CN105139365B - 一种处理太赫兹或者红外图像的方法 - Google Patents

Abstract

本发明实施例公开了一种处理太赫兹或者红外图像的方法，包括：获取太赫兹或者红外图像的一帧图像数据；对该帧图像数据进行线性拉伸处理，获得线性拉伸图像数据；对该帧图像数据进行直方图均衡化处理，获得直方图均衡化图像数据；用线性拉伸图像数据和直方图均衡化图像数据计算获得合成图像数据。本发明的实施例的方法中，用线性拉伸处理获得的线性拉伸图像数据和直方图均衡化处理获得的直方图均衡化图像数据合成获得合成图像数据，使得合成图像数据即能够在高动态范围下也表现图像细节，也避免了直方图均衡化之后图像过渡曝光的问题，有效提高了图像的质量。

Description

一种处理太赫兹或者红外图像的方法

技术领域

本发明涉及太赫兹和红外成像技术领域，尤其是涉及一种处理太赫兹或者红外图像的方法。

背景技术

太赫兹成像是当前新兴研究学科，在爆炸物探测，安全检查等领域有着广阔的应用前景。而红外成像随着经济的发展，各领域对热像仪的成像质量要求则越来越高。

由于受外界环境、光学成像和探测器自身缺陷等因素的影响，太赫兹和红外图像存在对比度低，分辨率低，信噪比低，均匀性差，盲元多和温度漂移等缺陷，因此，需要进行图像预处理。

图像预处理包括非均匀校正、盲元补偿和图像增强。非均匀性校正即通过后台处理，使太赫兹或红外探测器单元在均匀入射的辐射下相应输出达到一致。盲元补偿即补偿在工艺上产生的一些性能与正常像素相差很大的像元。图像增强即通过算法，使肉眼看出图像中反映的具体信息。目前非均匀性校正和盲元补偿均有统一有效的方法，而图像增强则存在多种方法，包括线性映射、直方图均衡化等，每种方法各有优点，但均存在固有的缺陷。

线性拉伸方法具有操作简单、易于实现、占用内存少等优点，但在高动态范围下，线性拉伸会将低动态里的一些细节信息过滤，图像只有亮斑没有具体信息。

直方图均衡化方法能有效解决线性拉伸存在的大动态范围细节被覆盖掉等问题，但是直方图均衡化算法也存在高灰度值处过度曝光等问题。

发明内容

本发明的目的之一是提供一种在高动态范围下也能够表现图像细节的处理太赫兹或者红外图像的方法。

本发明的目的之一是提供一种能够避免直方图均衡化之后太赫兹或者红外图像过渡曝光的处理太赫兹或者红外图像的方法。

本发明公开的技术方案包括如下方案。

本发明一个实施例中，提供了一种处理太赫兹或者红外图像的方法，其特征在于，包括：获取太赫兹或者红外图像的一帧图像数据；对所述一帧图像数据进行线性拉伸处理，获得线性拉伸图像数据；对所述一帧图像数据进行直方图均衡化处理，获得直方图均衡化图像数据；用所述线性拉伸图像数据和所述直方图均衡化图像数据计算获得合成图像数据。

本发明一个实施例中，对所述一帧图像数据进行线性拉伸处理包括：用线性映射方法将所述一帧图像数据映射到0-之间。

本发明一个实施例中，对所述一帧图像数据进行线性拉伸处理还包括：将线性映射之后的所述一帧图像数据线性压缩到0-255之间。

本发明一个实施例中，对所述一帧图像数据进行直方图均衡化处理包括：计算所述一帧图像数据的灰度直方图；将所述灰度直方图进行均衡化处理，获得均衡化灰度直方图；根据所述均衡化灰度直方图反变换获得所述直方图均衡化图像数据

本发明一个实施例中，对所述一帧图像数据进行直方图均衡化处理还包括：线性压缩所述直方图均衡化图像数据。

本发明一个实施例中，根据下述关系式计算所述合成图像数据：C=(a×A+b×B)/(a+b)，其中C为所述合成图像数据，A为所述线性拉伸图像数据，B为所述直方图均衡化图像数据，a为第一调节权重参数，b为第二调节权重参数。

本发明一个实施例中，所述第一调节权重参数和所述第二调节权重参数根据所述一帧图像数据的动态范围选择。

本发明一个实施例中，当所述动态范围小于300时，增大所述第二调节权重参数，减小所述第一调节权重参数；当所述动态范围大于或等于300时，减小所述第二调节权重参数，增大所述第一调节权重参数。

本发明一个实施例中，当所述动态范围小于300时，取a＜b≤1；当所述动态范围大于或等于300时，取a＞b≥1。

本发明的实施例的方法中，用线性拉伸处理获得的线性拉伸图像数据和直方图均衡化处理获得的直方图均衡化图像数据合成获得合成图像数据，使得合成图像数据即能够在高动态范围下也表现图像细节，也避免了直方图均衡化之后图像过渡曝光的问题，有效提高了图像的质量。

附图说明

图1是本发明一个实施例的处理太赫兹或者红外图像的方法的流程示意图。

图2是本发明一个实施例的线性拉伸图像数据。

图3是本发明一个实施例的直方图均衡化图像数据。

图4是本发明一个实施例的合成图像数据。

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处理太赫兹或者红外图像的方法的具体步骤。

图1为本发明一个实施例的处理太赫兹或者红外图像的方法的流程示意图。

如图1所示，本发明一些实施例中，在步骤100，可以获取太赫兹或者红外图像的一帧图像数据。本发明的实施例中，该帧图像数据可以是太赫兹或者红外成像系统已经获得并存储于存储器中的图像数据，在步骤100中从存储器中读出；也可以是太赫兹或者红外成像系统当前实时采集获得的图像数据。

在步骤102，可以对该帧图像数据进行线性拉伸处理，从而获得线性拉伸图像数据。

例如，一个实施例中，可以用线性映射方法将该帧图像数据映射到0-之间，从而获得线性拉伸图像数据。

例如，一个实施例中，获取一帧太赫兹或红外图像的图像数据pic，该帧图像数据的每个数据可以均为14位数据。然后，利用二叉堆算法，剔除若干最小最大的盲元无效值之后，确定该帧图像数据的最大值max与最小值min。然后利用公式，对各个像素点逐点计算，即可得到线性映射后的14位数据的线性拉伸图像数据PIC。

本发明另一些实施例中，在线性映射之后，还可以将线性映射后的该帧图像数据进行线性压缩，压缩到0-255之间，从而获得线性拉伸图像数据。例如，前面的实施例中的图像数据PIC经过线性压缩到0-255之后，获得的线性拉伸图像数据是一帧8位灰度图，这样，可以减小后续处理的计算量。本发明一个实施例中，线性映射之后再线性压缩获得的8位灰度图的线性拉伸图像数据如图2所示。

在步骤106中，可以对该帧图像数据进行直方图均衡化处理，获得直方图均衡化图像数据。

例如，一些实施例中，可以计算该帧图像数据的灰度直方图，并将该灰度直方图进行均衡化处理，获得均衡化灰度直方图。然后，根据该均衡化灰度直方图反变换获得直方图均衡化图像数据。

与步骤102中类似，在步骤106中，获得直方图均衡化图像数据之后，可以线性压缩该直方图均衡化图像数据，将其压缩成8位图像数据。

例如，一个实施例中，获取该帧图像数据pic之后，统计其各个灰度级的像素点个数P(i)，由于灰度级分布很密，可看成连续变量。再分配一段内存区间，设为为S(i)。通过变换方法S(1)=P(1)，S(i)=S(i-1)+P(i),得到变换后的灰度级轴S(i)，该S(i)为直方图均衡化后灰度级统计图。然后利用S(i)反变换，即可得到14位的直方图均衡化图像数据图像。最后利用线性压缩，变为8位数据的直方图均衡化图像数据。本发明一个实施例中的直方图均衡化图像数据如图3所示。

本发明的实施例中，步骤102和步骤106可以同时并行执行，也可以任一个在先执行，其执行顺序没有限制。

获得了线性拉伸图像数据和直方图均衡化图像数据之后，在步骤108中，可以用该线性拉伸图像数据和该直方图均衡化图像数据计算获得合成图像数据。

例如，本发明一些实施例中，可以由线性拉伸图像数据与直方图均衡化图像数据所占比例权重归一化为最终合成图像，例如按照下列关系式计算合成图像数据：

C=(a×A+b×B)/(a+b)，

其中C为所述合成图像数据，A为所述线性拉伸图像数据，B为所述直方图均衡化图像数据，a为第一调节权重参数，b为第二调节权重参数。

本发明的一些实施例中，a和b可以根据原始图像数据（即前述的该一帧图像数据）的动态范围进行选择。这时，可以给定动态范围的阈值，当动态范围未超过阈值时，将a与b设为正常范围内的值，若超过动态范围，即适当调整a值。当动态范围较大时，b值选择较大的值。本发明的另一些实施例中，a和b也可以根据成像系统的环境选择。

例如，一些实施例中，当该动态范围小于300时，可以增大第二调节权重参数b，而减小第一调节权重参数a；而当该动态范围大于或等于300时，则减小第二调节权重参数b，增大第一调节权重参数a。

另一些实施例中，当该动态范围小于300时，可以取a＜b≤1；而当该动态范围大于或等于300时，可以取a＞b≥1。

例如，一些实施例中，第一调节权重参数a可以为1，第二调节权重参数b可以为1。

另一些实施例中，第一调节权重参数a可以为0.5，而第二调节权重参数b可以为0.8；或者第一调节权重参数a可以为2，而第二调节权重参数b可以为1.5。

本发明的实施例中，步骤108中的A和B可以为前述的线性压缩前的14位的图像数据，也可以是线性压缩后的8位的图像数据。

本发明的一个实施例中，最后获得的合成图像数据如图4所示。

本发明的实施例的方法中，用线性拉伸处理获得的线性拉伸图像数据和直方图均衡化处理获得的直方图均衡化图像数据合成获得合成图像数据，使得合成图像数据即能够在高动态范围下也表现图像细节，也避免了直方图均衡化之后图像过渡曝光的问题，有效提高了图像的质量。

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 (6)

1.一种处理太赫兹或者红外图像的方法，其特征在于，包括：

获取太赫兹或者红外图像的一帧图像数据；

对所述一帧图像数据进行线性拉伸处理，获得线性拉伸图像数据；

对所述一帧图像数据进行直方图均衡化处理，获得直方图均衡化图像数据；

用所述线性拉伸图像数据和所述直方图均衡化图像数据计算获得合成图像数据；

其中，根据下述关系式计算所述合成图像数据：

C=(a×A+b×B)/(a+b)，

其中C为所述合成图像数据，A为所述线性拉伸图像数据，B为所述直方图均衡化图像数据，a为第一调节权重参数，b为第二调节权重参数；

其中所述第一调节权重参数和所述第二调节权重参数根据所述一帧图像数据的动态范围选择，当所述动态范围小于300时，增大所述第二调节权重参数，减小所述第一调节权重参数；当所述动态范围大于或等于300时，减小所述第二调节权重参数，增大所述第一调节权重参数。

2.如权利要求1所述的方法，其特征在于，对所述一帧图像数据进行线性拉伸处理包括：用线性映射方法将所述一帧图像数据映射到0-之间。

3.如权利要求2所述的方法，其特征在于，对所述一帧图像数据进行线性拉伸处理还包括：将线性映射之后的所述一帧图像数据线性压缩到0-255之间。

4.如权利要求1至3中任意一项所述的方法，其特征在于，对所述一帧图像数据进行直方图均衡化处理包括：

计算所述一帧图像数据的灰度直方图；

将所述灰度直方图进行均衡化处理，获得均衡化灰度直方图；

根据所述均衡化灰度直方图反变换获得所述直方图均衡化图像数据。

5.如权利要求4所述的方法，其特征在于，对所述一帧图像数据进行直方图均衡化处理还包括：线性压缩所述直方图均衡化图像数据。

6.如权利要求1所述的方法，其特征在于：当所述动态范围小于300时，取a＜b≤1；当所述动态范围大于或等于300时，取a＞b≥1。