CN102376082A - 基于伽马校正的图像处理方法和装置 - Google Patents

Abstract

提供一种图像处理方法和装置。该方法包括：获得步骤，基于图像获得该图像在亮度空间中的像素数分布；划分步骤，将亮度空间划分为至少三个亮度区间；分析步骤，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；伽马系数确定步骤，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及伽马校正步骤，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

Description

基于伽马校正的图像处理方法和装置

技术领域

本发明一般地涉及图像处理，具体地，涉及图像和视频的图像增强的方法和装置。

背景技术

不同的光照情况处处可见：室内、室外、办公室、会议室、超市等等。不良的光照情况、例如偏暗、偏亮、两极化(polarized)情况(例如，人物偏暗而背景偏亮的背光情况以及人物偏亮而背景偏暗的情况)等可能导致图像或者视频的对比度低、动态范围窄以及出现噪声。因此，需要对各种不良的光照情况进行图像增强以使得图像的亮度情况趋于正常。

当前，各类图像增强技术正被研究和应用，例如：直方图均衡化，局部直方图均衡化，直方图匹配，平滑，锐化，伽马校正等，然而每种方法都有各自的局限性，仅适用于某些特定的应用场景。

美国专利申请公开号US2007/0092136A1(2007年4月26日公开的Zhaoet al.“Methods and Systems for Automatic Digital Image Enhancement”，其全部内容被引用附于此)提出了一种数字图像对比度增强的方法。首先，其对图像做直方图分析；其次，如果图像包含充分的亮的像素和少量的暗的像素则视为“正常图像”而跳过增强；第三，它对含有大量很暗像素的图像则视为“暗图像”而扩大暗像素的亮度而压缩其他像素；第四，它对于含有大量中等的像素且含有少量很亮和少量很暗像素的图像则视为“中等图像”而增加中等像素的亮度而扩大很暗像素的亮度并压缩很亮像素的亮度；第五，它对于含有大量很亮和大量很暗像素的“两极化图像”只增强暗像素而不修改亮像素。

在该专利申请中，对于光照类型的划分，它没有划分出含有很多亮像素的亮图像的情况，因此，其划分方式与人眼的视觉感觉不够吻合。对于光照情况的判断，其简单地使用像素个数占总像素数的比率来判定，例如，它定义如果较高亮度的3个bin(bin指的是在亮度空间上均等划分的亮度区间)中包含的像素数目多于所有像素数目的40％，就判定该图像的光照情况属于正常光照类型，这导致判定的结果不够准确。而且在光照情况的判断中，它使用的比率是固定的经验值，不能针对每个不同的图像而自适应地改变，因此，其判断的结果对某些图像来说可能是错误的。对于亮度变换，它在整个亮度空间上混合使用分段线性变换和伽马校正。对于伽马系数，其采用实验给定的固定值，例如对于暗的图像它推荐伽马系数为0.6，不能针对每个不同的图像而自适应地改变。

美国专利申请公开号US20090141151A1(2009年6月4日公开的Park etal.“Dynamic Range Enhancement Method and Apparatus”，其全部内容被引用附于此)提出了一种动态范围增强的方法和装置。它对图像的亮度信息分别各做一次伽马校正和反伽马校正产生两个图像：伽马校正的图像和反伽马校正的图像；它比较两幅校正后的图像对应各点的变化情况；它通过加权和叠加两幅校正后的图像以扩大原图像的动态范围。

该专利申请不区分图像的光照情况，它总是同时对图像进行伽马校正和反伽马校正，然后通过加权和叠加两幅校正后的图像得到增强的图像。

美国专利号US5473373(Hwung et al.“Digital Gamma Correction Systemfor Low，Medium and High Intensity Video Signal，with Linear and Non-linearCoreection”，其全部内容被引用附于此)提出了一个数字伽马校正系统，使用线性和非线性变换来处理低、中、高强度的视频信号。对于低强度和高强度的电子信号进行线性校正；对于中强度的电子型号进行可调节的非线性校正。

该专利使用信号强度来区分电子信号的级别是低、中、还是高。对于不同的级别采用不同的伽马。对于低级别，其使用低伽马，即Yl＝k*Xl；对于高级别，其使用高伽马，即Yh＝d*k*Xh+b。实际上，低伽马和高伽马都是线性校正，不是真正的伽马校正；对于中级别，它使用了一个真正的伽马校正Ym＝G*k*Xm^0.45-C，这里伽马系数是固定值0.45(其中，Xl、Xh、Xm是变换前的低亮度值、高亮度值和中等亮度值，且Yl、Yh、Ym是变换后的低亮度值、高亮度值和中等亮度值，而k、b、d、G、C为常数)。

然而，上述传统技术的图像增强的效果是有局限性的，它们不能针对具体图像的亮度特点自适应地、且很准确地划分与视觉感觉对应的光照类型，从而不能针对不同的光照类型有效地进行适应性图像增强。

发明内容

因此，需要一种自适应地、且准确地划分光照类型，且针对不同的光照类型有效地进行适应性图像增强的图像处理方法和装置。

根据本申请的一个方面，提供一种图像处理方法，包括：获得步骤，基于图像获得该图像在亮度空间中的像素数分布；划分步骤，将亮度空间划分为至少三个亮度区间；分析步骤，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；伽马系数确定步骤，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及伽马校正步骤，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

根据本申请的另一方面，提供一种图像处理装置，包括：获得部件，基于图像获得该图像在亮度空间中的像素数分布；划分部件，将亮度空间划分为至少三个亮度区间；分析部件，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；伽马系数确定部件，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及伽马校正部件，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

所述图像的光照类型可以包括：暗的光照类型、亮的光照类型、两极化的光照类型或者正常的光照类型。

所述分析部件可以：将所述至少三个亮度区间分别并入低亮度区域、中等亮度区域和高亮度区域中，其中，将其中低亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_L，将其中高亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_R，将其中中等亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_mid，通过N_L、N_R、N_mid的关系来确定所述图像的光照类型。

当N_R＝0，N_L≠0时，可以确定所述图像的光照类型为暗的光照类型，当N_L＝0，N_R≠0时，可以确定所述图像的光照类型为亮的光照类型，当N_L≠0且N_R≠0且N_mid＝0时，可以确定所述图像的光照类型为两极化的光照类型，否则，则可以确定所述图像的光照类型为正常的光照类型。

所述预定阈值可以与总像素数和亮度区间的个数和各个亮度区间的大小相关。

所述伽马系数确定部件可以：对于暗的光照类型，使用一个伽马，且伽马系数小于1；对于亮的光照类型，使用一个伽马，且伽马系数大于1；对于两极化的光照类型，使用两个伽马系数，其中一个伽马系数小于1，另一个伽马系数大于1；对于正常的光照类型，不进行伽马校正。

所述伽马系数确定部件可以：对于暗的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数，该暗的伽马系数对应的伽马校正的定义域为整个亮度空间；对于亮的光照类型，基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数，该亮的伽马系数对应的伽马校正的定义域为整个亮度空间；以及对于两极化的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数；基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数；最后，通过将低亮度加权值和高亮度加权值中的一个除以将低亮度加权值和高亮度加权值相加而得到的和，来得到暗的伽马系数对应的伽马校正的定义域和亮的伽马系数对应的伽马校正的定义域之间的分界位置。

可以根据不同的伽马系数构建多个查找表，使用查找表来加速伽马校正。

在伽马校正之后，可以对图像进行局部对比度增强。

通过本申请提供的图像处理方法和装置，可以自适应地、且准确地划分光照类型，从而针对不同的光照类型有效地进行适应性图像增强。

附图说明

图1是说明根据本发明一个实施例的图像处理方法的整体流程图；

图2(a)-2(g)是说明根据本发明一个实施例的确定图像光照模式的示意图；

图3(a)-3(f)是说明根据本发明一个实施例的确定图像光照类型的示意图；

图4(a)-4(d)是说明根据本发明一个实施例的计算伽马个数，伽马系数和伽马定义域的示意图；

图5是说明根据本发明一个实施例的示例的局部对比度增强处理的流程图；

图6是说明根据本发明一个实施例的图像处理装置的方块图；以及

图7是根据本发明一个实施例的可以实践本发明的示例性计算机系统。

具体实施方式

为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。

图1是说明根据本发明一个实施例的图像处理方法100的整体流程图。

如图1所示，图像处理方法100可以包括获得步骤110，基于图像获得该图像在亮度空间中的像素数分布；划分步骤120，将亮度空间划分为至少三个亮度区间；分析步骤130，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；伽马系数确定步骤140，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及伽马校正步骤150，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。下面对各步骤进行具体说明。

在步骤S110中，可以基于图像获得该图像在亮度空间中的像素数分布。例如，可以基于灰度图像的各像素的亮度大小来得到在亮度空间中的像素数分布，例如横轴为亮度轴且纵轴为像素数轴的直方图。对于彩色图像，可以根据应用的类型将彩色图像转换到适合的颜色空间并得到其亮度图像。应用的类型是指不同目标的应用；对于人脸检测，其使用图像增强的目标是提高人脸的检测精度；对于人脸识别，其使用图像增强的目标是提高人脸的识别精度；对于视觉质量提升，其使用图像增强的目标是提高图像和视频帧的视觉质量。对于人脸检测，可以将彩色图像转换到Luv/Lab颜色空间，得到L通道的图像；对于人脸识别，可以将彩色图像转换为灰度图像，得到灰度图像；对于视觉质量提升，可以将彩色图像转换到HSV(Hue-Saturation-Value(色度-饱和度-纯度))颜色空间，得到V通道的图像。如此，可以基于彩色图像的亮度通道的图像来得到在亮度空间中的像素数分布，例如直方图。当然，除此之外，还存在本领域技术人员已知的用于基于图像获得该图像在亮度空间中的像素数分布的其他方法。

在步骤S120中，可以将亮度空间划分为至少三个亮度区间。该至少三个亮度区间可以是均等的，也可以不是均等的。根据一个实施例，可以基于直方图，将亮度轴划分为至少三个均等的bin(一种亮度区间)，例如5个bin。

在步骤S130，可以针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型。

所述图像的光照类型可以、但不限于包括：暗的光照类型、亮的光照类型、两极化的光照类型或者正常的光照类型。所述预定阈值可以与总像素数和亮度区间的个数和各个亮度区间的大小相关。在一个实施例中，对应于一个亮度区间的预定阈值可以例如是总像素数除以各个亮度区间的总大小再乘以该亮度区间的大小而得到的值。具体地，在各个亮度区间是均等(例如，均等的bin)的情况下，对应于每个亮度区间的该预定阈值可以例如是总像素数除以亮度区间的个数而得到的平均值。在各个亮度区间是不均等的情况下，则对应于一个亮度区间的预定阈值可以例如是总像素数除以各个亮度区间的总大小再乘以该亮度区间的大小而得到的值。

在一个实施例中，可以将所述至少三个亮度区间分别并入低亮度区域、中等亮度区域和高亮度区域中，其中，将其中低亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_L，将其中高亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_R，将其中中等亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_mid，可以通过N_L、N_R、N_mid的关系来确定所述图像的光照类型。在一个实施例中，当N_R＝0，N_L≠0时，可以确定所述图像的光照类型为暗的光照类型，当N_L＝0，N_R≠0时，可以确定所述图像的光照类型为亮的光照类型，当N_L≠0且N_R≠0且N_mid＝0时，可以确定所述图像的光照类型为两极化的光照类型，否则，则确定所述图像的光照类型为正常的光照类型。

下面以bin的数量为5为例，参考图2和3来具体地说明上述步骤S120和步骤S130的示例实施例。图2(a)-2(g)是说明根据本发明一个实施例的确定图像光照模式的示意图。

图2(a)表示一幅图像。图2(b)表示该图像在亮度空间中的像素数的分布情况(此处，是以直方图的形式呈现的)。图2(c)表示将像素数分布分成五个亮度区间(此处，是直方图的五个均等的bin)，可以计算每个亮度区间中的像素数量得到每个bin的V_bin。为了便于计算而不是限制，使用例如公式2.1和2.2来归一化得到每个bin的归一化的像素数V_nor和多个bin的归一化的像素数平均值V_avg。其中，I_width和I_height是图像的像素宽和像素高，它们的乘积指示了总像素数。而Bin_Num指的是直方图中bin的数量。

$V_{\mathrm{nor}}=\frac{V_{\mathrm{bin}}}{I_{\mathrm{width}}\×I_{\mathrm{height}}}---\left(2.1\right)$

$V_{\mathrm{avg}}=\frac{1}{\mathrm{Bin}\_\mathrm{Num}}---\left(2.2\right)$

为了更直观地且更好理解地描述光照类型的确定步骤，而不是限制，可以利用例如bin的光照模式的概念来定义针对每个亮度区间的比较步骤的比较结果。可以根据以下公式2.3计算每个bin的光照模式。图2(d)表示最左边bin的光照模式是‘1’，因为其归一化的bin的像素数大于归一化后的像素数平均值。而左边第二个bin的光照模式是“0”，因为其归一化的bin的像素数小于归一化后的像素数平均值。图2(e)表示所有的5个bin的光照模式。

$\mathrm{Bin}\_P=\left\{\begin{array}{c}1_{\&prime;}^{\&prime;},V_{\mathrm{nor}}\&GreaterEqual;V_{\mathrm{avg}}\\ 0_{\&prime;}^{\&prime;},V_{\mathrm{nor}}<V_{\mathrm{avg}}\end{array}\right.---\left(2.3\right)$

其中Bin_P是bin的光照模式。

以从最暗bin、到暗bin、到正常bin、到亮bin、到最亮bin的顺序合并多个bin的光照模式，从而得到图像的光照模式。得到的图像模式可以是例如“11000”、“11100”、11001”、“10001”、“00011”、“00001”等等。例如，图2(f)表示一幅图像和其计算得到的光照模式；图2(g)表示另一幅图像和其计算得到的光照模式。除了“1”和“0”以外，也可以使用“+”、“-”等其他符号来表示光照模式。

当然，本领域技术人员知道，得到每个bin的光照模式和图像的光照模式的步骤仅是为了示例和直观，便于技术人员理解、测试和调试，并非实现本发明所必须的步骤。

为了将至少三个亮度区间分别并入低亮度区域、中等亮度区域和高亮度区域中，在一个实施例中，可以但不限于使用如下方法。该方法首先得到用于计算图像光照模式的多个bin的数目N_bin。N_bin可能是奇数，也可能是偶数。奇数是指bin的数目N_bin是3、5、7、9等；偶数是指bin的数目N_bin是4、6、8、10等。

如果N_bin是奇数，使用以下公式3.1计算N_p。N_p是指低亮度区域或高亮度区域中的bin的数目(也就是说，在该实施例中，为了便于计算，低亮度区域和高亮度区域的大小相同，但是实际上，两者可以不同)。例如，如果N_bin是5，那么计算得到的N_p是5/2并向下取整，得到2。

也就是说，在本实施例中，通过以上方法将5个bin分别并入了左边2个bin的低亮度区域、中间1个bin的中等亮度区域和右边2个bin的高亮度区域。显然，这种并入低亮度区域、中等亮度区域和高亮度区域的方法不只一种，本领域技术人员还可以使用已知的其他方法。

图3(a)-3(f)是说明根据本发明一个实施例的确定图像光照类型的示意图。

首先，处理左边(即，低亮度区域中的)N_p个bin，图3(a)表示5个bin中左边(即，低亮度区域中的)的N_p(在本例中，是2)个bin。通过以下公式3.2和3.3计算得到在低亮度区域中的bin的模式是‘1’的bin的个数N_L(其中，N_L相当于低亮度区域中其像素数大于预定阈值的亮度区间的区间数)。

$N_L=\underset{i=1}{\overset{N_p}{\mathrm{\&Sigma;}}}C\_{\mathrm{Bin}}_i---\left(3.2\right)$

$C\_{\mathrm{Bin}}_i\left\{\begin{array}{c}1,{\mathrm{Bin}}_i=1_{\&prime;}^{\&prime;}\\ 0,{\mathrm{Bin}}_i=0_{\&prime;}^{\&prime;}\end{array}\right.---\left(3.3\right)$

其次，处理右边(即，高亮度区域中的)N_p个bin，图3(b)表示5个bin中右边的(即，高亮度区域中的)N_p(在本例中是2)个bin。通过以下公式3.4和上述公式3.3计算得到在高亮度区域中bin的模式是‘1’的bin的个数N_R(其中，N_R相当于高亮度区域中其像素数大于预定阈值的亮度区间的区间数)。

$N_R=\underset{i=N_{\mathrm{bin}}}{\overset{N_{\mathrm{bin}}-N_p+1}{\mathrm{\&Sigma;}}}C\_{\mathrm{Bin}}_i---\left(3.4\right)$

最后，处理中间的(即，中等亮度区域中的)N_bin-2N_p个bin，图3(c)表示5个bin中中间的(即，中等亮度区域中的)N_bin-2N_p(在本例中，是1)个bin。通过以下公式3.5和上述公式3.3计算得到在中等亮度区域中的bin的模式是‘1’的bin的个数N_mid(其中，N_mid相当于中等亮度区域中其像素数大于预定阈值的亮度区间的区间数)。

$N_{\mathrm{mid}}=\underset{i=N_p+1}{\overset{N_{\mathrm{bin}}-N_p}{\mathrm{\&Sigma;}}}C\_{\mathrm{Bin}}_i---\left(3.5\right)$

图3(d)表示一幅图像的光照模式是“10011”。基于上述的计算，可得到左边、右边和中间的bin的模式是‘1’的bin的个数分别是N_L＝1，N_R＝2，N_mid＝0。

如果使用的bin的个数N_bin是偶数。则使用以下公式3.6计算N_p。例如，如果N_bin是6，那么计算得到的N_p是(6-1)/2并向下取整得到2。

bin的个数N_bin是偶数的情况下，其他的处理步骤与bin的个数是奇数的完全相同。

当计算得到N_L，N_R，N_mid后，图像的光照类型可以通过如下的步骤进行确定：

如果N_L，N_R，N_mid满足公式3.7，那么图像属于暗的光照类型。

N_R＝0，N_L≠0             (3.7)

如果N_L，N_R，N_mid满足公式3.8，那么图像属于亮的光照类型。

N_L＝0，N_R≠0             (3.8)

如果N_L，N_R，N_mid满足公式3.9，那么图像属于两极化的光照类型。

N_L≠0∩N_R≠0∩N_mid＝0    (3.9)

否则，图像属于正常的光照类型。

在根据本发明的该具体实施例中，以bin的数量是5为例，先计算得到图像的光照模式，然后就可计算得到其所属的光照类型。例如对于光照模式“11000”，“10000”，“11100”、“01100”、“01000”、“10100”等，它们属于暗的光照类型；对于光照模式“00111”，“00011”，“00001”、“00010”、“00110”“00101”等，它们属于亮的光照类型；对于光照模式“10001”，“11001”，“10011”、“11011”、“01010”、“01011”、“11010”等，它们属于两极化的光照类型；对于光照模式“01110”，“01100”，“00110”、“00100”等，它们属于正常的光照类型。图3(e)表示一幅图的光照模式是“10000”，其属于暗的光照类型；图3(f)表示一幅图的光照模式是“10001”，其属于两极化的光照类型。显然地，确定光照类型的结果和人的视觉判定是一致的。

当然，在实际应用中，为了节省比较的步骤，也可以一旦在低亮度区域(或高亮度区域)中得到至少一个亮度区间的光照模式是“1”，也就是说，在比较的过程中，只要在低亮度区域(或高亮度区域)中出现一个亮度区间的像素数大于预定阈值，即可判断N_L≠0(或N_R≠0)，而不需要继续针对该亮度区域中的剩余亮度区间进行比较。因此，虽然在上述实施例中举例说明了针对每个亮度区间进行比较的过程，但是，实际上在某些情况下，可以仅针对所有亮度区间中的一些亮度区间进行像素数与预定阈值的比较就可以判断图像的光照类型。显然，这种方案也在本发明的保护范围内。

返回参考图1，在步骤S140中，可以基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域。

首先结合图4(a)和4(b)来说明伽马校正的含义。

在本发明中，伽马(gamma)意指伽马校正，简称伽马。在最简单的情况下，它可定义为如下的幂律表达式，详见公式4.1。

V_out＝255×(V_in/255)^γ    (4.1)

其中，V_in是输入值，V_out是经过伽马校正的输出值，其中γ是伽马系数，255表示亮度空间的大小。

总的来讲，有两类伽马系数。一类系数被定义为公式4.2；另一类被定义为公式4.3。

γ＞1    (4.2)

γ＜1    (4.3)

图4(a)示意性地示出仅使用一个伽马(γ＜1)的情况，伽马的定义域是[0，255]，横轴是输入的像素亮度值，而纵轴是输出的像素亮度值。可见，在这种情况下，像素的亮度被适当地提高了。对于使用一个伽马的情况，计算一个伽马系数。

图4(b)表示同时使用两个伽马的情况，第一个伽马的系数小于1，第二个伽马的系数大于1。第一个伽马的定义域是[0，A]，第二个伽马的定义域是[A，255]。对于使用两个伽马的情况，计算A的值和两个伽马系数。

以下详细说明根据本发明的一个实施例的伽马系数及其定义域的确定例子，对于暗的光照类型，使用一个伽马γ_dark，伽马系数γ_dark小于1。

$y=A\&times;{\left(\frac{x}{A}\right)}^{{\mathrm{\&gamma;}}_{\mathrm{dark}}},{\mathrm{\&gamma;}}_{\mathrm{dark}}<1---\left(4.4\right)$

这里x属于[0，A]，A＝255，即γ_dark定义域为整个亮度空间，且y是伽马校正后的亮度。

对于亮的光照类型，使用一个伽马γ_bright，伽马系数γ_bright大于1。

$y=A\&times;{\left(\frac{x}{A}\right)}^{{\mathrm{\&gamma;}}_{\mathrm{bright}}},{\mathrm{\&gamma;}}_{\mathrm{bright}}>1---(4.5)$

这里x属于[0，A]，A＝255，即γ_bright的定义域是整个亮度空间，且y是伽马校正后的亮度。

对于两极化的光照类型，使用两个伽马。其中，暗的伽马系数γ_dark小于1，亮的伽马系数γ_bright大于1。

$y=A\&times;{\left(\frac{x}{A}\right)}^{{\mathrm{\&gamma;}}_{\mathrm{dark}}},{\mathrm{\&gamma;}}_{\mathrm{dark}}<1---(4.6)$

这里x属于[0，A]，A≠0，A∈[0，255]，即两个伽马系数的定义域的分界位置是A，且y是伽马校正后的亮度。

$y=A+(255-A)\&times;{\left(\frac{x-A}{255-A}\right)}^{{\mathrm{\&gamma;}}_{\mathrm{bright}}},{\mathrm{\&gamma;}}_{\mathrm{bright}}>1---(4.7)$

这里x属于[A，255]，A≠255，A∈[0，255]，即两个伽马系数的定义域的分界位置是A，且y是伽马校正后的亮度。

对于正常的光照类型，可以不做增强处理。

至于伽马系数和伽马系数的定义域的确定，可以采用：对于暗的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数，该暗的伽马系数对应的伽马校正的定义域为整个亮度空间；对于亮的光照类型，基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数，该亮的伽马系数对应的伽马校正的定义域为整个亮度空间；以及对于两极化的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数；基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数；最后，通过将低亮度加权值和高亮度加权值中的一个除以将低亮度加权值和高亮度加权值相加而得到的和，来得到暗的伽马系数对应的伽马校正的定义域和亮的伽马系数对应的伽马校正的定义域之间的分界位置。

下面参考图4(c)和图4(d)来说明分别对于不同的光照类型进行伽马系数和伽马定义域的计算的一个具体实施例。

对于暗的光照类型，可以设定但不限制伽马系数γ_dark的变化范围为例如从0.1到0.9。可以处理左边的N_p个bin，计算左边N_p个bin中每个bin的所有像素的亮度的均值和所有像素的亮度的中位数。

考虑到不同位置的bin对于伽马系数计算的影响不同，可以对于不同的bin使用不同的加权系数。这些加权系数，可以根据bin的位置、bin值以及bin内像素的亮度的均值和bin内像素的亮度的中位数进行计算。

首先，可以使用公式4-8来计算参数k_dark。

$k_{\mathrm{dark}}=\mathrm{\&alpha;}\&times;V_{\mathrm{nor}\_1}+\mathrm{\&beta;}\&times;V_{\mathrm{nor}\_2}+...+\mathrm{\&mu;}\&times;V_{\mathrm{nor}\_N_p}---\left(4.8\right)$

其中，α、β、......μ表示左边的每个bin的权值，且V_{nor_1}、V_{nor_2}、......V_{nor_Np}等表示左边的每个bin中的像素数(一般是归一化的)。

图4(c)使用5个bin作为示例来表示左边的bin采用不同的权值α和β。对于每一个bin，使用其bin内所有像素的亮度的均值(例如，每个像素的平均亮度，即bin内所有像素的亮度值相加后除以bin内像素的个数)和其bin内所有像素的亮度的中位数(例如，对于bin内所有像素按照亮度值的大小进行排序，得到的处于中间位置的那个像素的亮度)来描述其bin内像素的亮度的总体分布情况。

其次，使用公式4.9、4.10和4.11来计算不同bin的权值。

$\mathrm{\&alpha;}=1.2\&times;\frac{N_p-i+1}{N_p}\&times;(1-\frac{M_i-{\mathrm{Avg}}_i}{(255/N_{\mathrm{bin}})\&times;i}),i=1---\left(4.9\right)$

N_bin表示bin的个数，N_p是指低亮度区域的bin的数目，i表示该bin从左边数起是第几号bin。i＝1表示目前的要计算的bin是左边起第1号bin。那么，Avg₁表示左边第1号bin中所有像素的亮度平均值。M₁表示左边起第1号bin中所有像素的亮度的中位数。

$\mathrm{\&beta;}=1.2\&times;\frac{N_p-i+1}{N_p}\&times;(1-\frac{M_i-{\mathrm{Avg}}_i}{(255/N_{\mathrm{bin}})\&times;i}),i=2---\left(4.10\right)$

N_bin表示bin的个数，N_p是指低亮度区域的bin的数目，i表示该bin从左边数起是第几号bin。i＝2表示目前的要计算的bin是左边起第2号bin。那么，Avg₂表示左边第2个bin中所有像素的亮度平均值。M₂表示左边起第2个bin中所有像素的亮度的中位数。

...

$\mathrm{\&mu;}=1.2\&times;\frac{N_p-i+1}{N_p}\&times;(1-\frac{M_i-{\mathrm{Avg}}_i}{(255/N_{\mathrm{bin}})\&times;i}),i=N_p---\left(4.11\right)$

N_bin表示bin的个数，N_p是指低亮度区域的bin的数目，i表示该bin从左边数起是第几号bin。i＝N_p表示目前的要计算的bin是左边起第N_p号bin。那么，Avg_Np表示左边第N_p个bin中所有像素的亮度平均值。M_Np表示左边起第N_p个bin中所有像素的亮度的中位数。

最后，使用公式4.12来计算针对暗的光照类型的伽马系数γ_dark

γ_dark＝ak_dark+b    (4.12)

其中，a和b均为常数。

根据暗的光照类型下，伽马系数的最小值可以是0.1，最大值可以是0.9，考虑暗的光照类型的光照模式的极限情况。例如，对于使用5个bin来分析光照模式，极限情况分别是“10000”和“01000”，可以通过在“10000”的情况下代入伽马系数0.1来得到上述a和b的一个方程式，并在“01000”的情况下代入伽马系数0.9来得到上述a和b的另一方程式，如此可以得到上述a和b的值。也就是说，考虑极限情况下的bin的像素数、bin内像素的亮度均值和bin内像素的亮度的中位数，对于使用不同bin的数目来描述光照模式的情况，对应的a和b均可以被计算出来。由此，针对暗的光照类型的伽马系数γ_dark可以被计算出来。

对于亮的光照类型，可以设定但不限制伽马系数γ_bright的变化范围为例如从1.1到8。处理右边的N_p个bin，计算右边N_p个bin中每个bin的所有像素的亮度均值和bin内像素的中位数所对应的亮度。

考虑到不同位置的bin对于伽马系数计算的影响不同，对于不同的bin使用不同的权值。这些权值，需要根据bin的位置、bin的像素数以及bin内像素的亮度均值和bin内像素的中位数的亮度来进行计算。

首先，使用公式4-13计算参数k_bright。

$k_{\mathrm{bright}}=\mathrm{\&alpha;}\&times;V_{\mathrm{nor}\_N_{\mathrm{bin}}}+\mathrm{\&beta;}\&times;V_{\mathrm{nor}\_N_{\mathrm{bin}}-1}+...+\mathrm{\&mu;}\&times;V_{\mathrm{nor}\_{N_{\mathrm{bin}}-N}_p+1}---\left(4.13\right)$

其中，α、β、......μ表示右边的每个bin的权值，且V_{nor_Nbin}、V_{nor_Nbin-1}、......V_{nor_Nbin-Np+1}等表示右边的每个bin中的像素数(一般是归一化的)。

图4(d)使用5个bin作为示例来表示右边不同的bin采用不同的权值α和β。对于每一个bin，使用其bin内所有像素的亮度均值和bin内像素的中位数的亮度来描述其像素的总体分布情况。

其次，使用公式4.14、4.15和4.16来计算不同bin的权值。

$\mathrm{\&alpha;}=1.2\&times;(1-\frac{M_{N_{\mathrm{bin}}}-{\mathrm{Avg}}_{N_{\mathrm{bin}}}}{255/N_{\mathrm{bin}}})---\left(4.14\right)$

$\mathrm{\&beta;}=1.2\&times;\frac{N_p-j+1}{N_p}\&times;(1-\frac{M_j-{\mathrm{Avg}}_j}{(255/N_{\mathrm{bin}})\&times;(N_{\mathrm{bin}}-j+1)}),j=2---\left(4.15\right)$

N_bin表示bin的个数，N_p是指高亮度区域的bin的数目，j表示该bin从右边数起是第几号bin。j＝2表示目前的要计算的bin是右边起第2号bin。那么，Avg₂表示右边第2号bin中所有像素的亮度平均值。M₂表示右边起第2号bin中所有像素的亮度的中位数。

$\mathrm{\&mu;}=1.2\&times;\frac{N_p-j+1}{N_p}\&times;(1-\frac{M_j-{\mathrm{Avg}}_j}{(255/N_{\mathrm{bin}})\&times;(N_{\mathrm{bin}}-j+1)}),j=N_p---\left(4.16\right)$

N_bin表示bin的个数，N_p是指高亮度区域的bin的数目，j表示该bin从右边数起是第几号bin。j＝N_p表示目前的要计算的bin是右边起第N_p号bin。那么，Avg_Np表示右边第N_p个bin中所有像素的亮度平均值。M_Np表示右边起第N_p个bin中所有像素的亮度的中位数。

最后，使用公式4.17来计算针对亮的光照类型的伽马系数γ_bright。

γ_bright＝ck_bright+d    (4.17)

其中，c和d均为常数。

根据亮的光照类型下，伽马系数的最小值可以是1.1，最大值可以是8，考虑亮的光照类型的光照模式的极限情况。例如，对于使用5个bin来分析光照模式，极限情况分别是“00010”和“00001”。可以通过在“00010”的情况下代入伽马系数1.1来得到上述c和d的一个方程式，并在“00001”的情况下代入伽马系数8来得到上述c和d的另一方程式，如此可以得到上述c和d的值。也就是说，考虑bin的像素数、bin内的所有像素的亮度均指和bin内所有像素的亮度的中位数的极限情况，对于使用不同bin的数目来描述光照模式的情况，对应的c和d均可以被计算出来。

对于两极化的光照类型，需要计算两个伽马系数。使用与暗的光照类型和亮的关照类型相同的计算方法可计算得到参数k_dark，参数k_bright，暗伽马系数γ_dark，亮伽马系数γ_brtght。具体步骤在上面已经描述了，在此不再赘述。

使用公式4.18计算定义域的分界位置A。

$A=\frac{k_{\mathrm{dark}}}{k_{\mathrm{dark}}+k_{\mathrm{bright}}}\&times;255---\left(4.18\right)$

当然，该公式不是穷举，而是可以用其他公式来计算定义域的分界位置。

本领域技术人员可以理解，上述计算伽马系数和定义域的公式可以根据具体情况而变化。

在步骤S150中，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

根据另一实施例，在进行伽马校正之前，还可以采用以下公式5.1和5.2根据不同的应用类型来微调伽马系数。

γ_final＝ω×γ    (5.1)

为实现伽马校正的加速，针对不同的伽马系数，可以创建与之对应的LUT(查找表)，使用查找表的方式来完成对亮度图像的伽马校正。

在步骤S150之后，还可以进行步骤S160(未示出)，来计算亮度图像的局部变化图像，完成局部对比图增强。

通常，在完成图像的伽马校正后，图像的局部对比度会减弱。原因在于伽马变换是非线性变化，非线性变换本身会导致局部变化的减弱。如果伽马小于1，那么暗的像素比亮的像素使用了更大的增强系数；如果伽马大于1，那么亮的像素比暗的像素使用了更大的减弱系数。为增强伽马校正后图像的局部对比度，可以使用局部对比度增强算法，详见图5。

图5是进行示例的局部对比度增强的流程图。在步骤S161，获取单个通道的图像数据，例如亮度图像。在步骤S162，使用高斯核或其他核做二维卷积得到平均图像。在步骤S163，使用公式6.1计算局部变化图像。

$I_{\mathrm{diff}}=\frac{I_{x,y}-I_{\mathrm{avg}}}{255}---\left(6.1\right)$

这里I_x，y和I_avg分别是原始图像和其低通滤波的平均图像。I_avg可使用高斯核进行二维卷积得到。I_diff是原始图像I_x，y和平均图像I_avg的局部变化图像。局部变化图像中各个像素点的值可能是正的、也可能是负的，表示了该像素相较于其周围像素是更亮些、还是更暗些。

I_diff的幅值，即绝对值，决定了图像的局部对比度。大的幅值表明局部对比度强，小的表明局部对比度弱。因此，增加局部变化图像各个像素的幅值，即可增加图像的局部对比度。

在步骤S164，计算局部变化图像的增强的幅值。它通过使用幂律运算来增强I_diff的幅值，详见公式6.2。

$\left|I_{\mathrm{diff},\mathrm{en}}\right|={\left|I_{\mathrm{diff}}\right|}^{\mathrm{\&beta;}}---\left(6.2\right)$

β是可调的，通常取β＜1，默认值可采用0.75。

在步骤S165，计算增强的局部变化图像。基于结果|I_diff，en|和I_diff的正负号，计算得到增强的局部变化图像I_diff，en，详见公式6.3。

I_diff，en＝|I_diff，en|·sign(I_diff)    (6.3)

这里，符号运行sign(.)定义为：

$\mathrm{sign}\left(I_{\mathrm{diff}}\right)=\left\{\begin{array}{cc}+& I_{\mathrm{diff}}>0\\ 0& I_{\mathrm{diff}}=0\\ -& I_{\mathrm{diff}}<0\end{array}\right.---\left(6.4\right)$

在步骤S166，计算增强的图像。将增强的局部变化图像I_diff，en和平均图像I_avg进行叠加运算，得到增强的图像。详见公式6.5。

$I_{\mathrm{en}}=\frac{I_{\mathrm{diff},\mathrm{en}}+I_{\mathrm{avg}}}{\underset{\&ForAll;\mathrm{pixel}}{\max }(I_{\mathrm{diff},\mathrm{en}}+I_{\mathrm{avg}})}---\left(6.5\right)$

这里(I_diff，en+I_avg)的最大值用来归一化处理(I_diff，en+I_avg)，因为(I_diff，en+I_avg)有可能是大于1的。

在步骤S167，线性比例拉伸增强的图像到[0，255]，详见公式6.6。

$I_{\mathrm{en}}=\frac{(I_{\mathrm{en}}-\mathrm{dMin})}{\mathrm{dMax}-\mathrm{dMin}}\&times;255---\left(6.6\right)$

这里dMin是增强图像I_en的最小值，dMax是增强图像I_en的最大值。

在步骤S168，输出增强的图像。

显然，图像局部对比度增强的步骤是可选的，可以实现更好的图像增强效果，但不是本发明所必须的。

图6是说明根据本发明一个实施例的图像处理装置600的方块图。

图像处理装置600包括：获得部件601，基于图像获得该图像在亮度空间中的像素数分布；划分部件602，将亮度空间划分为至少三个亮度区间；分析部件603，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；伽马系数确定部件604，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及伽马校正部件605，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

所述图像的光照类型可以包括：暗的光照类型、亮的光照类型、两极化的光照类型或者正常的光照类型。

所述分析部件603可以：将所述至少三个亮度区间分别并入低亮度区域、中等亮度区域和高亮度区域中，其中，将其中低亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_L，将其中高亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_R，将其中中等亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_mid，通过N_L、N_R、N_mid的关系来确定所述图像的光照类型。

当N_R＝0，N_L≠0时，所述分析部件603可以确定所述图像的光照类型为暗的光照类型，当N_L＝0，N_R≠0时，所述分析部件603可以确定所述图像的光照类型为亮的光照类型，当N_L≠0且N_R≠0且N_mid＝0时，所述分析部件603可以确定所述图像的光照类型为两极化的光照类型，否则，则所述分析部件603可以确定所述图像的光照类型为正常的光照类型。

所述预定阈值可以与总像素数和亮度区间的个数和各个亮度区间的大小相关。

所述伽马系数确定部件604可以：对于暗的光照类型，使用一个伽马，且伽马系数小于1；对于亮的光照类型，使用一个伽马，且伽马系数大于1；对于两极化的光照类型，使用两个伽马系数，其中一个伽马系数小于1，另一个伽马系数大于1；对于正常的光照类型，不进行伽马校正。

所述伽马系数确定部件604可以：对于暗的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素的亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数，该暗的伽马系数对应的伽马校正的定义域为整个亮度空间；对于亮的光照类型，基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素的亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数，该亮的伽马系数对应的伽马校正的定义域为整个亮度空间；以及对于两极化的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素的亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数；基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素的亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数；最后，通过将低亮度加权值和高亮度加权值中的一个除以将低亮度加权值和高亮度加权值相加而得到的和，来得到暗的伽马系数对应的伽马校正的定义域和亮的伽马系数对应的伽马校正的定义域之间的分界位置。

图像处理装置600还可以根据不同的伽马系数构建多个查找表，使用查找表来加速伽马校正。

在伽马校正之后，图像处理装置600还可以对图像进行局部对比度增强。

图7是根据本发明一个实施例的可以实践本发明的示例性计算机系统。

如图7所示，计算机系统10包括主机11，键盘16，监视器17，打印机18，软盘驱动器19，网络接入器20以及硬盘驱动器21。主机11包括数据总线12，随机存储器(RAM)13，只读存储器(ROM)14，中心处理器15以及外设总线22。

根据从随机存储器13中接到的指令，中心处理器15控制输入数据的接收和处理，以及输出到监视器17或者其他外设。在本实施例中，中心处理器15的一个功能就是处理输入的图像和视频，包括基于图像获得该图像在亮度空间中的像素数分布；将亮度空间划分为至少三个亮度区间；针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

中心处理器15通过数据总线12来访问随机存储器13和只读存储器14。随机存储器13被中心处理器15用作一块可读写的内存，用来作为各个进程的工作区以及可变数据存储区。只读存储器14可以存储待处理图像和视频，增强后的图像或者视频等以及其他应用程序。

外设总线22用于访问和计算机11相连的输入，输出以及存储等外围设备。在本实施例中，这些外围设备包括监视器17，打印机18，软盘驱动器19，网络接入器20以及硬盘驱动器21。监视器17通过外设总线22来显示中心处理器15输出的数据和图像。它可以是栅格式显示设备如CRT或者是LCD显示器。打印机18把中心处理器输入的数据和图像打印到纸张或者是和纸张相似的媒介。软盘驱动器19以及硬盘驱动器21用来存储输入的图像、视频、物体检测结果、知识库等。通过软盘驱动器19，图像可以在不同计算机系统之间传递。硬盘驱动器21存储空间更大，而且访问速度更快。其他的存储设备，比如闪存，也可以用来图像供计算机系统10访问。计算机系统10通过网络接入器20在网络上发送数据和接收来自其他计算机系统的数据。用户通过键盘16输入指令给计算机系统10。

通过本申请提供的图像处理方法和装置，可以自适应地、且准确地划分光照类型，且还可以针对不同的光照类型有效地进行适应性图像增强。

本申请提供的图像处理方法和装置还可以应用于视频处理，因为视频内容也是可以由图像组成。因此，不限于仅对图像进行处理，本申请提供的图像处理方法和装置还可以应用于可以获得图像的像素和亮度的其他领域、包括视频处理、动画处理等。

注意，尽管为了直观和清晰，已经结合具体的公式描述了本公开中的一些实施例，但是这些具体公式并非唯一和穷举的，这些公式的参数和变量均可基于本发明的精神和原则在某些情况下改变。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图像处理方法，包括：

获得步骤，基于图像获得该图像在亮度空间中的像素数分布；

划分步骤，将亮度空间划分为至少三个亮度区间；

分析步骤，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；

伽马系数确定步骤，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及

伽马校正步骤，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

2.根据权利要求1所述的方法，其中，所述图像的光照类型包括：暗的光照类型、亮的光照类型、两极化的光照类型或者正常的光照类型。

3.根据权利要求2所述的方法，其中，所述分析步骤包括：将所述至少三个亮度区间分别并入低亮度区域、中等亮度区域和高亮度区域中，其中，将其中低亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_L，将其中高亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_R，将其中中等亮度区域中其像素数大于预定阈值的亮度区间的区间数设置为N_mid，通过N_L、N_R、N_mid的关系来确定所述图像的光照类型。

4.根据权利要求3所述的方法，其中，当N_R＝0，N_L≠0时，确定所述图像的光照类型为暗的光照类型，当N_L＝0，N_R≠0时，确定所述图像的光照类型为亮的光照类型，当N_L≠0且N_R≠0且N_mid＝0时，确定所述图像的光照类型为两极化的光照类型，否则，则确定所述图像的光照类型为正常的光照类型。

5.根据权利要求1所述的方法，其中，所述预定阈值与总像素数和亮度区间的个数和各个亮度区间的大小相关。

6.根据权利要求2所述的方法，其中，所述伽马系数确定步骤包括：对于暗的光照类型，使用一个伽马，且伽马系数小于1；对于亮的光照类型，使用一个伽马，且伽马系数大于1；对于两极化的光照类型，使用两个伽马系数，其中一个伽马系数小于1，另一个伽马系数大于1；对于正常的光照类型，不进行伽马校正。

7.根据权利要求6所述的方法，其中，所述伽马系数确定步骤包括：

对于暗的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数，该暗的伽马系数对应的伽马校正的定义域为整个亮度空间；

对于亮的光照类型，基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数，该亮的伽马系数对应的伽马校正的定义域为整个亮度空间；以及

对于两极化的光照类型，基于所述低亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的低亮度加权值来计算暗的伽马系数；基于所述高亮度区域中的每个亮度区间内的所有像素数、所有像素亮度的平均数和所有像素亮度的中位数来计算该每个亮度区间的权值，基于用该每个亮度区间的权值加权该每个亮度区间中的像素数而得到的高亮度加权值来计算亮的伽马系数；最后，通过将低亮度加权值和高亮度加权值中的一个除以将低亮度加权值和高亮度加权值相加而得到的和，来得到暗的伽马系数对应的伽马校正的定义域和亮的伽马系数对应的伽马校正的定义域之间的分界位置。

8.根据权利要求1所述的方法，其中，根据不同的伽马系数构建多个查找表，使用查找表来加速伽马校正。

9.根据权利要求1所述图像增强方法，其中在伽马校正步骤之后，对图像进行局部对比度增强。

10.一种图像处理装置，包括：

获得部件，基于图像获得该图像在亮度空间中的像素数分布；

划分部件，将亮度空间划分为至少三个亮度区间；

分析部件，针对图像的至少三个亮度区间中的至少一个亮度区间，将该亮度区间中包含的像素数与对应于该亮度区间的预定阈值相比较，来确定所述图像的光照类型；

伽马系数确定部件，基于所述图像的光照类型和亮度空间的像素数分布，确定所述伽马校正所需的伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域；以及

伽马校正部件，基于伽马系数的个数、各伽马系数的大小和各伽马系数对应的伽马校正的定义域，对所述图像进行伽马校正。

Images