CN105828057A - 一种优化图像辨识度的hdr自适应颜色映射方法 - Google Patents

Abstract

本发明公开了一种优化图像辨识度的hdr自适应颜色映射方法，输入彩色图像，对彩色图像像素点的亮度或饱和度进行归一化处理；对归一化处理后彩色图像像素点亮度或饱和度进行直方图均衡化，直方图均衡化为：某个像素点的亮度或饱和度为小于该点的像素点个数占图像中所有像素点个数的比例，将所有像素点的亮度或饱和度映射为输出的亮度或饱和度取值，输出彩色图像。本发明计算简单，对于普通状况的图像，不需颜色空间转换，图像映射方法快速简单，所需的计算量较小，适合移动计算等计算量要求不高的环境；效果良好，亮度和饱和度增强的程度比较适中，人眼的视觉感知比较自然舒适，色彩的鲜艳度改善明显。

Description

一种优化图像辨识度的hdr自适应颜色映射方法

技术领域

本发明涉及图像和视频处理领域，尤其涉及一种优化图像辨识度的hdr自适应颜色映射方法。

背景技术

hdr(highdatarate，高速数据传输技术)是面向CDMA所开发的高速无线接入技术，随着CMOS和CCD等光电感应技术的不断发展，现在数码拍照、数码摄影已经变得极其廉价而广泛普及，并随着智能手机的普及成为几乎人人拥有的应用。而我们拍照时，会出现各种原始图片曝光不够准确等造成的图片发灰、辨识度不高的现象。因此，对这些照片进行自动、自适应优化，在不改变图片大小的情况下尽可能保留原始信息、提高图形辨识度，成为一种广泛的需求。

现有技术中，对于分辨率越来越高的数码照片或者影片，基于人体对颜色的辨识能力人们发明了多种照片和影片压缩方案，如JPG、MPEG等。这些压缩方案的常见共同点是把亮度压缩到了8bit，即28＝256阶亮度中。把原始数据压缩到256阶亮度的过程中，最常用的算法就是线性截取，即以测光点为平均亮度(最大亮度的128/256倍)上下共256倍的亮度区间，在这个区间内进行均分为256阶亮度的线性映射。但是这种映射存在窗口过大或者过小的问题。拍摄的原始数据中，即自然界中，亮度变化范围远大于256阶这个范围。在逆光(物体背后即强光光源)等场合，如果把仅仅256倍亮度范围的数据纳入，就会出现低端过暗(亮度小于1或者接近1时对小数点后取整，失去信息)和高端过亮(亮度超过255被截断取整为255失去信息)的情况。而在拍摄雾中天气时，又会出现亮度范围狭窄(如32.5～57.8)，原始信息包含小数点后信息，在数字化取整后丢失这些信息，如果映射时未提高对比度，即使后期进行提高对比度等数字操作也无法恢复的问题。其他还有对数映射，或者基于γ值的幂函数等方案，对于人眼而言显然对数映射更为合理，但是计算量较大。

对于最优化拍摄，即获取正确曝光的操作，选测光点、改变曝光时间、光圈、改变eV都仅仅是改变映射窗口的中心点位置。改变对比度，会收窄或者展宽映射窗口。对于大部分情况，可以看到直方图中，亮度呈正态分布，选择中心点就能正确曝光。常见的自动照片优化，则会通过提高对比度来提高这种照片的辨识度，但是提高对比度的算法往往是线性的而不够智能，容易出现高光区溢出死白的现象，而提高饱和度会让照片色彩更为鲜艳靓丽，但是提高饱和度造成饱和度溢出死红丢失细节。

发明内容

针对上述问题中存在的不足之处，本发明提供一种优化图像辨识度的hdr自适应颜色映射方法。

为实现上述目的，本发明提供一种优化图像辨识度的hdr自适应颜色映射方法，包括：

步骤一、输入彩色图像；

步骤二、对彩色图像像素点的亮度或饱和度进行归一化处理；

步骤三、对归一化处理后彩色图像像素点亮度或饱和度进行直方图均衡化，所述直方图均衡化为：某个像素点的亮度或饱和度为小于该点的像素点个数占图像中所有像素点个数的比例；

步骤四、将所有像素点的亮度或饱和度映射为输出的亮度或饱和度取值；

步骤五、输出彩色图像。

作为本发明的进一步改进，所述步骤二中归一化处理的方法为：

将所有像素点的亮度或饱和度除以所有像素点中亮度或饱和度的最大值，得到0～1的取值。

作为本发明的进一步改进，所述步骤三中直方图均衡化的公式为：

$M_{ap}\left(x\right)=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)为直方图均衡化处理后该像素点的亮度或饱和度，M_ap(x)的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1。

作为本发明的进一步改进，所述步骤三和步骤四之间还包括步骤六；

所述步骤六、根据预设权重对直方图均衡化的结果进行优化映射。

作为本发明的进一步改进，所述步骤六中优化映射的公式为：

$M_{ap}{\left(x\right)}^{,}=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)Weight\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)Weight\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)’为优化映射后该像素点的亮度或饱和度，M_ap(x)’的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1；

Weight(i)为彩色图像中亮度或饱和度为i的像素点的预设权重。

与现有技术相比，本发明的有益效果为：

本发明公开的一种优化图像辨识度的hdr自适应颜色映射方法，将归一化处理的亮度或饱和度进行直方图均衡化，即某个像素点的亮度或饱和度为小于该点的像素点个数占图像中所有像素点个数的比例，将均衡化后的亮度或饱和度映射为输出的亮度或饱和度取值，输出彩色图像；本发明解决了在逆光、雾霾环境下出现高光溢出死白、图片发灰辨识度偏低、丢失重要的图片原始细节等问题，其能自动适应各种极端情况，得到最优化的颜色重映射方案，尽可能保留原始重要信息；本发明计算简单，对于普通状况的图像，不需颜色空间转换，图像映射方法快速简单，所需的计算量较小，适合移动计算等计算量要求不高的环境；效果良好，亮度或饱和度增强的程度比较适中，人眼的视觉感知比较自然舒适，色彩的鲜艳度改善明显；

本发明根据预设权重对直方图均衡化的结果进行优化映射，可以人为的彩色图像的亮度或饱和度进行干预，根据环境要求选择适合的处理流程，在低计算量和高计算量场合获得适合的最佳处理结果。

附图说明

图1为本发明一种实施例公开的优化图像辨识度的hdr自适应颜色映射方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图对本发明做进一步的详细描述：

如图1所示，本发明提供一种优化图像辨识度的hdr自适应颜色映射方法，该方法同时适用于亮度和饱和度的优化，用以解决在逆光、雾霾环境下出现高光溢出死白、图片发灰辨识度偏低、丢失重要的图片原始细节等问题,可以自动适应各种极端情况，得到最优化的颜色重映射方案，尽可能保留原始重要信息；其具体包括：

步骤一、输入彩色图像；

步骤二、对彩色图像像素点的亮度或饱和度进行归一化处理；

归一化处理的方法为：将所有像素点的亮度或饱和度除以所有像素点中亮度或饱和度的最大值，得到0～1的取值；

步骤三、对归一化处理后彩色图像像素点亮度或饱和度进行直方图均衡化，直方图均衡化为：某个像素点的亮度或饱和度为小于该点的像素点个数占图像中所有像素点个数的比例；直方图均衡化对信息密度做了最大化，因此不管是高动态范围，还是发灰的低动态范围，或者多亮度峰等复杂情况，都能够自动处理而无需人为干预。

直方图均衡化的公式为：

$M_{ap}\left(x\right)=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)为直方图均衡化处理后该像素点的亮度或饱和度，M_ap(x)的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1。

即：若某个像素点的亮度为0.3，彩色图像中55％的像素点亮度小于等于0.3，则该点亮度为0.55；按照上述方法对所有像素点进行直方图均衡化。

步骤四、当存在各种影响，造成图像处于各种极端状况时的时候，我们要给不同的亮度或饱和度予以不同的权重(即预设权重)：根据代表环境要求的权重对直方图均衡化的结果进行优化映射；因为不同像素点的重要性不一样，越低的亮度或饱和度含有越多的信息，因此我们在计算某种亮度或饱和度的像素点的个数时把它加倍计算，权重就是加倍的系数，表明了原始像素点的重要性，由原始亮度或饱和度决定。

优化映射的公式为：

$M_{ap}{\left(x\right)}^{,}=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)Weight\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)Weight\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)’为优化映射后该像素点的亮度或饱和度，M_ap(x)’的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1；

Weight(i)为彩色图像中亮度或饱和度为i的像素点的预设权重，Weight(i)为其他公式计算的和亮度或饱和度相关的预设权重(和具体情况有关，比如数量截断、取对数、取倒数等各种函数)；

人眼近似可以看成对于图案，只对其相对亮度比例敏感、而不在乎绝对亮度，所以权重应该是ln(x)的导数，即1/x，也就是说如果是裸眼看自然物体那么显然对数映射是信息密度最高的。但是由于存在噪声，所以当x接近于零时我们不能得到无穷大的信息密度。假如噪声强度为n，则从独立概率假设，有效信息强度应该近似为ln(\sqrt(x^2+n^2))的导数。对于数码图像，噪声大小和ISO、CCD大小、工作温度都有关系，常见的小底手机拍照，平均噪点强度大于5/256是很正常的。使用信息密度作为权重显然有利于进一步提高亮度中信息的有效利用。

步骤五、将所有像素点的亮度或饱和度映射为输出的亮度或饱和度取值，转换为标准的像素点的亮度或饱和度的取值；如：将所有像素点的亮度或饱和度映射为0～255；

步骤六、输出彩色图像。

本发明解决了在逆光、雾霾环境下出现高光溢出死白、图片发灰辨识度偏低、丢失重要的图片原始细节等问题，其能自动适应各种极端情况，得到最优化的颜色重映射方案，尽可能保留原始重要信息；本发明计算简单，对于普通状况的图像，不需颜色空间转换，图像映射方法快速简单，所需的计算量较小，适合移动计算等计算量要求不高的环境；效果良好，亮度或饱和度增强的程度比较适中，人眼的视觉感知比较自然舒适，色彩的鲜艳度改善明显；本发明预设权重对直方图均衡化的结果进行优化映射，可以人为的彩色图像的亮度或饱和度进行干预，根据环境要求选择适合的处理流程，在低计算量和高计算量场合获得适合的最佳处理结果。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种优化图像辨识度的hdr自适应颜色映射方法，其特征在于，包括：

步骤一、输入彩色图像；

步骤二、对彩色图像像素点的亮度或饱和度进行归一化处理；

步骤三、对归一化处理后彩色图像像素点亮度或饱和度进行直方图均衡化，所述直方图均衡化为：某个像素点的亮度或饱和度为小于该点的像素点个数占图像中所有像素点个数的比例；

步骤四、将所有像素点的亮度或饱和度映射为输出的亮度或饱和度取值；

步骤五、输出彩色图像。

2.如权利要求1所述的优化图像辨识度的hdr自适应颜色映射方法，其特征在于，所述步骤二中归一化处理的方法为：

将所有像素点的亮度或饱和度除以所有像素点中亮度或饱和度的最大值，得到0～1的取值。

3.如权利要求1所述的优化图像辨识度的hdr自适应颜色映射方法，其特征在于，所述步骤三中直方图均衡化的公式为：

$M_{ap}\left(x\right)=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)为直方图均衡化处理后该像素点的亮度或饱和度，M_ap(x)的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1。

4.如权利要求1所述的优化图像辨识度的hdr自适应颜色映射方法，其特征在于，所述步骤三和步骤四之间还包括步骤六；

所述步骤六、根据预设权重对直方图均衡化的结果进行优化映射。

5.如权利要求4所述的优化图像辨识度的hdr自适应颜色映射方法，其特征在于，所述步骤六中优化映射的公式为：

$M_{ap}{\left(x\right)}^{,}=\frac{\underset{i=0}{\overset{x}{\Σ}}Count\left(i\right)Weight\left(i\right)}{\underset{i=0}{\overset{1}{\Σ}}Count\left(i\right)Weight\left(i\right)}$

式中：x为该像素点的初始亮度或饱和度，x的取值为0～1；

M_ap(x)’为优化映射后该像素点的亮度或饱和度，M_ap(x)’的取值为0～1；

Count(i)为彩色图像中亮度或饱和度为i的像素点的个数，i的取值为0～1；

Weight(i)为彩色图像中亮度或饱和度为i的像素点的预设权重。