CN106875358A - 基于Bayer格式的图像增强方法及图像增强装置 - Google Patents

Abstract

本发明提供了一种基于Bayer格式的图像增强方法及图像增强装置，该图像增强方法包括：获取待处理的Bayer图像；提取所述Bayer图像的基本层和细节层；分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；基于增强后的基本层和细节层，生成增强后的图像。本发明的技术方案能够在保证算法实时性的前提下，有效增强图像的对比度和细节信息，提升了图像的视觉效果。

Description

基于Bayer格式的图像增强方法及图像增强装置

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于Bayer格式的图像增强方法及图像增强装置。

背景技术

对于包含了大的信号量和较小的低对比度细节的高动态图像，既不符合人眼视觉特性，也不适合在通用的图像设备上显示输出。因此需要对高动态图像进行增强处理，高动态图像的增强包括动态范围的压缩和非理想成像区域的增强问题。

常用的动态图像压缩算法涉及到Retinex理论，如单尺度的Retinex算法、多尺度的Retinex算法和自适应尺度的multi-scale Retinex算法，上述的这些算法可以同时完成动态范围的压缩和局部对比度的增强，但是容易产生颜色失真，且计算过于复杂。

具有代表性的图像增强方法有灰度变换法、同态滤波、Retinex增强法和梯度域增强法。其中，灰度变换法运算速度块，有很好的实时性，但是往往没有考虑图像的频率以及细节信息，容易出现过增强现象；同态滤波法虽然可以很好地保持图像的原始面貌，但是没有充分考虑图像的局部特性，在增强图像某一部分像素时，导致另一部分过增强，而且实时性差；基于多尺度的Retinex图像增强方法能很好地增强图像，在保持原始图像亮度同时压缩对比度，但是应用过程中需要大量复杂的计算，这务必会影响算法的实时性应用。

因此，需要一种新的图像增强方案，能够在保证算法实时性的前提下，有效增强图像的对比度和细节信息，以提升图像的视觉效果。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种基于Bayer格式的图像增强方法及图像增强装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一个方面，提供一种基于Bayer格式的图像增强方法，包括：

获取待处理的Bayer图像；

提取所述Bayer图像的基本层和细节层；

分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；

基于增强后的基本层和细节层，生成增强后的图像。

在本发明的一些实施例中，基于前述方案，提取所述Bayer图像的基本层和细节层的步骤，包括：

对所述Bayer图像进行导向滤波处理，以得到所述Bayer图像的基本层；

根据所述Bayer图像和所述Bayer图像的基本层，计算所述Bayer图像的细节层。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像进行导向滤波处理的步骤，包括：

以所述Bayer图像中每个像素位置处的颜色分量为导向，对所述Bayer图像进行导向滤波处理。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行增强处理，包括：

对所述Bayer图像的基本层进行动态范围压缩处理。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行动态范围压缩处理，包括：

对于所述基本层中的任一像素点，计算以所述任一像素点为中心的预定区域内的像素点的灰度值均值；

根据所述灰度值均值，计算所述任一像素点的灰度值的归一化值；

根据所述归一化值和所述灰度值均值，计算所述任一像素点经过动态范围压缩后的归一化值；

根据所述基本层中所有像素点经过动态范围压缩后的归一化值，计算所述基本层压缩后的动态范围。

在本发明的一些实施例中，基于前述方案，基于以下公式计算所述任一像素点的灰度值的归一化值：

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，根据以下的局部高动态范围压缩映射计算所述任一像素点经过动态范围压缩后的归一化值：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；N_Y'(x,y)表示所述任一像素点经过动态范围压缩后的归一化值；系数c由以所述任一像素点为中心的预定区域内的像素点的灰度值均值M(x,y)决定，根据M(x,y)的不同，系数c的值均匀分布于[0.5,2.5]；增益系数g、h的值由以下公式决定：

其中，MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行增强处理，还包括：

对所述Bayer图像的基本层进行对比度增强处理。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的细节层进行增强处理，包括：

利用S型函数增强所述Bayer图像的细节层。

根据本发明的另一方面，还提出了一种基于Bayer格式的图像增强装置，包括：

获取单元，用于获取待处理的Bayer图像；

提取单元，用于提取所述Bayer图像的基本层和细节层；

处理单元，用于分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；

生成单元，用于基于增强后的基本层和细节层，生成增强后的图像。

在本发明的一些实施例中，基于前述方案，所述提取单元配置为：对所述Bayer图像进行导向滤波处理，以得到所述Bayer图像的基本层；根据所述Bayer图像和所述Bayer图像的基本层，计算所述Bayer图像的细节层。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像进行导向滤波处理，包括：以所述Bayer图像中每个像素位置处的颜色分量为导向，对所述Bayer图像进行导向滤波处理。

在本发明的一些实施例中，基于前述方案，所述处理单元配置为：对所述Bayer图像的基本层进行动态范围压缩处理。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行动态范围压缩处理，包括：

对于所述基本层中的任一像素点，计算以所述任一像素点为中心的预定区域内的像素点的灰度值均值；

根据所述灰度值均值，计算所述任一像素点的灰度值的归一化值；

根据所述归一化值和所述灰度值均值，计算所述任一像素点经过动态范围压缩后的归一化值；

根据所述基本层中所有像素点经过动态范围压缩后的归一化值，计算所述基本层压缩后的动态范围。

在本发明的一些实施例中，基于前述方案，基于以下公式计算所述任一像素点的灰度值的归一化值：

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，根据以下的局部高动态范围压缩映射计算所述任一像素点经过动态范围压缩后的归一化值：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；N_Y'(x,y)表示所述任一像素点经过动态范围压缩后的归一化值；系数c由以所述任一像素点为中心的预定区域内的像素点的灰度值均值M(x,y)决定，根据M(x,y)的不同，系数c的值均匀分布于[0.5,2.5]；增益系数g、h的值由以下公式决定：

其中，MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行增强处理，还包括：

对所述Bayer图像的基本层进行对比度增强处理。

在本发明的一些实施例中，基于前述方案，所述处理单元配置为：利用S型函数增强所述Bayer图像的细节层。

在本发明的一些实施例所提供的技术方案中，由于Bayer图像的数据量是RGB图像的数据量的1/3，因此通过直接对Bayer图像进行处理，有效减少了图像增强处理时的计算量，进而降低了对系统资源的消耗，提高了图像增强算法的效率，有利于进行嵌入式开发。

在本发明的一些实施例所提供的技术方案中，在对图像的基本层进行动态范围压缩时，由于设计出的局部映射函数中采用了幂函数，并随着搜索窗口像素灰度均值的不同，图像不同区域所采用的映射函数也有所不同，实现了局部映射，该方法在压缩图像高动态范围的同时，有效地保持了图像的细节信息。而通过Bayer图像的基本层进行对比度增强处理，能够有效提升图像的视觉效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了根据本发明的第一个实施例的基于Bayer格式的图像增强方法的流程图；

图2示意性示出了根据本发明的第二个实施例的基于Bayer格式的图像增强方法的流程图；

图3示意性示出了图2中所示的基于Bayer格式的图像增强方法的具体流程图；

图4示意性示出了Bayer格式图像中的像素排列方式示意图；

图5示意性示出了根据本发明的实施例的细节增强函数随参数变换的曲线图；

图6示意性示出了根据本发明的实施例的基于Bayer格式的图像增强装置的框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示意性示出了根据本发明的第一个实施例的基于Bayer格式的图像增强方法的流程图。

具体地，参照图1，根据本发明的第一个实施例的基于Bayer格式的图像增强方法，包括以下步骤：

步骤S102，获取待处理的Bayer图像；

步骤S104，提取所述Bayer图像的基本层和细节层；

步骤S106，分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；

步骤S108，基于增强后的基本层和细节层，生成增强后的图像。

以下针对每个步骤进行详细说明：

在步骤S102中，需要说明的是：由于Bayer图像的数据量是RGB图像的数据量的1/3，因此通过直接获取待处理的Bayer图像，以直接对Bayer图像进行处理，可以有效减少图像增强时的计算量，进而能够降低对系统资源的消耗，提高了图像增强算法的效率，有利于进行嵌入式开发。

在步骤S104中，根据本发明的示例性实施例，提取所述Bayer图像的基本层和细节层的步骤，包括：

对所述Bayer图像进行导向滤波处理，以得到所述Bayer图像的基本层；

根据所述Bayer图像和所述Bayer图像的基本层，计算所述Bayer图像的细节层。

需要说明的是：当对Bayer图像进行导向滤波处理之后，可以得到该Bayer图像的基本层，然后将Bayer图像与其基本层做差运算，得到Bayer图像的细节层。

根据本发明的示例性实施例，对所述Bayer图像进行导向滤波处理的步骤，包括：以所述Bayer图像中每个像素位置处的颜色分量为导向，对所述Bayer图像进行导向滤波处理。

需要说明的是：由于在Bayer图像中，数据是以交替记录的方式记录的，每个像素位置只记录一个颜色通道的颜色值。对于绿色(G)分量，它的四邻域内没有G颜色通道存在，而且对于红色(R)分量和蓝色(B)分量，在它们八邻域内没有与其相同颜色通道的像素点存在。因此可以将不同像素点的颜色分量作为向导来对Bayer图像进行导向滤波处理。

在本发明的其它实施例中，也可以先通过插值法求出Bayer图像的完整的指定颜色分量(如完整的绿色分量)，然后基于该完整的指定颜色分量来对Bayer图像进行导向滤波处理。

在步骤S106中，根据本发明的示例性实施例，对所述Bayer图像的基本层进行增强处理，包括：对所述Bayer图像的基本层进行动态范围压缩处理。

根据本发明的示例性实施例，对所述Bayer图像的基本层进行动态范围压缩处理，包括：

对于所述基本层中的任一像素点，计算以所述任一像素点为中心的预定区域内的像素点的灰度值均值；

根据所述灰度值均值，计算所述任一像素点的灰度值的归一化值；

根据所述归一化值和所述灰度值均值，计算所述任一像素点经过动态范围压缩后的归一化值；

根据所述基本层中所有像素点经过动态范围压缩后的归一化值，计算所述基本层压缩后的动态范围。

需要说明的是：预定区域的大小可以是7×7，也可以是5×5。

根据本发明的示例性实施例，基于以下的局部高动态范围压缩映射计算所述任一像素点的灰度值的归一化值：

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

根据本发明的示例性实施例，根据以下公式计算所述任一像素点经过动态范围压缩后的归一化值：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；N_Y'(x,y)表示所述任一像素点经过动态范围压缩后的归一化值；系数c由以所述任一像素点为中心的预定区域内的像素点的灰度值均值M(x,y)决定，根据M(x,y)的不同，系数c的值均匀分布于[0.5,2.5]；增益系数g、h的值由以下公式决定：

其中，MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

需要说明的是：由于在对图像的基本层进行动态范围压缩时，设计出的局部映射函数中采用了幂函数，并随着搜索窗口像素灰度均值的不同，图像不同区域所采用的映射函数也有所不同，实现了局部映射，该方法在压缩图像高动态范围的同时，有效地保持了图像的细节信息。

在步骤S106中，对所述Bayer图像的基本层进行增强处理，还包括：对所述Bayer图像的基本层进行对比度增强处理。

需要说明的是：通过Bayer图像的基本层进行对比度增强处理，能够有效提升图像的视觉效果。

在步骤S106中，对所述Bayer图像的细节层进行增强处理，包括：利用S型函数增强所述Bayer图像的细节层。

以下结合图2至图5，详细说明根据本发明的实施例的图像增强方案。

参照图2，本发明实施例的图像增强方法主要是对Bayer格式的高动态图像进行以颜色分量为导向的导向滤波，获得图像的基本层和细节层，进而分别针对基本层和细节层进行增强。具体地，对于基本层：采用局部映射方法压缩图像动态范围，同时利用双伽马调整函数拉伸图像对比度；对于细节层：利用S型函数增强图像细节信息。最后合并处理后的基本层和细节层得到增强后的图像。

以下结合图3详细说明图2中所示的图像增强方案：

参照图3：

在步骤S302中，对Bayer图像进行以颜色分量为导向的导向滤波，获取图像的基本层和细节层。

具体地，采用边缘保持滤波其对Bayer图像进行图像分解，获得基本层和细节层。

由于Bayer格式是目前流行的交替记录模式，其是由相机采用在CCD或CMOS传感器前放置颜色滤波阵列实现R、G和B三个颜色分量的交替记录，其排列方式如图4所示。由于在Bayer图像中，R、B颜色通道的像素数目为RGB图像的1/4，且G颜色通道是RGB图像1/2，因此利用Bayer图像进行图像增强，硬件资源的消耗可以减少为前者的1/3，这样可以极大地提高算法的运行速度。

根据导向滤波原理，在像素点k处的中心邻域ω(k)内，滤波后的图像f与引导图像I之间存在局部线性关系，即：

在公式1中，i为ω(k)内像素的位置；a_k、b_k为邻域ω(k)内线性组合的两个系数。

但是在Bayer图像中，数据是以交替记录的方式记录的，每个像素位置只记录一个颜色通道的颜色值。如图4所示，对于G分量，它的四邻域内没有G颜色通道存在，而且对于R和B分量，在它们八邻域内没有与其相同颜色通道的像素点存在。因此利用导向滤波对Bayer图像进行滤波，需要根据像素点的颜色分量作为向导。以像素点的颜色通道为G为例，公式1可以写成：

公式3拟合了滤波前图像像素值f'和滤波后图像像素值f之间的最小距离：

在公式3中，ε是导向滤波的一个可调函数，需要根据实际情况进行取值。

采用最小二乘法求解公式3，得到系数：

在公式4中，μ_k、为滤波前的图像在邻域ω(k)内颜色通道G位置像素的均值和方差，|ω|为邻域内属于颜色通道G的像素个数；f'(i)为滤波前原始图像f'中位置i处的像素值；为滤波前原始图像f'在邻域ω(k)内的均值。

利用公式2和公式4进行导向滤波。

利用上述的导向滤波器对图像进行滤波操作，得到图像基本层b，如公式5所示。再将原图f'与基本层做差运算，得到细节层d，如公式6所示。通过导向滤波操作，实现了图像高频、低频成分的分离。基本层对应于低频成分，细节层对应高频成分。

b＝GIF(I,f') (公式5)

d＝f-b (公式6)

在步骤S304中，对基本层增强时采用局部映射方法压缩图像动态范围，同时利用双伽马调整函数拉伸图像对比度。

1、压缩动态范围；

通过导向滤波得到的基本层的灰度范围依旧很大，因此先对基本层进行动态范围压缩，便于显示设备的正常显示。本发明中采用的局部动态范围压缩方法的步骤为：

1.1、从基本层中读取以待处理像素点为中心的7×7搜索窗口覆盖的49点灰度值。需要说明的是：此处的7×7仅为示例，也可以是5×5。

1.2、根据公式7计算以当前像素点为中心的7×7窗口内的灰度值均值M(x,y)。

在公式7中，Y(x,y)为当前待处理像素p(x,y)的灰度值。

1.3、将图像像素进行归一化操作，如公式/8所示：

在公式8中，N_Y(x,y)为当前待处理像素点p(x,y)灰度值Y(x,y)的归一化值；MAX为基本层中最大的灰度值；M(x,y)为公式7中的均值。

1.4、根据窗口中49个像素的灰度均值和像素归一化设计局部的高动态范围压缩映射为：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c (公式9)

在公式9中，增益系数g、h以及指数c由均值M(x,y)决定。根据M(x,y)的不同，c均匀分布于[0.5,2.5]，g、h由公式10和公式11决定：

由以上可知，以幂函数变换为基础设计映射函数，并随着搜索窗口像素灰度均值的不同，图像不同区域所采用的映射函数也有所不同，实现了局部映射，该方法在压缩图像高动态范围的同时，有效地保持了图像的细节信息。

1.5、根据归一化值N_Y(x,y)和公式9计算得到的动态范围压缩后的归一化值N_Y'(x,y)再乘以MAX，得到最终的压缩后的动态范围。

2、拉伸图像对比度。

基本层对应于图像低频信息，基本层中包括了总体形状、特征轮廓、对比度等特征。在压缩图像动态范围的同时，也要拉伸图像的对比度，使得图像视觉效果更好。本发明中采用双伽马调整函数增强图像对比度，公式如下：

G(F)＝(G_d+G_b)/2 (公式12)

其中，G_d＝F^1/γ，G_b＝1-(1-F)^1/γ。

在公式12中，F是输入图像的灰度值；γ是可调变量，用以控制图像增强程度。G实际上是一条反S曲线，G_d是一个凸函数用以增强暗区域，而G_b是一个凹函数用以增强亮区域，因此G能够将暗区域和亮区域中隐藏的细节显示出来。

在步骤S306中，对细节层增强：利用S型函数增强图像细节信息。

细节层对应图像的高频信息。细节层是经过两个高动态图像相减后得到的图像，所以细节层的灰度范围没有超过传统显示器的显示范围，因此不需要对其进行压缩处理，只需增强图像细节信息，以适应人眼视觉系统的要求。利用S型函数增强图像细节信息，公式如下：

在公式13中，参数a用于控制细节增强的程度。细节增强函数随参数变换的曲线图如图5所示。由图5可知，随着参数a的减小，细节增强程度能力减弱。因此本发明中取a＝9，该参数下的S函数能有效地增强图像的细节信息。

需要说明的是：步骤S304和步骤S306之间的执行顺序并非是固定的，换句话说，步骤S304和步骤S306可以同时执行，也可以先后执行，而先后执行时的顺序也并非是固定的。

在步骤S308中，合并处理后的基本层和细节层得到增强后的图像。具体地，可以将增强处理后的基本层和细节层相加得到增强后的图像。

图6示意性示出了根据本发明的实施例的基于Bayer格式的图像增强装置的框图。

如图6所示，根据本发明的实施例的基于Bayer格式的图像增强装置600，包括：获取单元602、提取单元604、处理单元606和生成单元608。

根据本发明的示例性实施例，获取单元602用于获取待处理的Bayer图像；提取单元604用于提取所述Bayer图像的基本层和细节层；处理单元606用于分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；生成单元608用于基于增强后的基本层和细节层，生成增强后的图像。

在本发明的一些实施例中，基于前述方案，所述提取单元604配置为：对所述Bayer图像进行导向滤波处理，以得到所述Bayer图像的基本层；根据所述Bayer图像和所述Bayer图像的基本层，计算所述Bayer图像的细节层。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像进行导向滤波处理，包括：以所述Bayer图像中每个像素位置处的颜色分量为导向，对所述Bayer图像进行导向滤波处理。

在本发明的一些实施例中，基于前述方案，所述处理单元606配置为：对所述Bayer图像的基本层进行动态范围压缩处理。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行动态范围压缩处理，包括：

对于所述基本层中的任一像素点，计算以所述任一像素点为中心的预定区域内的像素点的灰度值均值；

根据所述灰度值均值，计算所述任一像素点的灰度值的归一化值；

根据所述归一化值和所述灰度值均值，计算所述任一像素点经过动态范围压缩后的归一化值；

根据所述基本层中所有像素点经过动态范围压缩后的归一化值，计算所述基本层压缩后的动态范围。

在本发明的一些实施例中，基于前述方案，基于以下公式计算所述任一像素点的灰度值的归一化值：

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，根据以下的局部高动态范围压缩映射计算所述任一像素点经过动态范围压缩后的归一化值：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；N_Y'(x,y)表示所述任一像素点经过动态范围压缩后的归一化值；系数c由以所述任一像素点为中心的预定区域内的像素点的灰度值均值M(x,y)决定，根据M(x,y)的不同，系数c的值均匀分布于[0.5,2.5]；增益系数g、h的值由以下公式决定：

其中，MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

在本发明的一些实施例中，基于前述方案，对所述Bayer图像的基本层进行增强处理，还包括：

对所述Bayer图像的基本层进行对比度增强处理。

在本发明的一些实施例中，基于前述方案，所述处理单元606配置为：利用S型函数增强所述Bayer图像的细节层。

在本发明上述实施例提出的图像增强方案可以有效减少图像增强处理时的计算量，系统消耗少，算法运行时间短，能有效地压缩动态范围，同时增强了图像的对比度和细节信息，提升了图像的视觉效果。

本发明实施例的技术方案有利于进行嵌入式开发，如可以嵌入FPGA开发具有图像增强功能的相机或摄像机。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于Bayer格式的图像增强方法，其特征在于，包括：

获取待处理的Bayer图像；

提取所述Bayer图像的基本层和细节层；

分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；

基于增强后的基本层和细节层，生成增强后的图像。

2.根据权利要求1所述的基于Bayer格式的图像增强方法，其特征在于，提取所述Bayer图像的基本层和细节层的步骤，包括：

对所述Bayer图像进行导向滤波处理，以得到所述Bayer图像的基本层；

根据所述Bayer图像和所述Bayer图像的基本层，计算所述Bayer图像的细节层。

3.根据权利要求2所述的基于Bayer格式的图像增强方法，其特征在于，对所述Bayer图像进行导向滤波处理的步骤，包括：

以所述Bayer图像中每个像素位置处的颜色分量为导向，对所述Bayer图像进行导向滤波处理。

4.根据权利要求1所述的基于Bayer格式的图像增强方法，其特征在于，对所述Bayer图像的基本层进行增强处理，包括：

对所述Bayer图像的基本层进行动态范围压缩处理。

5.根据权利要求4所述的基于Bayer格式的图像增强方法，其特征在于，对所述Bayer图像的基本层进行动态范围压缩处理，包括：

对于所述基本层中的任一像素点，计算以所述任一像素点为中心的预定区域内的像素点的灰度值均值；

根据所述灰度值均值，计算所述任一像素点的灰度值的归一化值；

根据所述归一化值和所述灰度值均值，计算所述任一像素点经过动态范围压缩后的归一化值；

根据所述基本层中所有像素点经过动态范围压缩后的归一化值，计算所述基本层压缩后的动态范围。

6.根据权利要求5所述的基于Bayer格式的图像增强方法，其特征在于，基于以下公式计算所述任一像素点的灰度值的归一化值：

$N\_Y(x,y)=\left\{\begin{array}{cc}\frac{Y(x,y)}{MAX}& M(x,y)\&GreaterEqual;32\\ \frac{Y(x,y)+1}{MAX}& M(x,y)<32\end{array}\right.$

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

7.根据权利要求5所述的基于Bayer格式的图像增强方法，其特征在于，根据以下的局部高动态范围压缩映射计算所述任一像素点经过动态范围压缩后的归一化值：

N_Y'(x,y)＝g·N_Y(x,y)^c-h·N_Y(x,y)^3c

其中，N_Y(x,y)表示任一像素点p(x,y)的灰度值Y(x,y)的归一化值；N_Y'(x,y)表示所述任一像素点经过动态范围压缩后的归一化值；系数c由以所述任一像素点为中心的预定区域内的像素点的灰度值均值M(x,y)决定，根据M(x,y)的不同，系数c的值均匀分布于[0.5,2.5]；增益系数g、h的值由以下公式决定：

$g=\left\{\begin{array}{cc}1.5-\frac{M(x,y)-\frac{3}{4}MAX}{MAX}& M(x,y)>\frac{3}{4}MAX\\ 1.5& M(x,y)\&le;\frac{3}{4}MAX\end{array}\right.$

$h=\left\{\begin{array}{cc}0.5-\frac{M(x,y)-\frac{3}{4}MAX}{MAX}& M(x,y)>\frac{3}{4}MAX\\ 0.5& M(x,y)\&le;\frac{3}{4}MAX\end{array}\right.$

其中，MAX表示基本层中最大的灰度值；M(x,y)表示以所述任一像素点为中心的预定区域内的像素点的灰度值均值。

8.根据权利要求4至7中任一项所述的基于Bayer格式的图像增强方法，其特征在于，对所述Bayer图像的基本层进行增强处理，还包括：

对所述Bayer图像的基本层进行对比度增强处理。

9.根据权利要求1所述的基于Bayer格式的图像增强方法，其特征在于，对所述Bayer图像的细节层进行增强处理，包括：

利用S型函数增强所述Bayer图像的细节层。

10.一种基于Bayer格式的图像增强装置，其特征在于，包括：

获取单元，用于获取待处理的Bayer图像；

提取单元，用于提取所述Bayer图像的基本层和细节层；

处理单元，用于分别对所述Bayer图像的基本层和细节层进行增强处理，以得到增强后的基本层和细节层；

生成单元，用于基于增强后的基本层和细节层，生成增强后的图像。