CN104574326A - 对图像进行直方图均衡处理的方法和装置 - Google Patents

Abstract

本发明实施例提供了一种对图像进行直方图均衡处理的方法和装置。该方法主要包括：计算图像中的各像素点与中心像素点之间的距离；根据图像中的各像素点与中心像素点之间的距离，计算图像中的各像素点的直方图统计权重；基于图像中的各像素点的直方图统计权重，对图像分别进行各个灰度级的加权灰度直方图统计；根据图像的各个灰度级的加权灰度直方图统计结果，对图像进行直方图均衡处理。本发明实施例通过利用图像中的像素点的空间分布位置，对各像素点采用不同的统计权重，可以使处理后的图像突出人们的视觉关心区域（即图像的中心区域），实现对图像的不同区域进行差异化的对比度增强处理，有效地增强了图像中的人们的视觉关心区域的对比度。

Description

对图像进行直方图均衡处理的方法和装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种对图像进行直方图均衡处理的方法和装置。

背景技术

直方图均衡是一种常用的图像增强方法，而直方图统计是直方图均衡的一个重要步骤，直方图统计的过程主要包括：按照输入图像灰度，将整幅图像上具有同一灰度值的像素点数逐一累加，累加后得到的直方图统计结果为输入图像的灰度分布状况，客观反应了输入图像的对比度状况。直方图均衡依据上述直方图统计结果，计算出每一个有效灰度值的像素点数占总像素点数的比重，再对输入图像进行灰度区间映射，实现图像整体对比度的提高。

目前，现有的直方图均衡方案针对的是整幅图像，提高图像整体的对比度，然而对于比如红外或微光夜视仪等实时图像获取处理系统，人眼视觉最关心的细节区域一般在整幅图像的中心位置，上述现有的直方图均衡方案无法实现对图像的不同区域进行差异化的对比度增强处理。

发明内容

本发明的实施例提供了一种对图像进行直方图均衡处理的方法和装置，以实现有效地增强图像中的人们的视觉关心区域的对比度。

本发明提供了如下方案：

一种对图像进行直方图均衡处理的方法，包括：

计算图像中的各像素点与中心像素点之间的距离；

根据所述图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重；

基于所述图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计；

根据所述图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理。

一种对图像进行直方图均衡处理的装置，包括：

距离计算模块，用于计算图像中的各像素点与中心像素点之间的距离；

权重计算模块，用于根据所述距离计算模块得到的图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重；

加权灰度直方图统计处理模块，用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计；

直方图均衡处理模块，用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理。

本发明实施例通过利用图像中的像素点的空间分布位置，对各像素点采用不同的统计权重，可以使处理后的图像突出人们的视觉关心区域（即图像的中心区域），实现对图像的不同区域进行差异化的对比度增强处理，有效地增强了图像中的人们的视觉关心区域的对比度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种对图像进行直方图均衡处理的方法的处理流程图；

图2为本发明实施例一提供的一种图像中的中心像素点和其它像素点的直方图统计权重空间分布状态示意图；

图3为本发明实施例一提供的一种对图像进行直方图均衡处理的装置300的具体实现结构图，图中，距离计算模块310，权重计算模块320，加权灰度直方图统计处理模块330和直方图均衡处理模块340。

具体实施方式

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例一

本发明实施例提出了一种直方图加权均衡的方法，使增强后的图像符合人眼观察的这一视觉习惯。

该实施例提供了一种对图像进行直方图均衡处理的方法的处理流程如图1所示，包括如下的处理步骤：

步骤S110、计算图像中的各像素点与中心像素点之间的距离。

本发明实施例首先需要计算图像中的各像素点与中心像素点之间的距离。以长度为L、宽度为H的图像为例，则上述图像的中心像素点O的坐标为（L/2,H/2）。设图像中的某个像素点m的坐标为（x，y），则上述某个像素点M和中心像素点O之间的距离为：

$D\left(m\right)=\sqrt{{(x-L/2)}^2+{(y-H/2)}^2}$    公式1

上述图像的四个角点的坐标分别为：（L，0），（0，H），（0，0）,（L，H），上述四个角点与中心像素点O之间的距离相等，都为：

$D_{\max }=\sqrt{L^2/4+H^2/4}$    公式2

显然，上述四个角点与中心像素点之间的距离大于上述图像中其它像素点与中心像素点之间的距离。

本领域技术人员应能理解上述各像素点与中心像素点之间的距离的计算方法仅为举例，其他现有的或今后可能出现的各像素点与中心像素点之间的距离的计算方法如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

步骤S120、根据图像中的各像素点与中心像素点之间的距离，计算图像中的各像素点的直方图统计权重。

在本发明实施例，设上述中心像素点的直方图统计权重最大，为W_max，W_max>1。W_max是一个试验调整的经验值，体现了该均衡方法需要突出显示目标范围的最大程度。W_max根据不同的系统差异较大，在针对红外热成像系统时，W_max可以设置为7，该值大于1，表示将中心像素点区域的对比度放大。

然后，根据图像中的其它像素点与中心像素点之间的距离来计算其它像素点的直方图统计权重。

以上述坐标为（x，y）的某个像素点m为例，该像素点m的直方图统计权重W(m)的计算公式如下：

$W\left(m\right)=\frac{(1-W_{\max })*D\left(m\right)}{D_{\max }}+W_{\max }$    公式3

根据上述公式3，该实施例提供的一种上述图像中的中心像素点和其它像素点的直方图统计权重空间分布状态如图2所示，其它像素点与中心像素点之间的距离越远，其它像素点的直方图统计权重越低；反之，距离中心像素点之间的距离越近，其它像素点的直方图统计权重越高。

本领域技术人员应能理解上述像素点的直方图统计权重的计算方法仅为举例，其他现有的或今后可能出现的像素点的直方图统计权重的计算方法如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

步骤S130、基于图像中的各像素点的直方图统计权重，对图像进行加权灰度直方图统计。

灰度直方图统计过程是一个累加的过程，灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素点的数量，反映了图像中某种灰度出现的频率。本发明实施例提出的加权灰度直方图统计不单是统计具有某种灰度级的像素点的数量，而是将具有某种灰度级的各个像素点的直方图统计权重进行叠加，得到某种灰度级的加权像素点数。

比如，对于灰度级z，按照设定的顺序依次遍历上述图像中的所有像素点，依次统计获取所有具有灰度级z的像素点，并在统计过程中，按照T(z,n)=T(z,n-1)+W(x_n,y_n)，逐步迭代计算灰度级z的加权像素点数T(z,n)。上述T(z,n)的计算过程如下：

T（z，0）=0

统计出的具有灰度级z的第一个像素点为（x₁，y₁），该第一个像素点的直方图统计权重为W（x₁，y₁），则T（z，1）=T（z，0）+W（x₁，y₁）=W（x₁，y₁）；

统计出的具有灰度级Z的第二个像素点为（x₂，y₂），该第二个像素点的直方图统计权重为W（x₂，y₂），则T（z，2）=T（z，1）+W（x₂，y₂）=W（x₁，y₁）+W（x₂，y₂）；

依此类推…

统计出的具有灰度级z的第n-1个像素点为（x_n-1，y_n-1），该第n-1个像素点的直方图统计权重为W（x_n-1，y_n-1），则T（z，n-1）=T（z，0）+W（x₁，y₁）=W（x₁，y₁）；

统计出的具有灰度级z的第n个像素点为（x_n，y_n），该第n个像素点的直方图统计权重为W（x_n，y_n），则:

T（z，n）=T（z，n-1）+W（x_n，y_n）=W（x₁，y₁）+W（x₂，y₂）+…+W（x_n-1，y_n-1）+W（x_n，y_n）；   公式4

上述第n个像素点为具有灰度级z的最后一个像素点，因此，上述T(z,n)就是灰度级Z的加权像素点数，T(z,n)=T(z)。

将所有灰度级的加权像素点数进行累加得到：

$T=\underset{z}{\mathrm{\Σ}}T\left(z\right)$    公式5

各个灰度级对应的加权统计概率的计算公式如下：

P(z)=T(z)/T   公式6

上述公式6中的P(z)为灰度级Z对应的加权统计概率。

本领域技术人员应能理解上述某种灰度级的加权像素点的数量的计算方法仅为举例，其他现有的或今后可能出现的某种灰度级的加权像素点的数量的计算方法如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

步骤S140，根据各个灰度级对应的加权统计概率，对图像进行直方图均衡处理。

通常，人们的视觉关心区域为图像的中心区域，即人眼即对图像细节的关心程度跟像素点离图像的中心位置的距离成反比状态。

设上述图像的均衡目标灰度分布为kbit，上述图像为灰度图像为例，则依据直方图均衡的映射过程，均衡处理后坐标为（x，y）的像素点m的图像像素的灰度值为：

S(x,y)=P(z)*2^k   公式7

由此完成上述图像的加权直方图均衡的过程。

实施例二

该实施例提供了一种对图像进行直方图均衡处理的装置300，其具体实现结构如图3所示，具体可以包括如下的模块：

距离计算模块310，用于计算图像中的各像素点与中心像素点之间的距离；

权重计算模块320，用于根据所述距离计算模块得到的图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重；

加权灰度直方图统计处理模块330，用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计；

直方图均衡处理模块340，用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理。

进一步地，所述的距离计算模块310，具体用于设所述图像的长度为L、宽度为H，所述图像的中心像素点O的坐标为（L/2,H/2），所述图像中的某个像素点m的坐标为（x，y），则计算所述某个像素点m和中心像素点O之间的距离D(x,y)的公式如下：

$D(x,y)=\sqrt{{(x-L/2)}^2+{(y-H/2)}^2}$

进一步地，所述的加权灰度直方图统计处理模块320，具体用于设所述图像的中心像素点的直方图统计权重最大，为W_max，计算所述像素点m的直方图统计权重的公式如下：

$W(x,y)=\frac{(1-W_{\max })*D(x,y)}{D_{\max }}+W_{\max }$

进一步地，所述的加权灰度直方图统计处理模块330，具体用于对于灰度级z，按照T（z，n）=T（z，n-1）+W（x_n，y_n），逐步迭代计算灰度级Z的加权像素点数T（z），所述T（z，n）的计算过程如下：

T（z，0）=0

统计出的具有灰度级z的第一个像素点为（x₁，y₁），该第一个像素点的直方图统计权重为W（x₁，y₁），则T（z，1）=T（z，0）+W（x₁，y₁）=W（x₁，y₁）；

统计出的具有灰度级z的第二个像素点为（x₂，y₂），该第二个像素点的直方图统计权重为W（x₂，y₂），则T（z，2）=T（z，1）+W（x₂，y₂）=W（x₁，y₁）+W（x₂，y₂）；

依此类推…

统计出的具有灰度级z的第n个像素点为（x_n，y_n），该第n个像素点的直方图统计权重为W（x_n，y_n），则:

T（z，n）=T（z，n-1）+W（x_n，y_n）=W（x₁，y₁）+W（x₂，y₂）+…+W（x_n-1，y_n-1）+W（x_n，y_n）；

所述第n个像素点为具有灰度级z的最后一个像素点，T（z，n）=T（z）；

将所有灰度级的加权像素点数进行累加得到：

$T=\underset{z}{\mathrm{\Σ}}T\left(z\right)$

各个灰度级对应的加权统计概率的计算公式如下：

P(z)=T(z)/T

所述P(z)为灰度级z对应的加权统计概率。

进一步地，所述的直方图均衡处理模块340，具体用于设所述图像的均衡目标灰度分布为kbit，所述图像为灰度图像，则依据直方图均衡的映射过程，均衡处理后坐标为（x，y）的像素点m的图像像素的灰度值为：S(x,y)=P(z)*2^k。

用本发明实施例的装置对图像进行直方图均衡处理的具体过程与前述方法实施例类似，此处不再赘述。

综上所述，本发明实施例通过利用图像中的像素点的空间分布位置，对各像素点采用不同的统计权重，可以使处理后的图像突出人们的视觉关心区域（即图像的中心区域），而对非视觉关心区域图像的细节进行弱化，但是并不影响非视觉关心区域图案的分辨。

采用本发明实施例提供的方法和装置处理后的图像更加符合人眼的观察习惯，实现对图像的不同区域进行差异化的对比度增强处理，有效地增强了图像中的人们的视觉关心区域的对比度，更加适合实时图像处理系统。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种对图像进行直方图均衡处理的方法，其特征在于，包括： 

计算图像中的各像素点与中心像素点之间的距离； 

根据所述图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重； 

基于所述图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计； 

根据所述图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理。 

2.根据权利要求1所述的对图像进行直方图均衡处理的方法，其特征在于，所述的计算图像中的各像素点与中心像素点之间的距离，包括： 

设所述图像的长度为L、宽度为H，所述图像的中心像素点O的坐标为（L/2,H/2），所述图像中的某个像素点m的坐标为（x，y），则所述某个像素点m和中心像素点O之间的距离D(x,y)的计算公式如下： 

。

3.根据权利要求2所述的对图像进行直方图均衡处理的方法，其特征在于，所述的根据所述图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重，包括： 

设所述图像的中心像素点的直方图统计权重最大，为W_max，所述图像的四 个角点与中心像素点O之间的距离为D_max,

所述像素点m的直方图统计权重W(x,y)的计算公式如下： 

。

4.根据权利要求3所述的对图像进行直方图均衡处理的方法，其特征在于，所述的基于所述图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计，包括： 

对于灰度级z，按照T（z，n）=T（z，n-1）+W（x_n，y_n），逐步迭代计算灰度级z的加权像素点数T（z），所述T（z，n）的计算过程如下： 

T（z，0）=0； 

统计出的具有灰度级Z的第一个像素点为（x₁，y₁），该第一个像素点的直方图统计权重为W（x₁，y₁），则T（z，1）=T（z，0）+W（x₁，y₁）=W（x₁，y₁）； 

统计出的具有灰度级Z的第二个像素点为（x₂，y₂），该第二个像素点的直方图统计权重为W（x₂，y₂），则T（z，2）=T（z，1）+W（x₂，y₂）=W（x₁，y₁）+W（x₂，y₂）； 

依此类推… 

统计出的具有灰度级Z的第n个像素点为（x_n，y_n），该第n个像素点的直方图统计权重为W（x_n，y_n），则: 

T（z，n）=T（z，n-1）+W（x_n，y_n）=W（x₁，y₁）+W（x₂，y₂）+…+W（x_n-1，y_n-1）+W（x_n，y_n）； 

所述第n个像素点为具有灰度级Z的最后一个像素点，T（z，n）=T（z）； 

将所有灰度级的加权像素点数进行累加得到： 

各个灰度级对应的加权统计概率的计算公式如下： 

P(z)=T(z)/T 

所述P(z)为灰度级z对应的加权统计概率。 

5.根据权利要求4所述的对图像进行直方图均衡处理的方法，其特征在于，所述的根据所述图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理，包括： 

设所述图像的均衡目标灰度分布为kbit，所述图像为灰度图像，则依据直方图均衡的映射过程，均衡处理后坐标为（x，y）的像素点m的图像像素的灰度值为：S(x,y)=P(z)*2^k。 

6.一种对图像进行直方图均衡处理的装置，其特征在于，包括： 

距离计算模块，用于计算图像中的各像素点与中心像素点之间的距离； 

权重计算模块，用于根据所述距离计算模块得到的图像中的各像素点与中心像素点之间的距离，计算所述图像中的各像素点的直方图统计权重； 

加权灰度直方图统计处理模块，用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重，对所述图像分别进行各个灰度级的加权灰度直方图统计； 

直方图均衡处理模块，用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果，对所述图像进行直方图均衡处理。 

7.根据权利要求6所述的对图像进行直方图均衡处理的装置，其特征在于： 

所述的距离计算模块，具体用于设所述图像的长度为L、宽度为H，所述图像的中心像素点O的坐标为（L/2,H/2），所述图像中的某个像素点m的坐标为（x，y），则计算所述某个像素点m和中心像素点O之间的距离D(x,y)的公式如下： 

8.根据权利要求7所述的对图像进行直方图均衡处理的装置，其特征在于： 

所述的加权灰度直方图统计处理模块，具体用于设所述图像的中心像素点的直方图统计权重最大，为W_max，所述图像的四个角点与中心像素点O之间的距离为D_max，计算所述像素点m的直方图统计权重的公式如下： 

。

9.根据权利要求8所述的对图像进行直方图均衡处理的装置，其特征在于： 

所述的加权灰度直方图统计处理模块，具体用于对于灰度级z，按照T（z，n）=T（z，n-1）+W（x_n，y_n），逐步迭代计算灰度级Z的加权像素点数T（z），所述T（z，n）的计算过程如下： 

T（z，0）=0 

统计出的具有灰度级Z的第一个像素点为（x₁，y₁），该第一个像素点的直方图统计权重为W（x₁，y₁），则T（z，1）=T（z，0）+W（x₁，y₁）=W（x₁，y₁）； 

统计出的具有灰度级Z的第二个像素点为（x₂，y₂），该第二个像素点的直方图统计权重为W（x₂，y₂），则T（z，2）=T（z，1）+W（x₂，y₂）=W（x₁，y₁）+W（x₂，y₂）； 

依此类推… 

统计出的具有灰度级z的第n个像素点为（x_n，y_n），该第n个像素点的直方图统计权重为W（x_n，y_n），则: 

T（z，n）=T（z，n-1）+W（x_n，y_n）=W（x₁，y₁）+W（x₂，y₂）+…+W（x_n-1，y_n-1）+W（x_n，y_n）； 

所述第n个像素点为具有灰度级Z的最后一个像素点，T（z，n）=T（z）； 

将所有灰度级的加权像素点数进行累加得到： 

各个灰度级对应的加权统计概率的计算公式如下： 

P(z)=T(z)/T 

所述P(z)为灰度级z对应的加权统计概率。 

10.根据权利要求9所述的对图像进行直方图均衡处理的装置，其特征在于： 

所述的直方图均衡处理模块，具体用于设所述图像的均衡目标灰度分布为kbit，所述图像为灰度图像，则依据直方图均衡的映射过程，均衡处理后坐标为（x，y）的像素点m的图像像素的灰度值为：S(x,y)=P(z)*2^k。