CN106033600A - 基于函数曲线变换的动态对比度增强方法 - Google Patents
基于函数曲线变换的动态对比度增强方法 Download PDFInfo
- Publication number
- CN106033600A CN106033600A CN201610534666.4A CN201610534666A CN106033600A CN 106033600 A CN106033600 A CN 106033600A CN 201610534666 A CN201610534666 A CN 201610534666A CN 106033600 A CN106033600 A CN 106033600A
- Authority
- CN
- China
- Prior art keywords
- frame image
- method based
- pixel
- function curve
- field picture
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000009466 transformation Effects 0.000 title abstract 2
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000001737 promoting effect Effects 0.000 claims 1
- 238000013507 mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种基于函数曲线变换的动态对比度增强方法,涉及图像处理技术领域,包括以下步骤:获取视频中的帧图像;获取帧图像中每个像素点的灰阶值;建立当前帧图像的全局直方图统计,取一个灰度值a1、设定一个比值n,a1与n的关系是在该直方图统计中灰度值从0到a1区间内的像素点数之和占总像素点数的比值为n或者建立当前帧图像的局部直方图统计并计算灰度的平均值a2;将得到的每个像素点的灰阶值代入公式中得到调整后该像素点的灰阶值;将各像素点的灰阶值修改为I,得到增强后的帧图像;设定标准比值K,计算当前帧图像调整前后梯度差的比值k,如果abs(k‑K)≤m,则该帧图像处理结束,否则,调整coeff,重复步骤3‑5或者用于下一帧图像的公式中。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于函数曲线变换的动态对比度增强方法。
背景技术
图像增强技术是图像处理技术的一种,它可以显著改善图像质量,使得图像内容更有层次感并且主观观测效果更符合人们需求。
常见的图像增强技术包括:饱和度增强和对比度增强,相比于饱和度增强,对比度增强受到的关注度更高。对比度增强是通过调节图像的灰阶分布,增加图像灰阶的分布范围,以提高图像整体或部分的对比度,改善视觉效果。而对比度增强又分为:直方图均衡(Histogram Equalization) 与伽马校正,其中伽马校正方法将伽马函数作为映射函数使用,从而提高图像对比度,该方法在用于对比度增强时,很难设置一个适合于每幅图像的伽马值,且当设置了错误的伽马值时,原始色彩可能会发生变化。直方图均衡方法是通过压缩像素数较少的灰阶并扩展像素数较多的灰阶,从而使得处理后图像获得较高的对比度。
目前动态对比度增强算法主要分类两大类,一类是针对图像局部细节增强的,例如自适应或局部直方图均衡化,这类方法对于特定区域效果良好,对于整体图像来说效果欠佳。另一类是针对图像全局信息增强的,该方法要想达到理想的效果,往往需要大量的存储空间作为帧缓存器,实时性差,计算复杂,难以移植到设备当中去。
发明内容
本发明要解决的技术问题是提供一种基于函数曲线变换的动态对比度增强方法,通过函数曲线变换,大幅度增强图像细节且不丢失细节。
为解决上述技术问题,本发明采用的技术方案是:一种基于函数曲线变换的动态对比度增强方法,包括以下步骤:
步骤1 :获取视频中的帧图像;
步骤2 :获取帧图像中每个像素点的灰阶值;
步骤3:建立当前帧图像的全局直方图统计,取一个灰阶值a1、设定一个比值n,a1与n的关系是在该直方图统计中灰阶值从0到a1区间内的像素点数之和占总像素点数的比值为n或者建立当前帧图像的局部直方图统计并计算灰度的平均值a2;
步骤4:将步骤2中得到的每个像素点的灰阶值代入公式
中得到调整后该像素点的灰阶值,公式中x代表步骤2获得的灰阶值,I代表调整后的灰阶值,a代表a1或a2,coeff代表对比度调整等级,取值范围为1到无穷大,M取2b-1,b取帧图像的数据最大位数;
步骤5:将各像素点的灰阶值修改为I,得到增强后的帧图像;
步骤6:设定标准比值K,计算当前帧图像调整前后梯度差的比值k,如果abs(k-K)≤m,则该帧图像处理结束,否则,调整coeff,重复步骤3-5或者用于下一帧图像的调整公式中。
本发明的有益技术效果是:通过特定的函数曲线变换,增强图像全局信息,在不丢失细节的前提下,大幅度增强图像细节。可以实时处理视频,对于不同时段不同场景的视频可以动态自动调整,而且算法简洁,不同处理平台移植简单。
下面结合附图对本发明进行详细说明。
附图说明
图1是为当a取M/8时的映射曲线图;
图2是为当a取M/4时的映射曲线图;
图3是为当a取M/2时的映射曲线图;
图4是为当a取3M/4时的映射曲线图;
图5是夜间图像原图;
图6是图5经本发明的对比度增强方法增强后的图;
图7是雾天图像原图;
图8是图7经本发明的对比度增强方法增强后的图。
具体实施方式
参见附图1-8,本发明提供了一种基于函数曲线变换的动态对比度增强方法,下面以帧图像为8位RGB格式图像为例详细阐述介绍本发明的图像增强方法,其包括以下步骤:
步骤1 :获取视频中的帧图像;
步骤2 :将帧图像由RGB格式转换为YUV格式,并获取帧图像中每个像素点的灰阶值(像素点的灰阶值为该像素点Y分量的值);
步骤3:建立当前帧图像的全局直方图统计,取一个灰阶值a1、设定一个比值n,a1与n的关系是在该直方图统计中灰阶值从0到a1区间内的像素点数之和占总像素点数的比值为n或者建立当前帧图像的局部直方图统计并计算灰度的平均值a2;
上述公式中n的取值范围为0.01-1,具体实施时a1的取值和具体实际应用有关,如果关心区域处于图像低亮区域,那么a1 的取值就会很小,如果关心区域处于图像高亮区域,那么a1的取值就会很大,具体可以取值为关心区域的平均值,如果没有特别关心的区域或者说关注的是整体效果,那么n取值为0.5。
步骤4 :将步骤2中得到的每个像素点的灰阶值代入公式
中得到调整后该像素点的灰阶值,公式中x代表步骤2获得的灰阶值,I代表调整后的灰阶值,a代表a1或a2,coeff代表对比度调整等级,取值范围为1到无穷大,M取2b-1,b取帧图像的数据最大位数(帧图像为8位图像时M取值255);
上述公式中coeff 取值越高则对比度调整越高,当coeff取值为无穷大时,就相当于二值化了,取值为1时则不做对比度增强处理。
步骤5:将各像素点的灰阶值修改为I,并将YUV格式帧图像转换为RGB格式帧图像,得到对比度增强后的帧图像。
步骤6:设定标准比值K,计算当前帧图像调整前后梯度差的比值k,如果abs(k-K)≤m,则该帧图像处理结束,否则,调整coeff,重复步骤3-5直至满足要求或者用于下一帧图像的调整公式中。
当调整coeff的值重复执行步骤3-5时,有可能会影响实时性;而视频中各帧图像往往是平稳过渡的,因此也可以不重复执行3-5,而将调整后的coeff值用于下一帧的图像处理中。
在此步骤中,△L1为帧图像调整前的梯度差,△L2为帧图像调整提升对比度后的梯度差。梯度差计算公式为,其中Image(i,j)表示图像第i行第j列像素点的灰阶值,h、w分别表示图像的高和宽。标准比值K取值范围为0.7-0.9,初始值为0.8。m取值范围为0-0.1。
手动设置标准比值K以后,如果场景变化了,△L1与△L2的比值k也会发生变化,这个时候可能会比K大或者小,通过动态增大或者调小coeff值,可以保持这个比值k在不同的环境下与K大小相差甚小。
本发明的图像对比度增强算法,适应性良好,在不同的季节和光照条件下,都能够动态的调整图像,它不仅能提升夜间和白天的图像对比度,而且对于雾天也有明显的去雾效果,能大幅度改善图像质量。
Claims (9)
1.一种基于函数曲线变换的动态对比度增强方法,其特征在于包括以下步骤:
步骤1 :获取视频中的帧图像;
步骤2 :获取帧图像中每个像素点的灰阶值;
步骤3:建立当前帧图像的全局直方图统计,取一个灰阶值a1、设定一个比值n,a1与n的关系是在该直方图统计中灰阶值从0到a1区间内的像素点数之和占总像素点数的比值为n;或者建立当前帧图像的局部直方图统计并计算灰度的平均值a2;
步骤4:将步骤2中得到的每个像素点的灰阶值代入公式
中得到调整后该像素点的灰阶值,公式中x代表步骤2获得的灰阶值,I代表调整后的灰阶值,a代表a1或a2,coeff代表对比度调整等级,取值范围为1到无穷大,M取2b-1,b取帧图像的数据最大位数;
步骤5:将各像素点的灰阶值修改为I,得到增强后的帧图像;
步骤6:设定标准比值K,计算当前帧图像调整前后梯度差的比值k,如果abs(k-K)≤m,则该帧图像处理结束,否则,调整coeff,重复步骤3-5或者用于下一帧图像的调整公式中。
2.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于步骤1中帧图像为8位图像,步骤4中M取值255。
3.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于步骤3中n取值为0.5。
4.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于K取值范围为0.7-0.9。
5.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于m取值范围为0-0.1。
6.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于在步骤2中将帧图像由RGB格式转换为YUV格式,像素点的灰阶值为该像素点Y分量的值。
7.根据权利要求6所述的基于函数曲线变换的动态对比度增强方法,其特征在于步骤5中还包括将YUV格式帧图像转换为RGB格式帧图像。
8.根据权利要求1所述的基于函数曲线变换的动态对比度增强方法,其特征在于在步骤6中,△L1为帧图像调整前的梯度差,△L2为帧图像调整提升对比度后的梯度差。
9.根据权利要求8所述的基于函数曲线变换的动态对比度增强方法,其特征在于梯度差计算公式为,其中Image(i,j)表示图像第i行第j列像素点的灰阶值,h、w分别表示图像的高和宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610534666.4A CN106033600B (zh) | 2016-07-08 | 2016-07-08 | 基于函数曲线变换的动态对比度增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610534666.4A CN106033600B (zh) | 2016-07-08 | 2016-07-08 | 基于函数曲线变换的动态对比度增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106033600A true CN106033600A (zh) | 2016-10-19 |
CN106033600B CN106033600B (zh) | 2018-08-14 |
Family
ID=57148959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610534666.4A Active CN106033600B (zh) | 2016-07-08 | 2016-07-08 | 基于函数曲线变换的动态对比度增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106033600B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886386A (zh) * | 2017-01-23 | 2017-06-23 | 苏州科达科技股份有限公司 | 从低动态图像生成高动态图像的方法 |
CN108989607A (zh) * | 2018-07-02 | 2018-12-11 | 杭州雄迈集成电路技术有限公司 | 基于图像灰度统计获得自动调节gamma曲线的方法 |
CN111050211A (zh) * | 2019-12-13 | 2020-04-21 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7627190B1 (en) * | 2006-03-31 | 2009-12-01 | The United States Of America As Represented By The Secretary Of The Air Force | Computationally enhanced image recognition system |
CN101742084A (zh) * | 2010-01-29 | 2010-06-16 | 昆山锐芯微电子有限公司 | 对比度增强处理方法与处理装置 |
CN102831592A (zh) * | 2012-08-10 | 2012-12-19 | 中国电子科技集团公司第四十一研究所 | 基于直方图分段变换的图像非线性增强方法 |
US20160104272A1 (en) * | 2014-10-10 | 2016-04-14 | Ncku Research And Development Foundation | Auto-contrast enhancement system |
-
2016
- 2016-07-08 CN CN201610534666.4A patent/CN106033600B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7627190B1 (en) * | 2006-03-31 | 2009-12-01 | The United States Of America As Represented By The Secretary Of The Air Force | Computationally enhanced image recognition system |
CN101742084A (zh) * | 2010-01-29 | 2010-06-16 | 昆山锐芯微电子有限公司 | 对比度增强处理方法与处理装置 |
CN102831592A (zh) * | 2012-08-10 | 2012-12-19 | 中国电子科技集团公司第四十一研究所 | 基于直方图分段变换的图像非线性增强方法 |
US20160104272A1 (en) * | 2014-10-10 | 2016-04-14 | Ncku Research And Development Foundation | Auto-contrast enhancement system |
Non-Patent Citations (2)
Title |
---|
KUN LIANG ET AL: "A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization", 《INFRARED PHYSICAL & TECHNOLOGY》 * |
张鹏 等: "基于分段直方图变换的图像非线性增强", 《光子学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886386A (zh) * | 2017-01-23 | 2017-06-23 | 苏州科达科技股份有限公司 | 从低动态图像生成高动态图像的方法 |
WO2018133609A1 (zh) * | 2017-01-23 | 2018-07-26 | 苏州科达科技股份有限公司 | 从低动态图像生成高动态图像的方法 |
CN106886386B (zh) * | 2017-01-23 | 2019-06-04 | 苏州科达科技股份有限公司 | 从低动态图像生成高动态图像的方法 |
US11379959B2 (en) | 2017-01-23 | 2022-07-05 | Suzhou Keda Technology Co., Ltd. | Method for generating high dynamic range image from low dynamic range image |
CN108989607A (zh) * | 2018-07-02 | 2018-12-11 | 杭州雄迈集成电路技术有限公司 | 基于图像灰度统计获得自动调节gamma曲线的方法 |
CN108989607B (zh) * | 2018-07-02 | 2020-08-11 | 杭州雄迈集成电路技术股份有限公司 | 基于图像灰度统计获得自动调节gamma曲线的方法 |
CN111050211A (zh) * | 2019-12-13 | 2020-04-21 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置及存储介质 |
CN111050211B (zh) * | 2019-12-13 | 2021-10-26 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106033600B (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN107527332B (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN103295191B (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN104700376B (zh) | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 | |
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 | |
KR20180002880A (ko) | 이미지 변환을 수행하는 전자 장치 및 이의 방법 | |
CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
CN110047051A (zh) | 一种非均匀照明彩色图像增强方法 | |
US9396526B2 (en) | Method for improving image quality | |
CN109919880A (zh) | 一种基于粒子群优化的红外图像增强方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN102314673A (zh) | 一种自适应图像增强方法 | |
CN108257099A (zh) | 一种基于视觉对比度分辨率的自适应红外图像增强方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN103714520A (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
CN109493291A (zh) | 一种自适应伽马校正的彩色图像对比度增强方法 | |
CN110298792B (zh) | 低光照图像增强与去噪方法、系统及计算机设备 | |
CN109919859A (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN106033600A (zh) | 基于函数曲线变换的动态对比度增强方法 | |
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 | |
Gautam et al. | Efficient color image contrast enhancement using range limited bi-histogram equalization with adaptive gamma correction | |
CN115660964A (zh) | 基于阈值分区加权亮度分量的夜间道路图像增强方法 | |
CN111476744B (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN105046202A (zh) | 自适应的人脸识别光照处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190510 Address after: 050011 West American MOCO Building, Yudong Street, Yuhua District, Shijiazhuang City, Hebei Province, 16 Floors, Jinma Road and Yaqing Street Intersection Patentee after: Shijiazhuang Pan'an Technology Development Co., Ltd. Address before: 050000 E, 3rd floor, city hall, 1 mosque street, Xinhua District, Shijiazhuang, Hebei. Patentee before: Shijiazhuang Yulian Visual Control Technology Co., Ltd. |