CN105139345A - 一种优质非标准Gamma曲线的自动搜索方法 - Google Patents

Abstract

本发明适用于视频监控及图像处理技术领域，提供了一种优质非标准Gamma曲线的自动搜索方法，所述方法包括：在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线；获取未经过Gamma校正的视频图像作为原始图像；使用所得出的非标准Gamma曲线分别对原始图像进行校正，并计算校正后图像的客观图像指标；根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。本发明实施例提供的方法能够自动搜索出优质非标准Gamma曲线，可比自适应Gamma校正获得效果更佳的曲线，此优质的非标准Gamma曲线可提高图像的动态范围，较好的改善图像中同时出现过暗区域和过亮区域的照度不均匀现象。

Description

一种优质非标准Gamma曲线的自动搜索方法

技术领域

本发明属于视频监控及图像处理技术领域，尤其涉及一种优质非标准Gamma曲线的自动搜索方法。

背景技术

Gamma校正是一种灰度变换，用于克服人类视觉系统对于亮度感觉的非线性关系而引入的一种传输函数；

由于视场及光照条件的原因，经常出现视频图像的照度不均匀，有时图像中同时出现某些区域过亮、某些区域过暗的情况，如果使用标准的Gamma曲线则无法同时兼顾上述两种情况。一些自适应的Gamma校正方法所合成的非标准Gamma曲线往往不是优质曲线；而采样人工的方式构造非标准Gamma曲线则费时费力，效率低下。标准Gamma曲线校正会会使图像产生“雾感”。

发明内容

本发明实施例的目的在于提供一种优质非标准Gamma曲线的自动搜索方法，以解决现有技术的问题。

本发明实施例是这样实现的，一种优质非标准Gamma曲线的自动搜索方法，所述方法包括以下步骤：

在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线；获取未经过Gamma校正的视频图像作为原始图像；使用所得出的非标准Gamma曲线分别对原始图像进行校正，并计算校正后图像的客观图像指标；根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。

优选的，获取未经过Gamma校正的视频图像作为原始图像，具体包括：

设置视频设备内的Gamma校正表，使得输入图像与输出图像相同，并获取输出图像作为原始图像。

优选的，所述在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线，具体包括：

在x∈[0,255]，y∈[0,255]的区域所对应的坐标平面内按照预设的x坐标的间距选取7点，按照预设的步距，调整7个点的y坐标；使用三次样条插值对7个点进行插值，得到多条非标准Gamma曲线。

优选的，所述预设的x坐标的间距包括0、10、50、100、150、200和250；所述预设的步距包括2、3、5或10。

优选的，所述客观图像指标包括平均亮度、标准差、平均梯度和信息熵，具体的：

平均亮度，用于评价整幅图像的亮度情况；标准差，用于评价图像的对比度，所述对比度和图像的标准差成正比；平均梯度，用于评价图像的细节表达，图像的平均梯度与图像的细节清晰度成正比；信息熵，用于评价图像所包含的信息量，图像的熵与图像所包含的信息量成正比。

优选的，所述使用所得出的非标准Gamma曲线分别对原始图像进行校正，具体包括：

根据所述非标准Gamma曲线，确定原始图像中各像素点在进行非标准Gamma变换后的输出灰度值。

优选的，所述根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线，具体包括：

根据校正后图像的信息熵接近原始图像的信息熵的判断条件下，平均梯度值最大的Gamma曲线为优质的Gamma曲线。

优选的，所述方法还包括：根据得到的所述优质非标准Gamma曲线，校验原始图像，得到最终用于显示的图像。

优选的，所述方法还包括：根据所述优质非标准Gamma曲线，更新显示装置的Gamma校正表。

本发明实施例提供的一种优质非标准Gamma曲线的自动搜索方法的有益效果包括：本发明实施例提供的方法能够自动搜索出优质非标准Gamma曲线，可比自适应Gamma校正获得效果更佳的曲线，此优质的非标准Gamma曲线可提高图像的动态范围，较好的改善图像中同时出现过暗区域和过亮区域的照度不均匀现象，可克服标准Gamma校正造成的图像的“雾感”，使图像更加通透。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种优质非标准Gamma曲线的自动搜索方法的流程图；

图2是本发明实施例提供的一种优质非标准Gamma曲线的自动搜索方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

如图1所示为本发明提供的一种优质非标准Gamma曲线的自动搜索方法，所述方法包括以下步骤：

在步骤201中，在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出对应所述区域个数的非标准Gamma曲线。其中，n为自然数。

优选的，在选择所述n个点时，可以参考所述图像附带的标准Gamma曲线，基于所述标准Gamma曲线生成所述非标准Gamma曲线。

在步骤202中，获取未经过Gamma校正的视频图像作为原始图像。

在步骤203中，使用所得出的非标准Gamma曲线分别对原始图像进行校正，并计算校正后图像的客观图像指标。

在步骤204中，根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。

本发明实施例提供的方法能够自动搜索出优质非标准Gamma曲线，可比自适应Gamma校正获得效果更佳的曲线，此优质的非标准Gamma曲线可提高图像的动态范围，较好的改善图像中同时出现过暗区域和过亮区域的照度不均匀现象，可克服标准Gamma校正造成的图像的“雾感”，使图像更加通透。

结合本实施例存在一种优选的方案，其中，获取未经过Gamma校正的视频图像作为原始图像，具体包括：

设置视频设备内的Gamma校正表，使得输入图像与输出图像相同，并获取输出图像作为原始图像。

结合本实施例存在一种优选的方案，其中，所述在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线，具体包括：

在x∈[0,255]，y∈[0,255]的区域所对应的坐标平面内按照预设的x坐标的间距选取7点，按照预设的步距，调整7个点的y坐标；使用三次样条插值对7个点进行插值，得到多条非标准Gamma曲线。其中，x即为输入的像素点的灰度值，y即为经过非标准Gamma变换后输出的灰度值。

结合本实施例存在一种优选的方案，其中，所述预设的x坐标的间距包括0、10、50、100、150、200和250；所述预设的步距包括2、3、5或10。

结合本实施例存在一种优选的方案，其中，所述客观图像指标包括平均亮度、标准差、平均梯度和信息熵，具体的：

平均亮度，用于评价整幅图像的亮度情况；标准差，用于评价图像的对比度，所述对比度和图像的标准差成正比；平均梯度，用于评价图像的细节表达，图像的平均梯度与图像的细节清晰度成正比；信息熵，用于评价图像所包含的信息量，图像的熵与图像所包含的信息量成正比。

结合本实施例存在一种优选的方案，其中，所述使用所得出的非标准Gamma曲线分别对原始图像进行校正，具体包括：

根据所述非标准Gamma曲线，确定原始图像中各像素点在进行非标准Gamma变换后的输出灰度值。

结合本实施例存在一种优选的方案，其中，所述根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线，具体包括：

根据校正后图像的信息熵接近原始图像的信息熵的判断条件下，平均梯度值最大的Gamma曲线为优质的Gamma曲线。

结合本实施例存在一种优选的方案，其中，所述方法还包括：

根据得到的所述优质非标准Gamma曲线，校验原始图像，得到最终用于显示的图像。

结合本实施例存在一种优选的方案，其中，所述方法还包括：

根据所述优质非标准Gamma曲线，更新显示装置的Gamma校正表。

实施例二

如图2所示，给出了本发明实施例提供的粗精结合的自动搜索优质非标准Gamma曲线的流程图，为了便于说明仅给出了与本发明实施例相关的部分。

本实施例提供的视频图像自动锐化方法包括下述步骤：

步骤301中，获取未经过Gamma校正的视频图像作为原始图像。

步骤302中，在坐标平面内选7个点采样，根据预设步距遍历并拟合，得出大量非标准Gamma曲线。

步骤303，使用所得出的非标准Gamma曲线对原始图像进行校正，并计算校正后图像的客观图像指标。

步骤304，根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。

步骤305，以所得到的优质非标准Gamma曲线为基准，在该曲线所对于的7个点的y坐标的上下一定范围内以较小的步距遍历并拟合，得出一定数量的非标准Gamma曲线。

其中，步距的大小会影响得到的非标准Gamma曲线的品质，而步距过小也会带来计算量的增加。

步骤306中，使用所得出的非标准Gamma曲线对原始图像进行校正，并计算校正后图像的客观图像指标。

步骤307中，根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。

本实施例在实施例一的基础上，以搜索出的优质Gamma曲线为基准，再次进行较小步距的遍历，可得出效果更佳的非标准Gamma曲线，可更好的应对照度不均匀的情况，使视频设备具备一定的宽动态效果。

本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种优质非标准Gamma曲线的自动搜索方法，其特征在于，所述方法包括：

在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线；

获取未经过Gamma校正的视频图像作为原始图像；

使用所得出的非标准Gamma曲线分别对原始图像进行校正，并计算校正后图像的客观图像指标；

根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线。

2.根据权利要求1所述的方法，其特征在于，获取未经过Gamma校正的视频图像作为原始图像，具体包括：

设置视频设备内的Gamma校正表，使得输入图像与输出图像相同，并获取输出图像作为原始图像。

3.根据权利要求1所述的方法，其特征在于，所述在由输入灰度值和输出灰度值构成的Gamma坐标平面内选择出n个点进行三次样条插值，得出多条非标准Gamma曲线，具体包括：

在x∈[0,255]，y∈[0,255]的区域所对应的坐标平面内按照预设的x坐标的间距选取7点，按照预设的步距，调整7个点的y坐标；

使用三次样条插值对7个点进行插值，得到多条非标准Gamma曲线。

4.根据权利要求3所述的方法，其特征在于，所述预设的x坐标的间距包括0、10、50、100、150、200和250；所述预设的步距包括2、3、5或10。

5.根据权利要求1所述的方法，其特征在于，所述客观图像指标包括平均亮度、标准差、平均梯度和信息熵，具体的：

平均亮度，用于评价整幅图像的亮度情况；

标准差，用于评价图像的对比度，所述对比度和图像的标准差成正比；

平均梯度，用于评价图像的细节表达，图像的平均梯度与图像的细节清晰度成正比；

信息熵，用于评价图像所包含的信息量，图像的熵与图像所包含的信息量成正比。

6.根据权利要求1所述的方法，其特征在于，所述使用所得出的非标准Gamma曲线分别对原始图像进行校正，具体包括：

根据所述非标准Gamma曲线，确定原始图像中各像素点在进行非标准Gamma变换后的输出灰度值。

7.根据权利要求1所述的方法，其特征在于，所述根据图像的客观指标设置筛选条件，自动搜索出优质非标准Gamma曲线，具体包括：

根据校正后图像的信息熵接近原始图像的信息熵的判断条件下，平均梯度值最大的Gamma曲线为优质的Gamma曲线。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据得到的所述优质非标准Gamma曲线，校验原始图像，得到最终用于显示的图像。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述优质非标准Gamma曲线，更新显示装置的Gamma校正表。