CN105741245B - 基于灰度变换的自适应对比度增强算法 - Google Patents
基于灰度变换的自适应对比度增强算法 Download PDFInfo
- Publication number
- CN105741245B CN105741245B CN201610066218.6A CN201610066218A CN105741245B CN 105741245 B CN105741245 B CN 105741245B CN 201610066218 A CN201610066218 A CN 201610066218A CN 105741245 B CN105741245 B CN 105741245B
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- value
- threshold value
- greyscale transformation
- 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.)
- Active
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 15
- 230000002708 enhancing effect Effects 0.000 claims abstract description 33
- 230000009286 beneficial effect Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 9
- 238000000034 method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011426 transformation method Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 239000002956 ash Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G06T5/92—
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- Picture Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于灰度变换的自适应对比度增强算法,其包括如下步骤:步骤1:通过建立对比度增强阈值与图像灰度动态范围间的函数关系,实现阈值的自适应选取;步骤2:根据对比度增强阈值和图像特性,确定不同灰度动态图像对比度增强所需的增益系数;步骤3:基于步骤1和2得出的对比度增强阈值和增益系数,对输入图像进行灰度线性变换;步骤4:结合灰度变换后的图像特性进一步修正其灰度动态范围,并调整图像亮度。本发明适用于自适应增强灰度图像以及彩色图像的对比度,使图像对比度增强、更加清晰、色调更加鲜明,有效地提高图像的视觉效果。
Description
技术领域
本发明属于图像处理技术领域,涉及一种基于灰度变换的自适应对比度增强算法。
背景技术
由于受到光学遥感器、成像条件等因素的影响,实际图像通常存在着对比度下降、目标局部细节信息不明显等问题,这将影响人眼对目标精细辨识或机器的自动识别能力。在实际应用中,通常采用图像对比度增强技术来提高人眼的视觉效果,该技术已被广泛地应用于医学图像诊断、遥感图像增强、计算机视觉以及目标识别等领域。
目前的自适应图像对比度增强算法主要分为灰度变换法和直方图调整法两类。其中,灰度变换法可分为对数变换、指数变换等,该类方法仅是通过调整图像灰度动态范围来提高对比度,对视觉效果提升不明显。直方图调整可分为直方图均衡化、直方图规定化等,该类方法多是针对图像整体进行全局处理,因此很可能增强图像细节信息的同时,造成增强后图像出现噪声放大、伪像等问题。现有的自适应直方图均衡化法虽然能够有效提高图像的视觉效果,但算法一般较为复杂、计算量大、处理效率较低。
发明内容
本发明的目的是针对现有图像对比度增强算法存在的图像局部效果增强不足、易出现噪声放大、计算复杂等问题,提出一种基于灰度变换的自适应对比度增强算法,适用于自适应增强灰度图像以及彩色图像的对比度,使图像对比度增强、更加清晰、色调更加鲜明,有效地提高图像的视觉效果。
本发明的目的是通过以下技术方案实现的:
一种基于灰度变换的自适应对比度增强算法,包括如下步骤:
步骤1:通过建立对比度增强阈值与图像灰度动态范围间的函数关系,即图像对比度增强阈值函数,实现阈值的自适应选取,其中:图像对比度增强阈值函数为:
式中,A为图像均值,T为对比度增强阈值,Immax-Immin表示图像灰度动态范围,m∈[0,1];
步骤2:根据对比度增强阈值和图像特性,确定不同灰度动态图像对比度增强所需的增益系数C:
式中,Am=min(A,255-A);
步骤3:基于步骤1和2得出的对比度增强阈值和增益系数,对输入图像进行灰度线性变换:
Imout=Imin+(Imin-T)C,
式中,Imin为待处理图像,C为待定对比度增益系数,Imout为灰度变换结果;
步骤4:结合灰度变换后的图像特性进一步修正其灰度动态范围,并调整图像亮度,具体步骤如下:
步骤4-1:去除灰度变换带来的像素极端值的影响。设B1为Imout中灰度值小于0的像素点对应的灰度中值,认为像素点的灰度值小于2B1时为极端值,将该像素点的灰度值取为2B1;设B2为Imout中灰度值大于255的像素点对应的灰度中值,认为像素点的灰度值大于2B2-255时也为极端值,将该像素点的灰度值取为2B2-255,得到图像out1,即:
步骤4-2:对out1中超出正常灰度范围的灰度值进行处理,得到:
式中,Aout1为out1的均值。
步骤4-3:将out2进行线性变换到[0,255]区间,得到最终的对比度增强图像:
式中,Am为out2最小值,AM为out2最大值。
本发明相比于已有算法,具有以下优点:
(1)本发明通过建立对比度增强参数与图像灰度动态范围间的函数关系,自适应地确定待处理图像所需的对比度增强参数,实现图像局部的增强处理,处理效果明显;
(2)本发明基于灰度线性变换方法,实现了根据图像中的不同景物动态信息进行图像的自适应对比度增强处理,算法简单、处理效率高;
(3)本发明不仅可应用用于灰度图像的对比度增强处理,还可推广至彩色图像进行应用,能够使彩色图像的色彩更加鲜明,有效地提升图像的视觉效果。
附图说明
图1为基于灰度变换的自适应对比度增强算法流程;
图2为阈值函数构造示意图;
图3为待处理的高亮图像;
图4高亮图像在m=0.5情况下的处理结果;
图5高亮图像在m=0.1情况下的处理结果;
图6为灰度图像(一);
图7为灰度图像(一)处理结果;
图8为灰度图像(二);
图9为灰度图像(二)处理结果;
图10为彩色图像(一);
图11为彩色图像(一)处理结果;
图12为彩色图像(二);
图13为彩色图像(二)处理结果。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明,但并不局限于此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
本发明提供了一种基于灰度变换的自适应对比度增强算法,用于灰度图像和彩色图像对比度增强,提高视觉效果。以8位图像(灰度范围为0~255)为例,如图1所示,其具体实施步骤如下:
步骤一:通过建立对比度增强阈值与图像灰度动态范围间的函数关系,实现阈值的自适应选取。
对比度增强阈值一般在灰度均值A附近选取。对比度增强处理即降低图像中低于阈值的灰度值,增大高于阈值的灰度值。根据图像灰度均值的大小,阈值的选取可分为两种情况:
1、当图像灰度均值A小于图灰度最大值的一半即127.5时,A右侧灰度区间宽度大于左侧,选取的阈值T应小于A。
2、当图像灰度均值A大于127.5时,选取的阈值应大于A。
构造满足上面条件的函数T1=f(A),如图2所示。函数构造形式多种多样,以余弦函数为例:
式中,A为图像灰度均值,T1为对比度增强阈值初步计算结果。
实验发现,由于上式函数曲线在0和255附近过于平坦,在127.5处附近斜率较大,对比度增强效果不佳。利用函数T2=A对其进行修正,修正后阈值函数如下:
式中,T为对比度增强阈值。
一般情况,取m为0.5,对于一些灰度动态范围十分狭小的图像,可以根据图像动态范围宽度适当调整m的大小,以获得更好的处理效果。图3~图5给出了一副多数像素点灰度值大于200的高亮图像不同m值的处理结果对比,图3为原图,图4为m=0.5处理结果,图5为m=0.1处理结果。
实际处理中可按下式确定m取值:
式中,Immax-Immin表示图像灰度动态范围。
步骤二:根据对比度增强阈值和图像特性,确定不同灰度动态图像对比度增强所需的增益系数。
与步骤一类似,按阈值是否小于127.5分成两种情况讨论:
首先讨论阈值小于127.5的情况,此时阈值右侧动态范围较大,在阈值右侧选取一个灰度值a1,将其拉伸到255。当T值很小时,可以考虑将a1=T+A拉伸至255,但是当T接近127.5时,T+A将接近255,若仍选取a1=T+A拉伸至255便几乎不能起到对比度增强的作用,因此引入一个与阈值T有关的系数,来确定a1的值:
灰度变换公式:
Imout=Imin+(Imin-T)C,
式中,Imin为待处理图像,C为待定对比度增益系数,Imout为灰度变换结果。
将a1代入灰度变换公式,取增强结果为255,得到:
解之可得增益系数:
当阈值大于127.5时,阈值左侧动态范围较大,在T左侧选取某一灰度值a2,将其减小到0。按照上面思路选取a2为:
将a2带入对比度增强公式,取变换结果为0,即:
解得:
综合两种情况,增益系数为:
步骤三:基于步骤一和二得出的对比度增强阈值和增益系数,对输入图像进行灰度线性变换。
对比度增强阈值为图像中某一灰度分界值,对图像中灰度大于阈值的部分予以增强,小于阈值的部分予以减弱,使图像在视觉效果上明暗分明,从而提升图像对比度,增强视觉效果。灰度变换公式如下:
Imout=Imin+(Imin-T)C。
步骤四:结合灰度变换后的图像特性进一步修正其灰度动态范围,并调整图像亮度。
图像经步骤三灰度变换后,可能会使某些像素灰度值小于0,也可能使某些像素灰度值大于255。如果将小于0的灰度值取为0,大于255的灰度值取为255,会导致部分图像信息丢失,而如果线性变换到[0,255]区间,又会影响对比度增强效果。具体处理方法如下:
首先,去除灰度变换带来的像素极端值的影响。设B1为Imout中灰度值小于0的像素点对应的灰度中值,认为像素点的灰度值小于2B1时为极端值,将该像素点的灰度值取为2B1;设B2为Imout中灰度值大于255的像素点对应的灰度中值,认为像素点的灰度值大于2B2-255时也为极端值,将该像素点的灰度值取为2B2-255,即:
然后,压缩超出正常灰度范围的灰度值区间宽度。理想情况下,对比度增强后图像的灰度均值应当尽量靠近127.5,因此,本发明根据out1的均值Aout1来确定压缩系数:
则图像变换为:
设Am和AM分别为out2的最小灰度值和最大灰度值,即:
Am=2C1B1
AM=C2(2B2-255)。
最后将out2线性变换到[0,255]区间,得到最终的对比度增强图像:
处理结果展示如图6~图13所示。
Claims (2)
1.一种基于灰度变换的自适应对比度增强算法,其特征在于所述算法步骤如下:
步骤1:通过建立对比度增强阈值与图像灰度动态范围间的函数关系,即图像对比度增强阈值函数,实现阈值的自适应选取,其中:图像对比度增强阈值函数为:
式中,A为图像均值,T为对比度增强阈值,Immax-Immin表示图像灰度动态范围,m∈[0,1];
步骤2:根据对比度增强阈值和图像特性,确定不同灰度动态图像对比度增强所需的增益系数C:
式中,Am=min(A,255-A);
步骤3:基于步骤1和2得出的对比度增强阈值和增益系数,对输入图像进行灰度线性变换:
Imout=Imin+(Imin-T)C,
式中,Imin为待处理图像,C为待定对比度增益系数,Imout为灰度变换结果;
步骤4:结合灰度变换后的图像特性进一步修正其灰度动态范围,并调整图像亮度。
2.根据权利要求1所述的基于灰度变换的自适应对比度增强算法,其特征在于所述步骤4的具体步骤如下:
步骤4-1:去除灰度变换带来的像素极端值的影响,得到图像out1:
式中,设B1为Imout中灰度值小于0的像素点对应的灰度中值,B2为Imout中灰度值大于255的像素点对应的灰度中值;
步骤4-2:对out1中超出正常灰度范围的灰度值进行处理,得到图像out2:
式中,Aout1为out1的均值;
步骤4-3:将out2进行线性变换到[0,255]区间,得到最终的对比度增强图像:
式中,Am为out2最小值,AM为out2最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610066218.6A CN105741245B (zh) | 2016-01-30 | 2016-01-30 | 基于灰度变换的自适应对比度增强算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610066218.6A CN105741245B (zh) | 2016-01-30 | 2016-01-30 | 基于灰度变换的自适应对比度增强算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105741245A CN105741245A (zh) | 2016-07-06 |
CN105741245B true CN105741245B (zh) | 2018-06-12 |
Family
ID=56247158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610066218.6A Active CN105741245B (zh) | 2016-01-30 | 2016-01-30 | 基于灰度变换的自适应对比度增强算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741245B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018035696A1 (zh) * | 2016-08-22 | 2018-03-01 | 华为技术有限公司 | 一种图像处理方法以及装置 |
CN106815814B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种应用于阅卷系统的图像污染处理方法 |
CN106845468B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种提高答题卡图像识别正确率的处理方法 |
CN106803238B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种答题卡图像降噪处理方法 |
CN109544483B (zh) | 2018-12-26 | 2021-09-24 | 深圳朗田亩半导体科技有限公司 | 视频图像亮度、对比度增强方法及装置 |
CN109903294B (zh) * | 2019-01-25 | 2020-05-29 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN111445394B (zh) * | 2019-12-10 | 2023-06-20 | 西南技术物理研究所 | 空对地观测的可见光图像自适应增强方法 |
CN114972343B (zh) * | 2022-07-29 | 2022-10-25 | 山东睿鑫激光科技有限公司 | 一种激光焊接产品生产异常检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
CN101303765A (zh) * | 2008-06-23 | 2008-11-12 | 四川虹微技术有限公司 | 一种基于图像均方差的图像对比度增强方法 |
CN102542536A (zh) * | 2011-11-18 | 2012-07-04 | 上海交通大学 | 基于广义均衡模型的画质增强方法 |
CN104700365A (zh) * | 2015-02-02 | 2015-06-10 | 电子科技大学 | 一种图像对比度增强方法 |
-
2016
- 2016-01-30 CN CN201610066218.6A patent/CN105741245B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
CN101303765A (zh) * | 2008-06-23 | 2008-11-12 | 四川虹微技术有限公司 | 一种基于图像均方差的图像对比度增强方法 |
CN102542536A (zh) * | 2011-11-18 | 2012-07-04 | 上海交通大学 | 基于广义均衡模型的画质增强方法 |
CN104700365A (zh) * | 2015-02-02 | 2015-06-10 | 电子科技大学 | 一种图像对比度增强方法 |
Non-Patent Citations (2)
Title |
---|
一种红外测量图像自适应分段线性灰度变换方法;李晓冰;《光电子技术》;20111228;第31卷(第4期);136-239 * |
一种自适应双平台灰度变换深空红外图像增强算法;叶有时 等;《第三十三届中国控制会议论文集》;20140728;第E卷;7434-7438 * |
Also Published As
Publication number | Publication date |
---|---|
CN105741245A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741245B (zh) | 基于灰度变换的自适应对比度增强算法 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
CN108053374B (zh) | 一种结合双边滤波与Retinex的水下图像增强方法 | |
CN107730475B (zh) | 图像增强方法及系统 | |
CN106780368B (zh) | 一种基于前景模型的水下图像增强方法 | |
CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
US9165346B2 (en) | Method and apparatus for reducing image noise | |
CN108830800B (zh) | 一种暗光场景下图像的亮度提升增强方法 | |
CN105046663A (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
CN109447912B (zh) | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 | |
CN112419162A (zh) | 图像去雾方法、装置、电子设备及可读存储介质 | |
CN113989147A (zh) | 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法 | |
KR102377318B1 (ko) | 광노출 보정 및 화질 개선을 위한 hdr 기법 | |
CN112446841B (zh) | 一种自适应图像恢复方法 | |
CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
CN112116542B (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
KR100768035B1 (ko) | 적응적 화질 개선 장치 및 그 방법 | |
Sanila et al. | Underwater image enhancement using white balance, USM and CLHE | |
CN110175969A (zh) | 图像处理方法及图像处理装置 | |
CN109377464A (zh) | 一种红外图像的双平台直方图均衡化方法及其应用系统 | |
CN106846257A (zh) | 一种基于模糊技术的红外弱小目标图像边缘增强算法 | |
CN114187222A (zh) | 一种低照度图像的增强方法、系统及可存储介质 | |
Singh et al. | Image enhancement by adaptive power-law transformations | |
CN111080563A (zh) | 一种基于遍历寻优的直方图均衡方法 | |
CN104660954B (zh) | 低照度场景下基于背景建模的图像亮度提升方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |