CN102800061A - 高照度下数字图像快速自适应最佳化方法 - Google Patents

Abstract

一种高照度下数字图像快速自适应最佳化方法，包括下列步骤：(一)选择高照度下获得的数字图像为源图像，获取源图像每个像素点红、绿、蓝三种分量的色度值，作出红、绿、蓝三种分量的色度谱，并计算自适应最佳化的关键参量：源图像的平均亮度；(二)生成源图像的标准化图像；(三)对标准化图像进行快速最佳化，得到最佳化图像。本发明的有益效果是：不需要经过多次扫描就能根据原始图像的平均亮度，自适应地实现高照度数字图像的最佳化，极大的节约了处理时间，实现对数字图像质量最佳化的实时处理，有效应用于视频处理领域。

Description

高照度下数字图像快速自适应最佳化方法

技术领域

本发明属于图像处理技术领域，是利用修改的Zadeh-X变换方法自适应地快速获得高照度图像的质量最佳化数字图像的方法。

背景技术

图像平均亮度AL＞127.5的图像称为高亮度图像，来源于景物(成像对象)的高照度。图像亮度越高，人眼的对比度分辨率越低，图像的视觉质量越差。本发明人之前提出了一种获取质量最好彩色图像的方法(专利号：ZL200910190834.2)，能够通过扫描Zadeh-X变换的变换参数Delta的值以获取彩色图像质量评价函数NCAF的最大值，来获得原始彩色图像对应的质量最佳质量图像。但是该方法需要逐个改变Zadeh-X变换的变换参数Delta的值来实现，耗时长，不利于彩色图像的实时处理，不能用于视频领域。

发明内容

本发明的目的是提供一种能快速地、自适应地实现高照度数字图像最佳化的方法。

为达到本发明的目的，本发明提出一种高照度下数字图像快速自适应最佳化方法，其关键在于包括下列步骤：

步骤1：选择高照度下获得的数字图像为源图像S，获取源图像S每个像素点的红、绿、蓝三种分量的色度值R(x，y)、G(x，y)、B(x，y)，作出红、绿、蓝三种分量的色度谱，并计算每个像素点的亮度值L(x，y)，得到源图像S的平均亮度AL；

色度谱可以按照中国专利《用于底层图像挖掘的图像灰度/色度信息的高分辨检测方法》(专利号：200610054324.9)中的方法进行，使用该方法获取色度谱，可以得到具有一个色度级的高分辨率的色度谱，更有利于步骤2中边界值的确定。

源图像S的平均亮度AL通过下式计算得到：

$\mathrm{AL}=\frac{1}{M\×N}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}L(x,y)$

其中，L(x，y)是源图像S像素点(x，y)的亮度值，M、N是源图像S在X、Y方向上的像素数。

像素点(x，y)的亮度值L(x，y)可以通过该像素点(x，y)红、绿、蓝三种分量的色度值R(x，y)、G(x，y)、B(x，y)根据下式计算得到：

$L(x,y)=\frac{1}{\sqrt{3}}(\sqrt{R^2(x.y)+G^2(x,y)+B^2(x,y)}$

式中，

为定义域约束常数，使L(x，y)在[0，255]内变化。

本发明处理的是高照度下获取的数字图像，因此AL＞127.5。图像特异参量AL是图像自适应最佳化的关键参量。

步骤2：生成源图像S的标准化图像B，标准化图像B可通过以下方法获得：

(1)分别搜索源图像S红、绿、蓝三种分量色度谱的左边界值Leftr、Leftg、Leftb和右边界值Rightr、Rightg、Rightb，取Leftr、Leftg、Leftb中的最大值设定为Left，取Rightr、Rightg、Rightb中最小值设定为Right；

(2)确定Zadeh-X变换的变换参数Theta和Delta：

Theta＝Left；

Delta＝Right-Left；

(3)对源图像S的红、绿、蓝三分量分别进行Zadeh-X变换，生成变换后的数字图像为标准化图像B；

所述Zadeh-X变换方法如下：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}$

约束条件为：

$T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示源图像S像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255。

标准化图像B相对于源图像S而言，亮度和对比度都得到了提高，从人眼的视觉效果来看，质量得到了改善。

步骤3：对标准化图像B进行快速最佳化，得到最佳化图像Z；

快速最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}+\mathrm{Theta}$

在修改的Zadeh-X变换中，两个变换参数Delta和Theta分别取值为：

Delta＝5×(255-AL)^0.811

Theta＝255

这样修改的Zadeh-X变换为：

$T(k,x,y)=k\frac{O(x,y)-255}{5\&times;{(255-\mathrm{AL})}^{0.811}}+255$

约束条件为： $T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后最佳化图像Z像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255；AL为源图像S的平均亮度。

本发明在步骤3快速最佳化过程中选取的Delta是在研究高照度下数字图像的特点后，经过大量的试验总结而得到，在实际应用中，不需要手动扫描，只需经过一次变换就能自适应的实现高亮度图像质量的最佳化。图像质量最佳化的自适应变换是本发明的关键，自适应的基础是原始图像的平均亮度，而平均亮度又是图像特异的。

灰度图像的红、绿、蓝三分量的色度值都是相同的，得到的三种分量的色度谱也是相同的，我们可以认为它是一种特殊的彩色图像。灰度图像的亮度即灰度。在标准化过程中，可以采用上述的标准化变换方法对该灰度图像的灰度值进行变换，即，首先得到灰度谱，然后将灰度谱的左边界值Left赋值给Theta，将灰度谱右边界值Right与左边界值Left的差，即Right-Left，赋值给Delta，然后通过Zadeh-X变换，就可以得到灰度图像的标准化图像。在最佳化过程中，直接对标准化灰度图像的灰度进行修改的Zadeh-X变换，就可以实现灰度图像的质量最佳化。

本发明的显著效果是：利用Zadeh-X变换方法，经过两个主要的步骤，即标准化和快速最佳化，经过一次流程运算，就可以得到高照度数字图像的最佳化图像。本发明不需要经过多次扫描就能自适应地实现高照度数字图像的最佳化，极大的节约了处理时间，实现对数字图像质量最佳化的实时处理，有效应用于视频处理领域。

附图说明

图1本发明的流程图；

图2(a)是实施例1中的源图像，图2(b)是图2(a)的最佳化图像；

图3(a)是实施例2中的源图像，图3(b)是图3(a)的最佳化图像。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

实施例1：

如图1所示的流程：一种高照度下数字图像快速自适应最佳化方法，包括下列步骤：

步骤1：选择高照度下获得的数字图像图2(a)为源图像S，获取源图像S每个像素点的红、绿、蓝三种分量的色度值R(x，y)、G(x，y)、B(x，y)，按照中国专利《用于底层图像挖掘的图像灰度/色度信息的高分辨检测方法》(专利号：200610054324.9)中的方法，作出红、绿、蓝三种分量的色度谱，并计算每个像素点的亮度值L(x，y)，得到源图像S的平均亮度AL＝140.1861；

步骤2：生成源图像S的标准化图像B，标准化图像B可通过以下方法获得：

(1)分别搜索源图像S红、绿、蓝三种分量色度谱的左边界值Leftr、Leftg、Leftb和右边界值Rightr、Rightg、Rightb，取Leftr、Leftg、Leftb中的最大值设定为Left，取Rightr、Rightg、Rightb中最小值设定为Right；

(2)确定Zadeh-X变换的变换参数Theta和Delta：

Theta＝Left；

Delta＝Right-Left；

(3)对源图像S的红、绿、蓝三分量分别进行Zadeh-X变换，生成变换后的数字图像为标准化图像B；

所述Zadeh-X变换方法如下：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}$

约束条件为：

$T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示源图像S像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255。

步骤3：对标准化图像B进行快速最佳化，得到图2(b)所示的最佳化图像Z；

快速最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}+\mathrm{Theta}$

在修改的Zadeh-X变换中，两个变换参数Delta和Theta分别取值为：

Delta＝5×AL^0.811

Theta＝255

即Zadeh-X变换变为：

$T(k,x,y)=k\frac{O(x,y)-255}{5\&times;{(255-\mathrm{AL})}^{0.811}}+255$

约束条件为： $T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后最佳化图像Z像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255；AL为源图像S的平均亮度。

图2(b)所示的最佳化图像的平均亮度为133.3247，相比图2(a)的平均亮度140.1861，图2(b)的平均亮度更接近127.5的最适合人类视觉的平均亮度，从人眼的视觉效果来看，图像质量更好。

实施例2：

本实施例与实施例1的步骤大致相同，其不同之处在于：本实施例的源图像S如图3(a)所示，计算出的平均亮度为141.6062；最后得到的最佳化图像如图3(b)所示，平均亮度为130.4181，更接近127.5的最适合人类视觉的平均亮度，从人的视觉效果来看，质量也更好。

Claims (1)

1.一种高照度下数字图像快速自适应最佳化方法，其特征在于包括下列步骤：

步骤1：选择高照度下获得的数字图像为源图像S，获取源图像S每个像素点的红、绿、蓝三种分量的色度值R(x，y)、G(x，y)、B(x，y)，作出红、绿、蓝三种分量的色度谱，并计算每个像素点的亮度值L(x，y)，得到源图像S的平均亮度AL；

步骤2：生成源图像S的标准化图像B，标准化图像B可通过以下方法获得：

(1)分别搜索源图像S红、绿、蓝三种分量色度谱的左边界值Leftr、Leftg、Leftb和右边界值Rightr、Rightg、Rightb，取Leftr、Leftg、Leftb中的最大值设定为Left，取Rightr、Rightg、Rightb中最小值设定为Right；

(2)确定Zadeh-X变换的变换参数Theta和Delta：

Theta＝Left；

Delta＝Right-Left；

(3)对源图像S的红、绿、蓝三分量分别进行Zadeh-X变换，生成变换后的数字图像为标准化图像B；

所述Zadeh-X变换方法如下：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}$

约束条件为：

$T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示源图像S像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255；

步骤3：对标准化图像B进行快速最佳化，得到最佳化图像Z；

快速最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T(k,x,y)=k\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}+\mathrm{Theta}$

在修改的Zadeh-X变换中，两个变换参数Delta和Theta分别取值为：

Delta＝5×(255-AL)^0.811

Theta＝255

即修改的Zadeh-X变换为：

$T(k,x,y)=k\frac{O(x,y)-255}{5\&times;{(255-\mathrm{AL})}^{0.811}}+255$

约束条件为： $T(k,x,y)=\left\{\begin{array}{cc}k,& T(k,x,y)>k\\ 0,& T(k,x,y)<0\end{array}\right.$

上式中，O(x，y)表示标准化图像B像素点(x，y)的红、绿、蓝三种分量的色度值；T(k，x，y)表示变换后最佳化图像Z像素点(x，y)的红、绿、蓝三种分量的色度值；k＝255；AL为源图像S的平均亮度。

Images