CN101510305A - 一种改进的自适应直方图均衡方法 - Google Patents

Abstract

本发明公开了一种改进的自适应直方图均衡方法，通过找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数，然后计算出图像高、低亮度区域的调节参数，将子图像块分成高、低亮度区域分别进行直方图均衡，有效解决了噪声扩散以及纹理被合并的问题。

Description

一种改进的自适应直方图均衡方法

技术领域

本发明涉及图像增强处理中的一种改进的自适应直方图均衡方法。

背景技术

图像增强是图像处理的最基本手段，它往往是各种图像分析与处理时的预处理过程。图象增强的目的是通过对图像灰度作修正，改善图像视觉效果提供直观、清晰、适合分析的图像。直方图均衡化是图象增强空域中的最常用、最重要的技术之一。它以概率理论作基础，运用灰度点运算来实现直方图的变化从而达到图象增强的目的。

累积直方图均衡(即CDF)。通过原始图像灰度值分布直方图的累积分布函数计算累积分布直方图。累积计算公式如下：

$s\′={\∫}_0^r{p}_r\left(w\right)\mathrm{dw}$

其中s′表示处理后图像的灰度值，p_r(w)表示原始图像灰度级的概率密度函数。

自适应直方图均衡(即AHE)。AHE通过将图像划分为多个子区域，如图1所示。IR是指图像中间的块，BR是指图像边缘块，AHE通过对每个子图像块进行CDF灰度拉伸，并且针对块效应进行权重线性插值，解决了CDF问题。

对比度受限的自适应直方图均衡(即CLAHE)。在AHE的基础上CLAHE限制对比度的范围，可以有效的控制放大噪声。

CDF由于对整个图像进行处理，将占灰度级少的纹理细节像素点合并到一个灰度级，并且将背景噪声放大。AHE虽然分区域进行直方图均衡但是在少纹理细节的区域同样会放大噪声。CLAHE的线性插值可能将破坏原始图像像素灰度级与输出图像像素灰度级的对应关系。并且以上三种方式都是基于CDF的基础上，但是CDF本身存在将纹理细节合并，噪声放大的问题。而且目前直方图均衡针对两种情况进行处理：亮度或RGB三通道。只对亮度进行处理，处理后的图像色度受到影响，而如果针对RGB三通道分别进行直方图均衡会影响运算速度。

发明内容

本发明的目的在于克服现有直方图均衡的不足，提供一种改进的自适应直方图均衡方法。

为达到上述发明目的，本发明的一种改进的自适应直方图均衡方法，包括以下步骤：

(1)、将输入图像转换为亮度灰度图像，划分成多个子图像块，统计在每个子图像块中每个灰度级的像素点个数；

(2)、找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数；

(3)、分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡：

a)、计算图像高、低亮度区域的调节参数，其值为子图像块中图像高、亮度区域的像素点总数除以子图像块像素点总数，再乘以255；

b)、对于低亮度区域像素点，从0到该点灰度级累加每个灰度级的像素点个数，得到的像素点个数除以低亮度区域的像素点总数，再乘以低亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；

对于高亮度区域像素点，从该点灰度级到255累加每个灰度级的像素点个数，得到的像素点个数除以高亮度区域的像素点总数，再乘以高亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；

(4)根据每个子图像块的像素点累计直方图均衡灰度值，进行权重线性插值，得到均衡化处理后的整个图像的亮度信息。

本发明的改进的自适应直方图均衡方法，通过找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数，然后计算出图像高、低亮度区域的调节参数，将子图像块分成高、低亮度区域分别进行直方图均衡，有效解决了噪声扩散以及纹理被合并的问题。

附图说明

图1是自适应直方图均衡图像增强时子图像块划分示意图；

图2本发明一种具体实施方式流程图；

图3是图1中的紧邻的4个子图像块示意图；

图4是相似性权重线性插值示意图。

具体实施方式

为更好地理解本发明，下面结合附图和具体实施方式对本发明进行更为详细描述。在以下的描述中，当已有的现有技术的详细描述也许会淡化本发明的主题内容时，这些描述在这儿将被忽略。

图1是自适应直方图均衡图像增强时子图像块划分示意图。该图在背景技术中已经进行了描述，在此不再赘述。

图2本发明一种具体实施方式流程图。在本实施中，包括以下步骤：

步骤ST101：将输入图像转换为亮度灰度图像，图像像素点的亮度值为：

Y＝0.27×R+0.67×G+0.06×B            (1)

步骤ST102：计算亮度相关系数。输入图像R、G、B通道的亮度相关系数分别记为coff_R、coff_G、coff_B，通过输入图像R、G、B通道信号与亮度的关联达到颜色的调整。计算如下：

${\mathrm{coff}}_{{\mathrm{cl}}_i}=\frac{{\mathrm{cl}}_i}{Y_{\max }}---\left(2\right)$

cl_i表示像素点相应的R、G、B通道，y_max表示输入图像亮度最大值。

步骤ST103：判断输入图像属于暗图像还是亮图像。对亮度灰度图像左上角、右上角、左下角、右下角及中间五个区域，统计每个区域所有像素点图像亮度和light，当light≤α时，判断输入图像属暗图像，当light之β时，判断输入图像属亮图像。如果α<light<β，则不对输入图像进行直方图均衡。

步骤ST104：将亮度灰度图像划分成多个子图像块，统计在每个子图像块中每个灰度级的像素点个数num_r。其中，num_r表示灰度值为r的像素点个数总和。

步骤ST105：找到将每个子图像块像素点总数分为最接近一半的分界灰度级level，并统计图像高、低亮度区域的像素点总数low_total、high_total。在本实施中，其具体步骤为：

a)、当图像为暗图像时，对每个子图像块，从0到255累加每个灰度级的像素点个数num_r，当大于该子图像块像素点总数total一半时停止，记录当前灰度级，当前灰度级就是分界灰度级level；然后根据分界灰度级level，从0到分界灰度级level累加每个灰度级的像素点个数num_r，得到该子图像块中属于图像低亮度区域的像素点总数low_total，剩余的像素点之和为图像高亮度区域的像素点总数high_total；

b)、当图像为亮图像时，对每个子图像块，从255到0累加每个灰度级的像素点个数num_r，当大于该子图像块像素点总数total一半时停止，记录当前灰度级，当前灰度级就是分界灰度级level；然后根据分界灰度级level，从255到分界灰度级level累加每个灰度级的像素点个数num_r，得到该子图像块中属于图像高亮度区域的像素点总数high_total，剩余的像素点之和为图像低亮度区域的像素点总数low_total。

根据亮暗图像进行分界灰度级level搜索，可以提高搜索速度。

步骤ST106：分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡：

a)、计算图像高、低亮度区域的调节参数val_l、val_h其值为：

${\mathrm{val}}_l=255\&times;\frac{{\mathrm{low}}_{\mathrm{total}}}{\mathrm{total}}$

${\mathrm{val}}_h=255\&times;\frac{{\mathrm{hight}}_{\mathrm{total}}}{\mathrm{total}}---\left(3\right)$

b)、重构直方图查找表：

对于低亮度区域像素点，从0到该点灰度级k累加每个灰度级的像素点个数，得到的像素点个数除以低亮度区域的像素点总数low_total，再乘以低亮度区域的调节参数val_l，得到该像素点的累计直方图均衡灰度值pixel_cdf，具体为：

$\mathrm{pixel}\_\mathrm{cdf}={\mathrm{val}}_i\&times;\frac{\underset{r=0}{\overset{k}{\mathrm{\&Sigma;}}}{\mathrm{num}}_r}{{\mathrm{low}}_{\mathrm{total}}}---\left(4\right)$

低亮度区域像素点的灰度k，代入(4)计算得到该像素点新的灰度值，累计直方图均衡灰度值pixel_cdf，这就是重构直方图查找表。

对于高亮度区域像素点，从该点灰度级k到255累加每个灰度级的像素点个数，得到的像素点个数除以高亮度区域的像素点总数high_total，再乘以高亮度区域的调节参数val_h，得到该像素点的累计直方图均衡灰度值pixel_cdf；

$\mathrm{pixel}\_\mathrm{cdf}={\mathrm{val}}_h\&times;\frac{\underset{r=k}{\overset{255}{\mathrm{\&Sigma;}}}{\mathrm{num}}_r}{{\mathrm{high}}_{\mathrm{total}}}---\left(5\right)$

步骤ST107：根据每个子图像块的像素点累计直方图均衡灰度值pixel_cdf，进行权重线性插值，得到均衡化处理后的整个图像的亮度信息，具体为：

a)、区域相似性判断

如图3所示，A、B、C、D分别表示图1中的紧邻的4个子图像块。分别计算每个亮度灰度图像中子图像块像素点的差值D_AB、D_AC、D_AD、D_BC、D_BD、D_CD：

$D_{\mathrm{xy}}=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}|{\mathrm{pixel}}_{x_i}-{\mathrm{pixel}}_{y_i}|---\left(6\right)$

x，y表示，A、B、C、D中的某个区域，

表示x区域内像素点i的像素值，n表示子区域像素点个数的总数，

表示y区域内像素点i的像素值。x，y的取值分别为A、B、C、D，根据前面得到的D_AB、D_AC、D_AD、D_BC、D_BD、D_CD，求出最小值。

b)、在最小值方向上进行权重插值

如图4有对角线、垂直和水平方向类型插值。

对角线上的插值：

$\mathrm{pixel}=\frac{\sqrt{(r^2+m^2)}\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i-1,j-1}+\sqrt{(n^2+s^2)}\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i,j}}{\sqrt{{(m+s)}^2+{(n+r)}^2}}---\left(7\right)$

垂直方向插值：

$\mathrm{pixel}=\frac{r\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i,j-1}+s\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i,j}}{r+s}---\left(8\right)$

水平方向插值：

$\mathrm{pixel}=\frac{m\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i-1,j}+n\&times;\mathrm{pixel}\_{\mathrm{cdf}}_{i,j}}{m+n}---\left(9\right)$

其中，i，j表示子区域坐标值。

步骤ST108：根据优化的直方图均衡化处理后的亮度信息，以及与亮度相关RGB系数得到输出图像RGB信息。利用步骤ST102得到的亮度相关系数结合直方图均衡后的像素亮度值得到输出图像的像素值如下：

${\mathrm{cl}}_i={\mathrm{coff}}_{{\mathrm{cl}}_i}\&times;\mathrm{pixel}---\left(10\right)$

cl_i表示优化的直方图均衡化后像素点i相应的R、G、B分量，coff_cli表示每个分量的亮度相关系数，pixel表示优化的直方图均衡处理后像素点的亮度值。

在本实施例中，根据直方图均衡化的原理，在对比度受限的自适应直方图均衡，即CLAHE的基础上，不仅对区域进行分级并且对灰度级进行分级处理，有效解决了噪声扩散以及纹理被合并的问题。其次，提出相似性检测的插值技术，在相似性检测的基础上进行插值，可以避免原始图像像素灰度值与输出图像灰度值直方图对应关系被破坏的问题。最后，本发明加入色度空间的处理，在尽量减少计算复杂度的前提下，对颜色进行了有效的处理。

尽管上面对本发明说明性的具体实施方式进行了描述，但应当清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1、一种改进的自适应直方图均衡方法，其特征在于，包括以下步骤：

(1)、将输入图像转换为亮度灰度图像，划分成多个子图像块，统计在每个子图像块中每个灰度级的像素点个数；

(2)、找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数；

(3)、分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡：

a)、计算图像高、低亮度区域的调节参数，其值为子图像块中图像高、亮度区域的像素点总数除以子图像块像素点总数，再乘以255；

b)、对于低亮度区域像素点，从0到该点灰度级累加每个灰度级的像素点个数，得到的像素点个数除以低亮度区域的像素点总数，再乘以低亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；

对于高亮度区域像素点，从该点灰度级到255累加每个灰度级的像素点个数，得到的像素点个数除以高亮度区域的像素点总数，再乘以高亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；

(4)根据每个子图像块的像素点累计直方图均衡灰度值，进行权重线性插值，得到均衡化处理后的整个图像的亮度信息。

2、根据权利要求1所述的改进的自适应直方图均衡方法，其特征在于，步骤(2)所述的找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数为：

(21)、当图像为暗图像时，对每个子图像块，从0到255累加每个灰度级的像素点个数，当大于该子图像块像素点总数一半时停止，记录当前灰度级，当前灰度级就是分界灰度级；然后根据分界灰度级，从0到分界灰度级level累加每个灰度级的像素点个数，得到该子图像块中属于图像低亮度区域的像素点总数，剩余的像素点之和为图像高亮度区域的像素点总数；

(22)、当图像为亮图像时，对每个子图像块，从255到0累加每个灰度级的像素点个数，当大于该子图像块像素点总数一半时停止，记录当前灰度级，当前灰度级就是分界灰度级；然后根据分界灰度级，从255到分界灰度级累加每个灰度级的像素点个数，得到该子图像块中属于图像高亮度区域的像素点总数，剩余的像素点之和为图像低亮度区域的像素点总数。

3、根据权利要求1所述的改进的自适应直方图均衡方法，其特征在于，步骤(4)所述的根据每个子图像块的像素点累计直方图均衡灰度值，进行权重线性插值，得到均衡化处理后的整个图像的亮度信息为：

(41)、区域相似性判断；

(42)、在最小值方向上进行权重插值。

Images