CN103810681A - 一种低功耗对比度增强方法 - Google Patents

Abstract

本发明提供一种低功耗对比度增强方法，其特征在于，所述低功耗对比度增强方法包括：统计目标图像像素的灰度值k，得到所述图像灰度值k分布的第一直方图；对所述第一直方图进行滤波处理，得到第二直方图；将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。本发明对图像进行处理后再显示，不仅可以降低功耗，延长显示器的使用生命周期，并且对于图像暗区有保护作用，几乎无损失，图像局部细节的对比度得到增强。

Description

一种低功耗对比度增强方法

技术领域

本发明涉及半导体器件领域，特别是涉及一种低功耗对比度增强方法。

背景技术

对比度，简而言之就是显示器的白色亮度与黑色亮度的比值，相同的白色或黑色亮度下，对比度越高，画面层次感越鲜明，对比度高的产品在一些暗场景中的细节表现、清晰度和高速运动物体表现上优势更加明显，而对比度低的产品则会使画面显得灰蒙蒙。特别是在彩色图像中，由于亮度分量与其他颜色分量，如饱和度、色度等息息相关，所以对比度的高低对画面的清晰度等具有很大的影响。

为此，人们研究了多种图像对比度增强方法，以通过调节图像灰度级的分布，增加各个像素之间的视觉距离，使模糊的目标容易辨识，提高图像的观看质量。随着对比度增强技术的成熟和发展，越来越多的研究集中在对对比度增强的同时降低显示器的功耗，但研究结果并不乐观。例如，文献“The enhancement net power control for lifetime improvement ofAMOLED”IEEE Symposium Circuits and Systems,pp.3246-3249,May2012中的方法，虽然能够降低功耗，但是并没有对图像进行增强，图像损失严重。文献“Power-constrainedcontrast enhancement for OLED displays based on histogram equalization”IEEEConference Image Processing,pp.1689-1692,Sept.2010中的方法，对于亮区图像的压缩过少，功耗约束效率较低，对于暗区图像的压缩过多，图像质量损失较大。并且该方法用到了对数运算，运算量比较大，难以用硬件实现，不利于集成化。

因此，急需一种低功耗的对比度增强方法，以延长显示器的使用生命周期，并且在对比度增强过程中减少图像质量损失。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种低功耗对比度增强方法，用于解决现有技术中功耗约束效率不高，对比度增强过程中图像质量损失较大，以及运算量较大，难以通过硬件实现，不利于集成化的问题。

为实现上述目的及其他相关目的，本发明提供一种低功耗对比度增强方法，所述低功耗对比度增强方法至少包括：

统计目标图像像素的灰度值，得到所述图像灰度值分布的第一直方图；

对所述第一直方图进行滤波处理，得到第二直方图；

将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；

分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。

优选地，将第二直方图进行分段进一步包括：统计第二直方图中的最小值以及最小值所处的位置，根据所述最小值所处的位置将第二直方图进行分段。

优选地，对每个子段进行直方均衡化处理进一步包括：对于每个子段，依次通过概率密度函数和直方图均衡变换函数

将每个像素的灰度值k映射为新的灰度值T(k)，其中，p(k)代表灰度值k在图像中出现的概率，h_i(k)为第二直方图每个子段所对应的直方图，k∈[a,b]，a和b分别代表子段中的最低灰度值和最高灰度值，M为每个子段内的像素总个数。

优选地，所述滤波处理采用平滑滤波器，滤波函数为：

其中，k为灰度值，h_s(k)为第二直方图。

优选地，所述功耗约束通过压缩映射公式计算，所述压缩映射公式为：

其中，M(k)为每个像素点灰度值k经功耗约束后的灰度值，Len_i为压缩前第n个子段的灰阶长度，Len_o为压缩后第n个子段的灰阶长度，a为压缩前第n个子段的起始灰阶值。

优选地，Len_i与Len_o之间的关系为：

${\mathrm{Len}}_o=\left\{\begin{array}{cc}{\mathrm{Len}}_i\×{\mathrm{\β}}_n,& \mathrm{ifn}=0\\ {\mathrm{Len}}_i\×\mathrm{\α}\×{\mathrm{\β}}_n,& \mathrm{ifn}>0\end{array}\right.,$ 其中，α为全局压缩系数，为固定值，β_n为局部压缩系数，n为子段序号，

其中，P_n为第n个子段的功耗值，TP为整幅图像的功耗值。

优选地，所述全局压缩系数α根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值进行调节，其中，

其中，A_i为第i个像素的灰度值，M为整幅图像的总像素个数，N为亮背景区域的总像素个数。

优选地，所述亮背景区域的功耗值P₁通过以下方法计算：

若某一像素点的灰度值满足|k_i-k_i(m)|≤j且k_i≥w，则所述像素处于亮背景区域，其中，k_i为第i个像素点在当前帧图像的灰度值，k_i(m)为为第i个像素点在m帧前图像的灰度值，j为差值阈值，w为亮像素阈值；

统计亮背景区域的直方图，并根据公式计算亮背景区域功耗值P₁。

优选地，α的取值满足

优选地，在统计目标图像像素的灰度值之前，把图像数据从RGB颜色空间转换到YUV颜色空间，在分别对所述第三直方图的每个子段进行功耗约束之后，将YUV颜色空间转换回RGB颜色空间。

相应地，本发明还提供了一种低功耗对比度增强装置，所述低功耗对比度增强装置包括：

统计模块，用于统计目标图像像素的灰度值，得到所述图像灰度值分布的第一直方图；

滤波处理模块，用于对所述第一直方图进行滤波处理，得到第二直方图；

直方均衡化处理模块，用于将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；

功耗约束模块，分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。

如上所述，本发明的低功耗对比度增强方法，具有以下有益效果：

首先，本发明根据图像原始直方图中最小值所处的位置将直方图进行分段，并分别对每个子段进行直方均衡化处理，从而着重于图像局部区域的对比度增强，对于细节的增强效果更佳。

其次，本发明在对图像进行分段直方均衡化处理的基础上，对于每个子段分别进行功耗约束，对第0个子段（最暗的区域）只进行局部压缩，其余子段进行全局和局部压缩，从而不仅在很大程度上可以降低功耗（50%至60%），延长了显示器，尤其是AMOLED显示器的使用生命周期，并且着重于压缩亮区高能量区，保护了暗区图像的质量，图像质量几乎无损失，图像局部细节的对比度得到增强。

再次，本发明利用运动图像的背景检测方法计算出背景中的亮区，根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值自动调整全局压缩系数α，进一步提高了动态图像的功耗和图像质量的权衡效果，此外，α取2的整数幂次方之和，从而可以用移位操作取代乘法运算，运算量小，在硬件实现时更节约成本，更有利于集成化。

附图说明

图1显示为本发明的低功耗对比度增强方法实施例1的流程图。

图2显示为本发明的低功耗对比度增强方法实施例2的流程图。

图3显示为本发明的图像中亮背景区域的提取流程。

图4显示为本发明的低功耗对比度增强装置的示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

需要说明的是，本发明实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

实施例1

请参阅图1本发明低功耗对比度增强方法实施例1的流程图。

所述低功耗对比度增强方法包括以下步骤：

步骤S1：统计目标图像像素的灰度值，得到所述图像灰度值分布的第一直方图。

灰度级范围为[0,2^b-1]的数字图像的直方图是离散函数h(k)，其中b为像素位宽，k为灰度值，0≤k≤2^b-1，h(k)是图像中灰度值为k的像素个数。统计每一灰度值对应的像素个数，得到所述图像灰度值分布的第一直方图。所述灰度级通常为256个级数，当然，有时为了加速程序的运行，也可以把灰度级数规定的少一些。

需要说明的是，对于灰度图像，直接对图像中像素统计其灰度值分布的第一直方图，而对于RGB彩色图像，由于RGB颜色空间将色调、亮度和饱和度放在一起表示，很难分开，难以进行数字化的调整，因此，需要在统计目标图像像素的灰度值之前，把图像数据从RGB颜色空间转换到YUV颜色空间，在分别对所述第三直方图的每个子段进行功耗约束之后，将YUV颜色空间转换回RGB颜色空间。

在本发明一实施例中，通过以下的变换公式进行RGB颜色空间与YUV颜色空间之间的转换：

Y=0.299×R＋0.587×G+0.114×B

U=-0.147×R-0.289×G+0.437×B

V=0.615×R-0.515×G-0.100×B

其中，R、G和B分别为RGB颜色空间中的三个颜色分量，Y为YUV颜色空间的亮度分量，U和V为色度分量。所述第一直方图是建立在亮度分量Y（灰度值）的基础上的。

需要说明的是，上述RGB颜色空间与YUV颜色空间之间的转换方法仅用于示例性说明，还可以采用其他转换方法，本发明在此不加以限制。

步骤S2：对所述第一直方图进行滤波处理，得到第二直方图。

所述滤波处理采用平滑滤波器，滤波器长度为8，滤波函数为：

式（1），其中，k为灰度值，h_s(k)为第二直方图。经过滤波后，直方图变得更为平滑。

步骤S3：将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图，其进一步包括：统计第二直方图中的最小值以及最小值所处的位置，根据所述最小值所处的位置将第二直方图进行分段。

所述最小值即为直方图中的波谷，最小值所处的位置组成的数组为[P₁，P₂，…，P_n]，0<P₁<…<P_n<255，根据最小值的位置将第三直方图进行分段，共得到n+1个直方图子段，如下所示：

h₁(k),k∈[0,P1]

h₂(k),k∈[P1+1,P2]

...

h_n+1(k),k∈[Pn+1,255]

对每个子段进行直方均衡化处理进一步包括：对于每个子段h_i(k),k∈[a,b],i∈[1,n+1]，依次通过概率密度函数

式（2）和直方图均衡变换函数

式（3）将每个像素的灰度值k映射为新的灰度值T(k)，其中，p(k)代表灰度值k在图像中出现的概率，hi(k)为第二直方图每个子段所对应的直方图，k∈[a,b]，a和b分别代表子段中的最低灰度值和最高灰度值，M为每个子段内的像素总个数。

将图像的原始直方图按照一定方式分成若干个连续子段，在每个子段内分别进行传统的直方均衡算法，这种分段的直方均衡算法着重对局部区域进行对比度增强，能够实现直方图均衡化，对于细节增强效果更佳，从而提高图像的对比度。

步骤S4：分别对所述第三直方图的每个子段进行静态图像功耗约束，得到最终的图像。

所述功耗约束通过压缩映射公式计算，所述压缩映射公式为：

式（4），其中，M(k)为每个像素点灰度值k经功耗约束后的灰度值，Len_i为压缩前第n个子段的灰阶长度，Len_o为压缩后第n个子段的灰阶长度，a为压缩前第n个子段的起始灰阶值。

Len_i与Len_o之间的关系为：

${\mathrm{Len}}_o=\left\{\begin{array}{cc}{\mathrm{Len}}_i\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}=0\\ {\mathrm{Len}}_i\&times;\mathrm{\&alpha;}\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}>0\end{array}\right.,$ 式（5），其中，α为全局压缩系数，为固定值，β_n为局部压缩系数，n为子段序号，式（6），其中，P_n为第n个子段的功耗值，TP为整幅图像的功耗值。

整体压缩强度随着全局缩放因子α的减小而增强；局部缩放因子β_n与该子段的功耗值呈一次线性反比的关系，局部压缩强度随着局部缩放因子β_n的减小而增强，即随着子段能量的增加而增强。需要说明的是，当n=0时，不进行全局压缩，即对于最暗的子段，保护其图像质量。由此可见，本发明的功耗约束对比度增强算法，着重于压缩亮区高能量区，在提高功耗约束效率的同时，保护了暗区低功耗的图像。

实施例2

请参阅图2本发明低功耗对比度增强方法实施例2的流程图。

所述低功耗对比度增强方法包括以下步骤：

步骤S11：统计目标图像像素的灰度值，得到所述图像灰度值分布的第一直方图；

步骤S12：对所述第一直方图进行滤波处理，得到第二直方图；

步骤S13：将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；

步骤S14：采用动态图像功耗约束自适应分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。

在本实施例中，在分段直方均衡对比度增强的基础上采用动态图像功耗约束自适应方法，在该方法中，全局压缩系数α根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值r进行调节，其中，

其中，A_i为第i个像素的灰度值，M为整幅图像的总像素个数，N为亮背景区域的总像素个数。

对于视频，一般情况下，运动体为主要关注对象，静止体为背景，是次要关注对象。在本实施例中，利用运动图像的背景检测，计算背景中的亮区，即亮背景区域。

图3示出了本发明的图像中亮背景区域的提取流程。

如图3所示，利用当前帧图像减去m帧前图像，得到的像素差值就是图像的变化量。若某一像素点的灰度值满足|k_i-k_i(m)|≤j且k_i≥w，则所述像素处于亮背景区域，其中，k_i为第i个像素点在当前帧图像的灰度值，k_i(m)为第i个像素点在m帧前图像的灰度值，j为差值阈值，w为亮像素阈值。在本发明实施例中，j为20，w为150。两帧图像的像素差值不超过差值阈值j，则可以判定此像素位于背景区域，若灰度值超过亮像素阈值w，则判定为该像素位于亮区域，同时满足两个条件，则此像素处于亮背景区域。统计亮背景区域的直方图，并根据公式

计算亮背景区域功耗值P₁。

定位出明亮背景区域后，统计亮背景的直方图，其灰阶范围为w至最高灰度值（8位灰度图最高灰度值为255）。根据直方图和功耗模型，计算出整体功耗值P₀（整幅图像的功耗）以及亮背景区域的功耗P₁，P₀与P₁的功耗比值为r：

$r=\frac{P_1}{P_0}$ 式（8）

根据整体功耗值P₀和功耗比值r，调整全局压缩系数α，α与P₀和r的映射关系如下表：

表1

其中，P(暗图像阈值)和P(亮图像阈值)分别是图像功耗的固定阈值，P₀＜P(暗图像阈值)，则该图像为暗图像，P₀≥P(亮像素阈值)，则该图像为-亮图像。

下表是映射关系的一种优选实施例：

表2

其中，P(暗图像阈值)为P(100)，P(亮图像阈值)为P(150)，P(100)和P(150)分别代表当图像所有像素点的灰度值都是100、150时图像的整体功耗值。

整体功耗值P₀小于P(100)时，则图像较暗，此时不管r为何值，α均取最大值1，根据式（5），则只进行局部压缩；整体功耗值P₀在P(100)与P(150)之间时，根据不同的r值，α不同，整体地，r值越大，则α的取值越小；整体功耗值P₀在P(150)以上时，图像较亮，此时不管r为何值，α均取最小值0.75。优选地，α的取值满足式（9）。

对于动态图像，如视频，由多帧图像组成，不同帧之间图像的亮度不同，对于明暗变化比较显著的视频，亮度的波动会比较剧烈，前后帧图像的功耗相差也较大。此时，若仅采用全局压缩系数α对图像进行压缩，低功耗的效率和整体视频的显示效果都不突出。例如，若全局压缩系数α偏高，整体视频显示的效果会比较好，接近原始视频亮度，但是对于平均亮度比较高的视频，其功耗约束效果就比较差；若全局压缩系数α偏低，功耗约束效果比较好，但是对于平均亮度比较低的视频，整体视频显示的效果就比较差，图像过暗。本发明根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值r自动调整全局压缩系数α，进一步提高了动态图像的功耗和图像质量的权衡效果，此外，α取2的整数幂次方之和，从而可以用移位操作取代乘法运算，运算量小，在硬件实现时更节约成本，更有利于集成化。

图4示出了本发明的低功耗对比度增强装置的示意图。

如图4所示，所述低功耗对比度增强装置400包括：

统计模块401，用于统计目标图像像素的灰度值k，得到所述图像灰度值k分布的第一直方图；

滤波处理模块402，用于对所述第一直方图进行滤波处理，得到第二直方图；

直方均衡化处理模块403，用于将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；

功耗约束模块404，用于分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。

直方均衡化处理模块403将第二直方图进行分段包括：统计第二直方图中的最小值以及最小值所处的位置，根据所述最小值所处的位置将第二直方图进行分段。对每个子段进行直方均衡化处理包括：对于每个子段，依次通过概率密度函数和直方图均衡变换函数

将每个像素的灰度值k映射为新的灰度值T(k)，其中，p(k)代表灰度值k在图像中出现的概率，h_i(k)为第二直方图每个子段所对应的直方图，k∈[a,b]，a和b分别代表子段中的最低灰度值和最高灰度值，M为每个子段内的像素总个数。

滤波处理模块402采用平滑滤波器，滤波函数为：

其中，k为灰度值，h_s(k)为第二直方图。

功耗约束模块404通过压缩映射公式进行功耗约束，所述压缩映射公式为：

其中，M(k)为每个像素点灰度值k经功耗约束后的灰度值，Len_i为压缩前第n个子段的灰阶长度，Len_o为压缩后第n个子段的灰阶长度，a为压缩前第n个子段的起始灰阶值。Len_i与Len_o之间的关系为：

${\mathrm{Len}}_o=\left\{\begin{array}{cc}{\mathrm{Len}}_i\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}=0\\ {\mathrm{Len}}_i\&times;\mathrm{\&alpha;}\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}>0\end{array}\right.,$ 其中，α为全局压缩系数，为固定值，β_n为局部压缩系数，n为子段序号，

其中，P_n为第n个子段的功耗值，TP为整幅图像的功耗值。所述全局压缩系数α根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值进行调节，其中，其中，A_i为第i个像素的灰度值，M为整幅图像的总像素个数，N为亮背景区域的总像素个数。

优选地，所述亮背景区域的功耗值P₁通过以下方法计算：

若某一像素点的像素值满足|k_i-k_i(m)|≤j且k_i≥w，则所述像素处于亮背景区域，其中，k_i为第i个像素点在当前帧图像的灰度值，k_i(m)为第i个像素点在m帧前图像的灰度值，j为差值阈值，w为亮像素阈值；

统计亮背景区域的直方图，并根据公式计算亮背景区域功耗值P1。

优选地，α的取值满足

还包括颜色空间转换模块405，用于在统计目标图像像素的灰度值之前，把图像数据从RGB颜色空间转换到YUV颜色空间，在分别对所述第三直方图的每个子段进行功耗约束之后，将YUV颜色空间转换回RGB颜色空间。

需要说明的是，装置实施例的描述请参考方法实施例，在此不再赘述。综上所述，本发明的低功耗对比度增强方法，具有以下有益效果：

首先，本发明根据图像原始直方图中最小值所处的位置将直方图进行分段，并分别对每个子段进行直方均衡化处理，从而着重于图像局部区域的对比度增强，对于细节的增强效果更佳。

其次，本发明在对图像进行分段直方均衡化处理的基础上，对于每个子段分别进行功耗约束，对第0个子段（最暗的区域）只进行局部压缩，其余子段进行全局和局部压缩，从而不仅在很大程度上可以降低功耗（50%至60%），延长了显示器，尤其是AMOLED显示器的使用生命周期，并且着重于压缩亮区高能量区，保护了暗区图像的质量，图像质量几乎无损失，图像局部细节的对比度得到增强。

再次，本发明利用运动图像的背景检测方法计算出背景中的亮区，根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值自动调整全局压缩系数α，进一步提高了动态图像的功耗和图像质量的权衡效果，此外，α取2的整数幂次方之和，从而可以用移位操作取代乘法运算，运算量小，在硬件实现时更节约成本，更有利于集成化。

所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种低功耗对比度增强方法，其特征在于，所述低功耗对比度增强方法至少包括：

统计目标图像像素的灰度值k，得到所述图像灰度值k分布的第一直方图；

对所述第一直方图进行滤波处理，得到第二直方图；

将第二直方图进行分段，并分别对每个子段进行直方均衡化处理，得到第三直方图；

分别对所述第三直方图的每个子段进行功耗约束，得到最终的图像。

2.根据权利要求1所述的低功耗对比度增强方法，其特征在于，将第二直方图进行分段进一步包括：统计第二直方图中的最小值以及最小值所处的位置，根据所述最小值所处的位置将第二直方图进行分段。

3.根据权利要求1所述的低功耗对比度增强方法，其特征在于，对每个子段进行直方均衡化处理进一步包括：对于每个子段，依次通过概率密度函数

和直方图均衡变换函数

将每个像素的灰度值k映射为新的灰度值T(k)，其中，p(k)代表灰度值k在图像中出现的概率，h_i(k)为第二直方图每个子段所对应的直方图，k∈[a,b]，a和b分别代表子段中的最低灰度值和最高灰度值，M为每个子段内的像素总个数。

4.根据权利要求1所述的低功耗对比度增强方法，其特征在于：所述滤波处理采用平滑滤波器，滤波函数为：

其中，k为灰度值，h_s(k)为第二直方图。

5.根据权利要求1所述的低功耗对比度增强方法，其特征在于，所述功耗约束通过压缩映射公式计算，所述压缩映射公式为：

其中，M(k)为每个像素点灰度值k经功耗约束后的灰度值，Len_i为压缩前第n个子段的灰阶长度，Len_o为压缩后第n个子段的灰阶长度，a为压缩前第n个子段的起始灰阶值。

6.根据权利要求5所述的低功耗对比度增强方法，其特征在于，Len_i与Len_o之间的关系为：

${\mathrm{Len}}_o=\left\{\begin{array}{cc}{\mathrm{Len}}_i\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}=0\\ {\mathrm{Len}}_i\&times;\mathrm{\&alpha;}\&times;{\mathrm{\&beta;}}_n,& \mathrm{ifn}>0\end{array}\right.,$ 其中，α为全局压缩系数，为固定值，β_n为局部压缩系数，n为子段序号，

其中，P_n为第n个子段的功耗值，TP为整幅图像的功耗值。

7.根据权利要求6所述的低功耗对比度增强方法，其特征在于：所述全局压缩系数α根据当前图像的整体功耗值P₀以及亮背景区域的功耗值P₁与整体功耗值P₀的比值进行调节，其中，

其中，A_i为第i个像素的灰度值，M为整幅图像的总像素个数，N为亮背景区域的总像素个数。

8.根据权利要求6所述的低功耗对比度增强方法，其特征在于，所述亮背景区域的功耗值P₁通过以下方法计算：

若某一像素点的灰度值满足|k_i-k_i(m)|≤j且k_i≥w，则所述像素处于亮背景区域，其中，k_i为第i个像素点在当前帧图像的灰度值，k_i(m)为第i个像素点在m帧前图像的灰度值，j为差值阈值，w为亮像素阈值；

统计亮背景区域的直方图，并根据公式

计算亮背景区域功耗值P₁。

9.根据权利要求6所述的低功耗对比度增强方法，其特征在于：α的取值满足

10.根据权利要求1所述的低功耗对比度增强方法，其特征在于：在统计目标图像像素的灰度值k之前，把图像数据从RGB颜色空间转换到YUV颜色空间，在分别对所述第三直方图的每个子段进行功耗约束之后，将YUV颜色空间转换回RGB颜色空间。

Images