一种基于阈值分割的自适应逆光图像处理算法

发布时间：2025-01-09 06:37

　　 针对现有算法对非逆光区亮度提升过高所造成虚化的问题本文基于现有的自适应逆光处理算法,提出了一种基于阈值分割的自适应调逆光图像处理算法,并验证了Otsu算法对逆光图像分割的适用性。算法首先将图像转换到HSV色彩空间,采用Otsu分割算法将图像的亮度分量分为逆光区和非逆光区,对逆光区采用了改进型自适应对数变换,对非逆光区进行了非线性叠加亮度提升,通过调整亮度值来适应逆光处理后的逆光区图像达到很好的图像融合效果。该方法在保证逆光图像的恢复质量的前提下,解决了图像的虚化问题,且有效地减少了自适应逆光恢复算法的复杂度。

【文章页数】：6 页

【部分图文】：

图1 单尺度Retinex增强

参数c的选择会直接影响图像增强的效果，c越小，SSR的动态压缩能力越强，图像阴暗部分的细节得到更好的增强，但是由于平均对比度范围较小，结果会产生颜色失真；c越大，SSR的颜色保真度越高，但是动态压缩能力会减弱。通常SSR是在动态范围压缩和色感一致性之间寻找平衡点，其恢复效果如下：....

图2 同态滤波效果

图像的时域算法又叫做空间域处理[12]，即直接对图像的像素值所构成的矩阵空间进行处理，现有的时域逆光恢复算法大多是对图像进行亮度变换，通过设计一个可以满足要求的变换函数，对像素矩阵直接进行变换得到相应的处理结果。2.2.1线性亮度变换

图3 分段函数变换函数示例图

其中是提前选好的分割逆光区和非逆光区的阈值，其中k1、k2、b1、b2分别是两条直线的斜率和截距，是可以根据需要调节的，其变换函数图像如图3。2.2.2非线性亮度变换

图4 非线性亮度变换结果

文献[11]中作者提出了一种改进的非线性自适应逆光处理算法，有效地避免了对数变换法对图像的非逆光区的过度增强的缺点，本文的逆光区的增强算法就是基于此算法，它使得用更少的非逆光区的亮度提升就能弥补图像分割所带来的边界失真问题成为可能。3图像分割

本文编号：4025307