CN102314673A - 一种自适应图像增强方法 - Google Patents

Abstract

一种自适应图像增强方法。属于数字图像处理技术领域。自适应图像增强方法包括：根据图像的灰度级范围，设定阈值；若小于阈值则进行自动色阶增强；若大于阈值则进行基于直方图均衡及反均衡变换的方法增强。自适应图像增强方法不仅可以增强低对比度图像，还可以增强部分偏暗和部分偏亮图像，鲁棒性强，且增强之后的图像具有更好的视觉效果。

Description

一种自适应图像增强方法

技术领域

本发明涉及一种自适应图像增强方法。属于数字图像处理技术领域。 

背景技术

图像增强主要是增强图像的亮度以及对比度，突出所需要的信息。图像增强是改善图像质量和视觉效果的重要手段，为图像的后续处理和视频跟踪等提供了良好的条件。随着多媒体数字视频技术的迅速发展，图像增强已经成为一个重要的问题。 

目前图像增强方法比较多，主要包括空域法和频域法。空域法主要包括灰度变换、直方图均衡化、拉普拉斯锐化等；频域法主要包括同态滤波、小波变换等。这些方法的具体介绍如下： 

(1)灰度变换。灰度变换是将原始图像f(x，y)中的灰度r映射成增强图像g(x，y)中的灰度s，使得图像灰度的动态范围得以扩展或压缩，从而增强图像对比度。常用的灰度变换有：线性变换，分段线性变换和非线性变换，其中常用的非线性变换有指数变换、对数变换以及指数和对数的组合变换。 

(2)直方图均衡化。直方图均衡化实质是对图像中像素数多的灰度级进行拓宽，而对像素数少的灰度级进行缩减，从而达到调节图像亮度和对比度的目的。输出图像的概率密度函数累积等于输入图像的概率密度函数累积，且输出图像的概率密度函数保持均匀分布。 

(3)拉普拉斯锐化。拉普拉斯算子是一种微分算子，它可增强图像边缘信息，即灰度值突变的区域。拉普拉斯锐化是图像锐化处理的最直接最简单的处理方法，可以增强图像的边缘，使模糊图像更加清晰。 

(4)同态滤波。同态滤波方法是利用图像的光照特性，减少光照不均匀对图像产生的影响。同态滤波根据照度-反射度模型理论，将图像看成是照度和反射度两部分的乘积。先将图像变换到频域，再利用照度-反射度模型进行处理，并通过灰度范围的扩展和压缩来改进图像的视觉效果。根据其高通滤波函数的不同可以将同态滤波分为高斯型同态滤波、巴特沃斯型同态滤波和指数型同态滤波。 

(5)小波变换。小波变换可以将信号分解成一系列具有不同的分辨率、频率特性和方向特性的子带信号。小波变换对二维图像使用一个高通滤波器和一个低通滤波器，在不同尺度上进行小波分解，将分解后的低频分量通过小波合成得到增强图像。 

在对这些增强方法的研究和实践过程中发现：这些方法都具有一定的局限性，不具有鲁棒性。灰度变换法虽然简单，但容易丢失信息；直方图均衡化对部分偏暗和偏亮的图像增强效果不好，且容易放大噪声；拉普拉斯锐化只能增强图像边缘而不能增强图像的亮度和对比度；同态滤波可以增强图像的亮度但对图像的对比度增强效果不理想；小波变换同样对图像的对比度增强效果不够理想且计算复杂，难以用于实时增强系统中。针对以上方法的局限性，本发明提出了一种自适应图像增强方法。 

发明内容

为了克服现有的图像增强方法的局限性，如对部分偏暗和偏亮的图像增强效果不理想，易放大噪声，计算复杂等不足，本发明提出了一种自适应图像增强方法，不仅可以增强低对比度图像，还可以增强部分偏暗和偏亮图像，计算简单，可以用于实时图像增强系统中。 

本发明提出了一种自适应图像增强方法，包括如下步骤： 

1、根据图像的灰度级范围，设定阈值； 

2、小于阈值则进行自动色阶增强； 

3、大于阈值则进行基于直方图均衡及反均衡变换的方法增强。 

所述小于阈值则进行自动色阶增强包括： 

a、对图像进行直方图统计，灰度级的像素个数大于20的视为有效灰度级，根据所有有效灰度级得出最大灰度级k_max和最小灰度级k_min； 

b、设原图像的各灰度级为k，k＝k_min，L k_max。将原图像的灰度级扩展到整个灰度范围，即增强图像的灰度级映射函数为 

c、设r和s分别代表原图像和增强图像的灰度值，按照灰度级映射函数，得出增强图像的各灰度值s_(i，j)＝T(r_(i，j))，其中(i，j)表示第i行j列； 

所述大于阈值则进行基于直方图均衡及反均衡变换的方法增强包括： 

a、设图像的像素总数为n，图像中出现第k级灰度的次数是n_k，灰度级总数目为l，则直方图均衡化的映射函数为： 

k＝0，1，2...l-1； 

b、反均衡变换的映射函数为： k＝0，1，2...l-1； 

c、设原图像为u，增强图像为f，基于直方图均衡及反均衡变换后的增强图像可写成：f(i，j)＝λ₁T₁(u(i，j))+λ₂T₂(u(i，j))，其中(i，j)为图像的第i行j列，λ₁、λ₂为调节系数。 

本发明的有益效果是：自适应图像增强方法可以通过灰度级范围自动选择增强方法，当对比度比较低时采用自动色阶增强，很好的增强图像的对比度，同时可以有效抑制噪声；当图像的亮度不均匀时，即出现部分偏暗和偏亮的情况，则采用基于直方图均衡及反均衡变换的方法增强图像，可以很好的增强图像的亮度和对比度，而不会出现饱和现象和过增强现象。该方法计算简单，运 行速度快，稳定可靠，可以用于实时视频增强系统中。 

附图说明

为了更清楚地说明本发明方法和现有的技术方法，下面将对该方法和现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅为本发明的一些实施例。 

图1是本发明自适应图像增强方法的流程图，也为摘要附图； 

图2是低对比度图像及其增强图像；其中2a原始图像，2b线性变换结果图，2c直方图均衡化结果图，2d拉普拉斯锐化结果图，2e同态滤波结果图，2f小波变换结果图，2g本发明处理结果图。 

图3是部分偏暗和偏亮图像及其增强图像；其中3a原始图像，3b线性变换结果图，3c直方图均衡化结果图，3d拉普拉斯锐化结果图，3e同态滤波结果图，3f小波变换结果图，3g本发明处理结果图。 

具体实施方式

下面结合附图对本发明作进一步说明： 

本发明的流程图如图1所示，包括步骤：1根据图像的灰度级范 围，设定阈值；2对于小于阈值的进行自动色阶增强；3对于大于阈值的进行基于直方图均衡及反均衡变换的方法增强。 

每个步骤具体如下： 

步骤1：根据图像的灰度级范围，设定阈值 

所有图像根据其灰度级范围可分为低对比度图像和高对比度图像，其中高对比度图像又包括双峰图像，即部分偏暗和偏亮图像。设定合适的阈值k_d，灰度级的像素个数大于20视为有效灰度级，根据有效灰度级得出最大灰度级k_max和最小灰度级k_min，当灰度级差k_max-k_min小于阈值k_d时，视为低对比度图像，采用自动色阶增强方法。当灰度级差k_max-k_min大于阈值k_d时，则采用基于直方图均衡及反均衡变换的方法增强。 

步骤2：对于小于阈值的进行自动色阶增强 

自动色阶增强可以在保留原图像的灰度层次的前提下，扩大灰度级范围，很好的增强图像对比度。其主要思想如下： 

a、对图像进行直方图统计，灰度级的像素个数大于20的视为有效灰度级，根据所有有效灰度级得出最大灰度级k_max和最小灰度级k_min； 

b、设原图像的各灰度级为k，k＝k_min，L k_max。将原图像的灰度级扩展到整个灰度范围，即增强图像的灰度级映射函数为 

$T\left(k\right)=\frac{k\×255}{k_{\max }-k_{\min }}-\frac{k_{\min }\×255}{k_{\max }-k_{\min }};$

c、设r和s分别代表原图像和增强图像的灰度值，按照灰度级映射函数，得出增强图像的各灰度值s_(i，j)＝T(r_(i，j))，其中(i，j)表示第 i行j列； 

步骤3：对于大于阈值的进行基于直方图均衡及反均衡变换的方法增强 

a、设图像的像素总数为n，图像中出现第k级灰度的次数是n_k，灰度级总数目为l，则直方图均衡化的映射函数为： 

k＝0，1，2...l-1； 

b、反均衡变换的映射函数为： 

k＝0，1，2...l-1； 

c、设原图像为u，增强图像为f，基于直方图均衡及反均衡变换后的增强图像可写成：f(i，j)＝λ₁T₁(u(i，j))+λ₂T₂(u(i，j))，其中(i，j)为图像的第i行j列，λ₁、λ₂为调节系数。 

Claims (1)

1.一种自适应图像增强方法，其特征在于该方法包括如下步骤：

第一步骤：根据图像的灰度级范围，设定阈值；

第二步骤：小于阈值则进行自动色阶增强；

第三步骤：大于阈值则进行基于直方图均衡及反均衡变换的方法增强；

所述第一步骤：根据图像的灰度级范围设定阈值的具体方法是：所有图像根据其灰度级范围可分为低对比度图像和高对比度图像，其中高对比度图像又包括双峰图像，即部分偏暗和偏亮图像，设定阈值k_d，灰度级的像素个数大于20视为有效灰度级，根据有效灰度级得出最大灰度级k_max和最小灰度级k_min，当灰度级差k_max-k_min小于阈值k_d时，视为低对比度图像，采用自动色阶增强方法；当灰度级差k_max-k_min大于阈值k_d时，则采用基于直方图均衡及反均衡变换的方法增强；

所述第二步骤：小于阈值则进行自动色阶增强的方法包括：

a、对图像进行直方图统计，灰度级的像素个数大于20的视为有效灰度级，根据所有有效灰度级得出最大灰度级k_max和最小灰度级k_min；

b、设原图像的各灰度级为k，k＝k_min，L k_max。将原图像的灰度级扩展到整个灰度范围，即增强图像的灰度级映射函数为 $T\left(k\right)=\frac{k\×255}{k_{\max }-k_{\min }}-\frac{k_{\min }\×255}{k_{\max }-k_{\min }};$

c、设r和s分别代表原图像和增强图像的灰度值，按照灰度级映射函数，得出增强图像的各灰度值s_(i，j)＝T(r_(i，j))，其中(i，j)表示第i行j列。

所述第三步骤：大于阈值则进行基于直方图均衡及反均衡变换的方法增强；

a、设图像的像素总数为n，图像中出现第k级灰度的次数是n_k，灰度级总数目为l，则直方图均衡化的映射函数为：

k＝0，1，2...l-1；

b、反均衡变换的映射函数为：

k＝0，1，2...l-1；

c、设原图像为u，增强图像为f，基于直方图均衡及反均衡变换后的增强图像可写成：f(i，j)＝λ₁T₁(u(i，j))+λ₂T₂(u(i，j))，其中(i，j)为图像的第i行j列，λ₁、λ₂为调节系数。

Images