基于matlab 的低照度视频图像增强处理算法研究与实现.doc

1、目录摘要IABSTRACTII引言11绪论21.1 课题研究的目的和意义21.2 研究现状21.3 本课题的主要研究内容21.4 本课题的章节安排32Retinex 算法背景知识简介42.1Retinex 理论简介42.2 光晕伪影的产生原因43.本文对算法的改进53.1 照度估计53.2 照度图像的校正与压缩63.2.1改进的伽马校正63.2.2如何将图像归一化73.3 反射图像的压缩与增强73.4 本文算法的详细流程84.本文处理视频与图像的结果104.1 本文算法处理静态图像的结果104.2 本文算法处理动态视频的结果115.总结与结论13致谢14参考文献15附录16关键部分程序清单16

2、提取照度图像16对反射图像的增强17对照度图像的压缩17如何将视频转换成帧18摘要低照度图像的细节灰度差别限制在几十级以内，且图像灰度值相比其他图像 低。因此希望通过一种图像增强处理既能清晰看到整幅图像又能突出局部细节，目 前传统图像增强算法很难做到很好的兼顾处理。现有应用于低照度图像增强的算法 主要基于直方图均衡化的增强方法，使用该方法对某些图像进行处理时，不易控制 具体的增强效果，处理结果总是得到全局均衡化的直方图。直方图均衡化一般会使 被处理图像的灰度等级减少，这是因为在均衡化过程中要进行近似舍入，被舍入合 并的灰度级是原始图像上出现频率较低的灰度级。如果这些灰度级构成的图像细节 比较重

3、要，则可以采用局部对比度增强技术来减少由于灰度级合并所造成的灰度层 次的损失。使用局部对比度图像增强方法能强化图像的局部细节，对不均匀的高对 比度图像具有良好的增强效果。但对不均匀的低对比度图像增强效果不理想，放大 系数在对比度增强过程中不可调，在整体增强的同时，不能针对局部图像进行微调。 为此我们可通过 Retinex 算法来改进。针对 Retinex 图像增强技术在高对比度边缘区域存在“光晕伪影”这一缺点， 提出了一种基于双边滤波的 Retinex 算法。该算法先使用带有边缘保存功能的双边 滤波将原图像分解成照度图像和反射图像的乘积，再分别采用不同的策略压缩照度 图像和增强反射图像，最后把

4、两部分图像合成为新的图像。通过从主观视觉效果和 客观质量评价两方面对该算法进行检验，实验结果表明它有较好的增强效果，解决 了“光晕伪影”问题。关键词：低照度图像，双边滤波，光晕伪影IABSTRACTLow Illumination images details of the image grayscale difference is only in the dozens of class and a lower gray value.Therefore taditional image enhancement algorithm at the moment cant tackle with t

5、his situation that not only clearly see the whole image but also highlight the local details of the image. Existing application in a low illumination image enhancement algorithm mostly based on the histogram equalization enhancement method.But when use the method for some image processing, the concr

6、ete effect not easy to control, and processing results always get global equalization histogram. Histogram equalization is generally will make the original image of gray level reduced, which is caused by the equalization process to approximate rounding,and the grayscale which is merged or rounded is

7、 the original image appeared on lower frequency of gray level.If these details that was composed of gray level are important, it can use local contrast enhancement techniques to reduce the loss which was caused by gray-level or gray-scale merger.Use local contrast image enhancement method can enhanc

8、e the local image details even the uneven image has a good effect. The result is not satisfactory when enhance the uneven images, low-contrast images, the magnification factor in the process of contrast enhancement is not adjustable in the overall enhanced at the same time, you can not fine-tune the

9、 local image. For this reason we can takcle the problem through the retinex algorithm .According to Retinex image have a defect that enhancement technique in high contrast edge regions exist halo artifact,Put forward a new method based on the Retinex bilateral filtering algorithm. The algorithm firs

10、t use with the bilateral filter with edge preservation function will break down the original image into illumination image and reflected image, then we adopt different strategy to compress illumination image and reflected image, finally combine the two parts for the new image synthesis image. Throug

11、h the subjective visual effect and objective from quality evaluation to test this algorithm , the experimental results show that it has good effect and solve the halo artifact problem.Keywords: low illumination image, bilateral filtering, halo artifactII基于 Matlab 的低照度视频图像增强处理算法研究与实现引言图像增强是指有按人们的需求强调

12、图像的整体或局部特性，以改善图像的视觉 效果或满足特殊分析的需要1例如遥感、交通检测、安全监控等领域，对图像的质 量和清晰化程度都有比较高要求，而成像设备往往达不到要求，需要计算机对图像 进行特定的增强处理，使图像满足人类观察和计算机分析处理的需要。例如在 CT、 超声波成像中，通过提高图像对比度，凸显病症处存在，方便医生诊断；卫星、航 空遥感图像，有可能受到大气或云层的干扰，通过图像增强淡化云雾，更有利于对 地面的观察；在交通检测和安全监控中，黑暗条件往往限制了摄像头的监控，通过 增强提高整个画面的亮度和对比度，达到更有效监控的目的。如今网络已经成为主 流的通信手段之一，多媒体通信得到广泛应

13、用，处理好图像的压缩是很重要的环节 2。国际通用的 JPEG 压缩标准是有损压缩，在传输过程中图像会造成比较严重的 细节丢失，图像质量和传输效率之间往往存在矛盾3。针对压缩图像的增强，传统 的方法往往不能较好的凸显细节，且易产生块状效应。近年来针对压缩图像的增强 方法成为图像增强中的热门问题，由于其较高的学术价值和应用价值，受到国内外 很多学者的关注。对图像进行增强在学术上的定义是通过利用各种数学的计算方法 和手段来提高图像中观察者感兴趣的物体的对比度和清晰度4。我们主要利用空间 域统一和非空间域统一的方法来增强相关的图像。空间域统一处理图像的方法主要 包括：对数压缩，伽马校正，直方图均衡，线

14、性拉伸5；这类计算方法简单，而且 处理效率较高，但在实际应用中很少运用，非空间域统一的方法像是基于 Retinex6-7 的方法等，这些算法效果很好，但是在实现过程中计算复杂度较高。基于 Retinex 的图像增强技术可以有效的改善图像的视觉效果，是一种非常高效的图像增强算 法。在过去的几十年里，众多图像处理爱好者提出了基于这种理论的不同实现方法， 其中最具代表性的是 NASA(美国国家航空航天局)下属的一个研究机构提出的中心 环绕 Retinex 算法8-9。本文研究的课题是提出一种基于双边滤波的 Retinex 算法10， 该算法使用双边滤波来对低照度视频图像进行照度估计，这种方法在进行照

15、度估计 时可以更精确地估计高对比度边缘区域的照度，避免出现光晕伪影。实现本文算法 的主要流程是：将原图像看成是照度图像和反但这些算法都会存在“光晕伪影”。“光 晕伪影”指的是经过增强的图像中在高对比度边缘区域存在着像光晕一样的影子。 经过分析得出了产生“光晕伪影”的原因：现有技术在估计照度时主要根据图像像 素点的位置远近赋予不同的计算权重，但是没有充分考虑到像素亮度本身的意义， 从而对造成高对比度边缘区域照度估计的失真。射图像的乘积，先将原图像分解成 照度图像和反射图像，再分别采用不同的策略压缩照度图像和增强反射图像，最后 把两部分图像合成为新的图像。151绪论1.1课题研究的目的和意义我们一

16、直致力于将我们所拍摄景物图像高灵敏度逼真再现。伴随着电子产品的 快速发展，人们开始较少使用一些专业的摄像器材。但是在实际拍摄过程中，由于 一些不可避免的因素，如不专业的摄影行为、视频传输中信息缺省或者丢失、环境 光以及设备缺陷等都会导致视频图像存在不清晰的等缺点。特别是在摄影或者监控 时由于光照条件不足，通常会使图像过暗，就会产生低照度图像。并且图像经过传 送和转换等，进一步加剧了低照度图像质量的下降。低照度图像存在于人们日常生 活中的各式场景中。例如在港口、高速公路与智能小区等传统的监控领域，由于光 照等客观因素的影响，图像会在非常短的时间内造成巨大细节丢失。因此必须采用 现代电子和信息化技

17、术装备做好预防及增强措施。还有些特殊场景，由于需求和目 的不一致导致画面质量不均匀。如在医院病房里面，我们想要对医生或者值班护士， 进行绩效考核。在病房里加较量光源，就会影响到病人休息。另外，有些监控场地 没有条件外加光源，比如说在室外或者有大片空地，想加光源很难。随着社会的发 展，人口流动性大，各种治安案件 90%基本上发生在夜间。所以对低照度环境下监 控是重中之重，而对获得的低照度图像进行增强显得尤为紧迫。低照度图像具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等 特点，这使得图像中的物体、背景、细节、噪声等信息包含在一个较窄的灰度范围 内。因此，必须将获取的源图增强变为一种更加

18、适合人们肉眼观察的形式。1.2研究现状国内外的图像增强方法可分为三类:第一类为点变换，点变换的定义即处理时 只与本身像素点的值有关，而与空间具体位置无关。第二类为针对空间域处理，主 要做作邻域加权和处理。第三类为频域处理，即将图像变换到频域域内对图像的变 换值进行增强处理，然后通过傅里叶逆变换获得增强图像10。此外，还有小波去噪、 同态滤波、中值滤波、伪彩色、假彩色等处理方法。目前，虽然各种增强图像的技 术已经形成许多经典的算法，但新的增强技术依然不断发展，如局部直方图均衡化、 基于小波变换的增强方法和数学形态学方法的增强。图像增强方面目前还没有统一 的质量评价标准，这主要源于缺乏从图像外观的

19、角度进行主观判别的数学度量工 具。因此，图像增强技术的探索具有实验性和多样性。1.3本课题的主要研究内容本课题主要的研究内容是研究一种基于 Matlab 平台，并采用 Retinex 技术的 方法来对低照度图像进行增强，不仅可以提升图像的清晰度，锐度与色度，亮度同时还可以消除传统 Retinex 算法中存在的“光晕伪影现象”。1.4本课题的章节安排 全文围绕低照度图像增强算法而展开，共分为七部分，具体安排如下: 第一部分绪论简要地介绍选题背景、研究方法和发展现状。第二部分介绍 Retinex 图像增强的基本理论,以及传统的 Retinex 算法的不足。 第三部分介绍下我自己对于 Retinex

20、 算法所做的改进及本文用到的方法。 第四部分实验结果，利用已有的图片对本文提出的算法进行验证，并给出结果分析；第五部分结论与展望。 第六部分参考文献。第七部分关键程序片段附说明。2Retinex 算法背景知识简介 Retinex 理论简介Retinex 理论是由兰德等人提出的11。它详细阐明了人类视觉系统观察物体时是 如何达到颜色不变的的。颜色不变即颜色恒常指的是在观色条件例如物体周围颜色 发生变化时或入射光照发生变化时，人眼感知到的物体颜色和亮度保持与条件稳定 时观测的结果相对不变11-12。Retinex 是一个由“retina”和“cortex ”12组成的 合成词，表示整个处理过程和人

21、的视网膜成像和大脑皮层有着密切的关系：视网膜 用来获取数据，大脑皮层用来独立于周围的光照识别出物体。根据 Retinex 理论， 一幅图像 S 可以看成是照度图像 L 和反射图像 R 的乘积，如下式所示S (x,y) = L(x,y)*R(x,y)(2-1)13实际上，一幅图像的本质属性是由反射图像 R 决定的，照度图像决定了一副图像所 能达到的动态范围。Retinex 的目的就是从原始图像 S 中获得图像的反射分量即本 质属性，从而避免受到照度等因素的干扰，从而模拟人眼视觉系统的颜色恒常11。在实际的 Retinex 算法计算中会先将原图像转换到对数域中，利用对数变换将 乘积关系转换为求和相

22、加关系，再将图像进行分解为照度图像和反射图像。具体做 法是先对原始图像取对数，再用特定的方法进行照度估计，得到照度图像 L。在估 计照度图像时遵循这样一个事实：照度图像表示原始图像中变换缓慢的信号。然后 通过计算原始图像 S 与照度图像 L 的差获得反射图像14。在获得照度图像和反射 图像以后再采用不同的策略对这两个部分进行不同的处理，最后合成新的图像。2.2光晕伪影的产生原因实际上，由一幅图像分解成照度图像和反射图像在数学上是有待商榷的，是一 个存在争议的问题。因为单一的像素亮度表达了照度信息和图像内容双重含义，在 这种情况下要想准确的估计出照度情况只能依靠计算像素本身和图像中其它像素 的关

23、系。现有技术在计算照度时主要根据周围像素的位置远近赋予不同的权重来估 算当前像素的照度，没有充分考虑到像素亮度本身的意义。这直接导致了在估算图 像高对比度边缘区域照度的时候，边缘两边的高低值像素会相互影响：高值像素的 照度受相邻低值像素的影响导致所估计的照度较低；低值像素的照度受相邻高值像 素的影响导致所估计的照度较高。这会造成这一区域照度估计失真，出现图像中的 “光晕伪影153.本文对算法的改进为了能够处理视频文件并对低照度视频文件进行增强，首先利用 mmreader 读 入视频文件，获得视频总帧数，并将视频按帧存储，将每一帧图像利用本文的基于 双边滤波的 Retinex 算法对每一帧视频图

24、像进行增强，最后在将处理过的图像合成 视频。本文在进行照度估计时综合考虑了像素亮度本身和周围像素位置远近的意义， 采用带有边缘保存功能的双边滤波进行照度估计，可以有效避免照度估计时高对比 度边缘附近高低像素之间的相互影响，最终消除“光晕伪影”。算法流程图如图 2-1 所示。图 3-1算法流程图 如图所示待处理的每一帧视频图像先被转换到对数域中，然后利用照度估计的方法，将每一帧图像分解为照度图像和反射图像两部分再分别采用不同的方法对这 两部分图像进行压缩或者增强处理，最后在合成为一副新的图像。3.1照度估计本文使用双边滤波来进行照度估计。双边滤波是一种非常高效的滤波技术，可 以用在图像处理及图形

25、压缩各个方面，是一种带有边缘保存功能的滤波技术。它输 出值不仅与周围像素的空间位置有关，而且还和它们的亮度差值有关，具体的形式 化定义可见下式SK (s)P sPB =1 f(p-s)g (I -I ) IpW(3-1)其中 W 表示图像的所有像素集合， Bs 表示 s 点的双边滤波输出结果，f 和 g 都是高 斯函数，分别计算 p 点空间域和亮度域的权值贡献。 IP 表示 p 点的亮度值。k(s)是 一个标准化因子，满足K (s) = f ( p-s) g (I p -Is ) pW(3-2)从上式中可以看出，s 点的亮度值主要受周围相邻并且亮度相似的像素影响。 具体的实现过程中，若只按照原

26、始定义来实现双边滤波的话，会降低计算效率。为此， 我们使用基于灰度值分层的方法来提高双边滤波的计算速度，该方法对于较大空间 尺度的滤波计算速度有较好的提升效果，具体计算方法如下：用三维网格y 来表示二维灰度图像，图像像素的位置对应网格的前两维，图像 的亮度对应第三维。完成后双边滤波可用下面的步骤来计算：（1）先对于一幅二维图像，初始化一个向量网格y ，满足y ( px ,py,r )= (I ( px ,py ),1) if r=I( px ,py )(3-3)0otherwise(2)再对向量网格y 的每一层执行高斯滤波B y (Px ,P , r ) = G*y (P ,P ,r )(3-

27、4)ys rs Sxyr s其中 , Gs s 是一个三维高斯函数，ss 是空域参数，s r 是亮参数；(3) 最后，在用上步处理后的网格y 中，假设 (Px ,Py ,Ip ) 位置的最终结果为(WI ,W ) ,则双边滤波的最终结果为PB y = WI/W(3-5)3.2照度图像的校正与压缩在得到了照度图像以后，需要对照度图像进行校正与压缩，本文先把图像进行 归一化接着用改良的伽马校正对照度图像进行处理，最后再将图像进行线性拉伸， 得到校正以后的照度图像3.2.1改进的伽马校正下面是伽马校正的定义式：y(i ) = ia*i+a（3-6）i 是原像素的值，y(i)代表输出值，a 是控制参数

28、，a 的取值一般在 0 到 1 之间，不同 的 a 代表不同的校正参数，当参数 a 取不同的值的时候，对应图像的增强效果也是 不同的，在处理的图像的过程中我发现，将 a 取在 0.45 至 0.6 之间对图像有明显的 增强效果，取得太大图像反而失真严重，甚至看不清，下面是利用 matlab 绘制的当 a 取不同的值时，照度图像的亮度映射曲线图从图中我们可以明显的发现，不同的 a 值对照度图像的亮度进行增强后，增强后的照度图像的亮度与原来照度图像亮度 的偏离程度，针对不同的图像我们可以选择不同的 a 值对图像进行增强a=0.4 a=0.6 a=0.8y=x10.90.80.70.60.50.40

29、.30.20.1000.10.20.30.40.50.60.70.80.91图 3-2照度图像亮度映射图从图 2-2 可以看出通过调整参数 a 采用不同的校正函数进行亮度映射。a 越小 时，对于整体亮度偏小的图像更为有效；当 a=0.6 时，大部分较低像素值在函数 y = x 以上，小部分较高像素值在函数 y=x 以下，表示除了可以对低亮度区域进行增强 还能够有效抑制高亮度区域的过度曝光；当 a=0.8 时，小部分较低像素值在函数 y= x 以上，大部分较高像素值在函数 y=x 以下，对于整体亮度较高的具有更好的压缩 效果。3.2.2如何将图像归一化假设 I (x) 为图像中的任意像素点， I

30、min 为图像所有像素点里像素值最小的点，Imax 为图像中所有像素点里像素值最大的点，则将图像像素值归一化的算法为I ( x) = I (x)-IminImax -Imin（3-6）3.3反射图像的压缩与增强获得了照度图像之后，在对数域中将原图像和照度图像做差运算就可以得到反 射图像。反射图像包含图像的细节信息，对它的增强至关重要，采用 Sigmoid 函数 对其进行增强，定义如下：r =2-1 1+ e-a*r （3-7）其中 r 代表的是原反射图像的亮度，r 为增强以后的反射图像的亮度，a 是重要的控制参数，不同的 a 对反射图像具有不同的增强效果，映射关系如下图a=6a=8a=1010

31、.80.60.40.20-0.2-0.4-0.6-0.8-1-1-0.8-0.6-0.4-0.200.20.40.60.81图 3-3反射图像的亮度映射图由于反射图像的亮度值是在对数域里，所以可能出现负数的情况。从图 2-3 中 可以看出，当 a 越大时，映射曲线越陡峭，对应反射图像的增强也越显著。所以在 实际运用中我们可以适当的把控制参数选的稍微大一些，如果图像上有较多颗粒的 噪声，要进行去噪，使图像更加清晰逼真。3.4本文算法的详细流程计算流程：（1）将要处理的视频转换成多帧图片，对每帧图片进行基于双边滤波的 Retinex图像增强处理算法（2）首先将要处理的每一帧彩色图像转换到 HSV

32、彩色空间中去，这样方便我 们取出原图像的亮度信息，假设原图像 I 在 RGB 空间中，那么假设 I 为原图像转 换到 HSV 空间中形成的图像,那么 I (:,:,3)即可提取出原图像的亮度图像，我们将 亮度图像的信息做保存。（3）对原图像的亮度图像取对数（4）用双边滤波和灰度值分层对亮度图像进行照度估计，得到照度图像（5）对数域中用亮度图像减去反射图像得到照度图像，得到反射图像（6）将照度图像进行归一化，并用本文提到的对照度图像进行压缩的技术对 每帧图像的照度图像进行压缩处理（7）将得到的反射图像利用 sigmoid 函数进行增强（8）在对数域中将处理后的照度图像和反射图像相加得到新的图像

33、NEW,注意 此时得到的新图像其实是将照度图像的亮度图像以及反射图像的亮度图像在对数 域中相加而得到的。（9）对 NEW 取 exp（10）得到新图像之前R = NEW * r LG = NEW *g LB = NEW *b L(3-8)(3-9)(3-10)4.本文处理视频与图像的结果为了说明本文算法的有效性，下面分别从主观视觉效果和客观质量评价两方面 对其进行验证。本文算法中相关参数的设置如下：双边滤波器的大小为 15*15 ，ss =30，s r =100。4.1本文算法处理静态图像的结果以下是利用本文算法对静态图像的增强结果，通过无数次试验，我发现当将照 度估计中的伽马校正参数设置为

34、0.38，以及将对反射图像的增强算法的 sigmoid 函 数参数设置为 0.6 能够获得比较明显的增强效果，而且图像的细节也比较完整，亮 度得到明显提升图 4-1明亮条件下对静态图像增强结果对比图 4-2光照略暗的情况下对静态图像增强结果对比图 4-3低照度情况下对静态图像增强效果对比由上述两组实验结果我们可以明显看出，双边滤波算法在细节的处理和图像的 动态处理上具有明显的效果，且消除了光晕伪影的现象，处理过后的图像色彩更加 平滑图像看起来更加和谐自然。4.2本文算法处理动态视频的结果可以看到处理后的图像亮度变得更加清晰，部分图像上的细节可以看到，但是 由于在处理的过程中滤波器噪声的影响及程

35、序设计中缺省了去噪及边缘保持的部 分，所以图像上有噪点，图像上有部分边缘不太清晰。图 4-4视频图像处理效果图5.总结与结论本毕业设计完成的是采用 matlab 结合基于双边滤波的 Retinex 算法，对低照度 的视频或者静态图像进行增强。首先,Retinex 是一种经典并经常用来进行颜色恒常 计算的模型，它是一种强大的图像增强工具，可以有效地对低照度图像进行增强， 但由于没有充分考虑到像素亮度本身的意义，因此在图像亮度的高对比度边缘存在 着光晕伪影的现象。在此次毕设中充分考虑到了产生“光晕伪影”的成因，并使用 了一种基于双边滤波的 Retinex 的算法。该算法中先使用灰度值分层以及带有边

36、缘 保持的双边滤波器将原图像分解成为照度图像和反射图像，再分别采用不同的压缩 策略压缩照度图像并增强反射图像。最后再将处理好的反射图像和照度图像合成一 副新的图像。在处理视频时将视频按帧存储，并对每帧图像按上述方法处理，最后 合成新的图像。本次毕业设计中由于缺省了去噪环节，所以图像有噪点，并且边缘 保持的地方算法仍有不圆满的地方，以后会逐渐改进。设计结果表明，本文提出的算法有较好的增强效果，能够有效的消除光晕伪影， 并且具有更好的细节表现力和动态范围压缩能力。致谢我要感谢我的同学和老师们，他们为我写这篇论文提供了不少素材，也给我 提供了很多帮助和指导，在算法设计的过程中同学们相互借鉴和讨论，老

37、师给了 我不少参考资料并不断给予我指导。参考文献 Rafael C. Gonzalez,Richard E.Woods,数字图像处理 M. 北京：电子工业出版社， 2005-09.8-167(2)胡贵伟，汪荣贵，方帅，胡琼，基于双边滤波的 Retinex 图像增强算法 N. 工程图学学 报，2010-02(3)纪则轩,陈强,孙权森,夏德深，基于双边滤波的单尺度 Retinex 图像增强算法 N. 微电子 学与计算机，2009-10(10)(4)沈丰，赵宇明，基于实时 Retinex 与双边滤波的图像增强算法 N. 计算机应用与软 件,2009-11(26)2 Majumder A.Contra

38、st enhancement of multi-displays using human contrast sensitivity C/Proc. IEEE Conference on CVPR 2005,2005,2:377-382.3 Kimmel R,Elad M,Shaked D,et al.A variational framework for Retinex J. Int. J. Comp.Vision, 2003,52(1): 7-234 Jobson D J,Rahman Zia-ur,Woodell G A. Properties and performance of a c

39、enter/surround Retinex J.IEEE Transactions on Image Processing,1997,6(3): 451-462.5 Rahman Zia-ur,Jobson D J,Woodell G A.Retinex processing for automatic image enhancement J.Journal of Electronic Imaging,2004,13(1):100-110.6 EdwinHLand.TheretinextheoryofcolorvisionJ.Scientific American,1977,237(6):1

40、08-129.7 Tomasi C,Manduchi R. Bilateral filtering for gray andcolor images C/Proc.of the 1998 IEEE Inter.Conf. on Computer Vision.Bombay,India,1998:839-846.8 Land E,McCann J.Lightness and retinex theory J.Journalof the Optical Society of America,1971,6(1):1-11.9 Jobson D J.A multiscale retinex for b

41、ridging the gap between color images and the human observation of scenes J.IEEE Trans.Image Processing ,1997 ,6 (7):965-976.10 Meylan L,Susstrunk S.High dynamic range image rendering with a retinex -based adaptive filter J.IEEE Trans.Image Processin ,2006,15(9):2820-2830.11 Tumblin J,Turk G.LCIS:a b

42、oundary hierarchy for detail-preserving contrast reduction C/ Proc.SIGGRAPH Annu. Conf. Computer Graph-ics.Los Angeles,1999.附录关键部分程序清单提取照度图像% 彩色空间的转换img = rgb2hsv(img);%将图像从 RGB 空间转换到 HSV 空间中去，方便处理% 滤波器参数设置 sigma_d = sigma(1); sigma_r = sigma(2);X,Y = meshgrid(-N:N,-N:N);%产生两个矩阵D = exp(-(X.2+Y.2)/(2

43、*sigma_d2);%计算高斯核% 对 V 分量进行操作，即亮度dim = size(img);%dim=height,length,3B = zeros(dim);%创建一个和原图像同样尺寸的矩阵 for i = 1:dim(1)for j = 1:dim(2)iMin = max(i-N,1);iMax = min(i+N,dim(1); jMin = max(j-N,1);jMax = min(j+N,dim(2);L = img(iMin:iMax,jMin:jMax,3);%计算当前区域d = L-img(i,j,3);%计算该像素点和周围和中心点的差别 R = exp(-(d.2

44、)/(2*sigma_r2)；F = R.*D(iMin:iMax)-i+N+1,(jMin:jMax)-j+N+1);%its row is from iMin-i+N+1 to iMax-i+N+1,and so as linem = 1:iMax-iMin+1;16n = 1:jMax-jMin+1; F(find(d(m,n)0)=0;norm_F = sum(F(:);B(i,j,3) = sum(sum(F.*L)/norm_F;retimg(i,j,1) = img(i,j,1);retimg(i,j,2) = img(i,j,2);retimg(i,j,3) = B(i,j,3

45、);endend% 彩色空间还原img = hsv2rgb(img); retimg = hsv2rgb(retimg);对反射图像的增强 dim=size(img); a=6;b=ones(dim);retimg=2./(b+exp(-a*img)-b;%利用 sigmoid 函数对反射图像进行增强对照度图像的压缩 retimg1=rgb2gray(retimg); maxvalue=max(max(retimg1); minvalue=min(min(retimg1); dim=size(retimg);retimg=(retimg-minvalue*ones(dim)/(maxvalue

46、-minvalue);%将照度图像归一化a=0.38;c=a*retimg+a*ones(size(retimg);%伽马校正17retimg=retimg.c;%对比度拉伸计算最终的照度图像y=1./(1+(0.5./(double(retimg)+eps).5);如何将视频转换成帧mov=mmreader(11.avi);%用 mmreader 读入视频文件c=mov.numberofframes;for i=1:mov.numberofframes%获得总帧数，并依次读取 b=read(mov,i); b=demo(b);%每帧图片都处理并保存 imwrite(img,strcat(m,int2str(i),.jpg),