HSV空间Retinex理论低照度图像增强

一、课题任务、目的和要求

1.课题任务：对夜晚图像进行增强。
2.课题目的：通过多种方法对夜晚图像进行增强。
3.课题要求：在尽可能提高可视度、信息熵、对比度的情况下对夜晚图像进行增强。

二、课题方案设计

1.设计思路：基于同态滤波及多尺度Retinex的夜晚图像增强算法
首先用同态滤波算法增强夜晚图像的RGB各分量，然后由RGB空间转换至HSV 空间，在保持色调H不变的情况下，用改进的多尺度Retinex 算法对亮度分量V的照度分量和反射分量分别进行直方图修正和伽马校正的增强处理，对饱和度S进行自适应非线性拉伸，最后将图像再转换至RGB空间，并通过MATLAB 仿真实验验证改进算法的优越性。
2.方案框图：

三、课题设计实现

1 同态滤波算法增强夜晚图像的RGB各分量

（1）方法简述
同态滤波采用图像的照射-反射模型，通过处理照射分量和反射分量来改善图像的质量， 在傅里叶变换中，低频对应照射分量，高频部分对反射分量。在处理夜晚图像时，降低照射分量，增强反射分量，从而提高图像的对比度。

%% 数据读取
clear;clc;close all;
Imageori=imread('yewan3.png');  %打开图像
Image=im2double(Imageori);%将图像归一化并转换为double数据
%% 同态滤波
logI=log(Image+1);  %对数运算，防止图像值为0
sigma=1414;  filtersize=[7 7];%高斯滤波器参数
lowfilter=fspecial('gaussian',filtersize,sigma); %构造高斯低通滤波器
highfilter=zeros(filtersize);%存储高斯高通滤波器模板
highpara=1; lowpara=0.8;%控制滤波器幅度范围的系数  
highfilter(ceil(filtersize(1,1)/2),ceil(filtersize(1,2)/2))=1;%4 4为1 向上取证
highfilter=highpara*highfilter-(highpara-lowpara)*lowfilter; %高斯低通滤波器转换为高斯高通滤波器
highpart=imfilter(logI,highfilter,'replicate','conv'); %时域卷积实现滤波
NewImage=highpart; %存储到NewImage当中
top=max(NewImage(:)); bottom=min(NewImage(:));%取图像的最大值和最小值
New=(NewImage-bottom)/(top-bottom);New=1.5.*(New);%数据的映射处理，符合人眼视