一种针对草地图像的图像增强算法

　　图像是客观对象的一种相似性描述，但是在拍摄过程中，由于光照、气候等因素影响，往往造成图像的失真或者产生噪声。图像增强能在保留图像自身信息的同时突出某些特征信息，从而满足应用需求。本文所设计的算法策略主要应用于智能割草机器人关于采集的草地图像预处理，由于割草机器人的工作环境所致，拍摄的图片会经常受到光照不均和大雾天气的影响。针对光照和大雾的影响，常见的图像增强算法主要有直方图均衡化方法，Retinex算法，梯度域增强算法等。

　　传统的图像增强算法，如直方图均衡化主要是通过对图像的非线性拉伸，使图像动态范围增大，对比度也增大，但是这些传统的方法多应用于灰度图像。随着人们视觉感知模型的发展，Retinex理论也随之建立，经过40多年的发展，从最开始的单尺度Retinex算法（SSR算法）发展到多尺度加权平均Retinex算法（MSR算法）再到彩色恢复Retinex算法（MSRCR算法）。

　　MSRCR算法虽然能突出图像的细节部分，但也存在着缺陷，比如如果输入图像质量不高，噪声也会随着细节的突出而放大；处理完的图像会整体偏暗变灰等等。为了解决这些问题，本文提出一种分别对商频分量和低频分量处理的办法，既能抑制高频的噪声放大，同时又增加低频分量的对比度，使图像清晰度增强。