CN102831592B

CN102831592B - 基于直方图分段变换的图像非线性增强方法

Info

Publication number: CN102831592B
Application number: CN201210282808.4A
Authority: CN
Inventors: 张鹏; 韩顺利
Original assignee: CETC 41 Institute
Current assignee: CETC 41 Institute
Priority date: 2012-08-10
Filing date: 2012-08-10
Publication date: 2015-12-16
Anticipated expiration: 2032-08-10
Also published as: CN102831592A

Abstract

本发明公开了一种基于直方图分段变换的图像非线性增强方法，其包括以下步骤：S1、计算图像灰度级的概率密度分布；S2、计算灰度级的累计概率密度函数；S3、将图像的灰度级分成三部分，第一部分灰度级范围：0～85，第二部分灰度级范围：86～170，第三部分灰度级范围：171～255；根据累计概率密度函数，分别计算三部分灰度级的灰度变换函数，即提出分段灰度级变换函数；S4、用分段灰度级变换函数对原图像的灰度级进行变换，获得新灰度级分布。本发明进一步提高图像的清晰度，避免图像过度增强，使图像视觉效果更符合人眼视觉系统。

Description

基于直方图分段变换的图像非线性增强方法

技术领域

本发明涉及图像处理技术，特别是涉及一种基于直方图分段变换的图像非线性增强方法。

背景技术

在多光谱信息融合中，红外传感器是通过目标场景的热辐射成像的，细节信息不丰富、对比度低；可见光传感器是通过目标场景的反射成像的，细节信息丰富，对比度易受光照影响。将红外与可见光图像进行融合，可以充分利用其信息的互补性，提高探测系统的探测能力。如果图像对比度低，会影响多光谱融合效果。因此，在进行多光谱融合之前，需要对低对比度的图像进行增强处理。

目前，最典型的空间域增强算法是直方图均衡化算法，它根据图像的累计直方图进行灰度调整，使其灰度分布均匀，以达到增强图像的效果。其灰度级调整策略是：使图像中灰度概率密度较大的像素向附近灰度级扩展，概率密度较小的像素的灰度级收缩，从而让出原来占有的部分灰度级，这样的处理能够拉开灰度级层次，使图像的对比度增强。该算法的具体过程如下：假设图像灰度等级的量化为8bit，则图像灰度范围为[0，255]。若一幅图像总像素为n，共分L个灰度级，n_k代表第k个灰度级r_k出现的频数，则第k灰度级出现的概率为如下式(1)：

p_{k} (r_{k}) = \frac{n_{k}}{n} 0 \leq r_{k} \leq 255, k = 0,1, . . ., L - 1 . . . (1)

此时灰度变换函数可以表示为如下式(2)：

T (r_{k}) = Σ_{i = 0}^{k} p_{i} (r_{i}) . . . (2)

则原始图像的灰度级r_k经直方图均衡化后的灰度级s为如下式(3)：

s＝255*T(r_k)……………………………(3)

直方图均衡化增强图像的方法实质是减少灰度等级以换取对比度的加大，如果被合并掉的灰度级构成的是重要细节，则直方图均衡化算法增强的图像会损失细节信息，造成图像的对比度过度增强，使处理后的图像视觉效果生硬、不够柔和，有时甚至会造成图像质量的恶化，不能满足人眼视觉特性的需求。

因此，在空间域中，对图像采取何种灰度级变换，减小细节信息损失，避免图像过度增强，使图像视觉效果更符合人眼视觉系统，已经成为亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于直方图分段变换的图像非线性增强方法，其在空间域中，采取何种灰度级变换函数，在保留零灰度级附近灰度信息的同时，进一步提高图像的清晰度，避免图像过度增强，使图像视觉效果更符合人眼视觉系统。

本发明是通过下述技术方案来解决上述技术问题的：一种基于直方图分段变换的图像非线性增强方法，其特征在于，其包括以下步骤：

S1、计算图像灰度级的概率密度分布；

S2、计算灰度级的累计概率密度函数；

S3、将图像的灰度级分成三部分，第一部分灰度级范围：0～85，第二部分灰度级范围：86～170，第三部分灰度级范围：171～255；根据累计概率密度函数，分别计算三部分灰度级的灰度变换函数，即提出分段灰度级变换函数；

S4、用分段灰度级变换函数对原图像的灰度级进行变换，获得新灰度级分布。

优选地，所述步骤S1中，若一幅图像总像素为n，共分L个灰度级，n_k代表第k个灰度级r_k出现的频数，则第k灰度级出现的概率p为如下式：

p_{k} (r_{k}) = \frac{n_{k}}{n}, 0 \leq r_{k} \leq 255, k = 0,1, . . ., L - 1 .

优选地，所述步骤S2中，计算灰度级r_k的累计概率密度函数公式如下式：

T (r_{k}) = Σ_{i = 0}^{k} p_{i} (r_{i}) .

优选地，所述步骤S3中，在第一部分灰度级中，寻找点(r_k，T(r_k))与原点之间存在最小斜率的直线方程，用此直线方程作为第一部分灰度级的变换函数T₁(r_k)，与直方图均衡化法的变换函数相比，此变换函数降低了第一部分灰度级的放大倍数，保留了零灰度级附近的灰度级，降低了图像对比度过度增强，减少了细节信息的损失；在第二部分灰度级中，用最小二乘法对点(r_k，T(r_k))进行多项式拟合，用此多项式拟合函数作为第二部分灰度级的变换函数T₂(r_k)，此变换函数使灰度级沿着光滑曲线变化；在第三部分灰度级中，寻找点(r_k，T(r_k))与点(255，1)之间存在最小斜率的直线方程，用此直线方程作为第三部分灰度级的变换函数T₃(r_k)，与直方图均衡化法的变换函数相比，此变换函数增大了第三部分灰度级的放大倍数，进一步提高了图像的清晰度，则分段灰度级变换函数为如下式：

T_{0} (r_{k}) = \{\begin{matrix} T_{1} (r_{k}) & 0 \leq r_{k} \leq 85 \\ T_{2} (r_{k}) & 86 \leq r_{k} \leq 170 \\ T_{3} (r_{k}) & 171 \leq r_{k} \leq 255 \end{matrix} .

优选地，所述步骤S4中，用分段灰度级变换函数对原图像的灰度级进行变换，获得新灰度级s分布为如下式：

s＝255*T₀(r_k)。

本发明的积极进步效果在于：本发明提出的分段灰度级变换函数以及实现图像增强的理念，保留了零灰度级附近的灰度信息，降低了直方图均衡化算法产生的图像过度增强以及减少了细节信息的损失，能够获得良好的视觉效果。与直方图均衡化算法相比，本发明降低了灰度级0～85的放大倍数，提高了灰度级171～255的放大倍数，并且保留了零灰度级附近的灰度信息。因此，本发明能够降低图像对比度过度增强以及减少细节信息的损失，获得更加符合人眼视觉特性的增强图像。

虽然在下文中将结合一些示例性实施及使用方法来描述本发明，但本领域技术人员应当理解，并不旨在将本发明限制于这些实施例。反之，旨在覆盖包含在所附的权利要求书所定义的本发明的精神与范围内的所有替代品、修正及等效物。

本发明的其它优点、目的和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目的和其它优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

图1为本发明基于直方图分段变换的图像非线性增强方法的流程图。

具体实施方式

下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。需要注意的是，根据本发明基于直方图分段变换的图像非线性增强方法的实施方式仅仅作为例子，但本发明不限于该具体实施方式。

如图1所示，本发明基于直方图分段变换的图像非线性增强方法包括以下步骤：

S1、计算图像灰度级的概率密度分布。假设图像灰度等级的量化为8bit，则图像灰度范围为[0，255]。若一幅图像总像素为n，共分L个灰度级，n_k代表第k个灰度级r_k出现的频数，则第k灰度级出现的概率p为如下式(4)：

p_{k} (r_{k}) = \frac{n_{k}}{n}, 0 \leq r_{k} \leq 255, k = 0,1, . . ., L - 1

……………………………式(4)

S2、计算灰度级r_k的累计概率密度函数T，具体公式如下式(5)：

T (r_{k}) = Σ_{i = 0}^{k} p_{i} (r_{i})

………………………………………………………式(5)

在第一部分灰度级中，寻找点(r_k，T(r_k))与原点之间存在最小斜率的直线方程，用此直线方程作为第一部分灰度级的变换函数T₁(r_k)，与直方图均衡化法的变换函数相比，此变换函数降低了第一部分灰度级的放大倍数，保留了零灰度级附近的灰度级，降低了图像对比度过度增强，减少了细节信息的损失；在第二部分灰度级中，用最小二乘法对点(r_k，T(r_k))进行多项式拟合，用此多项式拟合函数作为第二部分灰度级的变换函数T₂(r_k)，此变换函数使灰度级沿着光滑曲线变化；在第三部分灰度级中，寻找点(r_k，T(r_k))与点(255，1)之间存在最小斜率的直线方程，用此直线方程作为第三部分灰度级的变换函数T₃(r_k)，与直方图均衡化法的变换函数相比，此变换函数增大了第三部分灰度级的放大倍数，进一步提高了图像的清晰度。则本发明的分段灰度级变换函数为如下式(6)：

T_{0} (r_{k}) = \{\begin{matrix} T_{1} (r_{k}) & 0 \leq r_{k} \leq 85 \\ T_{2} (r_{k}) & 86 \leq r_{k} \leq 170 \\ T_{3} (r_{k}) & 171 \leq r_{k} \leq 255 \end{matrix}

……………………………………………式(6)

S4、用分段灰度级变换函数T₀(r_k)对原图像的灰度级进行变换，获得新灰度级s分布为如下式(7)：

s＝255*T₀(r_k)…………………………………………………………式(7)。

当图像的对比度较低时，通过以上措施，能够增大图像的对比度，并且避免直方图均衡化算法对图像的过度增强以及减少细节信息的损失，获得更好的视觉效果。

为了更加客观的评价本发明的性能，可以采用拉普拉斯算子的梯度和作为图像清晰度的评价函数，如下式(8)所示：

D = \underset{(x, y) &Element; I}{Σ} | &dtri; f (x, y) |

…………………………………………(8)

式中，

&dtri; f (x, y) = [f (x + 1, y) + f (x - 1, y) + f (x, y + 1) + f (x, y - 1)] - 4 f (x, y),

f(x，y)是图像(x，y)处的像素值。拉普拉斯算子的梯度和具有以下性质：对于一幅模糊图像，在每一像素附近的灰度值变化小，则图像清晰度的评价因子D小；对清晰图像，图像的轮廓鲜明，则图像清晰度的评价因子D大。

本发明是适用于任意波段图像增强的处理算法。直方图均衡化算法获得的增强图像存在对比度过度增强、细节信息损失等缺陷，而本发明则对这些缺陷进行了改进，获得了更加符合人眼的视觉效果。直方图均衡化算法获得的增强图像损失了零灰度级附近的灰度信息，而本发明较好地保留了零灰度级附近的灰度信息，提高了图像的清晰度，充分证明了本发明的优越性。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种基于直方图分段变换的图像非线性增强方法，其特征在于，其包括以下步骤：

S1、计算图像灰度级的概率密度分布，若一幅图像总像素为n，共分L个灰度级，n_k代表第k个灰度级r_k出现的频数，则第k灰度级出现的概率p为如下式：

0≤r_k≤255，k＝0，1，…，L-1；

S2、计算灰度级的累计概率密度函数，计算灰度级r_k的累计概率密度函数公式如下式：

T (r_{k}) = Σ_{i = 0}^{k} p_{i} (r_{i});

在第一部分灰度级中，寻找点(r_k，T(r_k))与原点之间存在最小斜率的直线方程，用此直线方程作为第一部分灰度级的变换函数T₁(r_k)；

在第二部分灰度级中，用最小二乘法对点(r_k，T(r_k))进行多项式拟合，用此多项式拟合函数作为第二部分灰度级的变换函数T₂(r_k)；

在第三部分灰度级中，寻找点(r_k，T(r_k))与点(255，1)之间存在最小斜率的直线方程，用此直线方程作为第三部分灰度级的变换函数T₃(r_k)；

分段灰度级变换函数为如下式：

T_{0} (r_{k}) = \{\begin{matrix} T_{1} (r_{k}) & 0 \leq r_{k} \leq 85 \\ T_{2} (r_{k}) & 86 \leq r_{k} \leq 170 \\ T_{3} (r_{k}) & 171 \leq r_{k} \leq 255 \end{matrix}

2.如权利要求1所述的基于直方图分段变换的图像非线性增强方法，其特征在于，所述步骤S4中，用分段灰度级变换函数对原图像的灰度级进行变换，获得新灰度级s分布为如下式：

s＝255*T₀(r_k)。