CN103218793A - 基于fpga平台的自适应分级线性图形增强方法 - Google Patents
基于fpga平台的自适应分级线性图形增强方法 Download PDFInfo
- Publication number
- CN103218793A CN103218793A CN201310109725XA CN201310109725A CN103218793A CN 103218793 A CN103218793 A CN 103218793A CN 201310109725X A CN201310109725X A CN 201310109725XA CN 201310109725 A CN201310109725 A CN 201310109725A CN 103218793 A CN103218793 A CN 103218793A
- Authority
- CN
- China
- Prior art keywords
- histogram
- gray
- enhancement method
- parts
- gray scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
一种基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：把输入视频流图像的灰度值信息进行直方图统计和正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；根据生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，并根据每个部分的大小计算出该部分线段的斜率；根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；将上述输出值作为输出视频流。本发明能够应用在不同场景中，突出图像信息丰富的部分，在最大限度的保留图像细节的同时压缩次要部分，避免了图像细节吞噬现象，并达到场景自适应。
Description
技术领域
本发明涉及图像分析的技术领域，具体说是一种应用于实时视频图像的自适应对比度增强的基于FPGA平台的自适应分级线性图形增强方法。
背景技术
图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现；直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
目前监控行业中对于图像对比度线性增强的主要方法为单一线性对比度拉伸，上述方法在提升图像对比度的同时，会严重牺牲图像的过亮和过暗部分的信息，并且对于不同亮度，不同场景的图像适应性较差。
发明内容
本发明要解决的技术问题是提供一种应用于实时视频图像的自适应对比度增强的基于FPGA平台的自适应分级线性图形增强方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
本发明的基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：
A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；
B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率；
C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；
D、将上述输出值作为输出视频流。
本发明还可以采用以下技术措施：
本发明使用RAM存储器对图像灰度进行直方图统计，然后对统计完毕的该帧数据直方图进行累积，即对RAM进行读操作，根据读出的灰度值判断整体图像最有效信息部分的位置，即拉伸区域的两个端点，后依次向两边递推，得出两个保留部分和压缩部分的边界值，并根据各部分的比例关系计算出相应的拉伸斜率，最后对各点灰度值逐一进行分类和拉伸计算，所得结果即为最终自适应曲线的输出值。
本发明具有的优点和积极效果是:
本发明的基于FPGA平台的自适应分级线性图形增强方法，基于对灰度域图像的直方图分析，针对包含不同信息的图像生成不同的对比度线性增强曲线，从而达到对不同场景的自适应处理，能够应用在不同场景中，突出图像信息丰富的部分，在最大限度的保留图像细节的同时压缩次要部分，避免了图像细节吞噬现象，并达到场景自适应。
附图说明
图1是在图像灰度居中的情况下图像增强前后的灰度曲线对比图；
图2是在图像灰度偏暗的情况下图像增强前后的灰度曲线对比图；
图3是本发明基于FPGA平台的自适应分级线性图形增强方法的执行步骤流程图。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明。
图1是在图像灰度居中的情况下图像增强前后的灰度曲线对比图；图2是在图像灰度偏暗的情况下图像增强前后的灰度曲线对比图；图3是本发明基于FPGA平台的自适应分级线性图形增强方法的执行步骤流程图。
如图1至图3所示，本发明的基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：
A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；
B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率；
C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；
D、将上述输出值作为输出视频流。
本发明使用RAM存储器对图像灰度进行直方图统计，然后对统计完毕的该帧数据直方图进行累积，即对RAM进行读操作，根据读出的灰度值判断整体图像最有效信息部分的位置，即拉伸区域的两个端点，后依次向两边递推，得出两个保留部分和压缩部分的边界值，并根据各部分的比例关系计算出相应的拉伸斜率，最后对各点灰度值逐一进行分类和拉伸计算，所得结果即为最终自适应曲线的输出值。
本发明的基于FPGA平台的自适应分级线性图形增强方法，基于对灰度域图像的直方图分析，针对包含不同信息的图像生成不同的对比度线性增强曲线，从而达到对不同场景的自适应处理。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例公开如上，然而，并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当然会利用揭示的技术内容作出些许更动或修饰，成为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。
Claims (2)
1.一种基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：
A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；
B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率；
C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；
D、将上述输出值作为输出视频流。
2.根据权利要求1所述的基于FPGA平台的自适应分级线性图形增强方法，其特征在于：使用RAM存储器对图像灰度进行直方图统计，然后对统计完毕的该帧数据直方图进行累积，即对RAM进行读操作，根据读出的灰度值判断整体图像最有效信息部分的位置，即拉伸区域的两个端点，后依次向两边递推，得出两个保留部分和压缩部分的边界值，并根据各部分的比例关系计算出相应的拉伸斜率，最后对各点灰度值逐一进行分类和拉伸计算，所得结果即为最终自适应曲线的输出值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310109725XA CN103218793A (zh) | 2013-04-01 | 2013-04-01 | 基于fpga平台的自适应分级线性图形增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310109725XA CN103218793A (zh) | 2013-04-01 | 2013-04-01 | 基于fpga平台的自适应分级线性图形增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103218793A true CN103218793A (zh) | 2013-07-24 |
Family
ID=48816545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310109725XA Pending CN103218793A (zh) | 2013-04-01 | 2013-04-01 | 基于fpga平台的自适应分级线性图形增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103218793A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023250A (zh) * | 2015-06-30 | 2015-11-04 | 北京空间机电研究所 | 一种基于fpga的实时图像自适应增强系统及方法 |
| WO2017059605A1 (zh) * | 2015-10-07 | 2017-04-13 | 南京巨鲨显示科技有限公司 | 针对乳腺钼靶图像的显示器灰度曲线校正系统及方法 |
| CN107967690A (zh) * | 2016-10-19 | 2018-04-27 | 中国石油天然气股份有限公司 | 一种自适应铁谱磨粒图像二值化处理方法 |
| CN109584191A (zh) * | 2018-12-06 | 2019-04-05 | 纳米视觉(成都)科技有限公司 | 一种基于直方图的自适应图像增强方法及终端 |
| CN114584701A (zh) * | 2021-11-26 | 2022-06-03 | 钧捷科技（北京）有限公司 | 采用fpga实现图像直方图的调节以及动态范围扩展的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7809188B1 (en) * | 2006-05-11 | 2010-10-05 | Texas Instruments Incorporated | Digital camera and method |
-
2013
- 2013-04-01 CN CN201310109725XA patent/CN103218793A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7809188B1 (en) * | 2006-05-11 | 2010-10-05 | Texas Instruments Incorporated | Digital camera and method |
Non-Patent Citations (3)
| Title |
|---|
| KE JING等: "《An improved Algotithm for Shape Preserving Contrast Enhancement》", 《ACTA PHOTONICA SINICA》 * |
| 吴传富等: "《基于MATLAB的几种图像增强算法》", 《机电技术》 * |
| 郭帅: "《基于FPGA的高速图像处理研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023250A (zh) * | 2015-06-30 | 2015-11-04 | 北京空间机电研究所 | 一种基于fpga的实时图像自适应增强系统及方法 |
| CN105023250B (zh) * | 2015-06-30 | 2017-09-29 | 北京空间机电研究所 | 一种基于fpga的实时图像自适应增强系统及方法 |
| WO2017059605A1 (zh) * | 2015-10-07 | 2017-04-13 | 南京巨鲨显示科技有限公司 | 针对乳腺钼靶图像的显示器灰度曲线校正系统及方法 |
| US10467738B2 (en) | 2015-10-07 | 2019-11-05 | Nanjing Jusha Display Technology Co., Ltd. | Display gray scale curve correction system and method for molybdenum target mammography |
| CN107967690A (zh) * | 2016-10-19 | 2018-04-27 | 中国石油天然气股份有限公司 | 一种自适应铁谱磨粒图像二值化处理方法 |
| CN107967690B (zh) * | 2016-10-19 | 2020-06-09 | 中国石油天然气股份有限公司 | 一种自适应铁谱磨粒图像二值化处理方法 |
| CN109584191A (zh) * | 2018-12-06 | 2019-04-05 | 纳米视觉(成都)科技有限公司 | 一种基于直方图的自适应图像增强方法及终端 |
| CN109584191B (zh) * | 2018-12-06 | 2023-06-02 | 图码思(成都)科技有限公司 | 一种基于直方图的自适应图像增强方法及终端 |
| CN114584701A (zh) * | 2021-11-26 | 2022-06-03 | 钧捷科技（北京）有限公司 | 采用fpga实现图像直方图的调节以及动态范围扩展的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103218793A (zh) | 基于fpga平台的自适应分级线性图形增强方法 | |
| CN103366170A (zh) | 图像二值化处理装置及其方法 | |
| CN103606137A (zh) | 保持背景和细节信息的直方图均衡化方法 | |
| CN101742084B (zh) | 对比度增强处理方法与处理装置 | |
| CN100502465C (zh) | 图像灰度直方图均衡化处理方法 | |
| CN102509095B (zh) | 一种车牌图像的预处理方法 | |
| CN103295182A (zh) | 实现对红外图像进行对比度拉伸处理的电路系统及其方法 | |
| CN102496152A (zh) | 一种基于直方图的自适应图像对比度增强方法 | |
| JP2010271987A5 (zh) | ||
| CN103531176A (zh) | 一种Android终端的字体显示优化方法及系统 | |
| JP2020024675A5 (zh) | ||
| CN103810681A (zh) | 一种低功耗对比度增强方法 | |
| CN104637068A (zh) | 视频帧及视频画面遮挡检测方法及装置 | |
| CN103034985A (zh) | 图像对比度的线性增强方法 | |
| CN103514588B (zh) | 图像增强方法和系统 | |
| CN103793873A (zh) | 图像像素中值的获取方法和装置 | |
| CN102819833B (zh) | 一种用于红外图像的平台直方图均衡方法 | |
| CN105023250B (zh) | 一种基于fpga的实时图像自适应增强系统及方法 | |
| CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
| CN101453558A (zh) | 一种视频图像对比度改善方法 | |
| CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
| CN104657960A (zh) | 一种灰度图像对比度拉伸方法及装置 | |
| CN106303527B (zh) | 时分复用神经网络处理器的视频分级码流编码方法和系统 | |
| CN106846234B (zh) | 一种基于fpga的图像视频增强方法、系统及设备 | |
| CN106210727B (zh) | 基于神经网络处理器阵列的视频分级码流编码方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130724 |