【《基于白平衡的图像增强概述》2100字】

第18页共22页基于白平衡的图像增强概述目录TOC\o"1-3"\h\u30558基于白平衡的图像增强概述 117771.1伽马矫正 179271.2白平衡 2160761.3白平衡与物理模型图像增强对比 3许多图像去雾方法依赖于雾霾形成的物理模型的倒推，来实现雾霾的去除和图像的增强，又或者是利用暗通道先验理论将其直接进行图像复原。然而我们认为单幅图像的雾霾去除并不应该只局限于现有的物理模型，将单幅图像运用一系列伽马矫正和白平衡[2]处理后，进行对比度和饱和度的增强，同样可以达到图像去模糊的目的。1.1伽马矫正人类对色彩的感知度能力较弱，通常来说，我们认为介于纯色和白色之间的中间色，其色彩度应为50%，然而事实上，该中间色的反射率却只有20%左右。因此我们认为RGB值与功率并非简单的线性关系，准确来说应当为呈曲线的幂函数关系，这个函数的指数称为伽马值，一般为1.2，而这个换算过程，就称为伽马校正。在理想情况下，传感器输出的色彩强度与电子束的电压信号之间的关系应当为线性的，如图2-1所示。图2-1理想状态下输出与信号线性图但是在实际应用的情况中，输出的强度与电压信号之间是非线性的，随着输出强度的增加，电压信号先是缓慢增长，随后逐渐加速增长，如图2-2所示。图2-2实际下输出与信号非线性图研究表明，显示器的输出强度和输出电压大致呈幂指数关系，输出的强度随着输入电压的增长呈指数增长。通常我们就把这个幂指数称为伽马γ。其中，I是输出光强；P是光束电压，由图像相应位置的像素值决定；γ就是伽马值。三者的换算关系见公式（2-1）。I=Pγ为了让呈现在显示器上的图像与实际效果相符，我们在得到图像后通常会进行伽马校正，使上述非线性关系转换为线性关系，见公式（2-2）。PnewPnew是校正处理后图像的像素值；Pold是校正处理前的像素值；伽马值γ代表了算法中校正程度的大小，γ=1时无法完成校正，而γ越大则对像素值的校正程度越大。1.2白平衡在图像处理中，白平衡是一项非常重要的专业处理方式，它伴随着数码相机的广泛应用而逐步进入到人们的认识之中。白平衡的概念即是对白色物体的还原。当人类用肉眼直接观察存在的物质时，即使是处于不同光线下，人类对相同颜色物质的感知仍然是相同的。例如我们在早上太阳刚升起时，观察一个白色的物体，阳光下它是白色的；而我们在晚上昏暗灯光下，去观察同一个白色物体，尽管直观所得颜色不同，但会发现视觉感知它仍然是白色的。这是因为我们自出生后的整个成长过程中，我们的大脑已经学会并适应了自动还原不同光线下的彩色物体。然而，图像传感器并不具备人类肉眼的还原能力，所以当图像传感器在不同光线环境下输出时，会产生极大的不平衡性，造成其输出的彩色图像失真：一般为图像偏向R通道或者偏向B通道的数值较高。比较传统的白平衡方法，是先在合适的色温场景中拍摄白色物体，获得该白色物体图像的三原色数值，并得到这些数值的平均值，然后依靠白色的定义：R=G=B，通过增减R、B感应通道的数值来进行白平衡。然而这种传统白平衡方法依赖于参考白色的参照物，步骤烦琐，工作量较大。因此，在白平衡的实际应用中，一些自动白平衡的算法便更为方便快捷，主要有全局平衡法和局部白平衡法。1.1.1全局平衡法根据白色的三原色数值相等定义，我们将拍摄所得图像的R、G、B三色分量值进行提取和平均，在通常情形下，我们会用R、B分量均值进行白平衡的校准。1.1.2局部白平衡法选取所拍摄图像中最明亮的区域作为白色参考区域，该范围的R、G、B三色分量的统计平均值应当一致，并将用该范围的R、B分量均值进行白平衡的校准。1.3白平衡与物理模型图像增强对比通常来说，拍摄的图像会受到多方面制约而不能呈现最佳状态，因此，图像增强多用于改善此类图像。例如图像噪点过大时，会给感观和计算机提取图像特征造成困难；光线环境不足时，会造成图像整体对比度不足或局部过暗、过曝、细节损失；图像的白平衡系数没有经过校正处理而导致图像偏色；在图像采集时镜头失焦或目标高速移动等问题导致成像模糊；图像分辨率太低，放大后造成图像失真、损失细节等一系列问题。常用的图像增强方法为直方图均衡化算法等，直方图均衡化算法是通过将图像中起主要作用的灰度值进行扩展，并将个数少、不起主要作用的灰度值归并起来，从而达到增加图像对比度的目的，图2-3（a）为原始图像，图2-3（b）为使用直方图均衡化增强后的图像。（a）原始图像（b）直方图均衡化增强后图像图2-3直方图均衡化增强实验而当我们使用白平衡系数进行校正时，可以发现运用了公式(2-3)、公式(2-4)、公式(2-5)均衡处理RGB三个通道的值，也能达到恢复图像色彩，增强对比度和分辨率的效果。Ix,y=0.299kRgR其中，fR为红色通道值，fG为绿色通道值，fB为蓝色通道值，I为三个通道的相对平均值，kR为红色通道系数，kG为绿色通道系数，kB为蓝色通道系数，利用通道值与系数k求取得到变换后的新红色通道值gR，绿色通道值gG和蓝色通道值gB，便可以得到白平衡后的图像。将原始图像中的RGB值提取出来后，采用如上公式（2-3），当各通道值相对均衡后，重新组成如图2-4的白平衡图像。（a）原始图像（b）白平衡图像图2-4白平衡图