CN101957983A - 一种数字影像的匀光方法 - Google Patents
一种数字影像的匀光方法 Download PDFInfo
- Publication number
- CN101957983A CN101957983A CN2009101580037A CN200910158003A CN101957983A CN 101957983 A CN101957983 A CN 101957983A CN 2009101580037 A CN2009101580037 A CN 2009101580037A CN 200910158003 A CN200910158003 A CN 200910158003A CN 101957983 A CN101957983 A CN 101957983A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- image
- subband image
- wavelet
- digitized video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种数字影像的匀光方法,包括:(a)对待处理的数字影像进行小波变换,生成第一至第四子带影像4个子带影像,第一至第四子带影像的小波系数分别为近似系数、水平细节系数、垂直细节系数和对角细节系数;(b)对第一子带影像作近似系数调整,用衰减算子作用于近似系数,使近似系数中的大值减小、小值增大;(c)对第二子带影像、第三子带影像和第四子带影像作细节系数调整,对水平细节系数、垂直细节系数和对角细节系数分别作线性增强;(d)对作过系数调整后的第一子带影像、第二子带影像、第三子带影像和第四子带影像进行小波逆变换,得到重建后的数字影像。本发明数字影像的匀光方法能够获得更好的数字影像匀光效果。
Description
技术领域
本发明涉及数字图像处理领域,尤其涉及一种数字影像的匀光方法。
背景技术
我国自行研制的第一台大面阵彩色CCD(Charge Coupled Device,电荷耦合器件)数字航测相机,采用1个9k×9k的CCD记录全色影像和3个2k×2k的CCD分别记录RGB(Red Green Blue,红绿蓝)分波段影像。在影像的获取过程中,由于内部和外部环境等因素的干扰,使得一幅影像内不同部分色调、亮度、反差等存在不同程度的差异。这种现象一般称之为不均匀光照现象。这种不均匀光照现象在数字航空影像上表现为色彩和亮度的不均匀分布。造成这种现象的原因是多方面的。比如光学透镜成像的不均匀性(光通过物镜后在焦平面上的照度从中心向边缘是逐渐减小的),大气衰减,云层、烟雾影响以及向阳、背阳等造成的光照条件不同等。由于这些因素的影响,使航空影像呈现出以下几个特点:光照最强处不一定是影像的几何中心点;影像亮度以及反差的分布是不均匀的;不均匀的影像亮度、反差的分布是不规则的,存在一些不规则的亮度变化和孤立的亮度变异。正是由于这种不均匀光照现象的存在,直接影响了航空影像和影像镶嵌的质量,使镶嵌结果呈现出明显的明暗不一,色彩分布不均,进而影响了大型无缝影像库色彩平衡的实现。同时,也不同程度地影响了航空影像的应用以及进一步处理(如特征提取、目标识别、分类、解译等)。因此,对这种不均匀光照现象进行研究和处理,获得高质量的数字航空影像,具有重要的理论和实际应用价值。对数字航空影像进行消除不均匀光照的处理,称为匀光处理。
当前,对于航空影像的色彩平衡处理,比较有代表性的处理方法是用数学模型模拟影像亮度变化,然后再对影像不同部分进行不同程度的补偿,从而获得亮度、反差均匀的影像。遥感图像处理软件ERDASIMAGINE8.5中的色彩平衡功能采用的就是这种方法,它提供了4种数学模型来模拟影像亮度的变化。但是由于造成影像亮度、反差分布不均匀的原因很多,而且是不规则的,因此影像中一些不规则的亮度变化和孤立的亮度变异很可能会导致模拟影像亮度变化的失败,最终严重影响匀光处理的效果。不透明处曝光量少,使得像片上较大密度和较小密度都过多的出现,导致照度不均匀。匀光技术就是在晒印像片时,通过对曝光过强和曝光过弱的地方进行补偿,获得照度均匀的光学像片。
目前的影像匀光方法还有马斯克匀光方法,该方法认为不均匀光照的原始影像可以看成是由受光均匀的信号影像叠加了一个非均匀背景影像的结果,匀光的目的是从原始影像中减去背景影像。这种方法要求事先准确地模拟出背景影像,才能得到较好的匀光效果。然而,诸多因素影响着背景影像,寻找背景影像是一件困难的事情,而且不同原始影像的背景可能不尽相同。
因此,需要一种能够适应多误差源的数字影像匀光方法,以获得较好的匀光效果。
发明内容
本发明所要解决的技术问题是提供一种数字影像的匀光方法,能够获得更好的数字影像匀光效果。
为解决上述技术问题,本发明提出了一种数字影像的匀光方法,包括:
(a)对待处理的数字影像进行小波变换,生成第一子带影像、第二子带影像、第三子带影像和第四子带影像4个子带影像,所述第一子带影像的小波系数为近似系数,所述第二子带影像的小波系数为水平细节系数,所述第三子带影像的小波系数为垂直细节系数,所述第四子带影像的小波系数为对角细节系数;
(b)对所述第一子带影像作近似系数调整,用衰减算子作用于所述近似系数,使所述近似系数中的大值减小、小值增大;
(c)对所述第二子带影像、第三子带影像和第四子带影像作细节系数调整,对所述水平细节系数、垂直细节系数和对角细节系数分别作线性增强;
(d)对作过系数调整后的第一子带影像、第二子带影像、第三子带影像和第四子带影像进行小波逆变换,得到重建后的数字影像。
进一步地,上述方法还可具有以下特点,步骤(b)中,所述用衰减算子作用于所述近似系数具体为:用衰减算子作用于多尺度分解后的近似系数。
进一步地,上述方法还可具有以下特点,步骤(b)中,所述衰减算子为Φ(x,y):
其中,A(x,y)为取对数后的近似系数,α取该尺度近似系数对数值的平均值,β根据整幅影像的对比度取值,β的取值范围为0.9-1.0。
进一步地,上述方法还可具有以下特点,步骤(c)中,所述对所述水平细节系数、垂直细节系数和对角细节系数分别作线性增强具体为:对多尺度分解后的不同尺度的水平细节系数、垂直细节系数和对角细节系数分别作线性增强。
进一步地,上述方法还可具有以下特点,步骤(a)中,对待处理的数字影像进行小波变换具体为:对待处理的数字影像进行三级小波变换。
本发明数字影像的匀光方法能够获得更好的数字影像匀光效果。
附图说明
图1是本发明数字影像的匀光方法流程图;
图2是二维小波变换分解算法原理图;
图3是影像一级二维小波变换原理图;
图4是二维小波逆变换重建算法原理图;
图5是原始影像与用本发明数字影像的匀光方法处理后的重建影像对比图。
具体实施方式
本发明的主要构思是:与信号影像相比较,背景影像可以认为是一个低频变化的影像,而小波分析具有多分辨分析的特性,小波在时域和频域都有表征信号局部信息的能力,时间窗和频率窗都可以根据信号的具体形态动态调整。低频部分(信号平稳部分)小波分析具有较长的时间窗口,以便能看清信号的趋势和整体变化情况;高频部分具有较短的时间域窗口,从而能定位信号突变的瞬间时刻。就是说,小波分析可以达到将大轮廓和小细节分解的功能。通过调整小波近似系数,从而达到对航空影像等数字影像亮度不均匀性的整体改正,同时对小波细节系数进行线性增强处理,做到在影像匀光过程中,尽可能地不丢失边缘细节信息。
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1是本发明数字影像的匀光方法流程图,如图1所示,本发明数字影像的匀光方法包括:
步骤101,对待处理的数字影像(即原始影像)进行小波变换(又称为小波分解),生成第一子带影像、第二子带影像、第三子带影像和第四子带影像4个子带影像,第一子带影像的小波系数为近似系数,第二子带影像的小波系数为水平细节系数,第三子带影像的小波系数为垂直细节系数,第四子带影像的小波系数为对角细节系数;
图2是二维小波变换分解算法原理图,如图2所示,对于二维影像的小波变换,首先在行方向上分别进行低通滤波和高通滤波,对分解系数重采样,然后在列方向上进行相同的操作,即在列方向上进行低通滤波和高通滤波,对分解系数重采样。也就是说,二维小波变换分解算法就是首先在行方向上进行一维小波分解,然后再在列方向上进行一维小波分解。
一维小波分解的公式如式(1)和(2)所示:
一幅N×N大小的影像经过一次二维小波变换后,将得到四幅(N/2)×(N/2)大小的子带影像。图3是影像一级二维小波变换原理图,如图3所示,影像进行一级小波分解后,生成的4个子带影像,各子带影像的小波系数分别为近似系数(LL)、水平细节系数(LH)、垂直细节系数(HL)、对角细节系数(HH)。
为了获得更好的匀光效果,在步骤101中,可以对待处理的数字影像进行三级小波变换。
步骤102,对第一子带影像作近似系数调整,用衰减算子作用于近似系数,使近似系数中的大值减小、小值增大;
为了获得更好的匀光效果,可以先将近似系数进行多尺度分解,然后用衰减算子作用于多尺度分解后的近似系数。
如果只对最高尺度的近似系数进行衰减,会造成过渡层次不够,影像视觉效果生硬的结果。利用多尺度分解后的近似系数,逐阶调整近似系数,然后重建影像,可以得到更合理的结果。
对各阶近似系数取对数后,记为A(x,y),施加了一个衰减算子Φ(x,y),
其中,α取该尺度近似系数对数值的平均值,β根据整幅影像的对比度取值,通常β的取值范围是0.9-1.0。
不同尺度下的近似系数含有的细节信息不同,高尺度近似系数包含细节信息最少,所以对它的衰减程度就可以大一些,相应的β取值小一些,而低尺度的近似系数包含细节信息多一些,衰减程度就要小一些,相应的β取值要大一些。可以取连续3阶不同尺度下的近似系数进行调整与重建。
步骤103,对第二子带影像、第三子带影像和第四子带影像作细节系数调整,对水平细节系数、垂直细节系数和对角细节系数分别作线性增强;
本步骤中,为了获得更好的匀光效果,可以先将近似系数进行多尺度分解,然后对多尺度分解后的不同尺度的水平细节系数、垂直细节系数和对角细节系数分别作线性增强。
细节系数代表影像中的细节信息,通过对不同尺度细节系数线性增强,可以增强图像对比度,使图像中的细节信息更加突出。根据人类视觉系统对对角方向细节变化不敏感,因此可以对同一尺度的水平细节系数和垂直细节系数的增强幅度相等,对同一尺度的对角细节系数的增强幅度为同一尺度的水平细节系数和垂直细节系数的倍。增强幅度随着尺度的增大而增强。
通过对不同系数的不同调整,最后重建影像就可以得到层次过渡比较均匀而且整体亮度均衡的影像增强效果。
步骤102和步骤203的顺序可以调换,步骤102和步骤203也可以同时进行。
步骤104,对作过系数调整后的第一子带影像、第二子带影像、第三子带影像和第四子带影像进行小波逆变换,得到重建后的数字影像。
图4是二维小波逆变换重建算法原理图。如图4所示,二维小波逆变换(又称为小波合成),首先对小波系数在列方向上过采样,然后分别进行低通滤波和高通滤波,再在行方向上对系数过采样,然后进行相应的低通滤波和高通滤波,其中有关小波变换的边界处理问题,可以采用文献“小波理论及在遥感影像压缩中的应用”(耿则勋.[M].测绘出版社.2002.)的方法。可见,二维小波逆变换就是先在列方向上进行一维小波合成,然后再在行方向上进行一维小波合成。一维小波合成的公式如式(3)所示:
图5是原始影像与用本发明数字影像的匀光方法处理后的重建影像对比图。
本发明点利用小波变换实现信号图像和背景图像的分离,对分解后的系数分别进行匀光处理,利用衰减算子对背景图像进行匀光,并根据人眼视觉特性,对不同方向的细节系数施加不同的增强系数,保持图像增强的整体一致性。本发明通过小波变换将图像的低频信息和高频信息分离,对近似系数和细节系数分别逐层进行处理,在实现影像匀光的同时,较好地保持了影像细节信息。因此,本发明数字影像的匀光方法能够获得更好的数字影像匀光效果。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种数字影像的匀光方法,其特征在于,包括:
(a)对待处理的数字影像进行小波变换,生成第一子带影像、第二子带影像、第三子带影像和第四子带影像4个子带影像,所述第一子带影像的小波系数为近似系数,所述第二子带影像的小波系数为水平细节系数,所述第三子带影像的小波系数为垂直细节系数,所述第四子带影像的小波系数为对角细节系数;
(b)对所述第一子带影像作近似系数调整,用衰减算子作用于所述近似系数,使所述近似系数中的大值减小、小值增大;
(c)对所述第二子带影像、第三子带影像和第四子带影像作细节系数调整,对所述水平细节系数、垂直细节系数和对角细节系数分别作线性增强;
(d)对作过系数调整后的第一子带影像、第二子带影像、第三子带影像和第四子带影像进行小波逆变换,得到重建后的数字影像。
2.根据权利要求1所述的数字影像的匀光方法,其特征在于,步骤(b)中,所述用衰减算子作用于所述近似系数具体为:用衰减算子作用于多尺度分解后的近似系数。
3.根据权利要求1所述的数字影像的匀光方法,其特征在于,步骤(b)中,所述衰减算子为Φ(x,y):
其中,A(x,y)为取对数后的近似系数,α取该尺度近似系数对数值的平均值,β根据整幅影像的对比度取值,β的取值范围为0.9-1.0。
4.根据权利要求根据权利要求1所述的数字影像的匀光方法,其特征在于,步骤(c)中,所述对所述水平细节系数、垂直细节系数和对角细节系数分别作线性增强具体为:对多尺度分解后的不同尺度的水平细节系数、垂直细节系数和对角细节系数分别作线性增强。
5.根据权利要求4所述的数字影像的匀光方法,其特征在于,步骤(c)中,对同一尺度的水平细节系数和垂直细节系数的增强幅度相等,对同一尺度的对角细节系数的增强幅度为同一尺度的水平细节系数和垂直细节系数的倍。
6.根据权利要求1至5任一项所述的数字影像的匀光方法,其特征在于,步骤(a)中,对待处理的数字影像进行小波变换具体为:对待处理的数字影像进行三级小波变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101580037A CN101957983A (zh) | 2009-07-15 | 2009-07-15 | 一种数字影像的匀光方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101580037A CN101957983A (zh) | 2009-07-15 | 2009-07-15 | 一种数字影像的匀光方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101957983A true CN101957983A (zh) | 2011-01-26 |
Family
ID=43485300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101580037A Pending CN101957983A (zh) | 2009-07-15 | 2009-07-15 | 一种数字影像的匀光方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101957983A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023088A (zh) * | 2015-03-19 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种调整图像亮度的方法及装置 |
CN106657713A (zh) * | 2016-12-30 | 2017-05-10 | 华中科技大学 | 一种视频运动放大方法 |
CN106803240A (zh) * | 2016-12-30 | 2017-06-06 | 大连海事大学 | 一种工业图像均光处理方法 |
-
2009
- 2009-07-15 CN CN2009101580037A patent/CN101957983A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023088A (zh) * | 2015-03-19 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种调整图像亮度的方法及装置 |
CN106657713A (zh) * | 2016-12-30 | 2017-05-10 | 华中科技大学 | 一种视频运动放大方法 |
CN106803240A (zh) * | 2016-12-30 | 2017-06-06 | 大连海事大学 | 一种工业图像均光处理方法 |
CN106657713B (zh) * | 2016-12-30 | 2019-03-22 | 华中科技大学 | 一种视频运动放大方法 |
CN106803240B (zh) * | 2016-12-30 | 2020-07-14 | 大连海事大学 | 一种工业图像均光处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080724B (zh) | 一种红外和可见光的融合方法 | |
CN105850114B (zh) | 用于图像的逆色调映射的方法 | |
CN111583123A (zh) | 一种基于小波变换的融合高低频信息的图像增强算法 | |
CN103942769B (zh) | 一种卫星遥感影像融合方法 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN108419061A (zh) | 基于多光谱的图像融合设备、方法及图像传感器 | |
CN112991288B (zh) | 基于丰度图像锐化重构的高光谱遥感图像融合方法 | |
CN101359399B (zh) | 光学图像去云方法 | |
CN116152120B (zh) | 一种融合高低频特征信息的低光图像增强方法及装置 | |
Silverman | Signal-processing algorithms for display and enhancement of IR images | |
CN112184591A (zh) | 一种基于深度学习图像摩尔纹消除的图像复原方法 | |
CN112712467A (zh) | 基于计算机视觉与色彩滤波阵列的图像处理方法 | |
CN109345481A (zh) | 一种用于航天光学遥感图像的量子优化方法 | |
CN109961408A (zh) | 基于nsct和块匹配滤波的光子计数图像去噪算法 | |
CN101957983A (zh) | 一种数字影像的匀光方法 | |
CN112104847A (zh) | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 | |
CN116188305A (zh) | 基于加权引导滤波的多光谱图像重建方法 | |
CN106375675B (zh) | 一种航空相机多曝光图像融合方法 | |
Polzehl et al. | Adaptive smoothing of digital images: The R package adimpro | |
CN104217412A (zh) | 一种机载超分辨率图像重建装置及重建方法 | |
Kulkarni | Wavelet transform applications | |
CN109785281A (zh) | 基于光谱映射的灰度调幅的pansharpening方法 | |
Matasaru | Mobile phone camera possibilities for spectral imaging | |
CN116309116A (zh) | 一种基于raw图像的低弱光图像增强方法与装置 | |
CN115294001A (zh) | 一种改进ihs与小波变换的夜光遥感影像融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110126 |