CN101853497A - 一种图像增强方法和装置 - Google Patents

Abstract

本申请实施例公开了一种图像增强方法和装置。其中，所述方法包括：将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。根据本申请实施例，可以提高图像的增强效果，满足用户的需求。

Description

一种图像增强方法和装置

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像增强方法和装置。

背景技术

通常，在图像采集设备捕获视频图像过程中，因受到一些环境因素的影响，获取的视频图像中可能会存在一些影响图像质量的问题。如，在光照条件较差时，捕获的视频图像亮度低，对比度差，以至于人眼无法感知与分辨细节信息。因此，需要对问题图像进行图像增强。图像增强技术就是要增强图像的视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

在利用现有的图像增强方法在进行图像对比度增强时，往往只对图像进行全局的增强处理，并未考虑图像对比度及亮度在图像空间上分布的不一致性，经过了统一的增强处理后，需要增强的区域没有得到有效的对比度增强，而不需要增强的区域却又得到了增强。最终导致图像的增强效果较差，不能满足用户的需求。

发明内容

为了解决上述技术问题，本申请实施例提供了一种图像增强的方法和装置，以提高图像的增强效果，满足用户的需求。

本申请实施例公开了如下技术方案：

一种图像增强方法，包括：将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

一种图像增强装置，包括：全局拉伸单元，用于将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；图像分割单元，用于将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；局部拉伸单元，用于将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；图像增强单元，用于将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度值。

由上述实施例可以看出，本申请结合全局及局部对比度增强方法，充分考虑对比度在图像中空间分布的不一致性，对需要进行对比度增强的区域进行有效的对比度增强。提高了图像的增强效果，满足用户的需求。

另外，本申请将空间域滤波和时间域滤波结合在一起，实现了一种3D图像滤波方法，能更进一步快速有效地去掉对图像中存在的噪点，并能很好地保存图像中的细节信息，避免滤波后的图像的模糊。

并且，本申请所提出的视频稳定方法可以准确地估算视频图像序列中，前后帧图像之间的运动矢量，根据运动矢量信息对于图像进行稳定处理，获得更加平滑的视频图像，有效减少画面的抖动。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一种图像增强方法的一个实施例的流程图；

图2为本申请一种灰度拉伸的示意图；

图3为本申请一种局部块的结构示意图；

图4为本申请一种图像增强方法的另一个实施例的流程图；

图5为本申请一种图像增强方法的另一个实施例的流程图；

图6为本申请一种图像增强装置的一个实施例的结构图；

图7为本申请一种图像增强装置的另一个实施例的结构图；

图8为本申请一种图像增强装置的另一个实施例的结构图。

具体实施方式

下面结合附图及实施例，对本申请实施例进行详细描述。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

实施例一

请参阅图1，其为本申请一种图像增强方法的一个实施例的流程图，包括以下步骤：

步骤101：将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

其中，所述将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值包括：统计所述目标图像的灰度直方图；将所述目标图像的灰度直方图进行拉伸处理，得到拉伸后的灰度直方图；根据所述拉伸后的灰度直方图得到所述目标图像的全局灰度映射表，所述全局灰度映射表包含有所述目标图像的全局灰度映射值。

例如，先统计目标图像的灰度直方图，请参阅图2，其为本申请一种灰度拉伸的示意图，在拉伸前，目标图像的灰度直方图如图2-1所示，该目标图像中像素点的灰度值集中在灰度值区间84-153内，将该灰度直方图经过拉伸处理后，使目标图像中像素点的灰度值分布在灰度值区间0-255内，如图2-2所示。然后根据拉伸后的灰度直方图，计算得到目标图像的全局灰度映射表，全局灰度映射表中包含有目标图像的全局灰度映射值。

其中，目标图像的全局灰度映射值具体为：

$\mathrm{global}\_\mathrm{map}\left(i\right)=((\underset{x=0}{\overset{x=i}{\mathrm{\Σ}}}\mathrm{stretched}\_\mathrm{hist}\left(x\right))*255)/(\underset{x=0}{\overset{x=255}{\mathrm{\Σ}}}\mathrm{stretched}\_\mathrm{hist}\left(x\right)),$ 其中，i表示灰度拉伸前的原始灰度值，stretched_hist(x)表示灰度拉伸后的灰度值，global_map(i)表示原始灰度值i在全局灰度映射表中的全局灰度映射值。

需要说明的是，目标图像中可能会夹杂着一定的噪声，因此，在步骤101中还可以进一步包括：在将目标图像的灰度直方图进行灰度拉伸之前，去除所述目标图像的灰度直方图中的噪声灰度值。

例如，可以认为目标图像的灰度直方图中出现概率较小的灰度值为噪声灰度值，去除灰度直方图中的噪声灰度值。其中，可以根据经验值设定一个出现概率阈值，如1‰，当在目标图像的灰度直方图中，某个灰度值的出现概率小于1‰，则认为该灰度值为噪声灰度值，将该灰度值从目标图像的灰度直方图中去除。然后再将目标图像的灰度直方图进行拉伸处理。

步骤102：将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

其中，所述将目标图像分割成图像单元，每9个图像单元构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块包括：将所述目标图像分割成16*16大小的图像单元，每9个图像单元构成一个48*48大小的局部块，局部块中每4个图像单元构成一个32*32大小的图像块。

需要说明的是，除了可以将目标图像分割成16*16大小的图像单元之外，也可以分割成其他大小的图像单元。本申请实施例对分割的图像单元大小并不进行限定。在本申请中，较优选的方式是：将目标图像分割成16*16大小的图像单元。

下面以将目标图像分割成16*16大小的图像单元为例来进行说明，当将目标图像分割成16*16大小的图像单元后，每3*3个图像单元构成一个局部块，而局部块的大小即为48*48，请参阅图3，其为本申请一种局部块的结构示意图。在该局部块中，每2*2个图像单元构成一个图像块，该图像块的大小为32*32，分别为图像块1、图像块2、图像块3和图像块4。图像块1位于局部块的左上部分，图像块2位于局部块的右上部分，图像块3位于局部块的右下部分，图像块4位于局部块的左下部分。

步骤103：将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

其中，所述将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值包括：分别统计4个图像块的灰度直方图；将4个图像块的灰度直方图分别进行拉伸处理，得到拉伸后的灰度直方图；根据所述拉伸后的灰度直方图得到4个图像块的灰度映射表；将4个图像块的灰度映射表中同一个灰度值的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值。

例如，仍旧以步骤102中的实例进行说明，先分别统计图3所示的局部块中的4个图像块的灰度直方图，然后将4个图像块的灰度直方图分别进行拉伸处理，得到拉伸后的灰度直方图，再根据拉伸后的4个图像块的灰度直方图计算得到4个图像块的灰度映射表。上述针对图像块的灰度直方图进行的灰度拉伸以及根据图像块的灰度直方图计算得到灰度映射表的过程与在步骤101中对目标图像进行全局灰度拉伸和全局灰度映射的方法相同，由于在步骤101中已经进行了详细地描述，故此处不再赘述。

经过上述处理后，得到了4个图像块的灰度映射表，在4个图像块的灰度映射表中，同一个灰度值具有不同的灰度映射值，将同一个灰度值的4个不同的灰度映射值进行加权求和，得到该灰度值的局部灰度映射值，进而得到了目标图像的局部灰度映射值。

例如，假设在图像块1中有一个像素点A，像素点A的灰度值为Y，并且灰度值Y在4个图像块中的灰度映射值分别为local_mapl、local_map2、local_map3和local_map4，像素点A与图像块1、图像块2、图像块3和图像块的中心点距离分别为：d1、d2、d3和d4。则，灰度值Y的局部灰度映射值为：

$\mathrm{local}\_\mathrm{map}\left(Y\right)=\frac{w_1*\mathrm{local}\_\mathrm{map}1\left(Y\right)+w2*\mathrm{local}\_\mathrm{map}2\left(Y\right)+w_3*\mathrm{local}\_\mathrm{map}3\left(Y\right)+w_4*\mathrm{local}\_\mathrm{map}4\left(Y\right)}{(w_1+w_2+w_3+w_4)}$

其中，w1＝图形单元的斜边长

local_map(Y)为灰度值Y的局部灰度映射值。

步骤104：将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

例如，当像素点A的全局灰度映射值为global_map(Y)，局部灰度映射值为local map(Y)，将像素点A的全局灰度映射值和局部灰度映射值进行算数平均，即可得到像素点A的增强值为E(Y)，即：

E(Y)＝(global_map(Y)+local_map(Y))/2。

按照此类方法可以得到目标图像中所有像素点的增强值，最终得到目标图像的灰度增强值。

由上述实施例可以看出，本申请结合全局及局部对比度增强方法，充分考虑对比度在图像中空间分布的不一致性，对需要进行对比度增强的区域进行有效的对比度增强。提高了图像的增强效果，满足用户的需求。

实施例二

由于视频图像在获取以及传输过程中，往往会收到噪声的干扰，噪声将对图像产生不良的影响。因此，本实施例与上述实施例一的区别在于，经过图像增强处理后，还可以进一步将增强后的目标图像进行噪声抑制处理。噪声抑制就是将噪声从图像中分离出来，并且在分离过程中还要保持图像不会失真。请参阅图4，其为本申请一种图像增强方法的另一个实施例的流程图，包括以下步骤：

步骤401：将目标图像进行灰度拉伸，将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

步骤402：将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

步骤403：将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

步骤404：将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

其中，上述步骤401-404的执行过程已经在实施例一中进行了详细的描述，故此处不再赘述。

步骤405：将经过图像增强后的目标图像进行空间域滤波；

其中，假设目标图像中的某个像素点A的灰度增强值为p(i，j)，i表示像素点A在目标图像中的x轴位置，j表示像素点A在目标图像中的y轴位置，则经过空间域滤波后，像素点A经过空间域滤波后的灰度增强值为d(x，y)，

$d(i,j)=\frac{\underset{y=i-1}{\overset{y=i+1}{\mathrm{\Σ}}}\underset{x=j-1}{\overset{x=j+1}{\mathrm{\Σ}}}p(x,y)*w(x,y)}{\underset{y=i-1}{\overset{y=i+1}{\mathrm{\Σ}}}\underset{x=j-1}{\overset{x=j+1}{\mathrm{\Σ}}}}$

其中，p(x，y)，x＝j-1，j，j+1；y＝i-1，i，i+1；表示以像素点A为中心的9个像素点的灰度增强值，

W＝(f_x(i，j)-f_t(i，j))*(f_x(i，j)-f_t(i，j))，S为空间滤波强度阈值，用于控制降噪处理强度，S越大降噪强度越大。

在步骤405中，可以以帧为单位将目标图像的灰度增强值进行空间域滤波，当将一个帧图像中的灰度增强值进行空间域滤波后，再将滤波后的值进行缓存，并对下一帧图像中的灰度增强值进行空间域滤波，以此反复，直到将所有帧图像的灰度增强值进行空间域滤波为止。

步骤406：将经过空间域滤波后的目标图像进行时间域滤波。

其中，如果经过空间域滤波后，像素点A在当前帧图像下的灰度增强值为d_t(i，j)，并且，像素点A在当前帧图像的前3个帧图像下的灰度增强值为d_t-3(i，j)、d_t-2(i，j)和d_t-1(i，j)。则，经过时间域滤波后，像素点A在当前帧图像下的灰度增强值为p(i，j)，i表示像素点A在目标图像中的x轴位置，j表示像素点A在目标图像中的y轴的位置。

$p(i,j)=\frac{\underset{x=t-3}{\overset{x=t}{\mathrm{\Σ}}}(d_x(i,j)*w_x)/\underset{x=t-3}{\overset{x=t}{\mathrm{\Σ}}}{w}_x}{w_t+w_{t-1}+w_{t-2}+w_{t-3}}$

其中，

W＝(f_x(i，j)-f_t(i，j))*(f_x(i，j)-f_t(i，j))，T为时间滤波强度阈值，用于控制降噪处理强度，T越大降噪强度越大。

在步骤406中，可以以帧为单位对经过空间域滤波的目标图像的灰度增强值进行时间域滤波，当将一个帧图像中的灰度增强值进行时间域滤波，再将滤波后的值进行缓存，并对下一帧图像中的灰度增强值进行时间域滤波，以此反复，直到将所有帧图像的灰度增强值进行时间域滤波为止。

由上述实施例可以看出，本申请结合全局及局部对比度增强方法，充分考虑对比度在图像中空间分布的不一致性，对需要进行对比度增强的区域进行有效的对比度增强，提高了图像的增强效果，满足用户的需求。

另外，本申请将空间域滤波和时间域滤波结合在一起，实现了一种3D图像滤波方法，能更进一步快速有效地去掉对图像中存在的噪点，并能很好地保存图像中的细节信息，避免滤波后的图像的模糊。

实施例三

由于图像采集装置在采集图像时的位置不稳定，会引起最终采集的视频图像出现画面抖动或者拖尾现象，从而影响了整个视频图像的画面质量。因此，本实施例与上述实施例一的区别在于，经过图像处理后，还可以进一步包括将增强后的目标图像进行视频稳定处理。请参阅图5，其为本申请一种图像增强方法的另一个实施例的流程图，包括以下步骤：

步骤501：将目标图像进行灰度拉伸，将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

步骤502：将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

步骤503：将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

步骤504：将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

其中，上述步骤501-504的执行过程已经在实施例一中进行了详细的描述，故此处不再赘述。

步骤505：将图像增强后的目标图像进行视频稳定处理。

例如，对图像进行视频稳定处理的过程具体可以包括：

第一步，在经过图像增强后的目标图像中选取构成正方形区域的10*10个像素采样点，通过光流算法跟踪并计算每个像素点在下一帧图像中的局部运动矢量。

本申请实施例中的光流算法主要指Lucas-Kanade光流算法(简称L-K光流算法)，该算法是一种两帧差分的光流估计算法，其原理是由于相邻两帧图像中同一像素点的信息变化量很小，因此可以认为它们守恒，根据像素的守恒得到帧间图像约束方程，假设I(x，y)为当前帧图像中位置坐标为(x，y)的像素点，则相邻两帧图像中对该像素点I的约束方程为：

I(x，y，t)＝I(x+σx，y+σy，t+σt)

因此可以对所获取的100个像素点分别应用上述约束方程，对该方程使用泰勒级数展开就能求出每个像素点I的局部运动矢量，即可以获得100个局部运动矢量。

并且，Lucas-Kanade光流算法在各种条件下具有较好的鲁棒性。

第二步，建立全局运动参数模型，根据RANSAC从100个局部运动矢量中筛选出所有符合该模型的局部运动矢量，并再用筛选得到的局部运动矢量确定全局运动参数模型中的参数。

其中，考虑到帧间图像的整体运动有平移，旋转和伸缩，全局运动参数模型表示为：

$\left[\begin{array}{c}{x}_{i+1}\\ y_{i+1}\end{array}\right]=s\left[\begin{array}{cc}\cos \mathrm{\α}& -\sin \mathrm{\α}\\ \sin \mathrm{\α}& \cos \mathrm{\α}\end{array}\right]\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]+\left[\begin{array}{c}{d}_x\\ d_y\end{array}\right],$

s表示帧间图像的伸缩运动，α表示帧间图像的旋转运动，d_x和d_y分别表示帧间图像在x和y方向的平移运动，(x_i、y_i)为像素点在i帧图像中的位置坐标，(x_i+1、y_i+1)为像素点在i+1帧图像中的位置坐标。

根据RANSAC从100个局部运动矢量中筛选出所有符合全局运动参数模型的局部运动矢量具体可以包括：从当前帧和下一帧图像的100对像素点中抽取任意尽可能少的像素点。例如，对于一个包含四个未知参数的4个方程来说，最少可以取2对像素点，即4个像素点，将2对像素点的坐标值代入上述全局参数模型得到四个方程，根据这四个方程可以求得四个运动参数s、a、d_x和d_y。当然，也可以从100对抽取两对以上的像素点计算四个运动参数，本发明实施例对此并不限定。然后将当前帧图像中其余98个像素点的位置坐标输入到根据求出的4个参数确定的全局运动方程，得到其在下一帧图像中的位置坐标。假设求出的位置坐标与已知下一帧对应位置坐标的距离小于2个像素点为误差允许范围，记录落在允许范围内的像素点的个数N。当然，上述除了可以将误差允许范围设置为2个像素点之外，还可以将误差范围设置为其他数目个像素点，该误差范围可以由用户根据自身的需求任意进行设置，并发明实施例对此并不限定。将上述过程重复30次，得到N最大时所有像素点的集合，根据该集合最小二乘法确定全局运动模型中的4个全局运动参数。当然，上述除了可以将迭代30次之外，还可以由用户根据自身的需求迭代30次以上，得到N最大时所有像素点的集合。本发明实施例对此并不限定。

第三步，利用高斯滤波对全局运动参数进行平滑。

得到连续帧的全局运动参数后，使用高斯函数分别平滑s，a，d_x，d_y这4个全局运动参数的运动曲线。在平滑时，高斯核σ的选取比较关键，选择的高斯核过小，高频噪声过滤不干净，选择的高斯核过大，会将一部分图像采集装置的正常扫描运动过滤掉。根据反复实验，高斯核σ取1.6-2.4可以得到满意的平滑效果。

需要说明的是，本申请实施例并不限定采用上述方式对图像增强后的目标图像进行视频稳定处理，也可以采用其他方式对目标图像进行视频稳定处理。

由上述实施例可以看出，本申请结合全局及局部对比度增强方法，充分考虑对比度在图像中空间分布的不一致性，对需要进行对比度增强的区域进行有效的对比度增强。提高了图像的增强效果，满足用户的需求。

另外，本申请所提出的视频稳定方法可以准确地估算视频图像序列中，前后帧图像之间的运动矢量，根据运动矢量信息对于图像进行稳定处理，获得更加平滑的视频图像，有效减少画面的抖动。

实施例四

与上述一种图像增强方法相对应，本申请实施例还提供了一种图像增强装置。请参阅图6，其为本申请一种图像增强装置的一个实施例的结构图，该装置包括全局拉伸单元601、图像分割单元602、局部拉伸单元603和图像增强单元604。下面结合该装置的工作原理进一步介绍其内部结构以及连接关系。

全局拉伸单元601，用于将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

图像分割单元602，用于将所述目标图像分割层图像单元，每个9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

局部拉伸单元603，用于将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

图像增强单元604，用于将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

上述局部拉伸单元603包括：局部统计子单元6031、局部图像块拉伸子单元6032、局部灰度映射子单元6033和求和子单元6034，

局部统计子单元6031，用于分别统计4个图像块的灰度直方图；

局部直方图拉伸子单元6032，用于将4个图像块的灰度直方图分别进行拉伸处理，得到拉伸后的灰度直方图；

局部灰度映射子单元6033，用于根据所述拉伸后的灰度直方图得到4个图像块的灰度映射表；

求和子单元6034，用于将4个图像块的灰度映射表中用一个灰度值的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值。

上述全局拉伸单元601包括：全局统计子单元6011、全局直方图拉伸子单元6012和全局灰度映射子单元6013，

全局统计子单元6011，用于统计所述目标图像的灰度直方图；

全局直方图拉伸子单元6012，用于将所述目标图像的灰度直方图进行拉伸处理，得到拉伸后的灰度直方图；

全局灰度映射子单元6013，用于根据所述拉伸后的灰度直方图得到所述目标图像的全局灰度映射表，所述全局灰度映射表包含有所述目标图像的全局灰度映射值。

所述装置进一步包括：直方图裁剪单元605，用于在将目标图像的灰度直方图进行灰度拉伸之前，去除所述目标图像的灰度直方图中的噪声灰度值。

需要说明的是，所述装置可以进一步包括空间域滤波单元606和时间域滤波单元607，请参阅图7所示，其为本申请一种图像增强装置的另一个实施例的结构图。其中，

空间域滤波单元606，用于将所述目标图像的灰度增强值进行空间域滤波；

时间域滤波单元607，用于将经过空间域滤波后的目标图像的灰度增强值进行时间域滤波。

需要说明的是，所述装置还可以进一步包括：视频稳定单元608，用于将图像增强后的目标图像进行视频稳定处理。

由上述实施例可以看出，本申请结合全局及局部对比度增强方法，充分考虑对比度在图像中空间分布的不一致性，对需要进行对比度增强的区域进行有效的对比度增强。提高了图像的增强效果，满足用户的需求。

另外，本申请将空间域滤波和时间域滤波结合在一起，实现了一种3D图像滤波方法，能更进一步快速有效地去掉对图像中存在的噪点，并能很好地保存图像中的细节信息，避免滤波后的图像的模糊。

并且，本申请所提出的视频稳定方法可以准确地估算视频图像序列中，前后帧图像之间的运动矢量，根据运动矢量信息对于图像进行稳定处理，获得更加平滑的视频图像，有效减少画面的抖动。

需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上对本申请所提供的一种图像增强方法和装置进行了详细介绍，本文中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (13)

1.一种图像增强方法，其特征在于，包括：

将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。

2.根据权利要求1所述的方法，其特征在于，所述将目标图像分割成图像单元，每9个图像单元构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块包括：

将所述目标图像分割成16*16大小的图像单元，每9个图像单元构成一个48*48大小的局部块，局部块中每4个图像单元构成一个32*32大小的图像块。

3.根据权利要求1所述的方法，其特征在于，所述将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值包括：

分别统计4个图像块的灰度直方图；

将4个图像块的灰度直方图分别进行拉伸处理，得到拉伸后的灰度直方图；

根据所述拉伸后的灰度直方图得到4个图像块的灰度映射表；

将4个图像块的灰度映射表中同一个灰度值的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值。

4.根据权利要求1所述的方法，其特征在于，所述将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值包括：

统计所述目标图像的灰度直方图；

将所述目标图像的灰度直方图进行拉伸处理，得到拉伸后的灰度直方图；

根据所述拉伸后的灰度直方图得到所述目标图像的全局灰度映射表，所述全局灰度映射表包含有所述目标图像的全局灰度映射值。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括

在将所述目标图像的灰度直方图进行拉伸处理之前，去除所述灰度直方图中的噪声灰度值。

6.根据权利要求1-5任意一项所述的方法，其特征在于，所述方法还包括：

将经过图像增强后的目标图像进行空间域滤波；

将经过空间域滤波后的目标图像进行时间域滤波。

7.根据权利要求1-5任意一项所述的方法，其特征在于，所述方法还包括：

将图像增强后的目标图像进行视频稳定处理。

8.一种图像增强装置，其特征在于，包括：

全局拉伸单元，用于将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；

图像分割单元，用于将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；

局部拉伸单元，用于将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；

图像增强单元，用于将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度值。

9.根据权利要求8所述的装置，其特征在于，所述局部拉伸单元包括：

局部统计子单元，用于分别统计4个图像块的灰度直方图；

局部直方图拉伸子单元，用于将4个图像块的灰度直方图分别进行拉伸处理，得到拉伸后的灰度直方图；

局部灰度映射子单元，用于根据所述拉伸后的灰度直方图得到4个图像块的灰度映射表；

求和子单元，用于将4个图像块的灰度映射表中同一个灰度值的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值。

10.根据权利要求8所述的装置，其特征在于，所述全局拉伸单元包括：

全局统计子单元，用于统计所述目标图像的灰度直方图；

全局直方图拉伸子单元，用于将所述目标图像的灰度直方图进行拉伸处理，得到拉伸后的灰度直方图；

全局灰度映射子单元，用于根据所述拉伸后的灰度直方图得到所述目标图像的全局灰度映射表，所述全局灰度映射表包含有所述目标图像的全局灰度映射值。

11.根据权利要求10所述的装置，其特征在于，所述装置还包括：

直方图裁剪单元，用于在将目标图像的灰度直方图进行灰度拉伸之前，去除所述目标图像的灰度直方图中的噪声灰度值。

12.根据权利要求8-11任意一项所述的装置，其特征在于，所述装置还包括：

空间域滤波单元，用于将经过图像增强后的目标图像进行空间域滤波；

时间域滤波单元，用于将经过空间域滤波后的目标图像进行时间域滤波。

13.根据权利要求8-11任意一项所述的装置，其特征在于，所述装置还包括：

视频稳定单元，用于将图像增强后的目标图像进行视频稳定处理。

Images