CN105631835A - 一种夜间弱光彩色图像的灰度化方法 - Google Patents
一种夜间弱光彩色图像的灰度化方法 Download PDFInfo
- Publication number
- CN105631835A CN105631835A CN201610099862.3A CN201610099862A CN105631835A CN 105631835 A CN105631835 A CN 105631835A CN 201610099862 A CN201610099862 A CN 201610099862A CN 105631835 A CN105631835 A CN 105631835A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- single channel
- green
- night
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种夜间弱光彩色图像的灰度化方法,先将夜间弱光彩色图像分解成红、绿、蓝三个单通道图像,再算出绿色单通道图像的像素阈值,并对绿色单通道图像的像素值进行处理,即为夜间弱光彩色图像灰度化后的输出图像。经本发明处理后的灰度图像相对于以往的彩色图像灰度化方法具有亮度高、细节表现生动、视觉效果较好、灰度分布比较广泛等优点,且方法较简单、速度快。
Description
技术领域
本发明涉及彩色图像灰度化方法,具体涉及一种夜间弱光彩色图像的灰度化方法。
背景技术
在对彩色图像进行处理时由于内存、处理速度等原因往往需要对彩色图像进行灰度化处理,目前常用的彩色图像灰度化方法主要有三种:一是最大值法,使灰度图像的像素值为红、绿、蓝三个单通道对应像素值的最大值;二是平均值法,使灰度图像的像素值为红、绿、蓝三个单通道像素值的平均值;三是加权平均法,根据重要性或其他指标给红、绿、蓝三个单通道的像素值赋予不同的权值。
在对夜间弱光彩色图像进行灰度化处理时发现,由于夜间弱光彩色图像自身具有颜色较暗的特征,对该彩色图像进行灰度化处理,图像较暗,对应的直方图分布于坐标系的左侧,图像的细节难以表达清楚,不利于观察及分析。因此我们提出了一种新的弱光彩色图像灰度化方法,该方法处理后的灰度图像可以生动的表现图像的细节区域,满足人类视觉要求。
发明内容
本发明的目的在于提供一种夜间弱光彩色图像的灰度化方法,使处理后的灰度图像能生动地表现图像的细节,满足人类视觉要求。
为实现上述目的,本发明采用了以下技术方案:
一种夜间弱光彩色图像的灰度化方法,步骤如下:
(1)输入夜间弱光彩色图像;
(2)将夜间弱光彩色图像利用OpenCV中的split函数分解成红、绿、蓝三个单通道图像,其中split函数为:
split(SrcImg,BGRMatVector)
其中SrcImg为Mat类型的输入彩色图像,BGRMatVector为Mat类型的vector类,BGRMatVector[0]~BGRMatVector[2]分别对应蓝、绿、红三个单通道图像;
(3)算出绿色单通道图像的像素阈值为ThGpixel;
(4)以ThGpixel为阈值对绿色单通道图像的像素值按下述公式进行处理:
其中G(i,j)表示绿色通道第i行第j列的像素值,Gresult(i,j)为处理后对应像素的像素值;
(5)经步骤(4)像素值处理后的绿色单通道图像就是夜间弱光彩色图像灰度化后的输出图像。
进一步方案,所述步骤(3)中绿色单通道图像的像素阈值为ThGpixel是通过下述步骤算出的:
(a)对绿色单通道图像所对应灰度图像中每个像素的灰度值进行统计后,列出其直方图,直方图中灰度值v所对应的像素个数histG[v],v的取值范围为[0,255];
(b)按照以下公式求得绿色单通道图像所对应的像素阈值ThGpixel:
sum=sum+histG[v],v∈[0,255]
sum≥sumpixel×0.98
ThGpixel=v
其中:sum初始值为0,histG[v]为绿色单通道图像的直方图中灰度值v所对应的像素个数,sumpixel为夜间弱光彩色图像的总的像素数,sum=sum+histG[v],v∈[0,255]为目标函数,sum≥sumpixel×0.98为约束条件,当sum满足约束条件时停止运算,得到对应的像素阈值ThGpixel=v。
本发明主要针对夜间弱光彩色图像灰度化后视觉效果比较差的情况,提出一种有效的弱光彩色图像灰度化方法。本发明采用灰度化方法是结合夜间弱光彩色图像的直方图分布特征和红、绿、蓝三个单通道图像的亮度特征,采用对绿色单通道图像进行非线性处理作为彩色图像的灰度化图像的方法。
本发明采用灰度化方法对夜间弱光彩色图像进行处理后的灰度图像清晰度高,可以生动的表现图像的细节区域,满足人类视觉要求。
经本发明处理后的图像比之前的图像更亮了,且灰度分布比较广泛。另外,本发明的灰度化方法较简单,算法复杂度低,且速度较快。
附图说明
图1是本发明的流程图;
图2是输入夜间弱光彩色图像的原图;
图3是绿色单通道图像;
图4是绿色单通道图像的直方图;
图5是本发明处理后的灰度图;
图6是采用加权法处理后的灰度图。
具体实施方式
如图1所示,一种夜间弱光彩色图像的灰度化方法,步骤如下:
(1)输入夜间弱光彩色图像,如图2所示为输入夜间弱光彩色图像的原图;
(2)将夜间弱光彩色图像利用OpenCV中的split函数分解成红、绿、蓝三个单通道图像,绿色单通道图像如图3所示,其split函数为:
split(SrcImg,BGRMatVector)
其中SrcImg为Mat类型的输入彩色图像,BGRMatVector为Mat类型的vector类,BGRMatVector[0]~BGRMatVector[2]分别对应蓝、绿、红三个单通道图像;
(3)通过下述步骤算出绿色单通道图像的像素阈值为ThGpixel:
(a)对如图3所示的绿色单通道图像所对应灰度图像中每个像素的灰度值进行统计后,列出其直方图(如图4所示),直方图中灰度值v所对应的像素个数histG[v],v的取值范围为[0,255];
(b)按照以下公式求得绿色单通道图像所对应的像素阈值ThGpixel:
sum=sum+histG[v],v∈[0,255]
sum≥sumpixel×0.98
ThGpixel=v
式中:sum初始值为0,histG[v]为绿色单通道图像的直方图中灰度值v所对应的像素个数,sumpixel为夜间弱光彩色图像的总的像素数,sum=sum+histG[v],v∈[0,255]为目标函数,sum≥sumpixel×0.98为约束条件,当sum满足约束条件时停止运算,得到对应的像素阈值ThGpixel=v;
(4)以ThGpixel为阈值对绿色单通道图像的像素值按下述公式进行处理:
其中G(i,j)表示绿色通道第i行第j列的像素值,Gresult(i,j)为处理后对应像素的像素值;
(5)经步骤(4)像素值处理后的绿色单通道图像就是夜间弱光彩色图像灰度化后的输出图像,如图5所示为处理后的绿色单通道图像,即为输出的夜间弱光彩色图像。
如图6所示为采用加权算法对输入的夜间弱光彩色图像进行处理后的灰度图,图5所示为经本发明灰度化方法处理的灰度图。对比图5、6可知,采用本发明的灰度化方法对夜间弱光彩色图像进行处理后的灰度图像清晰度高,可以生动的表现图像的细节区域,满足人类视觉要求。
以上所述的实例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (2)
1.一种夜间弱光彩色图像的灰度化方法,其特征在于:步骤如下:
(1)输入夜间弱光彩色图像;
(2)将夜间弱光彩色图像利用OpenCV中的split函数分解成红、绿、蓝三个单通道图像,其中split函数为:
split(SrcImg,BGRMatVector)
其中SrcImg为Mat类型的输入彩色图像,BGRMatVector为Mat类型的vector类,BGRMatVector[0]~BGRMatVector[2]分别对应蓝、绿、红三个单通道图像;
(3)算出绿色单通道图像的像素阈值为ThGpixel;
(4)以ThGpixel为阈值对绿色单通道图像的像素值按下述公式进行处理:
其中G(i,j)表示绿色通道第i行第j列的像素值,Gresult(i,j)为处理后对应像素的像素值;
(5)经步骤(4)像素值处理后的绿色单通道图像就是夜间弱光彩色图像灰度化后的输出图像。
2.根据权利要求1所述的一种夜间弱光彩色图像灰度化方法,其特征在于:所述步骤(3)中绿色单通道图像的像素阈值为ThGpixel是通过下述步骤算出的:
(a)对绿色单通道图像所对应灰度图像中每个像素的灰度值进行统计后列出其直方图,直方图中灰度值v所对应的像素个数histG[v],v的取值范围为[0,255];
(b)按照以下公式求得绿色单通道图像所对应的像素阈值ThGpixel:
sum=sum+histG[v],v∈[0,255]
sum≥sumpixel×0.98
ThGpixel=v
其中:sum初始值为0,histG[v]为绿色单通道图像的直方图中灰度值v所对应的像素个数,sumpixel为夜间弱光彩色图像的总的像素数,sum=sum+histG[v],v∈[0,255]为目标函数,sum≥sumpixel×0.98为约束条件,当sum满足约束条件时停止运算,得到对应的像素阈值ThGpixel=v。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610099862.3A CN105631835A (zh) | 2016-02-23 | 2016-02-23 | 一种夜间弱光彩色图像的灰度化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610099862.3A CN105631835A (zh) | 2016-02-23 | 2016-02-23 | 一种夜间弱光彩色图像的灰度化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631835A true CN105631835A (zh) | 2016-06-01 |
Family
ID=56046723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610099862.3A Pending CN105631835A (zh) | 2016-02-23 | 2016-02-23 | 一种夜间弱光彩色图像的灰度化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631835A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
US20130322712A1 (en) * | 2012-06-05 | 2013-12-05 | Siemens Medical Solutions Usa, Inc. | System for Comparing Medical Images |
CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
-
2016
- 2016-02-23 CN CN201610099862.3A patent/CN105631835A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
US20130322712A1 (en) * | 2012-06-05 | 2013-12-05 | Siemens Medical Solutions Usa, Inc. | System for Comparing Medical Images |
CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
Non-Patent Citations (3)
Title |
---|
BEIHANGZXM123: ""Python-OpenCV 处理图像(七):图像灰度化处理", 《HTTP://BLOG.CSDN.NET/QQ_26898461/ARTICLE/DETAILS/50454371》 * |
康国强 等: "基于DSP的夜间图像增强系统的设计", 《科技资讯》 * |
牛英宇: "图像自适应分段线性拉伸算法的FPGA设计", 《现代电子技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
Zhang et al. | Underwater image enhancement via extended multi-scale Retinex | |
CN102509272B (zh) | 一种基于颜色恒常性的彩色图像增强方法 | |
CN105631834A (zh) | 一种夜视图像增强方法 | |
CN105719247B (zh) | 基于特征学习的单幅图像去雾方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN103268598B (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN102903081A (zh) | 基于rgb彩色模型的低光照图像增强方法 | |
CN103258332B (zh) | 一种抗光照变化的运动目标的检测方法 | |
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN106886985A (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
CN106056559A (zh) | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 | |
CN106097279B (zh) | 一种高动态图像增强方法 | |
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN103455979A (zh) | 一种低照度视频图像增强方法 | |
CN101853490A (zh) | 一种基于人类视觉特性的仿生图像复原方法 | |
CN105205794A (zh) | 一种低照度图像的同步增强去噪方法 | |
CN106530265A (zh) | 一种基于色度坐标的自适应图像融合方法 | |
CN102855627B (zh) | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 | |
CN103034983A (zh) | 一种基于各向异性滤波的去雾方法 | |
CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
CN104021527A (zh) | 一种图像中雨雪的去除方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN105447825A (zh) | 图像去雾方法及其系统 | |
CN103106644A (zh) | 克服彩色图像非均匀光照的自适应画质增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 230088, 12 Dream Garden Road, hi tech Zone, Anhui, Hefei Applicant after: ANHUI CREARO TECHNOLOGY CO., LTD. Address before: 230088, 12 Dream Garden Road, hi tech Zone, Anhui, Hefei Applicant before: Anhui Crearo Technology Co., Ltd. |
|
COR | Change of bibliographic data | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |