CN104252700B - 一种红外图像的直方图均衡化方法 - Google Patents

Abstract

本发明实施例公开了一种红外图像的直方图均衡化方法，包括：读取红外图像；将红外图像分割成至少两个子图像；对每个子图像进行直方图均衡化处理，获得至少两个直方图均衡化子图像；拼接直方图均衡化子图像。本发明的实施例中提供的方法中，将红外图像进行分割处理，得到多个子图像，并且分别对每个子图像进行平台直方图均衡化增强，然后将直方图均衡化之后的子图像拼接融合成为最终的直方图均衡化了的红外图像。这样，在进行直方图均衡化处理时，可以对多个子图像进行并行处理，然后再对图像进行融合处理，这样大大加快了图像的处理速度。

Description

一种红外图像的直方图均衡化方法

技术领域

本发明涉及红外图像处理技术领域，尤其是涉及一种红外图像的直方图均衡化方法。

背景技术

红外成像系统在成像的过程中由于系统自身成像特点的原因，所成图像具有低信噪比、低对比度、几乎没有纹理信息等特点。因此为了人眼能够获取红外图像中的视觉信息，需要对红外图像进行一系列处理，包括：图像的非均匀校正、盲元补偿、图像增强等。

红外图像增强的方法很多，从图像处理的作用域出发可分为：

（1）空间域处理：直接对红外图像的灰度进行处理，常见方法有：空间域滤波、灰度线性拉伸、直方图均衡化等。

（2）时间域处理：该方法通常涉及多帧的计算，包括时间延时积分、帧间比较等。

（3）变换域处理：该方法首先将红外图像变换到特定的变换域内，然后对变换域中的数值进行运算，再通过逆变换获得增强后的红外图像，常用的变换域包括傅里叶变换、离散余弦变换、小波变换等，这种技术计算复杂，耗费大量系统资源。

在对于FPGA处理红外图像增强算法的时候，由于需要对一帧红外图像进行逐点处理，大大降低了红外图像增强的速度，也大大降低了红外图像的显示速度。而且，对于复杂的多目标处理，由于目标较多，所以传统的红外直方图均衡化会造成单一目标图像拉伸范围过窄，不能进行细节显示。

发明内容

本发明的目的之一是提供一种处理速度高的红外图像的直方图均衡化方法。

本发明的目的之一是提供一种能够保留更多图像细节的红外图像的直方图均衡化方法。

本发明公开的技术方案包括：

提供了一种红外图像的直方图均衡化方法，其特征在于，包括：读取红外图像；将所述红外图像分割成至少两个子图像；对所述至少两个子图像中的每个子图像进行直方图均衡化处理，获得至少两个直方图均衡化子图像；拼接所述至少两个直方图均衡化子图像，获得直方图均衡化了的红外图像。

本发明的一个实施例中，并行地对所述至少两个子图像中的至少一部分子图像进行直方图均衡化处理。

本发明的一个实施例中，拼接所述至少两个直方图均衡化子图像的步骤包括：获取相邻的两个直方图均衡化子图像，所述相邻的两个直方图均衡化子图像分别为第一直方图均衡化子图像和第二直方图均衡化子图像；获得所述第一直方图均衡化子图像和所述第二直方图均衡化子图像的交界线；计算所述第一直方图均衡化子图像在所述交界线上的点的数据值的均值，获得第一均值；计算所述第二直方图均衡化子图像在所述交界线上的点的数据值的均值，获得第二均值；计算所述第一均值和所述第二均值的差值；将所述第二直方图均衡化子图像的点的数据值减去所述差值。

本发明的实施例中提供的方法中，将红外图像进行分割处理，得到多个子图像，并且分别对每个子图像进行平台直方图均衡化增强，然后将直方图均衡化之后的子图像拼接融合成为最终的直方图均衡化了的红外图像。这样，在进行直方图均衡化处理时，可以对多个子图像进行并行处理，然后再对图像进行融合处理，这样大大加快了图像的处理速度。而且对于多目标的红外图像增强，由于对图像进行了分割，每个图像区域的目标进行了较大范围内的直方图均衡化，可以对图像的细节进行很好的显示。

附图说明

图1是本发明一个实施例的红外图像的直方图均衡化方法的流程示意图。

图2是本发明一个实施例的红外图像及其直方图的示意图。

图3是本发明一个实施例的图像分割的示意图。

图4是本发明一个实施例的直方图均衡化的原理示意图。

图5是图2中的红外图像经过图像分割和子图像直方图均衡化之后的示意图。

图6是图5中的红外图像经过拼接融合之后的示意图。

图7是本发明一个实施例的图像拼接融合的示意图。

具体实施方式

下面将结合附图详细说明本发明的实施例的红外图像的直方图均衡化方法的具体步骤。

图1为本发明一个实施例的红外图像的直方图均衡化方法的流程示意图，下面结合附图对该直方图均衡化方法进行详细说明。

如图1所示，在步骤10中，可以首先读取红外图像。本发明的实施例中，这里的红外图像可以是由红外热像仪对目标进行实时成像而获得的实时图像，也可以是由红外热像仪预先对目标进行红外成像而获得并且存储在存储设备中的红外图像。

本发明的一个实施例中，该红外图像可以是经过了非均匀校正、盲元补偿等处理之后的红外图像。

例如，图2显示了本发明一个实施例中的红外图像及其直方图。

然后，在步骤12中，可以将该红外图像分割成多个（例如，至少两个）子图像。本发明的实施例中，这里，分割成的子图像的数量可以根据红外图像的复杂程度而定。

本发明的实施例中，对红外图像的分割可以是均匀的、规律的分割，即每个子图像的大小和/或形状可以是相同的或者符合一定的规律的。本发明的其他的实施例中，对红外图像的分割也可以是不均匀的分割，即，每个子图像的大小和/或形状可以是不相同的或者没有规律性的。例如，可以根据红外图像的各个部分的复杂程度不同而分割成大小和/或形状不同的子图像。

例如，一个实施例中，如图3所示，可以将红外图像分割为3×3共9个子图像。每一个子图像的直方图为Q_ij，其中，0<i≦3，0<j≦3。Q_ij=Data_all[row/3,line/3]。分割后的子图像的数据域为Data[1,1]、Data[1,2]……Data[3,3]。

例如，获取红外图像数据的高8位值，并将数据存放在P[K]的数组中，其中K为灰度级，0≦K≦255。P[K]为灰度级为K的红外图像像素点的个数。

然后，在步骤14中，可以对每个子图像进行直方图均衡化处理，直方图均衡化处理后的子图像本文称之为“直方图均衡化子图像”。

直方图均衡化处理即将图像的灰度级从较窄的灰度级范围拉伸到更宽的灰度级范围，其原理如图4所示。

例如，一个实施例中，对于每一个子图像，可以设置拉伸平台：low_in和high_in、low_out和high_out。将该子图像进行平台直方图均衡化，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。计算公式可以为：

其中，S为每一个数据点的直方图均衡化之后的数据值。Data为原始的子图像数据。low_in、high_in为原始图像高低平台，low_out和high_out为输出图像的高低平台。

这样，对于前述的将红外图像分割为9个子图像的实施例，可以得到9个的直方图均衡化子图像。经过处理后的各个直方图均衡化子图像的图像数据的数据值为Data’[1,1]、Data’[1,2]……Data’[3,3]。

图5显示了图2的实施例的红外图像经过分割及子图像的直方图均衡化之后的图像及其直方图。

然后，在步骤16中，可以对前述的直方图均衡化子图像进行拼接，使得这些直方图均衡化子图像重新融合成为红外图像，该重新融合形成的红外图像即为已经被直方图均衡化了的红外图像。

由图像的连续性，那么在红外图像分割后的子图像的灰度级应该是连续变化的，可以根据此对图像进行拼接融合处理。

例如，本发明的一个实施例中，对直方图均衡化子图像的拼接可以包括下列步骤：

获取相邻的两个直方图均衡化子图像，这里，为了说明的方便，该相邻的两个直方图均衡化子图像分别称之为为第一直方图均衡化子图像和第二直方图均衡化子图像；

获得第一直方图均衡化子图像和第二直方图均衡化子图像的交界线，即这两个直方图均衡化子图像相交接的线；

计算第一直方图均衡化子图像在该交界线上的点的数据值的均值，获得第一均值；

计算第二直方图均衡化子图像在该交界线上的点的数据值的均值，获得第二均值；

计算该第一均值和该第二均值的差值；

然后，将第二直方图均衡化子图像在该交界线上的点的数据值减去该差值，减去该差值后的结果作为第二直方图均衡化子图像在高交界线上的点的更新的数据值。

然后，即可将该第二直方图均衡化子图像拼接到第一直方图均衡化子图像上。

这样，经过前述的处理，即可将第一直方图均衡化子图像与第二直方图均衡化子图像拼接融合到一起。

图6显示了图5的实施例的红外图像经过拼接融合之后获得的图像及其直方图。

例如，一个实施例中，该拼接步骤的具体步骤可以如下所示。

对左右子图像的图像拼接融合，可以首先定标一个子图像，其余部分以该子图像的灰度级为标准进行融合。以子图像Q[1,1]、Q[1,2]为例，定左边的Q[1,1]为定标子图像。那么找出Q[1,1]的右边界、Q[1,2]左边界，统计得到边界的平均值Mean₁₁_right、Mean₁₂_left，左右边界值相减得到一个差值Mean₁₂=Mean₁₁_left-Mean₁₂_right，由图像的连续性，子图像2中所有的灰度值减去Mean₁₂，那么Q[1,1]、Q[1,2]就完成了两个子图像的左右子图像融合。其余部分的左右图像类似地进行融合，融合后，该红外图像分为I、II、III三个区域，如图7所示。

对上下子图像的图像融合，可以以上面部分的子图像为定标子图像，以子图像1、子图像2为例，统计子图像I、子图像II相交界面的各自边界灰度级的平均值。Mean_II_up、Mean_down,下边边界减去上边边界，得到边界的差值：Mean_I=Mean_II_up-Mean_I_down，将子图像2中所有的灰度值减去Mean，那么子图像、的就完成了两个子图像的上下图像融合。对其余部分的图像，依次类似地融合，完成其余部分的融合。

然后，将融合后的数据进行图像的拼接，取出其高8位，即将图像的数据进行0~255的映射，显示其灰度图像。对图像进行中值滤波处理，滤掉在处理过程中出现的图像上的噪声。

本发明的实施例钟管的方法中，是将红外图像进行图像的分割，分割成n×n个部分，然后对每一个分割区域进行一种红外图像数据到灰度图像的映射，将2N的红外图像数据映射到一个0-255的灰度级上面，统计每一个灰度级上面的数据点的个数。跟据图像灰度级的分布情况，对各个部分设定其平台值。用平台直方图均衡化的方法对每一个分割区域进行平台直方图均衡化处理，均衡化处理是用灰度级的对应情况对整个红外图像数据进行拉升。这么处理可以对每一个区域模块的图像数据进行很大限度的拉伸。对于两块相邻的红外图像区域，由于图像再分界面上的均匀变化的性质，我们可以视为对于两个相邻模块的交界线，两个区域都具有相同的灰度值。那么对于左右相邻的分割图像，我们可以将图像左右相邻的分界线上的点进行求其分别的平均值，那么其两个界面上的平均值的差值可以视为左右两个图像的灰度级的差值。我们可以用左右图像区域的一个区域作为基准区域，另外一个作为变化区域，那么变化区域减去分界线上灰度级的均值的差值，即可将左右图像进行融合处理。对于上下图像区域来说，同样的原理，用变化区域减去分界线上灰度级的均值的差值，那么可以将变化区域与基准区域进行上下的图像融合。

本发明可以用于FPGA的成像系统。FPGA用于图像的增强现实中，对于传统的处理方法，对一帧图像逐点进行红外图像增强，那么FPGA的并行处理能力将被大大的浪费。而在本发明中，由于可以对n×n个红外图像数据模块进行并行处理增强，这样可以对FPGA的并行处理功能进行利用，将大大提高FPGA在红外图像显示上的速率，可以提高其显示帧频。

本发明在对于复杂的红外图像进行处理时，比如多目标，复杂背景，传统的红外图像直方图均衡化处理将不会对每一个目标进行很大范围的拉伸，那么红外图像数据一共N位，（对于红外图像来说，例如，N的值可以为14）那么未处理时只会对前面8位进行显示，而直方图均衡化处理一般会对10位数据信息进行显示，但最后面的图像信息将会被我们所放弃掉，特别对于复杂、多目标、图像分布区域广的红外图像。但是分割后的图像进行显示时，由于对于单个区域都进行了0-255的区域拉伸（对于有平台的情况，拉伸范围为高低两个平台的差值），这么会对图像的细节能够进行很好的显示。

以上通过具体的实施例对本发明进行了说明，但本发明并不限于这些具体的实施例。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。此外，以上多处所述的“一个实施例”表示不同的实施例，当然也可以将其全部或部分结合在一个实施例中。

Claims (2)

1.一种红外图像的直方图均衡化方法，其特征在于，包括：

读取红外图像；

将所述红外图像分割成至少两个子图像；

对所述至少两个子图像中的每个子图像进行直方图均衡化处理，获得至少两个直方图均衡化子图像；

拼接所述至少两个直方图均衡化子图像，获得直方图均衡化了的红外图像；

其中，拼接所述至少两个直方图均衡化子图像的步骤包括：

获取相邻的两个直方图均衡化子图像，所述相邻的两个直方图均衡化子图像分别为第一直方图均衡化子图像和第二直方图均衡化子图像；

获得所述第一直方图均衡化子图像和所述第二直方图均衡化子图像的交界线；

计算所述第一直方图均衡化子图像在所述交界线上的点的数据值的均值，获得第一均值；

计算所述第二直方图均衡化子图像在所述交界线上的点的数据值的均值，获得第二均值；

计算所述第一均值和所述第二均值的差值；

将所述第二直方图均衡化子图像的点的数据值减去所述差值。

2.如权利要求1所述的方法，其特征在于：并行地对所述至少两个子图像中的至少一部分子图像进行直方图均衡化处理。