CN108447040A - 直方图均衡化方法、装置及终端设备 - Google Patents
直方图均衡化方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108447040A CN108447040A CN201810134576.5A CN201810134576A CN108447040A CN 108447040 A CN108447040 A CN 108447040A CN 201810134576 A CN201810134576 A CN 201810134576A CN 108447040 A CN108447040 A CN 108447040A
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- grey scale
- mapping relationship
- original image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013507 mapping Methods 0.000 claims abstract description 165
- 230000004927 fusion Effects 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 53
- 230000001186 cumulative effect Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005315 distribution function Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005303 weighing Methods 0.000 claims description 6
- 238000000465 moulding Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 14
- 230000002708 enhancing effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011067 equilibration Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000149 penetrating 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明适用于图像处理技术领域,提供了一种直方图均衡化方法、装置及终端设备,所述方法包括:通过图像采集系统获取原始图像,从原始图像中获取至少一个感兴趣图像;对原始图像和至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像的灰度映射关系和至少一个感兴趣图像的灰度映射关系;将原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。上述方法将感兴趣图像的灰度映射关系和原始图像灰度映射关系进行加权融合,从而使得用户通过设定感兴趣区域有针对性的增强图像,同时降低计算复杂度。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种直方图均衡化方法、装置及终端设备。
背景技术
图像增强技术是图像处理中的一个重要方面。图像增强可以有效地突出图像中的感兴趣特征,弱化次要信息。而直方图均衡是一种比较常用的图像增强技术,可以有效地提高图像的对比度,对于灰度集中在较窄的区间的图像尤其有用。通过这种方法,亮度可以更好地在直方图上分布。算法实现较为简单,无需借助外来因素的参数设置。直方图均衡技术受到了许多领域的重视,比如热红外图像质量的改善,热红外图像直观地反应了拍摄场景的表面温度分布,当温度较为集中时,成像质量往往并不理想,对比度较弱,通过该技术可以得到改善。
但是,传统的直方图均衡技术在处理数据时是不加选择的,增强图像时没有针对性。比如,局部直方图均衡的方法,它是将图像分割为多个子块,分别对子块进行直方图均衡化,最后再将子块合成大图,该方法在处理的过程中缺乏针对性并且计算量大、处理速度慢;再比如,双直方图均衡的方法,它是根据直方图亮度的均值将图像划分为两个子图进行均衡,最后再合成一幅大图,该方法在直方图均衡的处理过程中也不具有针对性,用户调控困难。
发明内容
有鉴于此,本发明实施例提供了一种直方图均衡化的方法、装置及终端设备,以解决现有技术中直方图均衡算法不具有针对性和用户调控困难的问题。
本发明实施例的第一方面提供了一种直方图均衡化方法方法,包括:
通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像;
对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系;
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;
根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
可选的,所述对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
可选的,所述直方图均衡化处理,具体包括:
获取图像的直方图,统计所述直方图中每个灰度级出现的概率;
根据累积分布函数计算所述直方图的累积分布概率;
将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
可选的,所述将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
本发明实施例的第二方面提供了一种直方图均衡化装置,包括:图像获取模块、均衡化处理模块、加权融合模块、重映射模块;
图像获取模块,用于通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像;
均衡化处理模块,用于对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系;
加权融合模块,用于将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;
重映射模块,用于根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
可选的,所述均衡化处理模块对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
可选的,所述均衡化处理模块包括:直方图统计单元、概率计算单元和函数映射单元;
直方图统计单元,获取图像的直方图,统计所述直方图中每个灰度级出现的概率;
概率计算单元,根据累积分布函数计算所述直方图的累积分布概率;
函数映射单元,将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
可选的,所述加权融合模块将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
本发明实施例的第三方面提供了一种直方图均衡化终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述直方图均衡化方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述直方图均衡化方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例,从所述原始图像上获取至少一个感兴趣图像,并对所述原始图像和所述至少一个感兴趣的图像分别进行直方图均衡化处理,得到原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系,进而对原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系进行加权融合,根据加权融合后的灰度映射关系对原始图像进行灰度重映射,得到均衡化后的图像,从而能够使得通过用户设定的感兴趣的区域有针对性的增强图像,增强用户的可调控性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例提供的直方图均衡化方法的实现流程示意图;
图2是本发明实施例提供的原始图像和感兴趣图像;
图3是本发明实施例提供的图1中步骤S102的实现流程示意图;
图4是本发明实施例提供的原始图像统计直方图和感兴趣图像的统计直方图;
图5是本发明实施例提供的原始图像灰度映射关系和感兴趣图像的灰度映射关系;
图6是本发明实施例提供的加权融合后的灰度映射关系;
图7是本发明实施例提供的传统方法的直方图增强效果图和本方案中直方图增强效果图;
图8是本发明实施例提供的直方图均衡化装置的结构示例图;
图9是本发明实施例提供的另一种直方图均衡化装置的结构示意图;
图10是本发明实施例提供的直方图均衡化终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
参见图1,示出了本发明实施例提供的直方图均衡化方法的实现流程示意图,详述如下:
步骤S101,通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像。
在对图像进行直方图均衡化之前,需要先获取原始图像。具体方式可以是通过图像采集系统对预设区域进行一次或多次拍摄,获得一张满意的原始图像。例如图2所示的三幅图中的第一幅图像,显示了变电站仪器仪表检测过程中的图像,图像中含有多个物体,例如:电线、绝缘子、支架以及电表等。传统的直方图均衡化的方法,是对整幅的原始图像直接进行均衡化,这种均衡化的方法对于处理的数据并没有进行二次选择,因此对于含有多个物体的图像在经过直方图均衡化后,可能并没有对于用户感兴趣的区域进行增强。例如,采用传统的方法在对上述变电站仪表检测的图像进行均衡化后,增强的有可能是原始图像中绝缘子部分,而并非对于电表部分。此外,对于前景偏亮背景偏暗且背景在图中的占比较大的图像时,传统的直方图均衡会明显增强背景的对比度,而前景的增强效果则微乎其微,甚至反而会被弱化。
鉴于上述直方图均衡化的缺点,本申请通过获取原始图像中感兴趣图像的方法来有针对性的对图像中的某一部分进行增强。对于划定感兴趣区域的方法可以为用户输入的方式,例如对于上述变电站仪器仪表检测图像中,用户感兴趣的区域往往是电表部分图像,因此用户可以划定电表、电表与支架和绝缘子连接部位的图像为感兴趣的图像。对于划定的感兴趣图像的个数,这里不做限定,可以为一个或多个。对于获取的感兴趣图像的形状可以为多边形、椭圆形或掩膜等。参见图2中三幅图像中第二幅图像和第三幅图像,示例性的,分别以多边形和椭圆形的形状划定了两个感兴趣的区域。
需要注意的是,本申请中所划定感兴趣的图像是为了对划定图像部分的灰度级极性增强,而并非仅仅增强所划定的一部分图像。
步骤S102,对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系。
在获得原始图像和感兴趣图像后,分别对原始图像和感兴趣图像进行直方图均衡化操作,从而来增加原始图像和感兴趣图像的局部对比度。直方图均衡化就是将图像进行非线性的拉伸,重新将图像的像素值进行分配,以达到一定灰度范围内的像素数量大致相同,使得给定的直方图分布变换为一种均匀的直方图分布,从而获得最大的对比度。
可选的,所述对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
在本实施例中,对于获取的原始图像和感兴趣图像并行地进行直方图均衡化处理。通过并行化地对原始图像和感兴趣图像进行直方图处理能够提高图像均衡化的效率,减小运行时间。假如需要进行直方图均衡化的图像为一个原始图像和一个感兴趣图像,那么采用并行的直方图均衡化方法和依次对原始图像和感兴趣图像进行直方图均衡化将不会对该算法的运行效率产生太大的影响;但是,当用户划定的感兴趣图像为多个时,采用依次对原始图像和感兴趣图像进行均衡化将会大大减小该算法的执行效率,增加算法的运行时间。因此,本实施例中采用并行处理的方法对原始图像和感兴趣图像同时进行直方图均衡化。
可选的,参见图3,示出了本发明实施例提供的图1中步骤S102的实现流程示意图,也就是所述直方图均衡化处理流程图,详述如下:
步骤S301,获取图像的直方图,统计所述直方图中每个灰度级出现的概率。
在本实施例中,分别对原始图像和感兴趣的图像进行直方图统计,这里以原始图像为例,说明直方图统计的过程。统计原始图像中每个灰度级出现的次数,根据原始图像中每个灰度级出现的次数以及所有灰度级的总个数计算每个灰度级出现的概率。
示例性的,对于一个灰度级为256的图像,需要分别计算灰度级为0、1、2直至255出现的个数,再以灰度级为横轴,以灰度级出现的个数为纵轴绘制出图像的直方图。根据直方图计算每个灰度级相对于全部灰度级出现的概率,例如,在原始图像中灰度级3出现的次数为10次,原始图像的分辨率为640×512,那么灰度级3出现的概率为10/(640*512)。容易理解的,当对感兴趣的图像进行直方图统计时,所述公式对应的图像分辨率为感兴趣图像的分辨率。如图4所示,分别示出了原始图像的直方图、感兴趣图像1的直方图和感兴趣图像2的直方图。
步骤S302,根据累积分布函数计算所述直方图的累积分布概率。
在本实施例中,通过累积分布函数计算对上述方法获得的各个灰度级的概率进行累积求和,获得各个灰度级的累积分布概率。
在均衡化的过程中采用累积分布函数,这是因为:在均衡化的过程中需要保证灰度在经过映射后与映射之前的大小关系不变,图像中较亮的部分在映射后也应该是较亮的区域,而图像中较暗的区域在映射后也依旧是较暗的区域。此外,灰度在经过映射之后,值域应该处于原始图像的值域之间,不能将值域进行扩大。而累积分布函数为单调递增函数,且值域在0到1之间,能够满足上述灰度映射过程需要的两个条件。
示例性的,当需要计算灰度级为3处的累积概率时,则需要将灰度级为0、灰度级1、灰度级2和灰度级3处的概率值进行求和,从而得到灰度级3处的累积概率。参照上述方法,计算灰度级为0至255范围内的每个灰度级的累积概率,从而得到累积分布概率。
步骤S303,将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
在本实施例中,在获得累积分布概率后,将累积分布函数进行映射得到直方图均衡处理后的灰度映射关系。具体的,直方图均衡化处理后的灰度值就等于原始的灰度对应的累积分布概率与灰度级个数的乘积。
示例性的,当原始图像中灰度级为128的灰度值所对应的累积概率为0.4375时,则根据函数映射后的灰度值为0.4375*255=111.5625,当获得的映射后的灰度值为非整数时,需要将非整数进行取整操作,得到映射后的灰度值为112。因此,采用上述方法可以根据累积分布概率得到映射后的灰度值。参见图5,示出了本发明实施例提供的原始图像的灰度映射关系、感兴趣图像1的灰度映射关系和感兴趣图像2的灰度映射关系,其中,横轴表示原始灰度,纵轴表示均衡化后的灰度。
步骤S103,将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系。
在获得原始图像的灰度映射关系和感兴趣图像的灰度映射关系后,为了突出感兴趣图像部分的对比度,这里采用加权融合的方法将感兴趣图像对应的灰度映射关系增加至原始图像对应的灰度映射关系中,从而增加感兴趣图像部分的灰度级的个数,进而增加感兴趣图像的对比度和细节特征。
可选的,将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
本实施例中,通过将原始图像的灰度映射关系和感兴趣图像的灰度映射关系进行融合,从而有针对性的对感兴趣图像所对应的灰度值进行增强。从图5可以看出,灰度映射关系为一条曲线,但是实质上灰度映射关系为一个一维向量,所述一维向量为一个长度等于图像灰度值的向量。具体的,一维向量的索引表示原始灰度,一维向量的数值表示均衡化后的灰度。将原始图像和感兴趣图像的灰度映射关系表示为一维向量后,就可以通过加权融合的方法将原始图像的灰度映射关系和感兴趣图像的灰度映射关系进行融合。
其中,将原始图像的灰度映射关系和感兴趣图像的灰度映射关系融合的过程就是点对点的加权融合。在融合的过程中,可以调节原始图像和感兴趣图像的权重,从而便于用户控制感兴趣图像的灰度映射关系对加权融合后图像的灰度映射关系的增强程度,以及多个感兴趣图像中的特定感兴趣图像的灰度映射关系对加权融合后图像的灰度映射关系的增强程度。容易理解的,原始图像和感兴趣图像的权重和应为1。
示例性的,当感兴趣图像的个数为两个时,原始图像和感兴趣图像的权重可以分别设置为0.2、0.4和0.4,可以得到如图6所示的加权融合后的灰度映射关系。对于权重值的具体大小这里不做限定,可以根据用户所希望得到的图像增强的效果进行设定。
步骤S104,根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
在经过上述方法得到加权融合后的灰度映射关系后,将原始图像根据得到的灰度映射关系进行重映射,得到最终的图像均衡化后的图像。参见图7,示出了采用传统的方法进行直方图均衡化后的图像和采用本申请的方法得到的直方图均衡化后的图像,其中,左图为采用传统方法获得的直方图均衡化后的图像,右图为采用本申请中的方法获得的直方图均衡化后的图像。经过对比,可以发现采用本申请的方法获得的均衡化后的图像能够分别将较暗的区域图像和较亮的区域进行突出,相对于传统的直方图均衡化的图像,本申请的方法能够提高感兴趣区域的对比度和细节特征。
上述直方图均衡化方法,从所述原始图像上获取至少一个感兴趣图像,并对所述原始图像和所述至少一个感兴趣的图像分别进行直方图均衡化处理,得到原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系,进而对原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系进行加权融合,根据加权融合后的灰度映射关系对原始图像进行灰度重映射,得到均衡化后的图像,从而能够使得通过用户设定的感兴趣的区域有针对性的增强图像,增强用户的可调控性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
对应于上述实施例一所述的直方图均衡化方法,图8中示出了本发明实施例二提供的直方图均衡化装置,为了便于说明,仅示出了与本实施例相关的部分。
该装置包括图像获取模块101、均衡化处理模块102、加权融合模块103、重映射模块104。
图像获取模块101,用于通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像。均衡化处理模块102,用于对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系。加权融合模块103,用于将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系。重映射模块104,用于根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
可选的,所述均衡化处理模块102对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
可选的,参见图9,示出了本发明实施例二提供的另一种直方图均衡化装置。所述均衡化处理模块102包括:直方图统计单元1021、概率计算单元1022和函数映射单元1023。
直方图统计单元1021,获取图像的直方图,统计所述直方图中每个灰度级出现的概率。概率计算单元1022,根据累积分布函数计算所述直方图的累积分布概率。函数映射单元1023,将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
可选的,所述加权融合模块103将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
本实施例二中的直方图均衡化装置可以用于执行图1所示的直方图均衡化方法,其具体实现原理可以参见上述方法实施例,此处不再赘述。
上述直方图均衡化装置通过图像获取模块从所述原始图像上获取至少一个感兴趣图像,通过均衡化处理模块对所述原始图像和所述至少一个感兴趣的图像分别进行直方图均衡化处理,得到原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系,通过加权融合模块对原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系进行加权融合,通过重映射模块根据加权融合后的灰度映射关系对原始图像进行灰度重映射,得到均衡化后的图像,从而能够使得通过用户设定的感兴趣的区域有针对性的增强图像,增强用户的可调控性。
实施例三
图10是本发明实施例三提供的直方图均衡化终端设备100的示意图。如图10所示,该实施例的直方图均衡化终端设备100包括:处理器110、存储器120以及存储在所述存储器120中并可在所述处理器110上运行的计算机程序130,例如采用直方图均衡化处理图像的程序。所述处理器110在执行所述计算机程序130时实现上述各个直方图均衡化方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器110执行所述计算机程序130时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块101至104的功能。
示例性的,所述计算机程序130可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器120中,并由所述处理器110执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序130在所述直方图均衡化终端设备100中的执行过程。例如,所述计算机程序130可以被分割成图像获取模块、均衡化处理模块、加权融合模块和重映射模块,各模块具体功能如下:
图像获取模块,用于通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像;
均衡化处理模块,用于对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系;
加权融合模块,用于将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;
重映射模块,用于根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
所述均衡化处理模块可以被分割为:直方图统计单元、概率计算单元和函数映射单元,各个单元具体功能如下:
直方图统计单元,获取图像的直方图,统计所述直方图中每个灰度级出现的概率;
概率计算单元,根据累积分布函数计算所述直方图的累积分布概率;
函数映射单元,将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
所述直方图均衡化终端设备100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述直方图均衡化终端设备可包括,但不仅限于,处理器110、存储器120。本领域技术人员可以理解,图10仅仅是直方图均衡化终端设备100的示例,并不构成对直方图均衡化终端设备100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述直方图均衡化终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器120可以是所述直方图均衡化终端设备100的内部存储单元,例如直方图均衡化终端设备100的硬盘或内存。所述存储器120也可以是所述直方图均衡化终端设备100的外部存储设备,例如所述直方图均衡化终端设备100上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器120还可以既包括所述直方图均衡化终端设备100的内部存储单元也包括外部存储设备。所述存储器120用于存储所述计算机程序以及所述直方图均衡化终端设备所需的其他程序和数据。所述存储器120还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种直方图均衡化方法,其特征在于,包括:
通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像;
对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系;
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;
根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
2.如权利要求1所述的直方图均衡化方法,其特征在于,所述对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
3.如权利要求1或2所述的直方图均衡化方法,其特征在于,所述直方图均衡化处理,具体包括:
获取图像的直方图,统计所述直方图中每个灰度级出现的概率;
根据累积分布函数计算所述直方图的累积分布概率;
将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
4.如权利要求1所述的直方图均衡化方法,其特征在于,所述将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
5.一种直方图均衡化装置,其特征在于,包括:图像获取模块、均衡化处理模块、加权融合模块、重映射模块;
图像获取模块,用于通过图像采集系统获取原始图像,从所述原始图像中获取至少一个感兴趣图像;所述感兴趣图像为所述原始图像中感兴趣区域对应的图像;
均衡化处理模块,用于对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,获得原始图像灰度映射关系和至少一个感兴趣图像的灰度映射关系;
加权融合模块,用于将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系;
重映射模块,用于根据加权融合后的灰度映射关系,对原始图像进行灰度重映射,得到均衡化后的图像。
6.如权利要求5所述的一种直方图均衡化装置,其特征在于,所述均衡化处理模块对所述原始图像和所述至少一个感兴趣图像分别进行直方图均衡化处理,具体为:
并行地对所述原始图像和所述至少一个感兴趣图像进行直方图均衡化处理。
7.如权利要求5或6所述的一种直方图均衡化装置,其特征在于,所述均衡化处理模块包括:直方图统计单元、概率计算单元和函数映射单元;
直方图统计单元,获取图像的直方图,统计所述直方图中每个灰度级出现的概率;
概率计算单元,根据累积分布函数计算所述直方图的累积分布概率;
函数映射单元,将所述累积分布概率进行函数映射,得到直方图均衡化后的灰度映射关系。
8.如权利要求5所述的一种直方图均衡化装置,其特征在于,所述加权融合模块将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行加权融合,得到加权融合后的灰度映射关系,具体包括:
将所述原始图像灰度映射关系和所述至少一个感兴趣图像的灰度映射关系进行点对点的加权融合:
其中,表示原始图像灰度映射关系,表示感兴趣图像的灰度映射关系,n表示感兴趣区域的个数,w0和wi分别表示原始图像和感兴趣图像的权重,表示融合后的灰度映射关系。
9.一种直方图均衡化终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810134576.5A CN108447040A (zh) | 2018-02-09 | 2018-02-09 | 直方图均衡化方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810134576.5A CN108447040A (zh) | 2018-02-09 | 2018-02-09 | 直方图均衡化方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108447040A true CN108447040A (zh) | 2018-08-24 |
Family
ID=63192182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810134576.5A Pending CN108447040A (zh) | 2018-02-09 | 2018-02-09 | 直方图均衡化方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108447040A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199525A (zh) * | 2019-12-30 | 2020-05-26 | 深圳蓝韵医学影像有限公司 | 一种图像直方图均衡增强方法及系统 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
WO2021238655A1 (zh) * | 2020-05-29 | 2021-12-02 | 展讯通信(上海)有限公司 | 图像处理方法及装置、存储介质、终端 |
CN115908428A (zh) * | 2023-03-03 | 2023-04-04 | 山东大学齐鲁医院 | 一种用于调节并指牵开器的图像处理方法及系统 |
CN116542942A (zh) * | 2023-05-10 | 2023-08-04 | 什维新智医疗科技(上海)有限公司 | 一种甲状腺无回声结节判定方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289795A (zh) * | 2011-07-29 | 2011-12-21 | 上海交通大学 | 基于融合思想的视频时空联合增强方法 |
CN103745433A (zh) * | 2013-12-05 | 2014-04-23 | 莱阳市科盾通信设备有限责任公司 | 一种用于车辆安全辅助视频图像处理方法 |
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
CN106462950A (zh) * | 2014-05-27 | 2017-02-22 | 高通股份有限公司 | 用于局部对比度增强的系统及方法 |
-
2018
- 2018-02-09 CN CN201810134576.5A patent/CN108447040A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289795A (zh) * | 2011-07-29 | 2011-12-21 | 上海交通大学 | 基于融合思想的视频时空联合增强方法 |
CN103745433A (zh) * | 2013-12-05 | 2014-04-23 | 莱阳市科盾通信设备有限责任公司 | 一种用于车辆安全辅助视频图像处理方法 |
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
CN106462950A (zh) * | 2014-05-27 | 2017-02-22 | 高通股份有限公司 | 用于局部对比度增强的系统及方法 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
Non-Patent Citations (3)
Title |
---|
KEH-SHIH CHUANG等: "Realization of the Contrast Limited Adaptive Histogram Equalization (CLARE) for Real-Time Image Enhancement", 《JOURNAL OF VLSI SIGNAL PROCESSING》 * |
心想事成: "一种强化的基于局部直方图裁剪均衡化的对比度调节算法", 《HTTPS://BLOG.CSDN.NET/QQ3401247010/ARTICLE/DETAILS/78742495》 * |
李绘卓等: "一种非线性变换的双直方图红外图像增强方法", 《计算机工程与应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
CN111199525A (zh) * | 2019-12-30 | 2020-05-26 | 深圳蓝韵医学影像有限公司 | 一种图像直方图均衡增强方法及系统 |
CN111199525B (zh) * | 2019-12-30 | 2024-04-02 | 深圳蓝影医学科技股份有限公司 | 一种图像直方图均衡增强方法及系统 |
WO2021238655A1 (zh) * | 2020-05-29 | 2021-12-02 | 展讯通信(上海)有限公司 | 图像处理方法及装置、存储介质、终端 |
CN115908428A (zh) * | 2023-03-03 | 2023-04-04 | 山东大学齐鲁医院 | 一种用于调节并指牵开器的图像处理方法及系统 |
CN116542942A (zh) * | 2023-05-10 | 2023-08-04 | 什维新智医疗科技(上海)有限公司 | 一种甲状腺无回声结节判定方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108447040A (zh) | 直方图均衡化方法、装置及终端设备 | |
Xiao et al. | Brightness and contrast controllable image enhancement based on histogram specification | |
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN107358586A (zh) | 一种图像增强方法、装置及设备 | |
US10198801B2 (en) | Image enhancement using self-examples and external examples | |
CN112419170A (zh) | 遮挡检测模型的训练方法及人脸图像的美化处理方法 | |
CN103167218A (zh) | 一种基于非局部性的超分辨率重建方法和设备 | |
CN110675334A (zh) | 一种图像增强方法及装置 | |
CN107688824A (zh) | 图片匹配方法及终端设备 | |
CN108242063B (zh) | 一种基于gpu加速的光场图像深度估计方法 | |
CN115409755B (zh) | 贴图处理方法和装置、存储介质及电子设备 | |
CN109309826B (zh) | 图像色彩均衡方法、装置、终端设备及可读存储介质 | |
CN109785246A (zh) | 一种非局部均值滤波的降噪方法、装置及设备 | |
CN108600783A (zh) | 一种帧率调节方法、装置及终端设备 | |
CN112232914A (zh) | 基于2d图像的四阶段虚拟试衣方法及装置 | |
CN114529490B (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
CN109214996A (zh) | 一种图像处理方法及装置 | |
CN110049332A (zh) | 一种图像压缩方法、图像压缩装置及电子设备 | |
CN107239518A (zh) | 一种图像对比方法、对比装置、电子设备及存储介质 | |
CN107908998A (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN112837251A (zh) | 图像处理方法及装置 | |
CN108665498B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
Hsin | Combination of saliency histogram equalisation and seam carving for image resizing | |
CN108377372A (zh) | 一种白平衡处理方法、装置、终端设备和存储介质 | |
CN114493988A (zh) | 一种图像虚化方法、图像虚化装置及终端设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
RJ01 | Rejection of invention patent application after publication |