CN104079902A - 一种高动态bayer格式数据压缩方法 - Google Patents

Abstract

本发明公开了一种高动态bayer格式数据压缩方法，包括如下步骤：S1:对bayer格式图像I_BAYER中像素点的像素值进行修正；S2：修正图像中像素点I_BAYER(i,j)的像素值完成后，将每个像素点为8BIT大小的数据图像输出。本发明既能将16BIT的高动态bayer数据8BIT数据，又能在压缩数据的同时，提高较暗像素点的像素值或压制较亮像素点的像素值。

Description

一种高动态bayer格式数据压缩方法

技术领域

本发明属于数据压缩领域，尤其是涉及一种高动态bayer格式数据压缩方法。

背景技术

目前相机在强光源照射下的高亮度部分、阴影部分、逆光部分和亮度较低部分同时存在的的时候，相机输出的图像会出现过爆区域和过暗区域，过爆区域变成白色，过暗区域变成黑色，这样就严重的影响的相机的成像质量。因此，图像增强过程必须具有处理各种动态范围场景的能力，这种图像增强过程通常称为动态范围的压缩。动态范围压缩算法，根据其目的的不同，可分为两类。其中第一类试图在普通的图像显示设备上，显示出高动态范围场景的图像，称为高动态范围图像上的压缩(色调重建算子、空域自适应滤波算法、三边滤波器色调映射算法对于经过特殊编码的高动态范围图像效果显著，但不适于处理通过普通数码相机获取的传统红绿蓝三通道图像)；第二类是为了改善动态范围有限的成像设备获取的视觉质量不好的地动态范围图像的质量，为了能在保存图像重要细节的同时，提高图像的视觉质量。

星光传感器等一些图像处理器中的bayer数据中的每个像素点的数据是16BIT的数据，而目前显示器大部分只能显示8BIT的图像数据。因此需要提供一种既能将16BIT的高动态bayer数据8BIT数据，又能在压缩数据的同时，保证了较低数据区域和较大数据区域的细节的方法。

发明内容

为了解决上述问题，本发明提出了一种高动态bayer格式数据压缩方法，包括如下步骤：

S1:对bayer格式图像I_BAYER中像素点的像素值进行修正：

①将n*n大小的高斯模板G_H作为模板，以图像中像素点I_BAYER(i,j)为中心，选取n*n的计算区域，将该计算区域内与高斯模板对应位置的值进行乘积运算，然后求和得出该计算区域的局部加权值H_G(i,j)；

其中，(n-1)/2<i<[M-(n-1)/2-1]；(n-1)/2<j<[N-(n-1)/2-1]，M和N分别表示该BAYER格式图像的行数、列数，n为预设值且为不小3的奇数；本发明采用确定大小的高斯模板为基础，本领域的技术人员选取高斯模板可以选取3*3大小、5*5大小、7*7大小等，值为奇数的模板。利用星光传感器采集的图像为每个像素点大小为16BIT的高动态bayer格式图像，同时，利用星光传感器采集的数据可能会存在过亮或过暗的像素点，从而影响了图像的质量，因此需要对该图像中的过亮或过暗的像素点进行调整，压制过亮的像素点，提升过暗的像素点。因此需要对星光传感器采集的图像中的所有像素点进行修正，而修正该图像中的像素点应当考虑到整个图像的亮度值。本发明以bayer格式图像中的每个像素点为中心选取计算区域，计算区域的大小和预先选取的高斯模板的大小相同。例如高斯模板采用5*5，那么该计算区域则也选为5*5大小。将该计算区域内的所有与高斯模板对应位置的值进行乘积运算并求和，作为bayer格式图像中所选取的计算区域的局部加权值，然后再利用整个图像的平均亮度值对该均布加权值进行修正，得出整个图像的加权值，用以对整个图像中的所有像素点进行修正，调整图像中像素点的值，从而提高图像的质量。

②对局部加权值H_G(i,j)进行修正，获得加权值H(i,j)；修正图像中所有像素点应当考虑到整个图像的平均亮度值，显然局部加权值不适当，加权值是利用局部加权值和整个图像的平均亮度值求得的，而利用加权值修正后的图像与仅仅利用局部加权值修正的图像质量更高、更清晰。根据实验数据表明利用加权值处理后的图像平均亮度值为97.39，而利用局部加权值处理后的图像平均亮度值为28.53，而原始图像平均亮度值为27.37。

③对图像I_BAYER中的像素点I_BAYER(i,j)的像素值进行修正。对高动态bayer格式数据图像中的像素点的像素值的修正指的是压制图像中过亮的像素点，也就是降低过亮像素点的像素值；提升过暗像素点，也就是增加过暗像素点的像素值。

S2：修正完成图像中像素点I_BAYER(i,j)的像素值后，将每个像素点以8BIT大小的数据图像输出。对图像过亮或过暗像素点进行修正后，还不能进行输出。因为本发明采集的是每个像素点为16BIT大小的数据，对该图像中像素点进行修正后，还需要将该修正像素点后的图像进行压缩，将每个像素点为16BIT大小的数据图像压缩为每个像素点为8BIT大小的数据图像，这样才能被大多数只能显示8BIT大小的数据图像的显示器显示出来。

进一步地，S1中的bayer格式图像是通过星光传感器采集的每个像素点大小为16BIT的高动态bayer格式图像。目前显示器大部分只能显示8BIT大小的图像的数据，而星光传感器采集的数据则是16BIT的高动态bayer数据，因此需要将16BIT的数据压缩为8BIT。

进一步地，S1中②还包括统计计算区域内所有像素点的平均亮度值利用局部加权值H_G(i,j)和平均亮度值的和求得加权值H(i,j)。

更进一步地，求加权值H(i,j)按照如下公式:

进一步地，S1中③还包括

a、利用加权值H(i,j)和图像I_BAYER中的所有像素点中的最大值I_BAYER(max)的值的和求得的修正值A，按照如下公式A＝I_BAYER(max)+H(i,j)；

b、利用加权值H(i,j)和像素点I_BAYER(i,j)的和求得修正值B，按照如下公式B＝I_BAYER(i,j)+H(i,j)；

c、求得a、b中所得的修正值A与修正值B的修正比例K。

d、利用I_BAYER(i,j)与比例K的乘积修正图像I_BAYER中的所有像素点，获得像素点I_BAYER(i,j)修正后的输出值I_out(i,j)，按照如下公式I_out(i,j)＝I_BAYER(i,j)*K，其中I_out(i,j)为像素点I_BAYER(i,j)修正后输出的值。由K值的计算公式可知，影响K值的因素为I_BAYER(max)和I_BAYER(i,j)的大小。我们可知，当I_BAYER(i,j)的值比I_BAYER(max)的值小时，那么K值就比较大，那么像素点I_BAYER(i,j)修正后的输出值I_out(i,j)就会比较大，因此像素点I_BAYER(i,j)的修正后的值就会提高，即，提升了较暗的像素点的像素值；如果I_BAYER(i,j)的较大，接近最大值像素点I_BAYER(max)的值，那么K的值则会接近1，那么像素点I_BAYER(i,j)的修正后输出的值I_out(i,j)的值基本不变，即，较亮像素点的像素值未改变，压制了亮度达的像素点。

进一步地，S2还包括

S21：求得修正后像素点的输出值I_out(i,j)与修正后所有像素点的最小的值I_low的输出差C，C按照如下公式C＝I_out(i,j)-I_low，其中I_out(i,j)为像素点I_BAYER(i,j)修正后的输出值，I_low为修正后所有像素点的最小值；

S22：求得修正后所有像素点中最大的值I_high与输出最小的值的输出差D，D按照如下公式D＝I_high-I_low；

S23：利用输出和C与输出差D求得输出比例H。

S24：利用输出比例H与(2⁸-1)的乘积将图像按照每个像素点大小为8BIT输出I_{out_8bit}(i,j)，I_{out_8bit}(i,j)按照如下公式I_{out_8bit}(i,j)＝(2⁸-1)*H。

本发明中高动态数据的获取采用的是星光传感器，还可以选择其他能够获取16BIT数据的图像采集装置。

有益效果：该算法对利用星光传感器输出的高动态数据进行自适应的实时数据压缩，能够较好的提升图像上过暗的区域，压制图像上过亮的区域，这样在很大的程度上提升了相机的图像质量。经过高斯模板G_H自适应的压缩成8BIT数据，在压缩数据的同时，保证了较低数据区域和较大数据区域的细节。

附图说明

图1为本发明中压缩图像流程示意图；

图2为本发明中实施方式中高斯模板G_H的大小示意图；

图3为以I_BAYER(3,3)为中心选取的计算区域的示意图；

具体实施方式

如图1所示的一种高动态bayer格式数据压缩方法，包括如下步骤：

S1:对bayer格式图像I_BAYER中像素点的像素值进行修正：

①将n*n大小的高斯模板G_H作为模板，以图像中像素点I_BAYER(i,j)为中心，选取n*n的计算区域，将该计算区域内与高斯模板对应位置的值进行乘积运算，然后求和得出该计算区域的局部加权值H_G(i,j)；

其中，(n-1)/2<i<[M-(n-1)/2-1]；(n-1)/2<j<[N-(n-1)/2-1]，M和N分别表示该BAYER格式图像的行数、列数，n为预设值且为不小3的奇数；

②对局部加权值H_G(i,j)进行修正，获得加权值H(i,j)；③对图像I_BAYER中像素点I_BAYER(i,j)的像素值进行修正。

S2：修正图像中像素点I_BAYER(i,j)的像素值完成后，将每个像素点为8BIT大小输出图像。S1中的bayer格式图像是通过星光传感器采集的每个像素点大小为16BIT的高动态bayer格式图像，S1中②还包括统计计算区域内所有像素点的平均亮度值利用局部加权值H_G(i,j)和平均亮度值的和求得加权值H(i,j)，求加权值H(i,j)按照如下公式:S1中③还包括a、利用加权值H(i,j)和图像I_BAYER中的所有像素点中的最大值像素点I_BAYER(max)的值的和求得修正值A，按照如下公式A＝I_BAYER(max)+H(i,j)；b、利用加权值H(i,j)和像素点I_BAYER(i,j)的和求得修正值B，按照如下公式B＝I_BAYER(i,j)+H(i,j)；c、求得a、b中所得的修正值A与修正值B的比例K；d、利用I_BAYER(i,j)与比例K的乘积修正图像I_BAYER中的像素点I_BAYER(i,j)，获得像素点I_BAYER(i,j)修正后的输出值I_out(i,j)，按照如下公式I_out(i,j)＝I_BAYER(i,j)*K，其中，I_out(i,j)为像素点I_BAYER(i,j)修正后输出的值。S2还包括S21：求得修正后像素点的输出值I_out(i,j)与修正后所有像素点中的最小值I_low的输出差C，C按照如下公式C＝I_out(i,j)-I_low，其中I_out(i,j)为像素点I_BAYER(i,j)修正后的输出值，I_low为所有输出值中的最小值；S22：求得修正后图像中所有像素点中的最大的值I_high与输出最小的值I_low的输出差D，D按照如下公式D＝I_high-I_low；S23：利用输出和C与输出差D求得输出比例H；S24：利用输出比例H与(2⁸-1)的乘积将图像按照每个像素点大小为8BIT输出I_{out_8bit}(i,j)，I_{out_8bit}(i,j)按照如下公式I_{out_8bit}(i,j)＝(2⁸-1)*H。按照本步骤输出图像中的有效像素能够均匀的分布到0-255的区间内，也就是讲每个像素点大小为16BIT压缩为了8BIT。

具体实施时，首先采用星光传感器或其它传感器采集图像像素点，采集的图像中的每个像素点大小为16BIT。然后按照上述本实施例中所述的高动态bayer格式数据压缩方法将利用星光传感器等传感器采集的图像进行压缩。现以星光传感器输出的高动态bayer格式图像中的I_BAYER(3,3)像素点为中心为例压缩该点为例进行解释。

现选择高斯模板G_H为5*5的区域为例，该模板内的值如图2所示。以I_BAYER(3,3)为中心选择计算区，该计算区大小为以I_BAYER(3,3)为中心的如图3所示的5*5计算区，将该计算区内的与高斯模板对应位置的值做乘积运算并求和，得到局部加权值H_G(i,j)，然后求得该高动态bayer格式图像中所有像素点的平均亮度值利用平均亮度值对局部加权值进行修正获得加权值H(i,j)，再利用加权值对像素点I_BAYER(i,j)进行修正输出，最后对已完成像素值修正的图像进行压缩，将该每个像素点大小为16BIT数据的图像压缩为每个像素点大小为8BIT数据图像。

如表1为采用本法处理前后的图像的平均亮度值对比。

表1

	原始图像	本法处理后
			平均亮度	27.37	97.39

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明发明可以有各种更改和变化。凡在本发明发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种高动态bayer格式数据压缩方法，其特征在于包括如下步骤：

S1:对bayer格式图像I_BAYER中像素点I_BAYER(i,j)的像素值进行修正：

①将n*n大小的高斯模板G_H作为模板，以图像中像素点I_BAYER(i,j)为中心，选取n*n的计算区域，将该计算区域内与高斯模板对应位置的值进行乘积运算，然后求和得出该计算区域的局部加权值H_G(i,j)；

其中，(n-1)/2<i<[M-(n-1)/2-1]；(n-1)/2<j<[N-(n-1)/2-1]，M和N分别表示该BAYER格式图像的行数、列数，n为预设值且为不小3的奇数；

②对局部加权值H_G(i,j)进行修正，获得加权值H(i,j)；

③对图像I_BAYER中的像素点I_BAYER(i,j)的像素值进行修正；

S2：修正图像中像素点I_BAYER(i,j)的像素值完成后，将每个像素点为8BIT大小的数据图像输出。

2.根据权利要求1所述的高动态bayer格式数据压缩方法，其特征在于，S1中的bayer格式图像是通过星光传感器采集的每个像素点大小为16BIT的高动态bayer格式图像。

3.根据权利要求1所述的高动态bayer格式数据压缩方法，其特征在于，S1中②还包括统计计算区域内所有像素点的平均亮度值利用局部加权值H_G(i,j)和平均亮度值的和求得加权值H(i,j)。

4.根据权利要求3所述的高动态bayer格式数据压缩方法，其特征在于，求加权值H(i,j)按照如下公式:

5.根据权利要求1所述的高动态bayer格式数据压缩方法，其特征在于，S1中③还包括

a、利用加权值H(i,j)和图像I_BAYER中的所有像素点中的最大值像素点I_BAYER(max)的值的和求得修正值A，按照如下公式A＝I_BAYER(max)+H(i,j)；

b、利用加权值H(i,j)和像素点I_BAYER(i,j)的和求得修正值B，按照如下公式B＝I_BAYER(i,j)+H(i,j)；

c、求得a、b中所得的修正值A与修正值B的比例K；

d、利用I_BAYER(i,j)与比例K的乘积修正图像I_BAYER中的像素点I_BAYER(i,j)，获得像素点I_BAYER(i,j)修正后的输出值I_out(i,j)，按照如下公式I_out(i,j)＝I_BAYER(i,j)*K，其中，I_out(i,j)为像素点I_BAYER(i,j)修正后输出的值。

6.根据权利要求1所述的高动态bayer格式数据压缩方法，其特征在于，S2还包括

S21：求得修正后像素点的输出值I_out(i,j)与修正后所有像素点的最小的值I_low的输出差C，C按照如下公式C＝I_out(i,j)-I_low，其中I_out(i,j)为像素点修正后的输出值，I_low为修正后所有像素点的最小值；

S22：求得修正后所有像素点最大的值I_high与最小的值I_low的输出差D，D按照如下公式D＝I_high-I_low；

S23：利用输出和C与输出差D求得输出比例H；

S24：利用输出比例H与(2⁸-1)的乘积将图像按照每个像素点大小为8BIT输出I_{out_8bit}(i,j)，I_{out_8bit}(i,j)按照如下公式I_{out_8bit}(i,j)＝(2⁸-1)*H。