CN105635524A - 一种基于历史帧图像暗区直方图面积统计的智能增强方法 - Google Patents
一种基于历史帧图像暗区直方图面积统计的智能增强方法 Download PDFInfo
- Publication number
- CN105635524A CN105635524A CN201510962679.7A CN201510962679A CN105635524A CN 105635524 A CN105635524 A CN 105635524A CN 201510962679 A CN201510962679 A CN 201510962679A CN 105635524 A CN105635524 A CN 105635524A
- Authority
- CN
- China
- Prior art keywords
- flag
- rectangular histogram
- histogram area
- image
- dark
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 5
- 238000005728 strengthening Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- 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 using histogram techniques
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种基于历史帧图像暗区直方图面积统计的智能增强方法，包括：抓取输入视频流中的每一帧图像；计算每一帧图像暗区直方图面积及均值；当上一帧标识位flag为0时，统计连续N帧图像暗区直方图面积是否均小于第一阈值X1，如果满足要求，则进入自适应伽马增强处理，否则直接输出结果；当检测到上一帧标识位flag为1时，统计连续N帧图像暗区直方图面积是否均大于第二阈值X2，如果满足要求，则退出增强处理并直接输出结果，否则继续进行增强处理。本发明经过实测，在夜间等低照度环境中，可以通过算法自适应的开启增强功能，在光线较强的情况下自动关闭增强功能，使许多低照度增强类算法可以通过该智能模式自动开启和关闭。
Description
技术领域
本发明涉及一种视频增强算法，特别是涉及一种基于历史帧图像暗区直方图面积统计的智能增强方法。
背景技术
在安防领域，大多数相机里面已经集成了可调节亮度、对比度等增强算法，然而，这些功能需要手动调整，无法满足复杂多变的实际应用环境。尤其是在摄像头较多的情况下，手动调节每个摄像头的做法费时费力。
发明内容
本发明的目的在于克服现有技术的不足，提供一种对视频的历史帧图像暗区直方图面积进行统计，分析得到下一帧是否需要进行增强的智能增强方法。
本发明的目的是通过以下技术方案来实现的：一种基于历史帧图像暗区直方图面积统计的智能增强方法，包括以下步骤：
S1：抓取输入视频流中的每一帧图像；
S2：计算每一帧图像暗区直方图面积及图像均值；
计算每一帧图像暗区直方图面积及图像均值都是在当前帧上计算得到的，当抓取到视频流的第一帧后，计算第一帧图像暗区直方图面积及图像均值，并对标识位flag初始化，初始化方法如下：
(1)当第一帧图像暗区直方图面积小于第一阈值X1，则flag＝0；
(2)当第一帧图像暗区直方图面积大于第二阈值X2，则flag＝1；
其中，标识位flag是一个设定的符号，其值为0或者1；
S3：除第一帧外，检测到上一帧图像的标识位flag信息：
(1)上一帧标识位flag＝＝0：
在视频流中，当检测到上一帧标识位flag为0时，表明上一帧图像没有增强处理，则统计当前帧之前连续N帧图像暗区直方图面积是否均小于第一阈值X1，如果满足要求，则进入自适应伽马增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将当前帧的标识位flag设为1；否则直接输出结果，并将标识位flag设为0；
(2)上一帧标识位flag＝＝1：
在视频流中，当检测到上一帧标识位flag为1时，表明上一帧图像已经进行过增强处理，则统计当前帧之前连续N帧图像暗区直方图面积是否均大于第二阈值X2，如果满足要求，则退出增强处理并直接输出结果，并将当前帧的标识位flag设为0；否则保持之前的状态不变，继续进行增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将标识位flag设为1。
所述第一阈值X1的取值范围为：0.15～0.31，第二阈值X2的取值范围为：0.23～0.55。
所述自适应伽马增强处理为多组伽马增强处理，将多组伽马值与不同照度环境一一对应，其对应关系为：
gama＝(0.5*M+6.4)/64
其中，M为图像均值，表示不同照度环境，gama为伽马值，0.5为增益系数，6.4为偏移系数，64为归一化系数，当图像均值范围在[0，64]区间变化时，其伽马值的范围为[0.1，0.6]。
所述伽玛增强的方法为：F(x,y)＝f(x,y)gama，其中，f(x,y)为原始图像，F(x,y)为增强图像，gama为伽马值。
求图像均值的方法为全局均值、分块均值、区域均值。
所述N的计算方法为：
N＝t*fps
其中，N为帧数，t为时间单位(s)，取值范围为[0，3600]，fps为视频帧率。
所述图像暗区直方图面积的计算方法为：
(1)统计图像各灰度级的像素数目ni，i＝0,1...,L-1,其中L为灰度总级数；
(2)计算图像暗区灰度级的占空比P，n为图像的总像素数目；
(3)计算图像暗区直方图面积：1-P。
本发明的有益效果是：本发明经过实测，在夜间等低照度环境中，需要增强时，可以通过算法自适应的开启增强功能，在光线较强的情况下自动关闭增强功能，使许多低照度增强类算法可以通过该智能模式自动开启和关闭。
本发明主要是统计视频图像的暗区直方图面积，通过该统计量来判断视频图像是否需要做增强调节，该统计量是基于真实图像的观察与实验得到的，通过设定两个阈值X1和X2，使得增强的开启不受外界干扰影响。
与现有技术相比，存在以下优势：
(1)智能增强框架整体稳定可靠。
(2)传统的图像亮度调节算法用一组曲线(伽马值是固定值)进行调节，效果较差且应用范围有限，本发明将多组伽马值与不同照度环境一一对应，动态调整环境中的增强效果。
(3)传统的图像增强算法硬件实现较难，而伽马调节可以采用查表实现，相比于传统的直方图增强方法，速度快且实现简单。
(4)相对于硬件的自动增益方法，伽马调节使图像更柔和。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于历史帧图像暗区直方图面积统计的智能增强方法，包括以下步骤：
S1：抓取输入视频流中的每一帧图像；
S2：计算每一帧图像暗区直方图面积，并计算图像均值；
所述图像暗区直方图面积的计算方法为：
(1)统计图像各灰度级的像素数目ni，i＝0,1...,L-1,其中L为灰度总级数；
(2)计算图像暗区灰度级的占空比P，n为图像的总像素数目；
(3)计算图像暗区直方图面积：1-P。
计算每一帧图像暗区直方图面积和图像均值都是在当前帧上计算得到的，当抓取到视频流的第一帧后，计算第一帧图像暗区直方图面积和图像均值，并对flag初始化，初始化方法如下：
(1)当第一帧图像暗区直方图面积小于第一阈值X1，则flag＝0；
(2)当第一帧图像暗区直方图面积大于第二阈值X2，则flag＝1；
注：flag是一个设定的符号，其值为0或者1，其存放位置可以是寄存器，也可以是图像任何一个位置；
S3：除第一帧外，检测到上一帧图像的标识位flag信息：
(1)上一帧标识位flag＝＝0：
在视频流中，当检测到上一帧标识位flag为0时，表明上一帧图像没有增强处理，则统计当前帧之前连续N帧图像暗区直方图面积(需要存储连续N帧图像暗区直方图面积于寄存器中)是否均小于第一阈值X1，如果满足要求，则进入自适应伽马增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将当前帧的标识位flag设为1；否则直接输出结果，并将标识位flag设为0；
(2)上一帧标识位flag＝＝1：
在视频流中，当检测到上一帧标识位flag为1时，表明上一帧图像已经进行过增强处理，则统计当前帧之前连续N帧图像暗区直方图面积(需要存储连续N帧图像暗区直方图面积于寄存器中)是否均大于第二阈值X2，如果满足要求，则退出增强处理并直接输出结果，并将当前帧的标识位flag设为0；否则保持之前的状态不变，继续进行增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将标识位flag设为1。
第一阈值X1、第二阈值X2是可以调节的，在实际测试中发现，合理的阈值范围会使增强变得更加智能和准确，通过实验室的标定与实际环境的多次验证，第一阈值X1的取值范围为：0.15～0.31，第二阈值X2的取值范围为：0.23～0.55。
现有的伽马增强大多数为一个固定值，其应用范围受限。本技术将多组伽马值与不同照度环境一一对应，动态调整环境中的增强效果。所述自适应伽马增强处理为多组伽马增强处理，将多组伽马值与不同照度环境一一对应，其对应关系为：
gama＝(0.5*M+6.4)/64
其中，M为图像均值，表示不同照度环境，gama为伽马值，0.5为增益系数，6.4为偏移系数，64为归一化系数，当图像均值范围在[0，64]区间变化时，其伽马值的范围为[0.1，0.6]。
所述伽玛增强的方法为：F(x,y)＝f(x,y)gama，其中，f(x,y)为原始图像，F(x,y)为增强图像，gama为伽马值。
求图像均值的方法可采用全局均值、分块均值、区域均值等。
为了避免外界的扰动引起误判，防止满足条件的临界点增强时出现闪烁现象，需要累计帧判断，理论上累计帧越多越好，但考虑到实际应用，通过实验室的模拟测试以及各种路况实测得到一个较优的关系：N＝t*fps，N为帧数，t为时间单位(s)，一般取值为[0，3600]，fps为视频帧率。本实施例中得到的N为150帧。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于，包括以下步骤：
S1：抓取输入视频流中的每一帧图像；
S2：计算每一帧图像暗区直方图面积及图像均值；
计算每一帧图像暗区直方图面积及图像均值都是在当前帧上计算得到的，当抓取到视频流的第一帧后，计算第一帧图像暗区直方图面积及图像均值，并对标识位flag初始化，初始化方法如下：
(1)当第一帧图像暗区直方图面积小于第一阈值X1，则flag＝0；
(2)当第一帧图像暗区直方图面积大于第二阈值X2，则flag＝1；
其中，标识位flag是一个设定的符号，其值为0或者1；
S3：除第一帧外，检测到上一帧图像的标识位flag信息：
(1)上一帧标识位flag＝＝0：
在视频流中，当检测到上一帧标识位flag为0时，表明上一帧图像没有增强处理，则统计当前帧之前连续N帧图像暗区直方图面积是否均小于第一阈值X1，如果满足要求，则进入自适应伽马增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将当前帧的标识位flag设为1；否则直接输出结果，并将标识位flag设为0；
(2)上一帧标识位flag＝＝1：
在视频流中，当检测到上一帧标识位flag为1时，表明上一帧图像已经进行过增强处理，则统计当前帧之前连续N帧图像暗区直方图面积是否均大于第二阈值X2，如果满足要求，则退出增强处理并直接输出结果，并将当前帧的标识位flag设为0；否则保持之前的状态不变，继续进行增强处理，根据当前帧图像均值选择相应伽马值进行伽马增强处理，并将标识位flag设为1。
2.根据权利要求1所述的一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于：所述第一阈值X1的取值范围为：0.15～0.31，第二阈值X2的取值范围为：0.23～0.55。
3.根据权利要求1所述的一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于：所述自适应伽马增强处理为多组伽马增强处理，将多组伽马值与不同照度环境一一对应，其对应关系为：
gama＝(0.5*M+6.4)/64
其中，M为图像均值，表示不同照度环境，gama为伽马值，0.5为增益系数，6.4为偏移系数，64为归一化系数，当图像均值范围在[0，64]区间变化时，其伽马值的范围为[0.1，0.6]；
所述伽玛增强的方法为：F(x,y)＝f(x,y)gama，其中，f(x,y)为原始图像，F(x,y)为增强图像，gama为伽马值。
4.根据权利要求1所述的一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于：求图像均值的方法为全局均值、分块均值、区域均值。
5.根据权利要求1所述的一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于：所述N的计算方法为：
N＝t*fps
其中，N为帧数，t为时间单位(s)，取值范围为[0，3600]，fps为视频帧率。
6.根据权利要求1所述的一种基于历史帧图像暗区直方图面积统计的智能增强方法，其特征在于：所述图像暗区直方图面积的计算方法为：
(1)统计图像各灰度级的像素数目ni，i＝0,1...,L-1,其中L为灰度总级数；
(2)计算图像暗区灰度级的占空比P，i∈[064]，n为图像的总像素数目；
(3)计算图像暗区直方图面积：1-P。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510962679.7A CN105635524A (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像暗区直方图面积统计的智能增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510962679.7A CN105635524A (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像暗区直方图面积统计的智能增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105635524A true CN105635524A (zh) | 2016-06-01 |
Family
ID=56049976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510962679.7A Pending CN105635524A (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像暗区直方图面积统计的智能增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105635524A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109688292A (zh) * | 2018-12-18 | 2019-04-26 | 电子科技大学 | 一种去除图像闪烁直方图映射方法 |
| CN109936698A (zh) * | 2017-12-18 | 2019-06-25 | 杭州海康威视数字技术股份有限公司 | 一种自动曝光控制方法、装置、电子设备及存储介质 |
| CN110662115A (zh) * | 2019-09-30 | 2020-01-07 | 北京达佳互联信息技术有限公司 | 视频处理方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1580688A3 (en) * | 2004-03-26 | 2008-06-18 | Fujitsu Limited | Calculating moving-image correction-coefficient |
| US20080310714A1 (en) * | 2007-06-13 | 2008-12-18 | Sensors Unlimited, Inc. | Method and Apparatus for Enhancing Images |
| CN102402918A (zh) * | 2011-12-20 | 2012-04-04 | 深圳Tcl新技术有限公司 | 改善画面画质的方法及lcd显示器 |
| CN103034985A (zh) * | 2012-12-11 | 2013-04-10 | 天津天地伟业数码科技有限公司 | 图像对比度的线性增强方法 |
| CN104282004A (zh) * | 2014-06-30 | 2015-01-14 | 湖南大学 | 一种基于可扩展分段直方图自适应均衡化方法 |
| CN104484864A (zh) * | 2014-12-31 | 2015-04-01 | 苏州科达科技股份有限公司 | 获取图像伽马曲线、增强图像对比度的方法及系统 |
-
2015
- 2015-12-18 CN CN201510962679.7A patent/CN105635524A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1580688A3 (en) * | 2004-03-26 | 2008-06-18 | Fujitsu Limited | Calculating moving-image correction-coefficient |
| US20080310714A1 (en) * | 2007-06-13 | 2008-12-18 | Sensors Unlimited, Inc. | Method and Apparatus for Enhancing Images |
| CN102402918A (zh) * | 2011-12-20 | 2012-04-04 | 深圳Tcl新技术有限公司 | 改善画面画质的方法及lcd显示器 |
| CN103034985A (zh) * | 2012-12-11 | 2013-04-10 | 天津天地伟业数码科技有限公司 | 图像对比度的线性增强方法 |
| CN104282004A (zh) * | 2014-06-30 | 2015-01-14 | 湖南大学 | 一种基于可扩展分段直方图自适应均衡化方法 |
| CN104484864A (zh) * | 2014-12-31 | 2015-04-01 | 苏州科达科技股份有限公司 | 获取图像伽马曲线、增强图像对比度的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李开端，李树军: "基于直方图统计学的图像增强算法研究", 《科学技术与工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109936698A (zh) * | 2017-12-18 | 2019-06-25 | 杭州海康威视数字技术股份有限公司 | 一种自动曝光控制方法、装置、电子设备及存储介质 |
| CN109936698B (zh) * | 2017-12-18 | 2021-07-02 | 杭州海康威视数字技术股份有限公司 | 一种自动曝光控制方法、装置、电子设备及存储介质 |
| CN109688292A (zh) * | 2018-12-18 | 2019-04-26 | 电子科技大学 | 一种去除图像闪烁直方图映射方法 |
| CN110662115A (zh) * | 2019-09-30 | 2020-01-07 | 北京达佳互联信息技术有限公司 | 视频处理方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101827204B (zh) | 一种运动目标侦测方法及系统 | |
| CN106791470B (zh) | 基于高动态范围摄像装置的曝光控制方法和装置 | |
| US9142032B2 (en) | Method and apparatus for implementing motion detection | |
| CN102496152B (zh) | 一种基于直方图的自适应图像对比度增强方法 | |
| US10269119B2 (en) | System and method for background and foreground segmentation | |
| CN102202163B (zh) | 一种监控视频的自适应增强方法及其装置 | |
| CN103093429B (zh) | 图像增强方法 | |
| CN105530406A (zh) | 一种基于历史帧图像统计值的智能增强方法 | |
| CN102014279B (zh) | 一种视频图像对比度增强方法和装置 | |
| CN112580609B (zh) | 一种煤矿钻杆计数方法 | |
| CN103927520A (zh) | 一种逆光环境下人脸检测方法 | |
| CN105635524A (zh) | 一种基于历史帧图像暗区直方图面积统计的智能增强方法 | |
| CN104700405B (zh) | 一种前景检测方法和系统 | |
| WO2021180173A1 (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| CN102469302A (zh) | 应用于影像监控的可适应光线变化的背景模型学习系统 | |
| CN106296618A (zh) | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 | |
| CN104767913B (zh) | 一种对比度自适应的视频去噪系统 | |
| CN105574896A (zh) | 一种面向高分辨率视频的高效背景建模方法 | |
| CN101472113B (zh) | 一种数字图像亮度对比度增强装置 | |
| CN109905670A (zh) | 一种多级平台监控系统 | |
| CN104915933A (zh) | 一种基于apso-bp耦合算法的雾天图像增强方法 | |
| CN106296626B (zh) | 一种基于梯度融合的夜间视频增强方法 | |
| Chen et al. | Moving vehicle detection based on union of three-frame difference | |
| CN113411570A (zh) | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 | |
| CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
| RJ01 | Rejection of invention patent application after publication |