CN104952069A - 基于限制对比度直方图均衡化的水下海参图像处理方法 - Google Patents

Abstract

本发明公开基于限制对比度直方图均衡化的水下海参图像处理方法，包括：获取水下海参图像并转化为灰度图像；将灰度图像分割为预设数量个大小相同的子区域；绘制各子区域的灰度直方图；计算各子区域的灰度直方图中每个灰度级的平均像素数；根据平均像素数，确定各子区域的灰度直方图中每个灰度级的截取限制像素数；根据截取限制像素数，计算各子区域的灰度直方图中所有灰度级截取出的总像素数量；根据截取出的总像素数量，计算各子区域的灰度直方图中每个灰度级的平均分配像素数；根据平均分配像素数以及截取限制像素数进行像素分配，得到各子区域的限定对比度灰度直方图；对各子区域的限定对比度灰度直方图进行均衡化处理。

Description

基于限制对比度直方图均衡化的水下海参图像处理方法

技术领域

本发明涉及图像处理领域，具体涉及一种基于限制对比度直方图均衡化的水下海参图像处理方法。

背景技术

图像处理与分析是机器视觉的核心部分。其中，图像处理的目的是为了消除噪声，抑制背景并突出目标物；而图像分析的最终目的则是实现目标的提取与识别，而为了达到这一目的，首先需要将目标与背景分割开，然后对目标进行表达和描述，对特征进行提取，最后利用模式识别技术实现目标物的识别。数字图像由于成像系统、图像采集系统以及传输系统的不完善，往往存在大量的噪声而不能在视觉系统中直接使用，必须先对其进行灰度校正、噪声过滤等图像预处理操作。

目前主要有一种基于区域分割的图像局部统计特征计算方法。图像的局部统计特征可以应用于图像的滤波过程中，以局部的噪声方差构建自适应的双边滤波器，能够改善滤波算法的去噪效果。研究提出了一种基于相邻区域灰度特征差异性的图像滤波算法。该算法利用相邻区域间的平均灰度差异性对欧氏距离进行加权，并结合区域内部的统计特征实现具有较强自适应性的图像滤波算法。研究提出了一种结合区域边界属性的图像滤波算法。该算法对边界像素间的滤波采用了基于区域边界像素梯度值及区域共享边界长度的相似度函数。建立在区域相似度上的滤波方法，可以增强滤波器对于图像结构的自适应性，提高滤波算法的边缘结构保持性能。

海参(Sea cucumbers,holothurians)属于棘皮动物门(Echinodermata)、海参纲(Holothuroidea)，是海洋中常见但非常重要的无脊椎动物。全球约有1200种海参分布于世界各大洋的潮间带至万米水深的海域，绝大多数营地栖生活附着在礁石、泥沙及海藻重生的地带，我国海域分布的有140多种，其中能食用的仅20种,占世界能食用海参种类的二分之一。海参具有很高的营养价值，与其他食物相比，海参的蛋白质含量高，脂肪含量低，氨基酸含量丰富，特别是人体必需氨基酸，并含有多种微量元素，如钙、镁盐及铁、锰等，是理想的滋补保健品。

目前常用的海参捕捞方法有拖网捕捞和人工潜水捕捞，拖网捕捞不仅造成海参的过多捕捞还破坏了海洋的生态环境，造成了海参资源锐减；人工捕捞则对潜水员的生命有着严重的威胁。因此随着人类对海洋的研究，越来越多的国内外学者把精力投入到了水下机器人的研究，利用机器视觉技术识别定位水下目标引导水下机器人工作有着很广阔的前景，而数字图像处理是机器视觉中的基础技术，因此能够研究出一种处理水下海参图像的算法尤为重要。

数字图像处理是机器视觉中的基础技术，尽管图像处理算法已经研究多年，也有很多经典的算法，但是鉴于图像数据的复杂性，现在还没有一种通用的算法可以处理任意场景的图像，因此研究水下海参图像处理方法具有较高的研究价值和实际意义。尤其是水下环境具有特殊性，水作为传播介质也具有一些特性，因此在水下光视觉的研究中遇到一些典型的问题，例如，复杂的成像环境使水下海参图像对各种噪声和干扰比较敏感，造成获取水下海参图像成像质量不高而且信息冗余；在不同光照条件下，悬浮物以及水流等因素都给最终的视觉任务带来很大的影响。但光视觉有其他方法所不能比拟的优点：直观，信息量大，处理方法多样，并不断产生新的算法。

发明内容

本发明所要解决的技术问题是相比于现有技术，如何对水下海参图像进行处理，以得到对比度更高的图像。

为此目的，本发明提出基于限制对比度直方图均衡化的水下海参图像处理方法，包括：

S1、获取水下海参图像；

S2、将所述水下海参图像转化为灰度图像；

S3、将所述灰度图像分割为预设数量个大小相同的子区域；

S4、根据各子区域的灰度级数量及每个灰度级包含的像素数，绘制各子区域的灰度直方图；

S5、根据各子区域的像素数及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均像素数；

S6、根据各子区域的灰度直方图中每个灰度级的平均像素数以及预设截取限制系数，确定各子区域的灰度直方图中每个灰度级的截取限制像素数；

S7、根据各子区域的灰度直方图中每个灰度级的截取限制像素数，计算各子区域的灰度直方图中所有灰度级截取出的总像素数量；根据各子区域的灰度直方图中所有灰度级截取出的总像素数量以及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均分配像素数；

S8、根据各子区域的灰度直方图中每个灰度级的平均分配像素数以及各子区域的灰度直方图中每个灰度级的截取限制像素数进行像素分配，得到各子区域的限定对比度灰度直方图；

S9、对各子区域的限定对比度灰度直方图进行均衡化处理。

可选的，所述步骤S8，包括：

S81、判断一个子区域的灰度直方图中一个灰度级包含的像素数是否大于该灰度级的截取限制像素数；若是，则执行步骤S82；否则，执行步骤S83；

S82、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S83、判断该灰度级包含的像素数与该灰度级的平均分配像素数之和是否大于或等于该灰度级的截取限制像素数；若是，则执行步骤S84；否则，执行步骤S85；

S84、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S85、将该灰度级包含的像素数分配为该灰度级包含的像素数与该灰度级的平均分配像素数之和，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S86、判断该子区域的灰度直方图中所有灰度级包含的像素数是否均完成分配，若是，则执行步骤S87；否则，执行步骤S81；

S87、判断各子区域的限定对比度灰度直方图是否完成，若是，则执行步骤S9；否则，执行步骤S81。

可选的，在步骤S87之前，所述方法还包括：

S871、判断该子区域中是否存在未分配的像素，若是，则执行步骤S872至S873；否则，执行步骤S87；

S872、根据该子区域的灰度级数量以及该子区域中未分配的像素数，确定该子区域的分配像素步进值；

S873、根据所述分配像素步进值，将该子区域中未分配的像素分配到该子区域的限定对比度灰度直方图中像素数小于所述截取限制像素数的灰度级中，并执行步骤S871。

可选的，在步骤S5中，所述子区域的灰度直方图中每个灰度级的平均像素数的计算公式如下：

$N_{aver}=\frac{N_{CR-X_p}\·N_{CR-Y_p}}{N_{gray}}$

其中，N_aver为子区域的灰度直方图中每个灰度级的平均像素数，N_gray为该子区域的灰度级数量，为该子区域X轴方向的像素数，为该子区域Y轴方向的像素数。

可选的，在步骤S6中，所述子区域的灰度直方图中每个灰度级的截取限制像素数的计算公式如下：

N_CL＝K_clip·N_aver

其中，N_CL为子区域的灰度直方图中每个灰度级的截取限制像素数，K_clip为预设的截取限制系数。

可选的，在步骤S7中，所述子区域的灰度直方图中每个灰度级的平均分配像素数的计算公式如下：

$N_{acp}=\frac{N_{\mathrm{\Σ}clip}}{N_{gray}}$

其中，N_acp为子区域的灰度直方图中每个灰度级的平均分配像素数，N_∑clip为该子区域的灰度直方图中所有灰度级截取出的像素总数。

可选的，在步骤S872中，所述分配像素步进值的计算公式如下：

$S=\frac{N_{gray}}{N_{LP}}$

其中，S为该子区域的分配像素步进值，N_LP为该子区域中未分配的像素数。

相比于现有技术，本发明的基于限制对比度直方图均衡化的水下海参图像处理方法可得到对比度更高的图像，有效的解决了水下采集的海参图像清晰度低，不利于识别的问题，且使用简单，无需增加额外辅助设备。

附图说明

图1为本发明实施例提供的一种基于限制对比度直方图均衡化的水下海参图像处理方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例公开基于限制对比度直方图均衡化的水下海参图像处理方法，该方法可包括以下步骤S1至S9：

S1、获取水下海参图像；

S2、将所述水下海参图像转化为灰度图像；

S3、将所述灰度图像分割为预设数量个大小相同的子区域；即每个子区域中的像素数相同；

S4、根据各子区域的灰度级数量及每个灰度级包含的像素数，绘制各子区域的灰度直方图；本实施例中，可采用现有方法确定每个子区域的灰度级数量，每个子区域的灰度级数量不一定相同；

S5、根据各子区域的像素数及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均像素数；

S6、根据各子区域的灰度直方图中每个灰度级的平均像素数以及预设截取限制系数，确定各子区域的灰度直方图中每个灰度级的截取限制像素数；

S7、根据各子区域的灰度直方图中每个灰度级的截取限制像素数，计算各子区域的灰度直方图中所有灰度级截取出的总像素数量；根据各子区域的灰度直方图中所有灰度级截取出的总像素数量以及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均分配像素数；

S8、根据各子区域的灰度直方图中每个灰度级的平均分配像素数以及各子区域的灰度直方图中每个灰度级的截取限制像素数进行像素分配，得到各子区域的限定对比度灰度直方图；

S9、对各子区域的限定对比度灰度直方图进行均衡化处理。

在一个具体的例子中，所述步骤S8，包括图1中未示出的步骤S81至S87：

S81、判断一个子区域的灰度直方图中一个灰度级包含的像素数是否大于该灰度级的截取限制像素数；若是，则执行步骤S82；否则，执行步骤S83；

S82、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S83、判断该灰度级包含的像素数与该灰度级的平均分配像素数之和是否大于或等于该灰度级的截取限制像素数；若是，则执行步骤S84；否则，执行步骤S85；

S84、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S85、将该灰度级包含的像素数分配为该灰度级包含的像素数与该灰度级的平均分配像素数之和，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S86、判断该子区域的灰度直方图中所有灰度级包含的像素数是否均完成分配，若是，则执行步骤S87；否则，执行步骤S81；

S87、判断各子区域的限定对比度灰度直方图是否完成，若是，则执行步骤S9；否则，执行步骤S81。

在一个具体的例子中，在步骤S87之前，所述方法还包括图1中未示出的步骤S871至S873：

S871、判断该子区域中是否存在未分配的像素，若是，则执行步骤S872至S873；否则，执行步骤S87；

S872、根据该子区域的灰度级数量以及该子区域中未分配的像素数，确定该子区域的分配像素步进值；

S873、根据所述分配像素步进值，将该子区域中未分配的像素分配到该子区域的限定对比度灰度直方图中像素数小于所述截取限制像素数的灰度级中，并执行步骤S871。

在一个具体的例子中，在步骤S5中，所述子区域的灰度直方图中每个灰度级的平均像素数的计算公式如下：

$N_{aver}=\frac{N_{CR-X_p}\·N_{CR-Y_p}}{N_{gray}}$

其中，N_aver为子区域的灰度直方图中每个灰度级的平均像素数，N_gray为该子区域的灰度级数量，为该子区域X轴方向的像素数，为该子区域Y轴方向的像素数。

在一个具体的例子中，在步骤S6中，所述子区域的灰度直方图中每个灰度级的截取限制像素数的计算公式如下：

N_CL＝K_clip·N_aver

其中，N_CL为子区域的灰度直方图中每个灰度级的截取限制像素数，K_clip为预设的截取限制系数，其含义是限制子区域每个灰度级所包含的像素数不超过平均像素数的K_clip倍。

在一个具体的例子中，在步骤S7中，所述子区域的灰度直方图中每个灰度级的平均分配像素数的计算公式如下：

$N_{acp}=\frac{N_{\mathrm{\Σ}clip}}{N_{gray}}$

其中，N_acp为子区域的灰度直方图中每个灰度级的平均分配像素数，N_∑clip为该子区域的灰度直方图中所有灰度级截取出的像素总数。在本实施例中，如果某个灰度级像素数大于N_CL，就会有部分像素被截取。定义截取下来像素的总数为N_∑clip。

在一个具体的例子中，在步骤S872中，所述分配像素步进值的计算公式如下：

$S=\frac{N_{gray}}{N_{LP}}$

其中，S为该子区域的分配像素步进值，N_LP为该子区域中未分配的像素数。

上述实施例中的基于限制对比度自适应直方图均衡化(ContrastLimited Adaptive Histgram Equalization，CLAHE)，与普通的自适应直方图均衡不同的地方主要是其对比度限幅。

上述实施例中的基于限制对比度直方图均衡化的水下海参图像处理方法可得到对比度更高的图像，有效的解决了水下采集的图像清晰度低，不利于识别的问题，且使用简单，无需增加额外辅助设备。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (7)

1.基于限制对比度直方图均衡化的水下海参图像处理方法，其特征在于，包括：

S1、获取水下海参图像；

S2、将所述水下海参图像转化为灰度图像；

S3、将所述灰度图像分割为预设数量个大小相同的子区域；

S4、根据各子区域的灰度级数量及每个灰度级包含的像素数，绘制各子区域的灰度直方图；

S5、根据各子区域的像素数及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均像素数；

S6、根据各子区域的灰度直方图中每个灰度级的平均像素数以及预设截取限制系数，确定各子区域的灰度直方图中每个灰度级的截取限制像素数；

S7、根据各子区域的灰度直方图中每个灰度级的截取限制像素数，计算各子区域的灰度直方图中所有灰度级截取出的总像素数量；根据各子区域的灰度直方图中所有灰度级截取出的总像素数量以及各子区域的灰度级数量，计算各子区域的灰度直方图中每个灰度级的平均分配像素数；

S8、根据各子区域的灰度直方图中每个灰度级的平均分配像素数以及各子区域的灰度直方图中每个灰度级的截取限制像素数进行像素分配，得到各子区域的限定对比度灰度直方图；

S9、对各子区域的限定对比度灰度直方图进行均衡化处理。

2.根据权利要求1所述的方法，其特征在于，所述步骤S8，包括：

S81、判断一个子区域的灰度直方图中一个灰度级包含的像素数是否大于该灰度级的截取限制像素数；若是，则执行步骤S82；否则，执行步骤S83；

S82、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S83、判断该灰度级包含的像素数与该灰度级的平均分配像素数之和是否大于或等于该灰度级的截取限制像素数；若是，则执行步骤S84；否则，执行步骤S85；

S84、将该灰度级包含的像素数分配为该灰度级的截取限制像素数，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S85、将该灰度级包含的像素数分配为该灰度级包含的像素数与该灰度级的平均分配像素数之和，得到该子区域的限定对比度灰度直方图中该灰度级包含的像素数，并执行步骤S86；

S86、判断该子区域的灰度直方图中所有灰度级包含的像素数是否均完成分配，若是，则执行步骤S87；否则，执行步骤S81；

S87、判断各子区域的限定对比度灰度直方图是否完成，若是，则执行步骤S9；否则，执行步骤S81。

3.根据权利要求2所述的方法，其特征在于，在步骤S87之前，所述方法还包括：

S871、判断该子区域中是否存在未分配的像素，若是，则执行步骤S872至S873；否则，执行步骤S87；

S872、根据该子区域的灰度级数量以及该子区域中未分配的像素数，确定该子区域的分配像素步进值；

S873、根据所述分配像素步进值，将该子区域中未分配的像素分配到该子区域的限定对比度灰度直方图中像素数小于所述截取限制像素数的灰度级中，并执行步骤S871。

4.根据权利要求1或3所述的方法，其特征在于，在步骤S5中，所述子区域的灰度直方图中每个灰度级的平均像素数的计算公式如下：

$N_{aver}=\frac{N_{CR-X_p}\·N_{CR-Y_p}}{N_{gray}}$

其中，N_aver为子区域的灰度直方图中每个灰度级的平均像素数，N_gray为该子区域的灰度级数量，为该子区域X轴方向的像素数，为该子区域Y轴方向的像素数。

5.根据权利要求4所述的方法，其特征在于，在步骤S6中，所述子区域的灰度直方图中每个灰度级的截取限制像素数的计算公式如下：

N_CL＝K_clip·N_aver

其中，N_CL为子区域的灰度直方图中每个灰度级的截取限制像素数，K_clip为预设的截取限制系数。

6.根据权利要求5所述的方法，其特征在于，在步骤S7中，所述子区域的灰度直方图中每个灰度级的平均分配像素数的计算公式如下：

$N_{acp}=\frac{N_{\mathrm{\Σ}clip}}{N_{gray}}$

其中，N_acp为子区域的灰度直方图中每个灰度级的平均分配像素数，N_∑clip为该子区域的灰度直方图中所有灰度级截取出的像素总数。

7.根据权利要求6所述的方法，其特征在于，在步骤S872中，所述分配像素步进值的计算公式如下：

$S=\frac{N_{gray}}{N_{LP}}$

其中，S为该子区域的分配像素步进值，N_LP为该子区域中未分配的像素数。