CN109934784A

CN109934784A - 图像增强方法、装置、设备及计算机可读存储介质

Info

Publication number: CN109934784A
Application number: CN201910184905.1A
Authority: CN
Inventors: 王浩; 杨名宇; 王含宇; 许永森; 沈宏海
Original assignee: Changchun Institute of Optics Fine Mechanics and Physics of CAS
Current assignee: Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date: 2019-03-12
Filing date: 2019-03-12
Publication date: 2019-06-25

Abstract

本发明实施例公开了一种图像增强方法、装置、设备及计算机可读存储介质。其中，方法包括计算待处理图像的二维信息熵和亮度均值；然后以亮度均值为分界点，将待处理图像灰度级划分为两部分；基于待处理图像的二维信息熵，分别计算各部分的累积分布函数；根据各累积分布函数对相应部分的像素点进行灰度值映射，得到待处理图像的增强图像。本申请实现了待处理图像的增强处理，在图像增强处理过程中考虑信息熵，在提高原始图像对比度的同时，还可以提升图像的信息熵，从而提升增强后图像质量。

Description

图像增强方法、装置、设备及计算机可读存储介质

技术领域

本发明实施例涉及图像处理技术领域，特别是涉及一种图像增强方法、装置、设备及计算机可读存储介质。

背景技术

图像作为获取信息最直接途径，对其视觉效果的提升一直是人类的不懈追求。在某些特殊技术领域中，例如遥感成像、军事侦察、目标探测领域，需要有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，进而改善图像质量、丰富信息量，加强图像判读和识别效果，也即对图像进行增强处理。

数字图像增强技术可以突出感兴趣的信息，去除或者削弱无用的信息，从而达到增强图像的对比度，提高图像的信噪比的目的。但是，相关数字图像增强技术在提高图像对比度时，会造成图像信息量丢失，导致图像质量下降。

发明内容

本公开实施例提供了一种图像增强方法、装置、设备及计算机可读存储介质，在提高图像对比度的同时，还可提升图像的信息熵。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种图像增强方法，包括：

计算待处理图像的二维信息熵和亮度均值；

以所述亮度均值为分界点，将所述待处理图像灰度级划分为两部分；

基于所述待处理图像的二维信息熵，分别计算各部分的累积分布函数；

分别根据各累积分布函数对相应部分的像素点进行灰度值映射，得到所述待处理图像的增强图像。

可选的，在所述计算待处理图像的二维信息熵之后，还包括：

计算所述二维信息熵的离散化信息熵；

根据所述离散化信息熵计算归一化信息熵。

可选的，所述计算待处理图像的二维信息熵为：

将所述待处理图像划分为M×N的二维网格区域；

利用下述公式计算所述待处理图像的二维信息熵：

式中，S_k为灰度级k的二维信息熵，k为所述待处理图像的像素点的灰度级，M为所述二维网格区域在水平方向上的网格个数，N为所述二维网格区域在垂直方向上的网格个数，h_k(m,n)为灰度级k在网格(m，n)内的概率密度。

可选的，所述分别计算各部分的累积分布函数为：

所述待处理图像第一部分的累积分布函数为第一累积分布函数，第二部分的累积分布函数为第二累积分布函数；

所述第一累积分布函数为

所述第二累积分布函数为

式中，k为所述待处理图像的像素点的灰度级，K为所述待处理图像的最大灰度级，e_i为灰度级i归一化后的二维信息熵，m为所述待处理图像的亮度均值。

可选的，所述分别根据各累积分布函数对相应部分的像素点进行灰度值映射包括：

根据所述第一累积分布函数采用下述第一映射函数进行灰度值映射：

f_L(k)＝m·c_L(k)；

根据所述第二累积分布函数采用下述第二映射函数进行灰度值映射：

f_U(k)＝m+1+(K-m-1)·c_U(k)；

式中，m为所述待处理图像的亮度均值，K为所述待处理图像的最大灰度级，c_L(k)为所述第一累积分布函数，c_U(k)为所述第二累积分布函数。

本发明实施例另一方面提供了一种图像增强装置，包括：

计算模块，用于计算待处理图像的二维信息熵和亮度均值；

灰度级划分模块，用于以所述亮度均值为分界点，将所述待处理图像灰度级划分为两部分；

累积分布函数计算模块，用于基于所述待处理图像的二维信息熵，分别计算各部分的累积分布函数；

图像增强处理模块，用于分别根据各累积分布函数对相应部分的像素点进行灰度值映射，得到所述待处理图像的增强图像。

可选的，还包括归一化处理模块，用于计算所述二维信息熵的离散化信息熵；根据所述离散化信息熵计算归一化信息熵。

可选的，所述累积分布函数计算模块用于所述待处理图像第一部分的累积分布函数为第一累积分布函数，第二部分的累积分布函数为第二累积分布函数；

所述第一累积分布函数为

所述第二累积分布函数为

式中，k为所述待处理图像的像素点的灰度级，K为所述待处理图像的最大灰度级，e_i为灰度级i的二维信息熵，m为所述待处理图像的亮度均值。

本发明实施例还提供了一种图像增强设备，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述图像增强方法的步骤。

本发明实施例最后还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有图像增强程序，所述图像增强程序被处理器执行时实现如前任一项所述图像增强方法的步骤。

本申请提供的技术方案的优点在于，信息熵能够反映图像细节信息的丰富程度，在图像增强处理过程中考虑信息熵，将原始图像的像素点基于信息熵进行灰度映射，最终将增强图像输出显示，在提高原始图像对比度的同时，还可以提升图像的信息熵，尽可能多的保存图像信息量，从而提升增强后图像质量。

此外，本发明实施例还针对图像增强方法提供了相应的实现装置、设备及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置、设备及计算机可读存储介质具有相应的优点。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍，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为本发明实施例提供的一种图像增强方法的流程示意图；

图2为本发明实施例提供的一种图像二维信息熵计算原理示意图；

图3为本发明实施例提供的一种根据信息熵累积分布函数进行灰度值映射的曲线图；

图4为本发明实施例提供的另一种图像增强方法的流程示意图；

图5为本发明实施例提供的图像增强装置的一种具体实施方式结构图；

图6为本发明实施例提供的图像增强装置的另一种具体实施方式结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。

首先参见图1，图1为本发明实施例提供的一种图像增强方法的流程示意图，本发明实施例可包括以下内容：

S101：计算待处理图像的二维信息熵和亮度均值。

在计算待处理图像的二维信息熵时，可结合图2，将待处理图像划分为M×N的二维网格区域，M为二维网格区域在水平方向上的网格个数，N为二维网格区域在垂直方向上的网格个数。在每个网格区域内计算单个灰度级的信息熵，所有网格区域信息熵的总和即为该灰度级的二维信息熵。

可利用下述公式计算待处理图像的二维信息熵：

式中，S_k为灰度级k的二维信息熵，k为待处理图像的像素点的灰度级，M为二维网格区域在水平方向上的网格个数，N为二维网格区域在垂直方向上的网格个数，h_k(m,n)为灰度级k在网格(m，n)内的概率密度。h_k(m,n)概率密度可由网格内灰度级为k的像素点个数除以网格内总的像素点个数计算得到。

当然，也可采用其他方式计算待处理图像的信息熵，本申请对此不做任何限定。

待处理图像亮度均值为待处理图像的亮度值的平均值，可通过计算待处理图像所有像素点灰度值之和与待处理图像总像素点个数的比值得到。

S102：以亮度均值为分界点，将待处理图像灰度级划分为两部分。

待处理图像的亮度均值为m，将待处理图像分为第一部分I_L和第二部分I_U，其中，I_L＝[0，1，…，m]，I_U＝[m+1，m+2，…，K]。

S103：基于待处理图像的二维信息熵，分别计算各部分的累积分布函数。

待处理图像第一部分的累积分布函数为第一累积分布函数，第二部分的累积分布函数为第二累积分布函数。

第一累积分布函数可根据下述公式计算：

第二累积分布函数可根据下述公式计算：

式中，k为待处理图像的像素点的灰度级，K为待处理图像的最大灰度级，e_i为灰度级i归一化后的二维信息熵，m为待处理图像的亮度均值。

当然，也可采用其他方式计算待处理图像每部分的累积分布函数，这均不影响本申请的实现。

S104：分别根据各累积分布函数对相应部分的像素点进行灰度值映射，得到待处理图像的增强图像。

基于信息熵累积分布函数进行灰度值映射的曲线图请参阅图3所示，可见，随着累积信息熵的增长，灰度值也在逐渐增大。根据第一部分信息熵的累积分布函数进行灰度值映射，该部分的映射函数(第一映射函数)可为：

f_L(k)＝m·c_L(k)；

根据第二部分信息熵的累积分布函数进行灰度值映射，该部分的映射函数(第二映射函数)可为：

f_U(k)＝m+1+(K-m-1)·c_U(k)；

式中，m为待处理图像的亮度均值，K为待处理图像的最大灰度级，c_L(k)为第一累积分布函数，c_U(k)为第二累积分布函数。

在本发明实施例提供的技术方案中，信息熵能够反映图像细节信息的丰富程度，在图像增强处理过程中考虑信息熵，将原始图像的像素点基于信息熵进行灰度映射，最终将增强图像输出显示，在提高原始图像对比度的同时，还可以提升图像的信息熵，尽可能多的保存图像信息量，从而提升增强后图像质量。

此外，本申请还提供了另外一个实施例，请参见图4，图4为本发明实施例提供的另一种图像增强方法的流程示意图，可包括以下内容：

S401：计算待处理图像的二维信息熵。

S402：对二维信息熵进行归一化处理。

用每个灰度级的二维信息熵除以所有灰度级二维信息熵的总和，可首先计算二维信息熵的离散化信息，然后再根据离散化信息熵计算归一化信息熵。

可采用下述公式计算离散化信息熵：

式中，e_k'为灰度级k的离散化信息熵，S_k为灰度级k的二维信息熵，K为待处理图像的最大灰度级，S_l为灰度级l的二维信息熵。

然后可采用下述公式计算归一化信息熵：

式中，e_k为灰度级k的归一化信息熵，e_k'为灰度级k的离散化信息熵，K为待处理图像的最大灰度级。

S403：计算待处理图像亮度值的均值。

S403的执行步骤可以放到S404之前的任何一步，也就是说可先执行S403，也可先执行S401，这均不影响本申请的实现。

S404：以亮度均值为分界点，将待处理图像灰度级划分为两部分。

S405：基于归一化后的二维信息熵，分别计算各部分的累积分布函数。

S406：分别根据各累积分布函数对相应部分的像素点进行灰度值映射，得到待处理图像的增强图像。

本发明实施例与上述实施例相同的实施步骤或实施方法，可参阅上述实施例的描述，此处，便不再赘述。

由上可知，本发明实施例实现了待处理图像的增强处理，在图像增强处理过程中考虑信息熵，在提高原始图像对比度的同时，还可以提升图像的信息熵，从而提升增强后图像质量。

本发明实施例还针对图像增强方法提供了相应的实现装置，进一步使得所述方法更具有实用性。下面对本发明实施例提供的图像增强装置进行介绍，下文描述的图像增强装置与上文描述的图像增强方法可相互对应参照。

参见图5，图5为本发明实施例提供的图像增强装置在一种具体实施方式下的结构图，该装置可包括：

计算模块501，用于计算待处理图像的二维信息熵和亮度均值。

灰度级划分模块502，用于以亮度均值为分界点，将待处理图像灰度级划分为两部分。

累积分布函数计算模块503，用于基于待处理图像的二维信息熵，分别计算各部分的累积分布函数。

图像增强处理模块504，用于分别根据各累积分布函数对相应部分的像素点进行灰度值映射，得到待处理图像的增强图像。

可选的，在本实施例的一些实施方式中，请参阅图6，所述装置还可以包括归一化处理模块505，用于计算二维信息熵的离散化信息熵；根据离散化信息熵计算归一化信息熵。

在本实施例的另一些实施方式中，所述累积分布函数计算模块503还可用于待处理图像第一部分的累积分布函数为第一累积分布函数，第二部分的累积分布函数为第二累积分布函数；

第一累积分布函数为

第二累积分布函数为

式中，k为待处理图像的像素点的灰度级，K为待处理图像的最大灰度级，e_i为灰度级i的二维信息熵，m为待处理图像的亮度均值。

在另外一些实施方式中，所述图像增强处理模块504还可用于根据第一累积分布函数采用下述第一映射函数进行灰度值映射：

f_L(k)＝m·c_L(k)；

根据第二累积分布函数采用下述第二映射函数进行灰度值映射：

f_U(k)＝m+1+(K-m-1)·c_U(k)；

可选的，所述计算模块501还可用于将待处理图像划分为M×N的二维网格区域；利用下述公式计算待处理图像的二维信息熵：

式中，S_k为灰度级k的二维信息熵，k为待处理图像的像素点的灰度级，M为二维网格区域在水平方向上的网格个数，N为二维网格区域在垂直方向上的网格个数，h_k(m,n)为灰度级k在网格(m，n)内的概率密度。

本发明实施例所述图像增强装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本发明实施例还提供了一种图像增强设备，具体可包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序以实现如上任意一实施例所述图像增强方法的步骤。

本发明实施例所述图像增强设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本发明实施例还提供了一种计算机可读存储介质，存储有图像增强程序，所述图像增强程序被处理器执行时如上任意一实施例所述图像增强方法的步骤。

本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的一种图像增强方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims

1.一种图像增强方法，其特征在于，包括：

计算待处理图像的二维信息熵和亮度均值；

2.根据权利要求1所述的图像增强方法，其特征在于，在所述计算待处理图像的二维信息熵之后，还包括：

计算所述二维信息熵的离散化信息熵；

根据所述离散化信息熵计算归一化信息熵。

3.根据权利要求2所述的图像增强方法，其特征在于，所述计算待处理图像的二维信息熵为：

将所述待处理图像划分为M×N的二维网格区域；

利用下述公式计算所述待处理图像的二维信息熵：

4.根据权利要求1至3任意一项所述的图像增强方法，其特征在于，所述分别计算各部分的累积分布函数为：

所述第一累积分布函数为

所述第二累积分布函数为

5.根据权利要求4所述的图像增强方法，其特征在于，所述分别根据各累积分布函数对相应部分的像素点进行灰度值映射包括：

f_L(k)＝m·c_L(k)；

f_U(k)＝m+1+(K-m-1)·c_U(k)；

6.一种图像增强装置，其特征在于，包括：

计算模块，用于计算待处理图像的二维信息熵和亮度均值；

7.根据权利要求6所述的图像增强装置，其特征在于，还包括归一化处理模块，用于计算所述二维信息熵的离散化信息熵；根据所述离散化信息熵计算归一化信息熵。

8.根据权利要求6或7所述的图像增强装置，其特征在于，所述累积分布函数计算模块用于所述待处理图像第一部分的累积分布函数为第一累积分布函数，第二部分的累积分布函数为第二累积分布函数；

所述第一累积分布函数为

所述第二累积分布函数为

9.一种图像增强设备，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述图像增强方法的步骤。

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上存储有图像增强程序，所述图像增强程序被处理器执行时实现如权利要求1至5任一项所述图像增强方法的步骤。