一種針對草地圖像的圖像增強(qiáng)算法

　　圖像是客觀對象的一種相似性描述，但是在拍攝過程中，由于光照、氣候等因素影響，往往造成圖像的失真或者產(chǎn)生噪聲。圖像增強(qiáng)能在保留圖像自身信息的同時(shí)突出某些特征信息，從而滿足應(yīng)用需求。本文所設(shè)計(jì)的算法策略主要應(yīng)用于智能割草機(jī)器人關(guān)于采集的草地圖像預(yù)處理，由于割草機(jī)器人的工作環(huán)境所致，拍攝的圖片會(huì)經(jīng)常受到光照不均和大霧天氣的影響。針對光照和大霧的影響，常見的圖像增強(qiáng)算法主要有直方圖均衡化方法，Retinex算法，梯度域增強(qiáng)算法等。

　　傳統(tǒng)的圖像增強(qiáng)算法，如直方圖均衡化主要是通過對圖像的非線性拉伸，使圖像動(dòng)態(tài)范圍增大，對比度也增大，但是這些傳統(tǒng)的方法多應(yīng)用于灰度圖像。隨著人們視覺感知模型的發(fā)展，Retinex理論也隨之建立，經(jīng)過40多年的發(fā)展，從最開始的單尺度Retinex算法（SSR算法）發(fā)展到多尺度加權(quán)平均Retinex算法（MSR算法）再到彩色恢復(fù)Retinex算法（MSRCR算法）。

　　MSRCR算法雖然能突出圖像的細(xì)節(jié)部分，但也存在著缺陷，比如如果輸入圖像質(zhì)量不高，噪聲也會(huì)隨著細(xì)節(jié)的突出而放大；處理完的圖像會(huì)整體偏暗變灰等等。為了解決這些問題，本文提出一種分別對商頻分量和低頻分量處理的辦法，既能抑制高頻的噪聲放大，同時(shí)又增加低頻分量的對比度，使圖像清晰度增強(qiáng)。