CN109961409A - 一种线性增强图像对比度的方法及装置 - Google Patents

一种线性增强图像对比度的方法及装置 Download PDF

Info

Publication number
CN109961409A
CN109961409A CN201910142730.8A CN201910142730A CN109961409A CN 109961409 A CN109961409 A CN 109961409A CN 201910142730 A CN201910142730 A CN 201910142730A CN 109961409 A CN109961409 A CN 109961409A
Authority
CN
China
Prior art keywords
gray value
section
linear transformation
interval
value interval
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.)
Granted
Application number
CN201910142730.8A
Other languages
English (en)
Other versions
CN109961409B (zh
Inventor
王义文
王健宗
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910142730.8A priority Critical patent/CN109961409B/zh
Publication of CN109961409A publication Critical patent/CN109961409A/zh
Priority to PCT/CN2019/118448 priority patent/WO2020173141A1/zh
Application granted granted Critical
Publication of CN109961409B publication Critical patent/CN109961409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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 using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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

Landscapes

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

Abstract

本发明公开了一种线性增强图像对比度的方法和装置，其中，所述方法包括：获取待处理图像的灰度值，以及每个灰度值出现的频率；根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，所述m为正整数；根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。采用本发明实施例，可以有效增强图像的对比度并且保留图像中丰富灰度值变化的边缘区域。

Description

一种线性增强图像对比度的方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种线性增强图像对比度的方法及装置。
背景技术
在可见光或者红外线成像的过程中，由于受到光照、环境温度、光电转化效能等因素的影响，常出现图像对比度不均衡的现象。具体表现在图像部分区域由于曝光亮度过高，部分区域曝光不足而亮度过低。
图像增强是图像处理的最基本手段，图像增强的方法一般分为空间域和变换域两大类，直方图均衡是空间域图像增强中的最常用的算法之一。直方图均衡修正整帧图像中的像素灰度值，使整帧图像中落在不同灰度区间的像素数量尽可能平均、且每个灰度区间内均有像素，从而通过使整帧图像具有更强的层次感来达到图像增强的目的。
然而对于整帧图像来说，其包含有丰富灰度值变化的边缘区域、细节区域，有可能会由于对整帧图像的灰度值均衡而丢失，导致增强后的图像质量不高。
发明内容
本发明实施例提供一种线性增强图像对比度的方法及装置，可以有效增强图像的对比度并且保留图像中丰富灰度值变化的边缘区域。
第一方面，本发明实施例提供了一种种线性增强图像对比度的方法，该方法包括：
获取待处理图像的灰度值，以及每个灰度值出现的频率；
根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，所述m为正整数；
根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；
将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
实施本发明例，通过将待处理图像的一段或多段灰度值区间进行线性变换，可以增强图像的对比度并且保留图像中丰富灰度值变化的边缘区域。
其中，线性变换后的最小灰度值小于线性变换前的最小灰度值，或者线性变换后的最大灰度值大于线性变换前的最大灰度值。
可选的，根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，包括：
在所述待处理图像的灰度值数轴上划分灰度值区间；
从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间；其中，所述目标灰度值区间的灰度值出现频率的总和大于第一阈值，所述第一阈值为与所述目标灰度值区间对应的阈值。
其中，所述第一阈值为与所述目标灰度值区间对应的阈值，不同的目标灰度值区间的区间长度对应不同的阈值。
实施本发明例，通过比较每一段灰度值区间灰度值出现频率总和与该区间第一阈值的大小，可以快速精确的找出灰度值分布集中的灰度值区间。
可选的，所述在所述待处理图像的灰度值数轴上划分灰度值区间，包括：
将所述待处理图像的灰度值数轴划分为a个灰度值区间；
根据公式计算所述a的值，其中，所述ceil()为向上取整函数，所述q为所述待处理图像的整个灰度值区间的区间长度，所述n为正整数。
可选的，所述在所述待处理图像的灰度值数轴上划分灰度值区间之后，所述从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间之前，还包括：
根据公式确定划分的灰度值区间对应的第一阈值，其中，所述q为所述待处理图像的灰度值区间的区间长度，所述p为所述灰度值区间的区间长度，z≥1。
实施本发明例，根据每段灰度值区间的长度与待处理图像灰度值区间总长度确定每段灰度值区间对应的第一阈值，可以快速精确地找出灰度值分布集中度较高的灰度值区间，从而确定进行线性变换的灰度值区间。
可选的，根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数，包括：
根据公式计算所述确定的每一段灰度值区间对应的线性变换函数的斜率k，其中，所述A2为所述确定的每一段灰度值区间线性变换后的最大灰度值，A1为所述确定的每一段灰度值区间线性变换后的最小灰度值，M2为所述确定的每一段灰度值区间的最大灰度值，M1为所述确定的每一段灰度值区间的最小灰度值；
根据公式b＝A1-K×M1计算所述确定的每一段灰度值区间对应的线性变换函数的截距b；
根据公式g(f)＝k×f+b确定所述确定的每一段灰度值区间对应的线性变换函数，其中，所述f为所述确定的每一段灰度值区间的灰度值。
可选的，计算线性变换函数的截距b还可以用另一种方式计算，另一种方式为：b＝A2-K×M2
实施本发明例，通过每段灰度值区间的最小灰度和最大灰度值确定每段灰度值区间对应的线性变化函数，可以使每段灰度值区间的灰度值线性变换后尽可能平均的分布在各个灰度值区间，从而使得待处理图像具有更强的层次感，以达到图像增强的目的。
可选的，所述确定的每一段灰度值区间线性变换后的最小灰度值为0，所述确定的每一段灰度值区间线性变换后的最大灰度值为255。
实施本发明例，由于所有图像中的各个灰度值的灰度值最小灰度值大于等于0，最大灰度值小于等于255。因此，确定线性变换后的最小灰度值为0，线性变换后的最大灰度值为255，可以使灰度值区间的灰度值尽可能大范围的平局分布，从而达到增强图像对比度的效果。
可选的，所述将所述每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像之后，还包括：
判断是否存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值；
若存在，根据所述一个或多个灰度值区间各自的最小灰度值和最大灰度值，以及所述一个或多个灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述一个或多个灰度值区间各自对应的线性变换函数
将所述一个或多个灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
第二方面，本发明实施例提供一种线性增强图像对比度的装置，其中特征在于，包括：
获取单元，用于获取待处理图像的灰度值，以及每个灰度值出现的频率；
第一确定单元，用于根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，所述m为正整数；
第二确定单元，用于根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；
线性变换单元，用于将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
第三面，本发明实施例提供了一种网络设备，该网络设备实现获取待处理图像的灰度值和每个灰度值出此案的频率的功能、计算灰度值区间对应的线性变换函数的功能和将每段灰度值区间的灰度值进行线性变换的功能。其中，该网络设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括至少一个与上述功能相对应的模块。该网络设备包括收发器，存储器，处理器。收发器用于接收待处理图像，存储器用于存储线性增强图像对比度程序代码，处理器用于调用存储器中存储的线性增强图像对比度程序代码执行上述第一方面所描述的线性增强图像对比度的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有指令，当其在处理器上运行时，使得处理器执行上述第一方面描述的线性增强图像对比对度的方法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种网络设备的结构示意图；
图2是本发明实施例提供的一种线性增强图像对比度的流程示意图；
图3是本发明实施例提供的图像灰度直方图示意图；
图4是本发明实施例提供的一种线性增强图像对比度的流程示意图；
图5是本发明实施例提供的图像灰度直方图示意图；
图6是本发明实施例提供的线性变换后的灰度直方图示意图；
图7是本发明实施例提供的线性变换后的灰度直方图示意图；
图8是本发明实施例提供的线性增强图像对比度装置的结构示意图。
具体实施方式
本发明实施例提供一种线性增强图像对比度的方法和装置，可以增强图像的对比度并且保留图像中丰富灰度值变化的边缘区域。
本发明说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形，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，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同的对象，而并非用于描述特定的顺序。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
参见图1，图1示出了本发明实施例提供的一种网络设备，该网络设备100可包括：一个或多个处理器101、存储器102、发射器103、接收器104和网络接口105。这些部件可通过总线105或者其他方式连接，图1以通过总线连接为例。其中：
处理器101可以是通用处理器，例如中央处理器(central processing unit，CPU)，还可以是数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。处理器101可处理通过接收器104接收到的数据。
存储器102可以和处理器101通过总线105或者输入输出端口耦合，存储器102也可以与处理器101集成在一起。存储器102用于存储各种软件程序和/或多组指令。具体的，存储器102可包括高速随机存取的存储器，并且也可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器302还可以存储网络通信程序，该网络通信程序可用于与一个或多个附加设备，一个或多个终端，一个或多个网络设备进行通信。
接收器104可用于对接收的图像进行接收处理。在网络设备100中，发射器103和接收器104的数量均可以是一个或者多个。
处理器101可用于读取和执行计算机可读指令。具体的，处理器101可用于调用存储于存储器102中的数据。可选地，当处理器101发送任何消息或数据时，其具体通过驱动或控制发射器103做所述发送。可选地，当处理器101接收任何消息或数据时，其具体通过驱动或控制接收器104做所述接收。因此，处理器101可以被视为是执行发送或接收的控制中心，发射器103和接收器104是发送和接收操作的具体执行者。
网络接口105用于网络设100与其他网络设备进行通信，网络接口105可以是有线接口。
结合图1所示的网络设备，本发明实施例提供了一种线性增强图像对比度的方法，参见图2，图2为本发明的一个实施例提供的一种线性增强图像对比度的方法的流程示意图。其中，如图2所示，本发明的一个实施例提供的一种线性增强图像对比度方法可以包括：
S200，获取待处理图像的灰度值，以及每个灰度值出现的频率。
以灰度直方图举例来进行说明，参见图3，图3为本发明实施例提供的灰度直方图示意图。如图3所示，该待处理图像对应的灰度直方图中，横坐标代表待处理图像的灰度值，纵坐标代表灰度值出现的频率。
可以理解的是，获取待处理图像的灰度值以及每个灰度值出现的频率的方式可以是多种的。例如，通过MATLAB、Photoshop或者其他软件、硬件设备获取图像的灰度值以及每个灰度值出现的频率，本申请实施例对此不做限定。
S300，根据每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，m为正整数。
可选的，根据每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，包括：
若目标灰度值区间的灰度值出现频率的总和大于第一阈值，则将所述目标灰度值区间确定为待变换灰度值区间。其中，所述第一阈值为与所述目标灰度值区间对应的阈值，所述第一阈值为与所述目标灰度值区间对应的阈值，不同的目标灰度值区间的区间长度对应不同的阈值。
参见图3，例如，灰度值区间100～150有该区间对应的第一阈值，灰度值区间150～180有该区间对应的第一阈值。
参见图4，图4为本发明实施例提供的一种线性增强图像对比度的方法的流程示意图。如图4所示，确定待线性变换的m段灰度值区间还包括：
S301，将待处理图像的灰度值数轴分为成a个灰度值区间，a为正整数。
可选的，根据公式一，计算a的值，所述公式一为：其中，ceil()为向上取整函数，q为待处理图像的整个灰度值区间长度，n为正整数。
参见5，图5为本发明实施例提供的图像灰度直方图示意图。如图5所示，该图像的整个灰度值区间分布在50～200，所以该图像的整个灰度值区间长度为150。以n取50为例来进行说明，根据公式一计算a的值，因此，该图像整个灰度值区间分为3段，分别为：50～100、100～150和150～200。
又以n取40为例来进行说明，根据公式一计算a的值，因此，该图像整个灰度值区间分为4段，分别为：50～90、90～130、130～170和170～200。
S302，统计所述a个灰度值区间的每一个灰度值区间灰度值出现频率的总和。
以n取50为例来进行说明，统计3段灰度值区间灰度值出现频率的总和。50～100区间灰度值出现频率的总和为：0.41，100～150区间灰度值出现频率的总和为：0.578，150～200区间灰度值出现频率的总和为：0.012。
S303，比较所述每一个灰度值区间灰度值出现频率的总和与所述每一段灰度值区间对应的第一阈值的大小。
可选的，根据公式二，确定每一段灰度值区间的第一阈值，公式二为：其中q为所述待处理图像的整个灰度值区间长度，p为所述a个灰度值区间的每一个灰度值区间的区间长度，z≥1。
参见图5，以q为150，n为50为例来进行说明，当n为50，待处理图像的灰度值区间分为3个灰度值区间，分别为：50～100、100～150和150～200，每个灰度值区间的区间长度为50,所以p的值为50。
可选的，z的取值大于，这以z＝1为例进行说明。当z的取值为1，这3个灰度值区间段的第一阈值都为1/3。由于50～100区间灰度值出现频率的总和为：0.41，100～150区间灰度值出现频率的总和为：0.578，150～200区间灰度值出现频率的总和为：0.012。所以，比较结果为：灰度值区间50～100和灰度值区间100～150的灰度值出现频率总和大于各自区间对应的第一阈值，灰度值区间150～200的灰度值出现频率总和小于该区间对应的第一阈值。
S304，若目标灰度值区间的灰度值出现频率的总和大于目标灰度值区间对应的第一阈值，则将该目标灰度值区间确定为待变换的灰度值区间。
因为灰度值区间50～100和灰度值区间100～150的灰度值出现频率总和大于各自区间对应的第一阈值，所以将灰度值区间50～100和灰度值区间100～150确定为待变换的灰度值区间。
实施本发明例，根据每段灰度值区间的长度与待处理图像灰度值区间总长度确定每段灰度值区间对应的第一阈值，可以快速精确地找出灰度值分布集中度较高的灰度值区间，从而确定进行线性变换的灰度值区间。
S400，根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及确定的每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定的每一段待变换灰度值区间各自对应的线性变换函数。
可选的，所述确定的每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值可以是相同的，可以是不同的。
以灰度值区间50～100和灰度值区间100～150举例来进行说明。灰度值区间50～100线性变换后的最小灰度值为0，最大灰度值为250；灰度值区间100～150线性变换后的最小灰度值为0，最大灰度值为250。或者，灰度值区间50～100线性变换后的最小灰度值为0，最大灰度值为250；灰度值区间100～150线性变换后的最小灰度值为50，最大灰度值为250。
可选的，确定各自区间线性变换后的最小和最大灰度值之后，确定各自区间对应的线性变换函数。这里以灰度值区间50～100线性变换后的最小灰度值为0，最大灰度值为250；灰度值区间100～150线性变换后的最小灰度值为0，最大灰度值为250为例来进行说明。
根据公式三，计算所述确定的每一段灰度值区间对应的线性变换函数的斜率k，其中，所述公式三为：A2为所述确定的每一段灰度值区间线性变换后的最大灰度值，A1为所述确定的每一段灰度值区间线性变换后的最小灰度值，M2为所述确定的每一段灰度值区间的最大灰度值，M1为所述确定的每一段灰度值区间的最小灰度值。
所以，灰度值区间50～100的斜率为：灰度值区间100～150的斜率为：
根据公式四，计算所述确定的每一段灰度值区间对应的线性变换函数的截距b，所述公式四为：b＝A1-K×M1。
灰度值区间50～100的截距为：b1＝A1-K×M1＝0-5×50＝-250；灰度值区间100～150的斜率为b2＝A1-K×M1＝0-5×100＝-500
可选的额，截距b的计算方式还可以是：b＝A2-K×M2。
灰度值区间50～100的截距为：b1＝A2-K×M2＝250-5×100＝-250；灰度值区间100～150的斜率为b2＝A2-K×M2＝150-5×150＝-500。
据公式五，计算所述确定的每一段灰度值区间对应的线性变换函数，所述公式五为：g(f)＝k×f+b，其中，f为所述确定的每一段灰度值区间的灰度值。
所以，灰度值区间50～100的线性变换函数为：g1(f)＝k1×f+b1＝5f-250；灰度值区间50～100的线性变换函数为g2(f)＝k2×f+b2＝5f-500。
S500，将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
将灰度值区间50～100中的所有灰度值代入线性变换函数g1(f)＝5f-250，将灰度值区间100～150中的所有灰度值代入线性变换函数g2(f)＝5f-500。
以将灰度值区间100～150中的所有灰度值代入线性变换函数g2(f)＝5f-500举例来进行说明。分别将该灰度值区间的所有灰度值代入现象变换函数进行线性变换。例如，将灰度值101代入，灰度值101线性变换后的灰度值为5。参见图6，图6为本发明实施例提供的线性变换后的灰度直方图示意图。灰度值区间100～150中的所有灰度值代入线性变换函数g2(f)＝5f-500之后，得到新的灰度直方图如图6所示。灰度值区间100～150经过线性变换后，线性变换后的图像的灰度值区间的灰度值分布比变换前的灰度值区间分布均匀很多。
进一步的，将灰度值区间50～100中的所有灰度值代入线性变换函数g1(f)＝5f-250，得到线性变换后的灰度值图像。参见图7，图7为本发明实施例提供的线性变换后的灰度直方图示意图。如图7所示，整个图像经过线性变换后，图像的灰度值均匀的分布在灰度值数轴，相较于线性变换钱的图像，线性变换后的图像的整体对比度大大提高。
可选的，将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像之后，还包括：
判断是否存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值；
若存在，根据所述一个或多个灰度值区间各自的最小灰度值和最大灰度值，以及所述一个或多个灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述一个或多个灰度值区间各自对应的线性变换函数
将所述一个或多个灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
可以理解的是，若存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值，针对这一个或多个灰度值区间的处理方法与上述实施例说明的方法是一致的实施本发明例，通过比较每一段灰度值区间灰度值出现频率总和与该区间第一阈值的大小，可以快速精确的找出灰度值分布集中的灰度值区间。通过每段灰度值区间的最小灰度和最大灰度值确定每段灰度值区间对应的线性变化函数，可以使每段灰度值区间的灰度值线性变换后尽可能平均的分布在各个灰度值区间，从而使得待处理图像具有更强的层次感，以达到图像增强的目的。
参见图8，图8为本发明实施例提供的线性增强图像对比度装置的结构示意图。如图8所示，该线性增强图像对比度的装置800包括：获取单元801，第一确定单元802，第二确定单元803和线性变换单元804。
其中，获取单元801用于获取待处理图像的灰度值，以及每个灰度值出现的频率；第一确定单元802用于根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；第二确定单元803用于根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；线性变换单元804用于将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
可选的，所述第一确定单元802包括：
划分单元805，用于在所述待处理图像的灰度值数轴上划分灰度值区间；
第三确定单元806，用于从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间；其中，所述目标灰度值区间的灰度值出现频率的总和大于第一阈值，所述第一阈值为与所述目标灰度值区间对应的阈值。
可选的，划分单元805，具体用于将所述待处理图像的灰度值数轴划分为a个灰度值区间；根据公式计算所述a的值，其中，所述ceil()为向上取整函数，所述q为所述待处理图像的整个灰度值区间的区间长度，所述n为正整数。
可选的，所述装置800还包括：
计算单元807，用于在划分单元805在所述待处理图像的灰度值数轴上划分灰度值区间之后，第三确定单元806从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间之前，根据公式确定划分的灰度值区间对应的第一阈值，其中，所述q为所述待处理图像的灰度值区间的区间长度，所述p为所述灰度值区间的区间长度，z≥1。
可选的，线性变换单元804具体用于，根据公式计算所述确定的每一段灰度值区间对应的线性变换函数的斜率k，其中，所述A2为所述确定的每一段灰度值区间线性变换后的最大灰度值，所述A1为所述确定的每一段灰度值区间线性变换后的最小灰度值，所述M2为所述确定的每一段灰度值区间的最大灰度值，所述M1为所述确定的每一段灰度值区间的最小灰度值；
根据公式b＝A1-K×M1计算所述确定的每一段灰度值区间对应的线性变换函数的截距b；
根据公式g(f)＝k×f+b确定所述确定的每一段灰度值区间对应的线性变换函数，其中，所述f为所述确定的每一段灰度值区间的灰度值。
可选的，所述装置800还包括：
判断单元808，用于线性变换单元804将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像之后，判断是否存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值；
第四单元805，用于在判断单元808判断存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值之后，根据所述一个或多个灰度值区间各自的最小灰度值和最大灰度值，以及所述一个或多个灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述一个或多个灰度值区间各自对应的线性变换函数；
第二线性变换单元，用于将所述一个或多个灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任意一种的部分或全部步骤。
本发明实施例还提供一种计算机程序，该计算机程序包括指令，当该计算机程序被计算机执行时，使得计算机可以执行任意一种车载设备升级方法的部分或全部步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如数字多功能光盘(digital versatile disc，DVD)、半导体介质(例如固态硬盘solid state disk，SSD)等。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述的具体实施方式，对本发明实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明实施例的具体实施方式而已，并不用于限定本发明实施例的保护范围，凡在本发明实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明实施例的保护范围之内。

Claims (10)

1.一种线性增强图像对比度的方法，其特征在于，包括：
获取待处理图像的灰度值，以及每个灰度值出现的频率；
根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，所述m为正整数；
根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；
将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，包括：
在所述待处理图像的灰度值数轴上划分灰度值区间；
从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间；其中，所述目标灰度值区间的灰度值出现频率的总和大于第一阈值，所述第一阈值为与所述目标灰度值区间对应的阈值。
3.根据权利要求2所述的方法，其特征在于，所述在所述待处理图像的灰度值数轴上划分灰度值区间，包括：
将所述待处理图像的灰度值数轴划分为a个灰度值区间；
根据公式计算所述a的值，其中，所述ceil()为向上取整函数，所述q为所述待处理图像的整个灰度值区间的区间长度，所述n为正整数。
4.根据权利要求2所述的方法，其特征在于，所述在所述待处理图像的灰度值数轴上划分灰度值区间之后，所述从划分的灰度值区间中确定目标灰度值区间为待变换灰度值区间之前，还包括：
根据公式确定划分的灰度值区间对应的第一阈值，其中，所述q为所述待处理图像的灰度值区间的区间长度，所述p为所述灰度值区间的区间
长度，z≥1。
5.根据权利要求1所述的方法，其特征在于，所述根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数，包括：
根据公式计算所述确定的每一段灰度值区间对应的线性变换函数的斜率k，其中，所述A2为所述确定的每一段灰度值区间线性变换后的最大灰度值，所述A1为所述确定的每一段灰度值区间线性变换后的最小灰度值，所述M2为所述确定的每一段灰度值区间的最大灰度值，所述M1为所述确定的每一段灰度值区间的最小灰度值；
根据公式b＝A1-K×M1计算所述确定的每一段灰度值区间对应的线性变换函数的截距b；
根据公式g(f)＝k×f+b确定所述确定的每一段灰度值区间对应的线性变换函数，其中，所述f为所述确定的每一段灰度值区间的灰度值。
6.根据权利要求5所述的方法，其特征在于，所述确定的每一段灰度值区间线性变换后的最小灰度值为0，所述确定的每一段灰度值区间线性变换后的最大灰度值为255。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像之后，还包括：
判断是否存在一个或多个灰度值区间的灰度值出现频率总和大于所述一个或多个灰度值区间对应的第一阈值；
若存在，根据所述一个或多个灰度值区间各自的最小灰度值和最大灰度值，以及所述一个或多个灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述一个或多个灰度值区间各自对应的线性变换函数；
将所述一个或多个灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
8.一种线性增强图像对比度的装置，其特征在于，包括：
获取单元，用于获取待处理图像的灰度值，以及每个灰度值出现的频率；
第一确定单元，用于根据所述每个灰度值出现的频率确定待线性变换的m段待变换灰度值区间，所述m为正整数；
第二确定单元，用于根据确定的每一段待变换灰度值区间各自的最小灰度值和最大灰度值，以及所述每一段待变换灰度值区间各自线性变换后的最小灰度值和最大灰度值确定所述每一段待变换灰度值区间各自对应的线性变换函数；
线性变换单元，用于将所述确定的每一段待变换灰度值区间的灰度值通过各自对应的线性变换函数进行线性变换，得到线性增强后的图像。
9.一种网络设备，其特征在于，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
CN201910142730.8A 2019-02-26 2019-02-26 一种线性增强图像对比度的方法及装置 Active CN109961409B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910142730.8A CN109961409B (zh) 2019-02-26 2019-02-26 一种线性增强图像对比度的方法及装置
PCT/CN2019/118448 WO2020173141A1 (zh) 2019-02-26 2019-11-14 一种线性增强图像对比度的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910142730.8A CN109961409B (zh) 2019-02-26 2019-02-26 一种线性增强图像对比度的方法及装置

Publications (2)

Publication Number Publication Date
CN109961409A true CN109961409A (zh) 2019-07-02
CN109961409B CN109961409B (zh) 2024-02-27

Family

ID=67023820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910142730.8A Active CN109961409B (zh) 2019-02-26 2019-02-26 一种线性增强图像对比度的方法及装置

Country Status (2)

Country Link
CN (1) CN109961409B (zh)
WO (1) WO2020173141A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020173141A1 (zh) * 2019-02-26 2020-09-03 平安科技（深圳）有限公司 一种线性增强图像对比度的方法及装置
CN112312001A (zh) * 2019-07-30 2021-02-02 北京百度网讯科技有限公司 一种图像检测的方法、装置、设备和计算机存储介质
CN112418187A (zh) * 2020-12-15 2021-02-26 潍柴动力股份有限公司 车道线识别方法及装置、存储介质、电子设备
CN112880837A (zh) * 2021-01-26 2021-06-01 四川华能宝兴河水电有限责任公司 一种设备故障分析方法
CN114511471A (zh) * 2022-04-18 2022-05-17 广州骏天科技有限公司 基于灰度共生矩阵的图像优化方法及系统
CN114581345A (zh) * 2022-05-07 2022-06-03 广州骏天科技有限公司 一种基于自适应线性灰度化的图像增强方法及系统
CN116703888A (zh) * 2023-07-28 2023-09-05 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

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635718B (zh) * 2024-01-24 2024-04-26 泰安万川电器设备有限公司 一种基于图像增强的弱光环境下矿车定位方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236751B1 (en) * 1998-09-23 2001-05-22 Xerox Corporation Automatic method for determining piecewise linear transformation from an image histogram
JP2010113052A (ja) * 2008-11-05 2010-05-20 Renesas Technology Corp 表示駆動装置
CN103530847A (zh) * 2013-09-24 2014-01-22 电子科技大学 一种红外图像增强方法
CN103810681A (zh) * 2014-03-12 2014-05-21 中国科学院上海高等研究院 一种低功耗对比度增强方法
US20150332444A1 (en) * 2012-10-25 2015-11-19 Mitsubishi Electric Corporation Image processing device and image processing method
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
CN108805829A (zh) * 2018-05-25 2018-11-13 浙江科澜信息技术有限公司 影像数据处理方法、装置、设备及计算机可读存储介质
CN109035249A (zh) * 2018-09-10 2018-12-18 东北大学 一种基于图像处理的管道故障并行全局阈值检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706953B (zh) * 2009-11-13 2015-07-01 北京中星微电子有限公司 基于直方图均衡的图像增强方法和装置
CN106342331B (zh) * 2010-09-03 2014-06-11 中国航空工业集团公司洛阳电光设备研究所 一种自适应分段线性拉伸的直方图均衡化方法
CN106570831A (zh) * 2016-10-09 2017-04-19 中国航空工业集团公司洛阳电光设备研究所 一种灰度图像对比度均衡增强的方法
CN109961409B (zh) * 2019-02-26 2024-02-27 平安科技（深圳）有限公司 一种线性增强图像对比度的方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236751B1 (en) * 1998-09-23 2001-05-22 Xerox Corporation Automatic method for determining piecewise linear transformation from an image histogram
JP2010113052A (ja) * 2008-11-05 2010-05-20 Renesas Technology Corp 表示駆動装置
US20150332444A1 (en) * 2012-10-25 2015-11-19 Mitsubishi Electric Corporation Image processing device and image processing method
CN103530847A (zh) * 2013-09-24 2014-01-22 电子科技大学 一种红外图像增强方法
CN103810681A (zh) * 2014-03-12 2014-05-21 中国科学院上海高等研究院 一种低功耗对比度增强方法
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
CN108805829A (zh) * 2018-05-25 2018-11-13 浙江科澜信息技术有限公司 影像数据处理方法、装置、设备及计算机可读存储介质
CN109035249A (zh) * 2018-09-10 2018-12-18 东北大学 一种基于图像处理的管道故障并行全局阈值检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李仁和: "一种基于映射阈值的图像增强方法", 微电子学与计算机, no. 11 *
高赟: "基于阈值动态分配空闲灰度级的红外图像增强", 计算机工程与设计, vol. 28, no. 16, 23 August 2007 (2007-08-23), pages 3935 - 3939 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020173141A1 (zh) * 2019-02-26 2020-09-03 平安科技（深圳）有限公司 一种线性增强图像对比度的方法及装置
CN112312001A (zh) * 2019-07-30 2021-02-02 北京百度网讯科技有限公司 一种图像检测的方法、装置、设备和计算机存储介质
CN112418187A (zh) * 2020-12-15 2021-02-26 潍柴动力股份有限公司 车道线识别方法及装置、存储介质、电子设备
CN112880837A (zh) * 2021-01-26 2021-06-01 四川华能宝兴河水电有限责任公司 一种设备故障分析方法
CN114511471A (zh) * 2022-04-18 2022-05-17 广州骏天科技有限公司 基于灰度共生矩阵的图像优化方法及系统
CN114511471B (zh) * 2022-04-18 2022-07-01 广州骏天科技有限公司 基于灰度共生矩阵的图像优化方法及系统
CN114581345A (zh) * 2022-05-07 2022-06-03 广州骏天科技有限公司 一种基于自适应线性灰度化的图像增强方法及系统
CN114581345B (zh) * 2022-05-07 2022-07-05 广州骏天科技有限公司 一种基于自适应线性灰度化的图像增强方法及系统
CN116703888A (zh) * 2023-07-28 2023-09-05 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
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

Also Published As

Publication number Publication date
CN109961409B (zh) 2024-02-27
WO2020173141A1 (zh) 2020-09-03

Similar Documents

Publication Publication Date Title
CN109961409A (zh) 一种线性增强图像对比度的方法及装置
CN103533261B (zh) 去噪设备、系统和方法
JP5394546B2 (ja) 周波数領域においてフィルムグレインのパターンをモデリングする方法及び装置
CN102891966B (zh) 数码成像设备的对焦方法及装置
CN104052979B (zh) 用于图像处理的装置和技术
CN110852882B (zh) 用于区块链网络的分组共识方法、装置、设备和介质
CN106295682A (zh) 一种判断图片质量因子的方法、装置和计算设备
CN113095512A (zh) 联邦学习建模优化方法、设备、介质及计算机程序产品
CN108871520A (zh) 牲畜体重测量方法及装置
CN102063701A (zh) 影像加强装置与方法
CN113282348B (zh) 一种基于区块链的边缘计算任务卸载系统及方法
CN110933723B (zh) 一种漫游切换控制方法、装置和无线ap
CN112384946A (zh) 一种图像坏点检测方法及装置
CN112689140B (zh) 白平衡同步方法及装置、电子设备和存储介质
CN115049717B (zh) 一种深度估计方法及装置
CN116883336A (zh) 图像处理方法、装置、计算机设备及介质
Zhuang et al. Reversible watermarking based on extreme prediction using modified differential evolution
CN116433496A (zh) 一种图像去噪方法、装置和存储介质
CN109460930A (zh) 一种确定风险账户的方法以及相关设备
CN105574844B (zh) 辐射响应函数估计方法和装置
Wang et al. Reconstruction of missing color-channel data using a three-step back propagation neural network
CN106681803A (zh) 一种任务调度方法及服务器
CN112243119B (zh) 一种白平衡处理方法、装置、电子设备及存储介质
CN109993338B (zh) 一种链路预测方法及装置
CN113905066B (zh) 物联网的组网方法、物联网的组网装置及电子设备

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