CN101010937A - 图像修正处理系统以及图像修正处理方法 - Google Patents

Abstract

图像处理系统包括：局部区域选择部，从输入图像中至少选择一个作为修正对象的局部区域，所述局部区域至少包括一个像素；修正量计算部，计算对于所述修正对象的局部区域的灰阶修正量；以及局部灰阶修正部，进行灰阶修正并生成局部灰阶修正图像，所述灰阶修正是指根据所述灰阶修正量来修正所述局部区域的灰阶值。另外，所述修正量计算部包括：周边区域灰阶值计算部，计算所述局部区域的周边区域的灰阶值；以及局部修正量变换部，使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

Description

图像修正处理系统以及图像修正处理方法

技术领域

本发明涉及图像修正处理系统以及图像修正处理方法，尤其涉及改善图像的中间灰阶的技术。

背景技术

以往，将改善图像的中间灰阶的方法用于相机、扫描仪、打印机等处理图像的装置来改善图像的灰阶(gradation)。在以往的改善图像中间灰阶的方法中，使用被称为色调曲线的灰阶变换曲线来变换所输入的原图像的灰阶值。当使用灰阶变换曲线时，需进行全局(大域)处理，即：需要对图像中的所有像素进行输入灰阶值与输出灰阶值一对一固定的灰阶变换处理。在进行该全局处理的情况下，当在图像中存在明亮区域(高亮区域)和阴暗区域(阴影区域)时，很难将双方区域的图像调整为色调平衡的图像。为了解决该问题，在日本专利文献特开2001-313844号公报中公开了使用被称为色调掩模的非线性掩模来改善图像质量的方法。

对使用该色调掩模的方法进行说明。根据该方法，通过图1所示的处理流程来改善中间灰阶。即，在该现有方法中，接收作为输入图像的修正对象图像(S801)。此时，从输入图像生成色调掩模图像(S802)。求出对输入图像的每个像素值进行修正后的像素值的集合(S803)。输入图像的像素值具有对应的像素掩模值，通过输入图像的像素值和当前像素值所对应的像素掩模值的非线性组合来求出被修正的像素值。

在使用色调掩模的方法中，使用根据图像的局部信息而生成的色调掩模来修正图像。由此，可以局部地修正图像质量。但是，该方法存在以下问题：(1)需要大的存储容量；(2)全局的图像质量变差。

产生问题(1)的原因在于：色调掩模也需要与输入图像相同大小的缓冲器。产生问题(2)的原因在于：所使用的色调掩模是仅根据局部图像质量信息来生成的。

在日本专利文献特开平5-176220号公报中公开了与上述说明相关的自动曝光控制装置。在该现有例中，检测图像的整个画面的平均亮度，并计算出亮度低于规定亮度的像素数。根据低亮度的像素数来计算修正量，并根据该修正量来计算整个画面的目标亮度。控制光圈，以使平均亮度追随目标亮度。

另外，在日本专利文献特开平11-355578号公报中公开了一种图像处理装置。在该现有例中，根据通过分割图像数据的区域而得到的多个规定区域的各自的浓度来计算每个规定区域的粒度的修正量。根据修正量来对图像数据的粒度进行修正。

另外，在日本专利文献特表2000-511315号公报(对应于PCT/US97/07996)中公开了一种改善数字图像的方法。在该现有例中，附加表示显示器上的位置的下标并赋予数字数据，所述数字数据表示对各个第i谱带中的各个位置(x，y)的强度值Ii(x，y)。如果将S设为包含在数字数据中的特有谱带的个数，对于各个n，将Wn作为权重系数，将Fn(x，y)作为适用于各个位置(x，y)的特有的周边视野函数，并将N设为特有周边视野函数的总数，则通过下式(1)来调整对各个第i谱带中的各个位置的强度值，以便对于各个第i谱带中的各个位置，生成调整后的强度值。

[数学式1]

$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{W}_n(\log I_i(x,y)-\log [I_i(x,y)*F_n(x,y)\left]\right),i=1,\·\·\·,S\·\·\·\left(1\right)$

用公共函数对针对各个第i谱带中的各个位置进行调整的强度值进行滤波，根据对各个位置如上述那样进行了过滤并针对各个第i谱带进行了调整的强度值来显示改善后的数字图像。

另外，在日本专利文献特开2003-333331号公报中公开了一种图像处理方法。在该现有例中，对信号进行修正，以使输入图像数据的非线性畸变变小，对于修正后的信号，计算所关注像素的像素值与其周边分布区域的浓淡值的相对比。根据该相对比来确定与所关注像素对应的处理对象像素的像素值。并且，改变对象区域来计算所关注像素的像素值与其周边分布区域的浓淡值的相对比，并根据作为对象的周边分布区域的大小来计算增益系数。在得到的各个相对比上分别乘以规定的权重系数和增益系数，计算出合成值。根据该合成值来确定与所关注像素对应的处理对象像素的像素值。

发明内容

本发明的目的在于，提供一种能够以少的存储容量进行处理的图像修正处理系统、图像修正方法、以及图像修正处理程序。

本发明的另一目的在于，提供一种使修正图像在局部及全局上具有恰当的图像质量的图像修正处理系统、图像修正处理方法、以及图像修正处理程序。

根据本发明的一个方面，图像处理系统包括：局部区域选择部，从输入图像中至少选择一个作为修正对象的局部区域，所述局部区域至少包括一个像素；修正量计算部，计算对于所述修正对象的局部区域的灰阶修正量；以及局部灰阶修正部，根据所述灰阶修正量来进行修正所述局部区域的灰阶值的灰阶修正，并生成局部灰阶修正图像。

另外，所述修正量计算部还可以包括：周边区域灰阶值计算部，计算所述局部区域的周边区域的灰阶值；以及局部修正量变换部，使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

另外，图像处理系统还可以包括计算所述输入图像的每个部分区域的代表灰阶值的部分区域亮度计算部，所述修正量计算部还可以包括：部分区域参照型周边区域亮度计算部，使用位于所述修正对象的局部区域附近的至少一个所述部分区域的所述代表灰阶值来计算所述修正对象的局部区域的周边区域的灰阶值；以及局部修正量变换部，使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

另外，图像处理系统还可以包括：全局修正量计算部，计算所述局部灰阶修正图像的全局修正量；以及全局修正部，根据所述全局修正量对所述局部灰阶修正图像进行修正全局灰阶的灰阶修正，并生成全局灰阶修正图像。

另外，图像处理系统还可以包括：图像输入部，提供所述输入图像；以及图像输出部，输出所述局部灰阶修正图像或所述全局灰阶修正图像。

这里，所述灰阶值优选为亮度值或通过频谱分量表现的灰阶值。

也可以在改变所述修正对象的局部区域的面积的同时、或者在保持所述修正对象的局部区域的面积的同时，对所述修正对象的局部区域重复多次所述灰阶修正。

另外，当所述局部区域选择部选择多个局部区域时，也可以对所述多个被选择的局部区域进行所述灰阶修正。

另外，所述周边区域灰阶值计算部也可以计算所述周边区域的灰阶值与高斯(Gaussian)权重的加权平均亮度值、或所述周边区域的平均亮度值，作为所述周边区域的所述灰阶值。或者，也可以设定一个以上的连接局部区域和特征点的特征路径线，在各个所述特征路径线上求出一个以上的路径特征点，并计算所述路径特征点的灰阶值、或所述路径特征点的加权平均亮度值，作为所述周边区域的所述灰阶值。

另外，所述部分区域参照型周边区域亮度计算部也可以使用作为所述修正对象的局部区域与位于其附近的至少一个所述部分区域的距离之比和所述部分区域的代表灰阶的乘积，来计算周边区域的灰阶。

所述代表灰阶值优选为包含在所述部分区域中的所有或一部分像素的平均值，或者是所有或一部分像素的中间值。

所述修正量计算部既可以按照对阴影区域进行比高亮区域更强的修正的方式来计算灰阶修正量，也可以使用局部区域的周边的区域亮度与图像的高亮区域的亮度来计算局部区域的灰阶修正量。

所述局部灰阶修正部优选使用非线性函数来进行所述灰阶修正。另外，所述全局灰阶修正优选包括对比度的增强。

根据本发明的另一方面，图像处理方法包括如下步骤：从输入图像中至少选择一个作为修正对象的局部区域，所述局部区域至少包括一个像素；计算对于所述修正对象的局部区域的灰阶修正量；根据所述灰阶修正量来进行修正所述局部区域的灰阶值的灰阶修正，并生成局部灰阶修正图像。

计算所述灰阶修正量的步骤可以包括如下步骤：计算所述局部区域的周边区域的灰阶值；使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

另外，图像处理方法还可以包括计算所述输入图像的每个部分区域的代表灰阶值的步骤，计算所述灰阶修正量的步骤可以包括以下步骤：使用位于所述修正对象的局部区域附近的至少一个所述部分区域的所述代表灰阶值来计算所述修正对象的局部区域的周边区域的灰阶值；使用计算出的所述周边区域的灰阶值来计算所述灰阶修正值。

图像处理方法还可以包括以下步骤：计算所述局部灰阶修正图像的全局修正量；根据所述全局修正量对所述局部灰阶修正图像进行修正全局灰阶的灰阶修正并生成全局灰阶修正图像的步骤。

另外，图像处理方法还可以包括以下步骤：提供所述输入图像；输出所述局部灰阶修正图像或所述全局灰阶修正图像。

另外，所述灰阶值优选为亮度值或通过频谱分量表现的灰阶值。

另外，在图像处理方法中，可以在改变所述修正对象的局部区域的面积的同时、或者在保持所述修正对象的局部区域的面积的同时，对所述修正对象的局部区域重复多次所述灰阶修正。

另外，当选择所述局部区域的步骤包括选择多个局部区域的步骤时，图像处理方法可以对所述多个被选择的局部区域进行所述灰阶修正。

计算所述灰阶修正量的步骤可以包括如下步骤：计算所述周边区域的灰阶值与高斯权重的加权平均亮度值、或所述周边区域的平均亮度值，作为所述周边区域的所述灰阶值。

计算所述灰阶修正量的步骤可以包括如下步骤：设定一个以上的连接局部区域和特征点的特征路径线，在各个所述特征路径线上求出一个以上的路径特征点，并计算所述路径特征点的灰阶值、或所述路径特征点的加权平均亮度值，作为所述周边区域的所述灰阶值。

另外，计算所述周边区域的灰阶值可以包括如下步骤：使用作为所述修正对象的局部区域与位于其附近的至少一个所述部分区域的距离之比和所述部分区域的代表灰阶的乘积，来计算周边区域的灰阶。

所述代表灰阶值可以是包含在所述部分区域中的所有或一部分像素的平均值，或者是所有或一部分像素的中间值。

另外，计算所述灰阶修正量可以包括按照对阴影区域进行比高亮区域更强的修正的方式来计算灰阶修正量的步骤。

另外，计算所述灰阶修正量的步骤可以包括使用所述局部区域的周边的区域亮度与图像的高亮区域的亮度来计算局部区域的灰阶修正量的步骤。

另外，计算所述灰阶修正量的步骤可以包括使用非线性函数来进行所述灰阶修正的步骤。

另外，所述全局灰阶修正优选包括对比度的增强。

附图说明

图1是示出现有的中间灰阶改善方法的操作的流程图；

图2是示出本发明第一实施例的图像处理系统的结构的框图；

图3是示出本发明第一实施例的图像处理系统的图像处理装置的结构的框图；

图4是示出本发明第一实施例的图像处理系统的操作的流程图；

图5是示出第一实施例中的特征路径的例子的图；

图6是示出第一实施例的周边区域的亮度计算中的变换关系的图；

图7是示出第一实施例中的局部灰阶修正的例子的图；

图8是示出本发明第二实施例的图像处理系统的结构的框图；

图9是示出第二实施例中的图像处理系统的操作的流程图；

图10A是示出四邻近加权平均(4近傍加重平均)亮度值的计算方法的图，该计算方法是第二实施例中的部分区域参照型周边区域亮度计算方法的一个示例；

图10B是示出四邻近加权平均亮度值的计算方法的图，该计算方法是第二实施例中的部分区域参照型周边区域亮度计算方法的一个示例；

图10C是示出四邻近加权平均亮度值的计算方法的图，该计算方法是是第二实施例中的部分区域参照型周边区域亮度计算方法的一个示例；

图10D是示出四邻近加权平均亮度值的计算方法的图，该计算方法是是第二实施例中的部分区域参照型周边区域亮度计算方法的一个示例；

图11是示出本发明第三实施例的图像处理系统的结构的框图；

图12是示出第三实施例的图像处理系统的操作的流程图；

图13是用于说明第三实施例的全局灰阶修正的例子的图；

图14是示出本发明图像处理装置的具体结构的框图；

图15A是示出第一实施例的图像处理的例子的图；

图15B是示出第一实施例的图像处理的例子的图；

图15C是示出第一实施例的图像处理的例子的图；

图16A是示出第三实施例的图像处理的例子的图；

图16B是示出第三实施例的图像处理的例子的图。

具体实施方式

下面，参照附图来详细地说明本发明的图像修正处理系统。

图2是示出第一实施例的图像处理系统的结构的框图。图像处理系统包括：图像输入部1、图像处理装置2、以及图像输出部3。图像输入部1通过相机或扫描仪等摄像装置、存储由它们摄像的图像数据的图像数据库、或者与它们相连接的网络等而实现。从图像输入部1向图像处理装置2输入原图像数据。图像处理装置2进行用于改善所输入的原图像的中间灰阶的修正处理，并将修正图像输出给图像输出部3。图像输出部3通过显示器、打印机、保存图像数据的硬盘或存储卡等存储介质、或者与它们相连接的网络等而实现，并进行图像的显示、存储或传送。

如图3所示，图像处理装置2包括：局部区域选择部21、修正量计算部22、局部灰阶修正部23、以及控制部24。

局部区域选择部21从由图像输入部1输入的原图像数据中至少选择一个局部区域，作为修正对象。局部区域选择部21将图像数据输出给修正量计算部22和局部灰阶修正部23。

局部区域可以由用户手动选择，也可以自动选择。当进行自动选择时，可以求出像素的平均亮度，并选择亮度比平均亮度高或低规定的阈值的像素区域，作为局部区域。局部区域是由一个以上的像素构成的图像区域。局部区域也可以是多个像素的集合。另外，也可以将图像分割为多个分割区域并将每个分割区域作为局部区域。当存在多个局部区域时，局部区域也可以包含相互重复的区域。将指定选中的局部区域的数据送给控制部24。

不必对所有选中的局部区域进行修正，可通过该局部区域的图像统计量来判断修正的必要性。作为图像统计量，例如可以是局部区域的像素的分散或平均亮度等。控制部24提取上述图像统计量，将超过或低于阈值的区域等作为修正对象的局部区域。控制部24保存修正对象的局部区域指定数据。

修正量计算部22根据周边区域图像数据来计算修正量。修正量计算部22包括周边区域亮度计算部221和局部修正量变换部222。周边区域亮度计算部221按照来自控制部24的指示，计算由局部区域选择部21选择的作为修正对象的局部区域的周边区域的亮度值。局部修正量变换部222根据由周边区域亮度计算部221计算的周边区域的亮度值来求出局部区域的修正量。

更详细地说，周边区域亮度计算部221根据由控制部24提供的局部区域指定数据，从图像数据中确定所选中的局部区域的周边区域的图像数据，并计算所确定的周边区域的图像数据的亮度值。局部修正量变换部222根据计算出的周边区域的亮度值，求出局部区域的修正量。

在设定作为修正对象的局部区域之后，确定该局部区域周围的周边区域。将从局部区域固定距离范围以内的部分作为周边区域。例如，在将局部区域的中心作为原点的情况下，将纵向M个像素、横向N个像素的区域作为周边区域。此时，表示区域大小的M和N优选根据图像的大小来设定。另外，周边区域可以不是矩形区域，也可以是圆形(椭圆形)区域。

周边区域亮度计算部221可将周边区域的亮度直方图的中间值或平均值、对周边区域的亮度取加权平均的加权平均亮度值、特征路径上的参照点的加权平均亮度值等用作周边区域的亮度值。这里，对以局部区域为中心的区域的加权平均亮度值AS和位于特征路径上的参照点的加权平均亮度值FS的计算方法进行说明。

以局部区域为中心的区域的加权平均亮度值AS如下计算。如果将输入的原图像设为I(x，y)，并将加权系数设为等方性的二维正态分布H(x，y)，则以局部区域的中心(x_o，y_o)为中心的周边区域的加权平均亮度值AS可由公式(2)求出。

[数学式2]

AS＝H(x，y)*I(x，y)  …(2)

这里，运算符*表示卷积运算。H(x，y)是以局部区域(xo，yo)为中心、标准偏差为σ的等方性的二维正态分布，其满足下式(3)、(4)。

[数学式3]

$H(x,y)=\mathrm{Kexp}(-\frac{{(x-x0)}^2}{2{\mathrm{\σ}}^2}-\frac{{(y-y0)}^2}{2{\mathrm{\σ}}^2})---\left(3\right)$

[数学式4]

$\underset{x,y}{\mathrm{\Σ}}H(x,y)=1---\left(4\right)$

接着，对位于特征路径上的参照点的加权平均亮度值的计算方法进行说明。参照点是在周边区域内具有特征的点中，位于特征路径上并作为加权平均的一个因素而被算入的点。在周边区域中，将亮度比其周围高的区域、边缘强度大的区域、具有RGB的灰阶值或亮度的极大值、极小值等特征的区域设定为特征点。

在确定了特征点之后，图像处理装置2在所述特征点中选择远离中心的局部区域的P个特征点，设定连接这些P个特征点和局部区域的特征路径线。如下设定该特征路径线，即：将位于P个特征点和局部区域之间的其他未选择的特征点作为特征路径点并将它们连接起来。这样设定的特征路径、特征点例如如图5所示。将位于图5所示的路径P1上的特征点作为参照点，计算其加权平均亮度FS。特征路径上的参照点的加权平均亮度值FS可由下式(5)求出。

[数学式5]

$\mathrm{FS}=\frac{1}{P\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{N}_p}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}\underset{n=1}{\overset{N_p}{\mathrm{\Σ}}}a(x_{\mathrm{pn}},y_{\mathrm{pn}})I(x_{\mathrm{pn}},y_{\mathrm{pn}})---\left(5\right)$

这里，P(＞0)是特征路径的数量，Np(＞0)是特征路径p上的参照点的数量，a(x，y)是系数。系数a(x，y)例如使用公式(3)和公式(4)所示的二维正态分布H(x，y)等。另外，a(x，y)也可以是常数。特征路径是图5的路径P1所示的沿特征点而连接起来的路径，所述特征点位于将在局部区域的周边给出的特征点和局部区域连接起来的任意的线上。

在计算出周边区域的亮度值之后，局部修正量变换部222根据该周边区域亮度值来计算局部区域的修正量。局部修正量变换部222在从周边区域的亮度值变换为局部区域的修正量的处理中，对周边区域的亮度值进行线性变换或非线性变换，并向局部灰阶修正部23输出修正量。特别地，当局部灰阶修正部23进行伽玛(Gamma)修正时，可如下将周边区域的亮度变换为修正量。即，在得到周边区域的亮度值S之后，局部修正量变换部222根据该周边区域的亮度值S并通过下式(6)来计算局部区域的修正量Z。

[数学式6]

$Z=\left\{\begin{array}{cc}a\&CenterDot;S^{\mathrm{\&alpha;}}+b& S<S_H\\ c& S\&GreaterEqual;S_H\end{array}\right.---\left(6\right)$

这里，S_H是图像中的高亮区域的亮度值。a是规定的常数(＞0)，表示修正量Z的斜率。b是规定的常数(0≤b≤1.0)，表示修正量Z的最小值。c是规定的常数(0≤c≤1.0)，表示修正量饱和部的常数。指数α是规定的常数(α≥0)，其值根据修正对象的图像而被确定。因此，当周边区域的亮度值S小于高亮区域的亮度值S_H时，通过具有斜率a(＞0)、截距(0≤b≤1.0)、指数α(α≥0)的函数来确定修正量Z。当周边区域的亮度值S为高亮区域的亮度值S_H以上时，修正量Z变为常数c(0≤c≤1.0)。这里，当下式(7)成立时，修正量Z在周边区域的亮度值S为高亮区域的亮度值S_H左右时变为连续，如图6所示，修正量Z的值域变为[b，c]。另外，具有超过高亮区域的亮度值S_H的周边亮度值的区域的修正量Z为c。因此，当c＝1.0时，在高亮区域不进行灰阶修正。

[数学式7]

$S_H^{\mathrm{\&alpha;}}+b=c---\left(7\right)$

这样，通过对超过高亮区域的亮度S_H的区域不进行灰阶修正，高亮区域不会被修正得变暗或被修正得过亮。因此，可在高亮区域维持良好的灰阶性。

另外，通过将公式(6)转换为公式(8)，能够保持原图像中的阴影区域的灰阶并改善其他区域的图像质量。

[数学式8]

$Z=\left\{\begin{array}{cc}a\&CenterDot;S^{\mathrm{\&alpha;}}+b& S\&GreaterEqual;S_H\\ c& S<S_H\end{array}\right.---\left(8\right)$

这里，S_L表示图像中的阴影区域的亮度值。a是规定的常数(＞0)，表示修正量Z的斜率。b是规定的常数(0≤b≤1.0)。c是规定的常数(0≤c≤1.0)。指数α是规定的常数(α≥0)，其值根据修正对象的图像来确定。

即，当周边区域的亮度值S为阴影区域的亮度值S_L以上时，通过具有斜率a(＞0)、截距(0≤b≤1.0)、常数c(0≤c≤1.0)、指数α(α≥0)的函数来确定修正量Z。当周边区域的亮度值S小于亮度值S_L时，修正量Z为常数c。当下式(9)成立时，修正量Z在周边区域的亮度值S为阴影区域的亮度值S_L左右时变为连续。此时，修正量Z为c以上的值。具有阴影区域的亮度值S_L以下的周边亮度值的区域的伽玛修正量为c。因此，当c＝1.0时，在阴影区域中不进行灰阶修正。

[数学式9]

$a\&CenterDot;S_L^{\mathrm{\&alpha;}}+b=c---\left(9\right)$

这里，先对高亮区域和阴影区域进行说明。高亮区域是指具有特定亮度以上的灰阶值或亮度值的像素的集合。另外，阴影区域是指具有特定亮度以下的灰阶值或亮度值的像素的集合。控制部24保持这些亮度值并根据需要提供给修正量计算部22。有时通过将各种应用图像作为对象的实验来确定这些亮度值，有时也如下所述那样与每个修正对象图像相适应地求出这些亮度值。

首先，生成图像的灰阶值(亮度值)的直方图。将灰阶值(亮度值)大的像素中的某一比例的像素作为高亮区域的像素。例如，当图像宽度为320像素、高度为240像素时，如果将其1％指定为高亮区域，则高亮区域的像素数为th＝320×240×0.01＝768像素。在灰阶值直方图中，具有上位第768个像素的灰阶值以上的灰阶值的像素为高亮区域。同样地，阴影区域是具有下位第768个像素的灰阶值以下的灰阶值的像素。这里，对高亮区域与阴影区域的比例为相同值的情况进行了说明，但该比例也可以为不同的值。

局部灰阶修正部23根据由局部区域选择部21提供的图像数据和由修正量计算部22提供的修正量来修正在图像数据中选择的局部区域的灰阶值。将经过修正处理的修正图象数据输出给图像输出部3。在该例子中，灰阶值既可以是亮度值，也可以是用频谱分量表现的灰阶值。

可以使用线性修正函数或西格莫伊德(Sigmoid)函数等非线性函数来实现局部灰阶修正处理。例如，当由修正量计算部22计算出作为伽玛值的用于修正局部区域的修正量时，局部灰阶修正部22通过下式(10)的伽玛修正式来变换局部区域的灰阶值。即，局部灰阶修正部22进行将局部区域的灰阶值Ii(x，y)变换为Oi(x，y)的灰阶修正处理(i＝R，G，B)。

[数学式10]

$\begin{array}{cc}{O}_i(x,y)={\left(\frac{I_i(x,y)}{I_{\max }}\right)}^r{I}_{\max }& (i=R,G,B)---\left(10\right)\end{array}$

这里，Imax是灰阶值的最大值，γ是由修正量计算部22计算出的伽玛值。另外，公式(10)是独立处理R，G，B的式子，但也可以仅进行亮度分量的修正。当仅进行亮度分量的修正时，首先将RGB空间的灰阶值分离为亮度分量和色度分量。然后，仅将亮度分量作为公式(10)的输入值而进行修正。将变换后的亮度值和原来的色度分量再次变换为RGB空间的灰阶值。也可以通过上述处理来仅进行亮度分量的修正。另外，也可以使用事先与周边区域的亮度值S相对应地求出的灰阶修正表来实现修正量计算部22和局部灰阶修正部23的处理，所述周边区域的亮度值S由周边区域亮度计算部221计算得出。通过使用灰阶修正表，可缩短运算时间。

然后，参考图4的流程图对第一实施例的整体操作进行说明。

首先，将从图像输入部1输入的原图像提供给局部区域选择部21。局部区域选择部21从输入的原图像中选择局部区域。控制部24从选中的局部区域中选择修正对象的局部区域(步骤S21)。

然后，在修正量计算部22中计算原图像的所选择的局部区域的灰阶修正量(步骤S22)。作为所选择的局部区域的灰阶修正量，首先，在周边区域亮度计算部221中，根据周边区域的亮度直方图的中间值或平均值、对周边区域的亮度取加权平均的加权平均亮度值、特征路径上的参照点的加权平均亮度值等来计算周边区域的亮度值。在周边修正量变换部222中，将计算出的周边区域的亮度值变换为局部区域的灰阶修正量。该局部区域的灰阶修正量由输入的原图像的局部的亮度或对比度等图像质量因素确定，是确定用于进行灰阶修正的灰阶修正强度的值，所述灰阶修正使图像的局部区域的图像质量变为最优。

在计算出局部区域的灰阶修正量之后，根据得到的局部灰阶修正量来修正该局部区域的灰阶(步骤S23)。当计算出作为伽玛值的用于修正局部区域的修正量时，局部灰阶修正部22将局部区域的灰阶值Ii(x，y)变换为Oi(x，y)  (i＝R，G，B)。

对一个区域以上的局部区域逐次进行所述局部灰阶修正。控制部24判断是否对所有修正对象的局部区域进行了局部区域的灰阶修正(步骤S24)。当还剩有未处理的局部区域时(步骤S24-“否”)，针对该区域取得修正量并进行灰阶修正。当对所有的局部区域结束了处理时(步骤S24-“是”)，结束灰阶修正处理，将修正后的图像提供给图像输出部3。也可以在每次结束各个局部区域的修正处理时，向图像输出部3输出修正图像。

另外，这里说明了对每个局部区域各进行一次局部灰阶修正的情况，但由于各个局部区域是通过局部灰阶修正来进行修正的，因此也可以重复多次该局部灰阶修正。此时，可以在保持局部区域的面积的情况下进行灰阶修正，但如果在改变局部区域的面积的情况下进行灰阶修正，则能够防止由于受到如奇点这样的局部区域等的影响而过度地进行修正。此时，也可以由控制部24向局部区域选择部21提供用于进行局部区域的选择的阈值，从而在重新选择修正对象的局部区域的情况下进行修正。另外，也可以将图像整体分为多个区域，并将它们作为局部区域来进行灰阶修正。

如上述进行局部区域的灰阶修正处理。这里示出应用了以上处理的例子。该系统包括：作为图像输入部1的CCD相机、作为图像处理装置2的个人计算机、以及作为图像输出部3的显示器。

如图14所示，个人计算机具有：中央处理部(CPU：CentralProcessing Unit)31、输入部32、输出部33、存储部34、以及外部存储部35。中央处理部31依次调取存储在存储部34中的程序并执行该程序，根据存储在存储部34或外部存储部35中的图像数据、工作数据来进行图像灰阶修正处理。输入部32从CCD相机取得图像数据。输出部33向显示器输出经修正处理后的图像数据。存储部34存储所取得的图像数据，保存运算的中间过程，并存储用于运算处理的程序。外部存储部35存储存储部34保存的程序，或保存存储部34的内容。

个人计算机是图像处理装置2，其包括通过软件而实现的局部区域选择部21、修正量计算部22、以及局部灰阶修正部23。对于重复运算量多的部分，也可以安装专用硬件。另外，修正量计算部22在进行伽玛修正时计算伽玛值，局部灰阶修正部使用计算出的伽玛值来进行伽玛修正。下面对伽玛修正进行说明，但如果进行基于西格莫伊德函数的修正，则计算西格莫伊德函数的斜率、偏移量等参数。

假设从CCD相机输入图15A所示的图像。中央处理部31选择所输入的原图像中的局部区域、例如一个像素，并如图15B所示，计算该局部区域的周边区域的亮度值。在图15B中示出了两处的局部区域，通过以该局部区域为中心、半径为R的圆来表示周边区域。首先计算该周边区域的亮度值。在计算出周边区域的亮度值之后，根据该周边区域的亮度值并通过公式(6)来计算修正量，获得用于修正周边区域的伽玛值。当如图15B右下位置的局部区域那样周边区域的亮度值低时，用于修正周边区域的伽玛值接近公式(6)的b值(例如0.5)。其结果是，通过伽玛修正将局部区域的灰阶值修正得变亮。另一方面，当如图15B左上位置的局部区域那样周边区域的亮度值高时，尤其是超过公式(6)的S_H值时，伽玛值为1.0(＝c)。因此，局部区域的灰阶值不受伽玛修正的影响，保持原图像的状态。通过对所有局部区域进行上述处理，图像中的阴暗部分被修正得变亮，明亮部分保持原图像的状态。结果，如图15C所示，改善了图像中阴暗部分的可视性。最后，通过向显示器输出处理结果而结束处理。

这样，个人计算机通过执行图像修正处理的程序，根据周边区域的图像质量来确定修正量，对局部区域的图像质量进行修正。当应用上述伽玛修正和公式(6)时，局部区域的灰阶修正函数如图7所示那样根据图像的局部区域的亮度而变化。因此，实现了使阴暗的区域变亮、使明亮的区域保持原图像的灰阶的处理。其结果是，可在保持图像中明亮部分的图像质量的同时改善阴暗部分的图像质量。另外，相反地，通过应用上述伽玛修正和公式(8)，可在保持图像中阴暗部分的图像质量的同时改善明亮部分的图像质量。

在本实施例中，按照每个局部区域依次进行取得来自图像的局部区域的灰阶修正量的处理和灰阶修正的处理。因此，能够使修正量和求出修正量所需的各种数据中的保存到存储部34、外部存储部35中的数据量少于所输入的原图像的数据大小。

另外，由于可根据局部区域的图像质量来进行灰阶修正，所以可恰当地修正局部区域的图像质量。

并且，当使用特征路径的加权平均亮度值时，与其他计算周边区域的方法相比，运算所参照的点数变少，从而能够进行高速操作。因此，可削减计算成本。

接着，对本发明第二实施例的图像处理系统进行详细的说明。图8是示出本发明第二实施例的图像处理系统的结构的框图。参考图8可知，本发明第二实施例的图像处理系统的结构与第一实施例的不同点在于：追加了具有部分区域亮度值存储部51的存储装置5和部分区域亮度计算部25。另外，在第二实施例中，将第一实施例的修正量计算部22换成了修正量计算部26。在修正量计算部26中，代替周边区域亮度计算部221而设置了部分区域参照型周边区域亮度计算部261。因此，以下将说明不同点。

部分区域亮度计算部25将输入图像的区域分割为横m区域、纵n区域，计算各个区域的代表亮度值，并将代表亮度值存储到部分区域亮度值存储部51中。

修正量计算部26使用存储在部分区域亮度值存储部51中的代表亮度值来计算局部区域修正量。详细地说，部分区域参照型周边区域亮度计算部261使用位于局部区域附近的部分区域的代表亮度值来计算周边亮度值，局部修正量变换部222使用所算出的周边亮度值来确定局部修正量。

然后，参考图9的流程图对第二实施例的图像处理系统的操作进行详细的说明。由于图9的步骤S21、S23以及S24所示的过程与图4所示的第一实施例中的步骤S21、S23、S24相同，因此省略说明。

在第二实施例中，在输入图像之后，部分区域亮度计算部25将输入图像的区域分割为横m区域、纵n区域(m，n＞0)  (图10A)，求出各个区域的代表亮度值(图10B)，并将代表亮度值存储到部分区域亮度值存储部51中(步骤S25)。与第一实施例一样，局部区域选择部21选择修正对象的局部区域(步骤S21)。修正量计算部26的部分区域参照型周边区域亮度计算部261使用在步骤S25中算出的代表亮度值来计算局部区域的周边亮度值，局部修正量变换部222计算所选择的局部区域的修正量(步骤S26)。

部分区域的代表亮度值可使用部分区域的平均值或中间值等。另外，部分区域参照型周边区域亮度计算部261例如使用部分区域的代表亮度值来计算四邻近加权平均值IS，作为周边区域的亮度值。通过使用所关注区域的最邻近区域的代表亮度值S_L进行线性插值来获得四邻近加权平均值IS。假设图10C的点E为所关注像素，并且点E的x坐标位于将线段AB以XL∶XR内分的位置，点E的y坐标位于将线段AC以TU∶UD内分的位置。此时，根据所关注像素E位于下述区域(1)、(2)、(3)中的哪一区域中，使用下式(11)、(12)、(13)来确定所关注像素的平均亮度值。所述区域(1)、(2)、(3)由连接图10C的部分区域的中心点的虚线包围而成。

区域(1)：根据四个邻近区域来计算

[数学式11]

S(x，y)＝XR·YD·S_L(x0+y0)+XL·YD·S_L(x1，y0)  …(11)

+XR·YU·S_L(x0，y1)+XL·YU·S_L(x1，Y1)

区域(2)：根据两个邻居区域来计算

[数学式12]

S(x，y)＝YD·S_L(s0，y0)+YU·S_L(x0，y1)    …  (12)

区域(3)：根据一个区域来计算

[数学式13]

S(x，y)＝S_L(x0，y0)  …(13)

其中，XL+XR＝1，YU+UD＝1。

当根据以上公式来计算周边亮度值时，可获得与如图10所示那样通过加权平均亮度值AS而得到的周边亮度值相接近的周边亮度值。

在第二实施例中，当使用四邻近加权平均值时，需要用于存储部分区域的代表亮度值的几字节左右的存储容量，但不需要如特征路径的加权平均亮度值那样的用于计算特征路径的运算参照，另外与其他的计算周边区域的亮度值的方法相比运算所参照的点数少，从而能够进行高速操作。

接着，对本发明第三实施例的图像处理系统进行说明。在第三实施例中，通过局部灰阶修正和全局灰阶修正这两个阶段来进行灰阶修正。图像处理系统具有与图2所示的第一实施例相同的部分，图像处理装置2的结构如图11所示。

如图11所示，第三实施例的图像处理装置包括：局部区域选择部21、修正量计算部22、局部灰阶修正部23、全局灰阶修正量计算部27、以及全局灰阶修正部28。局部区域选择部21、修正量计算部22、局部灰阶修正部23与第一实施例的各部分相同。全局灰阶修正量计算部27、全局灰阶修正部28进行全局灰阶修正处理。由于局部灰阶修正处理与第一实施例中的处理相同，因此在这里省略说明。

在全局灰阶修正处理中，从局部灰阶修正部23向全局灰阶修正量计算部27和全局灰阶修正部28输出进行了局部灰阶修正的图像。全局灰阶修正量计算部27根据由局部灰阶修正部23进行了局部修正的图像来计算用于改善全局的图像质量的全局灰阶修正量。全局灰阶修正部28根据由全局灰阶修正量计算部27计算出的全局灰阶修正量来修正图像整体的灰阶。进行了局部灰阶修正和全局灰阶修正的图像数据从全局灰阶修正部28被输出给图像输出部3。

全局灰阶修正量计算部27对由局部灰阶修正部23进行了局部图像质量最优化的图像，确定用于得到全局最优图像质量的修正处理的修正量。全局修正可以使用对比度修正或伽玛修正等修整图像整体的图像质量的灰阶修正方法。在全局灰阶修正量计算部27中计算这些全局图像质量修正方法的修正量。例如，当使用对比度修正时，通过下式(14)、(15)来计算作为对比度修正的变换式的系数的修正量a、b。

[数学式14]

$a=\frac{{\mathrm{HL}}_{\mathrm{opt}}-{\mathrm{SH}}_{\mathrm{opt}}}{\mathrm{HL}-\mathrm{SH}}---\left(14\right)$

[数学式15]

$b=\frac{\mathrm{HL}\&CenterDot;{\mathrm{SH}}_{\mathrm{opt}}-\mathrm{SH}\&CenterDot;{\mathrm{HL}}_{\mathrm{opt}}}{\mathrm{HL}-\mathrm{SH}}---\left(15\right)$

这里，HL_opt和SH_opt表示图像的高亮区域和阴影区域的最优灰阶值。另外，HL和SH是原图像中的高亮区域和阴影区域的亮度值。如下式(16)所示，高亮区域的亮度值HL是对根据所输入的原图像而生成的亮度图像I(x，y)进行低通滤波LPF(x，y)时的图像中的最大灰阶值。如下式(17)所示，阴影区域的亮度值SH是对根据所输入的原图像而生成的亮度图像I(x，y)进行低通滤波LPF(x，y)时的图像中的最小灰阶值。

[数学式16]

HL＝max(I(x，y)*LPF(x，y))  …(16)

[数学式17]

SH＝min(I(x，y)*LPF(x，y))  …(17)

另外，运算符*表示卷积运算。另外，函数max()、函数min()是分别将括号内表示的要素的最大值、最小值作为函数值的函数。

在计算出全局灰阶修正量之后，在全局灰阶修正部28中，根据由全局灰阶修正量计算部27算出的修正量，对进行了局部灰阶修正的图像数据进行全局灰阶修正。全局修正可以使用对比度修正或伽玛修正等修整图像整体的图像质量的灰阶修正方法。当使用对比度修正时，使用由全局灰阶修正量计算部25算出的修正量a、b并通过下式(18)来修正各个像素的灰阶。

[数学式18]

O_i(x，y)＝aI_i(x，y)+b (i＝R，G，B)    …(18)

这里，i表示3原色(i＝R，G，B)，Ii(x，y)为输入像素值，Oi(x，y)为输出像素值。

当进行对比度修正时，如图13所示，输入的原图像的灰阶值分布在从最小灰阶值SH至最大灰阶值HL的范围内。对此进行用公式(18)进行变换的修正处理，以使其分布在就其图像来说为最优灰阶值的从最小灰阶值SH_opt到最大灰阶值HL_opt的范围内。

另外，公式(18)是独立处理各个原色R、G、B的式子，但也可以仅进行亮度分量的修正。当仅进行亮度分量的修正时，首先将RGB空间的灰阶值分离为亮度分量和色度分量。仅将其中的亮度分量作为公式(18)的输入值来进行修正。将修正后的亮度值和原来的色度分量再次变换为RGB空间的灰阶值。如此，能够仅进行亮度分量的修正。

接着，参照图12的流程图对第三实施例的图像处理系统的操作进行说明。从步骤S21到步骤S24与第一实施例的整体操作相同。

首先，将从图像输入部1输入的原图像提供给局部区域选择部21。局部区域选择部21从输入的原图像中选择作为修正对象的局部区域(步骤S21)。

然后，在修正量计算部22中计算所输入的原图像的局部区域的灰阶修正量(步骤S22)。作为局部区域的灰阶修正量，首先，根据周边区域的亮度直方图的中间值或平均值、对周边区域的亮度取加权平均的加权平均亮度值、特征路径上的参照点的加权平均亮度值等来计算周边区域的亮度值。然后将算出的周边区域的亮度值变换为局部区域的灰阶修正量。所述局部区域的灰阶修正量由输入的原图像的局部的亮度或对比度等图像质量因素确定，是确定用于进行灰阶修正的灰阶修正强度的值，所述灰阶修正使图像的局部区域的图像质量变为最优。

在计算出局部区域的灰阶修正量之后，根据得到的局部灰阶修正量来修正该局部区域的灰阶(步骤S23)。当计算作为伽玛值的用于修正局部区域的修正量时，局部灰阶修正部22将局部区域的灰阶值Ii(x，y)变换为Oi(x，y)  (i＝R，G，B)。

对一个区域以上的局部区域逐次进行所述局部灰阶修正。判断是否对所有应修正的局部区域进行了局部区域的灰阶修正(步骤S24)。当还剩有未处理的局部区域时(步骤S24-“否”)，针对该区域取得修正量并进行灰阶修正。当对所有的局部区域结束了处理时(步骤S24-“是”)，结束灰阶修正处理，向全局灰阶修正处理提供局部修正后的图像。也可以在每次结束各个局部区域的修正处理时，向全局灰阶修正处理输出局部修正图像。

在局部区域的灰阶修正处理结束之后，进行全局灰阶修正。在全局灰阶修正中，首先判断图像全局的图像质量。当进行对比度修正时，通常通过生成图像整体的亮度直方图来求出全局的图像质量。即，如图13所示，通过输入图像的亮度直方图来求出最小亮度SH和最大亮度HL。在计算出最小亮度SH和最大亮度HL之后，使用高亮区域的最优亮度值HL_opt和阴影区域的最优亮度值SH_opt并通过公式(14)、(15)来计算修正量a、b(步骤S25)。

在计算出修正量a、b之后，在全局灰阶修正部28中进行全局灰阶修正。当进行对比度修正时，根据公式(18)来进行全局灰阶修正。将进行了全局灰阶修正的图像提供给图像输出部3，结束图像修正处理。

如上述进行局部区域和全局区域的灰阶修正处理。这里示出应用了以上处理的例子。与第一实施例相同，应用的系统包括：作为图像输入部1的CCD相机、作为图像处理装置2的个人计算机、以及作为图像输出部3的显示器。在第一实施例的个人计算机的程序中追加安装了用于全局灰阶修正的程序、即实现全局灰阶修正量计算部27和全局灰阶修正部28的程序。

对作为第三实施例的图14所示的结构进行了说明，但也可以在该结构中增加存储装置5和部分区域亮度值存储部51，在图像输入部1与局部区域选择部21之间增加部分区域亮度计算部25，并将修正量计算部22替换为修正量计算部26。

假设从CCD相机输入了图15A所示的图像。此时，与第一实施例相同，首先对输入的原图像进行局部灰阶修正。进行所述局部灰阶修正的结果，有时根据图像的不同，会如图16A那样过度地进行局部灰阶修正，从而导致图像整体的图像质量变差。此时，虽然通过局部灰阶修正改善了局部的图像质量，但却会导致图像的对比度下降。这里，作为全局灰阶修正，使用公式(18)所示的对比度修正对局部灰阶修正后的图像进行灰阶修正。首先，通过公式(14)、(15)从图像整体的像素的灰阶值计算出修正量a、b。然后，通过公式(18)的对比度修正公式来修正图像的对比度。结果，如图16B所示，获得了全局的图像质量得以改善的图像。所述经过修正的图像与输入的原图像相比改善了阴暗部分的可视性。即，可知局部的图像质量也得到了改善。将经上述处理的图像显示在显示器上并结束处理。

如上所述，通过在进行局部灰阶修正之后进行全局灰阶修正，局部的图像质量被改善的图像的全局的图像质量也得以改善，从而能够在不损害图像整体的图像质量的情况下改善局部区域的图像质量。

根据本发明，可以提供一种由于逐次进行处理、不需保存处理的中间结果而能够用少的存储容量来进行处理的图像处理装置、图像修正处理方法、以及图像修正处理程序。

另外，根据本发明，可以提供一种由于对进行了局部灰阶修正的图像进行全局灰阶修正而使修正图像在局部和全局上均具有恰当的图像质量的图像处理装置、图像修正处理方法、以及图像修正处理程序。

公开与上述公开相关的以下事项。

[33项]一种软件产品，可由记录用于软件产品的代码的计算机读取，其特征在于，包括：

从输入图像中至少选择一个作为修正对象的局部区域的步骤，所述局部区域至少包括一个像素；

计算对于所述修正对象的局部区域的灰阶修正量的步骤；

根据所述灰阶修正量来进行修正所述局部区域的灰阶值的灰阶修正并生成局部灰阶修正图像的步骤。

[34项]如33项所述的软件产品，其特征在于，计算所述灰阶修正量的步骤包括：

计算所述局部区域的周边区域的灰阶值的步骤；以及

使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量的步骤。

[35项]如33项所述的软件产品，其特征在于，

所述图像处理方法还包括计算所述输入图像的每个部分区域的代表灰阶值的步骤，

计算所述灰阶修正量的步骤包括：

使用位于所述修正对象的局部区域附近的至少一个所述部分区域的所述代表灰阶值来计算所述修正对象的局部区域的周边区域的灰阶值的步骤；以及

使用计算出的所述周边区域的灰阶值来计算所述灰阶修正值的步骤。

[36项]如33至35项中任一项所述的软件产品，其特征在于，所述图像处理方法还包括：

计算所述局部灰阶修正图像的全局修正量的步骤；以及

根据所述全局修正量对所述局部灰阶修正图像进行修正全局灰阶的灰阶修正并生成全局灰阶修正图像的步骤。

[37项]如33至35项中任一项所述的软件产品，其特征在于，所述图像处理方法还包括：

提供所述输入图像的步骤；以及

输出所述局部灰阶修正图像或所述全局灰阶修正图像的步骤。

[38项]如33至37项中任一项所述的软件产品，其特征在于，

所述灰阶值为亮度值或通过频谱分量表现的灰阶值。

[39项]如33至38项中任一项所述的软件产品，其特征在于，

所述图像处理方法还包括以下步骤：在改变所述修正对象的局部区域的面积的同时、或者在保持所述修正对象的局部区域的面积的同时，对所述修正对象的局部区域重复多次所述灰阶修正。

[40项]如33至38项中任一项所述的软件产品，其特征在于，

选择所述局部区域的步骤包括选择多个局部区域的步骤，

所述图像处理方法还包括对所述多个被选择的局部区域进行所述灰阶修正的步骤。

[41项]如34项所述的软件产品，其特征在于，

计算所述灰阶修正量的步骤包括如下步骤：计算所述周边区域的灰阶值和高斯权重的加权平均亮度值、或所述周边区域的平均亮度值，作为所述周边区域的所述灰阶值。

[42项]如34项所述的软件产品，其特征在于，

计算所述灰阶修正量的步骤包括如下步骤：设定一个以上的连接局部区域和特征点的特征路径线，在各个所述特征路径线上求出一个以上的路径特征点，并计算所述路径特征点的灰阶值、或所述路径特征点的加权平均亮度值，作为所述周边区域的所述灰阶值。

[43项]如35项所述的软件产品，其特征在于，

计算所述周边区域的灰阶值的步骤包括如下步骤：使用作为所述修正对象的局部区域与位于其附近的至少一个所述部分区域的距离之比和所述部分区域的代表灰阶的乘积，来计算周边区域的灰阶。

[44项]如35项所述的软件产品，其特征在于，所述代表灰阶值是包含在所述部分区域中的所有或一部分像素的平均值，或者是所有或一部分像素的中间值。

[45项]如33至44项中任一项所述的软件产品，其特征在于，计算所述灰阶修正量的步骤包括按照对阴影区域进行比高亮区域更强的修正的方式来计算灰阶修正量的步骤。

[46项]如33至44项中任一项所述的软件产品，其特征在于，计算所述灰阶修正量的步骤包括使用所述局部区域的周边的区域亮度与图像的高亮区域的亮度来计算局部区域的灰阶修正量的步骤。

[47项]如33至46项中任一项所述的软件产品，其特征在于，计算所述灰阶修正量的步骤包括使用非线性函数来进行所述灰阶修正的步骤。

[48项]如36项所述的软件产品，其特征在于，所述全局灰阶修正包括对比度的增强。

Claims (32)

1.一种图像处理系统，其特征在于，包括：

局部区域选择部，从输入图像中至少选择一个作为修正对象的局部区域，所述局部区域至少包括一个像素；

修正量计算部，计算对于所述修正对象的局部区域的灰阶修正量；和

局部灰阶修正部，根据所述灰阶修正量来进行修正所述局部区域的灰阶值的灰阶修正，并生成局部灰阶修正图像。

2.如权利要求1所述的图像处理系统，其特征在于，所述修正量计算部包括：

周边区域灰阶值计算部，计算所述局部区域的周边区域的灰阶值；和

局部修正量变换部，使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

3.如权利要求1所述的图像处理系统，其特征在于，

还包括部分区域亮度计算部，计算所述输入图像的每个部分区域的代表灰阶值，

所述修正量计算部包括：

部分区域参照型周边区域亮度计算部，使用位于所述修正对象的局部区域附近的至少一个所述部分区域的所述代表灰阶值来计算所述修正对象的局部区域的周边区域的灰阶值；以及

局部修正量变换部，使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量。

4.如权利要求1至3中任一项所述的图像处理系统，其特征在于，还包括：

全局修正量计算部，计算所述局部灰阶修正图像的全局修正量；以及

全局修正部，根据所述全局修正量对所述局部灰阶修正图像进行修正全局灰阶的灰阶修正，并生成全局灰阶修正图像。

5.如权利要求1至4中任一项所述的图像处理系统，其特征在于，还包括：

图像输入部，提供所述输入图像；以及

图像输出部，输出所述局部灰阶修正图像或所述全局灰阶修正图像。

6.如权利要求1至5中任一项所述的图像处理系统，其特征在于，

所述灰阶值是亮度值或通过频谱分量表现的灰阶值。

7.如权利要求1至6中任一项所述的图像处理系统，其特征在于，

在改变所述修正对象的局部区域的面积的同时、或者在保持所述修正对象的局部区域的面积的同时，对所述修正对象的局部区域重复多次所述灰阶修正。

8.如权利要求1至6中任一项所述的图像处理系统，其特征在于，

所述局部区域选择部选择多个局部区域，

对所述多个被选择的局部区域进行所述灰阶修正。

9.如权利要求2所述的图像处理系统，其特征在于，

所述周边区域灰阶值计算部计算所述周边区域的灰阶值和高斯权重的加权平均亮度值、或所述周边区域的平均亮度值，作为所述周边区域的所述灰阶值。

10.如权利要求2所述的图像处理系统，其特征在于，

所述周边区域灰阶值计算部设定一个以上的连接局部区域和特征点的特征路径线，在各个所述特征路径线上求出一个以上的路径特征点，并计算所述路径特征点的灰阶值、或所述路径特征点的加权平均亮度值，作为所述周边区域的所述灰阶值。

11.如权利要求3所述的图像处理系统，其特征在于，

所述部分区域参照型周边区域亮度计算部使用作为所述修正对象的局部区域与位于其附近的至少一个所述部分区域的距离之比和所述部分区域的代表灰阶的乘积，来计算周边区域的灰阶。

12.如权利要求3所述的图像处理系统，其特征在于，

所述代表灰阶值是包含在所述部分区域中的所有或一部分像素的平均值，或者是所有或一部分像素的中间值。

13.如权利要求1至12中任一项所述的图像处理系统，其特征在于，所述修正量计算部按照对阴影区域进行比高亮区域更强的修正的方式来计算灰阶修正量。

14.如权利要求1至12中任一项所述的图像处理系统，其特征在于，所述修正量计算部使用局部区域的周边的区域亮度与图像的高亮区域的亮度来计算局部区域的灰阶修正量。

15.如权利要求1至14中任一项所述的图像处理系统，其特征在于，所述局部灰阶修正部使用非线性函数来进行所述灰阶修正。

16.如权利要求4所述的图像处理系统，其特征在于，所述全局灰阶修正包括对比度的增强。

17.一种图像处理方法，其特征在于，包括：

从输入图像中至少选择一个作为修正对象的局部区域的步骤，所述局部区域至少包括一个像素；

计算对于所述修正对象的局部区域的灰阶修正量的步骤；以及

根据所述灰阶修正量来进行修正所述局部区域的灰阶值的灰阶修正并生成局部灰阶修正图像的步骤。

18.如权利要求17所述的图像处理方法，其特征在于，计算所述灰阶修正量的步骤包括：

计算所述局部区域的周边区域的灰阶值的步骤；以及

使用计算出的所述周边区域的灰阶值来计算所述灰阶修正量的步骤。

19.如权利要求17所述的图像处理方法，其特征在于，

还包括计算所述输入图像的每个部分区域的代表灰阶值的步骤，

计算所述灰阶修正量的步骤包括：

使用位于所述修正对象的局部区域附近的至少一个所述部分区域的所述代表灰阶值来计算所述修正对象的局部区域的周边区域的灰阶值的步骤；以及

使用计算出的所述周边区域的灰阶值来计算所述灰阶修正值的步骤。

20.如权利要求17至19中任一项所述的图像处理方法，其特征在于，还包括：

计算所述局部灰阶修正图像的全局修正量的步骤；以及

根据所述全局修正量对所述局部灰阶修正图像进行修正全局灰阶的灰阶修正并生成全局灰阶修正图像的步骤。

21.如权利要求17至19中任一项所述的图像处理方法，其特征在于，还包括：

提供所述输入图像的步骤；以及

输出所述局部灰阶修正图像或所述全局灰阶修正图像的步骤。

22.如权利要求17至21中任一项所述的图像处理方法，其特征在于，所述灰阶值是亮度值或通过频谱分量表现的灰阶值。

23.如权利要求17至22中任一项所述的图像处理方法，其特征在于，还包括如下步骤：在改变所述修正对象的局部区域的面积的同时、或者在保持所述修正对象的局部区域的面积的同时，对所述修正对象的局部区域重复多次所述灰阶修正。

24.如权利要求17至22中任一项所述的图像处理方法，其特征在于，

选择所述局部区域的步骤包括选择多个局部区域的步骤，

所述图像处理方法还包括对所述多个被选择的局部区域进行所述灰阶修正的步骤。

25.如权利要求18所述的图像处理方法，其特征在于，

计算所述灰阶修正量的步骤包括如下步骤：计算所述周边区域的灰阶值和高斯权重的加权平均亮度值、或所述周边区域的平均亮度值，作为所述周边区域的所述灰阶值。

26.如权利要求18所述的图像处理方法，其特征在于，

计算所述灰阶修正量的步骤包括如下步骤：设定一个以上的连接局部区域和特征点的特征路径线，在各个所述特征路径线上求出一个以上的路径特征点，并计算所述路径特征点的灰阶值、或所述路径特征点的加权平均亮度值，作为所述周边区域的所述灰阶值。

27.如权利要求19所述的图像处理方法，其特征在于，

计算所述周边区域的灰阶值的步骤包括如下步骤：使用作为所述修正对象的局部区域与位于其附近的至少一个所述部分区域的距离之比和所述部分区域的代表灰阶的乘积，来计算周边区域的灰阶。

28.如权利要求19所述的图像处理方法，其特征在于，

所述代表灰阶值是包含在所述部分区域中的所有或一部分像素的平均值，或者是所有或一部分像素的中间值。

29.如权利要求17至28中任一项所述的图像处理方法，其特征在于，计算所述灰阶修正量的步骤包括按照对阴影区域进行比高亮区域更强的修正的方式来计算灰阶修正量的步骤。

30.如权利要求17至28中任一项所述的图像处理方法，其特征在于，计算所述灰阶修正量的步骤包括使用所述局部区域的周边的区域亮度与图像的高亮区域的亮度来计算局部区域的灰阶修正量的步骤。

31.如权利要求17至30中任一项所述的图像处理方法，其特征在于，计算所述灰阶修正量的步骤包括使用非线性函数来进行所述灰阶修正的步骤。

32.如权利要求20所述的图像处理方法，其特征在于，所述全局灰阶修正包括对比度的增强。

Images