CN102496152B - 一种基于直方图的自适应图像对比度增强方法 - Google Patents

Abstract

本发明公开了一种基于直方图的自适应图像对比度增强方法，通过收缩直方图、遍历直方图上连续数个灰度阶对应的像素点个数总和，以判断图像灰度阶是否集中，对于灰度阶集中的图像，即大于总数门限的图像不进行对比度增强操作，避免增强后图像质量变换，然后根据收缩后的直方图得到的最小灰度阶、最大灰度阶以及灰度均值进行变换得到最小关键灰度阶、中值关键灰度阶、最大关键灰度阶，最后基于最小关键灰度阶、中值关键灰度阶、最大关键灰度阶对最小灰度阶、灰度均值和最大灰度阶划分出的四个空间构建空间映射关系，得到图像对比度增强的查找表，依据该表对输入图像进行图像对比度增强。这样图像对比度增强依据图像直方图分布情况，自适应调节映射关系，避免了图像对比度得过度增强。

Description

一种基于直方图的自适应图像对比度增强方法

技术领域

本发明属于视频图像增强处理技术领域，更为具体地讲，涉及一种基于直方图的自适应图像对比度增强方法。

背景技术

图像对比度增强是数字图像处理领域中的一个重要技术之一，通过调节图像灰度级的分布，可以增加各个像素之间的视觉距离，使模糊的目标容易辨识，提高图像的观看质量。

图像对比度增强的方法主要有两大类：空间域法和频率域法。空间方法主要是在空域直接对图像的灰度进行处理；频域方法是在图像的某种变换域内，对图像的变换系数值进行某种修正，然后通过逆变换获得增强图像。频域方法属于间接增强的方法，低通滤波、同态图像增强均属于此类。空间增强属于直接增强的方法，该类算法又可以分为全局直方图均衡算法、局部邻域对比度增强和改进直方图增强算法等。

然后，目前的图像对比度增强方法都不同程度上存在对图像过度增强的问题，增强效果不是很理想。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于直方图的自适应图像对比度增强方法，以避免图像过度增强，影响图像质量的问题。

为实现上述目的，本发明基于直方图的自适应图像对比度增强方法，其特征在于，包括以下步骤：

(1)、进行图像直方图统计，遍历整个输入图像，统计每个灰度阶上像素点个数；

(2)、收缩直方图，设定最小、最大灰度阶门限，从灰度0阶向上搜索第一个大于最小灰度阶门限的灰度阶作为输入图像的最小灰度阶，从图像的最高灰度阶向下搜索第一个小于最大灰度阶门限的灰度阶作为输入图像的最大灰度阶；

分别对小于最小灰度阶和大于最大灰度阶的所有灰阶进行截取，并将截取掉的灰度阶对应的像素点个数分别加到最小和最大灰度阶上；

(3)、判断输入图像是否需要进行对比度增强操作，遍历直方图上连续数个灰度阶对应的像素点个数的总和，并与预先设置的一总数门限进行比较，如果有总和大于总数门限的，则输入图像不做对比度增强，如果没有，则进行步骤(4)；

(4)、对需要做对比度增强的图像，将输入图像的最小灰度阶、灰度均值和最大灰度阶进行变换，获得三个新的关键灰度阶，即最小关键灰度阶、中值关键灰度阶以及最大关键灰度阶；

最小关键灰度阶的变换为：

Min_vale＝gray_low        gray_low<＝Th_low

Min_vale＝gray_low/2+Th_low/2        其他

其中，Min_vale为最小关键灰度阶，gray_low为最小灰度阶，Th_low为低变换门限值，为图像最高灰度阶gray_image的1/11～1/8；

中值关键灰度阶的变换为：

当aver<＝gray_image/2时为：

middle_vale＝gray_image/2×(2×aver/gray_image)^0.75

当gray_image/2<aver<＝gray_image×3/4时为：

middle_vale＝gray_image/2+(aver-gray_image/2)²/(gray_image/4)

当gray_image×3/4<aver时为：

middle_vale＝aver

其中，middle_vale为中值关键灰度阶，aver为灰度均值；

最大关键灰度阶的变换为：

在最大灰度阶小于1/2图像最高灰度阶时，其值略微大于最大灰度阶；在最大灰度阶大于1/2图像最高灰度阶、小于3/4图像最高灰度阶时，其值也略微大于最大灰度阶；在最大灰度阶大于3/4图像最高灰度阶时，等于最大灰度阶；并在最大灰度阶等于1/2、3/4图像最高灰度阶时等于最大灰度阶，且整个变换保持连续；

(5)、基于最小关键灰度阶、中值关键灰度阶以及最大关键灰度阶构建空间映射关系：

当i<gray_low时      currt_hist[i]＝i；

当gray_low≤i≤aver时

currt_hist[i]＝Min_vale+(middle_vale-Min_vale)*(i-gray_low)/(aver-gray_low)；

当aver<i≤gray_high时

currt_hist[i]＝middle_vale+(Max_vale-middle_vale)*(i-aver)/(gray_high-aver)；

当gray_high<i时

currt_hist[i]＝gray_high；

其中，i为输入图像像素点的灰度阶，gray_high为最大灰度阶，currt_hist为图像对比度增强的查找表，输入图像的每个像素根据其灰度阶在查找表中就可以找到对比度增强后的灰度阶，得到对比度增强的图像。

本发明的发明目的是这样实现的：

本发明基于直方图的自适应图像对比度增强方法，通过收缩直方图、遍历直方图上连续数个灰度阶对应的像素点个数总和，以判断图像灰度阶是否集中，对于灰度阶集中的图像，即大于总数门限的图像不进行对比度增强操作，避免增强后图像质量变换，然后根据收缩后的直方图得到的最小灰度阶、最大灰度阶以及灰度均值进行变换得到最小关键灰度阶、中值关键灰度阶、最大关键灰度阶，最后基于最小关键灰度阶、中值关键灰度阶、最大关键灰度阶对最小灰度阶、灰度均值和最大灰度阶划分出的四个空间构建空间映射关系，得到图像对比度增强的查找表，依据该表对输入图像进行图像对比度增强。这样图像对比度增强依据图像直方图分布情况，自适应调节映射关系，避免了图像对比度得过度增强。

附图说明

图1是基于直方图的自适应图像对比度增强方法的

图2是图像直方图一具体实例；

图3是图2所示图像高灰度阶部分的放大图，灰度逐渐逐步变高即变亮；

图4是极端输入图像对比度增强前后的图像及直方图对照图；

图5是最大关键灰度阶变换曲线图；

图6是中值关键灰度阶变换曲线图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图像对比度的增强方法，除了要考虑一般灰度分布的图像，还要考虑一些极端图像，比如图像所占灰度级个数非常少时，通过判断就不对这类图像进行增强，避免过度增强图像，反而有失图像增强的宗旨。

图1是本发明基于直方图的自适应图像对比度增强方法流程图。

本发明基于直方图的自适应图像对比度增强方法第一步统计输入图像的直方图分布。图2是图像直方图一具体实例，如图2所示，横坐标表示图像灰度阶，纵坐标表示这幅图像中每个灰度等阶在图像中所占像素点个数。

第二步收缩直方图。图3是图2所示图像高灰度阶部分的放大图，从图3中可以看到，高灰度阶部分的像素总量很少，如果根据直方图统计输入图像的最大灰度阶最小灰度阶，最大灰度阶在230以上，对后续的直方图变换影响很大，图像对比度增强的效果不明显；同理，有些直方图在小灰度阶上分布很少，统计出的最小灰度阶过小也会影响图像对比度增强的效果，所以这一步进行直方图收缩操作。具体实现方法为：对直方图进行截取，设置两个门限，即最小、最大灰度阶门限，其值根据实验经验获得，从灰度0阶向上搜索第一个大于最小灰度阶门限的灰度阶作为输入图像的最小灰度阶gray_low；同理，图像的最高灰度阶gray_image，具体来讲如果，图像像素灰度值为8位，即图像的最高灰度阶gray_image为255、图像像素灰度值为10位，即图像的最高灰度阶gray_image为1023向下搜索第一个大于最大灰度阶门限的灰度阶作为输入图像的最大灰度阶gray_high。如图3所示，第一个小于最大灰度阶门限的为227，因此，最大灰度阶gray_high＝227。由于最小、最大灰度阶门限的存在，可能使两个存在细微差异的连续图像获得的最大、最小值会存在较大的差距，最后会使对比度增强后的图像存在明显的亮度差异，所以对连续图像，当前图像与上一场图像的平均亮度不发生太大变化，将当前图像的最大灰度阶、最小灰度阶与上一场图像的最大灰度阶、最小灰度阶做加权平均获得一个比较稳定的最值输出，即当前图像的最大灰度阶、最小灰度阶考虑上一场图像的最大灰度阶、最小灰度阶，做一些修正，防止增强后图像亮度发生闪烁。如果当前图像与上一场图像的平均亮度差异比较大，那么当前图像统计得到的最大灰度阶、最小灰度阶不与上一场图像的最大灰度阶、最小灰度阶进行加权处理。

直方图收缩后需要对直方图的前后两端进行收拢处理：1、对小于最小灰度阶gray_low所有灰阶进行截取，并将截取掉的灰度阶对应的像素点个数加到最小灰度阶gray_low上，即对小于最小灰度阶gray_low的所有像素灰度阶对应的像素点赋值为0，并累加小于等于最小灰度阶gray_low所有灰度阶的像素点个数作为最小灰度阶gray_low在直方图上的值；同理，2、对大于最大灰度阶gray_high所有灰阶进行截取，并将截取掉的灰度阶对应的像素点个数加到最大灰度阶gray_high上，即对大于最大灰度阶gray_high的所有像素灰度阶对应的像素点赋值为0，并累加所有大于等于最大灰度阶gray_high的灰度阶像素点个数作为最大灰度阶gray_high在直方图上的值。

第三步判断是否进行对比度增强：对于一些极端输入图像，比如图像灰度阶很集中并且只占据少量灰度阶，这类图像进行直方图均衡化增强后极大地改变了输入图像的原貌，而且会出现增强过度的情况，最后还不如不做图像增强，如图4所示，输入图像经过对比度增强后图像变地非常糟糕，且灰度明显提高。所以通过统计直方图判断是否需要对输入图像进行对比度增强。方法是：设置一个总数门限amount_Th，该总数门限可以根据实验经验获得，遍历直方图上连续数个，比如8个灰度阶上的像素点个数的总和，如果这个总和大于总数门限amount_Th，那么则认为该图像灰度阶集中，就不对该图像进行对比度增强操作。

第四步为关键灰度阶变换：根据得到的直方图可以获得输入图像的最大、最小灰度阶和灰度均值gray_high、gray_low、aver，为了增加图像的对比度和可观赏性，对比度增强后的图像应该比输入图像在暗的地方更暗，亮的地方更亮。所以设计了映射函数曲线，将得到的三个关键参数根据分布区间映射到一组新值，关键灰度阶Max_vale、Min_vale、middle_vale。

为了更好的增强图像对比度，图像输入的最大灰度阶gray_high变换后得到的Max_vale不能比原始值小，同时也不能变大太多，否则容易引起图像增强过度。因此，在最大灰度阶小于1/2图像最高灰度阶时，其值略微大于最大灰度阶；在最大灰度阶大于1/2图像最高灰度阶、小于3/4图像最高灰度阶时，其值也略微大于最大灰度阶；在最大灰度阶大于3/4图像最高灰度阶时，等于最大灰度阶；并在最大灰度阶等于1/2、3/4图像最高灰度阶时等于最大灰度阶，且整个变换保持连续；

在本实施例中，以10位图像，即图像最高灰度阶gray_image＝1023为例，最大关键灰度阶Max_vale的具体变换公式如下：

$\begin{array}{cc}\mathrm{Max}\_\mathrm{vale}=512*\sqrt{\mathrm{gray}\_\mathrm{high}/512}& \mathrm{gray}\_\mathrm{high}<=512\end{array}$

$\begin{array}{cc}\mathrm{Max}\_\mathrm{vale}=512+256*\sqrt{\mathrm{gray}\_\mathrm{high}/512/256}& \mathrm{gray}\_\mathrm{high}<=768\end{array}$

Max_vale＝gray_high  其他

其变换曲线如图5所示。

对于，一般情况，则：

当gray_high<＝gray_image/2时为：

$\mathrm{Max}\_\mathrm{vale}=1/2\&times;\mathrm{gray}\_\mathrm{image}\&times;\sqrt{2\&times;\mathrm{gray}\_\mathrm{high}/\mathrm{gray}\_\mathrm{image}}$

当gray_image/2<gray_high<＝3/4×gray_image时为：

$\mathrm{Max}\_\mathrm{vale}=1/2\mathrm{gray}\_\mathrm{image}+1/4\&times;\mathrm{gray}\_\mathrm{image}\&times;\sqrt{(\mathrm{gray}\_\mathrm{high}-1/2\&times;\mathrm{gray}\_\mathrm{image})/1/4\&times;\mathrm{gray}\_\mathrm{image}}$

当3/4×gray_image<gray_high时为：

Max_vale＝gray_high

由于输入图像的最小灰度阶gray_low一般很接近灰度0阶，所以变换前后的值变化不大，所以最小灰度阶的变换比较简单，最小关键灰度阶Min_vale的变换为：

Min_vale＝gray_low         gray_low<＝120

Min_vale＝gray_low/2+60     其他

在本实施中，低变换门限值Th_low取值为120。

在本实施例中，中值关键灰度阶的变换为：

middle_vale＝512×(aver/512)^0.75         aver<＝512

middle_vale＝512+(aver-512)²/256          aver<＝768

middle_vale＝aver          其他；

其变换曲线如图6所示。

第五步，基于最小关键灰度阶、中值关键灰度阶以及最大关键灰度阶构建空间映射关系：

当i<gray_low时         currt_hist[i]＝i；

当gray_low≤i≤aver时

currt_hist[i]＝Min_vale+(middle_vale-Min_vale)*(i-gray_low)/(aver-gray_low)；

当aver<i≤gray_high时

currt_hist[i]＝middle_vale+(Max_vale-middle_vale)*(i-aver)/(gray_high-aver)；

当gray_high<i时

currt_hist[i]＝gray_high；

其中，i为输入图像像素点的灰度阶，gray_high为最大灰度阶，currt_hist为图像对比度增强的查找表，输入图像的每个像素根据其灰度阶在查找表中就可以找到对比度增强后的灰度阶，得到对比度增强的图像。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，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 (2)

1.一种基于直方图的自适应图像对比度增强方法，其特征在于，包括以下步骤：

(1)、进行图像直方图统计，遍历整个输入图像，统计每个灰度阶上像素点个数；

(2)、收缩直方图，设定最小、最大灰度阶门限，从灰度0阶向上搜索第一个大于最小灰度阶门限的灰度阶作为输入图像的最小灰度阶，从图像的最高灰度阶向下搜索第一个小于最大灰度阶门限的灰度阶作为输入图像的最大灰度阶；

分别对小于最小灰度阶和大于最大灰度阶的所有灰阶进行截取，并将截取掉的灰度阶对应的像素点个数分别加到最小和最大灰度阶上；

(3)、判断输入图像是否需要进行对比度增强操作，遍历直方图上连续数个灰度阶对应的像素点个数的总和，并与预先设置的一总数门限进行比较，如果有总和大于总数门限的，则输入图像不做对比度增强，如果没有，则进行步骤(4)；

(4)、对需要做对比度增强的图像，将输入图像的最小灰度阶、灰度均值和最大灰度阶进行变换，获得三个新的关键灰度阶，即最小关键灰度阶、中值关键灰度阶以及最大关键灰度阶；

最小关键灰度阶的变换为：

Min_vale＝gray_low gray_low<＝Th_low

Min_vale＝gray_low/2+Th_low/2          其他

其中，Min_vale为最小关键灰度阶，gray_low为最小灰度阶，Th_low为低变换门限值，为图像最高灰度阶gray_image的1/11～1/8；

中值关键灰度阶的变换为：

当aver<＝gray_image/2时为：

middle_vale＝gray_image/2×(2×aver/gray_image)^0.75

当gray_image/2<aver<＝gray_image×3/4时为：

middle_vale＝gray_image/2+(aver-gray_image/2)²/(gray_image/4)

当gray_image×3/4<aver时为：

middle_vale＝aver

其中，middle_vale为中值关键灰度阶，aver为灰度均值；

最大关键灰度阶的变换为：

当gray_high<＝gray_image/2时为：

$\mathrm{Max}\_\mathrm{vale}=1/2\&times;\mathrm{gray}\_\mathrm{image}\&times;\sqrt{2\&times;\mathrm{gray}\_\mathrm{high}/\mathrm{gray}\_\mathrm{image}}$

当gray_image/2<gray_high<＝3/4×gray_image时为：

$\mathrm{Max}\_\mathrm{vale}=1/2\mathrm{gray}\_\mathrm{image}+1/4\&times;\mathrm{gray}\_\mathrm{image}\&times;\sqrt{(\mathrm{gray}\_\mathrm{high}-1/2\&times;\mathrm{gray}\_\mathrm{image})/1/4\&times;\mathrm{gray}\_\mathrm{image}}$

当3/4×gray_image<gray_high时为：

Max_vale＝gray_high

其中，Max_vale为最大关键灰度阶；

(5)、基于最小关键灰度阶、中值关键灰度阶以及最大关键灰度阶构建空间映射关系：

当i<gray_low时      currt_hist[i]＝i；

当gray_low≤i≤aver时

currt_hist[i]＝Min_vale+(middle_vale-Min_vale)*(i-gray_low)/(aver-gray_low)；

当aver<i≤gray_high时

currt_hist[i]＝middle_vale+(Max_vale-middle_vale)*(i-aver)/(gray_high-aver)；

当gray_high<i时

currt_hist[i]＝gray_high；

其中，i为输入图像像素点的灰度阶，gray_high为最大灰度阶，currt_hist为图像对比度增强的查找表，输入图像的每个像素根据其灰度阶在查找表中就可以找到对比度增强后的灰度阶，得到对比度增强的图像。

2.根据权利要求1所述的基于直方图的自适应图像对比度增强方法，其特征在于，所述的步骤(2)中，得到的最小灰度阶、最大灰度阶还有进行以下处理：

当前图像与上一场图像的平均亮度不发生太大变化，将当前图像的最大灰度阶、最小灰度阶与上一场图像的最大灰度阶、最小灰度阶做加权平均；如果当前图像与上一场图像的平均亮度差异比较大，那么当前图像统计得到的最大灰度阶、最小灰度阶不与上一场图像的最大灰度阶、最小灰度阶进行加权处理。