CN103353349A - 红外测温仪自适应三平台直方图均衡系统及其方法 - Google Patents

Abstract

本发明公开了一种红外测温仪自适应三平台直方图均衡系统及其方法，由红外数字图像直方图统计模块、自适应图像三平台阈值计算模块、图像细节成分判定模块、灰度统计值修正模块、直方图累积模块和动态灰度映射函数模块组成，红外数字图像直方图统计模块与自适应图像三平台阈值计算模块相连，自适应图像三平台阈值计算模块分别与图像细节成分判定模块和灰度统计值修正模块连接，灰度统计值修正模块与直方图累积模块相连，图像细节成分判定模块和直方图累积模块都与动态灰度映射函数模块连接，从而实现简单，消耗资源少，处理速度快，可以有效解决红外图像高低温区域的对比度偏低和背景噪声偏大的问题。

Description

红外测温仪自适应三平台直方图均衡系统及其方法

技术领域

本发明属于红外测温及红外成像技术领域，特别是一种红外测温仪自适应三平台直方图均衡系统及其方法。

背景技术

现代高性能红外热像仪能够输出动态范围很大的红外原始图像，原始的探测器数据范围一般在12-14位数据，这显然超出了显示设备的动态范围。一般典型的显示设备，如监视器，其只能够接收8位图像信号。此外一般人眼只能够分辨128个灰度级。因此，当获得高动态范围的原始图像后，一个必须的过程就是将该高动态范围的原始图像进行重新映射，将其动态范围压缩。这个过程通常需要达到两个目的：第一：使输出图像的动态范围能够与显示的动态范围相匹配。第二：在完成第一点的同时，尽可能保留原始图像中存在的细节，使观测者能够观察到较好视觉效果的图像，且能够尽早区分隐藏在背景中的微弱目标。

直方图均衡是红外成像系统中使用最广泛的图像显示技术。它能将一幅图像整体的对比度进行拉伸，使图像看起来更加清楚。直方图均衡图像的灰度映射函数采用原始图像的累积分布函数，通过直方图均衡后的图像的像素分布近似满足均匀分布。所以直方图均衡更加强调出现频率较大的灰度级，所以经过直方图均衡的图像不可避免的出现过增强，均匀区域噪声放大，漂白效应等问题。而传统的双平台直方图均衡化处理中，固定的低平台很容易会将图像的对比度降低，丧失目标细节，且将整幅图像的动态范围拉伸到0-255整个灰度区间，对于灰度范围较窄的图像，会放大背景噪声。

发明内容

本发明的目的在于提供一种红外测温仪自适应三平台直方图均衡系统及其方法，实现简单，消耗资源少，处理速度快，可以有效解决红外图像高低温区域的对比度偏低和背景噪声偏大的问题。

实现本发明目的的技术解决方案为：一种红外测温仪自适应三平台直方图均衡系统，由红外数字图像直方图统计模块、自适应图像三平台阈值计算模块、图像细节成分判定模块、灰度统计值修正模块、直方图累积模块和动态灰度映射函数模块组成，红外数字图像直方图统计模块与自适应图像三平台阈值计算模块相连，自适应图像三平台阈值计算模块分别与图像细节成分判定模块和灰度统计值修正模块连接，灰度统计值修正模块与直方图累积模块相连，图像细节成分判定模块和直方图累积模块都与动态灰度映射函数模块连接，如图2所示；

红外探测器采集到的原始模拟图像数据经过A/D转换和去背景之后得到原始数字图像数据，然后将原始数字图像数据输入红外数字图像直方图统计模块中统计每一级灰度共占有多少个像素点；在自适应图像三平台阈值计算模块中分别找到暗、亮和中间灰度区域内占有像素点最多的灰度级，记录相应灰度级下的像素个数，然后乘以相应的系数并与设定的条件进行比较判断取得合适的三个新值，根据这三个新值所处的灰度区域，分别称为低平台阈值T_L、高平台阈值T_H和中间平台阈值T_M；在图像细节成分判定模块中，根据红外数字图像直方图统计模块得到的数据，将中间灰度区域和亮灰度区域的所有灰度级下占有的像素个数与中间平台阈值T_M和高平台阈值T_H进行比较，若某一灰度级下占有的像素个数大于相应的平台阈值，则进行计数加一，最后统计总共有多少个灰度级下的像素个数是大于相应平台阈值的，这个统计值设为C_T；若 C_T大于max(T_M, T_H)，则认为细节成分较多，若外部显示器位宽是[0-255]，在动态灰度映射函数模块中将图像灰度级映射到整个灰度区间[0-255]；若 C_T不大于min(T_M, T_H)，则不适合将动态范围拉伸太宽，则在动态灰度映射函数模块中灰度级按指数曲线映射到以整个灰度区间中心扩展的部分灰度区间；最后根据这三个平台阈值在灰度统计值修正模块中修正相应灰度级下的像素统计值，当某一个灰度的统计值n大于上限平台阈值T_H时，则令n=T_H；当某一灰度级的统计值小于下限平台时，则令n=T_L；当某一灰度级的统计值大于中段平台时，则令n=T_M；将调整后的直方图统计值送到直方图累积模块中进行直方图的累积工作；在动态灰度映射函数模块中，根据是否映射到整个灰度区间的判断结果进行灰度变换，将原始数据映射成符合外部显示器的显示数据宽度。

本发明与现有技术相比，其显著优点：（1）占用硬件资源少，实时性好。在FPGA中，只要算法中的图像数据流结构设计合理，尽量使用流水线式操作方式，就能在保证速度的同时，节省了硬件逻辑资源。这在头盔式测温仪这种小型化移动装备中具有重要的实际意义。（2）将暗灰度和亮灰度区域的对比度提升。由于传统的直方图均衡化技术仅仅是单纯的将整幅图像的灰度拉开，而不考虑是否把高温或低温区域的目标细节凸显出来，而头盔式测温仪主要用在电力部门观测电力设备是否有故障，通常观察的目标都是高温物体，要想在高温背景中将目标识别出来，就必须要将这类区域中的目标细节进行处理，拉开对比度，便于人眼的观察。（3）抑制图像的背景噪声。传统的直方图均衡化技术在做图像处理的过程中都不可避免的也会将背景噪声过度增强，不利于提高图像质量，尤其存在均匀背景时，噪声将更加明显。这里通过设置门限阈值，对直方图统计过程中的某些灰度区域统计值进行调整，适度的压低高占有率的灰度级，适度提高地占有率的灰度级，将灰度级占有率水平达到一个合适的比例，防止噪声被过度增强。（4）自适应的门限阈值调整。在观察图像过程中，若通过人力来调节门限阈值将是一件非常牺牲效率的事情，在此自适应三平台直方图均衡化技术中，它的三个门限阈值都是自适应的，无需因为外界目标的变化而调整直方图的平台阈值，提高了工作效率。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明红外测温仪自适应三平台直方图均衡方法的流程图。

图2是本发明红外测温仪自适应三平台直方图均衡系统的结构示意图。

图3(a)是弱背景强目标经过传统直方图后的效果图，图3(b)是弱背景强目标经过自适应三平台直方图后的效果图，图3(c)是强背景弱目标经过传统直方图后的效果图，图3(d)是强背景弱目标经过自适应三平台直方图后的效果图。

具体实施方式

结合图1，本发明红外测温仪自适应三平台直方图均衡方法，步骤如下：

步骤一：直方图统计，统计当前帧图像的每一个灰度级占有多少像素，记为函数P(k)，k表示图像的灰度级；

步骤二：自适应图像三平台阈值计算，先计算亮灰度区域全部灰度统计中最高统计值SUM1的3/4，然后再跟一个固定界限值N1比较，若3/4*SUM1>N1，则将3/4*SUM1作为阈值，反之将N1作为阈值；计算暗灰度区域全部灰度统计中最高统计值SUM2的1/2，固定界限值为N2，若1/2*SUM2>N2，则将1/2*SUM2作为阈值，反之将N2作为阈值；计算中间灰度区域全部灰度统计中最高统计值SUM3的3/4，固定界限值为N3，若3/4*SUM3>N3，则将3/4*SUM3作为阈值，反之将N3作为阈值；按照判定步骤得到的阈值为暗灰度区域的低平台阈值T_L、亮灰度区域的T_H高平台阈值T_H、中间灰度区域的中间平台阈值T_M；

步骤三：灰度统计值修正，通过步骤二得到的低平台阈值T_L、高平台阈值T_H和中间平台阈值T_M，根据这三个平台阈值在各自的灰度区域中对统计直方图进行修改：在暗灰度区域中，若某一灰度级的统计值小于T_L，则将灰度统计值改为T_L；在中间灰度区域中，若某一灰度级的统计值大于T_M，则灰度统计值改为T_M；在亮灰度区域中，若某一灰度级的统计值大于T_H，则灰度统计值改为T_H，即

$P_T\left(j\right)=\left\{\begin{array}{cccc}{T}_L& P\left(j1\right)<T_L& \mathrm{else}& P\left(j1\right)\\ T_M& P\left(j2\right)>T_M& \mathrm{else}& P\left(j2\right)\\ T_H& P\left(j3\right)>T_H& \mathrm{else}& P\left(j3\right)\end{array}\right.$

P(j1)、P(j2)、P(j3)分别是暗灰度区域、中间灰度区域和亮灰度区域的灰度等级统计值，P_T(j)是修正后的灰度统计值；

步骤四：图像细节成分判定，决定灰度映射函数映射到全范围灰度还是以整个灰度区间中心扩展的部分灰度区间，在中间灰度区间和亮灰度区间内对超出平台阈值T_M和T_H的灰度级进行计数，即：

$C_T=\left\{\begin{array}{cccc}{C}_T& P\left(k2\right)\&le;T_M& \mathrm{else}& C_T+1\\ C_T& P\left(k3\right)\&le;T_H& \mathrm{else}& C_T+1\end{array}\right.$

C_T表示超出T_M或T_H灰度级的个数；通过C_T与T_M、T_H比较，若 C_T大于max(T_M, T_H)则说明图像灰度级范围宽，细节丰富，则将图像灰度级映射到整个灰度区间[0-255]；若 C_T不大于min(T_M, T_H)则说明图像灰度级范围窄，不适合将动态范围拉伸太宽，则灰度级按指数曲线映射带到以整个灰度区间中心扩展的部分灰度区间；

步骤五：直方图累积，即：

$F_T\left(k\right)=\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{T\left(j\right)}(0\&le;k\&le;16383)$

P_T(j)是修正后的直方图统计值；

步骤六：动态灰度映射，根据步骤四得出的细节判定结果来选择合适的灰度映射函数，即：

$\begin{array}{c}{D}_T\left(k\right)=\left\{\begin{array}{cc}\frac{255F_T\left(k\right)}{F_T\left(16383\right)}& C_T>\max (T_M,T_H)\\ \frac{D_F{F}_T\left(k\right)}{F_T\left(16383\right)}+\frac{1}{2}(255-D_F)& C_T\&le;\min (T_M,T_H)\end{array}\right.\\ D_F={\left(\frac{C_T}{\min (T_M,T_H)}\right)}^m\&times;255\end{array}$

式中D_T(k)为灰度为k的像素经过自适应三平台直方图均衡化后的灰度值，0≤D_T(k) ≤255(C_T>max(T_M, T_H) )；D_F为灰度范围窄的图像映射出的动态范围，即0≤D_T( k) ≤D_F(C_T≤ min (T_M, T_H) )，其值由D_F式算出，指数m决定D_F收敛于255的速度方式。

实施例

假设接入的图像大小是320×256，均衡前图像数据是14bit，均衡后图像数据是8bit为例。具体步骤如下：

步骤一：直方图统计。统计当前帧图像的每一个灰度级占有多少像素，记为函数P(k)，k表示图像的灰度级。

步骤二：自适应图像三平台阈值计算。先计算亮灰度区域全部灰度统计中最高统计值SUM1的3/4，然后再跟一个固定界限值N1（固定界限值是根据具体的场景从亮到暗的不同设定，一般取80个~120个）比较，若3/4*SUM1>N1，则将3/4*SUM1作为阈值，反之将N1作为阈值；计算暗灰度区域全部灰度统计中最高统计值SUM2的1/2，固定界限值为N2，若1/2*SUM2>N2，则将1/2*SUM2作为阈值，反之将N2作为阈值；计算中间灰度区域全部灰度统计中最高统计值SUM3的3/4，固定界限值为N3，若3/4*SUM3>N3，则将3/4*SUM3作为阈值，反之将N3作为阈值。假设灰度值在50以下的是暗灰度区域，灰度值在200以上的是亮灰度区域，余下的是中间灰度区域。按照判定步骤得到的阈值为暗灰度区域阈值为T_L、亮灰度区域阈值为T_H、中间区域阈值为T_M。亮、暗和中间灰度区域是自定义设定范围，如将灰度级0~40灰度级设为暗灰度区域，41~180灰度级设为中间灰度区域，181~255灰度级设为亮灰度区域。

步骤三：灰度统计值修正。通过步骤二得到3个平台阈值T_L、T_M、T_H，根据这三个平台阈值在各自的灰度区域中对统计直方图进行修改。在暗灰度区域中，若某一灰度级的统计值小于T_L，则将灰度统计值改为T_L，若统计值大于T_L，则保持原值；在中间灰度区域中，若某一灰度级的统计值大于T_M，则灰度统计值改为T_M，若统计值小于T_M，则保持原值；在亮灰度区域中，若某一灰度级的统计值大于T_H，则灰度统计值改为T_H，若统计值小于T_H，则保持原值。即

$P_T\left(j\right)=\left\{\begin{array}{cccc}{T}_L& P\left(j1\right)<T_L& \mathrm{else}& P\left(j1\right)\\ T_M& P\left(j2\right)>T_M& \mathrm{else}& P\left(j2\right)\\ T_H& P\left(j3\right)>T_H& \mathrm{else}& P\left(j3\right)\end{array}\right.$

P(j1)、P(j2)、P(j3)分别是暗灰度区域、中间灰度区域和亮灰度区域的灰度等级统计值，P_T(j)是修正后的灰度统计值；

步骤四：图像细节成分判定，决定灰度映射函数映射到全范围灰度还是以整个灰度区间中心扩展的部分灰度区间。在中间灰度区间和亮灰度区间内对超出平台阈值T_M和T_H的灰度级进行计数，即：

$C_T=\left\{\begin{array}{cccc}{C}_T& P\left(k2\right)\&le;T_M& \mathrm{else}& C_T+1\\ C_T& P\left(k3\right)\&le;T_H& \mathrm{else}& C_T+1\end{array}\right.$

C_T表示超出统计平台阈值T_P灰度级个数。通过C_T与T_M、T_H比较，若C_T大于max(T_M, T_H) 则说明图像灰度级范围较宽，细节较丰富，则将图像灰度级映射到整个灰度区间[0-255];若 C_T不大于min(T_M, T_H) 则说明图像灰度级范围较窄，不适合将动态范围拉伸太宽，则灰度级按指数曲线映射带到以整个灰度区间中心扩展的部分灰度区间；

步骤五：直方图累积。传统累积直方图公式如下：

$F\left(k\right)=\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{\left(j\right)}(0\&le;k\&le;16383)$

P_(j)是传统直方图统计值。

累积直方图的公式与传统累积直方图公式一致，不同的是统计直方图里的某些灰度统计值已经发生改变。即：

$F_T\left(k\right)=\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{T\left(j\right)}(0\&le;k\&le;16383)$

P_T(j)是修正后的直方图统计值。

步骤六：动态灰度映射。根据步骤四得出的细节判定结果来选择合适的灰度映射函数，即：

$\begin{array}{c}{D}_T\left(k\right)=\left\{\begin{array}{cc}\frac{255F_T\left(k\right)}{F_T\left(16383\right)}& C_T>\max (T2,T3)\\ \frac{D_F{F}_T\left(k\right)}{F_T\left(16383\right)}+\frac{1}{2}(255-D_F)& C_T\&le;\min (T2,T3)\end{array}\right.\\ D_F={\left(\frac{C_T}{\min (T2,T3)}\right)}^m\&times;255\end{array}$

式中D_T(k)为灰度为k的像素经过自适应三平台直方图均衡化后的灰度值，0≤D_T(k) ≤255 (C_T > max T_M, T_H) )。D_F为灰度范围窄的图像映射出的动态范围，即0≤D_T( k) ≤D_F (C_T ≤ min (T_M,T_H) )，其值由D_F式算出，指数m决定D_F收敛于255的速度方式，一般取值为1~1.5。

经过以上6个步骤，我们可以得到图3（b）和图3（c）两种效果，灰度范围较宽，图3（b）是细节成分较多的情况，可以看到和传统直方图效果图3（a）相比，背景的噪声被降低了，楼房细节部分也被突出，对比度被增强了。图3（c）是细节成分较少的情况，灰度范围较低，可以看到和传统直方图效果图3（c）相比，背景噪声被全局压低，中心目标能从背景噪声中更好的凸显出来，图像的整体对比度也提升了。

Claims (2)

1.一种红外测温仪自适应三平台直方图均衡系统，其特征在于由红外数字图像直方图统计模块、自适应图像三平台阈值计算模块、图像细节成分判定模块、灰度统计值修正模块、直方图累积模块和动态灰度映射函数模块组成，红外数字图像直方图统计模块与自适应图像三平台阈值计算模块相连，自适应图像三平台阈值计算模块分别与图像细节成分判定模块和灰度统计值修正模块连接，灰度统计值修正模块与直方图累积模块相连，图像细节成分判定模块和直方图累积模块都与动态灰度映射函数模块连接；

红外探测器采集到的原始模拟图像数据经过A/D转换和去背景之后得到原始数字图像数据，然后将原始数字图像数据输入红外数字图像直方图统计模块中统计每一级灰度共占有多少个像素点；在自适应图像三平台阈值计算模块中分别找到暗、亮和中间灰度区域内占有像素点最多的灰度级，记录相应灰度级下的像素个数，然后乘以相应的系数并与设定的条件进行比较判断取得合适的三个新值，根据这三个新值所处的灰度区域，分别称为低平台阈值T_L、高平台阈值T_H和中间平台阈值T_M；在图像细节成分判定模块中，根据红外数字图像直方图统计模块得到的数据，将中间灰度区域和亮灰度区域的所有灰度级下占有的像素个数与中间平台阈值T_M和高平台阈值T_H进行比较，若某一灰度级下占有的像素个数大于相应的平台阈值，则进行计数加一，最后统计总共有多少个灰度级下的像素个数是大于相应平台阈值的，这个统计值设为C_T；若 C_T大于max(T_M, T_H)，则认为细节成分较多，若外部显示器位宽是[0-255]，在动态灰度映射函数模块中将图像灰度级映射到整个灰度区间[0-255]；若 C_T不大于min(T_M, T_H)，则不适合将动态范围拉伸太宽，则在动态灰度映射函数模块中灰度级按指数曲线映射到以整个灰度区间中心扩展的部分灰度区间；最后根据这三个平台阈值在灰度统计值修正模块中修正相应灰度级下的像素统计值，当某一个灰度的统计值n大于上限平台阈值T_H时，则令n=T_H；当某一灰度级的统计值小于下限平台时，则令n=T_L；当某一灰度级的统计值大于中段平台时，则令n=T_M；将调整后的直方图统计值送到直方图累积模块中进行直方图的累积工作；在动态灰度映射函数模块中，根据是否映射到整个灰度区间的判断结果进行灰度变换，将原始数据映射成符合外部显示器的显示数据宽度。

2.一种红外测温仪自适应三平台直方图均衡方法，其特征在于步骤如下：

步骤一：直方图统计，统计当前帧图像的每一个灰度级占有多少像素，记为函数P(k)，k表示图像的灰度级；

步骤二：自适应图像三平台阈值计算，先计算亮灰度区域全部灰度统计中最高统计值SUM1的3/4，然后再跟一个固定界限值N1比较，若3/4*SUM1>N1，则将3/4*SUM1作为阈值，反之将N1作为阈值；计算暗灰度区域全部灰度统计中最高统计值SUM2的1/2，固定界限值为N2，若1/2*SUM2>N2，则将1/2*SUM2作为阈值，反之将N2作为阈值；计算中间灰度区域全部灰度统计中最高统计值SUM3的3/4，固定界限值为N3，若3/4*SUM3>N3，则将3/4*SUM3作为阈值，反之将N3作为阈值；按照判定步骤得到的阈值为暗灰度区域的低平台阈值T_L、亮灰度区域的T_H高平台阈值T_H、中间灰度区域的中间平台阈值T_M；

步骤三：灰度统计值修正，通过步骤二得到的低平台阈值T_L、高平台阈值T_H和中间平台阈值T_M，根据这三个平台阈值在各自的灰度区域中对统计直方图进行修改：在暗灰度区域中，若某一灰度级的统计值小于T_L，则将灰度统计值改为T_L；在中间灰度区域中，若某一灰度级的统计值大于T_M，则灰度统计值改为T_M；在亮灰度区域中，若某一灰度级的统计值大于T_H，则灰度统计值改为T_H，即

$P_T\left(j\right)=\left\{\begin{array}{cccc}{T}_L& P\left(j1\right)<T_L& \mathrm{else}& P\left(j1\right)\\ T_M& P\left(j2\right)>T_M& \mathrm{else}& P\left(j2\right)\\ T_H& P\left(j3\right)>T_H& \mathrm{else}& P\left(j3\right)\end{array}\right.$

P(j1)、P(j2)、P(j3)分别是暗灰度区域、中间灰度区域和亮灰度区域的灰度等级统计值，P_T(j)是修正后的灰度统计值；

步骤四：图像细节成分判定，决定灰度映射函数映射到全范围灰度还是以整个灰度区间中心扩展的部分灰度区间，在中间灰度区间和亮灰度区间内对超出平台阈值T_M和T_H的灰度级进行计数，即：

$C_T=\left\{\begin{array}{cccc}{C}_T& P\left(k2\right)\&le;T_M& \mathrm{else}& C_T+1\\ C_T& P\left(k3\right)\&le;T_H& \mathrm{else}& C_T+1\end{array}\right.$

C_T表示超出T_M或T_H灰度级的个数；通过C_T与T_M、T_H比较，若 C_T大于max(T_M, T_H)则说明图像灰度级范围宽，细节丰富，则将图像灰度级映射到整个灰度区间[0-255]；若 C_T不大于min(T_M, T_H)则说明图像灰度级范围窄，不适合将动态范围拉伸太宽，则灰度级按指数曲线映射带到以整个灰度区间中心扩展的部分灰度区间；

步骤五：直方图累积，即：

$F_T\left(k\right)=\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{T\left(j\right)}(0\&le;k\&le;16383)$

P_T(j)是修正后的直方图统计值；

步骤六：动态灰度映射，根据步骤四得出的细节判定结果来选择合适的灰度映射函数，即：

$\begin{array}{c}{D}_T\left(k\right)=\left\{\begin{array}{cc}\frac{255F_T\left(k\right)}{F_T\left(16383\right)}& C_T>\max (T_M,T_H)\\ \frac{D_F{F}_T\left(k\right)}{F_T\left(16383\right)}+\frac{1}{2}(255-D_F)& C_T\&le;\min (T_M,T_H)\end{array}\right.\\ D_F={\left(\frac{C_T}{\min (T_M,T_H)}\right)}^m\&times;255\end{array}$

式中D_T(k)为灰度为k的像素经过自适应三平台直方图均衡化后的灰度值，0≤D_T(k) ≤255(C_T>max(T_M, T_H) )；D_F为灰度范围窄的图像映射出的动态范围，即0≤D_T( k) ≤D_F(C_T≤ min (T_M, T_H) )，其值由D_F式算出，指数m决定D_F收敛于255的速度方式。

Images