多尺度细节增强与自适应γ变换的图像增强

针对现有图像增强方法未能适宜地提升图像的亮度、对比度,以及保持图像自然效果的问题,提出了多尺度细节增强与自适应γ变换的图像增强方法。该方法根据多尺度的纹理结构和边缘细节特征,用引导滤波对图像进行多尺度的Retinex分解,分解为多尺度的细节层和最后的基础层;对基础层做自适应的γ拉伸,实现图像亮度和对比度的有效增强,对细节层进行多尺度的拉普拉斯增强;将增强的基础层与增强的细节层进行多尺度的Retinex反变换,实现原图像的增强。图像增强实验结果显示,相对于当前的部分最新方法,所提方法的图像增强性能更好,图像增强后的信息熵和平均梯度分别比现有的方法提升大约1.2和2.8。