CN107527333B - 一种基于伽马变换的快速图像增强方法 - Google Patents

Abstract

本发明公开了一种基于伽马变换的快速图像增强方法，方法包括：输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的平均值，图像灰度值的众数，图像灰度值的中位数；根据这三个指标值的大小关系，预判断伽马变换中的γ的取值范围，然后利用局部遍历法确定最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值，实现了快速的图像自适应增强，使图像增强算法有更高的效率和更好的图像质量，是一种快速自适应的图像增强方法。

Description

一种基于伽马变换的快速图像增强方法

技术领域

本发明属于图像处理领域，具体涉及一种基于伽马变换的快速图像增强方法。

背景技术

图像增强作为图像处理的重要内容之一，其宗旨在于通过一定的手段对原图像进行适当的变换，尽可能多的突出图像中用户感兴趣的特征，并抑制图像中某些无关紧要的冗余特征，使得增强后的图像符合人的视觉响应特性。图像增强是由基本图像处理到高级图像分析的关键步骤，其任务是使图像拥有更好的视觉特性，根据已知的应用领域，有针对性的强调图像的全局特性或某些局部特性，将原来模糊的区域变清晰或强调某些感兴趣的特征。

图像的质量通常在数字图像获取的过程中会由于不均匀照明等影响从而下降，图像通常表现得偏暗或者偏亮。这对提取需要的图像信息造成了一定障碍。因而，通常在对图像进行分析处理前，要对图像进行增强。图像增强是图像处理的基本步骤之一，主要的目的是增强图像的亮度以及对比度，从而突出一幅图像中的某些信息，同时削弱或去除某些不需要信息。在数字图像处理领域，通常实用的增强方法有两大类：基于空域的方法和基于频域的方法。具体的方法有：直方图均衡化、直方图规定化、拉普拉斯锐化、灰度变换法等，其中灰度变换可使图像动态范围增大，扩展图像对比度，特征明显，图像更加清晰，成为图像最常用的增强方式。灰度变换可分为线性变换、分段线性变换、非线性变换三类。

伽马变换是一种常用的非线性变换，其基本形式为s＝cr^γ。当γ值小于1时，会拉伸图像中灰度级较低的区域，同时会压缩灰度级较高的部分，使得图像的低灰度区对比度得到增强；当γ值大于1时，会拉伸图像中灰度级较高的区域，同时会压缩灰度级较低的部分，使得图像的高灰度区对比度得到增强；当γ值等于1时，属于线性变换，不改变原图像。

发明内容

本发明的目的是：为了解决图像增强中图像的对比度偏亮或者偏暗的问题，在此提出了一种通过利用伽马变换的快速图像增强方法。

为了达到上述目的，本发明所采用的技术方案是：一种基于伽马变化的快速图像增强方法，其特征在于，所述方法包括如下步骤：

步骤1：输入待进行增强的原始图像S，用F(i，j)表示原始图像在像素点(i，j)处的灰度值，读取原始图像S各个像素点的灰度值；

步骤2：读取原始图像S的各点灰度值，统计各个灰度级k出现的次数，记为G(k)，其中，灰度级k的取值范围为0-255，得到原始图像的灰度直方图T；

步骤3：利用原始图像的灰度直方图T，设定对灰度直方图T进行插值的步长step，对于灰度直方图T上的灰度级k，根据步长step对原始图像的灰度直方图T进行插值平滑处理，得到平滑后的灰度直方图T′，再次统计各个灰度级k出现的次数，记为G(k)′，扫描G(k)′，得到平滑后图像的最大灰度值G_max和最小灰度值G_min，并将平滑处理后的图像进行归一化处理记为I′，将图像的灰度值变换到[0，1]区间；

步骤4：根据步骤3得到的归一化后的图像I′，对于灰度级k从0到255，再次扫描G(k)′，经过统计学方法得到归一化后的图像I′中的灰度值的中位数M_edian、灰度值的众数M_ode和平均灰度值M_ean；

步骤5：根据步骤4得到的灰度值的中位数M_edian、众数M_ode和平均灰度值M_ean，比较这三个统计量的大小关系，若众数M_ode＜中位数M_edian＜平均灰度值M_ean，则将γ值的取值范围定为大于1，即γ∈(1，Gm)；若平均灰度值M_ean＜中位数M_edian＜众数M_ode，则将γ值的取值范围定为小于1，即γ∈(0，1)；

步骤6：根据步骤5中得到的初步确定的γ值的取值范围，设定一个变量p，特别地，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝0.1；在γ值的取值区间中按照数值间隔p取定γ的值，对每一个取到的γ值计算相应的评价值，取评价值最优的γ值；

步骤7：根据步骤6所得的最优的γ值对经过归一化处理后的图像I′进行伽马变换处理，并对伽马变换处理后的增强图像进行反归一化处理；

步骤8：输出增强后的图像。

作为优选，所述步骤3中，将原始图像灰度直方图进行插值平滑处理所采用的公式为：

上式中F(i，j)表示原始图像在像素点(i，j)处的灰度值，temp表示像素点(i，j)经过插值平滑处理后的灰度值，step表示预先设定的进行插值的步长，步长越大，直方图会变得越顺滑，同样的也会损失更多的细节；

将平滑处理后的图像进行归一化处理所采用的公式为：

上式中F(i，j)表示经过平滑处理的图像在像素点(i，j)处的灰度值，F′(i，j)表示归一化处理后图像在像素点(i，j)处的灰度值，G_max是图像最大灰度值，G_min是图像最小灰度值。

作为优选，所述步骤4中，中位数M_edian是指在灰度直方图T′中所有像素按照按灰度值从0到255排列的中间值，即中位数M_edian是把数据较高的一半与较低的一半分开的值M_edian∈(0，255)；众数M_ode是指在灰度直方图T′中数量最多的灰度级，即M_ode＝max(G(k)′)，其中G(k)′是指灰度级k出现的次数；灰度平均值M_ean是指灰度直方图T′中所有像素点灰度值的平均值，采用的公式如下：

其中F(i，j)′表示像素点(i，j)经过灰度直方图平滑后的灰度值，M、N是指原图像S的宽和高。

作为优选，所述步骤5中，一般的取Gm＝10。

作为优选，所述步骤5中，大多数情况下，图像像素的灰度值分布是不对称的，表现在灰度直方图中的数据可能是正倾斜的，或者是负倾斜的；特别地，当众数M_ode＜中位数M_edian＜平均灰度值M_ean时表现为正倾斜数据，是指图像灰度值集中在较小的灰度级中，即图像偏暗，因此初步将γ值的取值范围定为大于1，即γ∈(1，Gm)，此时图像的高灰度区域对比度将得到增强；当平均灰度值M_ean＜中位数M_edian＜众数M_ode时表现为负倾斜数据，是指图像灰度值集中在较大的灰度级中，即图像偏亮，因此初步将γ值的取值范围定为小于1，即γ∈(0，1)，此时图像的低灰度区域对比度将得到增强。

作为优选，所述步骤6包括如下步骤：

步骤6.1：判断γ值的取值范围，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝0.1；

步骤6.2：计算当前γ₁值的评价值fit₁，记当前的评价值为最优评价值，即fit_best＝fit₁，保留当前评价值最优的γ₁值；

步骤6.3：更新γ值，γ＝γ+p，计算评价值fit₂；

步骤6.4：若fit₂＞fit_best，则更新最优的评价值fit_best＝fit₂，保留当前评价最优的γ值，然后进入步骤6.5；若fit₂≤fit_best，则顺序执行步骤6.5；

步骤6.5：判断是否达到终止条件，即循环遍历γ值10次，若是，则输出评价值最优的γ值；若否，则返回执行步骤6.3。

作为优选，所述步骤6中，评价增强图像质量标准采用的公式为：

其中，M、N分别代表图像的宽、高，F′(x，y)表示像素点(x，y)变换后的灰度值，fit值越大，表示图像的对比度越大，图像增强效果越好，取评价值最优的γ值来增强图像。

作为优选，所述步骤7中，伽马变换采用的公式为：

s＝cr^γ

其中c是正常数，通常取c＝1，γ值由步骤6得到，r表示输入图像的灰度值，r∈[0，1]，s表示输出图像的灰度值；γ值的幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值，相反地，对于输入高灰度级值时也成立；γ值小于1时，会拉伸图像中灰度级较低的区域，同时会压缩灰度级较高的部分，使得图像的低灰度区对比度得到增强；γ值大于1时，会拉伸图像中灰度级较高的区域，同时会压缩灰度级较低的部分，使得图像的高灰度区对比度得到增强；当γ等于1时，属于线性变换，不改变原图像；

对归一化伽马变换后的图像进行反变换处理，其采用的公式为

F″(i，j)＝(G′_max-G′_min)g′(i，j)+G′_min

式中，G′_max和G′_min分别为变换后图像的最大和最小灰度值，对于8位灰度图像，G′_max＝255，G′_min＝0，g′(i，j)是指采用归一化的伽马变换增强后像素点(i，j)的灰度值，F″(i，j)为进行反归一化后像素点(i，j)的灰度值。

与现有技术相比，本发明的有益效果是：本发明提出的一种基于伽马变换的快速图像增强方法，输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的平均值，图像灰度值的众数，图像灰度值的中位数；根据这三个指标值的大小关系，预判断伽马变换中的γ的取值范围，然后利用局部遍历法确定最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。该方法简单易行，操作性强，为图像增强提供了一种新的简便方法。

附图说明

图1为本发明实施例的流程图。

图2为获得最优评价γ值的流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

参见图1及图2所示，本发明所采用的技术方案是：一种基于伽马变换的快速图像增强方法，其特征在于，包括以下步骤：

步骤1：输入待进行增强的原始图像S，用F(i，j)表示原始图像在像素点(i，j)处的灰度值，读取原始图像S各个像素点的灰度值。

步骤2：读取原始图像S的各点灰度值，统计各个灰度级k出现的次数，记为G(k)，其中，灰度级k的取值范围为0-255，得到原始图像的灰度直方图T。

步骤3：利用原始图像的灰度直方图T，设定对灰度直方图T进行插值的步长step，对于灰度直方图T上的灰度级k，根据步长step对原始图像的灰度直方图T进行插值平滑处理，进行插值平滑处理所采用的公式为：

上式中F(i，j)表示原始图像在像素点(i，j)处的灰度值，temp表示像素点(i，j)经过插值平滑处理后的灰度值，step表示预先设定的进行插值的步长，步长越大，直方图会变得越顺滑，同样的也会损失更多的细节。

得到平滑后的灰度直方图T′，再次统计各个灰度级k出现的次数，记为G(k)′，扫描G(k)′，得到平滑后图像的最大灰度值G_max和最小灰度值G_min，并将平滑处理后的图像进行归一化处理记为I′，将图像的灰度值变换到[0，1]区间。

将平滑处理后的图像进行归一化处理所采用的公式为：

上式中F(i，j)表示经过平滑处理的图像在像素点(i，j)处的灰度值，F′(i，j)表示归一化处理后图像在像素点(i，j)处的灰度值，G_max是图像最大灰度值，G_min是图像最小灰度值。

步骤4：根据步骤3得到的归一化后的图像I′，再次扫描G(k)′，经过统计学方法得到平滑后的灰度直方图T′中的灰度值的中位数M_edian、灰度值的众数M_ode和平均灰度值M_ean。其中，灰度值的中位数M_edian是指在灰度直方图T′中所有像素按照按灰度值从低到高排列的中间值，即灰度值的中位数M_edian是把数据较高的一半与较低的一半分开的值，M_edian∈(0，255)；灰度值的众数M_ode是指在图像I′中数量最多的灰度级，即M_ode＝max(G(k)′)，其中G(k)′是指灰度级k出现的次数；平均灰度值M_ean是指图像I′中所有像素点灰度值的平均值，采用的公式如下：

其中F(i，j)′表示图像I′在像素点(i，j)的灰度值，M、N是指原图像S的宽和高。

步骤5：大多数情况下，图像像素的灰度值分布是不对称的，表现在灰度直方图中的数据可能是正倾斜的，或者是负倾斜的。根据步骤4得到的灰度值的中位数M_edian、众数M_ode和平均灰度值M_ean，判断这三个统计量的大小关系。当众数M_ode＜中位数M_edian＜平均灰度值M_ean时表现为正倾斜数据，是指图像灰度值集中在较小的灰度级中，即图像偏暗，因此初步将γ值的取值范围定为大于1，即γ∈(1，Gm)，一般的取Gm＝10，此时图像的高灰度区域对比度将得到增强；当平均灰度值M_ean＜中位数M_edian＜众数M_ode时表现为负倾斜数据，是指图像灰度值集中在较大的灰度级中，即图像偏亮，因此初步将γ值的取值范围定为小于1，即γ∈(0，1)，此时图像的低灰度区域对比度将得到增强。

步骤6：根据步骤5中得到的初步确定的γ值的取值范围，设定一个较小的数p，特别地，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝0.1；在γ值的取值区间中按照数值间隔p取定γ的值，对每一个取到的γ值计算相应的评价值，取评价值最优的γ值。包括如下步骤：

步骤6.1：判断γ值的取值范围，当γ∈(1，Gm)时，设为P＝1；当γ∈(0，1)时，设为P＝0.1；

步骤6.2：计算当前γ₁值的评价值fit₁，记当前的评价值为最优评价值，即fit_best＝fit₁，保留当前评价值最优的γ₁值；

步骤6.3：更新γ值，γ＝γ+p，计算评价值fit₂；

步骤6.4：若fit₂＞fit_best，则更新最优的评价值fit_best＝fit₂，保留当前评价最优的γ值，然后进入步骤6.5；若fit₂≤fit_best，则顺序执行步骤6.5；

步骤6.5：判断是否达到终止条件，即循环遍历γ值10次，若是，则输出评价值最优的γ值；若否，则返回执行步骤6.3；

其中评价增强图像质量标准采用的公式为：

其中，M、N分别代表图像的宽、高，F′(x，y)表示像素点(x，y)变换后的灰度值，fit值越大，表示图像的对比度越大，图像增强效果越好，取评价值最优的γ值来增强图像。

步骤7：根据步骤6所得的最优的γ值对图像执行伽马变换，采用的公式为：

s＝cr^γ

其中c是正常数，通常取c＝1，γ值由步骤6得到，r表示输入图像的灰度值，r∈[0，1]，s表示输出图像的灰度值。γ值的幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值，相反地，对于输入高灰度级值时也成立。γ值小于1时，会拉伸图像中灰度级较低的区域，同时会压缩灰度级较高的部分，使得图像的低灰度区对比度得到增强；γ值大于1时，会拉伸图像中灰度级较高的区域，同时会压缩灰度级较低的部分，使得图像的高灰度区对比度得到增强；当γ等于1时，属于线性变换，不改变原图像。

之后对归一化伽马变换后的图像进行反变换处理，其采用的公式为

F″(i，j)＝(G′_max-G′_min)g′(i，j)+G′_min

式中，G′_max和G′_min分别为变换后图像的最大和最小灰度值，对于8位灰度图像，G′_max＝255，G′_min＝0，g′(i，j)是指采用归一化的伽马变换增强后像素点(i，j)的灰度值，F″(i，j)为进行反归一化后像素点(i，j)的灰度值。步骤8：输出增强后的图像。

步骤8：输出增强后的图像。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (7)

1.一种基于伽马变换的快速图像增强方法，其特征在于，所述方法包括如下步骤：

步骤1：输入待进行增强的原始图像S，用f(i,j)表示原始图像在像素点(i,j)处的灰度值，读取原始图像S各个像素点的灰度值；

步骤2：读取原始图像S的各点灰度值，统计各个灰度级k出现的次数，记为G(k)，其中，灰度级k的取值范围为0-255，得到原始图像的灰度直方图T；

步骤3：利用原始图像的灰度直方图T，设定对灰度直方图T进行插值的步长step，对于灰度直方图T上的灰度级k，根据步长step对原始图像的灰度直方图T进行插值平滑处理，得到平滑后的灰度直方图T'，再次统计各个灰度级k出现的次数，记为G(k)'，扫描G(k)'，得到平滑后图像的最大灰度值G_max和最小灰度值G_min，并将平滑处理后的图像进行归一化处理记为I'，将图像的灰度值变换到[0,1]区间；

步骤4：根据步骤3得到的归一化后的图像I'，对于灰度级k从0到255，再次扫描G(k)'，经过统计学方法得到归一化后的图像I'中的灰度值的中位数M_edian、灰度值的众数M_ode和平均灰度值M_ean；

步骤5：根据步骤4得到的灰度值的中位数M_edian、众数M_ode和平均灰度值M_ean，比较这三个统计量的大小关系，若众数M_ode<中位数M_edian<平均灰度值M_ean，则将γ值的取值范围定为大于1，即γ∈(1，Gm)；若平均灰度值M_ean<中位数M_edian<众数M_ode，则将γ值的取值范围定为小于1，即γ∈(0，1)；

步骤6：根据步骤5中得到的初步确定的γ值的取值范围，设定一个变量p，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝0.1；在γ值的取值区间中按照数值间隔p取定γ的值，对每一个取到的γ值计算相应的评价值，取评价值最优的γ值；

步骤7：根据步骤6所得的最优的γ值对经过归一化处理后的图像I'进行伽马变换处理，并对伽马变换处理后的增强图像进行反归一化处理；

步骤8：输出增强后的图像。

2.根据权利要求1所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤4中，中位数M_edian是指在灰度直方图T'中所有像素按照按灰度值从0到255排列的中间值，即中位数M_edian是把数据较高的一半与较低的一半分开的值，M_edian∈(0,255)；众数M_ode是指在灰度直方图T'中数量最多的灰度级，即M_ode＝max(G(k)')，其中G(k)'是指灰度级k出现的次数；灰度平均值M_ean是指灰度直方图T'中所有像素点灰度值的平均值，采用的公式如下：

其中f(i,j)'表示像素点(i,j)经过灰度直方图平滑后的灰度值，M、N是指原图像S的宽和高。

3.根据权利要求1所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤5中，取Gm＝10。

4.根据权利要求1或3所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤5中，图像像素的灰度值分布是不对称的，表现在灰度直方图中的数据是正倾斜的，或者是负倾斜的；当众数M_ode<中位数M_edian<平均灰度值M_ean时表现为正倾斜数据，是指图像灰度值集中在较小的灰度级中，即图像偏暗，因此初步将γ值的取值范围定为大于1，即γ∈(1，Gm)，此时图像的高灰度区域对比度将得到增强；当平均灰度值M_ean<中位数M_edian<众数M_ode时表现为负倾斜数据，是指图像灰度值集中在较大的灰度级中，即图像偏亮，因此初步将γ值的取值范围定为小于1，即γ∈(0，1)，此时图像的低灰度区域对比度将得到增强。

5.根据权利要求1所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤6包括如下步骤：

步骤6.1：判断γ值的取值范围，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝0.1；

步骤6.2：计算当前γ₁值的评价值fit₁，记当前的评价值为最优评价值，即fit_best＝fit₁，保留当前评价值最优的γ₁值；

步骤6.3：更新γ值，γ＝γ+p,计算评价值fit₂；

步骤6.4：若fit₂>fit_best，则更新最优的评价值fit_best＝fit₂，保留当前评价最优的γ值，然后进入步骤6.5；若fit₂≤fit_best，则顺序执行步骤6.5；

步骤6.5：判断是否达到终止条件，即循环遍历γ值10次，若是，则输出评价值最优的γ值；若否，则返回执行步骤6.3。

6.根据权利要求1或5所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤6中，评价增强图像质量标准采用的公式为：

其中，M、N分别代表图像的宽、高，f'(x,y)表示像素点(x,y)变换后的灰度值，fit值越大，表示图像的对比度越大，图像增强效果越好，取评价值最优的γ值来增强图像。

7.根据权利要求1所述的一种基于伽马变换的快速图像增强方法，其特征在于：所述步骤7中，伽马变换采用的公式为：

s＝cr^γ

其中c是正常数，取c＝1，γ值由步骤6得到，r表示输入图像的灰度值，r∈[0,1]，s表示输出图像的灰度值；γ值的幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值，相反地，对于输入高灰度级值时也成立；γ值小于1时，会拉伸图像中灰度级较低的区域，同时会压缩灰度级较高的部分，使得图像的低灰度区对比度得到增强；γ值大于1时，会拉伸图像中灰度级较高的区域，同时会压缩灰度级较低的部分，使得图像的高灰度区对比度得到增强；当γ等于1时，属于线性变换，不改变原图像；

对归一化伽马变换后的图像进行反变换处理，其采用的公式为

f”(i,j)＝(G'_max-G'_min)g'(i,j)+G'_min

式中，G'_max和G'_min分别为变换后图像的最大和最小灰度值，对于8位灰度图像，G'_max＝255，G'_min＝0，g'(i,j)是指采用归一化的伽马变换增强后像素点(i,j)的灰度值，f”(i,j)为进行反归一化后像素点(i,j)的灰度值。

Images