CN103985097A - 一种非均匀照度的图像增强方法 - Google Patents

Abstract

一种非均匀照度的图像增强方法属于数字图像处理技术领域，目的在于解决现有技术的图像增强方法存在的问题，实现对非均匀照度的图像的图像增强处理。本发明的一种非均匀照度的图像增强方法具体包括以下步骤：对非均匀照度图像统计直方图，并根据高、低照度的峰值确定阈值，并将直方图分割为高照度子带和低照度子带；如果为高照度子带，保持子带亮度增强方法，低照度子带采用相应灰度映射增强方法。本发明的一种非均匀照度的图像增强方法防止局部图像出现过度增强、抑制了图像的整体噪声，得到整体均匀的图像；算法运算量小，稳定可靠，可应用于实时工程系统中。

Description

一种非均匀照度的图像增强方法

技术领域

本发明属于数字图像处理技术领域，具体涉及一种非均匀照度的图像增强方法。

背景技术

在成像系统中，由于成像设备和成像条件的影响以及成像物体局部表面对光线的吸收与反射性能不同，会造成光照不均匀，成像质量下降。对后续的图像处理与分析，如图像分割、目标识别与跟踪等产生严重的影响。基于光学校正方法通常采用高质量的LED光源获得较均匀的照明条件，但其价格昂贵且不可能获得一个照度绝对均匀的光源。因此，通过图像处理算法消除非均匀照度对成像质量的影响，达到图像增强的目的是目前通用的方法。

所谓非均匀照度图像通常是低照度部分的亮度和对比度较低，而高照度部分显示正常的图像。因此，提高低照度部分图像的对比度和亮度、保持高照度部分亮度并增强其对比度，才能得到光照较均匀的图像，达到整体图像增强的目的。

当前的图像增强方法较多，主要包括：直方图均衡化、小波变换、Retinex算法以及同态滤波等，但每种算法在对非均匀照度的图像进行增强时都有一定弊端和局限性，下面分别介绍上述算法。

图像直方图均衡化就是使图像中所有出现的灰度值变换为均匀分布的形式，从而增大图像灰度级的动态范围。对占有较多像素的灰度进行扩展，对占有较少像素的灰度进行抑制，并对一些灰度值进行合并，使灰度间距拉大或均匀分布，从而达到图像整体亮度和对比度增强的效果，使图像细节清楚。但是直方图均衡化算法对高照度部分，图像会出现过饱和现象，且放大了噪声，使图像整体视觉效果会降低。

同态滤波是将图像视为入射分量和反射分量的乘积，非均匀光照体现在缓慢变化的入射分量中，属于低频成分；反射分量反映图像的细节、反差等特性，属于高频成分。将原图取对数，并进行傅里叶变换将图像转换到频域，依据照度-反射模型进行处理，削弱低频成分，适当增强高频分量。从而达到克服非均匀光照度，压缩动态范围与增强对比度的目的。在同态滤波过程中的频域滤波会在图像边界产生模糊效应，同时涉及大量复杂的时频转换，不适合工程中实时视觉系统要求。

小波变换具有多分辨分析的特点，在时域和频域中都具有表征信号局部特征的能力，可利用小波变换优良的时频局部分析特性能实现二维图像的增强。小波变换实际上是将信号通过低通和高通两组滤波器分解为低频和高频两部分，将图像分解为不同尺度的子带图像，通过改变子带的小波系数来增强图像，对图像细节起到了很好的锐化作用。然而小波方法在改善非均匀照度图像的效果并不够理想且计算复杂。

Retinex算法是一种描述颜色不变性的模型，其实质是将一幅图像用照射图像和反射图像的乘积表示，然后通过调整照射图像和反射图像在原图像中的比例来达到增强图像的目的。Retinex理论假设空间中光照是比较平滑变化的，因此在光照度变化较强烈的区域会产生“光晕”现象。

发明内容

本发明的目的在于提出一种非均匀照度的图像增强方法，解决现有技术的图像增强方法存在的问题，实现对非均匀照度的图像的图像增强处理。

为实现上述目的，本发明的一种非均匀照度的图像增强方法包括以下步骤：

步骤一：统计非均匀照度图像的直方图，选取低照度部分直方图的峰值对应的像素值记为W_L，高照度部分直方图的峰值对应的像素值记为W_H，根据公式(一)得到自适应阈值X_m；

X_m＝(W_H-W_L)/2+W_L       (一)；

步骤二：根据步骤二中得到的自适应阈值X_m将步骤一中得到的统计直方图分割为低照度子带和高照度子带两个子带；

步骤三：判断非均匀照度的图像每个点的像素值X_i与步骤二中得到的自适应阈值X_m的大小关系，若X_i小于X_m，则判定该点为低照度子带中一点，执行步骤四；若X_i大于X_m，则判定该点为高照度子带中一点，执行步骤五；

步骤四：对于低照度部分，采用灰度映射增强方法，提高低照度部分图像的对比度和亮度，增强图像细节，统计低照度子带直方图非零值对应的像素最小值X_min，设像素值为X_i的像素个数为低照度部分总像素数为N_L，对低照度子带直方图的灰度值进行动态范围扩展，根据公式(二)得到其对应的映射函数Y_L(X)：

$Y_L\left(X\right)=X_{\min }+(X_m-X_{\min })\underset{i=X_{\min }}{\overset{X_m}{\mathrm{\Σ}}}\frac{n_L^i}{N_L}$          (二)；

步骤五：对于高照度部分，采用保持子带亮度增强算法，有效抑制噪声，防止了局部过饱和现象的出现，并保持高照度部分图像的亮度，统计高照度子带直方图非零值对应的像素最大值X_max，设高照度子带的增强后输出的图像为Y_H(X)，根据公式(三)采用加权求和的方式进行表示：

Y_H(X)＝a₁f(X)+a₂X        (三)

式中：f(X)为灰度映射函数，X为像素值，a₁和a₂分别为施加的权重系数；

设像素值为X_i的像素个数为高照度部分总像素数为N_H，根据公式(四)得到灰度映射函数f(X)：

$f\left(X\right)=X_m+(X_{\max }-X_m)\underset{i=X_m-1}{\overset{X_{\max }}{\mathrm{\Σ}}}\frac{n_H^i}{N_H}$        (四)；

步骤六：根据步骤四和步骤五输出均匀照度的增强图像。

步骤五中所述的保持子带亮度增强算法即保持子带亮度的均值，求取高照度部分的像素平均值M_H，按照M_H将高照度部分图像分成两个部分，大于M_H的像素亮度平均值为M₁，小于像素M_H的像素平均值为M₂，则有：

a₁M₁+a₂M₂＝M_H

其中：a₁+a₂＝1

可得到： ${\mathrm{\α}}_1=\frac{M_H-M_2}{M_1-M_2},{\mathrm{\α}}_2=\frac{M_1-M_H}{M_1-M_2}.$

本发明的有益效果为：本发明的一种非均匀照度的图像增强方法将原图像分为低照度自带和高照度自带，对低照度子带进行灰度映射增强处理，对高照度子带进行保持子带亮度增强的处理，使低照度部分图像对比度、图像细节得到增强的同时，还能保持高照度部分的亮度；防止局部图像出现过度增强、抑制了图像的整体噪声，得到整体均匀的图像；算法运算量小，稳定可靠，可应用于实时工程系统中。

附图说明

图1为本发明的一种非均匀照度的图像增强方法流程图；

图2为由于成像条件影响造成光照不均匀得到的非均匀照度图像；

图3为采用图像直方图均衡化增强方法对图2的图像处理的结果图；

图4为采用Retinex算法对图2的图像处理的结果图；

图5为采用同态滤波增强方法对图2的图像处理的结果图；

图6为采用小波变换增强方法对图2的图像处理的结果图；

图7为采用本发明的一种非均匀照度的图像增强方法对图2的图像处理的结果图；

图8为由于成像物体局部表面对光线的吸收度与反射性能不同得到的非均匀照度图像；

图9为采用图像直方图均衡化增强方法对图8的图像处理的结果图；

图10为采用Retinex算法对图8的图像处理的结果图；

图11为采用同态滤波增强方法对图8的图像处理的结果图；

图12为采用小波变换增强方法对图8的图像处理的结果图；

图13为采用本发明的一种非均匀照度的图像增强方法对图8的图像处理的结果图。

具体实施方式

下面结合附图对本发明的实施方式作进一步说明。

参见附图1，本发明的一种非均匀照度的图像增强方法包括以下步骤：

步骤一：统计非均匀照度图像的直方图，选取低照度部分直方图的峰值对应的像素值记为W_L，高照度部分直方图的峰值对应的像素值记为W_H，根据公式(一)得到自适应阈值X_m；

X_m＝(W_H-W_L)/2+W_L        (一)；

步骤二：根据步骤二中得到的自适应阈值X_m将步骤一中得到的统计直方图分割为低照度子带和高照度子带两个子带；

步骤三：判断非均匀照度的图像每个点的像素值X_i与步骤二中得到的自适应阈值X_m的大小关系，若X_i小于X_m，则判定该点为低照度子带中一点，执行步骤四；若X_i大于X_m，则判定该点为高照度子带中一点，执行步骤五；

步骤四：对于低照度部分，采用灰度映射增强方法，提高低照度部分图像的对比度和亮度，增强图像细节，统计低照度子带直方图非零值对应的像素最小值X_min，设像素值为X_i的像素个数为低照度部分总像素数为N_L，对低照度子带直方图的灰度值进行动态范围扩展，根据公式(二)得到其对应的映射函数Y_L(X)：

$Y_L\left(X\right)=X_{\min }+(X_m-X_{\min })\underset{i=X_{\min }}{\overset{X_m}{\mathrm{\Σ}}}\frac{n_L^i}{N_L}$       (二)；

步骤五：对于高照度部分，采用保持子带亮度增强算法，有效抑制噪声，防止了局部过饱和现象的出现，并保持高照度部分图像的亮度，统计高照度子带直方图非零值对应的像素最大值X_max，设高照度子带的增强后输出的图像为Y_H(X)，根据公式(三)采用加权求和的方式进行表示：

Y_H(X)＝a₁f(X)+a₂X        (三)

式中：f(X)为灰度映射函数，X为像素值，a₁和a₂分别为施加的权重系数；

设像素值为X_i的像素个数为高照度部分总像素数为N_H，根据公式(四)得到灰度映射函数f(X)：

$f\left(X\right)=X_m+(X_{\max }-X_m)\underset{i=X_m-1}{\overset{X_{\max }}{\mathrm{\Σ}}}\frac{n_H^i}{N_H}$        (四)；

步骤六：根据步骤四和步骤五输出均匀照度的增强图像。

步骤五中所述的保持子带亮度增强算法即保持子带亮度的均值，求取高照度部分的像素平均值M_H，按照M_H将高照度部分图像分成两个部分，大于M_H的像素亮度平均值为M₁，小于像素M_H的像素平均值为M₂，则有：

a₁M₁+a₂M₂＝M_H

其中：a₁+a₂＝1

可得到： ${\mathrm{\α}}_1=\frac{M_H-M_2}{M_1-M_2},{\mathrm{\α}}_2=\frac{M_1-M_H}{M_1-M_2}.$

参见附图2、附图3、附图4、附图5、附图6和附图7，由于成像条件的影响，会造成光照不均匀，得到成像质量下降的图2，分别采用图像直方图均衡化增强方法、Retinex算法、同态滤波增强方法、小波变换增强方法和本发明的一种非均匀照度的图像增强方法对非均匀照度的图像进行增强处理，结果显示使用本发明的一种非均匀照度的图像增强方法处理得到的图像有效防止局部图像出现过度增强、抑制了图像的整体噪声，得到整体均匀的图像。

参见附图8、附图9、附图10、附图11、附图12和附图13，由于成像物体局部表面对光线的吸收与反射性能不同，造成光照不均匀，成像质量下降的图8所示的图像，分别采用图像直方图均衡化增强方法、Retinex算法、同态滤波增强方法、小波变换增强方法和本发明的一种非均匀照度的图像增强方法对非均匀照度的图像进行增强处理，结果显示使用本发明的一种非均匀照度的图像增强方法处理得到的图像有效防止局部图像出现过度增强、抑制了图像的整体噪声，得到整体均匀的图像。

Claims (2)

1.一种非均匀照度的图像增强方法，其特征在于，包括以下步骤：

步骤一：统计非均匀照度图像的直方图，选取低照度部分直方图的峰值对应的像素值记为W_L，高照度部分直方图的峰值对应的像素值记为W_H，根据公式(一)得到自适应阈值X_m；

X_m＝(W_H-W_L)/2+W_L      (一)；

步骤二：根据步骤二中得到的自适应阈值X_m将步骤一中得到的统计直方图分割为低照度子带和高照度子带两个子带；

步骤三：判断非均匀照度的图像每个点的像素值X_i与步骤二中得到的自适应阈值X_m的大小关系，若X_i小于X_m，则判定该点为低照度子带中一点，执行步骤四；若X_i大于X_m，则判定该点为高照度子带中一点，执行步骤五；

步骤四：对于低照度部分，采用灰度映射增强方法，提高低照度部分图像的对比度和亮度，增强图像细节，统计低照度子带直方图非零值对应的像素最小值X_min，设像素值为X_i的像素个数为低照度部分总像素数为N_L，对低照度子带直方图的灰度值进行动态范围扩展，根据公式(二)得到其对应的映射函数Y_L(X)：

$Y_L\left(X\right)=X_{\min }+(X_m-X_{\min })\underset{i=X_{\min }}{\overset{X_m}{\mathrm{\Σ}}}\frac{n_L^i}{N_L}$         (二)；

步骤五：对于高照度部分，采用保持子带亮度增强算法，有效抑制噪声，防止了局部过饱和现象的出现，并保持高照度部分图像的亮度，统计高照度子带直方图非零值对应的像素最大值X_max，设高照度子带的增强后输出的图像为Y_H(X)，根据公式(三)采用加权求和的方式进行表示：

Y_H(X)＝a₁f(X)+a₂X     (三)

式中：f(X)为灰度映射函数，X为像素值，a₁和a₂分别为施加的权重系数；

设像素值为X_i的像素个数为高照度部分总像素数为N_H，根据公式(四)得到灰度映射函数f(X)：

$f\left(X\right)=X_m+(X_{\max }-X_m)\underset{i=X_m-1}{\overset{X_{\max }}{\mathrm{\Σ}}}\frac{n_H^i}{N_H}$      (四)；

步骤六：根据步骤四和步骤五输出均匀照度的增强图像。

2.根据权利要求1所述的一种非均匀照度的图像增强方法，其特征在于，步骤五中所述的保持子带亮度增强算法即保持子带亮度的均值，求取高照度部分的像素平均值M_H，按照M_H将高照度部分图像分成两个部分，大于M_H的像素亮度平均值为M₁，小于像素M_H的像素平均值为M₂，则有：

a₁M₁+a₂M₂＝M_H

其中：a₁+a₂＝1

可得到： ${\mathrm{\α}}_1=\frac{M_H-M_2}{M_1-M_2},{\mathrm{\α}}_2=\frac{M_1-M_H}{M_1-M_2}.$