CN109801246B - 一种自适应阈值的全局直方图均衡方法 - Google Patents
一种自适应阈值的全局直方图均衡方法 Download PDFInfo
- Publication number
- CN109801246B CN109801246B CN201910022864.6A CN201910022864A CN109801246B CN 109801246 B CN109801246 B CN 109801246B CN 201910022864 A CN201910022864 A CN 201910022864A CN 109801246 B CN109801246 B CN 109801246B
- Authority
- CN
- China
- Prior art keywords
- array
- image
- value
- gray
- equalization method
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供了一种自适应阈值的全局直方图均衡方法,其包含步骤为:首先获得输入图像的灰度图像;统计灰度图像直方图,得到数组h1;缩放直方图数据,使其直方图均值为1,得到数组h2;进行预处理得到数组h3;取数组h3中最大值为截断阈值上界Tmax,然后计算得到自适应的最佳截断阈值Tbest;根据Tbest对数组h3做截断处理和后处理得到数组h4;进行归一化处理得到数组h5;计算累积分布数组cdf;计算映射表;对灰度图像进行查表操作,得到灰度增强图像。本发明提供的自适应阈值全局直方图均衡方法,能够适当增强图像对比度及亮度,适用于各类图像,计算复杂度低、增强效果显著。
Description
技术领域
本发明涉及一种自适应阈值的全局直方图均衡方法,可用于各种类型图像、视频增强等技术领域。
背景技术
现实生活中,由于场景条件的影响,导致拍摄的图像和视频视觉效果不佳,这就需要图像增强技术来改善人的视觉效果。
图像增强技术根据增强处理过程所在的空间不同,可分为基于空域的算法和基于频域的算法两大类。自适应阈值的全局直方图均衡方法和直方图均衡都属于基于空域的算法,但直方图均衡往往存在过度增强和细节丢失的问题,而至今为止出现的许多直方图改进算法,它们仅仅减轻了过度增强的程度,并未从根本上解决这两个问题。
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,提出一种自适应阈值的全局直方图均衡方法,自适应地确定最佳截断阈值,在对比度增强和细节保护之间取得平衡,增强效果自然。
本发明采用如下技术方案:
一种自适应阈值的全局直方图均衡方法,其特征在于,包含如下步骤:
a)获取输入数字图像的灰度图像;统计灰度图像直方图,得到数组h1;直方图数据进行缩放处理,使其均值为1,得到数组h2;
b)将数组h2进行预处理,大于阈值Ymax的值变为Ymax,小于1的值变为其m1次幂,得到数组h3;
c)取数组h3的最大值为截断阈值上界Tmax,计算最佳截断阈值Tbest;
d)依据Tbest对数组h3做截断处理和后处理得到数组h4;
e)将数组h4进行缩放处理,使其总和为1,得到数组h5;计算数组h5的逐次累加和,得到一个新的分布数组cdf;
f)计算映射表:将分布数组cdf与图像灰度范围相乘,然后将结果取整得到映射表;应用映射表:对灰度图像中每个数据进行查表操作,得到最终的灰度增强图像。
所述的步骤a)中,如果是多通道图像则取其亮度通道作为灰度图像,如果是单通道图像则直接作为灰度图像。
所述的步骤b)中,Ymax的取值范围为1~10,m1的取值范围为0.001~1。
所述的步骤c)中,计算最佳截断阈值Tbest的方法为:从数组h3左边开始累加,计算累加值占数组总和的比例,记录下比例第一次大于等于1%和99%时所对应的两个灰度级,统计数组h3中这两个灰度级间不为零的灰度级数目,记为n,则Tbest=1+(1-n/256)*(Tmax-1)。
所述的步骤d)中,截断处理为:对数组h3中大于Tbest的值置为Tbest,并将截下的部分平均分配给数组h3中不为0的灰度级;后处理为:对数组h3中小于Ymin的值置为0,然后再将小于1的值变为其m2次幂,其中Ymin的取值范围为0.001~0.3,m2的取值范围为0.001~1。
所述的步骤e)中,对数组h4的缩放处理为:将数组h4中各单元的值分别除以数组h4的总和,得到数组h5。
所述的步骤f)中,通过分布数组cdf与图像灰度范围相乘取整得到映射表,然后在应用映射表过程中的查表操作具体方法为:遍历整个灰度图像,依据当前像素点的灰度值,在映射表中找到对应的映射值,最后用映射值替换当前值即可。
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阈值的全局直方图均衡方法能够自适应地确定一个最佳截断阈值,在对比度增强和细节保护之间取得一个平衡,在提升图像对比度的同时保持住细节,使图像既能避免过度增强又能保留好细节,处理结果自然,而且它的计算复杂度低,可用于视频的实时处理。
附图说明
图1是本发明提供的自适应阈值的全局直方图均衡方法的流程图;
图2是本发明处理过程的直方图示意图;
图3为本发明实施例的实验结果。
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为本发明提供的自适应阈值的全局直方图均衡方法的流程图,包括以下步骤:
步骤a)输入数字图像,如果是多通道图像则取其亮度通道作为灰度图像,如果是单通道图像则直接作为灰度图像;统计灰度图像的直方图,得到数组h1;直方图数据进行缩放处理,使其均值为1,具体操作为:将数组h1中所有元素都乘上图像灰度范围,得到的积再除以图像总像素数,得到数组h2,灰度图像总像素数可用灰度图像的长乘宽得到。
步骤b)将数组h2进行预处理,大于阈值Ymax的值变为Ymax,小于1的值变为其m1次幂,得到数组h3,Ymax的取值范围为1~10,默认值是5;m1的取值范围为0.001~1,默认值是0.125。
步骤c)取数组h3的最大值为截断阈值上界Tmax,计算最佳截断阈值Tbest,即从数组h3左边开始累加,计算累加值占数组总和的比例,记录下比例第一次大于等于1%和99%时所对应的两个灰度级,统计数组h3中这两个灰度级间不为零的灰度级数目,记为n,则Tbest=1+(1-n/256)*(Tmax-1)。
步骤d)依据Tbest对数组h3做截断处理,即对数组h3中大于Tbest的值置为Tbest,并将截下的部分平均分配给数组h3中不为0的灰度级;然后进行后处理,即对数组h3中小于Ymin的值置为0,然后再将小于1的值变为其m2次幂,其中Ymin的取值范围为0.001~0.3,默认值为0.05,m2的取值范围为0.001~1,默认值为0.125;调整后得到数组h4。
步骤d)将数组h4进行缩放处理,即遍历整个数组,将数组h4中各单元的值分别除以数组h4的总和,使其总和为1,得到数组h5;遍历数组h5,将各单元的值逐次累加起来,即第一个单元的值不变,第二个单元的值等于数组h5前两个单元值的和,第三个单元的值等于数组h5前三个单元值的和,以此类推,得到一个新的分布数组cdf。
步骤e)计算映射表:将分布数组cdf与图像灰度范围相乘,然后将结果取为整数得到映射表,这里取整可以是四舍五入取整,也可以是向上取整或向下取整,默认采用的是四舍五入取整;应用映射表:对灰度图像中每个数据进行查表操作,即遍历整个灰度图像,依据当前像素点的灰度值,在映射表中找到对应的映射值,最后用映射值替换当前值;遍历结束后即可得到最终的灰度增强图像。
本发明提供的自适应阈值的全局直方图均衡方法,通过直方图本身信息自适应地确定最佳截断阈值,在对比度增强和细节保护之间取得平衡,使图像既能避免过度增强又能保留好细节,处理结果自然。
图1是自适应阈值的全局直方图均衡方法的流程图;图2是本发明处理过程的直方图示意图,(a)为处理前,(b)为处理后;图3为本发明实施例的实验结果之一,(a)为原图,(b)为增强图。从图3可以看出,本实施例处理后的图像既能避免过度增强又能保留好细节,处理结果自然。
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 (5)
1.一种自适应阈值的全局直方图均衡方法,其特征在于,包含如下步骤:
a)获取输入数字图像的灰度图像;统计灰度图像直方图,得到数组h 1;直方图数据进行缩放处理,使其均值为1,得到数组h 2;
b)将数组h 2进行预处理,大于阈值Y max 的值变为Y max ,小于1的值变为其m 1次幂,得到数组h 3;
c)取数组h 3的最大值为截断阈值上界T max ,计算最佳截断阈值T best ,具体为从数组h 3左边开始累加,计算累加值占数组总和的比例,记录下比例第一次大于等于1%和第一次大于等于99%时所对应的两个灰度级,统计数组h 3中这两个灰度级间不为零的灰度级数目,记为n,则T best =1+(1- n/256)*(T max -1);
d)依据T best 对数组h 3做截断处理和后处理得到数组h 4,截断处理为:对数组h 3中大于T best 的值置为T best ,并将截下的部分平均分配给数组h 3中不为0的灰度级;后处理为:对数组h 3中小于Y min 的值置为0,然后再将小于1的值变为其m 2次幂,其中Y min 的取值范围为0.001~0.3,m 2的取值范围为0.001~1;
e)将数组h 4进行缩放处理,使其总和为1,得到数组h 5;计算数组h 5的逐次累加和,得到一个新的分布数组cdf;
f)计算映射表:将分布数组cdf与图像灰度范围相乘,然后将结果取整得到映射表;应用映射表:对灰度图像中每个数据进行查表操作,得到最终的灰度增强图像。
2.如权利要求1所述的自适应阈值的全局直方图均衡方法,其特征在于,所述的步骤a)中,如果是多通道图像则取其亮度通道作为灰度图像,如果是单通道图像则直接作为灰度图像。
3.如权利要求1所述的自适应阈值的全局直方图均衡方法,其特征在于,所述的步骤b)中,Y max 的取值范围为1~10,m 1的取值范围为0.001~1。
4.如权利要求1所述的自适应阈值的全局直方图均衡方法,其特征在于,所述的步骤e)中,对数组h 4的缩放处理为:将数组h 4中各单元的值分别除以数组h 4的总和。
5.如权利要求1所述的自适应阈值的全局直方图均衡方法,其特征在于,所述的步骤f)中,通过分布数组cdf与图像灰度范围相乘取整得到映射表,然后在应用映射表过程中的查表操作具体方法为:遍历整个灰度图像,依据当前像素点的灰度值,在映射表中找到对应的映射值,最后用映射值替换当前值即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910022864.6A CN109801246B (zh) | 2019-01-10 | 2019-01-10 | 一种自适应阈值的全局直方图均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910022864.6A CN109801246B (zh) | 2019-01-10 | 2019-01-10 | 一种自适应阈值的全局直方图均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801246A CN109801246A (zh) | 2019-05-24 |
CN109801246B true CN109801246B (zh) | 2022-11-01 |
Family
ID=66557086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910022864.6A Active CN109801246B (zh) | 2019-01-10 | 2019-01-10 | 一种自适应阈值的全局直方图均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801246B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310250B (zh) * | 2019-06-27 | 2022-11-01 | 华侨大学 | 一种基于最优化模型的全局直方图均衡方法 |
CN110580694B (zh) * | 2019-09-11 | 2022-03-08 | 石家庄学院 | 二次直方图均衡动态图像方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1750044A (zh) * | 2005-08-22 | 2006-03-22 | 上海广电(集团)有限公司中央研究院 | 截断直方图均衡方法 |
US7760938B1 (en) * | 2004-10-12 | 2010-07-20 | Melexis Tessenderlo Nv | Algorithm to enhance the contrast of a monochrome image |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN104200438A (zh) * | 2014-09-05 | 2014-12-10 | 西安电子科技大学 | 红外图像多级细节增强处理方法及其处理装置 |
CN106952243A (zh) * | 2017-03-14 | 2017-07-14 | 哈尔滨工程大学 | Uuv近海面红外图像自适应归并直方图拉伸增强方法 |
CN108447033A (zh) * | 2018-03-12 | 2018-08-24 | 浙江大学 | 奇异值分解和天牛须寻优算法的灰度图像自适应增强方法 |
CN109003241A (zh) * | 2018-07-17 | 2018-12-14 | 华侨大学 | 一种具有双控功能的线性图像增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139426B2 (en) * | 2002-02-12 | 2006-11-21 | Tektronix, Inc. | Histogram data collector for applying progressively adjusted histogram equalization to an oscilloscope image |
US9111362B2 (en) * | 2012-08-22 | 2015-08-18 | Sony Corporation | Method, system and apparatus for applying histogram equalization to an image |
-
2019
- 2019-01-10 CN CN201910022864.6A patent/CN109801246B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7760938B1 (en) * | 2004-10-12 | 2010-07-20 | Melexis Tessenderlo Nv | Algorithm to enhance the contrast of a monochrome image |
CN1750044A (zh) * | 2005-08-22 | 2006-03-22 | 上海广电(集团)有限公司中央研究院 | 截断直方图均衡方法 |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN104200438A (zh) * | 2014-09-05 | 2014-12-10 | 西安电子科技大学 | 红外图像多级细节增强处理方法及其处理装置 |
CN106952243A (zh) * | 2017-03-14 | 2017-07-14 | 哈尔滨工程大学 | Uuv近海面红外图像自适应归并直方图拉伸增强方法 |
CN108447033A (zh) * | 2018-03-12 | 2018-08-24 | 浙江大学 | 奇异值分解和天牛须寻优算法的灰度图像自适应增强方法 |
CN109003241A (zh) * | 2018-07-17 | 2018-12-14 | 华侨大学 | 一种具有双控功能的线性图像增强方法 |
Non-Patent Citations (7)
Title |
---|
Blind forensics of contrast enhancement in digital images;Matthew Stamm 等;《2008 15th IEEE International Conference on Image Processing》;20081212;第3112-3115页 * |
一种基于Otsu法和平台直方图均衡的红外图像增强算法;陈峥 等;《激光与红外》;20100430;第40卷(第04期);第438-441页 * |
一种自适应红外图像增强新算法;王利颖 等;《信号处理》;20091231;第25卷(第12期);第1836-1839页 * |
一种自适应红外图像增强算法;张海朝 等;《兰州理工大学学报》;20120630;第38卷(第03期);第102-106页1 * |
双阈值映射自适应红外图像处理算法;王巍 等;《红外与激光工程》;20101231;第39卷(第06期);第1184-1187页 * |
基于直方图的红外图像细节增强算法研究;韦瑞峰 等;《红外技术》;20160630;第38卷(第06期);第472-475页 * |
基于阈值和B样条插值的MR图像增强算法;陈北京 等;《计算机工程与应用》;20070715;第43卷(第13期);第41-44、51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109801246A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107424132B (zh) | 一种图像快速去雾的优化方法 | |
Jung et al. | Optimized perceptual tone mapping for contrast enhancement of images | |
CN109686342B (zh) | 一种图像处理方法及装置 | |
WO2021114564A1 (zh) | 一种低对比度红外图像的增强方法 | |
Singh et al. | Contrast enhancement and brightness preservation using global-local image enhancement techniques | |
CN110189266B (zh) | 一种自适应的快速图像增强方法 | |
CN115131375B (zh) | 一种矿石自动分割方法 | |
CN109801246B (zh) | 一种自适应阈值的全局直方图均衡方法 | |
CN103402042A (zh) | 基于分块式误差扩散的半色调图像生成方法 | |
Jiang et al. | Color image enhancement with brightness preservation using a histogram specification approach | |
Sandoub et al. | A low‐light image enhancement method based on bright channel prior and maximum colour channel | |
CN111325685B (zh) | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 | |
CN110310250B (zh) | 一种基于最优化模型的全局直方图均衡方法 | |
CN110766622A (zh) | 基于亮度区分和Gamma平滑的水下图像增强方法 | |
CN109003241B (zh) | 一种具有双控功能的线性图像增强方法 | |
Cho et al. | Enhancement technique of image contrast using new histogram transformation | |
CN108171670B (zh) | 一种具有双控功能的非线性图像增强方法 | |
CN112488968A (zh) | 一种分程度直方图均衡融合的图像增强方法 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
Yang et al. | Improved retinex image enhancement algorithm based on bilateral filtering | |
CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 | |
CN112634278B (zh) | 基于超像素的恰可察觉失真方法 | |
CN114565543A (zh) | 一种基于uv直方图特征的视频色彩增强方法及系统 | |
US10909669B2 (en) | Contrast adjustment system and contrast adjustment method | |
Chang et al. | Perceptual contrast enhancement of dark images based on textural coefficients |
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 |