图像增强实验

基于Retinex模型的低光照图像增强算法研究

基于Retinex模型的低光照图像增强算法研究

摘要：随着数字图像的广泛应用，低光照图像增强成为一个重要的研究领域。本文通过分析Retinex模型原理，针对低光照图像的特点和问题，研究了基于Retinex模型的低光照图像增强算法。该算法以Retinex模型为基础，通过对图像进行多尺度分解和组合，对低光照图像的亮度和对比度进行调整，从而提高图像的质量。实验结果表明，该算法能有效地改善低光照图像的视觉效果，提高图像的清晰度和细节。

1. 引言

低光照图像一直是数字图像处理领域的一个重要问题。在低光照条件下，图像的亮度和对比度较低，色彩饱和度不高，导致图像的细节无法清晰显示，影响图像的观感和质量。因此，低光照图像增强一直是一个研究的热点。

2. Retinex模型原理

Retinex是一种用于图像增强的经典算法，主要基于人眼视觉系统的特性。该模型认为人眼在看到同一个场景时，会根据不同的亮度来调整自身的适应性。Retinex模型通过模拟人眼的适应过程，对图像进行亮度和对比度的调整，从而增强图像的质量。Retinex模型主要包括两个部分：多尺度分解和组合。

3. 基于Retinex模型的低光照图像增强算法

基于Retinex模型的低光照图像增强算法主要包括以下几个步骤：

（1）图像预处理：首先，对低光照图像进行预处理，包括降噪、去除阴影等操作，以提高图像的质量。

（2）多尺度分解：将图像分解为不同尺度的图像，通过对图像进行高斯滤波和下采样，得到不同尺度的图像。

（3）亮度调整：对每个尺度的图像进行亮度调整，提取图像中的亮度信息，去除图像中的噪点和阴影。

（4）对比度调整：对调整后的图像进行对比度增强，使图像的细节更加明显。

（5）多尺度图像的组合：将调整后的图像进行多尺度重建，得到增强后的图像。

4. 实验结果与分析

1 1遥感图像增强——对比度变化

一 实验目的:

1. 认识遥感图像的基本结构,了解数字图象;

2. 学习掌握图像直方图变化与图像亮度变化的关系;

3. 掌握图像线性拉伸的方法和过程。

二 原理及方法：

图像增强的目的是改善图像的现实质量，以利于图像信息的提取及识别。可以通过调整数字图像的直方图，进行像元亮度值之间的数字运算或数学变换达到图像增强的目的。直方图是以统计图的形式表示图像亮度值与像元数之间的关系。

当直方图峰值偏向亮度坐标轴左侧或右侧时，说明图像偏暗或偏亮。其峰值过陡过窄，则表明图像高密度值过于集中。两者均表现为图像对比度较小，图像信息不清楚，图像质量较差。因此通过改变直方图形态可以改变图像质量。

三 对比度变换在ENVI遥感图象处理软件中的实验步骤：

(1) 打开地图.

在File窗口选择file\open下选择文件名为_z44的文件后双击打开该文件,如下图所示

（2）在地图标签下面影象文件名点击enhance\Filter\Sharpen[18], 在三个下拉文本框（“Red”、“Green”、“Blue”）中可以选择另外的通道排列顺序；如下图:

上图所示界面中直方图图形区域主要含义如下：

座标系：

左边垂直方向为拉伸后的影像灰度值，范围为0－255；

底边水平方向为拉伸前的影像灰度值，范围为0－255；

右边垂直方向为像元统计数量，没有确定的值，只是相对地显示直方图整体。

折线：

拉伸算法的图形显示。

灰色直方图：

影像原始直方图。

彩色直方图：

拉伸后的直方图。

还可以在直方图的Streth_Type/Piecewise Linear or Gaussian or Equalization or

2 Square Root等等。下面以Piecewise Linear的红波段为例：

如果鼠标处在直方图图形区域，则该图形区域上方将显示Cursor At（X，Y），X表示拉伸前的灰度值，Y表示拉伸后的灰度值。此时单击鼠标，影像中像元灰度值X将变为Y。

实验三 图像增强—直方图变换

一、 实验目的

1．掌握灰度直方图的概念及其计算方法；

2．熟练掌握直力图均衡化和直方图规定化的计算过程；

3．熟练掌握空域滤波中常用的平滑和锐化滤波器；

4．利用MATLAB程序进行图像增强。

二、 实验内容

1打开计算机，启动MATLAB程序；输入待处理的图像文件；

2调入数字图像，并进行图像均衡化处理；

3显示原图像的直方图和经过均衡化处理过的图像直方图。

4.利用imnoise 命令在图像上加入高斯(gaussian) 噪声

5.利用预定义函数fspecial 命令产生平均(average)滤波器

111191111

6.分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；

7.选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。

8.利用imnoise 命令在图像上加入椒盐噪声(salt & pepper)

9.重复c)~ e）的步骤

10输出全部结果并进行讨论。

11.记录和整理实验报告

三、 思考题

1． 直方图是什么概念？它反映了图像的什么信息？

答：直方图是灰度级数的函数，反映了图像中具有该灰度级数的像素的个数。

2．直方图均衡化是什么意思？它的主要用途是什么？均衡化后的图像有什么特点？

3. 简述高斯噪声和椒盐噪声的特点。

4. 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？

5. 结合实验内容，定性评价滤波窗口对去噪效果的影响？

四、实验结论

源程序代码：

clear all;

clc;

%输入一幅图像，进行图像输出图像直方图

p1=imread('1.png');%读入原始灰色图像

p=rgb2gray(p1);

遥感图像处理实习报告

实验内容： 影像融合与增强

班 级：测绘1102班

学 号： 1110020213

姓 名：

指导老师：陈晓宁、黄远程、竞霞、史晓亮

西安科技大学

测绘科学与技术学院

二零一三年一月

实习三 影像融合与增强

一、实习内容：

1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点；

2.熟悉ENVI图像增强操作；

3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。

二、实习目的：

1.了解和认识各种图像融合方法的原理、内容及要点；

2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较；

3.学习利用ENVI软件进行各种图像增强处理操作；

4.学会定性、定量分析比较图像融合的差异。

三、实习步骤：

1.图像融合：

三波段融合：

HSV和Color Normalized (Brovey)变换：

1） 从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；

2） 选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load

RGB将多光谱影像加载到显示窗口display#1；

3） 在ENVI的主菜单选择Transform → Image Sharpening → HSV；

4） 在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。

5） 从High Resolution Input File对话框中选择全色影像，点击OK。

6） 从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；