CN103295182A - 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 - Google Patents

Abstract

本发明涉及一种实现对红外图像进行对比度拉伸处理的电路系统，其中包括输入图像有效灰阶统计单元、极值判别器单元、拉伸范围计算器单元、累加器单元、除法器单元、非线性拉伸单元。本发明还涉及一种基于该电路系统实现对红外图像进行对比度拉伸处理的方法。采用该种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，提高了红外图像整体和局部区域的对比度，增强人眼对红外图像的视觉感观以及细节识别，解决了对少数细节处理损耗的问题，摆脱了平台直方图平台阈值确立困难的问题，较直方图处理法只需要极少统计存储器，易于基于FPGA进行开发，而且便于人眼识别，结构简单实用，处理过程快捷方便，工作性能稳定可靠，适用范围较为广泛。

Description

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

技术领域

本发明涉及红外热像装置领域，特别涉及红外热像处理技术领域，具体是指一种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。

背景技术

在红外热像应用中，由于探测器原因以及红外数据的特性，使得采集到的红外图像有着低响应率和低对比度的问题，因此红外产品的开发除了需要采用高分辨率的模数转换器外，还需要利用图像处理的方法对模数转换后的红外图像数据进行有效灰度级的动态对比度拉伸。

常用的红外图像对比度拉伸方法有线性拉伸法和直方图法，以及后人改进的分段线性拉伸和平台直方图等。这些处理方式虽然可以提高主体灰度范围之内图像的对比度和视觉感观，但对于主体灰度范围之外的其他细节信号却容易被忽略而被处理掉。

平台直方图均衡虽也能对主体灰度范围之外的少数细节进行分辨，但这种基于灰度级占有概率的方法在不同的场景下却有着平台阈值控制困难的问题，另外直方图均衡处理的概率统计过程必然会消耗大量的存储器空间，导致电路成本上升。

综上所述，可知先前的红外图像对比度拉伸的方法易忽略图像细节，或者由于统计过程造成电路面积庞大造成问题，因此，有必要提出改进技术手段，来解决该技术问题。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够在提高主体灰度范围之内图像的对比度的同时对只占少数像素点的细节信号提高分辨度和灰度级、便于人眼识别、结构简单实用、处理过程快捷方便、工作性能稳定可靠、适用范围较为广泛的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。

为了实现上述的目的，本发明的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如下：

该实现对红外图像进行对比度拉伸处理的电路系统，其主要特点是，所述的电路系统包括：

输入图像有效灰阶统计单元，对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况；

极值判别器单元，接收所述的输入图像有效灰阶统计单元所输出的输入图像灰度统计结果，进行所输入的红外图像的有效灰度级的最大极值和最小极值的判断，并确定所输入的红外图像的灰度区间；

拉伸范围计算器单元，接收所述的极值判别器单元的输出信息，根据灰度值的分布情况确定非线性映射拉伸范围，并确定拉伸后的红外图像的灰度区间；

累加器单元，分别接收所述的输入图像有效灰阶统计单元和极值判别器单元的输出信息，进行所输入的红外图像的有效灰度级数统计；

除法器单元，分别接收所述的拉伸范围计算器单元和累加器单元的输出信息，将非线性映射拉伸范围等分为有效灰度级数份，并确定所输入的红外图像的目标映射点；

非线性拉伸单元，接收所述的除法器单元的输出信息，将所输入的红外图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

该基于上述的电路系统实现对红外图像进行对比度拉伸处理的方法，其主要特点是，所述的方法包括以下步骤：

（1）对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况，并存储进入灰度统计存储器中；

（2）统计原始输入红外图像有效灰度级最大、最小极值判断，确定输入图像的灰度区间；

（3）计算非线性映射拉伸范围，确定拉伸后图像的灰度区间；

（4）进行原始输入红外图像的有效灰度级数统计；

（5）将非线性映射拉伸范围等分为有效灰度级数份，确定原始图像的目标映射点；

（6）将原图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

该实现对红外图像进行对比度拉伸处理的方法中的统计原始输入红外图像有效灰度级最大、最小极值判断并确定输入图像的灰度区间，包括以下步骤：

（21）对所输入的红外图像的灰度统计结果从低到高累加所述的灰度统计存储器中的存储信息；

（22）如果累加值大于系统预设的阈值，则得到最小值边界M；

（23）对所输入的红外图像的灰度统计结果从高到低累加所述的灰度统计存储器中的存储信息；

（24）如果累加值大于系统预设的阈值，则得到最大值边界L。

该实现对红外图像进行对比度拉伸处理的方法中的计算非线性映射拉伸范围，包括以下步骤：

（31）根据灰度值的分布情况判断所述的最大值边界L和最小值边界M的灰度差（L－M）；

（32）如果所述的灰度差（L－M）小于红外热像装置本身的像元噪声电压PVN，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝L-M；

（33）如果所述的灰度差（L－M）超过红外热像装置本身的最小可分辨温差MRTD，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝FULL_RANGE；

其中，FULL_RANGE为满幅拉伸范围；

（34）若所述的灰度差（L－M）介于红外热像装置本身的像元噪声电压PVN和最小可分辨温差MRTD之间，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

$\mathrm{MAPPED}\_\mathrm{RANGE}=\frac{(L-M-\mathrm{PVN})\×(L-M)+(\mathrm{MRTD}-L+M)\×\mathrm{FULL}\_\mathrm{RANGE}}{\mathrm{MRTD}-\mathrm{PVN}}.$

该实现对红外图像进行对比度拉伸处理的方法中的进行原始输入红外图像的有效灰度级数统计，包括以下步骤：

（41）将所述的灰度统计存储器中内容为0的灰度级剔除掉；

（42）对所述的灰度统计存储器中非0的存储器数目进行累加，并得到所输入的红外图像中所出现过的灰度值的数目N。

该实现对红外图像进行对比度拉伸处理的方法中的将非线性映射拉伸范围等分为有效灰度级数份，具体为：

根据以下公式得到映射区域的等分值Δ：

$\mathrm{\Δ}=\frac{\mathrm{MAPPED}\_\mathrm{RANGE}}{N}.$

采用了该发明的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，由于其可以在提高主体灰度范围之内图像的对比度的同时，对主体信号之外感兴趣却只占少数像素点的细节信号进行分辨和灰度级非线性映射拉伸，将原始红外图像中细节与背景信息灰度级相差较近的少数细节突出显示，提高了红外图像整体和局部区域的对比度，增强人眼对红外图像的视觉感观以及细节识别，不仅解决了线性拉伸和分段线性法对少数细节处理损耗的问题，摆脱了平台直方图平台阈值确立困难的问题，较直方图处理法只需要极少统计存储器，易于基于FPGA进行开发，而且便于人眼识别，结构简单实用，处理过程快捷方便，工作性能稳定可靠，适用范围较为广泛。

附图说明

图1为本发明的实现对红外图像进行对比度拉伸处理的电路系统的功能模块组成示意图。

图2为本发明的实现对红外图像进行对比度拉伸处理的方法中的统计求极值示意图。

图3为本发明的实现对红外图像进行对比度拉伸处理的方法中的非线性映射拉伸原理示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，该实现对红外图像进行对比度拉伸处理的电路系统，其中包括：

（1）输入图像有效灰阶统计单元，对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况；

（2）极值判别器单元，接收所述的输入图像有效灰阶统计单元所输出的输入图像灰度统计结果，进行所输入的红外图像的有效灰度级的最大极值和最小极值的判断，并确定所输入的红外图像的灰度区间；

（3）拉伸范围计算器单元，接收所述的极值判别器单元的输出信息，根据灰度值的分布情况确定非线性映射拉伸范围，并确定拉伸后的红外图像的灰度区间；

（4）累加器单元，分别接收所述的输入图像有效灰阶统计单元和极值判别器单元的输出信息，进行所输入的红外图像的有效灰度级数统计；

（5）除法器单元，分别接收所述的拉伸范围计算器单元和累加器单元的输出信息，将非线性映射拉伸范围等分为有效灰度级数份，并确定所输入的红外图像的目标映射点；

（6）非线性拉伸单元，接收所述的除法器单元的输出信息，将所输入的红外图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

再请参阅图2和图3所示，该基于上述的电路系统实现对红外图像进行对比度拉伸处理的方法，其中包括以下步骤：

（1）对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况，并存储进入灰度统计存储器中；

（2）统计原始输入红外图像有效灰度级最大、最小极值判断，确定输入图像的灰度区间，包括以下步骤：

（a）对所输入的红外图像的灰度统计结果从低到高累加所述的灰度统计存储器中的存储信息；

（b）如果累加值大于系统预设的阈值，则得到最小值边界M；

（c）对所输入的红外图像的灰度统计结果从高到低累加所述的灰度统计存储器中的存储信息；

（d）如果累加值大于系统预设的阈值，则得到最大值边界L；

（3）计算非线性映射拉伸范围，确定拉伸后图像的灰度区间，包括以下步骤：

（a）根据灰度值的分布情况判断所述的最大值边界L和最小值边界M的灰度差（L－M）；

（b）如果所述的灰度差（L－M）小于红外热像装置本身的像元噪声电压PVN，则所输入的红外图像中没有变化的信号，后续将不进行对比度拉伸处理，根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝L-M；

（c）如果所述的灰度差（L－M）超过红外热像装置本身的最小可分辨温差MRTD，则所输入的红外图像中有突出环境的细节信号，需要对输入图像进行对比度满幅拉伸，根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝FULL_RANGE；

其中，FULL_RANGE为满幅拉伸范围；

（d）若所述的灰度差（L－M）介于红外热像装置本身的像元噪声电压PVN和最小可分辨温差MRTD之间，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

$\mathrm{MAPPED}\_\mathrm{RANGE}=\frac{(L-M-\mathrm{PVN})\×(L-M)+(\mathrm{MRTD}-L+M)\×\mathrm{FULL}\_\mathrm{RANGE}}{\mathrm{MRTD}-\mathrm{PVN}};$

（4）进行原始输入红外图像的有效灰度级数统计，包括以下步骤：

（a）将所述的灰度统计存储器中内容为0的灰度级剔除掉；

（b）对所述的灰度统计存储器中非0的存储器数目进行累加，并得到所输入的红外

图像中所出现过的灰度值的数目N；

（5）将非线性映射拉伸范围等分为有效灰度级数份，确定原始图像的目标映射点；该将非线性映射拉伸范围等分为有效灰度级数份，具体为：

根据以下公式得到映射区域的等分值Δ：

$\mathrm{\Δ}=\frac{\mathrm{MAPPED}\_\mathrm{RANGE}}{N};$

（6）将原图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

在实际使用当中，本发明的实现对红外图像进行对比度拉伸处理的方法如下：

（1）对原始输入红外图像数据进行灰度统计，确定输入图像的灰度分布情况；

（2）统计原始输入红外图像有效灰度级最大、最小极值判断，确定输入图像的灰度区间；

（3）计算非线性映射拉伸范围，确定拉伸后图像的灰度区间；

（4）原始输入红外图像有效灰度级数统计；

（5）将非线性映射拉伸范围等分为有效灰度级数份，确定原始图像的目标映射点；

（6）将原图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现一种非线性的对比度拉伸方法。

其中，输入图像有效灰阶统计单元110，以较少的存储器来统计输入图像的灰度级，存储器深度等于数模转换器分辨力2ⁿ，而宽度可以远远小于探测器分辨率。以384x288的探测器为例，存储器宽度为2，因此统计累加的上限为3，请参阅图2所示。

单元110的输出送入到极值判别器单元120。对输入图像灰度统计结果从低到高累加统计存储器之内容，累加值大于阈值4则视为求得最小值边界M；对输入图像灰度统计结果从高到低累加统计存储器之内容，同样累加值大于阈值4则视为求得最大值边界L，如图2所示。

单元120输出送入拉伸范围计算器单元130，根据灰度值的分布确定映射拉伸范围（MAPPED_RANGE）：

若统计的最大和最小灰度差（L－M）小于探测器的PVN（像元噪声电压），表示图像中基本没有变化的信号，确定拉伸系数为1，不进行拉伸；

若灰度差超过红外热像产品规定的MRTD（最小可分辨温差），表明图像中有突出环境的细节信号，这时确定出一个较大的拉伸范围（FULL_RANGE），对输入图像进行满幅拉伸。

若灰度差介于PVN和MRTD之间，则放大系数通过对以上放大系数进行加权，以完成平滑过渡，避免场景变换引起的画面闪烁。

$\mathrm{MAPPED}\_\mathrm{RANGE}=\frac{(L-M-\mathrm{PVN})\×(L-M)+(\mathrm{MRTD}-L+M)\×\mathrm{FULL}\_\mathrm{RANGE}}{\mathrm{MRTD}-\mathrm{PVN}};$

单元110和单元120的输出送入到累加器单元140，剔除掉灰度统计存储器中内容为0的灰度级，累加非0的存储器数目，得到输入图像中出现过的灰度值的数目N。

单元130和单元140的输出送入除法器单元150，将映射拉伸范围MAPP_RANGE除以输入图像中出现过的灰度值的数目N，得到映射区域的等分值Δ。

单元150的输出送入非线性拉伸单元160，将原图像中相应的有效灰度值按原灰度顺序等距离映射到放大区间，实现对原始图像对比度的非线性拉伸，请参阅图3所示。

基于前后帧红外图像场景的相似性，单元160所进行当前图像处理之参考（单元150的输出）来源于当前红外图像之前前帧，因而本发明之电路属于实时处理电路，不会带来图像帧延时。

本发明的目的在于红外图像实时处理，故具体的实施方式为通过红外探测器进行红外视频信号采集，采集到的信号经模数转换器件转换为数字信号输入到FPGA中进行处理，需先进行非均匀校正和盲元补偿等技术处理，然后输入到本发明电路中进行对比度拉伸。

采用了上述的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，由于其可以在提高主体灰度范围之内图像的对比度的同时，对主体信号之外感兴趣却只占少数像素点的细节信号进行分辨和灰度级非线性映射拉伸，将原始红外图像中细节与背景信息灰度级相差较近的少数细节突出显示，提高了红外图像整体和局部区域的对比度，增强人眼对红外图像的视觉感观以及细节识别，不仅解决了线性拉伸和分段线性法对少数细节处理损耗的问题，摆脱了平台直方图平台阈值确立困难的问题，较直方图处理法只需要极少统计存储器，易于基于FPGA进行开发，而且便于人眼识别，结构简单实用，处理过程快捷方便，工作性能稳定可靠，适用范围较为广泛。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (6)

1.一种实现对红外图像进行对比度拉伸处理的电路系统，其特征在于，所述的电路系统包括：

输入图像有效灰阶统计单元，对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况；

极值判别器单元，接收所述的输入图像有效灰阶统计单元所输出的输入图像灰度统计结果，进行所输入的红外图像的有效灰度级的最大极值和最小极值的判断，并确定所输入的红外图像的灰度区间；

拉伸范围计算器单元，接收所述的极值判别器单元的输出信息，根据灰度值的分布情况确定非线性映射拉伸范围，并确定拉伸后的红外图像的灰度区间；

累加器单元，分别接收所述的输入图像有效灰阶统计单元和极值判别器单元的输出信息，进行所输入的红外图像的有效灰度级数统计；

除法器单元，分别接收所述的拉伸范围计算器单元和累加器单元的输出信息，将非线性映射拉伸范围等分为有效灰度级数份，并确定所输入的红外图像的目标映射点；

非线性拉伸单元，接收所述的除法器单元的输出信息，将所输入的红外图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

2.一种基于权利要求1所述的电路系统实现对红外图像进行对比度拉伸处理的方法，其特征在于，所述的方法包括以下步骤：

（1）对原始输入的红外图像数据进行灰度统计，确定输入图像的灰度分布情况，并存储进入灰度统计存储器中；

（2）统计原始输入红外图像有效灰度级最大、最小极值判断，确定输入图像的灰度区间；

（3）计算非线性映射拉伸范围，确定拉伸后图像的灰度区间；

（4）进行原始输入红外图像的有效灰度级数统计；

（5）将非线性映射拉伸范围等分为有效灰度级数份，确定原始图像的目标映射点；

（6）将原图像中相应的灰度值按原灰度顺序等距离映射到放大区间，实现对所输入的红外图像对比度的非线性拉伸。

3.根据权利要求2所述的实现对红外图像进行对比度拉伸处理的方法，其特征在于，所述的统计原始输入红外图像有效灰度级最大、最小极值判断并确定输入图像的灰度区间，包括以下步骤：

（21）对所输入的红外图像的灰度统计结果从低到高累加所述的灰度统计存储器中的存储信息；

（22）如果累加值大于系统预设的阈值，则得到最小值边界M；

（23）对所输入的红外图像的灰度统计结果从高到低累加所述的灰度统计存储器中的存储信息；

（24）如果累加值大于系统预设的阈值，则得到最大值边界L。

4.根据权利要求3所述的实现对红外图像进行对比度拉伸处理的方法，其特征在于，所述的计算非线性映射拉伸范围，包括以下步骤：

（31）根据灰度值的分布情况判断所述的最大值边界L和最小值边界M的灰度差（L－M）；

（32）如果所述的灰度差（L－M）小于红外热像装置本身的像元噪声电压PVN，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝L-M；

（33）如果所述的灰度差（L－M）超过红外热像装置本身的最小可分辨温差MRTD，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

MAPPED_RANGE＝FULL_RANGE；

其中，FULL_RANGE为满幅拉伸范围；

（34）若所述的灰度差（L－M）介于红外热像装置本身的像元噪声电压PVN和最小可分辨温差MRTD之间，则根据以下公式确定非线性映射拉伸范围MAPPED_RANGE：

$\mathrm{MAPPED}\_\mathrm{PANGE}=\frac{(L-M-\mathrm{PVN})\×(L-M)+(\mathrm{MRTD}-L+M)\×\mathrm{FULL}\_\mathrm{RANGE}}{\mathrm{MRTD}-\mathrm{PVN}}.$

5.根据权利要求2所述的实现对红外图像进行对比度拉伸处理的方法，其特征在于，所述的进行原始输入红外图像的有效灰度级数统计，包括以下步骤：

（41）将所述的灰度统计存储器中内容为0的灰度级剔除掉；

（42）对所述的灰度统计存储器中非0的存储器数目进行累加，并得到所输入的红外图像中所出现过的灰度值的数目N。

6.根据权利要求5所述的实现对红外图像进行对比度拉伸处理的方法，其特征在于，所述的将非线性映射拉伸范围等分为有效灰度级数份，具体为：

根据以下公式得到映射区域的等分值Δ：

$\mathrm{\Δ}=\frac{\mathrm{MAPPED}\_\mathrm{PANGE}}{N};$

其中，MAPPED_RANGE为非线性映射拉伸范围。

Images