
在这里插入图片描述

🎨结果展示

直方图均衡化仿真

在这里插入图片描述

原图（上）灰度值主要集中在灰度较低、灰度中等的区域，总体分布不均匀。这种灰度分布表明图像的大部分像素亮度较低，导致图像整体偏暗，缺乏足够的对比度和细节层次。灰度值的这种集中趋势正是造成图像视觉效果不佳的主要原因之一。针对这种图像，可以采用直方图均衡化方法进行图像增强。从结果图（下）可以看出，图像经过直方图均衡化处理后，色彩饱和度明显增强，画面层次分明。然而，处理后的图像色彩显得过于丰富，呈现出类似油画的效果，且出现了一些噪点。
在这里插入图片描述

💻部分代码

im_input = im2double(imread('images\1.bmp'));
im_output = imadjust(im_input,[min(im_input(:)) max(im_input(:))], [0 1]);
histogram(im_input,64,'EdgeColor','r','FaceAlpha',1,'FaceColor','r');
hold on;
histogram(im_output,64,'EdgeColor','k','FaceAlpha',0.2,'FaceColor','b');
hold off;

%直方图均衡化
im_input = im2double(imread('images\1.bmp'));
im_output = imadjust(im_input,[min(im_input(:)) max(im_input(:))], [0 1],0.3);
im_histeq = histeq(im_input);
figure, imshow(im_output); title('Contrast stretch');
figure, imshow(im_histeq); title('Histgram equalization');

% 同态滤波
im_input = im2double(imread('images\2.jpg'));
im_o2 = homo_filter(im_input);
figure;
imshow(im_o2);