胡 奡

(桐城师范高等专科学校 商贸与电子信息系，安徽 桐城 231400)

图像色彩增强是最基本也是最关键的图像信息处理技术，交通监控、医学影像、刑侦技术以及军事领域都有其应用范围.未经处理的原始平面图像可能存在噪音干扰，包括光照条件、天气原因、物体本身反射性质等因素均会使图像清晰度不够，色彩饱和度不够，细节信息缺失，导致灰度值小，亮度过高，图像模糊不清等问题.为使这些问题能够得到很好的解决，相关专业人士做过很多探索和研究.例如，刘玉红[1]等人提出眼底彩色图像增强方法，虽然可以实现色彩的增强，色泽和亮度都有效提升，但在计算时需要人为地设定参数，导致计算繁琐，不具有适应性.黄冬梅[2]等人探索利用直方图增强图像，该方法的自适应较强，但当原始图像存在灰度动态范围小，分布不均时会使图像细节损失，甚至有噪声被放大的现象.频率分解可将图像不同层次的细节分量划分成空间内的频率，依据不同频率对图像实施增强可提升图像视觉效果[3-4].基于此，本文提出了一种基于频率分解的平面图像色彩增强方法.将平面图像的RGB色彩空间转化成HSV空间，获取色度、饱和、亮度分量，利用自适应二维经验模式分解方法分解各个分量，获取区域Retinex入射光分量后，使用Retinex算法计算照射分量，并通过入射光、反射光图像以及Retinex算法输出的校正，得到适应视觉特征的优质结果，经全局HSV色彩空间修正，保证……