CN109064427A - 增强图像对比度的方法、装置、显示设备和存储介质 - Google Patents

增强图像对比度的方法、装置、显示设备和存储介质 Download PDF

Info

Publication number
CN109064427A
CN109064427A CN201810862423.2A CN201810862423A CN109064427A CN 109064427 A CN109064427 A CN 109064427A CN 201810862423 A CN201810862423 A CN 201810862423A CN 109064427 A CN109064427 A CN 109064427A
Authority
CN
China
Prior art keywords
input
subgraph
value
subgraphs
histogram
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
Application number
CN201810862423.2A
Other languages
English (en)
Inventor
杨静林
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201810862423.2A priority Critical patent/CN109064427A/zh
Publication of CN109064427A publication Critical patent/CN109064427A/zh
Priority to US16/450,122 priority patent/US11238571B2/en
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20172—Image enhancement details
    • 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)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

本发明提供了一种增强图像对比度的方法，所述方法包括：将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应灰度值分布范围内所有像素组成；对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；对多个所述输出子图像进行融合，以获得输出图像。本发明还提供了一种增强图像对比度的装置、一种显示设备和一种计算机可读存储介质，所述增强图像对比度的方法可以使得输出图像对比度增强，并且图像整体亮度保持良好。

Description

增强图像对比度的方法、装置、显示设备和存储介质
技术领域
本发明涉及显示技术领域，具体地，涉及一种增强图像对比度的方法、一种增强图像对比度的装置、一种显示设备和一种计算机可读存储介质。
背景技术
图像由于光照的影响，通常成像结果会具有一定的干扰，使得图像的整体效果偏亮或者偏暗，从而在一定程度上影响对图像中特定区域目标的处理。传统的直方图均衡算法，虽然在处理部分图像时具有较好的效果。但是该算法不能准确保持图像的亮度，处理后的图像经常会出现过亮的效果。
发明内容
本发明的目的在于提供一种增强图像对比度的方法、一种增强图像对比度的装置、一种显示设备和一种计算机可读存储介质，所述增强图像对比度的方法可以使得输出图像对比度增强，并且图像整体亮度保持良好。
作为本发明的第一个方面，提供了一种增强图像对比度的方法，其中，所述方法包括：
将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应的灰度值分布范围内所有像素组成；
对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；
对多个所述输出子图像进行融合，以获得输出图像。
可选地，将所述输入图像划分为多个输入子图像的步骤包括：
对所述输入图像的像素点的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数；
根据所述输入图像的直方图将所述输入图像的直方图划分为多个输入子图像。
可选地，根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像的步骤包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值按照如下公式(1)计算：
其中，
g为所述输入子图像的划分值；
G为所述输入图像的灰度总值。
可选地，所述对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像，包括：
对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵；
对所述输入子图像的像素信息形成的矩阵进行SDV分解，以获得与该输入子图像相对应的第一奇异均值；
对所述中间矩阵进行SDV分解，得到与该所述中间矩阵相对应的第二奇异均值；
获得所述第一奇异均值与所述第二奇异均值的比值；
利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。
作为本发明的第二个方面，提供了一种增强图像对比度的装置，其中，所述装置包括：
图像划分单元，用于根据图像灰度值将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应灰度值分布范围内所有像素组成；
图像均衡化单元，用于对多个所述输入子图像进行均衡化处理，以集运均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；
图像融合单元，用于对多个所述输出子图像进行融合，以获得输出图像。
优选地，所述图像划分单元包括直方图统计子单元和子图像划分子单元：
所述直方图统计子单元用于对所述输入图像的像素点的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数；
所述子图像划分子单元用于根据获取到的所述输入图像的直方图将所述输入图像划分为多个输入子图像。
优选地，所述子图像划分子单元根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值按照如下公式(1)计算：
其中，
g为所述输入子图像的划分值；
G为所述输入图像的灰度总值。
优选地，其中，所述图像均衡化单元包括直方图均衡化处理子单元、计算子单元、和拟合子单元：
所述直方图均衡化处理子单元用于对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵；
所述计算子单元用于对所述输入子图像的像素信息形成的矩阵进行SDV分解以获得与该输入子图像相对应的第一奇异均值、对所述中间矩阵进行SDV分解得到与该所述中间矩阵相对应的第二奇异均值、以及获得所述第一奇异均值与所述第二奇异均值的比值；
所述拟合子单元用于利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。
作为本发明的第三个方面，提供一种显示设备，所述显示设备包括显示面板和增强图像对比度的装置，其中，所述增强图像对比度的装置为本发明所提供的上述增强图像对比度的装置。
作为本发明的第四个方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质用于执行本发明所提供的上述方法。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明所提供的所述增强图像对比度的方法的整体流程图；
图2为本发明所提供的所述增强图像对比度的方法的一种实施方式的流程图；
图3为本发明所提供的所述增强图像对比度的方法一种实施方式中输入图像的直方图；
图4为本发明所提供的所述增强图像对比度的装置的结构框图。
附图标记说明
100：增强图像对比度的装置 101：图像划分单元
102：图像均衡化单元 103：图形融合单元
101a：直方图统计子单元 101b：子图像划分子单元
102a：直方图均衡化处理子单元 102b：计算子单元
102c：拟合子单元
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
作为本发明第一个方面，如图1所示，提供了一种增强图像对比度的方法，其中，所述方法包括：
步骤S1、将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应灰度值分布范围内所有像素组成；
步骤S2、对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；
步骤S3、对多个所述输出子图像进行融合，以获得输出图像。
在利用本发明所提供的增强图像对比度的方法增强图像的对比度时，首先在步骤S1中根据输入图像的灰度值分布将输入图像划分为多个输入子图像。而在步骤S1中，同一个输入子图像中的各个像素点的灰度值都处于同一个灰度值分布范围内，相差不会过大。但是，不同的输入子图像中的像素点的灰度值相差可能会较大。因此，在步骤S2中，分别对各个输入子图像进行均衡化处理，不同的输入子图像不会互相影响，从而可以确保经过本发明所提供的方法处理后获得的输出图像可以有效的保持原图像的亮度，不会出现过亮的现象。
在本发明中，对步骤S2中所采用的均衡化处理的具体方法并不做特殊的规定。作为一种优选实施方式，可以采用直方图均衡化的方法执行步骤S2。
首先需要说明的是，直方图均衡化的原理是把输入图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，进而，直方图均衡化就是对输入图像进行非线性拉伸，重新分配输入图像像素值，使一定灰度范围内的像素数量大致相同；即，把原始输入图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而可达到增强图像整体对比度的效果。
基于上述直方图均衡化的原理，容易理解的是，对于一整幅完整的输入图像的灰度值分布并不总是均匀的，因此，当输入图像中存在灰度值差别很大的区域时，现有技术的方案中，利用直方图均衡化对整幅输入图像进行处理，会使得所述输入图像中灰度值差别很大的区域的像素点的灰度值趋于一个平均值，与原本属于该区域的像素点的灰度值偏差较大，进而导致整幅图像的对比度严重降低，图像失真。
而在本发明所提供的方法中，通过将输入图像划分为多个输入子图像，然后分别对各个输入子图像进行直方图均衡化处理，从而可以避免出现上述图像失真。
需要说明的是，作为一种优选地实施方式，本发明步骤S2中所述采用的均衡化处理可以是直方图均衡化处理。
图3中所示的是一幅输入图像的直方图，通过直方图统计，可以获得所述输入图像中各个灰度值像素点的分布情况，具体地，以图3所示为例，横轴表示灰度值，纵轴表示每个灰度值上像素点的个数，例如，对应灰度值为255的像素点的个数为2000。
下面基于图3所示的输入图像的直方图，对步骤S1至S3进行具体描述。
作为一种可选地实施方式，将所述输入图像划分为多个输入子图像的步骤S1包括：
步骤S11、对所述输入图像的像素的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数；
步骤S12、根据所述输入图像的直方图将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值等级分布范围不同，所述输入子图像由对应灰度值分布范围内所有像素组成。
例如，如图3所示，根据上述的输入子图像的划分方法得到的多个子图像中，有一个子图像的灰度值分布范围是100-150，那么该输入子图像由输入图像的灰度值分布范围在100-150内的所有像素组成；需要说明的是，上述灰度值分布是100-150的输入子图像仅仅是用于说明输入子图像的划分方法，而不能理解为在本申请中一定存在一个灰度值分布在100-150范围内的输入子图像。
进一步地，根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像的步骤包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值可以按照如下公式(1)计算：
其中，g为所述输入子图像的划分值；G为所述输入图像的灰度总值。
如上所述，容易理解的是，上述将所述输入图像划分为多个输入子图像的步骤中，首先计算所述输入图像的灰度总值G，所述输入子图像的划分值g为所述输入图像的灰度总值G的n分之一，也就是说，n个输入子图像的划分值相同，即，本发明利用划分值g将所述输入图像进行划分为n个不同灰度值分布的输入子图像。
容易理解的是，对于G的计算可以是对所述输入图像的所有像素点的灰度值求和而得到。相应地，每个所述输入子图像的灰度总值可以由该输入子图像中所有像素点的灰度值求和获得。
需要说明的是，本发明对于n的取值没有限制，例如，可以依据相应设备对图像划分的计算能力而适应性地设定n的取值。
如上文中所述，划分值g是所述输入子图像包括的全部像素点的灰度值之和，结合图3容易理解的是，由于处于输入图像不同区域的像素点的灰度值分布不均，导致部分所述输入子图像的灰度值较低，而另外一部分所述输入子图像的灰度值较高，因此，n个输入子图像具有不同的灰度值，进而，利用划分值g对所述输入图像进行划分，为了保证不同的所述输入子图像的灰度总值(划分值g)相同，就需要调整部分灰度值较低的所述输入子图像所包括的像素点的个数相对较多，而部分灰度值较高的所述输入子图像所包括的像素点的个数相对较少。
进一步地，作为本发明一种可选地实施方式，步骤S2可以包括：
步骤S21、对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵；
步骤S22、对所述输入子图像的像素信息形成的矩阵进行SDV分解，以获得与该输入子图像相对应的第一奇异均值；
步骤S23、对所述中间矩阵进行SDV分解，得到与该中间矩阵相对应的第二奇异均值；
步骤S24、获得所述第一奇异均值与所述第二奇异均值的比值；
步骤S25、利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。换言之，包括输出矩阵中像素信息的图像即为对输入子图像进行均衡化处理后获得的输出子图像。
如上所述，关于直方图均衡化处理的原理已经在前述部分进行了阐述，此处不再赘述，基于所述直方图均衡化处理的原理，对所述输入子图像的像素信息进行直方图均衡化处理，并利用均衡化处理后的像素信息分别形成与该输入子图像对应的中间矩阵；
进一步地，执行SVD分解的步骤，具体如下：为便于理解技术方案，令第i个所述输入子图像像素信息形成的矩阵记为sub_imgi，其中，i＝1,2,…,n；对sub_imgi进行直方图均衡化处理，得到的相应的中间矩阵记为sub_imgi_heqi，对sub_imgi和sub_imgi_heqi分别进行SVD分解，具体地，按照以下公式(3)和(4)进行分解，
sub_imgi＝Ui*Si*Vi (3)
sub_imgi_heqi＝U_heqi*S_heqi*V_heqi (4)
其中，Ui是m×m阶矩阵；Si是m×n阶矩阵；Vi是n×n阶矩阵；U_heqi是m×m阶矩阵；S_heqi是m×n阶矩阵；V_heqi是n×n阶矩阵；Si中保存输入子图像的像素信息形成的矩阵的奇异值，S_heqi中保存着中间矩阵的奇异值，分别计算Si的平均值S_meani，以及S_heqi的平均值S_heqi_meani，按照以下公式(5)和(6)进行拟合得到所述输出矩阵sub_imgi_outi，即输出子图像的像素信息形成的矩阵，
r＝S_heqi_meani/S_meani (5)
sub_imgi_outi＝Ui*(r*Si)*Vi (6)
容易理解的是，由于每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰阶值，因此，由所述输出矩阵sub_imgi_outi可以容易得出所述输出子图像。
进一步地，作为一种可选地实施方式，如图1和图2所示，对多个所述输出子图像进行融合，以获得输出图像的步骤S3包括S31：按照以下公式(2)对多个所述输出子图像的像素信息进行融合，以获得所述输出图像的像素信息，
其中，ωi是融合权值，∑ωi＝1；img_out是所述输出图像的像素信息形成的矩阵，sub_img_outi是所述输出子图像的像素信息形成的矩阵；i表示输入子图像的编号，i为自然数。
需要说明的是，融合权值ωi可以根据不同的图像场景，采用多数据集统计进行设定，根据img_out既可以得到所述输出图像，该输出图像相对于输入图像对比度增强，并且图像整体亮度保持良好。
作为本发明第二个方面，如图4所示，提供了一种增强图像对比度的装置100，其中，所述装置包括：图像划分单元101、图像均衡化单元102和图像融合单元103。
图像划分单元101用于执行步骤S1，即，图像划分单元101用于根据图像灰度值将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应灰度值分布范围内所有像素组成。
图像均衡化单元102用于执行步骤S2，即，图像均衡化单元102用于对多个所述输入子图像进行均衡化处理，以集运均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像。
图像融合单元103用于执行步骤S3，即，图像融合单元103用于对多个所述输出子图像进行融合，以获得输出图像。
如上所述，本发明所提供的增强图像对比度的装置100区别于现有技术直接对整幅输入图像(待处理的原始图像)进行直方图均衡化处理，而是首先对输入图像进行分割得到多个输入子图像，然后对所述输入子图像执行均衡化处理，获得多个与输入子图像一一对应的输出子图像，最后对得到的所述多个输出子图像进行融合，获得输出图像；相对于现有技术，所述输出图像的对比度增强，并且图像的整体亮度保持良好。
作为本发明一种可选地实施方式，图像划分单元101可以包括直方图统计子单元101a和子图像划分子单元101b。
直方图统计子单元101a用于对所述输入图像的像素的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数。
子图像划分子单元101b用于根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像。
进一步地，子图像划分子单元101b根据获取到的所述输入图像的像素信息将所述输入图像划分为多个输入子图像具体包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值可以按照如下公式(1)计算：
其中，g为所述输入子图像的划分值；G为所述输入图像的灰度总值。
如上所述，容易理解的是，上述将所述输入图像划分为多个输入子图像的步骤中，首先计算所述输入图像的灰度总值G，所述输入子图像的划分值g为G的n分之一，也就是说，n个输入子图像的划分值相同，即，本发明利用划分值g将所述输入图像进行划分为n个不同灰度值分布的输入子图像。
需要说明的是，本发明对于n的取值没有限制，例如，n的取值可以依据相应设备对图像划分的计算能力而适应性地设定。
此外，划分值g是所述输入子图像包括的全部像素点的灰度值之和，结合图3容易理解的是，由于处于输入图像不同区域的像素点的灰度值分布不均，导致部分所述输入子图像的灰度值较低，而另外一部分所述输入子图像的灰度值较高，因此，n个输入子图像具有不同的灰度值，进而，利用划分值g对所述输入图像进行划分，为了保证不同的所述输入子图像的灰度值(划分值g)相同，就需要调整部分灰度值较低的所述输入子图像所包括的像素点的个数相对较多，而部分灰度值较高的所述输入子图像所包括的像素点的个数相对较少。
进一步地，作为本发明一种可选地实施方式，图像均衡化单元102包括直方图均衡化处理子单元102a、计算子单元102b和拟合子单元102c。
直方图均衡化处理子单元102a用于对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵。
计算子单元102b用于执行以下步骤：对所述输入子图像的像素信息形成的矩阵进行SDV分解，以获得与该输入子图像相对应的第一奇异均值；对所述中间矩阵进行SDV分解，得到与该所述中间矩阵相对应的第二奇异均值；获得所述第一奇异均值与所述第二奇异均值的比值。
拟合子单元102c用于利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。
基于所述直方图均衡化处理的原理，对所述输入子图像的像素信息进行直方图均衡化处理，并利用均衡化处理后的像素信息分别形成与该输入子图像对应的中间矩阵；
进一步地，执行SVD分解的步骤，具体如下：为便于理解技术方案，令第i个所述输入子图像像素信息形成的矩阵记为sub_imgi，其中，i＝1,2,…,n；对sub_imgi进行直方图均衡化处理，得到的相应的中间矩阵记为sub_imgi_heqi，对sub_imgi和sub_imgi_heqi分别进行SVD分解，具体地，按照以下公式(3)和(4)进行分解，
sub_imgi＝Ui*Si*Vi (3)
sub_imgi_heqi＝U_heqi*S_heqi*V_heqi (4)
其中，Ui是m×m阶矩阵；Si是m×n阶矩阵；Vi是n×n阶矩阵；U_heqi是m×m阶矩阵；S_heqi是m×n阶矩阵；V_heqi是n×n阶矩阵；Si中保存输入子图像的像素信息形成的矩阵的奇异值，S_heqi中保存着中间矩阵的奇异值，分别计算Si的平均值S_meani，以及S_heqi的平均值S_heqi_meani，按照以下公式(5)和(6)进行拟合得到所述输出矩阵sub_imgi_outi，即输出子图像的像素信息形成的矩阵，
r＝S_heqi_meani/S_meani (5)
sub_imgi_outi＝Ui*(r*Si)*Vi (6)
容易理解的是，由于每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰阶值，因此，由所述输出矩阵sub_imgi_outi可以容易得出所述输出子图像。
进一步地，在本发明中，如图4所示，图像融合单元103对多个所述输出子图像进行融合，以获得输出图像具体包括：
按照以下公式(2)对多个所述输出子图像的像素信息进行融合，以获得所述输出图像的像素信息，
其中，ωi是融合权值，∑ωi＝1，img_out是所述输出图像的像素信息形成的矩阵，sub_img_outi是所述输出子图像的像素信息形成的矩阵；i表示输入子图像的编号，i为自然数。
由于不同的输出子图像的像素点的数量可能是不同的，因此，可以采取对像素点较少的输出子图像的像素信息的矩阵中补零的方式，使得所有的输出子图像的像素信息形成的矩阵元素数量相同。
需要说明的是，融合权值ωi可以根据不同的图像场景，采用多数据集统计进行设定，根据img_out既可以得到所述输出图像，该输出图像相对于输入图像对比度增强，并且图像整体亮度保持良好。
作为本发明第三个方面，提供了一种显示设备，所述显示设备包括显示面板和增强图像对比度的装置，其中，所述增强图像对比度的装置为本发明所提供的所述增强图像对比度的装置。
如上所述，由于该显示设备包括本发明所提供的增强图像对比度的装置，因此利用该显示设备显示的图像相对于输入图像对比度提高，并且图像整体亮度保持较好，不会出现过亮的效果。
作为本发明的第四个方面，提供一种计算机可读存储介质，所述计算机可读存储介质用于执行本发明所提供的上述增强图像对比度的方法。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种增强图像对比度的方法，其特征在于，所述方法包括：
将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对应的灰度值分布范围内所有像素组成；
对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；
对多个所述输出子图像进行融合，以获得输出图像。
2.根据权利要求1所述的方法，其特征在于，将所述输入图像划分为多个输入子图像的步骤包括：
对所述输入图像的像素点的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数；
根据所述输入图像的直方图将所述输入图像划分为多个输入子图像。
3.根据权利要求2所述的方法，其特征在于，根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像的步骤包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值按照如下公式(1)计算：
其中，
g为所述输入子图像的划分值；
G为所述输入图像的灰度总值。
4.根据权利要求3所述的方法，其特征在于，其中，所述对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像，包括：
对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵；
对所述输入子图像的像素信息形成的矩阵进行SDV分解，以获得与该输入子图像相对应的第一奇异均值；
对所述中间矩阵进行SDV分解，得到与该所述中间矩阵相对应的第二奇异均值；
获得所述第一奇异均值与所述第二奇异均值的比值；
利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。
5.一种增强图像对比度的装置，其特征在于，所述装置包括：
图像划分单元，用于根据图像灰度值将所述输入图像划分为多个输入子图像，每一个所述输入子图像对应于一个灰度值分布范围，任意两个所述输入子图像的灰度值分布范围不同，所述输入子图像由对的应灰度值分布范围内所有像素组成；
图像均衡化单元，用于对多个所述输入子图像进行均衡化处理，基于均衡化处理后的输入子图像获得与多个所述输入子图像一一对应的多个输出子图像；
图像融合单元，用于对多个所述输出子图像进行融合，以获得输出图像。
6.根据权利要求5所述的装置，其特征在于，所述图像划分单元包括直方图统计子单元和子图像划分子单元：
所述直方图统计子单元用于对所述输入图像的像素点的灰度值进行直方图统计，以获得所述输入图像的直方图，其中，所述输入图像的直方图包括所述输入图像的像素信息，所述像素信息包括多个灰度值，以及对应每个灰度值所包括的像素点的个数；
所述子图像划分子单元用于根据获取到的所述输入图像的直方图将所述输入图像划分为多个输入子图像。
7.根据权利要求6所述的装置，其特征在于，所述子图像划分子单元根据获取到的所述输入图像的像素信息将所述输入图像的直方图划分为多个输入子图像包括：
将所述输入图像按照划分值划分为n个不同灰度值分布范围的所述输入子图像，每个所述输入子图像的灰度总值为所述划分值，所述划分值按照如下公式(1)计算：
其中，
g为所述输入子图像的划分值；
G为所述输入图像的灰度总值。
8.根据权利要求7所述的装置，其特征在于，其中，所述图像均衡化单元包括直方图均衡化处理子单元、计算子单元、和拟合子单元：
所述直方图均衡化处理子单元用于对所述输入子图像的像素信息进行直方图均衡化处理，并利用经过直方图均衡化处理的像素信息分别形成与该输入子图像对应的中间矩阵；
所述计算子单元用于对所述输入子图像的像素信息形成的矩阵进行SDV分解以获得与该输入子图像相对应的第一奇异均值、对所述中间矩阵进行SDV分解得到与该所述中间矩阵相对应的第二奇异均值、以及获得所述第一奇异均值与所述第二奇异均值的比值；
所述拟合子单元用于利用所述比值使所述第一奇异均值向所述中间矩阵进行拟合，得到输出矩阵，每个所述输出矩阵中的各个数值分别为该输出矩阵对应的输出子图像中各个输出像素点的灰度值。
9.一种显示设备，所述显示设备包括显示面板和增强图像对比度的装置，其特征在于，所述增强图像对比度的装置为权利要求5至8中任意一项所述的增强图像对比度的装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于执行权利要求1至4中任意一项所述的方法。
CN201810862423.2A 2018-08-01 2018-08-01 增强图像对比度的方法、装置、显示设备和存储介质 Pending CN109064427A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810862423.2A CN109064427A (zh) 2018-08-01 2018-08-01 增强图像对比度的方法、装置、显示设备和存储介质
US16/450,122 US11238571B2 (en) 2018-08-01 2019-06-24 Method and device for enhancing image contrast, display apparatus, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810862423.2A CN109064427A (zh) 2018-08-01 2018-08-01 增强图像对比度的方法、装置、显示设备和存储介质

Publications (1)

Publication Number Publication Date
CN109064427A true CN109064427A (zh) 2018-12-21

Family

ID=64832473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810862423.2A Pending CN109064427A (zh) 2018-08-01 2018-08-01 增强图像对比度的方法、装置、显示设备和存储介质

Country Status (2)

Country Link
US (1) US11238571B2 (zh)
CN (1) CN109064427A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021195895A1 (zh) * 2020-03-30 2021-10-07 深圳市大疆创新科技有限公司 红外图像处理方法、装置、设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3872749A1 (en) * 2020-02-25 2021-09-01 STMicroelectronics (Research & Development) Limited Local tone mapping for hdr video
CN116703888B (zh) * 2023-07-28 2023-10-20 菏泽城建新型工程材料有限公司 一种钻孔灌注桩施工辅助异常检测方法及其系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5687249A (en) * 1993-09-06 1997-11-11 Nippon Telephone And Telegraph Method and apparatus for extracting features of moving objects
US7317829B2 (en) * 2003-12-12 2008-01-08 Microsoft Corporation Background color estimation for scanned images
US7840066B1 (en) * 2005-11-15 2010-11-23 University Of Tennessee Research Foundation Method of enhancing a digital image by gray-level grouping
US7639893B2 (en) * 2006-05-17 2009-12-29 Xerox Corporation Histogram adjustment for high dynamic range image mapping
US9361703B2 (en) * 2012-04-03 2016-06-07 Sony Corporation Image processing device, control method of image processing device and program
JP5662962B2 (ja) * 2012-04-19 2015-02-04 富士フイルム株式会社 画像処理装置、方法及びプログラム
CN103606137B (zh) * 2013-11-13 2016-04-13 天津大学 保持背景和细节信息的直方图均衡化方法
CN106530237B (zh) * 2016-09-19 2019-06-07 中山大学 一种图像增强方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021195895A1 (zh) * 2020-03-30 2021-10-07 深圳市大疆创新科技有限公司 红外图像处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20200043148A1 (en) 2020-02-06
US11238571B2 (en) 2022-02-01

Similar Documents

Publication Publication Date Title
CN100387064C (zh) 视频信号处理装置及方法
CN109064427A (zh) 增强图像对比度的方法、装置、显示设备和存储介质
CN103460682B (zh) 图像处理装置和方法
CN105575314B (zh) 一种灰阶处理方法、灰阶处理装置及显示装置
CN104915939A (zh) 一种图像均衡化方法和设备
CN108022223A (zh) 一种基于对数映射函数分块处理融合的色调映射方法
CN111340721B (zh) 一种像素的修正方法、装置、设备及可读存储介质
CN102480626A (zh) 图像处理装置、显示装置以及图像处理方法
CN107948554A (zh) 显示画面的对比度调节方法、显示器和可读存储介质
CN112348754B (zh) 一种低照度彩色图像增强方法及装置
CN107301635A (zh) 一种红外图像细节增强方法与装置
DE102016117265A1 (de) Vorrichtungen und Verfahren für eine Linsenschattierungskorrektur eines Bildes
CN102800054A (zh) 基于稀疏性度量的图像盲去模糊方法
WO2017006619A1 (ja) 画像処理装置、表示装置及びプログラム
US8265419B2 (en) Image processing apparatus and image processing method
CN110930331B (zh) 一种噪声模糊图像非盲复原方法、系统及存储介质
TW200931947A (en) Image processing apparatus and image processing method
Menotti et al. A fast hue-preserving histogram equalization method for color image enhancement using a Bayesian framework
JP4232831B2 (ja) 画像処理装置および画像処理方法並びに画像処理プログラム
Zhou et al. Adaptation strategies for applying awgn-based denoiser to realistic noise
Hiraoka et al. Generation of cell-like color animation by inverse iris filter
CN102194203B (zh) 一种降低人脸检测存储量的方法及设备
CN103945090B (zh) 噪声估测装置及其方法
US10356283B2 (en) Gray component replacement in a digital image to generate a color transformed image
CN107886475A (zh) 一种单通道的图片相似判定方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221