CN108711140B - 一种基于类间方差描述的图像亮度均匀性实时恢复方法 - Google Patents

Abstract

本发明公开了一种基于类间方差描述的图像亮度均匀性实时恢复方法，先将输入图像转化到HSV模型，提取V通道，通过最大类间方差算法求出亮暗区域的分割阈值，同时返回类间方差系数作为亮度均匀性的描述因子；然后对低于分割阈值的暗区域进行非线性映射的亮度增强，而对高于分割阈值的亮区域做线性映射填充；最后将处理后的V通道，联合原图像的H、S通道，重新转化到RGB模型，得到输出图像。

Description

一种基于类间方差描述的图像亮度均匀性实时恢复方法

技术领域

本发明涉及一种计算机软件/图像处理方法，尤其涉及的是一种基于类间方差描述的图像亮度均匀性实时恢复方法。

背景技术

在我们日常使用相机拍摄的过程中，由于相机成像本身需要通过实时的测光反馈，调整曝光时间和增益等参数，来达到预设的目标亮度。但实际使用时，由于拍摄环境的差异，存在很多因素使测光出现误判，最终导致拍到的图像出现亮度不均匀的情况。当成像光路中，出现局部面积较大、反光能力较强的物体时，则会导致该局部区域的亮度偏高，而其他区域的亮度偏低，即导致图像出现暗区域，影响图像的整体观感效果。在某些具体应用中，甚至会带来巨大的影响。特别地，在腹腔镜手术的应用中，内窥镜系统视频画面的亮度不均，会严重影响手术主刀医生对处于暗区域位置的器官状况作出准确判断。

现有的图像处理技术中，基于频域和空域的方法都可以对图像进行增强处理。同态滤波是一种频域的滤波方法，它通过减少低频增加高频，从而减少光照变化并锐化边缘或细节，达到图像均匀性恢复。但是，鉴于视频需要进行实时处理，而频域滤波复杂度高、耗时大，因此，考虑采用空域的方法进行图像增强。传统的HE（直方图均衡化）算法，能有效增强图像的对比度，但受局部区域亮度不均的影响较大。在其基础上演化出来的CLAHE（限值对比度自适应直方图均衡化）算法，能改善局部亮度不均的问题，但总体趋于亮区域越亮、暗区域越暗的效果，因此，仍然无法解决整体亮度不均的影响。

专利CN 106023117 A 提出一种基于非线性映射的图像亮度提升方法，使用图像分割的方法将图像分为亮、暗两个区域，再分区域进行非线性增强处理。但该类方法所作的亮度提升幅度并没有将图像整体均匀性程度考虑进去，即使是亮度整体均匀的图像，也对其进行相似的非线性亮度提升，这样无疑会让原图出现失真。因此，该类处理方法并没有从根本上描述图像亮度的均匀性，并解决亮度均匀性的恢复问题。

因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种基于类间方差描述的图像亮度均匀性实时恢复方法，旨在解决现有技术无法解决整体亮度不均的问题。

本发明的技术方案如下：一种基于类间方差描述的图像亮度均匀性实时恢复方法，其中，具体包括以下步骤：

S1：输入原始图像Src，并将原始图像Src从RGB模型转化到HSV模型；

S2：提取亮度信号V通道，基于最大类间方差法对V通道的直方图进行计算，得出亮区域和暗区域的最佳分割阈值thresh和对应的图像亮度均匀性的描述因子maxDelta，将图像亮度均匀性的描述因子maxDelta变换得出调节系数factor；

S3：根据亮区域和暗区域的最佳分割阈值thresh和对应的调节系数factor，分别对亮区域和暗区域两个区间进行计算得出对应的非线性映射表Map；

S4：对整个图像的每一个非线性映射表Map进行一维均值滤波，得到对应的Map_smooth；

S5：逐一计算得出V通道的每一个像素点的非线性映射表Map_smooth，将V通道的每一个像素点的非线性映射表Map_smooth应用到V通道，得出对应的增强后的V通道图像V_dst；

S6：使用H通道图像、S通道图像、增强后的V通道图像V_dst，从HSV模型转化到RGB模型，得到增强图像Dst并输出。

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S1包括以下过程：

第一步：输入原始图像Src；

第二步：将图像Src从RGB模型转换到HSV模型，其中H通道表示色相，S通道表示饱和度，V通道表示亮度，而R代表红色通道，G代表绿色通道，B代表蓝色通道；将图像Src归一化到范围[0,1]，MAX为在RGB模型的三个分量R、G、B中的最大值，MIN为在RGB模型的三个分量R、G、B中的最小值，通过公式（1）、（2）、（3）将原始图像从RGB模型转换到HSV模型 ：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]。

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S2包括以下过程：

第三步：提取V通道的亮度信号，运用最大类间方差法求V通道的图像V(x,y)的最佳分割阈值：将区间[0,255]中共256级灰阶（灰度）逐一作为图像V(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域点数占图像比例为w0，平均灰度为u0；每一个分割阈值thresh对应的暗区域点数占图像比例为w1，平均灰度为u1，通过公式（4）得出每一个分割阈值thresh对应的图像的总平均灰度u：

通过公式（5）得出每一个分割阈值thresh对应的亮、暗区域灰度的类间方差g：

按第三步的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值maxDelta，以及其对应的thresh，其中，该thresh就是对图像进行亮、暗区域分割的最佳分割阈值thresh，而maxDelta就是图像亮度均匀性的描述因子；

第四步：通过公式（6）计算调节系数factor，其中max表示5000和maxDelta两者间的较大值：

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S3包括以下过程：

第五步：通过公式（7）得出调整图像的非线性灰度映射表，其中

，Vi∈[0,255]，代表256个灰度级，而Map [Vi]是对应的非线性灰度映射表，对亮、暗区域做出不同的处理：

其中，k和b用于拟合一个线性关系，用于亮区域的拉伸计算，k是线性关系的斜率，b是截距。

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S4包括以下过程：

第六步：逐一计算区间[0,255]内的所有Map[256]，通过公式（9）对每一个Map[256]进行一维均值滤波：

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S5包括以下过程：

第七步：通过公式（9）将非线性映射曲线Map[256]应用到V通道图像上：

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述步骤S6包括以下过程：

第八步：将亮度增强后的V通道图像联合原图像的H、S通道，通过公式（10）-公式（15），从HSV模型转换回RGB模型，从而得到增强后的R’、G’、B’通道，即得到图像Dst：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]，R’∈[0,255]，G’∈[0,255]，B’∈[0,255]；

第九步：输出非线性增强后的图像Dst。

所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其中，所述亮暗区域采用自适应阈值的方法进行区域分割。

本发明的有益效果：本发明通过提供一种基于类间方差描述的图像亮度均匀性实时恢复方法，先将输入图像转化到HSV模型，提取V通道，通过最大类间方差算法求出亮暗区域的分割阈值，同时返回类间方差系数作为亮度均匀性的描述因子；然后对低于分割阈值的暗区域进行非线性映射的亮度增强，而对高于分割阈值的亮区域做线性映射填充；最后将处理后的V通道，联合原图像的H、S通道，重新转化到RGB模型，得到输出图像。

附图说明

图1是本发明中基于类间方差描述的图像亮度均匀性实时恢复方法的步骤流程图。

图2a是本发明中亮度均匀图像的原图。

图2b是本发明中亮度均匀图像的效果图。

图2c是本发明中亮度均匀图像的非线性映射表曲线图。

图3a是本发明中亮度不均图像的原图。

图3b是本发明中亮度不均图像的效果图。

图3c是本发明中亮度不均图像的非线性映射表曲线图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。

如图1所示，一种基于类间方差描述的图像亮度均匀性实时恢复方法，基于类间方差引入亮度均匀性描述因子（本技术方案所提出的亮度均匀性描述因子可采用其他类似的算法方案来获取，或者采用亮度分布模型等描述作替代方案），并分区域进行非线性的亮度增强；先将输入图像转化到HSV模型，提取V通道，通过最大类间方差算法求出亮暗区域的分割阈值，同时返回类间方差系数作为亮度均匀性的描述因子；然后对低于分割阈值的暗区域进行非线性映射的亮度增强，而对高于分割阈值的亮区域做线性映射填充；最后将处理后的V通道，联合原来的H、S通道，重新转化到RGB模型，得到输出图像；具体包括以下步骤：

S1：输入原始图像Src，并将原始图像Src从RGB模型（加色法混色模型）转化到HSV模型（六角锥体模型）。

第一步：输入原始图像Src。如图2（a）是一张亮度均匀的图像，图3（a）是一张亮度不匀的图像。

第二步：将图像Src从RGB模型转换到HSV模型，其中H通道表示色相，S通道表示饱和度，V通道表示亮度，而R代表红色通道，G代表绿色通道，B代表蓝色通道。下面将在HSV模型中对V通道的亮度进行处理，从而只处理亮度信号而不改变颜色信号，最大程度地保留原始图像信号。将图像Src归一化到范围[0,1]，MAX为在RGB模型的三个分量R、G、B中的最大值，MIN为在RGB模型的三个分量R、G、B中的最小值，通过公式（1）、（2）、（3）将原始图像从RGB模型转换到HSV模型 ：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]。

如：R=255，G=128，B=0，将图像Src归一化到范围[0,1]，即R=1，G=0.5，B=0，R为最大值MAX=1，最小值MIN为0，

因为在RGB模型的三个分量R、G、B中的最大值为R=1，所以H采用公式（1）中的第一个式子进行计算：H=（0.5-0）*60°/（1-0）=30°；S=（1-0）/1=1；V=1*255=255。

S2：提取亮度信号V通道，基于最大类间方差法对V通道的直方图进行计算，得出亮区域和暗区域的最佳分割阈值thresh（本技术方案提出的亮暗区域分割阈值可采用其他算法方案来获得，或者采用自适应阈值的方法进行区域分割）和图像亮度均匀性的描述因子maxDelta，图像亮度均匀性的描述因子maxDelta通过简单变换，得出调节系数factor。

第三步：提取V通道的亮度信号，运用最大类间方差法求V通道的图像V(x,y)的最佳分割阈值：将区间[0,255]中共256级灰阶（灰度）逐一作为图像V(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域（亮区域为V(x,y)≥thresh的区域）点数占图像比例为w0，平均灰度为u0；每一个分割阈值thresh对应的暗区域（暗区域为V(x,y)<thresh的区域）点数占图像比例为w1，平均灰度为u1，通过公式（4）得出每一个分割阈值thresh对应的图像的总平均灰度u：

通过公式（5）得出每一个分割阈值thresh对应的亮、暗区域灰度的类间方差g：

按第三步的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值maxDelta，以及其对应的thresh，其中，该thresh就是对图像进行亮、暗区域分割的最佳分割阈值thresh，而maxDelta就是图像亮度均匀性的描述因子，maxDelta越大，图像亮度均匀性越差；maxDelta越小，图像亮度均匀性越好。

例如，对应图2a，得到的分割阈值thresh=159，而maxDelta=524，这个值偏小，说明这个图像的亮度均匀性很好，无需显著的亮度调整。例如，对应图3a，得到的分割阈值thresh=132，而maxDelta=4237，这个值偏大，说明这个图像的亮度均匀性很差，需要显著的亮度调整。

第四步：通过公式（6）计算调节系数factor，其中max表示5000和maxDelta两者间的较大值：

例如，图2a对应的调节系数Factor=0.001048，数值偏小，调整幅度小；如，图3a对应的调节系数Factor=0.008474，数值偏大，调整幅度大。

S3：根据最佳分割阈值thresh和调节系数factor，分别对亮区域和暗区域两个区间进行计算得出对应的非线性映射表Map。

第五步：通过公式（7）得出调整图像的非线性灰度映射表，其中

，Vi∈[0,255]，代表256个灰度级，而Map [Vi]是对应的非线性灰度映射表，对亮、暗区域做出不同的处理：

其中，k和b用于拟合一个线性关系，用于亮区域的拉伸计算，k是线性关系的斜率，b是截距。

S4：对整个图像的每一个非线性映射表Map进行一维均值滤波，得到对应的Map_smooth。

第六步：逐一计算区间[0,255]内的所有Map[256]（即Map[0]到Map[255]，一共256个），通过公式（9）对每一个Map[256]进行一维均值滤波：

例如，图2a对应的非线性映射的Map即为图2c，可见整体形态与原本的线性映射形态基本无异，即说明在图像亮度均匀的情况下，基本不作调整。例如，图3a对应的非线性映射的Map即为图3c，可见曲线在小于阈值132时，整体呈非线性提升形态，而在大于阈值132时，整体呈线性状态并趋近原本的线性映射形态，即说明在图像亮度不均的情况下，在低于阈值的暗区域，会进行显著的非线性提升调整；而在高于阈值的亮区域，会接近保持原亮度值不变。

S5：逐一计算得出V通道的每一个像素点的非线性映射表Map_smooth，将V通道的每一个像素点的非线性映射表Map_smooth应用到V通道，得出对应的增强后的V通道图像V_dst。

第七步：通过公式（9）将非线性映射曲线Map[256]应用到V通道图像上：

S6：使用图像H、S、V_dst，从HSV模型转化到RGB模型，得到增强图像Dst并输出。

第八步：将亮度增强后的V通道图像联合原图像的H、S通道，通过公式（10）-公式（15），从HSV模型转换回RGB模型，从而得到增强后的R’、G’、B’通道，即得到图像Dst：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]，R’∈[0,255]，G’∈[0,255]，B’∈[0,255]。

第九步：输出非线性增强后的图像Dst。例如，图2a增强后的效果是图2b，由于原图亮度均匀，可见其增强后整体亮度变化很小。例如，图3a增强后的效果是图3b，由于原图亮度不均匀，可见其增强后，原来暗区域的亮度变化很大，提升到与亮区域相当；而原来亮区域的亮度变化很小，基本与原图保持一致。

本技术方案提出了图像的亮度均匀性恢复需引入亮度均匀性描述因子，该亮度均匀性描述因子的引入，可以显著缩小亮暗区域之间的亮度差异，在最大程度地保留原图像亮度表达的前提下，从根本上恢复了图像亮度均匀性，相对于现有技术，具有以下优点：

（1）基于类间方差引入亮度均匀性描述因子，对亮度均匀的图像尽量保持亮度，而只对亮度不均匀的图像进行非线性亮度增强，增强的幅度直接参考亮度均匀性描述因子。

（2）分亮、暗两个区域做不同处理，暗区域的亮度得到显著增强，使暗区域的细节得以呈现；亮区域基本保持原亮度，从而有效缩小原亮暗区域之间的亮度差距，显著改善了观感。

（3）亮暗区域过渡平滑，有效改善增强后过渡区域对比度差的问题。

（4）算法复杂度不高Ο(m×n)，能满足视频实时处理输出。

在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，具体包括以下步骤：

S1：输入原始图像Src，并将原始图像Src从RGB模型转化到HSV模型；

S2：提取亮度信号V通道，基于最大类间方差法对V通道的直方图进行计算，得出亮区域和暗区域的最佳分割阈值thresh和对应的图像亮度均匀性的描述因子maxDelta，将图像亮度均匀性的描述因子maxDelta变换得出调节系数factor；

S3：根据亮区域和暗区域的最佳分割阈值thresh和对应的调节系数factor，分别对亮区域和暗区域两个区间进行计算得出对应的非线性映射表Map；

S4：对整个图像的每一个非线性映射表Map进行一维均值滤波，得到对应的Map_smooth；

S5：逐一计算得出V通道的每一个像素点的非线性映射表Map_smooth，将V通道的每一个像素点的非线性映射表Map_smooth应用到V通道，得出对应的增强后的V通道图像V_dst；

S6：使用H通道图像、S通道图像、增强后的V通道图像V_dst，从HSV模型转化到RGB模型，得到增强图像Dst并输出；

所述步骤S2包括以下过程：

步骤S21：提取V通道的亮度信号，运用最大类间方差法求V通道的图像V(x,y)的最佳分割阈值：将区间[0,255]中共256级灰阶（灰度）逐一作为图像V(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域点数占图像比例为w0，平均灰度为u0；每一个分割阈值thresh对应的暗区域点数占图像比例为w1，平均灰度为u1，通过公式（4）得出每一个分割阈值thresh对应的图像的总平均灰度u：

通过公式（5）得出每一个分割阈值thresh对应的亮、暗区域灰度的类间方差g：

按第三步的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值maxDelta，以及其对应的thresh，其中，该thresh就是对图像进行亮、暗区域分割的最佳分割阈值thresh，而maxDelta就是图像亮度均匀性的描述因子；

步骤S22：通过公式（6）计算调节系数factor，其中max表示5000和maxDelta两者间的较大值：

。

2.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述步骤S1包括以下过程：

步骤S11：输入原始图像Src；

步骤S12：将图像Src从RGB模型转换到HSV模型，其中H通道表示色相，S通道表示饱和度，V通道表示亮度，而R代表红色通道，G代表绿色通道，B代表蓝色通道；将图像Src归一化到范围[0,1]，MAX为在RGB模型的三个分量R、G、B中的最大值，MIN为在RGB模型的三个分量R、G、B中的最小值，通过公式（1）、（2）、（3）将原始图像从RGB模型转换到HSV模型 ：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]。

3.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述步骤S3包括以下过程：

通过公式（7）得出调整图像的非线性灰度映射表，其中

Vi∈[0,255]，代表256个灰度级，而Map [Vi]是对应的非线性灰度映射表，对亮、暗区域做出不同的处理：

其中，k和b用于拟合一个线性关系，用于亮区域的拉伸计算，k是线性关系的斜率，b是截距。

4.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述步骤S4包括以下过程：

逐一计算区间[0,255]内的所有Map[256]，通过公式（8 ）对每一个Map[256]进行一维均值滤波：

。

5.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述步骤S5包括以下过程：

通过公式（9）将非线性映射曲线Map[256]应用到V通道图像上：

。

6.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述步骤S6包括以下过程：

步骤S61：将亮度增强后的V通道图像联合原图像的H、S通道，通过公式（10）-公式（15），从HSV模型转换回RGB模型，从而得到增强后的R’、G’、B’通道，即得到图像Dst：

其中，H∈[0,360]，S∈[0,1]，V∈[0,255]，R’∈[0,255]，G’∈[0,255]，B’∈[0,255]；

步骤S62：输出非线性增强后的图像Dst。

7.根据权利要求1所述的基于类间方差描述的图像亮度均匀性实时恢复方法，其特征在于，所述亮暗区域采用自适应阈值的方法进行区域分割。

Images