CN103473738B

CN103473738B - 图像增强方法

Info

Publication number: CN103473738B
Application number: CN201310326000.6A
Authority: CN
Inventors: 鞠怡明; 罗辉
Original assignee: NINGBO DIGITAL ELECTRONIC TECHNOLOGY Co Ltd
Current assignee: Lao Liang And His Friends Nanjing Technology Development Co ltd
Priority date: 2013-07-30
Filing date: 2013-07-30
Publication date: 2016-02-24
Anticipated expiration: 2033-07-30
Also published as: CN103473738A

Abstract

本发明公开了一种图像增强方法，主要包括以下步骤：计算图像中每种灰度的像素点的个数；计算所有像素点的总灰度平均值；将目标图像中的所有像素点按照灰度值大小进行分类；计算第一、第二像素点集合中各自像素点的灰度平均值；将第一、第二像素点集合中的所有像素点按照灰度值大小再进行分类；计算第三、第四、第五、第六像素点集合；将第三、第四、第五、第六像素点集合中的像素点的灰度值进行拉伸，形成新的图像。通过上述方法可以使图像细节突出，易于人眼观看。

Description

图像增强方法

技术领域

本发明涉及一种图像处理方法，尤其是涉及一种通过调整图像灰度值来提高图像清晰度的图像增强方法。

背景技术

图像增强，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像增强的方法很多，其中针对图像灰度做调整使图像清晰度提高的典型方法有直方图均衡法或直方图拉伸法。图像增强处理就是将原始图像的每个像素做变换，形成新的图像。新的图像清晰度更好，更适合人眼观察。

对于用8位表示的灰度图像来说，每个像素灰度值的范围是0-255。但是一帧图像的灰度往往不能充分利用这256个灰度值，从而使图像或偏暗，或偏亮，或显得朦朦胧胧不清晰。以下分析均以256个灰度等级来分析，对于其它灰度等级的情况原理是一样的。

对于图像灰度拉伸，每个像素的典型变换公式是：

新像素灰度=最大灰度值×(原像素灰度-最小像素灰度)/(最大像素灰度-最小像素灰度)

尽管原始图的像素灰度分布情况可能会偏向某个灰度区间，但通过上式的变换，一幅图像的所有灰度会分布在从0到255的范围内。

按照灰度拉伸公式，一幅图像的所有像素灰度值都统一做拉伸处理。图像常会出现某些细节，而这些细节在整个图像灰度范围内只占一小部分，这些细节往往又是人们关注的地方。传统拉伸公式并没有将这些细节突出出来，所以传统灰度拉伸对细节的表现力不够。

中华人民共和国国家知识产权局于2010年10月06日公开了公布号为CN101853497A的专利文献，名称是一种图像增强方法和装置。其中，所述的方法包括：将目标图像进行灰度拉伸，并将拉伸后的图像进行灰度映射，得到所述目标图像的全局灰度映射值；将所述目标图像分割成图像单元，每9个图像单元所构成的正方形区域为一个局部块，局部块中每4个图像单元所构成的正方形区域为一个图像块；将每个局部块中的4个图像块分别进行灰度拉伸，并将拉伸后的图像块分别进行灰度映射，得到图像块的灰度映射值，将图像块的灰度映射值进行加权求和，得到所述目标图像的局部灰度映射值；将所述全局灰度映射值和所述局部灰度映射值进行算数平均，得到所述目标图像的灰度增强值。上述方法对某些极端情况的图像不能得到良好的效果，比如一幅1000个像素点的图像中有500个像素点的灰度值为255，499个像素点的灰度值为254，1个像素点的灰度值为0，经过传统的灰度拉升公式或者上述方法处理以后，人眼仍然难以区分灰度值为255的点和灰度值为249的点。

发明内容

本发明主要是解决现有技术所存在的对细节增强效果不明显、对灰度值相近的像素点难以有效区分的技术问题，提供一种新的图像增强方法，可以突出细节部分，对灰度值相近的点进行有效区分。

本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种图像增强方法，包括以下步骤：

步骤一、计算目标图像中每种灰度值的像素点个数，灰度值最小为0，灰度值最大为255；

步骤二、计算所有像素点的总灰度平均值mean0；

步骤三、将目标图像中的所有像素点按照灰度值大小进行分类，灰度值小于总灰度平均值mean0的像素点归为第一像素点集合，灰度值大于或等于总灰度平均值mean0的像素点归为第二像素点集合；

步骤四、计算第一像素点集合中所有像素点的第一灰度平均值mean1；

步骤五、计算第二像素点集合中所有像素点的第二灰度平均值mean2；

步骤六、将第一像素点集合中的所有像素点按照灰度值大小进行分类，灰度值小于第一灰度平均值mean1的像素点归为第三像素点集合，灰度值大于或等于第一灰度平均值mean1的像素点归为第四像素点集合；

步骤七、将第二像素点集合中的所有像素点按照灰度值大小进行分类，灰度值小于第二灰度平均值mean2的像素点归为第五像素点集合，灰度值大于或等于第二灰度平均值mean2的像素点归为第六像素点集合；

步骤八、计算第三像素点集合中所有像素点的第三灰度平均值mean3；

步骤九、计算第四像素点集合中所有像素点的第四灰度平均值mean4；

步骤十、计算第五像素点集合中所有像素点的第三灰度平均值mean5；

步骤十一、计算第六像素点集合中所有像素点的第四灰度平均值mean6；

步骤十二、将第三像素点集合中的所有像素点的灰度值进行拉伸，即将所有灰度值小于第三灰度平均值mean3的像素点的灰度值一一映射到0至31之间，将所有灰度值大于或等于第三像素平均值mean3的像素点的灰度值一一映射到32至63之间；

步骤十三、将第四像素点集合中的所有像素点的灰度值进行拉伸，即将所有灰度值小于第四灰度平均值mean4的像素点的灰度值一一映射到64至95之间，将所有灰度值大于或等于第四像素平均值mean4的像素点的灰度值一一映射到96至127之间；

步骤十四、将第五像素点集合中的所有像素点的灰度值进行拉伸，即将所有灰度值小于第五灰度平均值mean5的像素点的灰度值一一映射到128至159之间，将所有灰度值大于或等于第五像素平均值mean5的像素点的灰度值一一映射到160至191之间；

步骤十五、将第六像素点集合中的所有像素点的灰度值进行拉伸，即将所有灰度值小于第六灰度平均值mean6的像素点的灰度值一一映射到192至223之间，将所有灰度值大于或等于第六像素平均值mean6的像素点的灰度值一一映射到224至255之间；

步骤十六、根据步骤十二、步骤十三、步骤十四和步骤十五得到的各像素点的灰度值生成增强以后的图像。

作为优选，所述总灰度平均值由以下公式得到：

式中，hist(x)表示灰度值为x的像素点的个数；是图像所有像素点的个数。

作为优选，所述第一灰度平均值由以下公式得到：

mean 1 = \frac{Σ_{x = 0}^{mean 0} x^{*} hist (x)}{(Σ_{x = 0}^{mean 0} hist (x)) + 1};

所述第二灰度平均值由以下公式得到：

mean 2 = \frac{Σ_{x = mean 0}^{255} x^{*} hist (x)}{(Σ_{x = mean 0}^{255} hist (x)) + 1};

所述第三灰度平均值由以下公式得到：

mean 3 = \frac{Σ_{x = 0}^{mean 1} x^{*} hist (x)}{(Σ_{x = 0}^{mean 1} hist (x)) + 1};

所述第四灰度平均值由以下公式得到：

mean 4 = \frac{Σ_{x = mean 1}^{mean 0} x^{*} hist (x)}{(Σ_{x = mean 1}^{mean 0} hist (x)) + 1};

所述第五灰度平均值由以下公式得到：

mean 5 = \frac{Σ_{x = mean 0}^{mean 2} x^{*} hist (x)}{(Σ_{x = mean 0}^{mean 2} hist (x)) + 1};

所述第六灰度平均值由以下公式得到：

mean 6 = \frac{Σ_{x = mean 2}^{255} x^{*} hist (x)}{(Σ_{x = mean 2}^{255} hist (x)) + 1};

式中，hist(x)表示灰度值为x的像素点的个数；是图像所有像素点的个数。为了防止出现某一像素点集合中的像素点数量为零导致平均值公式的分母为零的情况，在计算除了总灰度平均值以外的灰度平均值时，像素点数量加1。

作为优选，步骤十二中对第三像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]=32*x/mean3，当0≤x<mean3；

new[x]=31+32*(x-mean3)/(mean1-mean3)，当mean3≤x<mean1；

式中new[x]表示对原像素灰度x做拉伸表换后的灰度值。

作为优选，步骤十三中对第四像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]=63+32*(x-mean1)/(mean4-mean1)，当mean1≤x<mean4；

new[x]=95+32*(x-mean4)/(mean0-mean4)，当mean4≤x<mean0；

式中new[x]表示对原像素灰度x做拉伸表换后的灰度值。

作为优选，步骤十四中对第五像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]=127+32*(x-mean0)/(mean5-mean0)，当mean0≤x<mean5；

new[x]=159+32*(x-mean5)/(mean2-mean5)，当mean5≤x<mean2；

式中new[x]表示对原像素灰度x做拉伸表换后的灰度值。

作为优选，步骤十五中对第六像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]=191+32*(x-mean2)/(mean6-mean2)，当mean2≤x<mean6；

new[x]=223+32*(x-mean6)/(255-mean6)，当mean6≤x≤255；

式中new[x]表示对原像素灰度x做拉伸表换后的灰度值。

每个灰度区间都分配了32个灰度值，不论这个区间有多小。原始灰度落在不同的区域，使用的拉伸参数不同。这样将一幅图像的灰度分为若干个区域，使图像中各个成分拉伸更注重细节，让原来不明显的部分变得更加明显，从而达到增强图像的效果。

如果需要进一步的增强，可以继续按求平均值-分类的方法操作，最后划分更细微的区域，最后通过拉伸公式得到每个像素点的新灰度值，这样对于灰度等级大于8位的图像可以有更好的处理效果。本方法也可以用来处理彩色图像的亮度。

作为优选，做一副图像的增强时，如果图像灰度不是用8位二进制表示的话，则先将目标图像转化为灰度为8位二进制表示的图像，或者将文中的255数值改为图像灰度所能表示的最大数值即可。

本发明带来的实质性效果是，可以区分图像的细节，对于灰度值相近的像素点可以在增强以后容易被人眼区分，处理过程简单，计算量小，处理速度快。

附图说明

图1是本发明的一种流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：待处理的目标图像为一幅包含1000个像素点的8位灰度图像，其中500个像素点的灰度值为255，499个像素点的灰度值为254，一个像素点的灰度值为0。

首先计算总灰度平均值：mean0=(255*500+254*499+0*1)/1000=254.246;

将目标图像中的像素点以总灰度平均值为界限进行分类，第一像素点集合包括499个灰度值为254的像素点和一个灰度值为0的像素点；第二像素点集合包括500个灰度值为255的像素点；

接着计算第一像素点集合中所有像素点的第一灰度平均值：mean1=(254*499+0*1)/(499+1+1)=252.986；

计算第二像素点集合中所有像素点的第二灰度平均值：mean2=(255*500)/(500+1)=254.491；

将第一像素点集合中的所有像素点以第一灰度平均值进行分类，第三像素点集合包括1个灰度值为0的像素点；第四像素点集合包括499个灰度值为254的像素点；

将第二像素点集合中的所有像素点以第二灰度平均值进行分类，第五像素点集合中像素点数量为0；第六像素点集合包括500个灰度值为255的像素点；

计算第三像素点集合中所有像素点的第三灰度平均值：mean3=0*1/(1+1)=0；

计算第四像素点集合中所有像素点的第四灰度平均值：mean4=254*499/(499+1)=253.492；

计算第五像素点集合中所有像素点的第五灰度平均值：mean5=0/(0+1)=0；

计算第六像素点集合中所有像素点的第六灰度平均值：mean6=255*500/(500+1)=254.491；

将第三、第四、第五、第六像素点集合中的像素点依据各自的灰度平均值进行分类，这样，所有像素被划分为8个区间，每个区间可以获得32个灰度值的级别；

将每个区间中的像素进行拉伸：

第一个区间为灰度值大于等于0且小于等于第三灰度平均值，这个区间中没有像素点；

第二个区间为灰度值大于等于第三灰度平均值且小于第一灰度平均值，这个区间中有一个原灰度值为0的像素点，经过拉伸以后灰度值变为：new[0]=31+32*(0-0)/(252.986-0)=31；

第三个区间为灰度值大于等于第一灰度平均值且小于第四灰度平均值，这个区间中没有像素点；

第四个区间为灰度值大于等于第四灰度平均值且小于总灰度平均值，这个区间中包含499个原灰度值为254的像素点，经过拉伸以后灰度值变为：new[254]=95+32*(254-253.492)/(254.246-253.492)=117；

第五个区间为灰度值大于等于总灰度平均值且小于第五灰度平均值，这个区间中没有像素点；

第六个区间为灰度值大于等于第五灰度平均值且小于第二灰度平均值，这个区间中没有像素点；

第七个区间为灰度值大于等于第二灰度平均值且小于第六灰度平均值，这个区间中没有像素点；

第八个区间为灰度值大于等于第六灰度平均值且小于等于255，这个区间中包含500个原灰度值为255的像素点，经过拉伸以后灰度值变为：new[255]=223+32*(255-254.491)/(255-254.491)=255；

将所有像素点的灰度值经过拉伸以后就得到增强以后的图像，增强以后的图像包括500个灰度值为255的像素点、499个灰度值为117的像素点和一个灰度值为31的像素点。以人眼的分辨能力来说，可以轻易区分出灰度值为117和灰度值为255的部分，即图像的细节部分得到了突出。

尽管从本例来看，第五灰度平均值为0，不在总灰度平均值和第二灰度平均值之间，但是第五像素点集合中没有像素点，所以不会对最终结果产生影响。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了像素、灰度值、平均值等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims

1.一种图像增强方法，其特征在于，包括以下步骤：

步骤一、计算目标图像中每种灰度值的像素点个数，灰度最小为0，最大为255；

步骤二、计算所有像素点的总灰度平均值mean0；

步骤十、计算第五像素点集合中所有像素点的第五灰度平均值mean5；

步骤十一、计算第六像素点集合中所有像素点的第六灰度平均值mean6；

2.根据权利要求1所述的图像增强方法，其特征在于，所述总灰度平均值由以下公式得到：

m e a n 0 = \frac{Σ_{x = 0}^{255} x * h i s t (x)}{Σ_{x = 0}^{255} h i s t (x)}

3.根据权利要求1所述的图像增强方法，其特征在于，所述第一灰度平均值由以下公式得到：

所述第二灰度平均值由以下公式得到：

所述第三灰度平均值由以下公式得到：

所述第四灰度平均值由以下公式得到：

所述第五灰度平均值由以下公式得到：

所述第六灰度平均值由以下公式得到：

式中，hist(x)表示灰度值为x的像素点的个数。

4.根据权利要求1所述的图像增强方法，其特征在于，步骤十二中对第三像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]＝32*x/mean3，当0≤x<mean3；

new[x]＝31+32*(x-mean3)/(mean1-mean3)，当mean3≤x<mean1；

式中new[x]表示对原像素灰度x做拉伸变换后的灰度值。

5.根据权利要求1所述的图像增强方法，其特征在于，步骤十三中对第四像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]＝63+32*(x-mean1)/(mean4-mean1)，当mean1≤x<mean4；

new[x]＝95+32*(x-mean4)/(mean0-mean4)，当mean4≤x<mean0；

式中new[x]表示对原像素灰度x做拉伸变换后的灰度值。

6.根据权利要求1所述的图像增强方法，其特征在于，步骤十四中对第五像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]＝127+32*(x-mean0)/(mean5-mean0)，当mean0≤x<mean5；

new[x]＝159+32*(x-mean5)/(mean2-mean5)，当mean5≤x<mean2；

式中new[x]表示对原像素灰度x做拉伸变换后的灰度值。

7.根据权利要求1所述的图像增强方法，其特征在于，步骤十五中对第六像素点集合中的所有像素点的灰度值进行拉伸按以下公式进行：

new[x]＝191+32*(x-mean2)/(mean6-mean2)，当mean2≤x<mean6；

new[x]＝223+32*(x-mean6)/(255-mean6)，当mean6≤x≤255；

式中new[x]表示对原像素灰度x做拉伸变换后的灰度值。

8.根据权利要求1所述的图像增强方法，其特征在于，步骤一中，计算图像灰度值时，如果目标图像灰度不是8位二进制表示，则先将目标图像转化为灰度为8位二进制表示的图像。