CN109035182B - 一种自适应动态双直方图均衡方法 - Google Patents

一种自适应动态双直方图均衡方法 Download PDF

Info

Publication number
CN109035182B
CN109035182B CN201810784366.0A CN201810784366A CN109035182B CN 109035182 B CN109035182 B CN 109035182B CN 201810784366 A CN201810784366 A CN 201810784366A CN 109035182 B CN109035182 B CN 109035182B
Authority
CN
China
Prior art keywords
histogram
max
image
sub
lut
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
CN201810784366.0A
Other languages
English (en)
Other versions
CN109035182A (zh
Inventor
戴声奎
黄正暐
钟峥
高剑萍
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN201810784366.0A priority Critical patent/CN109035182B/zh
Publication of CN109035182A publication Critical patent/CN109035182A/zh
Application granted granted Critical
Publication of CN109035182B publication Critical patent/CN109035182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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 by the use of histogram techniques
    • G06T5/90—
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明提供了一种自适应动态双直方图均衡方法，其包含步骤为：首先将输入图像的初始直方图根据分割点左右分割，得到两个子直方图。然后进行二次计算重设直方图的分割点。最后进行双直方图均衡得到结果图。本发明设计了一种具有泛用性的双直方图均衡方法，能够自适应改善各类图像的清晰度、对比度、亮度。

Description

一种自适应动态双直方图均衡方法
技术领域
本发明属于视频图像增强领域，涉及一种自动控制的双直方图均衡方法。
背景技术
众所周知，摄像设备所面临的拍摄环境多种多样，在恶劣环境下进行拍摄容易导致视频图像质量下降，如对比度降低、细节不明显和过度曝光等。视频图像增强技术能够改善这一现象，在交通、安全、医疗、军事等领域有着重要应用价值。
双直方图均衡是一种快速图像增强算法，利用图像的直方图分布特性将图像直方图分为两个部分，并分别根据两个部分的分布形状对图像进行重映射，该类方法计算复杂度低，适用于视频实时处理和硬件集成，但该类算法仅以初始分割点进行直方图均衡，方法简单且效果不佳，无法满足复杂的图像视频拍摄环境，如无法实现高亮图，低照度图的图像增强，容易产生失真和过度曝光，因此有着重要的研究价值和研究空间。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种通过装置封装碳排放计算的排放参数、方法，避免了繁琐的人工盘查与高成本的传感器投入。
本发明采用如下技术方案：
一种自适应动态双直方图均衡方法，其步骤如下：
a)输入比特位为B、级数为L＝2^B的数字图像，获取其亮度图像，其最大灰度级Lmax，最小灰度级Lmin，统计其初始直方图，计算归一化直方图数组h(j)，其中j代表直方图灰度级，Lmin≤j≤Lmax；
b)根据初次分割点C1st，计算累加和S(C1st)＝h(Lmin)+...+h(C1st)，并将初始直方图左右分割，得到两个子直方图，分别将两个子直方图数组归一化，然后分别累加得到数组SL(i)和SR(k)，其中i代表左子直方图灰度级，其范围为：Lmin≤i≤C1st，k代表右子直方图灰度级，其范围为C1st+1≤k≤Lmax；
c)将累加和S(C1st)乘Lmax，再加上自适应偏移量D，得到二次分割点C2ed；
d)利用二次分割点C2ed和左右累加数组SL(i)和SR(k)制作映射表，把表中元素的小数部分去除，对初始亮度图像的每个像素进行映射替换，得到最后结果图像；
所述步骤a)中，如果输入图像为单通道则直接作为亮度图像，如果是多通道则提取亮度通道作为亮度图像。
所述步骤b)中，初次分割点C1st的计算可以采用大津法、像素中值、像素均值、峰值等。
所述步骤c)中，偏移量D的计算方法为：
若S(C1st)≤0.5则：D＝r*(1-S(C1st))*(0.5-S(C1st))*Lmax
若S(C1st)>0.5则：D＝r*S(C1st)*(0.5-S(C1st))*Lmax
其中r是微调参数，取值范围为0～2。
所述步骤d)中，映射表的制作方法为：首先分别制作左子映射表LutL(i)和右子映射表LutR(k)，如公式所示：
LutL(i)＝(C2ed-Lmin)*SL(i)+Lmin
LutR(k)＝(Lmax-C2ed)*SR(k)+C2ed
然后将左子映射表LutL(i)和右子映射表LutR(k)按左右合并，合成最终的映射表。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明提出的自适应动态双直方图均衡方法针对以往算法存在的缺陷，通过对分割后两个部分的直方图进行动态操作，解决了长期以来存在的问题，为算法提供了很大程度的泛用性，并且提升了处理效果，使算法更具有实用性，适合进行产品化。
附图说明
图1为本发明的流程图；
图2为算法示意图；
图3为算法处理结果对比图；
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
图1所示为本发明的一种自适应动态双直方图均衡方法的流程图，假设输入图像的输入比特位为8、级数为256的RGB三通道彩色数字图像，根据流程图所述处理步骤应当如下：
a)由于输入图像为多通道，应取亮度通道作为亮度图，如将图像转为HSV空间，取V通道为亮度图。此时最大灰度级Lmax＝255，最小灰度级Lmin＝0，或取YCbCr空间的Y通道，此时Lmax＝235，Lmin＝16，统计亮度图像的初始直方图，归一化得到直方图数组h(j)，其中j代表直方图灰度级(Lmin≤j≤Lmax)。
b)初次分割点C1st不限制计算方式，默认采用大津法，计算累加和S(C1st)＝h(Lmin)+...+h(C1st)。以分割点为界将直方图分为左右子直方图，其中分割点所在灰度级归为左直方图。
将左右直方图分别再次进行归一化，然后分别进行累加操作，即将直方图按灰度级排列顺序进行累加，并将每一次累加结果按灰度级存入数组中，最终得到左右累加数组SL(i)和SR(k)，其中i代表左子直方图灰度级，其范围为：Lmin≤i≤C1st，k代表右子直方图灰度级，其范围为C1st+1≤k≤Lmax。
c)将累加和S(C1st)乘以Lmax，再加上自适应偏移量D，得到二次分割点C2ed。默认r＝0.9，如果累加和S(C1st)小于等于0.5，则计算自适应偏移量：
D＝r*(1-S(C1st))*(0.5-S(C1st))*Lmax
如果S(C1st)大于0.5，则偏移量为：
D＝r*S(C1st)*(0.5-S(C1st))*Lmax。
将累加和S(C1st)乘Lmax，再加上偏移量D，得到二次分割点C2ed。
d)利用二次分割点C2ed和左右累加数组SL(i)和SR(k)制作映射表，把表中元素的小数部分去除，对初始亮度图像的每个像素进行映射替换，得到最后结果图像。
通过C2ed和左右累加数组SL(i)和SR(k)制作映射表，具体公式为：
LutL(i)＝(C2ed-Lmin)*SL(i)+Lmin(Lmin≤i≤C1st)；
LutR(k)＝(Lmax-C2ed)*SR(k)+C2ed(C1st+1≤k≤Lmax)。
按左右顺序拼接映射表，把表中元素的小数部分去除，得到最终查找表。
将亮度图的每个像素通过映射表映射到新的值，得到最终结果图。
本发明提供的是自适应动态双直方图均衡方法，该方法自适应性强，微调参数r的设定不会对处理效果产生太大影响，输入图像经过自适应计算处理后，得到清晰度、亮度和对比度更优的图像，并且处理结果十分自然。
图2为算法的直方图操作示意图，图3为处理结果的效果对比图，(a)为处理前，(b)为处理后，从对比中可以看出，图像亮度，对比度得到了明显的提升，处理结果自然且清晰。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (3)

1.一种自适应动态双直方图均衡方法，其特征在于包含如下步骤：
a)输入比特位为B、级数为L＝2^B的数字图像，获取其亮度图像，其最大灰度级Lmax，最小灰度级Lmin，统计其初始直方图，计算归一化直方图数组h(j)，其中j代表直方图灰度级，Lmin≤j≤Lmax；
b)根据初次分割点C1st，计算累加和S(C1st)＝h(Lmin)+...+h(C1st)，并将初始直方图左右分割，得到两个子直方图，分别将两个子直方图数组归一化，然后分别累加得到数组SL(i)和SR(k)，其中i代表左子直方图灰度级，其范围为：Lmin≤i≤C1st，k代表右子直方图灰度级，其范围为C1st+1≤k≤Lmax；
c)将累加和S(C1st)乘以Lmax，再加上自适应偏移量D，得到二次分割点C2ed；偏移量D的计算方法为：
若S(C1st)≤0.5则：D＝r*(1-S(C1st))*(0.5-S(C1st))*Lmax；
若S(C1st)>0.5则：D＝r*S(C1st)*(0.5-S(C1st))*Lmax；
其中r是微调参数，取值范围为0～2；
d)利用二次分割点C2ed和左右累加数组SL(i)和SR(k)制作映射表，把表中元素的小数部分去除，对初始亮度图像的每个像素进行映射替换，得到最后结果图像，映射表的制作方法为：首先分别制作左子映射表LutL(i)和右子映射表LutR(k)，如公式所示：
LutL(i)＝(C2ed-Lmin)*SL(i)+Lmin；
LutR(k)＝(Lmax-C2ed)*SR(k)+C2ed；
然后将左子映射表LutL(i)和右子映射表LutR(k)按左右合并，合成最终的映射表。
2.如权利要求1所述的自适应动态双直方图均衡方法，其特征在于，所述步骤a)中，如果输入图像为单通道则直接作为亮度图像，如果是多通道则提取亮度通道作为亮度图像。
3.如权利要求1所述的自适应动态双直方图均衡方法，其特征在于，所述步骤b)中，初次分割点C1st的计算可以采用大津法、像素中值、像素均值或峰值。
CN201810784366.0A 2018-07-17 2018-07-17 一种自适应动态双直方图均衡方法 Active CN109035182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810784366.0A CN109035182B (zh) 2018-07-17 2018-07-17 一种自适应动态双直方图均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810784366.0A CN109035182B (zh) 2018-07-17 2018-07-17 一种自适应动态双直方图均衡方法

Publications (2)

Publication Number Publication Date
CN109035182A CN109035182A (zh) 2018-12-18
CN109035182B true CN109035182B (zh) 2023-06-20

Family

ID=64643515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810784366.0A Active CN109035182B (zh) 2018-07-17 2018-07-17 一种自适应动态双直方图均衡方法

Country Status (1)

Country Link
CN (1) CN109035182B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801905B (zh) * 2021-02-02 2023-05-26 华侨大学 一种亮度可调自适应对比度增强方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010015140A1 (zh) * 2008-08-07 2010-02-11 中兴通讯股份有限公司 一种视频增强的方法及其装置
CN103353982A (zh) * 2013-05-15 2013-10-16 中山大学 一种基于直方图均衡化的色调映射方法
CN108154502A (zh) * 2017-12-22 2018-06-12 王华锋 一种基于卷积神经网络的通孔焊点识别方法
CN108171670A (zh) * 2018-01-08 2018-06-15 华侨大学 一种具有双控功能的非线性图像增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010015140A1 (zh) * 2008-08-07 2010-02-11 中兴通讯股份有限公司 一种视频增强的方法及其装置
CN103353982A (zh) * 2013-05-15 2013-10-16 中山大学 一种基于直方图均衡化的色调映射方法
CN108154502A (zh) * 2017-12-22 2018-06-12 王华锋 一种基于卷积神经网络的通孔焊点识别方法
CN108171670A (zh) * 2018-01-08 2018-06-15 华侨大学 一种具有双控功能的非线性图像增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PSO约束优化耦合直方图均衡化的图像增强算法;周冰 等;《现代电子技术》;全文 *
刘子兵 等.结合天空分割修正的快速去雾方法.《 华侨大学学报(自然科学版)》.2018,全文. *
基于自适应多子直方图均衡的图像增强算法;苑豪杰;刘昌禄;许建平;胡敬营;;指挥控制与仿真(05);全文 *

Also Published As

Publication number Publication date
CN109035182A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
TWI473039B (zh) 影像的動態範圍壓縮與局部對比增強方法及影像處理裝置
US7003153B1 (en) Video contrast enhancement through partial histogram equalization
WO2018133609A1 (zh) 从低动态图像生成高动态图像的方法
WO2019061766A1 (zh) 一种图像处理方法及装置
CN112308803B (zh) 一种基于深度学习的自监督低照度图像增强及去噪方法
CN111105371B (zh) 一种低对比度红外图像的增强方法
CN111161163A (zh) 一种直方图双重伽马校正的红外图像对比度增强方法
CN107533756A (zh) 图像处理装置、摄像装置、图像处理方法以及存储图像处理装置的图像处理程序的存储介质
CN109785275A (zh) 一种图像的色调映射方法及设备
JP6600216B2 (ja) 画像処理装置及び画像処理方法、プログラム、記憶媒体
WO2019104047A1 (en) Global tone mapping
CN112911166A (zh) 一种调整图像亮度的方法、装置、芯片、介质及摄像设备
CN110288546B (zh) 一种采用双向伽马变换的低照度图像增强方法
CN109035182B (zh) 一种自适应动态双直方图均衡方法
CN111784594A (zh) 一种红外图像对比度增强方法及装置
TWI462575B (zh) 影像處理裝置及影像處理方法
US8693799B2 (en) Image processing apparatus for emphasizing details of an image and related apparatus and methods
CN108122217B (zh) 一种自适应场景的实时红外图像增强方法
EP4014479B1 (en) Adaptive image data linearization for hdr image sensors
CN109003241B (zh) 一种具有双控功能的线性图像增强方法
CN112488968A (zh) 一种分程度直方图均衡融合的图像增强方法
WO2023284528A1 (zh) 一种图像增强方法、装置、计算机设备和存储介质
CN108171670B (zh) 一种具有双控功能的非线性图像增强方法
TW202034281A (zh) 影像亮度調整方法及計算機程式產品
CN112991240B (zh) 一种用于实时图像增强的图像自适应增强算法

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
GR01 Patent grant
GR01 Patent grant