专栏首页帮你学MatLab增强弱光图像

增强弱光图像

% 低光图像增强

% 室外场景中拍摄的图像可能由于照明条件差而严重退化

% 这些图像影响计算机视觉算法的整体性能

% 为了使计算机视觉算法在低光照条件下具有鲁棒性

% 可以使用低光图像增强来提高图像的可见性

% 低光图像或HDR图像的逐像素反转直方图与模糊图像的直方图非常相似

% 因此可以使用薄雾消除技术来增强低光图像

% 使用薄雾消除技术增强低光图像包括三个步骤:

% 步骤1:取反低光图像

% 步骤2:对取反的低光图像应用去雾算法

% 步骤3:取反增强图像

% 用薄雾消除算法增强低光图像

% 导入在低光下捕获的RGB图像。

A = imread('lowlight_11.jpg');

figure, imshow(A);

% 取反图像并注意原始图像中的低光区域是如何模糊的

AInv = imcomplement(A);

figure, imshow(AInv);

% 使用imreduceHaze功能减少雾度

BInv = imreducehaze(AInv);

figure, imshow(BInv);

% 取反结果以获得增强图像

B = imcomplement(BInv);

% 对比

figure, montage({A B}, 'Size', [2 1]);

% 使用IMreduceHaze进一步改进结果

% 要获得更好的结果

% 再次调用反转图像上的IMreduceHaze

% 这次指定一些可选参数。

BInv = imreducehaze(AInv, 'Method','approx','ContrastEnhancement','boost');

BImp = imcomplement(BInv);

figure, montage({A, BImp}, 'Size', [2 1]);

% 改善弱光图像的另一个例子

% 导入在弱光下捕获的RGB图像。

A = imread('lowlight_21.jpg');

% 取反

AInv = imcomplement(A);

% 使用imreduceHaze功能减少雾度

BInv = imreducehaze(AInv, 'ContrastEnhancement', 'none');

% 取反

B = imcomplement(BInv);

% 对比

figure, montage({A, B}, 'Size', [2 1]);

% 通过使用不同的颜色空间减少颜色失真

% 将图像从RGB颜色空间转换为LAB颜色空间。

Lab = rgb2lab(A);

% 取反

LInv = imcomplement(Lab(:,:,1) ./ 100);

% 使用imreduceHaze函数对取反图像进行去雾处理

LEnh = imcomplement(imreducehaze(LInv,'ContrastEnhancement','none'));

% 增加饱和度

LabEnh(:,:,1) = LEnh .* 100;

LabEnh(:,:,2:3) = Lab(:,:,2:3) * 2;

% 将图像转换回RGB图像

AEnh = lab2rgb(LabEnh);

% 并排显示原始图像和增强图像

figure, montage({A, AEnh}, 'Size', [2 1]);

% 使用去噪改善结果

% 低光图像可能具有高噪声级

% 增强低光图像可以提高此噪声级别

% 去噪是一个有用的后处理步骤

% 使用imguidedfilter功能从增强图像中去除噪声

B = imguidedfilter(BImp);

figure, montage({BImp, B}, 'Size', [2 1]);

相关图像文件为matlab自带实例文件

本文分享自微信公众号 - 帮你学MatLab(MatLab_helper)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 形态学膨胀腐蚀

    万木逢春
  • 分水岭变换图像分割接触对象

    Iobrcbr = imreconstruct(imcomplement(Iobrd),imcomplement(Iobr));

    万木逢春
  • 《Experiment with MATLAB》读书笔记(十六)

    读书笔记(十六) 这是第十六部分微分方程求解 %% 指数型增长和Logistic型增长 % Logistic曲线是一种常见的S形函数 % 是皮埃尔·弗朗索瓦...

    万木逢春
  • JPEG合成图像检测

    随着计算机和图像处理技术的发展,采用深度学习技术(例如deepfake)合成的图片和视频已经能够达到以假乱真的程度。经过合成或者篡改的图像在网络上传播会对公众产...

    绿盟科技研究通讯
  • 四个任务就要四个模型?现在单个神经网络模型就够了!

    AI 科技评论按:顾名思义,「表示」(representation)就是指在网络中对信息进行编码的方式。为了让大家充分理解「表示」,本文作者尝试构建一个能同时完...

    AI研习社
  • DAPNet:提高模型在不同数据域上的泛化能力(MICCAI 2019)

    今天分享一篇发表在MICCAI 2019上的论文:Dual Adaptive Pyramid Network for Cross-Stain Histopath...

    Minerva
  • 【虫二】的人工智能

    艺术创作一直是人类精神活动的最高级形式,自古以来,人们认为只有人类的智慧才能真正领悟艺术作品的深远意境和奥妙神韵,玄而又玄的艺术风格更是只可意会,不可言传。近些...

    新智元
  • IQ1: 怎么定义图像的质量?如何评价图像的质量?

    我的这个专栏叫做图像质量评价,但是什么叫做图像的质量呢? 图像质量是一个非常宽泛的概念,在不同情况下有不同的理解。

    HawkWang
  • 图解自监督学习,人工智能蛋糕中最大的一块

    如果人工智能是一块蛋糕,那么蛋糕的大部分是自监督学习,蛋糕上的糖衣是监督学习,蛋糕上的樱桃是强化学习。

    AI算法与图像处理
  • 学界 | 来认识认识微软的「画家 AI」

    AI 科技评论按:近年来图像生成模型方面的研究可谓是突飞猛进,内容的丰富程度和清晰程度都在不断刷新着以往的记录。终于,微软研究院的这篇新论文突破了另一个瓶颈,能...

    AI科技评论

扫码关注云+社区

领取腾讯云代金券