CN104700365B

CN104700365B - 一种图像对比度增强方法

Info

Publication number: CN104700365B
Application number: CN201510053151.8A
Authority: CN
Inventors: 傅志中; 黎媛; 牛婷婷; 李晓峰; 周宁
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2015-02-02
Filing date: 2015-02-02
Publication date: 2018-05-18
Anticipated expiration: 2035-02-02
Also published as: CN104700365A

Abstract

本发明公开了一种图像对比度增强方法，包括：利用人眼视觉的临界可见偏差特性，设计临界可视偏差增强函数和梯度压扩函数，从增强后的梯度场重建增强图像。该发明首先计算原始图像梯度场，根据图像平均背景亮度获得临界可见偏差阈值及临界可视偏差增强函数，同时，根据梯度幅度值不同而进行不同程度的梯度值压扩，最后采用梯度场重构方法及线性拉伸处理得到输出图像。这种基于图像对比度增强方法，噪声抑制和增强效果好，细节清晰，更符合人眼视觉特性；多次重复增强同一图像的增强图像，增强后的图像质量稳定，同时，对质量较好的图像，通过本方法增强后，不恶化其图像质量。

Description

一种图像对比度增强方法

技术领域

本发明属于图像增强技术领域，具体涉及一种基于临界可视偏差增强函数的图像对比度增强方法。

背景技术

图像增强技术是图像处理技术的一种，它可以显著改善图像质量，使得图像内容更有层次感并且主观观测效果更符合人们需求。现实生活中，图像往往存在各种问题，例如：拍照时光圈偏小，导致图像偏暗；场景的对比度较低，而使得图像重点不突出；曝光过度，导致影像失常，照片泛白等。

目前图像对比度增强的方法主要有：Chang-Hsing Lee等人在文献【Imageenhancement approach using the just-noticeable-difference model of the humancisual system,Journal of Electronic Imaging,2012】中将临界可见偏差JND模型运用到直方图均衡中，从一定程度上克服了直方图均衡带来的图像灰度级减少、细节缺失的弱点，但仍然不能突出图像中重要部分的信息。基于Retinex理论的图像增强算法【许欣，陈强，王平安，孙怀江，夏德深.消除光晕现象的快速Retinex图像增强，计算机辅助设计与图形学学报，2008】对高光区域敏感度小，图像整体颜色泛白，肤色纹理不清晰，高光区域细节信息并没有得到明显改善。基于图像梯度场增强的算法【许欣，陈强，孙怀江，夏德深，结合视觉感知特性的梯度域图像增强方法，计算机辅助设计与图形学学报，2009】结合Weber定律进行图像增强，但Weber定律不适合描述低照度图像的视觉感知特性。【刘琳，基于GPU的图像梯度场增强算法的研究与实现，电子科技大学硕士论文，2014】直接将JND函数作用于图像梯度场，对图像灰度处于128附近的低对比度有较好的增强效果，但对处于其它灰度等级或图中同时存在有部分质量较好的图像区域时，增强质量下降，鲁棒性差。

发明内容

本发明的目的是提供一种基于临界可视偏差增强函数的图像对比度增强方法，将符合人眼视觉系统的临界可见偏差JND与图像梯度场相结合，设计增强和压扩函数，实现图像增强的方法，解决现有图像增强算法细节缺失、产生光晕现象和增强效果鲁棒性欠缺的问题。

本发明所要解决的问题是：如何提供一种细节清晰、增强效果良好、鲁棒性好、符合人眼视觉的图像对比度增强方法。

本发明所提出的技术问题是这样解决的：提供一种基于临界可视偏差增强函数的图像对比度增强方法，其流程如图1所示，主要包括以下步骤：

步骤101.读取图像R、G、B分量图像，对每个分量图像执行步骤102至步骤110；

步骤102.求取输入图像I(x,y)的梯度▽I(x,y)；

步骤103.对输入图像的每个像素点(x,y)，计算其平均背景亮度得到μ(x,y)，计算方法为：首先对I(x,y)进行行方向的1×3均值滤波，均值滤波器模板为[1/3 1/3 1/3]的行向量；其次对I(x,y)进行列方向的3×1均值滤波，均值滤波器模板为[1/3 1/3 1/3]^T的列向量其中T表示转置，将行向量转置为列向量；

将所述计算方法总计执行三次，得到μ(x,y)；

步骤104.根据图像平均背景亮度计算每个像素点的临界可见偏差JND(x,y)，其公式如下：

若μ(x,y)≤127，则：

JND(x,y)＝21*(1-sqrt(μ(x,y)/127))+4；

否则：

JND(x,y)＝3*(μ(x,y)-128)/128+4；

其中，μ(x,y)是步骤103中求出的平均背景亮度值；

步骤105.将图像梯度与图像临界可见偏差相结合，得到临界可视偏差增强函数V_JND(x,y)的计算公式，公式如下：

V_JND(x,y)＝2-logsig{[||▽I(x,y)||-JND(x,y)]/10}

其中logsig{·}是S型传输函数；

步骤106.根据图像梯度，构造梯度压扩函数Φ(x,y)，其具体形式如下：

Φ(x,y)＝β×exp{-β²/(2σ²)}/σ²

其中β＝||▽I(x,y)||，σ是可调节参数，对不同图像可以对σ进行调整以得到更好的增强效果，σ一般取值为[45，80]；

步骤107.将临界可视偏差增强函数V_JND(x,y)和梯度压扩函数Φ(x,y)作用于临界可视对比度上，获得增强后的梯度G(x,y)＝▽I(x,y)×V_JND(x,y)×Φ(x,y)；

步骤108.计算增强后梯度场G(x,y)的散度div(G)；

步骤109.通过求解泊松方程▽²I_Re(x,y)＝div(G)，从增强后的梯度重建亮度图像I_Re(x,y)；

步骤110.对重建的亮度图像像素取值I_Re(x,y)线性拉伸至0∽255区间内，其计算方法如下：

求取图像I_Re(x,y)的像素最大值Imax_Re和像素最小值Imin_Re，则线性拉伸后的图像为：

I_Reunify(x,y)＝255*(I_Re(x,y)-Imin_Re)/(Imax_Re-Imin_Re)

步骤111.合并经步骤102至步骤110操作后的R、G、B三个分量图像，得到最终增强后的图像。

进一步的，步骤102所述梯度▽I(x,y)以前向差分表示，同时，步骤108所述增强后梯度场的散度div(G)用后向差分表示；或者，所述梯度▽I(x,y)以后向差分表示，同时，增强后梯度场的散度div(G)用前向差分表示。

本发明的有益效果是：

该图像的基于临界可视偏差增强函数的增强方法将图像梯度和人眼视觉系统的临界可见偏差结合起来，增强函数随着人眼可见偏差的不同而自适应改变；同时，根据梯度幅度值不同而进行不同程度的梯度值压扩，使得增强后的图像细节清晰，噪声抑制和增强效果好，更符合人眼视觉感知特性，增强效果良好。

附图说明

图1是基于临界可视偏差增强函数的图像对比度增强流程图；

图2是不同背景亮度下的临界可见偏差JND阈值曲线图；

图3是具体实施方式实施例1采用本发明方法对曝光不足的实际图像进行增强的前后对比图：其中3a为原始图像，3b为增强后的图像；

图4是具体实施方式实施例2采用本发明方法对强逆光的实际图像进行增强的前后对比图：其中4a为原始图像，4b为增强后的图像。

具体实施方式

为使本发明的技术方案更加清楚明白，下面结合实例对本发明做进一步的详细说明。

本发明方法具体实施方式包括求图像梯度、获取图像临界可视度、构造增强与压扩函数以及通过求解泊松方程重建增强后亮度图像，具体步骤如下：

实施例1：以实际拍摄的曝光不足图像为例：

本实施例选取实际拍摄的曝光不足导致画面偏暗的图像作为示例，如图3a所示，其图像分辨率为640*480(像素)；增强函数的可调节参数α＝0.3。

本实施例的具体实现过程如下：

步骤101.读取原始图像I(x,y)的R、G、B三个颜色分量图像，对每一个分量执行步骤102至步骤110，对应于图像中位置于(320，240)的像素点，其R、G、B三个分量值分别为I_R(320,240)＝25、I_G(320,240)＝30、I_B(320,240)＝34；

步骤102.求图像I(x,y)的梯度▽I(x,y)，以一阶前向差分近似求出：

▽I(x,y)≈(I(x+1,y)-I(x,y),I(x,y+1)-I(x,y))；

此时图像中位置于(320，240)处的R、G、B三个通道的x方向、y方向梯度值分别为▽I_R(320,240)＝(32,7)、▽I_G(320,240)＝(41,1)、▽I_B(320,240)＝(50,3)；

步骤103.求图像I(x,y)的平均背景亮度μ(x,y)：对应于图像中(320,240)处的R、G、B三个通道的背景亮度值分别为μ_R(320,240)＝12.65、μ_G(320,240)＝11.88、μ_B(320,240)＝10.99；

步骤104.根据图像平均背景亮度μ(x,y)，求图像在(x,y)处的临界可见偏差JND阈值，计算公式如下：

如果μ(x,y)≤127，则

JND(x,y)＝21*(1-sqrt(μ(x,y)/127))+4

否则：

JND(x,y)＝3*(μ(x,y)-128)/128+4

不同背景亮度下的临界可见偏差JND阈值曲线如图2所示；对应于图像(320,240)处像素点的R、G、B三个通道JND阈值分别为JND_R(320,240)＝43.91、JND_G(320,240)＝49.56、JND_B(320,240)＝56.56；

步骤105.将图像梯度▽I(x,y)与图像临界可见偏差JND(x,y)相结合，可视偏差增强函数V_JND(x,y)：

V_JND(x,y)＝2-logsig{[||▽I(x,y)||-JND(x,y)]/10}；

对应于图像(320,240)处像素点的R、G、B三个通道的可视偏差增强函数值分别为V_{JND_R}(320,240)＝(404.88,88.57)、V_{JND_G}(320,240)＝(487.13,11.88)、V_{JND_B}(320,240)＝(549.27,32.96)；

步骤106.根据图像梯度▽I(x,y)，构造梯度压扩函数，其形式如下：

Φ(x,y)＝β×exp{-β²/(2σ²)}/σ²

其中，β＝||▽I(x,y)||，σ是可调节参数，对不同图像可以对σ进行调整以得到更好的增强效果，σ一般取值为60；对应于图像(320,240)处的R、G、B三个通道的增强函数分别为Φ_R(320,240)＝1.85、Φ_G(320,240)＝1.73、Φ_B(320,240)＝1.63；

步骤107.把梯度压扩函数Φ(x,y)和增强函数V_JND(x,y)作用于图像梯度场▽I(x,y)，获得增强后的梯度:

G(x,y)＝V_JND(x,y)×Φ(x,y)×▽I(x,y)；

对应于图像(320,240)处的R、G、B三个通道增强后的梯度为G_R(320,240)＝(749.37,163.92)、G_G(320,240)＝(824.81,20.56)、G_B(320,240)＝(895.00,53.70)；

步骤108.增强后梯度场的散度可以用后向一阶差分逼近：

div(G)＝G_x(x,y)–G_x(x-1,y)+G_y(x,y)–G_y(x,y-1)

对应于图像(320,240)处像素点的R、G、B三个通道散度分别为div(G_R)＝1362.90、div(G_G)＝1162.40、div(G_B)＝1255.00；

步骤109.为从增强后的梯度重建亮度图像I_Re(x,y)，求解泊松方程▽²I_Re(x,y)＝div(G)得到；对应于图像(320,240)处像素点的重建后亮度图像I_Re(x,y)的R、G、B三个通道值分别为I_{Re_R}(320,240)＝747.00、I_{Re_G}(320,240)＝768.93、I_{Re_B}(320,240)＝807.83；

步骤110.对重建出的亮度图像像素取值线性拉伸至0∽255区间内；对应于图像(320,240)处像素点线性拉伸后R、G、B三个通道值分别I_{out_R}(320,240)＝127、I_{out_R}(320,240)＝137、I_{out_R}(320,240)＝141；

步骤111.合并R、G、B三个颜色通道，获得最终增强后的输出图像，如图3b所示。

实施例2：以实际拍摄的强逆光图像为例：

本实施例选取实际拍摄的强逆光图像作为示例，如图4a所示，其图像分辨率为512*512(像素)，操作步骤完全同实施例1，此处不再重复。

Claims

1.一种图像对比度增强方法，包括以下步骤：

步骤101.读取图像的R、G、B分量图像，对每个分量图像执行步骤102至步骤110；

步骤102.求取输入图像I(x,y)的梯度▽I(x,y)；

步骤103.对输入图像的每个像素点(x,y)，计算其平均背景亮度μ(x,y)；

所述平均背景亮度μ(x,y)具体通过以下方法获得：

步骤201.对I(x,y)进行行方向的1×3均值滤波，均值滤波器模板为[1/3 1/3 1/3]的行向量；

步骤202.对I(x,y)进行列方向的3×1均值滤波，均值滤波器模板为[1/3 1/3 1/3]^T的列向量，其中T表示转置，将行向量转置为列向量；

将步骤201至步骤202总计执行三次，得到μ(x,y)；

步骤104.根据图像平均背景亮度计算每个像素点的临界可见偏差JND(x,y)；

所述临界可见偏差JND(x,y)，其计算公式如下：

若μ(x,y)≤127，则

JND(x,y)＝21*(1-sqrt(μ(x,y)/127))+4；

否则：

JND(x,y)＝3*(μ(x,y)-128)/128+4；

其中，μ(x,y)是步骤103中求出的平均背景亮度值；

步骤105.求取图像梯度模值，与图像临界可见偏差相结合，得到临界可视偏差增强函数V_JND(x,y)＝2-logsig{[||▽I(x,y)||-JND(x,y)]/10}，其中logsig{·}是S型传输函数；

步骤106.根据图像梯度，构造梯度压扩函数Φ(x,y)，对大的梯度值进行压缩、小的梯度值扩展，零值附近的梯度值抑制；

所述梯度压扩函数Φ(x,y)，其具体公式如下：

Φ(x,y)＝β×exp{-β²/(2σ²)}/σ²

其中β＝||▽I(x,y)||，σ是可调节参数，对不同图像可以对σ进行调整以得到更好的增强效果，σ取值为[45，80]；

步骤107.将压扩函数Φ(x,y)和临界可视偏差增强函数V_JND(x,y)作用于▽I(x,y)上，获得增强后的梯度G(x,y)＝▽I(x,y)×V_JND(x,y)×Φ(x,y)；

步骤108.计算增强后梯度场的散度div(G)；

步骤110.对重建出的亮度图像像素取值I_Re(x,y)重新线性拉伸至0-255区间内，其计算方法如下：

I_Reunify(x,y)＝255*(I_Re(x,y)-Imin_Re)/(Imax_Re-Imin_Re)；

2.根据权利要求1所述的图像对比度增强方法，其特征在于，步骤102所述的梯度▽I(x,y)以一阶前向差分近似求出，即：

▽I(x,y)≈(I(x+1,y)-I(x,y),I(x,y+1)-I(x,y))；

步骤108所述的散度div(G)用后向一阶差分逼近，即：

div(G)＝G_x(x,y)–G_x(x-1,y)+G_y(x,y)–G_y(x,y-1)。