CN107025641B - 基于对比度分析的图像融合方法 - Google Patents

基于对比度分析的图像融合方法 Download PDF

Info

Publication number
CN107025641B
CN107025641B CN201710295854.0A CN201710295854A CN107025641B CN 107025641 B CN107025641 B CN 107025641B CN 201710295854 A CN201710295854 A CN 201710295854A CN 107025641 B CN107025641 B CN 107025641B
Authority
CN
China
Prior art keywords
image
input picture
contrast
fusion
enhancing
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
Application number
CN201710295854.0A
Other languages
English (en)
Other versions
CN107025641A (zh
Inventor
章世平
王晓芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cabin (Shenzhen) Medical Technology Co., Ltd.
Original Assignee
Cabin (shenzhen) Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cabin (shenzhen) Medical Technology Co Ltd filed Critical Cabin (shenzhen) Medical Technology Co Ltd
Priority to CN201710295854.0A priority Critical patent/CN107025641B/zh
Publication of CN107025641A publication Critical patent/CN107025641A/zh
Application granted granted Critical
Publication of CN107025641B publication Critical patent/CN107025641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

一种基于对比度分析的图像融合方法，它包括以下步骤：步骤一：分别构建输入图像及其增强图像的形态学梯度图；步骤二：将输入图像及其增强图像的形态学梯度图相减，得到输入图像增强前后的对比度差图；步骤三：根据对比度差图构建融合系数矩阵；步骤四：根据融合系数矩阵完成输入图像及其增强图像的融合，对融合后的处理图像像素进行范围控制，使像素在图像合理范围内并输出。本发明的单图融合是针对输入图像与其增强图像的融合，图像信息本质是一样的，并不是不同的图像融合。通过本方法融合输出的图像灰度分布更加均匀，细节完整的保留下来。本方法不仅对灰度图像有效，对彩色图像也同样有效，且对色彩图像在相关色彩通道上的还原更加保真。

Description

基于对比度分析的图像融合方法
技术领域
本发明涉及一种图像处理方法，尤其是一种基于对比度分析的图像融合方法。
背景技术
图像增强是图像处理必不可少的环节。无论是频域的处理方法还是空域的方法，主要作用都是有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量。
但是，通过增强的图像都有一些缺陷，如部分细节信息的丢失，亮度提升过多造成过曝现象，对比度拉伸造成部分区域过暗等等。
发明内容
本发明的目的是提供一种使得图像获得增强处理效果的同时，在细节上也保留了更好的对比度的方法。
本发明的技术方案是：
一种基于对比度分析的图像融合方法，它包括以下步骤：
步骤一：分别构建输入图像及其增强图像的形态学梯度图；
步骤二：将输入图像及其增强图像的形态学梯度图相减，得到输入图像增强前后的对比度差图；
步骤三：根据对比度差图构建融合系数矩阵；
步骤四：根据融合系数矩阵完成输入图像及其增强图像的融合，对融合后的处理图像像素进行范围控制，使像素在图像合理范围内并输出。
进一步地，步骤一具体为：
步骤101：对输入图像及其增强图像进行去噪处理；
步骤102：分别计算输入图像及其增强图像中一定邻域范围内的对比度，得到形态学梯度图一和形态学梯度图二，计算公式为：
Ci(x，y)＝max(Ni(x，y))-min(Ni(x，y)) 公式1
其中，x，y是输入图像及其增强图像的坐标；i＝1，2分别代表输入图像及其增强图像；N代表邻域范围；C代表形态学梯度图。
进一步地，领域范围选择3×3邻域、5×5邻域或者7×7邻域。
进一步地，步骤二具体为：
步骤201：将步骤一中得到的输入图像及其增强图像的形态学梯度图相减，得到对比度差图D，计算公式为：
D(x,y)＝C2(x,y)–C1(x,y) 公式2
步骤202：对对比度差图D进行归一化处理，保证数值的有效性。
进一步地，步骤三具体为：
步骤301：计算输入图像及其增强图像的融合系数矩阵W，计算公式为：
其中：a,b为梯度的陡度调节系数，D表示对比度差图的矩阵；
步骤302：对融合系数矩阵W进行归一化处理，保证数值的有效性。
进一步地，步骤四具体为：
步骤401：根据融合系数矩阵完成输入图像及其增强图像的融合，计算公式如下：
R＝W×I2+(1-W)×I1 公式4
其中，R代表融合的结果，I1，I2分别代表输入图像及其增强图像；
步骤402：对步骤401中输出的结果R进行归一化处理，去除溢出数值；
步骤403：输出处理后的图像。
进一步地，步骤301中，a＝5，b＝-min(D)/(max(D)-min(D))；max(D)和min(D)分别表示矩阵中的最大值和最小值。
本发明的有益效果：
本发明的单图融合是针对输入图像与其增强图像的融合，图像信息本质是一样的，并不是不同的图像融合。通过本方法融合输出的图像灰度分布更加均匀，细节完整的保留下来。本方法不仅对灰度图像有效，对彩色图像也同样有效，且对色彩图像在相关色彩通道上的还原更加保真。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。
图1示出了本发明的原理框图。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
一种基于对比度分析的图像融合方法，它包括以下步骤：
步骤一：分别构建输入图像及其增强图像的形态学梯度图；(所述的增强图像可以为：针对目标、边缘、分辨率、对比度等的增强图像)
步骤二：将输入图像及其增强图像的形态学梯度图相减，得到输入图像增强前后的对比度差图；
步骤三：根据对比度差图构建融合系数矩阵；
步骤四：根据融合系数矩阵完成输入图像及其增强图像的融合，对融合后的处理图像像素进行范围控制，使像素在图像合理范围内并输出。
本发明的步骤一具体中：
步骤101：对输入图像及其增强图像进行去噪处理；
步骤102：分别计算输入图像及其增强图像中一定邻域范围内的对比度，得到形态学梯度图一和形态学梯度图二，计算公式为：
Ci(x，y)＝max(Ni(x，y))-min(Ni(x，y)) 公式1
其中，x，y是输入图像及其增强图像的坐标；i＝1，2分别代表输入图像及其增强图像；N代表邻域范围(优选领域范围选择3×3邻域)；C代表形态学梯度图；max表示求邻域的最大值；min表示求邻域的最小值。
本发明的步骤二具体为：
步骤201：将步骤一中得到的输入图像及其增强图像的形态学梯度图相减，得到对比度差图D，计算公式为：
D(x,y)＝C2(x,y)–C1(x,y) 公式2
步骤202：对对比度差图D进行归一化处理，保证数值的有效性。
本发明的步骤三具体为：
步骤301：计算输入图像及其增强图像的融合系数矩阵W，计算公式为：
其中：a,b为梯度的陡度调节系数，D表示对比度差图的矩阵；a＝5，b＝-min(D)/(max(D)-min(D))；max(D)和min(D)分别表示矩阵中的最大值和最小值；
步骤302：对融合系数矩阵W进行归一化处理，保证数值的有效性。
本发明的步骤四具体为：
步骤401：根据融合系数矩阵完成输入图像及其增强图像的融合，计算公式如下：
R＝W×I2+(1-W)×I1 公式4
其中，R代表融合的结果，I1，I2分别代表输入图像及其增强图像；
步骤402：对步骤401中输出的结果R进行归一化处理，去除溢出数值；输出处理后的图像。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (4)

1.一种基于对比度分析的图像融合方法，其特征是它包括以下步骤：
步骤一：分别构建输入图像及其增强图像的形态学梯度图；
步骤二：将输入图像及其增强图像的形态学梯度图相减，得到输入图像增强前后的对比度差图；
步骤三：根据对比度差图构建融合系数矩阵；
步骤四：根据融合系数矩阵完成输入图像及其增强图像的融合，对融合后的处理图像像素进行范围控制，使像素在图像合理范围内并输出；
所述的步骤三具体为：
步骤301：计算输入图像及其增强图像的融合系数矩阵W，计算公式为：
其中：a为梯度的陡度调节系数，B为梯度的抖度调节系数b构成的矩阵，D表示对比度差图的矩阵；
步骤302：对融合系数矩阵W进行归一化处理；
所述的步骤四具体为：
步骤401：根据融合系数矩阵完成输入图像及其增强图像的融合，计算公式如下：
R＝W×I2+(1-W)×I1 公式4
其中，R代表融合的结果，I1，I2分别代表输入图像及其增强图像；
步骤402：对步骤401中输出的结果R进行归一化处理，去除溢出数值；
步骤403：输出处理后的图像；
步骤301中，a＝5，b＝-min(D)/(max(D)-min(D))；max(D)和min(D)分别表示矩阵中的最大值和最小值。
2.根据权利要求1所述的基于对比度分析的图像融合方法，其特征是所述的步骤一具体为：
步骤101：对输入图像及其增强图像进行去噪处理；
步骤102：分别计算输入图像及其增强图像中一定邻域范围内的对比度，得到形态学梯度图一和形态学梯度图二，计算公式为：
Ci(x，y)＝max(Ni(x，y))-min(Ni(x，y)) 公式1
其中，x，y是输入图像及其增强图像的坐标；i＝1，2分别代表输入图像及其增强图像；N代表邻域范围；C代表形态学梯度图。
3.根据权利要求2所述的基于对比度分析的图像融合方法，其特征是所述的邻域范围选择3×3邻域、5×5邻域或者7×7邻域。
4.根据权利要求2所述的基于对比度分析的图像融合方法，其特征是所述的步骤二具体为：
步骤201：将步骤一中得到的输入图像及其增强图像的形态学梯度图相减，得到对比度差图D，计算公式为：
D(x,y)＝C2(x,y)–C1(x,y) 公式2
步骤202：对对比度差图D进行归一化处理。
CN201710295854.0A 2017-04-28 2017-04-28 基于对比度分析的图像融合方法 Active CN107025641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710295854.0A CN107025641B (zh) 2017-04-28 2017-04-28 基于对比度分析的图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710295854.0A CN107025641B (zh) 2017-04-28 2017-04-28 基于对比度分析的图像融合方法

Publications (2)

Publication Number Publication Date
CN107025641A CN107025641A (zh) 2017-08-08
CN107025641B true CN107025641B (zh) 2019-05-21

Family

ID=59527606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710295854.0A Active CN107025641B (zh) 2017-04-28 2017-04-28 基于对比度分析的图像融合方法

Country Status (1)

Country Link
CN (1) CN107025641B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10825160B2 (en) 2018-12-12 2020-11-03 Goodrich Corporation Spatially dynamic fusion of images of different qualities
US11017515B2 (en) 2019-02-06 2021-05-25 Goodrich Corporation Thermal image warm-target detection and outline formation
CN109978808B (zh) 2019-04-25 2022-02-01 北京迈格威科技有限公司 一种用于图像融合的方法、装置和电子设备
CN113225590B (zh) * 2021-05-06 2023-04-14 深圳思谋信息科技有限公司 视频超分增强方法、装置、计算机设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854259A (zh) * 2012-12-03 2014-06-11 三星泰科威株式会社 图像处理设备以及处理图像的方法
CN106339998A (zh) * 2016-08-18 2017-01-18 南京理工大学 基于对比度金字塔变换的多聚焦图像融合方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7492962B2 (en) * 2005-08-25 2009-02-17 Delphi Technologies, Inc. System or method for enhancing an image
US7636098B2 (en) * 2006-09-28 2009-12-22 Microsoft Corporation Salience preserving image fusion
CN100573584C (zh) * 2008-01-18 2009-12-23 西安电子科技大学 基于成像机理与非采样Contourlet变换多聚焦图像融合方法
CN101833754B (zh) * 2010-04-15 2012-05-30 青岛海信网络科技股份有限公司 图像增强方法及系统
CN103778616A (zh) * 2012-10-22 2014-05-07 中国科学院研究生院 基于区域的对比度金字塔图像融合方法
CN104021531A (zh) * 2014-06-18 2014-09-03 厦门美图之家科技有限公司 一种改进的基于单尺度Retinex的暗环境图像的增强方法
CN104408700A (zh) * 2014-11-21 2015-03-11 南京理工大学 基于形态学和pca的轮廓波红外与可见光图像融合方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854259A (zh) * 2012-12-03 2014-06-11 三星泰科威株式会社 图像处理设备以及处理图像的方法
CN106339998A (zh) * 2016-08-18 2017-01-18 南京理工大学 基于对比度金字塔变换的多聚焦图像融合方法

Also Published As

Publication number Publication date
CN107025641A (zh) 2017-08-08

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
CN107025641B (zh) 基于对比度分析的图像融合方法
Ghani et al. Enhancement of low quality underwater image through integrated global and local contrast correction
CN104063848B (zh) 一种低照度图像增强方法和装置
CN110570360B (zh) 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法
KR101518722B1 (ko) 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치
US8131084B2 (en) Apparatus for improving sharpness of image
KR100791388B1 (ko) 영상의 선명도 향상을 위한 장치 및 방법
CN104240194A (zh) 一种基于抛物线函数的低照度图像增强算法
Zheng et al. Underwater image enhancement algorithm based on CLAHE and USM
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
CN104252700A (zh) 一种红外图像的直方图均衡化方法
Xu et al. Colour image enhancement by virtual histogram approach
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
Kumari et al. Single image fog removal using gamma transformation and median filtering
CN109523474A (zh) 一种基于雾天退化模型的低照度图像增强方法
CN112053302A (zh) 高光谱图像的去噪方法、装置及存储介质
CN117611501A (zh) 一种低照度图像增强方法、装置、设备及可读存储介质
Dar et al. An enhanced adaptive histogram equalization based local contrast preserving technique for HDR images
CN106327450A (zh) 一种基于时空累积和图像退化模型的低照度视频图像增强方法
CN104616259B (zh) 一种噪声强度自适应的非局部均值图像去噪方法
Zhu et al. Low-light image enhancement network with decomposition and adaptive information fusion
Kumar et al. A generic post-processing framework for image dehazing
CN109859138A (zh) 一种基于人眼视觉特性的红外图像增强方法
CN117495719A (zh) 一种基于大气光幕与雾浓度分布估计的去雾方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Shiping

Inventor after: Wang Xiaofang

Inventor before: Wang Xiaofang

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20181106

Address after: 518000 B1 701-72, Kexing Science Park, 15 Keyuan Road, Nanshan District, Shenzhen, Guangdong.

Applicant after: Cabin (Shenzhen) Medical Technology Co., Ltd.

Address before: 210000 Room 403, 3 tower 141, Ma Tai Street, Nanjing, Jiangsu.

Applicant before: Nanjing Mizong Electronic Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant