低光照環(huán)境下作物葉部病害圖像增強(qiáng)方法案例分析目錄TOC\o"1-3"\h\u25165低光照環(huán)境下作物葉部病害圖像增強(qiáng)方法案例分析 -7-圖1.2不同圖像增強(qiáng)算法處理結(jié)果圖，測(cè)試圖像曝光系數(shù)值為-2圖1.3不同圖像增強(qiáng)算法處理結(jié)果圖，測(cè)試圖像曝光系數(shù)值為-6但相對(duì)于小波變換的處理結(jié)果，MSRCP算法的增強(qiáng)結(jié)果無(wú)論是在圖像整體亮度提升上，還是在原有色彩的保護(hù)上，都要優(yōu)于基于小波變換的圖像增強(qiáng)算法。但這并不意味著MSRCP算法的增強(qiáng)結(jié)果沒(méi)有任何缺點(diǎn)，由圖1.2（g）中間的處理結(jié)果可以看出，在一些作物葉部病害特征不明顯的情況下，MSRCP算法可能減弱這部分病害特征。同時(shí)，圖1.3展示了對(duì)于圖1.1（c）所示的模擬重度低光照環(huán)境作物葉部病害樣本圖像，各圖像增強(qiáng)算法的處理結(jié)果。由圖1.3（a）和圖1.3（b）可知，對(duì)于極限環(huán)境下的圖像增強(qiáng)而言，直方圖均衡化和小波變換方法均無(wú)法有效提升輸入圖像的整體亮度。而SSR算法、MSR算法和MSRCR算法的性能表現(xiàn)與在中度低光照環(huán)境下的圖像增強(qiáng)沒(méi)有提升或下降，其依舊存有增強(qiáng)后圖像色彩飽和度偏低、圖像細(xì)節(jié)信息不夠豐富與整體泛白等缺點(diǎn)。由圖1.3（b）可以看出，基于對(duì)數(shù)變換的圖像增強(qiáng)算法在色彩飽和度上則優(yōu)于在中度低光照環(huán)境下的圖像增強(qiáng)。同樣，無(wú)論是在中度低光照環(huán)境下還是在極限條件下，MSRCP算法的表現(xiàn)都相當(dāng)優(yōu)異。由圖1.3（g）可以看出，即使是在肉眼已經(jīng)無(wú)法觀察出圖像主體的情況下，MSRCP算法依然可以在有效提升圖像整體亮度的同時(shí)，保留圖像中物體的原始色彩信息，具有較為出色的性能。表1.1重度低光照環(huán)境下不同圖像增強(qiáng)算法性能名稱(chēng)處理時(shí)間亮度平均值亮度標(biāo)準(zhǔn)差顏色平均值顏色標(biāo)準(zhǔn)差原始圖像-121.6724.93117.0230.91直方圖均衡化1.35s39.9811.3338.8511.55對(duì)數(shù)變換1.27s203.7813.41200.3318.94小波變換1.24s44.108.3541.1710.53SSR1.31s193.7615.20195.9921.23MSR1.64s194.0014.84194.7519.50MSRCR1.68s193.7314.45191.2118.04MSRCP1.66s131.0534.26126.5938.49為了更為客觀的比較各圖像增強(qiáng)算法的性能，本節(jié)選取圖1.1（c）中左數(shù)第一張圖像作為輸入測(cè)試圖像，并記錄了各算法的表現(xiàn)結(jié)果，如表1.1所示。在表1.1中，第一行數(shù)據(jù)表示曝光系數(shù)未經(jīng)調(diào)整的原始番茄作物葉部病害圖像的參數(shù)信息。從表1.1中可以看出，在算法處理時(shí)間上，各算法并沒(méi)有拉開(kāi)較大差距，最慢的增強(qiáng)算法也僅僅比最快的增強(qiáng)算法慢了0.44s，這種時(shí)間上的差距是