CN106339994B - 一种图像增强方法 - Google Patents
一种图像增强方法 Download PDFInfo
- Publication number
- CN106339994B CN106339994B CN201610763568.8A CN201610763568A CN106339994B CN 106339994 B CN106339994 B CN 106339994B CN 201610763568 A CN201610763568 A CN 201610763568A CN 106339994 B CN106339994 B CN 106339994B
- Authority
- CN
- China
- Prior art keywords
- image
- histogram
- gray
- enchancing method
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000005315 distribution function Methods 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G06T5/73—
-
- 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
Abstract
本发明提出了一种图像增强方法,包括如下步骤:S1:确定原始图像数据的灰度范围值域;S2:对确定的灰度范围值域分成若干个区间,对曝光不足的图像灰度区间进行拉伸或者压缩;S3:对拉伸或者压缩后的图像进行对数变换,使窄带低灰度输入值映射为宽带输出值,或者使宽带输入值映射为窄带输出值;S4:对对数变换后的图像建立直方图,然后将灰度级值进行区间归一化,然后利用分布函数和密度函数将直方图进行均衡化处理;S5:对均衡化处理后的图像进行直方图规定化,求得反函数解析式,根据反函数解析式得到所希望的灰度级,本发明能够对采集到的图像进行增强,保证显示效果。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种图像增强方法。
背景技术
21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。数字图像处理,即用计算机对图像进行处理,其发展历史并不长。数字图像处理技术源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片,采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界,人的视觉系统可以帮助人类从外界获取3/4以上的信息,而图像、图形又是所有视觉信息的载体,尽管人眼的鉴别力很高,可以识别上千种颜色,但很多情况下,图像对于人眼来说是模糊的甚至是不可见的,通过图象增强技术,可以使模糊甚至不可见的图像变得清晰明亮。
目前,在图像采集过程中,由于扫描系统或者光电转换系统多方面的原因,常出现图像不均匀,对比度不足等弊端,是人眼在观看图像时视觉效果很差。,
因此,现在亟需一种图像增强方法,能够对采集到的图像进行增强,保证显示效果。
发明内容
本发明提出一种图像增强方法,解决了现有技术中图像采集由于设备的问题,导致采集结果不理想的问题。
本发明的技术方案是这样实现的:图像增强方法,包括如下步骤:
S1:确定原始图像数据的灰度范围值域;
S2:对确定的灰度范围值域分成若干个区间,对曝光不足的图像灰度区间进行拉伸或者压缩;
S3:对拉伸或者压缩后的图像进行对数变换,使窄带低灰度输入值映射为宽带输出值,或者使宽带输入值映射为窄带输出值;
S4:对对数变换后的图像建立直方图,然后将灰度级值进行区间归一化,然后利用分布函数和密度函数将直方图进行均衡化处理;
S5:对均衡化处理后的图像进行直方图规定化,求得反函数解析式,根据反函数解析式得到所希望的灰度级。
作为一种优选的实施方式,步骤S2中对曝光不足的图像灰度区间进行拉伸或者压缩,包括首先定义原始图像的初始灰度范围,确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,完成对灰度区间的拉伸或者压缩。
作为一种优选的实施方式,确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,首先根据不同要求将图像的值域分成若干,然后分别对每一个值域内的图像进行相应的灰度区间的拉伸或压缩。
作为一种优选的实施方式,步骤4中对对数变换后的图像建立直方图,包括以图像中各灰度级与各灰度级像素出现的频率之间的关系,以灰度为横坐标,纵坐标为灰度频率,绘制频率同灰度级之间的关系直方图。
作为一种优选的实施方式,对对数变换后的图像建立直方图,包括判断图像的量化是否准确,确定图像二值化的阈值,以及当图像中物体的部分灰度值大于其他部分的灰度值时,利用直方图统计图像中物体的面积,计算图像信息量。
作为一种优选的实施方式,对均衡化处理后的图像进行直方图规定化,包括由分布函数和密度函数确定概率密度函数,改善图像的灰度层次。
作为一种优选的实施方式,步骤S1中确定原始图像数据的灰度范围值域,包括根据图像中像素的位置和幅值,确定空间界限和亮度界限,将图像中的像素对应为坐标点上光强的集合,表达为:
I=f(x,y,z,λ,t),其中,式中(x,y,z)是空间坐标,λ是波长,t是时间,I是光点(x,y,z)的强度。
作为一种优选的实施方式,在步骤S1确定原始图像数据的灰度范围值域前,首先去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余。
作为一种优选的实施方式,去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,包括通过差分系统采用单频校点位的部分位数来编码样点差。
作为一种优选的实施方式,去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,用相邻已经像素预测当前像素的取值,然后利用预测误差进行量化和编码。
采用了上述技术方案后,本发明的有益效果是:通过对图像进行去除冗余,并且利用相邻像素预测当前像素的取值,然后根据预测的误差进行量化和编码,一方面能够有效地对像素进行压缩;另一方面,能够保证像素的质量;然后,对图像的灰度范围进行增强,使图像的灰度组能够达到期望的标准;本发明不但压缩了图像,同时,保证了图像的质量,从而保证显示效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动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。
如图1所示,本图像增强方法,包括如下步骤:
S1:确定原始图像数据的灰度范围值域;
S2:对确定的灰度范围值域分成若干个区间,对曝光不足的图像灰度区间进行拉伸或者压缩;
S3:对拉伸或者压缩后的图像进行对数变换,使窄带低灰度输入值映射为宽带输出值,或者使宽带输入值映射为窄带输出值;
S4:对对数变换后的图像建立直方图,然后将灰度级值进行区间归一化,然后利用分布函数和密度函数将直方图进行均衡化处理;
S5:对均衡化处理后的图像进行直方图规定化,求得反函数解析式,根据反函数解析式得到所希望的灰度级。
步骤S2中对曝光不足的图像灰度区间进行拉伸或者压缩,包括首先定义原始图像的初始灰度范围,确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,完成对灰度区间的拉伸或者压缩。
确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,首先根据不同要求将图像的值域分成若干,然后分别对每一个值域内的图像进行相应的灰度区间的拉伸或压缩。
步骤4中对对数变换后的图像建立直方图,包括以图像中各灰度级与各灰度级像素出现的频率之间的关系,以灰度为横坐标,纵坐标为灰度频率,绘制频率同灰度级之间的关系直方图。
对对数变换后的图像建立直方图,包括判断图像的量化是否准确,确定图像二值化的阈值,以及当图像中物体的部分灰度值大于其他部分的灰度值时,利用直方图统计图像中物体的面积,计算图像信息量。
对均衡化处理后的图像进行直方图规定化,包括由分布函数和密度函数确定概率密度函数,改善图像的灰度层次。
步骤S1中确定原始图像数据的灰度范围值域,包括根据图像中像素的位置和幅值,确定空间界限和亮度界限,将图像中的像素对应为坐标点上光强的集合,表达为:
I=f(x,y,z,λ,t),其中,式中(x,y,z)是空间坐标,λ是波长,t是时间,I是光点(x,y,z)的强度。
在步骤S1确定原始图像数据的灰度范围值域前,首先去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余。
去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,包括通过差分系统采用单频校点位的部分位数来编码样点差。
去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,用相邻已经像素预测当前像素的取值,然后利用预测误差进行量化和编码。
该图像增强方法的工作原理是:通过对图像进行去除冗余,并且利用相邻像素预测当前像素的取值,然后根据预测的误差进行量化和编码,一方面能够有效地对像素进行压缩;另一方面,能够保证像素的质量;然后,对图像的灰度范围进行增强,使图像的灰度组能够达到期望的标准;本发明不但压缩了图像,同时,保证了图像的质量,从而保证显示效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (10)
1.一种图像增强方法,其特征在于,包括如下步骤:
S1:确定原始图像数据的灰度范围值域;
S2:对确定的灰度范围值域分成若干个区间,对曝光不足的图像灰度区间进行拉伸或者压缩;
S3:对拉伸或者压缩后的图像进行对数变换,使窄带低灰度输入值映射为宽带输出值,或者使宽带输入值映射为窄带输出值;
S4:对对数变换后的图像建立直方图,然后将灰度级值进行区间归一化,然后利用分布函数和密度函数将直方图进行均衡化处理;
S5:对均衡化处理后的图像进行直方图规定化,求得反函数解析式,根据反函数解析式得到所希望的灰度级。
2.根据权利要求1所述的图像增强方法,其特征在于,步骤S2中对曝光不足的图像灰度区间进行拉伸或者压缩,包括首先定义原始图像的初始灰度范围,确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,完成对灰度区间的拉伸或者压缩。
3.根据权利要求2所述的图像增强方法,其特征在于,确定变换后图像的灰度范围,然后通过调整图像灰度区间折线拐点的位置及控制分段直线的斜率,首先根据不同要求将图像的值域分成若干,然后分别对每一个值域内的图像进行相应的灰度区间的拉伸或压缩。
4.根据权利要求3所述的图像增强方法,其特征在于,步骤4中对对数变换后的图像建立直方图,包括以图像中各灰度级与各灰度级像素出现的频率之间的关系,以灰度为横坐标,纵坐标为灰度频率,绘制频率同灰度级之间的关系直方图。
5.根据权利要求4所述的图像增强方法,其特征在于,对对数变换后的图像建立直方图,包括判断图像的量化是否准确,确定图像二值化的阈值,以及当图像中物体的部分灰度值大于其他部分的灰度值时,利用直方图统计图像中物体的面积,计算图像信息量。
6.根据权利要求5所述的图像增强方法,其特征在于,对均衡化处理后的图像进行直方图规定化,包括由分布函数和密度函数确定概率密度函数,改善图像的灰度层次。
7.根据权利要求6所述的图像增强方法,其特征在于,步骤S1中确定原始图像数据的灰度范围值域,包括根据图像中像素的位置和幅值,确定空间界限和亮度界限,将图像中的像素对应为坐标点上光强的集合,表达为:
I=f(x,y,z,λ,t),其中,式中(x,y,z)是空间坐标,λ是波长,t是时间,I是光点(x,y,z)的强度。
8.根据权利要求7所述的图像增强方法,其特征在于,在步骤S1确定原始图像数据的灰度范围值域前,首先去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余。
9.根据权利要求8所述的图像增强方法,其特征在于,去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,包括通过差分系统采用单频校点位的部分位数来编码样点差。
10.根据权利要求8所述的图像增强方法,其特征在于,去除图像相邻像素之间、活动图像的相邻帧的对应像素之间的相关冗余,用相邻已经像素预测当前像素的取值,然后利用预测误差进行量化和编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610763568.8A CN106339994B (zh) | 2016-08-29 | 2016-08-29 | 一种图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610763568.8A CN106339994B (zh) | 2016-08-29 | 2016-08-29 | 一种图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106339994A CN106339994A (zh) | 2017-01-18 |
CN106339994B true CN106339994B (zh) | 2019-05-21 |
Family
ID=57822818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610763568.8A Active CN106339994B (zh) | 2016-08-29 | 2016-08-29 | 一种图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339994B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644403B (zh) * | 2017-08-23 | 2021-02-09 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN108629754B (zh) * | 2018-05-03 | 2019-05-24 | 中国人民解放军国防科技大学 | 一种isar图像自适应细节增强方法 |
CN108830174A (zh) * | 2018-05-25 | 2018-11-16 | 平安科技(深圳)有限公司 | 虹膜图像全局增强方法、装置、设备及存储介质 |
CN110049332A (zh) * | 2019-04-11 | 2019-07-23 | 深圳市朗驰欣创科技股份有限公司 | 一种图像压缩方法、图像压缩装置及电子设备 |
CN110392162B (zh) * | 2019-04-24 | 2020-03-10 | 桑尼环保(江苏)有限公司 | 基于信号分析的环境监测平台 |
CN116703888B (zh) * | 2023-07-28 | 2023-10-20 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
WO2010007726A1 (ja) * | 2008-07-17 | 2010-01-21 | 株式会社ニコン | 撮像装置、画像処理プログラム、画像処理装置、および画像処理方法 |
CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
CN105303561A (zh) * | 2015-09-22 | 2016-02-03 | 成都融创智谷科技有限公司 | 一种图像预处理的灰度空间划分方法 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101035300A (zh) * | 2007-04-10 | 2007-09-12 | 北京中星微电子有限公司 | 一种图像增强方法及装置 |
CN101459763B (zh) * | 2007-12-13 | 2010-09-01 | 安凯(广州)微电子技术有限公司 | 一种数字图像增强方法 |
JP5408053B2 (ja) * | 2009-10-20 | 2014-02-05 | 株式会社ニコン | 画像処理装置、画像処理方法 |
CN103002291B (zh) * | 2012-12-06 | 2014-12-03 | 杭州藏愚科技有限公司 | 一种摄像机宽动态图像增强方法及装置 |
CN104573673A (zh) * | 2015-01-28 | 2015-04-29 | 广州远信网络科技发展有限公司 | 一种人脸图像年龄的识别方法 |
CN104809702B (zh) * | 2015-04-22 | 2018-07-03 | 上海理工大学 | 基于频率域处理的脉诊曲线图像网格消除方法 |
-
2016
- 2016-08-29 CN CN201610763568.8A patent/CN106339994B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010007726A1 (ja) * | 2008-07-17 | 2010-01-21 | 株式会社ニコン | 撮像装置、画像処理プログラム、画像処理装置、および画像処理方法 |
CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
CN105303561A (zh) * | 2015-09-22 | 2016-02-03 | 成都融创智谷科技有限公司 | 一种图像预处理的灰度空间划分方法 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Non-Patent Citations (2)
Title |
---|
"直方图图像增强技术";龙清;《电脑知识与技术》;20110228;第7卷(第4期);883-886 |
"红外图像增强技术在TMS320DM642上的应用";黄德天 等;《红外》;20120430;14-20 |
Also Published As
Publication number | Publication date |
---|---|
CN106339994A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106339994B (zh) | 一种图像增强方法 | |
CN111432207B (zh) | 基于显著目标检测和显著性指导的感知高清视频编码方法 | |
CN102271254B (zh) | 一种深度图像的预处理方法 | |
CN1366422A (zh) | 视觉注意模式 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN107392879B (zh) | 一种基于参考帧的低照度监控图像增强方法 | |
CN106993188B (zh) | 一种基于多人脸视频显著性的hevc压缩编码方法 | |
CN109584185A (zh) | 图像处理方法 | |
CN110276764A (zh) | 基于K值估计的K-Means水下图像背景分割改进算法 | |
CN110136079A (zh) | 基于场景深度分割的图像去雾方法 | |
CN110111272A (zh) | 一种人工智能红外图像处理仪、控制系统及控制方法 | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
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 | |
CN103700077A (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
CN111489333B (zh) | 一种无参考夜间自然图像质量评价方法 | |
Pandian et al. | Object Identification from Dark/Blurred Image using WBWM and Gaussian Pyramid Techniques | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
CN111080754B (zh) | 一种头部肢体特征点连线的人物动画制作方法及装置 | |
Feng et al. | Low-light color image enhancement based on Retinex | |
KR101600617B1 (ko) | 영상내 사람 검출 방법 | |
CN112819688A (zh) | 一种sar图像转类光学图像的转换方法及系统 | |
CN110135274B (zh) | 一种基于人脸识别的人流量统计方法 | |
CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
Zhang et al. | Muti-scale image enhancement based on properties of human visual system | |
CN104079934A (zh) | 一种实时视频通信中的感兴趣区域提取方法 |
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: 20201202 Address after: Room 703, unit 1, building 2, No. 11, Zhongmian Road, Huangpu District, Guangzhou City, Guangdong Province 510000 Patentee after: Guangzhou know Micro Technology Co.,Ltd. Address before: 208, room 1, building 236000, branch garden, 79 science Road, Hefei hi tech Zone, Anhui, China Patentee before: HEFEI KANGSHENGDA INTELLIGENT TECHNOLOGY Co.,Ltd. |