近年、ビデオ監視システムの開発が進んでいますが、低照度環境では、光不足により画像の明るさが低く、詳細情報が著しく失われ、画像認識が困難になっています。したがって、低照度画像強調アルゴリズムの研究は、重要な理論的重要性と応用価値を持っています。

画像のヘイズ除去技術は、長期にわたる開発と多くの研究成果を上げてきましたが、依然として緊急に解決しなければならない困難な問題が数多くあります。画像の曇り除去技術の難しさは次のように要約されます。

普遍性：屋外環境は複雑で多様であり、さまざまな霧の画像はさまざまなシーンの深さとさまざまな霧の濃度を持ち、さまざまな曇り除去アルゴリズムはさまざまな霧の画像に対してさまざまな曇り除去と強調効果を持っています。

リアルタイム;広く使用されるためには、アルゴリズムはリアルタイムの要件を満たす必要があります。画像強調の原理に基づいてヘイズ除去する方法はたくさんありますが、計算は簡単でリアルタイムの要件を満たすことができますが、ヘイズ除去効果は一般的です。しかし、物理モデルに基づくデヘイズ法は、優れたデヘイズ効果があり、画像を自然に復元しますが、計算の複雑さと時間のオーバーヘッドが高く、リアルタイムの要件を満たすことは困難です。

画像評価基準：現在、霧の復元画像の統一評価基準はなく、主観的・客観的評価結果の整合性が高くない場合があり、客観的評価結果が非常に良く、主観的評価結果が平均的である場合があります。逆に、主観的な評価結果が優れている場合もあります。画像、客観的な評価結果は理想的ではない場合があります。これは、人間の主観的な視覚的知覚が、単一の客観的な指標だけに依存するのではなく、多くの要因の影響を受けるためです。

1.アルゴリズムの実装

この論文は、低照度画像反転画像と霧画像の類似性を研究します。暗い原色の前の曇り除去アルゴリズムでは、画像の曇り除去後のブロック効果と、透過率の改善に使用されるソフトマット法の時間計算量があります。高度の問題を解決するために、この論文は、改良された暗い原色の事前とヒストグラムの等化を組み合わせた低照度画像強調アルゴリズムを研究している。最小値フィルターの代わりに定数が使用され、画像はピクセルごとに処理されて、単純化された透過率をすばやく解決します。透過率の低下を補償するパラメータを導入することにより、画像ピクセルのより大きなチャネル最小値によって引き起こされる画像歪みの問題が防止されます。四分木アルゴリズムは、大気光の値を推定するために使用されます。次に、濃い原色の事前アルゴリズムによって処理された画像に対してヒストグラム均等化プロセスが実行され、画像のグレースケールヒストグラムがグレースケール範囲の不均一な分布から均一な分布に変換され、コントラストがさらに向上します。改善されました。強化された低照度画像を取得します。シミュレーション結果は、改良されたアルゴリズムが低照度画像の明るさとコントラストを改善し、ブロック効果を効果的に排除し、高い色の復元を持ち、画像の視認性を改善することを示しています。ソフトマット法と比較して、実行速度は大幅に高速です。改善されました。ただし、低照度画像の被写界深度に対する強調効果は明らかではありません。上記のアルゴリズムの欠点を目指して、従来の準同型フィルタリングアルゴリズムは、伝達関数パラメーターが多すぎて制御が難しく、マルチスケールRetinexアルゴリズムはハローアーティファクトを起こしやすいです。画像強調アルゴリズム。まず、低照度画像のR、G、B成分は、画像のコントラストを改善するために改良された同形フィルタリングアルゴリズムでそれぞれ強化されます。次に、画像はRGB色空間からHSV色空間に変換されます。彩度成分はHSV色空間で比較されます。適応非線形ストレッチが実行され、改良されたマルチスケールRetinexアルゴリズムによって輝度が向上し、照明成分がガンマ変換によって補正され、反射成分がSigmoid関数によって処理され、最後に画像はRGB色空間に変換されます。出力。画像はMatlabでシミュレートされ、実験は、アルゴリズムが低照度画像の情報エントロピー、ピーク信号対雑音比、コントラストを改善し、低照度画像の視覚効果を改善することを示しています。

第二に、コード表示

RGB色空間は、現在、画像処理の分野で最も広く使用されている色空間モデルであり、人間の目で観察できるすべての色を表示できます。色空間はデカルト座標系に基づいており、基本色として赤（R）、緑（G）、青（B）を使用し、R、G、Bはデカルト座標の3つの座標軸に対応します。それぞれシステム。R、G、Bの3つの基本色を重ね合わせて、自然界に共通するカラーライトを生成することができます。同様に、さまざまなカラーライトを赤、緑、青の3つの基本色に分解することもできます。

function varargout = main(varargin)

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help selectFile

% Last Modified by GUIDE v2.5 12-Apr-2022 16:49:27

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...
                   'gui_Singleton',  gui_Singleton, ...
                   'gui_OpeningFcn', @selectFile_OpeningFcn, ...
                   'gui_OutputFcn',  @selectFile_OutputFcn, ...
                   'gui_LayoutFcn',  [] , ...
                   'gui_Callback',   []);
if nargin && ischar(varargin{1})

    gui_State.gui_Callback = str2func(varargin{1});

end

if nargout

    [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else
    gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT


% --- Executes just before selectFile is made visible.
function selectFile_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to selectFile (see VARARGIN)

% Choose default command line output for selectFile
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes selectFile wait for user response (see UIRESUME)
% uiwait(handles.figure1);


% --- Outputs from this function are returned to the command line.
function varargout = selectFile_OutputFcn(hObject, eventdata, handles) 
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;


% --- Executes on button press in pushbutton1.选择文件按钮
function pushbutton1_Callback(hObject, eventdata, handles)
  axes(handles.axes5);%绑定控制的是那个axes
 [filename,pathname]=uigetfile({'*.jpg';'*.png'},'选择测试图片文件');

picturepath=[pathname,filename];
before=imread(picturepath);
imshow(before);  
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

参照

[1] WangXiaoyuan。低照度画像強調アルゴリズムの研究と実装[D]。[修士論文]。四川省：南西科学技術大学、2016年。

[2] Tian Xiaoping、QiaoDong。二重ヒストグラム均等化に基づくカラー画像の強調[J]。JournalofXi'an University of Posts and Telecommunications、2015年。

詳細については、1341703358をクリックしてください。このペーパーでは、低照度画像強調アルゴリズムについて説明します。古典的な低照度画像強調アルゴリズムに関する理論的研究とシミュレーション実験を通じて、その既存の問題を分析します。元の画像強調アルゴリズムに基づいて、2つの改良された低照度画像強調アルゴリズムが研究され、アルゴリズムの有効性が実験的シミュレーションによって検証されます。

Matlabに基づくDarkChannelPriorおよびRetinexDehazingImageEnhancementに関する研究

1.アルゴリズムの実装

第二に、コード表示

おすすめ