本發(fā)明涉及圖像處理
技術(shù)領(lǐng)域：
，具體的涉及一種基于模糊理論的低照度成像方法。
背景技術(shù)：
：照度：是指單位面積上所接受可見(jiàn)光的光通量，單位勒克斯(Lux或Lx)。用于指示光照的強(qiáng)弱和物體表面積被照明程度的量。影視拍攝時(shí)照度使攝像機(jī)輸出的視頻信號(hào)電平低到某一規(guī)定值時(shí)的景物光亮度值時(shí)，將其稱為低照度。一般以專業(yè)攝像器材所獲取的照度低于5LX時(shí)的拍攝環(huán)境輸出的圖像，如夜間等環(huán)境下獲得的照片，稱為低照度圖像。在低照度條件下，由于場(chǎng)景的照度低(光信號(hào)微弱)，導(dǎo)致能見(jiàn)度低，所觀察的景物信號(hào)非常微弱，圖像成像質(zhì)量低，目標(biāo)模糊不清，尤其在圖像經(jīng)過(guò)存儲(chǔ)、轉(zhuǎn)換、傳輸?shù)炔僮骱?，更進(jìn)一步降低了低照度圖像的質(zhì)量，使成像系統(tǒng)無(wú)法正常工作。而大多數(shù)室外視覺(jué)系統(tǒng)，如視頻監(jiān)控、目標(biāo)識(shí)別和衛(wèi)星遙感監(jiān)測(cè)等情況下，均需獲取具有清晰特征的圖像。低照度下獲取的圖像灰度范圍窄、灰度變化不明顯，且相鄰像素的空間關(guān)聯(lián)性高，使得圖像中的細(xì)節(jié)、背景和噪聲等都包含在較窄的灰度范圍之內(nèi)。因此為了改善低照度下所獲取圖像的視覺(jué)效果，將其轉(zhuǎn)換為一種更適于人眼觀察和計(jì)算機(jī)處理的形式，便于提取有用信息，需要對(duì)被拍攝物在低照度下的成像進(jìn)行增強(qiáng)處理?，F(xiàn)有的低照度條件下成像方法，大多僅通過(guò)對(duì)低照度下獲取的單幅圖像進(jìn)行先去噪再增強(qiáng)的處理，采用該方法會(huì)導(dǎo)致部分圖像細(xì)節(jié)無(wú)法精確體現(xiàn)，例如造成圖像的邊緣模糊。另一方面，由于低照度下所得圖像的信噪比已接近可探測(cè)的極限，圖像上還附加了嚴(yán)重的量子噪聲同時(shí)所得圖像的對(duì)比度已接近視覺(jué)的靈敏限，現(xiàn)有算法(例如張偉；汪岳峰；董偉；周冰發(fā)表于《光電子技術(shù)》2002年02期:90-91+113《利用幀積分法去除微光圖像噪聲研究》)均難以對(duì)此類圖像取得較好的增強(qiáng)效果，即使勉強(qiáng)處理，經(jīng)處理后所得圖像的細(xì)節(jié)難以辨別，甚至消失，同時(shí)，在圖像欠曝光區(qū)域原來(lái)不可見(jiàn)的噪聲凸顯出來(lái)，從而降低了圖像整體的成像效果。因此采用常規(guī)的數(shù)字圖像處理技術(shù)，將很難獲得預(yù)期的效果。例如CN201410189595.X中公開(kāi)的一種基于拋物線函數(shù)的低照度圖像增強(qiáng)算法，該方法首先將所得低照度圖像轉(zhuǎn)換為HSV顏色空間，獲得亮度分量V，之后通過(guò)求取夜光照值A(chǔ)；根據(jù)夜光照值A(chǔ)的值衡量圖像光照情況；確定增強(qiáng)函數(shù)對(duì)圖像的亮度分量V進(jìn)行增強(qiáng)后將增強(qiáng)后的圖像轉(zhuǎn)換為YUV空間，之后再經(jīng)過(guò)細(xì)節(jié)補(bǔ)償?shù)玫皆鰪?qiáng)后的圖像。該方法存在的問(wèn)題：在增強(qiáng)圖像細(xì)節(jié)的同時(shí)也相同強(qiáng)度的增強(qiáng)了圖像中的噪聲，即使對(duì)圖像進(jìn)行濾波處理也達(dá)不到原有的成像效果，造成圖像過(guò)增強(qiáng)，同時(shí)為了增加運(yùn)算效率，該方法并沒(méi)有考慮圖像的整體特點(diǎn)，對(duì)圖像進(jìn)行增強(qiáng)處理后反而會(huì)削弱圖像的層次感，造成圖像細(xì)節(jié)不清楚、魯棒性較差等問(wèn)題。模糊理論是指用到了模糊集合的基本概念或連續(xù)隸屬度函數(shù)的理論。模糊理論主要用于模糊控制領(lǐng)域，也存在以下基于模糊理論進(jìn)行圖像增強(qiáng)處理算法例如：魚(yú)海濤的論文.《基于模糊集理論的圖像增強(qiáng)算法研究》[D].西安科技大學(xué),2005.；姜慶偉的論文.《基于模糊理論的圖像增強(qiáng)技術(shù)研究與實(shí)現(xiàn)》[D].華東師范大學(xué),2009.?，F(xiàn)行的大多數(shù)經(jīng)典基于模糊理論的圖像增強(qiáng)算法提出和采用的模糊隸屬度函數(shù)和增強(qiáng)算子比較復(fù)雜，處理速度較慢；同時(shí)經(jīng)典的模糊理論算法在圖像增強(qiáng)的過(guò)程中，增強(qiáng)算子、隸屬函數(shù)等函數(shù)中的多個(gè)參數(shù)需要人為主觀選定，或是采用其他函數(shù)或算法結(jié)合來(lái)確定這些參數(shù)。所以，經(jīng)典的模糊理論算法用于增強(qiáng)圖像不但存在增強(qiáng)處理工作過(guò)程繁瑣、時(shí)間慢，同時(shí)存在圖像增強(qiáng)的臨界點(diǎn)T選取隨機(jī)性大，不適用于多樣化圖像的要求。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種基于模糊理論的低照度成像方法，該發(fā)明解決了現(xiàn)有技術(shù)中低照度圖像處理實(shí)時(shí)性差；低照度圖像經(jīng)過(guò)處理后所得圖像的質(zhì)量和細(xì)節(jié)可辨識(shí)度低的技術(shù)問(wèn)題。本發(fā)明提供了一種基于模糊理論的低照度成像方法，包括以下步驟：步驟S100：圖像預(yù)處理：把輸入的低照度RGB圖像轉(zhuǎn)換到HSV空間后，對(duì)該圖像的整體亮度分量進(jìn)行對(duì)數(shù)變換增強(qiáng)處理，進(jìn)行空間逆變換將HSV空間圖像變換回RGB圖像，得到亮度增強(qiáng)圖像；步驟S200：基于模糊理論的圖像增強(qiáng)處理：采用正弦隸屬度函數(shù)將亮度增強(qiáng)圖像由空間域到模糊域進(jìn)行映射，得到模糊特征平面，在模糊特征平面上按模糊增強(qiáng)算子對(duì)該圖像的對(duì)比度進(jìn)行增強(qiáng)處理，再對(duì)經(jīng)過(guò)對(duì)比度增強(qiáng)的圖像進(jìn)行灰度逆變換，得到對(duì)比度增強(qiáng)圖像；步驟S300：濾波去噪：采用雙邊濾波器對(duì)對(duì)比度增強(qiáng)圖像進(jìn)行濾波去噪處理，輸出圖像。正弦隸屬度函數(shù)：uij=[sin(f(i,j)-fminfmax-fmin)×π2]k---(8)]]>其中，uij為像素(i,j)的灰階xij相對(duì)于fmax的隸屬度，fmax為亮度增強(qiáng)圖像的最大灰度級(jí)，fmin為亮度增強(qiáng)圖像的最小灰度級(jí)，k為可調(diào)節(jié)參數(shù)，k值：k＝mean(f)/(fmax-fmin)(9)其中，mean(f)表示亮度增強(qiáng)圖像的平均灰度值；模糊增強(qiáng)算子：uij′=1-2(1-uij)2,0≤uij≤T2(uij)2,T≤uij≤1---(10)]]>其中，T作為圖像增強(qiáng)的臨界點(diǎn)，T的取值為圖像灰度的平均值。進(jìn)一步地，步驟S100中對(duì)數(shù)變換增強(qiáng)處理中所用對(duì)數(shù)函數(shù)為：f′＝lg(Vd+1)(7)其中，V代表HSV色彩空間的亮度分量，d為亮度調(diào)節(jié)參數(shù)，d的取值范圍為10～100。進(jìn)一步地，步驟S100中低照度RGB圖像轉(zhuǎn)換到HSV空間按公式(1)～(3)進(jìn)行：S=max(R,G,B)-min(R,G,B)max(R,G,B)---(2)]]>V＝max(R,G,B)(3)式中，R，G，B分別為歸一化的RGB空間的各分量的值，H為HSV空間的色調(diào)分量取值范圍為[0,360)，S為HSV空間的飽和度分量取值范圍為(0,1]，V分量為HSV空間的亮度分量取值范圍為[0,1]。進(jìn)一步地，步驟S100中從HSV空間到RGB空間的空間逆變換表達(dá)式：設(shè)i＝H/60,其中，i為被60整除的除數(shù)，f為被60整除的余數(shù)；設(shè)P＝v(1-S),Q＝V(1-Sf),T＝V[1-S(1-f)]，R=V,G=T,B=P,(i=0)R=Q,G=V,B=P,(i=1)R=P,G=Q,B=T,(i=2)R=P,G=Q,B=V,(i=3)R=T,G=P,B=V,(i=4)R=V,G=P,B=Q,(i=5)---(4)]]>其中，R為RGB空間的紅值，G為RGB空間的綠值，B為RGB空間的藍(lán)值。進(jìn)一步地，灰度逆變換按公式(11)進(jìn)行：f′(i,j)=G-1(uij′)=(umin+(umax-umin)arcsinuij×2π)1k---(11)]]>其中，G-1為圖像的逆變換，f′(i,j)為像素點(diǎn)(i,j)處的灰度級(jí)?，F(xiàn)對(duì)現(xiàn)有技術(shù)，本發(fā)明的技術(shù)效果：1、本發(fā)明提供的基于模糊理論的低照度成像方法，將圖像色彩空間從顏色通道緊密相關(guān)的RGB轉(zhuǎn)換到HSV空間，以保持顏色的恒定性，之后利用對(duì)數(shù)函數(shù)提升低照度圖像的亮度，最后將圖像從空間域采用隸屬度函數(shù)變換到模糊域中，在模糊特征平面上再對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)。采用基于模糊理論的處理算法對(duì)圖像進(jìn)行處理，能提高圖像的信噪比，增強(qiáng)顯示圖像的細(xì)節(jié)部分。2、本發(fā)明提供的基于模糊理論的低照度成像方法，能夠使低照度圖像的亮度迅速提升，因?yàn)樵诜蔷€性變換中所用對(duì)數(shù)函數(shù)符合從人眼接收?qǐng)D像信號(hào)到大腦中形成形象的過(guò)程，因而增強(qiáng)后的圖像視覺(jué)效果較好。3、本發(fā)明提供的基于模糊理論的低照度成像方法，各步驟計(jì)算精度要求低，整體步驟簡(jiǎn)單，使得該算法的處理效率較高，實(shí)時(shí)性較好。4、本發(fā)明提供的基于模糊理論的低照度成像方法，相對(duì)大多數(shù)現(xiàn)行的基于模糊理論的圖像增強(qiáng)方法，執(zhí)行圖像增強(qiáng)過(guò)程的速度快；本發(fā)明所用算法中的隸屬度函數(shù)不會(huì)丟失灰度值較低的灰度信息；本發(fā)明提供方法可根據(jù)不同的圖像靈活設(shè)置閾值T，增強(qiáng)了算法針對(duì)不同圖像的處理能力，同時(shí)對(duì)增強(qiáng)圖像的細(xì)節(jié)還原度高，成像質(zhì)量好。具體請(qǐng)參考根據(jù)本發(fā)明的基于模糊理論的低照度成像方法提出的各種實(shí)施例的如下描述，將使得本發(fā)明的上述和其他方面顯而易見(jiàn)。附圖說(shuō)明圖1是本發(fā)明提供的基于模糊理論的低照度成像方法流程示意圖；圖2是本發(fā)明優(yōu)選實(shí)施例中所用對(duì)數(shù)函數(shù)的曲線示意圖；圖3是本發(fā)明優(yōu)選實(shí)施例中低照度圖像處理前后對(duì)比圖；其中a)為待處理低照度圖像，b)為采用本發(fā)明提供方法處理后的圖像；圖4是本發(fā)明優(yōu)選實(shí)施例中低照度圖像處理前后對(duì)比圖；其中a)為待處理低照度圖像，b)為采用本發(fā)明提供方法處理后的圖像。具體實(shí)施方式構(gòu)成本申請(qǐng)的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。參見(jiàn)圖1，本發(fā)明提供的基于模糊理論的低照度成像方法包括以下步驟：步驟S100：圖像預(yù)處理：把輸入的低照度RGB圖像轉(zhuǎn)換到HSV空間后，對(duì)該圖像的整體亮度分量進(jìn)行對(duì)數(shù)變換增強(qiáng)處理，進(jìn)行空間逆變換將HSV空間圖像變換回RGB圖像，得到亮度增強(qiáng)圖像；其中的RGB圖像轉(zhuǎn)換可以按常規(guī)方法進(jìn)行。步驟S100包括以下步驟：步驟S110：HSV色彩空間變換：為避免直接對(duì)所得低照度圖像中各顏色分量進(jìn)行非線性處理造成圖像顏色的失真，將所得圖像中的RGB空間轉(zhuǎn)換為HSV空間。HSV空間不僅比RGB空間更適合于人類對(duì)色彩感覺(jué)的描述，而且還能有效分離了色度、飽和度和亮度，使色度與色飽和度和亮度近似正交，對(duì)后續(xù)的真彩圖像增強(qiáng)提供便利。優(yōu)選的，由RGB空間轉(zhuǎn)換到HSV空間按公式(1)～(3)進(jìn)行：S=max(R,G,B)-min(R,G,B)max(R,G,B)---(2)]]>V＝max(R,G,B)(3)式中，R，G，B分別為歸一化的RGB空間的各分量的值，H為HSV空間的色調(diào)分量取值范圍為[0,360)，S為HSV空間的飽和度分量取值范圍為(0,1]，V分量為HSV空間的亮度分量取值范圍為[0,1]。RGB空間包括紅(R)值、綠(G)值和藍(lán)(B)值。按此公式進(jìn)行，轉(zhuǎn)換后圖像的色彩保持度較好。顯然變換為HSV空間的圖像也可以按公式(4)處理后，變換為RGB圖像，且經(jīng)過(guò)此類變換后的圖像并不會(huì)對(duì)其所呈現(xiàn)的圖像造成較大改變。優(yōu)選的，HSV到RGB的轉(zhuǎn)變按此進(jìn)行：設(shè)其中，i為被60整除的除數(shù)，f為被60整除的余數(shù)。設(shè)P＝v(1-S),Q＝V(1-Sf),T＝V[1-S(1-f)]，從HSV空間到RGB空間的變換表達(dá)式：R=V,G=T,B=P,(i=0)R=Q,G=V,B=P,(i=1)R=P,G=Q,B=T,(i=2)R=P,G=Q,B=V,(i=3)R=T,G=P,B=V,(i=4)R=V,G=P,B=Q,(i=5)---(4)]]>其中，R為RGB空間的紅值，G為RGB空間的綠值，B為RGB空間的藍(lán)值。步驟S120：非線性變換在光照補(bǔ)償過(guò)程中，把RGB圖像轉(zhuǎn)換到HSV空間后，對(duì)圖像的整體亮度分量進(jìn)行增強(qiáng)處理，同時(shí)保持色調(diào)和飽和度不變，最后將生成的亮度分量與色調(diào)、飽和度分量進(jìn)行空間逆變換得到HSV圖像。通過(guò)對(duì)圖像進(jìn)行非線性變化提高低照度圖像的亮度，從而讓那些由于光照不足導(dǎo)致看起來(lái)比較暗的圖像低灰度級(jí)區(qū)域的亮度得以快速提升，改善低照度圖像的視覺(jué)效果。非線性變換是通過(guò)一個(gè)光滑的映射曲線，以使得處理后的圖像灰度變化比較平滑。考慮到從人眼接收?qǐng)D像信號(hào)到大腦中形成一個(gè)形象的過(guò)程中，有一個(gè)近似對(duì)數(shù)的環(huán)節(jié)，以對(duì)數(shù)變換作為非線性變換，所用對(duì)數(shù)變換函數(shù)如圖2所示，為非線性函數(shù)。圖2中橫縱坐標(biāo)均為灰度值，為0～255之間的數(shù)值。對(duì)數(shù)變換是指輸出圖像與輸入圖像像素點(diǎn)的灰度值為一一對(duì)數(shù)對(duì)應(yīng)關(guān)系，經(jīng)過(guò)對(duì)數(shù)變換的輸入圖像f(x,y)的灰度和輸出圖像g(x,y)的灰度之間的關(guān)系符合下式：g(x,y)＝log[f(x,y)](5)采用對(duì)數(shù)變換可以壓縮輸入圖像中較高灰度區(qū)域的對(duì)比度，與此同時(shí)對(duì)輸入圖像中灰度值較低的區(qū)域進(jìn)行擴(kuò)展。為了使變換的動(dòng)態(tài)范圍可以更加靈活，以便與修改對(duì)數(shù)曲線的變化速度或起始位置等參數(shù)，在公式(5)中加入可調(diào)節(jié)參數(shù)：g(x,y)＝a+ln(f(x,y)+1)/(blnc)(6)式中，a,b,c是可調(diào)參數(shù)，f(x,y)為輸入圖像中的像素點(diǎn)灰度值。a,b,c可以人為設(shè)定，從而對(duì)所用對(duì)數(shù)變換函數(shù)的在y軸上的截距、變化速率進(jìn)行調(diào)整。其中，f(x,y)+1是為了避免對(duì)數(shù)字0取對(duì)數(shù)，確保分子部分大于或等于0。當(dāng)f(x,y)＝0時(shí)，ln(f(x,y)+1)＝0，則y＝a，此時(shí)a為y軸上的截距，確定了變換函數(shù)的初始位置的函數(shù)變換關(guān)系，再通過(guò)b,c兩個(gè)參數(shù)來(lái)確定變換函數(shù)的變化速率。優(yōu)選的，對(duì)數(shù)函數(shù)為：f′＝lg(Vd+1)(7)其中，V代表HSV色彩空間的亮度分量，d為亮度調(diào)節(jié)參數(shù)。公式(7)中加1是為了避免當(dāng)V等于0時(shí)對(duì)0取對(duì)數(shù)。通過(guò)亮度調(diào)節(jié)參數(shù)d可對(duì)圖像的亮度進(jìn)行不同程度的提升?？梢匀藶楦鶕?jù)需要進(jìn)行設(shè)定。本發(fā)明中發(fā)現(xiàn)增大參數(shù)d可對(duì)低照度圖像的亮度進(jìn)行提升，從而改善了圖像的視覺(jué)效果。亮度調(diào)節(jié)參數(shù)設(shè)置過(guò)大會(huì)導(dǎo)致圖像過(guò)亮而丟失圖像信息，而如果設(shè)置過(guò)小又無(wú)法實(shí)現(xiàn)對(duì)低照度圖像的處理效果。優(yōu)選亮度調(diào)節(jié)參數(shù)d10～100。此時(shí)采用公式(7)進(jìn)行亮度增強(qiáng)時(shí)，能有效避免圖像深色區(qū)域細(xì)節(jié)的丟失。經(jīng)過(guò)對(duì)數(shù)變換之后輸入圖像的亮度得到改善，但降低了圖像的對(duì)比度，使圖像并未達(dá)到理想的視覺(jué)效果，引入模糊理論，將圖像從空間域利用隸屬度函數(shù)變換到模糊域中，在模糊特征平面上對(duì)圖像進(jìn)行增強(qiáng)處理，增加圖像的對(duì)比度。步驟S200：基于模糊理論的圖像增強(qiáng)處理：采用正弦隸屬度函數(shù)將亮度增強(qiáng)圖像由空間域到模糊域進(jìn)行映射，得到模糊特征平面，在所述模糊特征平面上按模糊增強(qiáng)算子對(duì)該圖像的對(duì)比度進(jìn)行增強(qiáng)處理，再對(duì)經(jīng)過(guò)對(duì)比度增強(qiáng)的圖像進(jìn)行灰度逆變換，得到對(duì)比度增強(qiáng)圖像；基于模糊理論的圖像增強(qiáng)處理：將圖像從空間域利用隸屬度函數(shù)變換到模糊域中，在模糊特征平面上再對(duì)圖像的對(duì)比度進(jìn)行增強(qiáng)處理。步驟S210：空間域映射到模糊域的變換利用正弦隸屬度函數(shù)將圖像由空間域到模糊域進(jìn)行映射，得到模糊特征平面。定義正弦隸屬度函數(shù)：uij=[sin(f(i,j)-fminfmax-fmin)×π2]k---(8)]]>其中，uij為像素(i,j)的灰階xij相對(duì)于fmax的隸屬度，fmax為亮度增強(qiáng)圖像的最大灰度級(jí)，相應(yīng)的fmin為亮度增強(qiáng)圖像的最小灰度級(jí)。k為可調(diào)節(jié)參數(shù)，通過(guò)對(duì)k的調(diào)節(jié)可改變uij的值，針對(duì)不同圖像產(chǎn)生不同的模糊特征平面，進(jìn)而可以適應(yīng)不同圖像的增強(qiáng)要求，k值：k＝mean(f)/(fmax-fmin)(9)其中，mean(f)表示亮度增強(qiáng)圖像的平均灰度值。按公式(9)定義，你能使得k值與圖像產(chǎn)生內(nèi)在的相關(guān)性，不同亮度圖像的k值也會(huì)隨之改變，增加了算法的靈活性，適應(yīng)不同亮度圖像的增強(qiáng)需求，避免亮度增強(qiáng)過(guò)于機(jī)械導(dǎo)致增強(qiáng)亮度后，圖像細(xì)節(jié)丟失的問(wèn)題。步驟S220：模糊域圖像增強(qiáng)對(duì)隸屬度函數(shù)uij，利用上述兩個(gè)公式進(jìn)行變換得到模糊特征平面。定義模糊增強(qiáng)算子：uij′=1-2(1-uij)2,0≤uij≤T2(uij)2,T≤uij≤1---(10)]]>其中，T作為圖像增強(qiáng)的臨界點(diǎn)，針對(duì)不同亮度圖像T的取值不同，對(duì)于本發(fā)明中所處理的低照度圖像T的取值為圖像灰度的平均值。按公式(10)定義，能隨著迭代次數(shù)的增加，所處理圖像的對(duì)比度也隨之增強(qiáng)。步驟S230：模糊圖像逆變換優(yōu)選的，在所得模糊特征平面上，經(jīng)過(guò)灰度逆變換將圖像從模糊域映射到灰度空間中，得到對(duì)比度增強(qiáng)圖像?；叶饶孀儞Q按公式(11)進(jìn)行：f′(i,j)=G-1(uij′)=(umin+(umax-umin)arcsinuij×2π)1k---(11)]]>其中，G-1為圖像的逆變換，f′(i,j)為像素點(diǎn)(i,j)處的灰度級(jí)。經(jīng)過(guò)模糊圖像逆變換后，圖像便于辨認(rèn)，對(duì)比度增強(qiáng)圖像經(jīng)過(guò)圖像濾波后即可輸出。步驟S300：濾波去噪：采用雙邊濾波器對(duì)對(duì)比度增強(qiáng)圖像進(jìn)行濾波去噪處理，輸出圖像。雙邊濾波是利用兩個(gè)高斯平滑函數(shù)分別考察鄰域像素在數(shù)值和位置上與當(dāng)前點(diǎn)之間的相似性，獲得鄰域像素的權(quán)重。雙邊濾波本質(zhì)上是一種改進(jìn)的高斯加權(quán)平均算子，由于同時(shí)考慮了像素在數(shù)值和位置上性質(zhì)，使雙邊濾波在做加權(quán)平均時(shí)能夠充分考慮到物體邊界處光照的突變情況.雙邊濾波通過(guò)對(duì)與當(dāng)前點(diǎn)位置相近且數(shù)值上相差不大的點(diǎn)賦以較大的權(quán)重.而對(duì)于數(shù)值上相差較大即使位置很相近的點(diǎn)也賦以較小的權(quán)重，從而有效克服邊界處光照突變對(duì)鄰域的平均亮度的影響。采用現(xiàn)行通用的雙邊濾波器，對(duì)對(duì)比度增強(qiáng)圖像進(jìn)行進(jìn)一步濾波去噪處理，所輸出圖像即為圖像質(zhì)量較高，清晰度較好的，亮度和對(duì)比度均得到增強(qiáng)的處理后低照度圖像。按上述方法本發(fā)明提供的方法對(duì)圖3中的a)和圖4中的b)進(jìn)行處理，所得結(jié)果分別對(duì)應(yīng)列于圖3b)和圖4b)中。由圖3～4可見(jiàn)，圖3a)中低照度的圖像經(jīng)過(guò)處理后，輸出圖像不旦整體亮度得到提高，對(duì)比度也得到提高，同時(shí)原圖中模糊的景物輪廓經(jīng)過(guò)處理后也清晰化，而且深色部分景物顯示清楚。圖4a)中的低照度圖像經(jīng)過(guò)處理后，深色區(qū)域景物輪廓清晰，細(xì)節(jié)清楚。本發(fā)明提供的方法在增強(qiáng)低照度圖像對(duì)比度的同時(shí)能有效保留圖像場(chǎng)景中的細(xì)節(jié)信息。本發(fā)明中提出的方法實(shí)際上可嵌入FPGA實(shí)現(xiàn)，運(yùn)用于具有實(shí)時(shí)輸出圖像功能的低照度成像功能的相機(jī)或攝像機(jī)中。本領(lǐng)域技術(shù)人員將清楚本發(fā)明的范圍不限制于以上討論的示例，有可能對(duì)其進(jìn)行若干改變和修改，而不脫離所附權(quán)利要求書(shū)限定的本發(fā)明的范圍。盡管己經(jīng)在附圖和說(shuō)明書(shū)中詳細(xì)圖示和描述了本發(fā)明，但這樣的說(shuō)明和描述僅是說(shuō)明或示意性的，而非限制性的。本發(fā)明并不限于所公開(kāi)的實(shí)施例。通過(guò)對(duì)附圖，說(shuō)明書(shū)和權(quán)利要求書(shū)的研究，在實(shí)施本發(fā)明時(shí)本領(lǐng)域技術(shù)人員可以理解和實(shí)現(xiàn)所公開(kāi)的實(shí)施例的變形。在權(quán)利要求書(shū)中，術(shù)語(yǔ)“包括”不排除其他步驟或元素，而不定冠詞“一個(gè)”或“一種”不排除多個(gè)。在彼此不同的從屬權(quán)利要求中引用的某些措施的事實(shí)不意味著這些措施的組合不能被有利地使用。權(quán)利要求書(shū)中的任何參考標(biāo)記不構(gòu)成對(duì)本發(fā)明的范圍的限制。當(dāng)前第1頁(yè)1 2 3