CN109427047B - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN109427047B
CN109427047B CN201710762836.9A CN201710762836A CN109427047B CN 109427047 B CN109427047 B CN 109427047B CN 201710762836 A CN201710762836 A CN 201710762836A CN 109427047 B CN109427047 B CN 109427047B
Authority
CN
China
Prior art keywords
image
gray
value
original
map
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
CN201710762836.9A
Other languages
English (en)
Other versions
CN109427047A (zh
Inventor
郭俊
邵喜斌
周呈祺
陈明
栗首
王洁琼
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
Beijing BOE Display Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing BOE Display 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 BOE Technology Group Co Ltd, Beijing BOE Display Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710762836.9A priority Critical patent/CN109427047B/zh
Priority to JP2018560136A priority patent/JP7175197B2/ja
Priority to US16/300,971 priority patent/US11210765B2/en
Priority to EP18789754.1A priority patent/EP3690801A4/en
Priority to PCT/CN2018/084215 priority patent/WO2019041842A1/zh
Publication of CN109427047A publication Critical patent/CN109427047A/zh
Application granted granted Critical
Publication of CN109427047B publication Critical patent/CN109427047B/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
    • 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
    • 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
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/20024—Filtering 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
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种图像处理方法及装置，属于图像处理技术领域。所述方法包括：生成原始图像的原始灰度图；对原始灰度图进行直方图均衡化处理，得到均衡化灰度图；根据原始灰度图生成判决因子分布图，判决因子分布图包括第一标记区域和第二标记区域，第一标记区域包括原始图像中像素位置相邻且标准差小于设定值的像素所在的区域；根据原始灰度图、均衡化灰度图和判决因子分布图，得到最终灰度图，其中，最终灰度图中与第二标记区域对应的像素的灰度值为均衡化灰度图中对应的像素的灰度值，最终灰度图中与第一标记区域对应的像素的灰度值为原始灰度图中对应的像素的灰度值；根据最终灰度图恢复出处理后的图像。

Description

一种图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种图像处理方法及装置。
背景技术
直方图均衡化是把原始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均匀分布的一种图像处理方法，通过对图像进行直方图均衡化能够增强图像的对比度，使图像更清晰。
对于视频图像而言，由于视频图像在处理和传输过程中进行过压缩，很多诸如天空这样的场景被压缩成了块状伪平坦状态，图像中伪平坦部分(即图像中存在伪平坦状态的区域)虽然看起来是同一灰阶，但实际上却是由相近的灰阶块组成。这种存在块状伪平坦状态的图像，在进行直方图均衡化时，伪平坦部分的灰阶之间的差距可能被拉大，会造成伪平坦部分出现肉眼可见的不规则块状，导致图像中伪平坦部分的画质劣化，严重降低了图像的画质。
发明内容
为了解决现有技术在进行直方图均衡化时，伪平坦部分的画质劣化，降低图像画质的问题，本发明实施例提供了一种图像处理方法及装置。所述技术方案如下：
第一方面，本发明实施例提供了一种图像处理方法，所述图像处理方法包括：
生成原始图像的原始灰度图；
对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图；
根据所述原始灰度图生成判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域；
根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值；
根据所述最终灰度图恢复出处理后的图像。
在本发明实施例的一种实现方式中，所述根据所述原始灰度图生成判决因子分布图，包括：
根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差；
将所述标准差分布图中标准差小于所述设定值的像素划分为所述第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为所述第二标记区域，得到所述判决因子分布图。
在本发明实施例的另一种实现方式中，所述根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，包括：
计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；
分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；
计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；
计算所述第二期望图和所述第三期望图的差值，得到差值图像；
将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。
在本发明实施例的另一种实现方式中，所述分别对所述原始灰度图和所述灰度平方图进行均值滤波，包括：
采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围为10-20。
在本发明实施例的另一种实现方式中，所述在所述根据所述原始灰度图生成所述判决因子分布图之后，所述图像处理方法还包括：
更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于所述设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于所述设定值的像素的区域中像素的数量小于阈值的区域。
在本发明实施例的另一种实现方式中，所述阈值为所述原始图像的像素数量的8％-15％。
在本发明实施例的另一种实现方式中，所述设定值的取值范围为1-5。
第二方面，本发明实施例还提供了一种图像处理装置，所述图像处理装置包括：
生成模块，用于生成原始图像的原始灰度图；
直方图均衡化模块，用于对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图；
第一处理模块，用于根据所述原始灰度图生成判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域；
第二处理模块，用于根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值；
第三处理模块，用于根据所述最终灰度图恢复出处理后的图像。
在本发明实施例的一种实现方式中，所述第一处理模块，用于根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差；
将所述标准差分布图中标准差小于所述设定值的像素划分为所述第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为所述第二标记区域，得到所述判决因子分布图。
在本发明实施例的另一种实现方式中，所述第一处理模块，包括：
第一计算子模块，用于计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；
均值滤波子模块，用于分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；
第二计算子模块，用于计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；
第三计算子模块，用于计算所述第二期望图和所述第三期望图的差值，得到差值图像；
第四计算子模块，用于将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。
在本发明实施例的另一种实现方式中，所述均值滤波子模块，用于：采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围为10-20。
在本发明实施例的另一种实现方式中，所述第一处理模块，还用于在所述根据所述原始灰度图生成所述判决因子分布图之后，更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于所述设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于所述设定值的像素的区域中像素的数量小于阈值的区域。
在本发明实施例的另一种实现方式中，所述阈值为所述原始图像的像素数量的8％-15％。
在本发明实施例的另一种实现方式中，所述设定值的取值范围为1-5。
本发明实施例提供的技术方案带来的有益效果是：
在本发明实施例中，先根据原始图像生成原始灰度图和均衡化灰度图，然后根据原始灰度图生成判决因子分布图，在判决因子分布图中，第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，由于伪平坦部分的灰度差值较小，所以伪平坦部分的像素的标准差也较小，所以第一标记区域对应的原始图像中的区域为伪平坦区域，伪平坦区域不进行增强，即不进行直方图均衡化处理，采用原始灰度图中的像素灰度值表示，第二标记区域则采用经过直方图均衡化处理过的灰度图中的像素灰度值表示，即采用均衡化灰度图中的像素灰度值表示；由于上述处理方法没有对伪平坦部分进行增强，所以不会拉大伪平坦部分的灰阶之间的差距，避免了图像中伪平坦部分画质劣化，保证了图像的画质。
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一种图像处理方法的流程图；
图2是本发明实施例提供的判决因子分布图生成过程的流程图；
图3是本发明实施例提供的一种图像处理装置的结构示意图；
图4是本发明实施例提供的第一处理模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种图像处理方法的流程图，参见图1，所述图像处理方法包括：
步骤101：生成原始图像的原始灰度图。
在本发明实施例中，生成原始图像的原始灰度图，可以包括：获取原始图像；对原始图像进行处理，得到原始灰度图。
其中，对原始图像进行处理包括但不限于将原始图像转换为YUV等格式，从而生成原始灰度图。具体地，YUV中Y表示亮度、U、V表示色度，所以如果只有Y分量而没有U、V分量，那么得到的图像就是灰度图，步骤101可以基于此进行图像转换，生成原始灰度图。
步骤102：对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图。
在本发明实施例中，对所述原始灰度图进行直方图均衡化处理可以按照如下步骤实现：
(1)统计原始灰度图中各灰度级的像素数目ni，i＝0,1,…,L-1,其中L为原始灰度图的灰度总级数，原始灰度图的灰度总级数是原始灰度图中的像素能够呈现的灰阶的级数，例如256；
(2)计算原始图像直方图，即原始灰度图中各灰度级的概率密度Pi(ri)：Pi(ri)＝ni/n，n为原始灰度图的总像素数目，ri是第i个灰度级，ni是第i个灰度级的像素数目；
(3)计算原始灰度图中的累积分布函数sk(rk)：
Figure BDA0001390943860000061
(4)根据原始灰度图中的累积分布函数sk(rk)计算原始灰度图中各个像素在均衡化之后的灰度图中的灰度级gk：
gk＝INT[gm*sk(rk)]；
式中INT[]是取整符号，gm＝L-1。
(5)根据计算出的原始灰度图中各个像素在均衡化之后的灰度图中的灰度级，修改原始灰度图的灰度级，获得均衡化灰度图。
步骤103：根据所述原始灰度图生成判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域。
图2是本发明实施例提供的步骤103的流程图，参见图2，步骤103可以包括：
103a，根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差。
具体地，第一步可以包括：计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；计算所述第二期望图和所述第三期望图的差值，得到差值图像；将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。
采用该方式得到的标准差分布图，能够体现每个像素和周围像素间的灰度差值，从而能够在后续进行区域划分时，将伪平坦区域划分为第一标记区域。
其中，所述分别对所述原始灰度图和所述灰度平方图进行均值滤波，可以包括：采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围可以为10-20。
采用该取值范围的m，保证标准差分布图能够较好地指示出原始图像中的伪平坦区域，从而保证伪平坦区域不会被增强，从而避免画质劣化。
优选地，m的取值为15，采用15作为m的值能够最大限度地区分出原始图像中的伪平坦区域。
103b，将所述标准差分布图中标准差小于设定值的像素划分为所述第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为所述第二标记区域，得到所述判决因子分布图。
在上述生成判决因子分布图的过程中，先计算原始灰度图的标准差分布图，根据标准差分布图中每个像素的标准差与设定值的关系划分出第一标记区域，由于伪平坦部分的灰度差值较小，所以伪平坦部分的像素的标准差也较小，所以标准差分布图中标准差小于设定值的部分被判断为伪平坦区域(即第一标记区域)。
进一步地，在划分第一标记区域和第二标记区域时，具体可以采用二值化的方式实现，具体过程如下：将标准差分布图中标准差小于设定值的像素在判决因子分布图中对应的像素值设为0，将标准差分布图中标准差大于或者等于设定值的像素在判决因子分布图中对应的像素值设为1，所以判决因子分布图中像素值为0的像素属于第一标记区域，像素值为1的像素属于第二标记区域。
在采用二值化的方式划分区域后，在后续处理过程中只需要根据判决因子分布图中的像素值即可确定该像素对应的是第一标记区域还是第二标记区域，简单方便。
在本发明实施例中，所述设定值的取值范围可以为1-5。采用该取值范围的设定值，保证判决因子分布图能够较好地指示出原始图像中的伪平坦区域，从而保证伪平坦区域不会被增强，从而避免画质劣化。
优选地，该设定值的取值为1，采用1作为设定值能够最大限度地区分出原始图像中的伪平坦区域。
可选地，所述在所述根据所述原始灰度图生成所述判决因子分布图之后，所述图像处理方法还包括：
更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于设定值的像素的区域中像素的数量小于阈值的区域。
上述判决因子分布图的更新过程，实际使用了孔填充算法，将在一起的数量较少的值大于或等于阈值的像素划分为第二标记区域，在处理时，对这些像素进行增强，使得整个区域都得到增强，从而避免了只增强某个区域的外围，而不增强区域中心的情况，造成处理后的图像中区域中心和外围对比度出现突变。
在本发明实施例中，所述阈值可以为所述原始图像的像素数量的8％-15％。采用该取值范围的阈值，使得只有在区域中心值大于或等于阈值的像素足够少时，才进行孔填充算法处理，避免对一个区域中部过多的值大于或等于阈值的像素进行增强，造成伪平坦区域画质劣化。
优选地，阈值的取值为10％，此时，既能避免对一个区域中部过多的值大于或等于阈值的像素进行增强，造成伪平坦区域画质劣化，又能避免了只增强某个区域的外围，而不增强区域中心的情况，造成处理后的图像中区域中心和外围对比度出现突变。
步骤104：根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值。
在步骤104中，可以按照如下公式计算最终灰度图：
I(i,j)＝G(i,j)*H(i,j)+(1-G(i,j))*A(i,j)；
其中，I为最终灰度图，G为判决因子分布图(其中第一标记区域的像素为0，第二标记区域的像素为1)，H为均衡化灰度图，A为原始灰度图。其中，I(i,j)为最终灰度图中第i行第j列的像素，G(i,j)为判决因子分布图中第i行第j列的像素，H(i,j)为均衡化灰度图中第i行第j列的像素，A(i,j)为原始灰度图中第i行第j列的像素。
步骤105：根据所述最终灰度图恢复出处理后的图像。
在该步骤中，将最终灰度图恢复成R(红)G(绿)B(蓝)图像，得到经过处理后的原始图像。
在本发明实施例中，先根据原始图像生成原始灰度图和均衡化灰度图，然后根据原始灰度图生成判决因子分布图，在判决因子分布图中，第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，由于伪平坦部分的灰度差值较小，所以伪平坦部分的像素的标准差也较小，所以第一标记区域对应的原始图像中的区域为伪平坦区域，伪平坦区域不进行增强，即不进行直方图均衡化处理，采用原始灰度图中的像素灰度值表示，第二标记区域则采用经过直方图均衡化处理过的灰度图中的像素灰度值表示，即采用均衡化灰度图中的像素灰度值表示；由于上述处理方法没有对伪平坦部分进行增强，所以不会拉大伪平坦部分的灰阶之间的差距，避免了图像中伪平坦部分画质劣化，保证了图像的画质。
图3是本发明实施例提供的一种图像处理装置的结构示意图，参见图3，所述图像处理装置包括：生成模块201、直方图均衡化模块202、第一处理模块203、第二处理模块204和第三处理模块205。
其中，生成模块201，用于生成原始图像的原始灰度图。直方图均衡化模块202，用于对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图。第一处理模块203，用于根据所述原始灰度图生成判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域。第二处理模块204，用于根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值。第三处理模块205，用于根据所述最终灰度图恢复出处理后的图像。
在本发明实施例中，先根据原始图像生成原始灰度图和均衡化灰度图，然后根据原始灰度图生成判决因子分布图，在判决因子分布图中，第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，由于伪平坦部分的灰度差值较小，所以伪平坦部分的像素的标准差也较小，所以第一标记区域对应的原始图像中的区域为伪平坦区域，伪平坦区域不进行增强，即不进行直方图均衡化处理，采用原始灰度图中的像素灰度值表示，第二标记区域则采用经过直方图均衡化处理过的灰度图中的像素灰度值表示，即采用均衡化灰度图中的像素灰度值表示；由于上述处理方法没有对伪平坦部分进行增强，所以不会拉大伪平坦部分的灰阶之间的差距，避免了图像中伪平坦部分画质劣化，保证了图像的画质。
在本发明实施例中，所述第一处理模块203，用于根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差；将所述标准差分布图中标准差小于设定值的像素划分为所述第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为所述第二标记区域，得到所述判决因子分布图。
在上述生成判决因子分布图的过程中，第一处理模块203先计算原始灰度图的标准差分布图，根据标准差分布图中每个像素的标准差与设定值的关系划分出第一标记区域，由于伪平坦部分的灰度差值较小，所以伪平坦部分的像素的标准差也较小，所以标准差分布图中标准差小于设定值的部分被判断为伪平坦区域(即第一标记区域)。
进一步地，第一处理模块203在划分第一标记区域和第二标记区域时，具体可以采用二值化的方式实现，具体过程如下：将标准差分布图中标准差小于设定值的像素在判决因子分布图中对应的像素值设为0，将标准差分布图中标准差大于或者等于设定值的像素在判决因子分布图中对应的像素值设为1，所以判决因子分布图中像素值为0的像素属于第一标记区域，像素值为1的像素属于第二标记区域。
在采用二值化的方式划分区域后，在后续处理过程中只需要根据判决因子分布图中的像素值即可确定该像素对应的是第一标记区域还是第二标记区域，简单方便。
图4是本发明实施例提供的第一处理模块203的结构示意图，参见图4，第一处理模块203包括：第一计算子模块231、均值滤波子模块232、第二计算子模块233、第三计算子模块234和第四计算子模块235。
其中，第一计算子模块231，用于计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；均值滤波子模块232，用于分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；第二计算子模块233，用于计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；第三计算子模块234，用于计算所述第二期望图和所述第三期望图的差值，得到差值图像；第四计算子模块235，用于将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。采用该方式得到的标准差分布图，能够体现每个像素和周围像素间的灰度差值，从而能够在后续进行区域划分时，将伪平坦区域划分为第一标记区域。
在本发明实施例中，所述均值滤波子模块232，用于采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围为10-20。
采用该取值范围的m，保证标准差分布图能够较好地指示出原始图像中的伪平坦区域，从而保证伪平坦区域不会被增强，从而避免画质劣化。
优选地，m的取值为15，采用15作为m的值能够最大限度地区分出原始图像中的伪平坦区域。
在本发明实施例中，所述第一处理模块203，还用于在所述根据所述原始灰度图生成所述判决因子分布图之后，更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于设定值的像素的区域中像素的数量小于阈值的区域。
上述判决因子分布图的更新过程，实际使用了孔填充算法，将在一起的数量较少的值大于或等于阈值的像素划分为第二标记区域，在处理时，对这些像素进行增强，使得整个区域都得到增强，从而避免了只增强某个区域的外围，而不增强区域中心的情况，造成处理后的图像中区域中心和外围对比度出现突变。
在本发明实施例中，所述阈值为所述原始图像的像素数量的8％-15％。采用该取值范围的阈值，使得只有在区域中心值大于或等于阈值的像素足够少时，才进行孔填充算法处理，避免对一个区域中部过多的值大于或等于阈值的像素进行增强，造成伪平坦区域画质劣化。
优选地，阈值的取值为10％，此时，既能避免对一个区域中部过多的值大于或等于阈值的像素进行增强，造成伪平坦区域画质劣化，又能避免了只增强某个区域的外围，而不增强区域中心的情况，造成处理后的图像中区域中心和外围对比度出现突变。
在本发明实施例中，所述设定值的取值范围为1-5。采用该取值范围的设定值，保证判决因子分布图能够较好地指示出原始图像中的伪平坦区域，从而保证伪平坦区域不会被增强，从而避免画质劣化。
优选地，该设定值的取值为1，采用1作为设定值能够最大限度地区分出原始图像中的伪平坦区域。
在本发明实施例中，第二处理模块204可以用于按照如下公式计算最终灰度图：I(i,j)＝G(i,j)*H(i,j)+(1-G(i,j))*A(i,j)；
其中，I为最终灰度图，G为判决因子分布图(其中第一标记区域的像素为0，第二标记区域的像素为1)，H为均衡化灰度图，A为原始灰度图。其中，I(i,j)为最终灰度图中第i行第j列的像素，G(i,j)为判决因子分布图中第i行第j列的像素，H(i,j)为均衡化灰度图中第i行第j列的像素，A(i,j)为原始灰度图中第i行第j列的像素。
需要说明的是：上述实施例提供的图像处理装置在图像处理时，仅以上述各功能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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像处理方法，其特征在于，所述图像处理方法包括：
生成原始图像的原始灰度图；
对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图；
根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差；
将所述标准差分布图中标准差小于设定值的像素划分为第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为第二标记区域，得到判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域；
更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于所述设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于所述设定值的像素的区域中像素的数量小于阈值的区域；
根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值；
根据所述最终灰度图恢复出处理后的图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，包括：
计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；
分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；
计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；
计算所述第二期望图和所述第三期望图的差值，得到差值图像；
将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。
3.根据权利要求2所述的图像处理方法，其特征在于，所述分别对所述原始灰度图和所述灰度平方图进行均值滤波，包括：
采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围为10-20。
4.根据权利要求1所述的图像处理方法，其特征在于，所述阈值为所述原始图像的像素数量的8％-15％。
5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述设定值的取值范围为1-5。
6.一种图像处理装置，其特征在于，所述图像处理装置包括：
生成模块，用于生成原始图像的原始灰度图；
直方图均衡化模块，用于对所述原始灰度图进行直方图均衡化处理，得到均衡化灰度图；
第一处理模块，用于根据所述原始灰度图中以每个像素为中心的一定区域内的像素的灰度值，计算所述原始灰度图中每个像素的标准差，得到标准差分布图，所述标准差分布图包括所述原始灰度图中每个像素的标准差；将所述标准差分布图中标准差小于设定值的像素划分为第一标记区域，将所述标准差分布图中除所述第一标记区域外的区域划分为第二标记区域，得到判决因子分布图，所述判决因子分布图包括第一标记区域和第二标记区域，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于设定值的像素所在的区域，所述第二标记区域为所述判决因子分布图中除所述第一标记区域之外的区域；在所述根据所述原始灰度图生成所述判决因子分布图之后，更新所述判决因子分布图，使得更新后的所述判决因子分布图中，所述第一标记区域包括所述原始图像中像素位置相邻且标准差小于所述设定值的像素的区域，以及所述原始图像中像素位置相邻且标准差大于或等于所述设定值的像素的区域中像素的数量小于阈值的区域；
第二处理模块，用于根据所述原始灰度图、所述均衡化灰度图和所述判决因子分布图，得到最终灰度图，其中，所述最终灰度图中与所述第二标记区域对应的像素的灰度值为所述均衡化灰度图中对应的像素的灰度值，所述最终灰度图中与所述第一标记区域对应的像素的灰度值为所述原始灰度图中对应的像素的灰度值；
第三处理模块，用于根据所述最终灰度图恢复出处理后的图像。
7.根据权利要求6所述的图像处理装置，其特征在于，所述第一处理模块，包括：
第一计算子模块，用于计算所述原始灰度图的每个像素的灰度值的平方值，形成灰度平方图；
均值滤波子模块，用于分别对所述原始灰度图和所述灰度平方图进行均值滤波，以分别生成第一期望图和第二期望图；
第二计算子模块，用于计算所述第一期望图的每个像素的灰度值的平方值，得到第三期望图；
第三计算子模块，用于计算所述第二期望图和所述第三期望图的差值，得到差值图像；
第四计算子模块，用于将所述差值图像的每个像素的灰度值开平方根，得到所述标准差分布图。
8.根据权利要求7所述的图像处理装置，其特征在于，所述均值滤波子模块，用于：采用大小为m×m的滤波模板分别对所述原始灰度图和所述灰度平方图进行均值滤波，m的取值范围为10-20。
9.根据权利要求6所述的图像处理装置，其特征在于，所述阈值为所述原始图像的像素数量的8％-15％。
10.根据权利要求6-9任一项所述的图像处理装置，其特征在于，所述设定值的取值范围为1-5。
CN201710762836.9A 2017-08-28 2017-08-28 一种图像处理方法及装置 Active CN109427047B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710762836.9A CN109427047B (zh) 2017-08-28 2017-08-28 一种图像处理方法及装置
JP2018560136A JP7175197B2 (ja) 2017-08-28 2018-04-24 画像処理方法および装置、記憶媒体、コンピュータ装置
US16/300,971 US11210765B2 (en) 2017-08-28 2018-04-24 Image processing method and device, storage medium and computer device
EP18789754.1A EP3690801A4 (en) 2017-08-28 2018-04-24 IMAGE PROCESSING PROCESS AND DEVICE, STORAGE MEDIA AND COMPUTER DEVICE
PCT/CN2018/084215 WO2019041842A1 (zh) 2017-08-28 2018-04-24 一种图像处理方法及装置、存储介质和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710762836.9A CN109427047B (zh) 2017-08-28 2017-08-28 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN109427047A CN109427047A (zh) 2019-03-05
CN109427047B true CN109427047B (zh) 2021-01-26

Family

ID=65504047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710762836.9A Active CN109427047B (zh) 2017-08-28 2017-08-28 一种图像处理方法及装置

Country Status (5)

Country Link
US (1) US11210765B2 (zh)
EP (1) EP3690801A4 (zh)
JP (1) JP7175197B2 (zh)
CN (1) CN109427047B (zh)
WO (1) WO2019041842A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016165076A1 (en) * 2015-04-14 2016-10-20 Chongqing University Of Posts And Telecommunications Method and system for image enhancement
CN111626949A (zh) * 2020-05-15 2020-09-04 上海幕革科技有限公司 一种提升图像画质的方法
CN111899146A (zh) * 2020-08-04 2020-11-06 西安科技大学 基于matlab发动机喷雾图像自动筛选方法
CN112862709B (zh) * 2021-01-27 2024-05-03 昂视智能(深圳)有限公司 图像特征增强方法、装置及可读存储介质
CN112907684B (zh) * 2021-03-12 2024-06-25 珠海格力电器股份有限公司 一种湿度检测方法、装置、设备及介质
CN113592937B (zh) * 2021-08-05 2024-05-07 上海天岳半导体材料有限公司 半导体衬底的原子台阶宽度计算装置、方法、设备及介质
CN113721859B (zh) * 2021-09-08 2023-07-21 欧亚高科数字技术有限公司 一种基于人工智能的图像重复数据删除方法
CN113822818B (zh) * 2021-09-28 2022-08-12 合肥的卢深视科技有限公司 散斑提取方法、装置、电子设备及存储介质
CN114742892B (zh) * 2022-04-01 2023-10-27 南通博纳纺织品有限公司 基于图像处理的纺织混棉机控制方法
CN114937019B (zh) * 2022-05-30 2022-12-23 杭州健培科技有限公司 基于自适应局部灰度均衡的关键点检测方法、装置及应用
TW202419918A (zh) * 2022-07-18 2024-05-16 新析生物科技股份有限公司 標準化基於顯微鏡的系統中之圖像像素值的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655974A (zh) * 2009-09-17 2010-02-24 广东中大讯通信息有限公司 一种改进的基于局部直方图均衡化方法的图像增强方法
CN101916370A (zh) * 2010-08-31 2010-12-15 上海交通大学 人脸检测中非特征区域图像处理的方法
CN102332155A (zh) * 2011-10-19 2012-01-25 江苏技术师范学院 一种图像增强方法
CN103295191A (zh) * 2013-04-19 2013-09-11 北京航科威视光电信息技术有限公司 多尺度视觉自适应图像增强方法及评价方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5450502A (en) * 1993-10-07 1995-09-12 Xerox Corporation Image-dependent luminance enhancement
US6312385B1 (en) * 2000-05-01 2001-11-06 Ge Medical Systems Global Technology Company, Llc Method and apparatus for automatic detection and sizing of cystic objects
US7433535B2 (en) * 2003-09-30 2008-10-07 Hewlett-Packard Development Company, L.P. Enhancing text-like edges in digital images
US7636467B2 (en) 2005-07-29 2009-12-22 Nokia Corporation Binarization of an image
US7835587B2 (en) * 2006-12-18 2010-11-16 Intel Corporation Method and apparatus for local standard deviation based histogram equalization for adaptive contrast enhancement
CN100594516C (zh) 2007-01-22 2010-03-17 清华大学 一种x射线图像边缘和对比度综合增强方法
US8355595B2 (en) * 2007-05-15 2013-01-15 Xerox Corporation Contrast enhancement methods and apparatuses
CN102129673B (zh) 2011-04-19 2012-07-25 大连理工大学 一种随意光照下彩色数字图像增强和去噪方法
CN103377468A (zh) 2012-04-26 2013-10-30 上海竞天科技股份有限公司 图像处理装置及图像处理方法
CN102722871B (zh) 2012-05-24 2015-02-11 中山大学 一种快速有效的图像增强方法
CN102999750B (zh) 2012-12-31 2015-08-12 清华大学 一种去除背景干扰的现场指纹增强方法
CN103067661B (zh) * 2013-01-07 2017-12-05 华为终端有限公司 图像处理方法、装置和拍摄终端
CN103325102A (zh) 2013-06-03 2013-09-25 武汉理工大学 基于直方图均衡化的雾天退化图像处理方法
CN104574316B (zh) 2015-01-13 2018-09-14 南京佰能唯医疗科技有限公司 一种数字化x线成像系统
CN105139366A (zh) 2015-09-23 2015-12-09 成都融创智谷科技有限公司 一种基于空间域的图像增强方法
CN105654438A (zh) 2015-12-27 2016-06-08 西南技术物理研究所 基于局部直方图均衡的灰度图像拟合增强方法
CN106296600B (zh) 2016-08-01 2018-12-21 大连理工大学 一种基于小波变换图像分解的对比度增强方法
CN106504205A (zh) 2016-10-20 2017-03-15 凌云光技术集团有限责任公司 一种图像去雾方法及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655974A (zh) * 2009-09-17 2010-02-24 广东中大讯通信息有限公司 一种改进的基于局部直方图均衡化方法的图像增强方法
CN101916370A (zh) * 2010-08-31 2010-12-15 上海交通大学 人脸检测中非特征区域图像处理的方法
CN102332155A (zh) * 2011-10-19 2012-01-25 江苏技术师范学院 一种图像增强方法
CN103295191A (zh) * 2013-04-19 2013-09-11 北京航科威视光电信息技术有限公司 多尺度视觉自适应图像增强方法及评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Image enhancement in the compressed domain based on retinex theory;Wang Ronggui等;《Journal of Computer Research and Development》;20110215;第48卷(第2期);第259-270页 *
基于目的性优化及改进直方图均衡化的夜间彩色图像增强;赵华夏等;《计算机研究与发展》;20150615;第52卷(第6期);第1424-1430页 *

Also Published As

Publication number Publication date
EP3690801A4 (en) 2021-08-11
JP2020531931A (ja) 2020-11-05
JP7175197B2 (ja) 2022-11-18
EP3690801A1 (en) 2020-08-05
WO2019041842A1 (zh) 2019-03-07
US20210224954A1 (en) 2021-07-22
CN109427047A (zh) 2019-03-05
US11210765B2 (en) 2021-12-28

Similar Documents

Publication Publication Date Title
CN109427047B (zh) 一种图像处理方法及装置
US20190294931A1 (en) Systems and Methods for Generative Ensemble Networks
CN108022223B (zh) 一种基于对数映射函数分块处理融合的色调映射方法
JP2008067373A (ja) 映像補正方法及び装置
CN107203982A (zh) 一种图像处理方法及装置
CN112465715B (zh) 一种基于大气传输矩阵迭代优化的图像去散射方法
CN110930327B (zh) 基于级联深度残差网络的视频去噪方法
CN113362246A (zh) 一种图像带状伪影去除方法、装置、设备和介质
JPH09163162A (ja) 画像処理方法及び装置
CN113129391A (zh) 基于多曝光图像特征分布权重的多曝光融合方法
CN113596573A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN112967207A (zh) 一种图像处理方法、装置、电子设备及存储介质
US8705134B2 (en) Method of processing an image to clarify text in the image
CN113781367B (zh) 一种低照度图像直方图均衡后降噪方法
CN107220934A (zh) 图像重建方法及装置
CN111311711B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
JPWO2019041842A5 (zh)
CN110545414B (zh) 一种图像锐化方法
US10026013B2 (en) Clustering method with a two-stage local binary pattern and an iterative image testing system thereof
US8693777B2 (en) Apparatus and method for estimating edge areas of digital image
JP3849817B2 (ja) 画像処理装置および画像処理方法
JP2006270897A (ja) 画像処理装置、方法及びプログラム
JP2000357226A (ja) 濃淡画像の２値化方法および濃淡画像の２値化プログラムを記録した記録媒体
CN113436087A (zh) 一种图像二值化及显示方法、存储介质和终端设备
JP5312171B2 (ja) 画像処理装置および方法

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
GR01 Patent grant
GR01 Patent grant