低照度圖像通常由于光照不足而導(dǎo)致細(xì)節(jié)模糊、對(duì)比度低等問(wèn)題，給圖像的觀(guān)看和分析帶來(lái)困難。全變分算法是一種常用的圖像增強(qiáng)方法，它能夠通過(guò)最小化圖像梯度的總變化來(lái)增強(qiáng)圖像的邊緣和細(xì)節(jié)。然而，全變分算法在處理低照度圖像時(shí)容易引入過(guò)多的噪聲。為了解決這一問(wèn)題，微云全息(NASDAQ: HOLO)將Gamma校正技術(shù)與全變分算法相結(jié)合，通過(guò)對(duì)圖像的亮度進(jìn)行非線(xiàn)性調(diào)整，以提高圖像的對(duì)比度和清晰度。
微云全息本次提出的算法是一種有效的低照度圖像增強(qiáng)算法。通過(guò)將全變分和Gamma校正相融合，它能夠進(jìn)一步改善低照度圖像的質(zhì)量。這種算法不僅提高了圖像的對(duì)比度和清晰度，還考慮到了人眼的視覺(jué)特性，從而能夠呈現(xiàn)出更加逼真、生動(dòng)的圖像效果。其中，全變分（Total Variation, TV）是一種基于圖像梯度的正則化方法，通過(guò)最小化圖像梯度的總變化來(lái)增強(qiáng)圖像的對(duì)比度和細(xì)節(jié)。這種方法在低照度圖像增強(qiáng)中被廣泛應(yīng)用，能夠有效提升圖像的視覺(jué)質(zhì)量。在低照度圖像中，由于光線(xiàn)不足，圖像往往顯得模糊不清，細(xì)節(jié)難以分辨。這時(shí)，全變分能夠發(fā)揮其作用，通過(guò)最小化圖像梯度的總變化，使得圖像的細(xì)節(jié)得以突出，對(duì)比度得到提高。除了全變分之外，算法中的Gamma校正通過(guò)非線(xiàn)性地調(diào)整圖像的亮度值，使得圖像在顯示設(shè)備上呈現(xiàn)出更好的亮度和對(duì)比度。Gamma校正通過(guò)對(duì)圖像的每個(gè)像素點(diǎn)的亮度值進(jìn)行非線(xiàn)性變換，使得圖像的整體亮度得以調(diào)整，從而改善圖像的視覺(jué)效果。
微云全息首先對(duì)低照度圖像進(jìn)行全變分處理，以增強(qiáng)其細(xì)節(jié)和對(duì)比度。然后，對(duì)處理后的圖像進(jìn)行Gamma校正，以進(jìn)一步調(diào)整其亮度和對(duì)比度。通過(guò)對(duì)全變分處理后的圖像進(jìn)行Gamma校正，使其在顯示設(shè)備上呈現(xiàn)出更好的亮度和對(duì)比度。同時(shí)，微云全息算法還考慮到了人眼對(duì)亮度的非線(xiàn)性感知特性，從而能夠更好地適應(yīng)人的視覺(jué)系統(tǒng)。所提算法的整體流程如下：
首先，將輸入的圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間。在這個(gè)過(guò)程中，微云全息保留了H分量和S分量的數(shù)據(jù)，這是因?yàn)檫@些分量包含了圖像的色調(diào)和飽和度信息。然后，對(duì)V分量進(jìn)行Retinex變分處理。這種處理能夠提取出圖像的亮度信息，形成一張包含圖像細(xì)節(jié)信息的反射圖像。然而，此時(shí)容易有反射圖像過(guò)度增強(qiáng)的現(xiàn)象，為了解決這個(gè)問(wèn)題，微云全息引入了改進(jìn)的AGCWD方法來(lái)處理原始的V分量。這種處理方法能夠有效地抑制過(guò)度增強(qiáng)的問(wèn)題，并將處理結(jié)果作為光照矯正圖像與反射圖像進(jìn)行加權(quán)融合。在這個(gè)融合過(guò)程中，微云全息將光照矯正圖像和反射圖像按照一定的權(quán)重進(jìn)行組合，以產(chǎn)生一個(gè)新的V分量。這個(gè)新的V分量既包含了原始圖像的亮度信息，又矯正了過(guò)度增強(qiáng)的現(xiàn)象。最后，將新的V分量從HSV空間轉(zhuǎn)換回RGB空間，以生成最終的增強(qiáng)圖像。具體流程如下圖所示，包括顏色空間轉(zhuǎn)換、Retinex變分處理、AGCWD處理、加權(quán)融合以及最后的顏色空間轉(zhuǎn)換回RGB。
微云全息(NASDAQ: HOLO)本次提出了一種創(chuàng)新的圖像增強(qiáng)算法，它能夠有效地提高圖像的亮度和對(duì)比度，同時(shí)保持圖像的細(xì)節(jié)信息和自然外觀(guān)。該算法具有廣泛的應(yīng)用前景，例如在醫(yī)學(xué)影像分析、安全監(jiān)控、智能交通等領(lǐng)域都可以發(fā)揮重要作用。
