CN108564633A - 灰度图像压缩方法、装置及计算机设备 - Google Patents

灰度图像压缩方法、装置及计算机设备 Download PDF

Info

Publication number
CN108564633A
CN108564633A CN201810012380.9A CN201810012380A CN108564633A CN 108564633 A CN108564633 A CN 108564633A CN 201810012380 A CN201810012380 A CN 201810012380A CN 108564633 A CN108564633 A CN 108564633A
Authority
CN
China
Prior art keywords
image
gray
initial gray
primary layer
cumulative distribution
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.)
Granted
Application number
CN201810012380.9A
Other languages
English (en)
Other versions
CN108564633B (zh
Inventor
方泽凯
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.)
Zhuhai Jieli Technology Co Ltd
Original Assignee
Zhuhai Jieli 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 Zhuhai Jieli Technology Co Ltd filed Critical Zhuhai Jieli Technology Co Ltd
Priority to CN201810012380.9A priority Critical patent/CN108564633B/zh
Publication of CN108564633A publication Critical patent/CN108564633A/zh
Application granted granted Critical
Publication of CN108564633B publication Critical patent/CN108564633B/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
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/005—Statistical coding, e.g. Huffman, run length coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明涉及一种灰度图像压缩方法、装置、计算机设备和计算机可读存储介质。所述方法包括步骤：计算待压缩的初始灰度图像的直方图累积分布函数；提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。采用本方法能够简化处理图像的复杂度，同时消除引入的光晕。

Description

灰度图像压缩方法、装置及计算机设备
技术领域
本发明涉及计算机视觉技术领域，特别是涉及一种灰度图像压缩方法、装置、计算机设备和计算机可读存储介质。
背景技术
WDR(Wide dynamic range，宽动态范围)技术是一种能够使同一场景中的高亮区域和极暗区域同时显示更多细节的技术。
目前，为了将WDR照片(12bit以上)显示在LDR(Low dynamic range，低动态范围)显示器(8bit)上，且无损失或者较少损失照片的细节，通常采用局部压缩处理方法，不仅考虑图像各个像素点的亮度，而且考虑位置特征以及像素之间的关系，处理图像的复杂度高。
发明内容
基于此，有必要针对上述采用局部压缩处理方法时出现处理图像的复杂度高的技术问题，提供一种能够简化处理图像的复杂度的灰度图像压缩方法、装置、计算机设备及计算机可读存储介质。
一种灰度图像压缩方法，包括以下步骤：
计算待压缩的初始灰度图像的直方图累积分布函数；
提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；
根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
在其中一个实施例中，所述计算待压缩的初始灰度图像的直方图累积分布函数的步骤，包括：
统计所述初始灰度图像中所有像素值出现的频率，根据各像素值出现的频率确定初始灰度图像的直方图；
根据所述初始灰度图像的直方图，获取直方图累积分布函数。
在其中一个实施例中，所述获取直方图累积分布函数的步骤之后，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像的步骤之前，还包括：
获取预设的控制系数，根据所述控制系数对所述直方图累积分布函数进行调整处理，以优化所述直方图累积分布函数和提高得到的目标压缩图像的对比度，得到调整后的直方图累积分布函数。
在其中一个实施例中，所述提取所述初始灰度图像的基本层的步骤，包括：
将所述初始灰度图像经过双边滤波，得到初始灰度图像的基本层。
在其中一个实施例中，所述初始灰度图像的目标压缩图像通过如下公式得到：
其中，ILDR为目标压缩图像，f(Iin)为直方图累积分布函数，Iin为初始灰度图像，Ibase为初始灰度图像的基本层，Imean为基本层的亮度平均值，k为预设的权重因子。
在其中一个实施例中，所述灰度图像压缩方法，还包括：
提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像。
在其中一个实施例中，所述灰度图像压缩方法，还包括：
对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。
在其中一个实施例中，所述彩色的高动态图像通过如下公式得到：
其中，ILDR为初始灰度图像的目标压缩图像，Iin为初始灰度图像，c为预设的颜色修正指数，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道，Rout为彩色的高动态图像的第一颜色通道，Gout为彩色的高动态图像的第二颜色通道，Bout为彩色的高动态图像的第三颜色通道。
一种灰度图像压缩装置，所述装置包括：
计算模块，用于计算待压缩的初始灰度图像的直方图累积分布函数；
提取模块，用于提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；
压缩图像获取模块，用于根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现上述所述灰度图像压缩方法的步骤。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述所述灰度图像压缩方法的步骤。
上述技术方案，通过计算待压缩的初始灰度图像的直方图累积分布函数；提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。通过优化压缩灰度图像的过程，能够简化处理图像的复杂度，同时消除引入的光晕。
附图说明
图1为一实施例的灰度图像压缩方法的示意性流程图；
图2为另一实施例的灰度图像压缩方法的示意性流程图；
图3为又一实施例的灰度图像压缩方法的示意性流程图；
图4为一实施例的调整前后的直方图累积分布函数的效果图；
图5为一实施例的灰度图像压缩装置的示意性结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。
图1为一实施例的灰度图像压缩方法的示意性流程图；如图1所示，本实施例中的灰度图像压缩方法包括以下步骤：
步骤S101，计算待压缩的初始灰度图像的直方图累积分布函数。
在本步骤中，初始灰度图像是由原始彩色图像(特指高动态图像)经过转化后形成的。其中，原始彩色图像可以通过高动态摄像机或者HDR图像合成器得到。此外，在图像处理领域里，直方图能够直观反映初始灰度图像各像素值出现的频率；累积分布函数能够完整描述某一个离散变量的概率分布。
具体地，将待压缩的初始灰度图像输入到图像处理系统中，通过图像处理系统的仿真计算，可以得到直方图累积分布函数，进一步保证了压缩之后的图像具有较强的对比度。
步骤S102，提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值。
可选地，将所述初始灰度图像经过低通滤波，得到所述初始灰度图像的基本层。引入基本层，能够保留原始彩色图像的原有细节。
其中，亮度平均值指图像的明亮程度，引入亮度平均值，能够自适应调节灰度图像的亮度，有效地适应不同的场景。
具体地，将初始灰度图像输入到图像处理系统中，经过低通滤波，以提取所述初始灰度图像的基本层，通过计算机仿真计算，得到基本层的亮度平均值。不直接计算初始灰度图像的亮度平均值，而是计算经过低通滤波后得到的基本层的亮度平均值，即先去除初始灰度图像中一些不需要的部分，再计算基本层的亮度平均值，可以使压缩之后的图像获得更好的效果，从而适应不同的场景。
步骤S103，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
可选地，将待压缩的初始灰度图像经过一系列压缩处理操作和仿真计算，得到目标压缩图像。
具体地，将所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值输入到图像处理系统中，获取所述图像处理系统的输出结果，根据所述输出结果确定初始灰度图像的目标压缩图像，进一步简化了图像处理的复杂度。
上述实施例，通过计算待压缩的初始灰度图像的直方图累积分布函数；提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，简化了处理图像的复杂度，同时消除了引入的光晕。
在一可选实施例中，上述步骤S101中，所述计算待压缩的初始灰度图像的直方图累积分布函数的步骤，包括：统计所述初始灰度图像中所有像素值出现的频率，根据各像素值出现的频率确定初始灰度图像的直方图；根据所述初始灰度图像的直方图，获取直方图累积分布函数。通过直方图累积分布函数，可以避免压缩后的灰度图像的对比度下降，保证了压缩之后的图像具有较强的对比度，即保留了原始彩色图像的对比度。
具体地，初始灰度图像的直方图累积分布函数可通过如下公式得到：
C(i)＝h(0)+h(1)+……+h(i)，i＝0，1，2……，
其中，h(i)为初始灰度图像中像素值为i(i＝0，1，2……)的个数，C(i)为小于或等于像素值i的所有像素值的个数，C(i)max为初始灰度图像中所有像素值的个数。
此外，为了优化初始灰度图像的直方图累积分布函数，对得到的直方图累积分布函数进行调整处理。
在一可选实施例中，所述获取直方图累积分布函数的步骤之后，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像的步骤之前，还包括：获取预设的控制系数，比如a＝0.4，根据所述控制系数对所述直方图累积分布函数进行调整处理，以优化所述直方图累积分布函数和提高得到的目标压缩图像的对比度，得到调整后的直方图累积分布函数，如图4所示(图中上面的曲线为调整后的直方图累积分布函数，图中下面的曲线为调整前的直方图累积分布函数)。上述实施例，对直方图累积分布函数进行调整处理，且随着控制系数的增大，直方图累积分布函数的曲线趋平，不同区间对动态压缩的贡献差别减少；同时提高了图像暗区的放大倍数，使得图像暗区更加光亮，能够更好地保留原有图像的对比度。
具体地，调整后的直方图累积分布函数可以通过如下公式得到：
其中，f(Iin)为调整前的直方图累积分布函数，f(Iin)′为调整后的直方图累积分布函数，a为预设的控制系数，比如a＝0.4。
上述步骤S102中，为了提取所述初始灰度图像的基本层，通常采用低通滤波的方法，可以保留原始图像更多的细节。
优选地，所述提取所述初始灰度图像的基本层的步骤，包括：将所述初始灰度图像经过双边滤波，得到初始灰度图像的基本层。其中，在双边滤波处理初始灰度图像的过程中，为了更好地消除光晕现象，选用11×11的双边滤波器。在保留原始图像更多的细节的前提下，可以减少光晕现象，进一步优化了压缩后的图像。
在一可选实施例中，基本层的亮度平均值可通过如下公式得到：
其中，Imean为基本层的亮度平均值，Ibase为初始灰度图像的基本层，i，j分别为基本层的横坐标和纵坐标(i＝1,2,……,I；j＝1,2,……,J)，N为基本层中总的像素值的个数，即N＝I×J。
优选地，引入预设的调整系数，比如b，根据所述调整系数对所述基本层的亮度平均值进行调整处理，比如b×Imean，以调节灰度图像的亮度，得到调整后的基本层的亮度平均值。通过引入预设的调整系数，能够自适应调节灰度图像的亮度，有效地适应不同的场景。
在一可选实施例中，所述初始灰度图像的目标压缩图像通过如下公式得到：
其中，ILDR为目标压缩图像，f(Iin)为直方图累积分布函数，Iin为初始灰度图像，Ibase为初始灰度图像的基本层，Imean为基本层的亮度平均值，k为预设的权重因子，比如k＝0.125。上述实施例，在k×Imean中，通过调整预设的权重因子k，可以自适应调节灰度图像的亮度。基本层Ibase可以使得压缩后的灰度图像保留更多的细节。直方图累积分布函数f(Iin)可以避免压缩后的灰度图像的对比度下降。总之，同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，能够自适应调节灰度图像的亮度，简化了处理图像的复杂度，同时消除了引入的光晕。
在一可选实施例中，所述灰度图像压缩方法，还包括：提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像。
优选地，通过常用的计算方法，将原始彩色图像的RGB域(R为红色，G为绿色，B为蓝色)转换成HSV域(H为色调，S为饱和度，V为明度)，从HSV域中，获得亮度信息矩阵V，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像，即Iin＝max(R,G,B)。其中，Iin为待压缩的初始灰度图像，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道。
当然，待压缩的初始灰度图像还可以通过如下公式得到：
Iin＝0.299R+0.587G+0.114B，
其中，Iin为待压缩的初始灰度图像，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道。
在一可选实施例中，所述灰度图像压缩方法，还包括：对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。具体地，将所述目标压缩图像分别在原始彩色图像的R、G和B三个通道上进行颜色修正，得到对应的彩色的高动态图像。将压缩后的灰度图像进行颜色修正，得到对应的彩色的高动态图像，可以保留原始彩色图像更多的细节和对比度，同时较少了光晕现象。
优选地，所述彩色的高动态图像通过如下公式得到：
其中，ILDR为初始灰度图像的目标压缩图像，Iin为初始灰度图像，c为预设的颜色修正指数，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道，Rout为彩色的高动态图像的第一颜色通道，Gout为彩色的高动态图像的第二颜色通道，Bout为彩色的高动态图像的第三颜色通道。
需要说明的是，上述步骤S101和S102之间没有特定的先后顺序之分，即两者可以分别独立执行。所以本发明还提供另一种灰度图像压缩方法。
在另一可选实施例中，如图2所示，一种灰度图像压缩方法，包括以下步骤：
步骤S201，提取待压缩的初始灰度图像的基本层，并获取所述基本层的亮度平均值；
步骤S202，计算所述初始灰度图像的直方图累积分布函数；
步骤S203，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
上述实施例，同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，能够自适应调节灰度图像的亮度，有效地适应不同的场景，简化了处理图像的复杂度，同时消除了引入的光晕。
图3为又一实施例的灰度图像压缩方法的示意性流程图。
在一个具体的实施例中，如图3所示，本实施例中的灰度图像压缩方法包括以下步骤：
步骤S301，提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像。
步骤S302，计算待压缩的初始灰度图像的直方图累积分布函数。
步骤S303，提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值。
步骤S304，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
步骤S305，对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。
上述实施例，先将原始彩色图像转化成初始灰度图像，再对初始灰度图像进行压缩处理，得到目标压缩图像，最后对目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。在对初始灰度图像进行压缩处理的过程中，同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，能够自适应调节灰度图像的亮度，有效地适应不同的场景，简化了处理图像的复杂度，同时消除了引入的光晕。
需要说明的是，上述步骤S302和S303之间没有特定的先后顺序之分，即两者可以分别独立执行。所以本发明还提供另一种灰度图像压缩方法。
在另一可选实施例中，所述灰度图像压缩方法，包括以下步骤：
步骤S311，提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像。
步骤S312，提取待压缩的初始灰度图像的基本层，并获取所述基本层的亮度平均值。
步骤S313，计算所述初始灰度图像的直方图累积分布函数。
步骤S314，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
步骤S315，对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。
上述实施例，先将原始彩色图像转化成初始灰度图像，再对初始灰度图像进行压缩处理，得到目标压缩图像，最后对目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。在对初始灰度图像进行压缩处理的过程中，同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，能够自适应调节灰度图像的亮度，有效地适应不同的场景，简化了处理图像的复杂度，同时消除了引入的光晕。
需要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的灰度图像压缩方法相同的思想，本发明还提供灰度图像压缩装置，该装置可用于执行上述灰度图像压缩方法。为了便于说明，灰度图像压缩装置实施例的示意性结构图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
图5为一实施例的灰度图像压缩装置的示意性结构图；如图5所示，本实施例中的灰度图像压缩装置包括：
计算模块510，用于计算待压缩的初始灰度图像的直方图累积分布函数；
提取模块520，用于提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；
压缩图像获取模块530，用于根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
在一可选实施例中，上述计算模块510，可以用于：统计所述初始灰度图像中所有像素值出现的频率，根据各像素值出现的频率确定初始灰度图像的直方图；根据所述初始灰度图像的直方图，获取直方图累积分布函数。
在一可选实施例中，所述灰度图像处理装置，还包括调整模块，用于：获取预设的控制系数，根据所述控制系数对所述直方图累积分布函数进行调整处理，以优化所述直方图累积分布函数和提高得到的目标压缩图像的对比度，得到调整后的直方图累积分布函数。
在一可选实施例中，上述提取模块520，还可以用于：将所述初始灰度图像经过双边滤波，得到初始灰度图像的基本层。
在一可选实施例中，上述压缩图像获取模块530中，所述初始灰度图像的目标压缩图像通过如下公式得到：
其中，ILDR为目标压缩图像，f(Iin)为直方图累积分布函数，Iin为初始灰度图像，Ibase为初始灰度图像的基本层，Imean为基本层的亮度平均值，k为预设的权重因子。
在一可选实施例中，所述灰度图像处理装置，还包括灰度图像获取模块，用于：提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像。
在一可选实施例中，所述灰度图像处理装置，还包括颜色修正模块，用于：对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。
在一可选实施例中，上述颜色修正模块中，所述彩色的高动态图像通过如下公式得到：
其中，ILDR为初始灰度图像的目标压缩图像，Iin为初始灰度图像，c为预设的颜色修正指数，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道，Rout为彩色的高动态图像的第一颜色通道，Gout为彩色的高动态图像的第二颜色通道，Bout为彩色的高动态图像的第三颜色通道。
上述各个实施例，通过计算模块计算待压缩的初始灰度图像的直方图累积分布函数；提取模块提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；压缩图像获取模块根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。同时考虑直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值这三个因素，能够优化压缩初始灰度图像的过程，在保留原始彩色图像的对比度和细节的前提下，简化了处理图像的复杂度，同时消除了引入的光晕。
需要说明的是，上述示例的灰度图像压缩装置的实施方式中，各模块/单元之间的信息交互、执行过程等内容，由于与本发明前述方法实施例基于同一构思，其带来的技术效果与本发明前述方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
此外，上述示例的灰度图像压缩装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述灰度图像压缩装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，作为独立的产品销售或使用。所述程序在执行时，可执行如上述各方法的实施例的全部或部分步骤。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
据此，在一个实施例中还提供一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种灰度图像压缩方法。
此外，所述存储介质还可设置于一种计算机设备中，所述计算机设备中还包括处理器，所述处理器执行所述存储介质中的程序时，能够实现上述各方法的实施例的全部或部分步骤。
据此，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如上述各实施例中的任意一种灰度图像压缩方法。
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的部分，可以参见其它实施例的相关描述。可以理解，其中所使用的术语“第一”、“第二”等在本文中用于区分对象，但这些对象不受这些术语限制。
以上所述实施例仅表达了本发明的几种实施方式，不能理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种灰度图像压缩方法，其特征在于，包括以下步骤：
计算待压缩的初始灰度图像的直方图累积分布函数；
提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；
根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
2.根据权利要求1所述的灰度图像压缩方法，其特征在于，所述计算待压缩的初始灰度图像的直方图累积分布函数的步骤，包括：
统计所述初始灰度图像中所有像素值出现的频率，根据各像素值出现的频率确定初始灰度图像的直方图；
根据所述初始灰度图像的直方图，获取直方图累积分布函数。
3.根据权利要求2所述的灰度图像压缩方法，其特征在于，所述获取直方图累积分布函数的步骤之后，根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像的步骤之前，还包括：
获取预设的控制系数，根据所述控制系数对所述直方图累积分布函数进行调整处理，以优化所述直方图累积分布函数和提高得到的目标压缩图像的对比度，得到调整后的直方图累积分布函数。
4.根据权利要求1、2或3所述的灰度图像压缩方法，其特征在于，所述提取所述初始灰度图像的基本层的步骤，包括：
将所述初始灰度图像经过双边滤波，得到初始灰度图像的基本层。
5.根据权利要求4所述的灰度图像压缩方法，其特征在于，所述初始灰度图像的目标压缩图像通过如下公式得到：
其中，ILDR为目标压缩图像，f(Iin)为直方图累积分布函数，Iin为初始灰度图像，Ibase为初始灰度图像的基本层，Imean为基本层的亮度平均值，k为预设的权重因子。
6.根据权利要求1、2、3或5所述的灰度图像压缩方法，其特征在于，还包括：
提取原始彩色图像的亮度信息矩阵，根据所述亮度信息矩阵，得到所述原始彩色图像对应的灰度图像，作为待压缩的初始灰度图像；
和/或，
对所述目标压缩图像进行颜色修正，得到对应的彩色的高动态图像。
7.根据权利要求6所述的灰度图像压缩方法，其特征在于，所述彩色的高动态图像通过如下公式得到：
其中，ILDR为初始灰度图像的目标压缩图像，Iin为初始灰度图像，c为预设的颜色修正指数，R为原始彩色图像的第一颜色通道，G为原始彩色图像的第二颜色通道，B为原始彩色图像的第三颜色通道，Rout为彩色的高动态图像的第一颜色通道，Gout为彩色的高动态图像的第二颜色通道，Bout为彩色的高动态图像的第三颜色通道。
8.一种灰度图像压缩装置，其特征在于，包括：
计算模块，用于计算待压缩的初始灰度图像的直方图累积分布函数；
提取模块，用于提取所述初始灰度图像的基本层，并获取所述基本层的亮度平均值；
压缩图像获取模块，用于根据所述直方图累积分布函数、初始灰度图像的基本层和基本层的亮度平均值，得到所述初始灰度图像的目标压缩图像。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1至7任一项所述灰度图像压缩方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现权利要求1至7任一项所述灰度图像压缩方法的步骤。
CN201810012380.9A 2018-01-05 2018-01-05 灰度图像压缩方法、装置及计算机设备 Active CN108564633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810012380.9A CN108564633B (zh) 2018-01-05 2018-01-05 灰度图像压缩方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810012380.9A CN108564633B (zh) 2018-01-05 2018-01-05 灰度图像压缩方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN108564633A true CN108564633A (zh) 2018-09-21
CN108564633B CN108564633B (zh) 2022-03-22

Family

ID=63530621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810012380.9A Active CN108564633B (zh) 2018-01-05 2018-01-05 灰度图像压缩方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN108564633B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034382A (zh) * 2021-02-23 2021-06-25 深圳市创想三维科技有限公司 亮度均匀度调节方法、装置、计算机设备和可读存储介质
CN114972218A (zh) * 2022-05-12 2022-08-30 中海油信息科技有限公司 指针表读数识别方法和系统
CN117014557A (zh) * 2023-10-07 2023-11-07 福昕鲲鹏(北京)信息科技有限公司 文档图像的压缩方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020171852A1 (en) * 2001-04-20 2002-11-21 Xuemei Zhang System and method for digital image tone mapping using an adaptive sigmoidal function based on perceptual preference guidelines
CN102129675A (zh) * 2011-02-24 2011-07-20 中国兵器工业系统总体部 一种非线性自适应红外图像增强方法
CN102651074A (zh) * 2012-02-22 2012-08-29 大连理工大学 一种基于纹理特征的打印纸张同一认定方法
CN103295194A (zh) * 2013-05-15 2013-09-11 中山大学 亮度可控与细节保持的色调映射方法
CN104157003A (zh) * 2014-07-18 2014-11-19 北京理工大学 一种基于正态分布调节的热图像细节增强方法
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN104574306A (zh) * 2014-12-24 2015-04-29 掌赢信息科技（上海）有限公司 一种即时视频中的人脸美化方法和电子设备
CN105915909A (zh) * 2016-05-27 2016-08-31 清华大学深圳研究生院 一种高动态范围图像分层压缩方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020171852A1 (en) * 2001-04-20 2002-11-21 Xuemei Zhang System and method for digital image tone mapping using an adaptive sigmoidal function based on perceptual preference guidelines
CN102129675A (zh) * 2011-02-24 2011-07-20 中国兵器工业系统总体部 一种非线性自适应红外图像增强方法
CN102651074A (zh) * 2012-02-22 2012-08-29 大连理工大学 一种基于纹理特征的打印纸张同一认定方法
CN103295194A (zh) * 2013-05-15 2013-09-11 中山大学 亮度可控与细节保持的色调映射方法
CN104157003A (zh) * 2014-07-18 2014-11-19 北京理工大学 一种基于正态分布调节的热图像细节增强方法
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN104574306A (zh) * 2014-12-24 2015-04-29 掌赢信息科技（上海）有限公司 一种即时视频中的人脸美化方法和电子设备
CN105915909A (zh) * 2016-05-27 2016-08-31 清华大学深圳研究生院 一种高动态范围图像分层压缩方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIE YANG等: "Multi-Scale histogram tone mapping algorithm enables better object detection in wide dynamic range images", 《2017 14TH IEEE INTERNATIONAL CONFERENCE ON ADVANCED VIDEO AND SIGNAL BASED SURVEILLANCE 》 *
母睿: "高动态范围图像色调映射算法及视频增强技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034382A (zh) * 2021-02-23 2021-06-25 深圳市创想三维科技有限公司 亮度均匀度调节方法、装置、计算机设备和可读存储介质
CN113034382B (zh) * 2021-02-23 2024-04-30 深圳市创想三维科技股份有限公司 亮度均匀度调节方法、装置、计算机设备和可读存储介质
CN114972218A (zh) * 2022-05-12 2022-08-30 中海油信息科技有限公司 指针表读数识别方法和系统
CN114972218B (zh) * 2022-05-12 2023-03-24 中海油信息科技有限公司 指针表读数识别方法和系统
CN117014557A (zh) * 2023-10-07 2023-11-07 福昕鲲鹏(北京)信息科技有限公司 文档图像的压缩方法、装置、电子设备及存储介质
CN117014557B (zh) * 2023-10-07 2024-01-23 福昕鲲鹏(北京)信息科技有限公司 文档图像的压缩方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN108564633B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN102693532B (zh) 图像阴影和高光的自动局部调整
CN104717432B (zh) 处理一组输入图像的方法、图像处理设备和数字照相机
US11455516B2 (en) Image lighting methods and apparatuses, electronic devices, and storage media
CN106165390B (zh) 图像处理装置、摄影装置、图像处理方法
CN107680056B (zh) 一种图像处理方法及装置
CN106780417A (zh) 一种光照不均图像的增强方法及系统
CN108564633A (zh) 灰度图像压缩方法、装置及计算机设备
CN109343692B (zh) 基于图像分割的移动设备显示器省电方法
CN109147005A (zh) 一种用于红外图像的自适应染色方法、系统、存储介质、终端
CN105681775A (zh) 一种白平衡方法和装置
CN108510557A (zh) 图像色调映射方法及装置
US10645304B2 (en) Device and method for reducing the set of exposure times for high dynamic range video/imaging
Parihar et al. A comprehensive analysis of fusion-based image enhancement techniques
CN110111347A (zh) 图像标志提取方法、装置及存储介质
CN116168652A (zh) 图像显示方法、装置、电子设备及计算机可读存储介质
CN110766622A (zh) 基于亮度区分和Gamma平滑的水下图像增强方法
CN114037641A (zh) 一种低照度图像增强方法、装置、设备及介质
CN117274085A (zh) 低照度图像增强方法及装置
CN116453470B (zh) 图像显示方法、装置、电子设备及计算机可读存储介质
CN114266803A (zh) 图像处理方法、装置、电子设备及存储介质
CN115272090A (zh) 图像对比度增强方法及装置
CN102456229B (zh) 电子系统和疤痕影像修补方法
Ghous et al. Efficient image enhancement using improved RIQMC based ROHIM model
CN117939307B (zh) 一种适用于融合相机的自适应亮度调节方法
Zini et al. Shallow Camera Pipeline for Night Photography Enhancement

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 519000 No. 333, Kexing Road, Xiangzhou District, Zhuhai City, Guangdong Province

Applicant after: ZHUHAI JIELI TECHNOLOGY Co.,Ltd.

Address before: Floor 1-107, building 904, ShiJiHua Road, Zhuhai City, Guangdong Province

Applicant before: ZHUHAI JIELI TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant