CN110288546A - 一种采用双向伽马变换的低照度图像增强方法 - Google Patents

一种采用双向伽马变换的低照度图像增强方法 Download PDF

Info

Publication number
CN110288546A
CN110288546A CN201910569094.7A CN201910569094A CN110288546A CN 110288546 A CN110288546 A CN 110288546A CN 201910569094 A CN201910569094 A CN 201910569094A CN 110288546 A CN110288546 A CN 110288546A
Authority
CN
China
Prior art keywords
image
gamma
low
img
gamma correction
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
CN201910569094.7A
Other languages
English (en)
Other versions
CN110288546B (zh
Inventor
戴声奎
陈翔程
张超
高剑萍
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN201910569094.7A priority Critical patent/CN110288546B/zh
Publication of CN110288546A publication Critical patent/CN110288546A/zh
Application granted granted Critical
Publication of CN110288546B publication Critical patent/CN110288546B/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
    • G06T5/90—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
    • G06T5/80—Geometric correction

Landscapes

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

Abstract

本发明涉及一种采用双向伽马变换的低照度图像增强方法，包括：对输入图像进行归一化处理，并对归一化图像的均值进行数值压扩处理，计算得到伽马参数值；对归一化图像进行图像取反，然后对数据进行第一次伽马校正；对第一次伽马校正后的图像取反及进行第二次伽马校正；对第二次伽马校正后的图像进行去归一化操作，得到结果图像。本发明提供的低照度增强方法，增强效果显著，计算复杂度较低。

Description

一种采用双向伽马变换的低照度图像增强方法
技术领域
本发明属于低照度的图像及视频的亮度和对比度增强技术领域，特别涉及一种采用双向伽马变换的低照度图像增强方法。
背景技术
现实生活中，受拍摄设备以及周围环境光照的影响，容易导致所拍摄出来的图像或者视频有着较暗亮度和低对比度，特别是在光照不足的环境中，拍摄的图像虽然亮度较暗，对比度低，但是其图像里的信息依然存在且丰富。因此，对低照度的图像进行对比度增强，使处理后的图像满足人眼的视觉效果。
传统的增强图像亮度和对比度的算法有线性拉伸、对数变换和伽马变换。线性拉伸能够将图像的灰度集进行线性拉伸至0-255，线性拉伸在增强图像对比度的同时，也会将图像的亮度区域进行拉伸，导致图像部分过曝；原始的对数变换和伽马变换算法，可以扩展图像暗区的像素值，但也会压缩图像的亮区像素值，导致图像的亮区细节丢失。
双向伽马变换的低照度图像对比度增强方法，通过对gamma参数实现自适应，通过对图像的双向伽马校正，使图像在提高亮度、增强对比度的同时，还可避免图中高亮区域像素值的溢出，弥补了单次伽马校正算法对亮区暗区处理时两者不能兼顾的不足。
发明内容
本发明的目的在于克服现有技术的不足，提供一种采用双向伽马变换的低照度图像增强方法，能够对低照度图像进行良好的亮度及对比度增强，并且比传统的对比度增强算法，在不过度增强的情况下，图像的细节部分更加显著，解决了原始的对数变换和伽马变换中细节丢失的问题，通过本发明方法能够使低照度图像的亮度及对比度增强到符合人眼视觉特性，以便于观察。
为了实现上述目的，本发明的技术方案是：
一种采用双向伽马变换的低照度图像增强方法，包括：
对低照度输入图像进行归一化处理，并对归一化图像的均值进行数值压扩处理，计算得到伽马参数值；
对归一化图像进行图像取反，然后对数据进行第一次伽马校正；
对第一次伽马校正后的图像取反及进行第二次伽马校正；
对第二次伽马校正后的图像进行去归一化操作，得到结果图像。
优选的，对低照度输入图像进行归一化处理，并对归一化图像的均值进行数值压扩处理，计算得到伽马参数值，包括：
将n比特输入图像ImgIn进行归一化处理得到归一化图像Img_nor＝ImgIn/(2n-1)；取Img_nor的算术平均获得mean参数值，对mean参数进行数据压扩处理以将mean参数的值钳位在[0～1]区间内；
计算伽马参数值gamma，如下：
gamma＝max[k,mean]
其中，k为设定的钳位阈值。
优选的，对归一化图像进行图像取反，然后对数据进行第一次伽马校正，如下：
Img_gc1＝(1.0-Img_nor)gamma
其中，Img_gc1表示第一次伽马校正后的图像。
优选的，对第一次伽马校正后的图像取反及进行第二次伽马校正，如下：
Img_gc2＝(1.0-Img_gc1)gamma
其中，Img_gc2表示结果图像。
优选的，对第二次伽马校正后的图像进行去归一化操作，得到结果图像，如下：
ImgOut＝Img_gc2*(2n-1)
其中，ImgOut表示结果图像。
优选的，所述输入图像为RGB彩色或灰度低照度图像。
采用上述方案后，本发明的有益效果是：
本发明一种采用双向伽马变换的低照度图像增强方法，通过对归一化低照度图像进行统计分析得到参数gamma值，之后对图像进行取反并伽马校正，然后再次进行取反并伽马校正，能够对输入图像进行增强处理。通过本发明方法，既能增强低照度图像的亮度及对比度，又能突显图像细节部分，使图像有着良好的视觉效果。
以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种采用双向伽马变换的低照度图像增强方法不局限于实施例。
附图说明
图1是本发明的双向伽马变换的低照度图像对比度增强方法的流程图；
图2为本发明实施例的结果图；其中2(a)为原图，图2(b)为双向伽马校正后的效果图。
具体实施方式
以下将结合本发明附图，对本发明实施例中的技术方案进行详细描述和讨论。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参见图1所示，本发明一种采用双向伽马变换的低照度图像增强方法，包括：
S101，对低照度图像进行归一化处理，得到图像的均值，计算伽马参数值。
具体的，输入n比特的RGB彩色或灰度低照度图像，记为ImgIn。若输入图像为彩色图像，则分别对R、G、B三通道进行本发明所有操作，若输入为灰度图，则对灰度图进行本发明所有操作；利用Img_nor＝ImgIn/(2n-1)，若输入为8bit图像，则Img_nor＝ImgIn/255，将归一化后的图像记为Img_nor；求取归一化图像Img_nor的灰度算术平均值mean；对mean参数进行数据压扩处理以将mean参数的值钳位在[0～1]区间内；
伽马校正参数gamma的自适应取值方法为：gamma＝max[k，mean]，其中k为人工设定的钳位阈值，其取值范围为0.25-0.45，在本实施例中默认的取值为0.35。计算得到的参数gamma，用于控制后续图像增强的强度。
S102，对归一化图像进行图像取反，然后对数据进行第一次伽马校正。
具体的，对归一化后的图像Img_nor进行图像取反及伽马指数校正操作。具体操作为：Img_gc1＝(1.0-Img_nor)gamma，即先将归一化图像进行取反操作，之后对取反后的图像进行伽马指数校正，得到img_gc1。
S103，对第一次伽马校正后的图像取反及进行第二次伽马校正。
具体的，对图像img_gc1再次进行图像取反及伽马指数校正操作，具体操作为：Img_gc2＝(1.0-Img_gc1)gamma，将初次校正后的图像img_gc1进行取反后接着伽马指数校正操作；
S104，对第二次伽马校正后的图像进行去归一化操作，得到结果图像。
具体的，最后利用公式ImgOut＝Img_gc2*(2n-1)，对正向伽马校正后的图像进行灰度范围的恢复。若输入为8bit图像，则ImgOut＝Img_gc2*255。
ImgOut即为最后得到的对低照度图像增强结果，实现了图像亮度和对比度的同时增强。
参见图2所示为本实施例实验图像的增强效果对比图，其中图2(a)为低照度原图，图2(b)为增强后的效果图。从实验增强后的效果图可以看出，本发明方法对于低照度图像，能够有效的提高了亮度以及合理的增强了对比度，并且使图像的细节变得更加明显，不存在效果不足或过度增强的情况。处理结果自然，符合人眼观察的视觉特性。
以上仅为本发明实例中一个较佳的实施方案。但是，本发明并不限于上述实施方案，凡按本发明所做的任何均等变化和修饰，所产生的功能作用未超出本方案的范围时，均属于本发明的保护范围。

Claims (6)

1.一种采用双向伽马变换的低照度图像增强方法，其特征在于，包括：
对低照度输入图像进行归一化处理，并对归一化图像的均值进行数值压扩处理，计算得到伽马参数值；
对归一化图像进行图像取反，然后对数据进行第一次伽马校正；
对第一次伽马校正后的图像取反及进行第二次伽马校正；
对第二次伽马校正后的图像进行去归一化操作，得到结果图像。
2.根据权利要求1所述的采用双向伽马变换的低照度图像增强方法，其特征在于，对低照度输入图像进行归一化处理，并对归一化图像的均值进行数值压扩处理，计算得到伽马参数值，包括：
将n比特输入图像ImgIn进行归一化处理得到归一化图像Img_nor＝ImgIn/(2n-1)；取Img_nor的算术平均获得mean参数值，对mean参数进行数据压扩处理以将mean参数的值钳位在[0～1]区间内；
计算伽马参数值gamma，如下：
gamma＝max[k,mean]
其中，k为设定的钳位阈值。
3.根据权利要求2所述的采用双向伽马变换的低照度图像增强方法，其特征在于，对归一化图像进行图像取反，然后对数据进行第一次伽马校正，如下：
Img_gc1＝(1.0-Img_nor)gamma
其中，Img_gc1表示第一次伽马校正后的图像。
4.根据权利要求3所述的采用双向伽马变换的低照度图像增强方法，其特征在于，对第一次伽马校正后的图像取反及进行第二次伽马校正，如下：
Img_gc2＝(1.0-Img_gc1)gamma
其中，Img_gc2表示结果图像。
5.根据权利要求4所述的采用双向伽马变换的低照度图像增强方法，其特征在于，对第二次伽马校正后的图像进行去归一化操作，得到结果图像，如下：
ImgOut＝Img_gc2*(2n-1)
其中，ImgOut表示结果图像。
6.根据权利要求1所述的采用双向伽马变换的低照度图像增强方法，其特征在于，所述输入图像为RGB彩色或灰度低照度图像。
CN201910569094.7A 2019-06-27 2019-06-27 一种采用双向伽马变换的低照度图像增强方法 Active CN110288546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910569094.7A CN110288546B (zh) 2019-06-27 2019-06-27 一种采用双向伽马变换的低照度图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910569094.7A CN110288546B (zh) 2019-06-27 2019-06-27 一种采用双向伽马变换的低照度图像增强方法

Publications (2)

Publication Number Publication Date
CN110288546A true CN110288546A (zh) 2019-09-27
CN110288546B CN110288546B (zh) 2022-11-01

Family

ID=68019256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910569094.7A Active CN110288546B (zh) 2019-06-27 2019-06-27 一种采用双向伽马变换的低照度图像增强方法

Country Status (1)

Country Link
CN (1) CN110288546B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598003A (zh) * 2020-12-18 2021-04-02 燕山大学 基于数据扩充和全监督预处理的实时语义分割方法
CN113393394A (zh) * 2021-06-17 2021-09-14 河海大学 基于伽马变换的低照度灰度图像增强方法、装置及存储介质
CN113436735A (zh) * 2020-03-23 2021-09-24 北京好啦科技有限公司 基于人脸结构度量的体重指数预测方法、设备和存储介质
US11983852B2 (en) 2019-12-12 2024-05-14 Tencent Technology (Shenzhen) Company Limited Image processing method and apparatus, computing device, and storage medium

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030016880A1 (en) * 2001-07-17 2003-01-23 Sanyo Electric Co. Ltd. Image signal processing apparatus
CN102376082A (zh) * 2010-08-06 2012-03-14 株式会社理光 基于伽马校正的图像处理方法和装置
CN103093215A (zh) * 2013-02-01 2013-05-08 北京天诚盛业科技有限公司 人眼定位方法及装置
US20130162872A1 (en) * 2011-12-22 2013-06-27 SK Hynix Inc. Image sensing device and method of operating the same
CN104484864A (zh) * 2014-12-31 2015-04-01 苏州科达科技股份有限公司 获取图像伽马曲线、增强图像对比度的方法及系统
CN104574337A (zh) * 2015-01-21 2015-04-29 山东科技大学 基于双边伽马校正和多尺度图像融合的图像增强方法
CN104700376A (zh) * 2014-11-25 2015-06-10 桂林电子科技大学 基于伽马校正和平滑滤波的图像直方图均衡化增强方法
CN105513015A (zh) * 2014-09-24 2016-04-20 南京理工大学 一种雾天图像的清晰化处理方法
CN106251300A (zh) * 2016-07-26 2016-12-21 华侨大学 一种基于Retinex的快速夜间雾天图像复原方法
CN107358586A (zh) * 2017-07-06 2017-11-17 中山大学 一种图像增强方法、装置及设备
CN108961172A (zh) * 2018-05-17 2018-12-07 贵州莜桔西科技有限公司 一种基于Gamma校正的图像对比度增强方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030016880A1 (en) * 2001-07-17 2003-01-23 Sanyo Electric Co. Ltd. Image signal processing apparatus
CN102376082A (zh) * 2010-08-06 2012-03-14 株式会社理光 基于伽马校正的图像处理方法和装置
US20130162872A1 (en) * 2011-12-22 2013-06-27 SK Hynix Inc. Image sensing device and method of operating the same
CN103093215A (zh) * 2013-02-01 2013-05-08 北京天诚盛业科技有限公司 人眼定位方法及装置
CN105513015A (zh) * 2014-09-24 2016-04-20 南京理工大学 一种雾天图像的清晰化处理方法
CN104700376A (zh) * 2014-11-25 2015-06-10 桂林电子科技大学 基于伽马校正和平滑滤波的图像直方图均衡化增强方法
CN104484864A (zh) * 2014-12-31 2015-04-01 苏州科达科技股份有限公司 获取图像伽马曲线、增强图像对比度的方法及系统
CN104574337A (zh) * 2015-01-21 2015-04-29 山东科技大学 基于双边伽马校正和多尺度图像融合的图像增强方法
CN106251300A (zh) * 2016-07-26 2016-12-21 华侨大学 一种基于Retinex的快速夜间雾天图像复原方法
CN107358586A (zh) * 2017-07-06 2017-11-17 中山大学 一种图像增强方法、装置及设备
CN108961172A (zh) * 2018-05-17 2018-12-07 贵州莜桔西科技有限公司 一种基于Gamma校正的图像对比度增强方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YAKUN CHANG 等: "Automatic Contrast-Limited Adaptive Histogram Equalization With Dual Gamma Correction", 《HTTP://WWW.IEEE.ORG/PUBLICATIONS_STANDARDS/PUBLICATIONS/RIGHTS/INDEX.HTML》 *
刘攀 等: "基于自适应伽马转换函数的遥感图像增强", 《电脑知识与技术》 *
智宁 等: "基于双伽马函数的煤矿井下低亮度图像增强算法", 《辽宁工程技术大学学报(自然科学版)》 *
杜明 等: "改进Retinex的光照变化人脸图像增强算法", 《计算机科学》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11983852B2 (en) 2019-12-12 2024-05-14 Tencent Technology (Shenzhen) Company Limited Image processing method and apparatus, computing device, and storage medium
CN113436735A (zh) * 2020-03-23 2021-09-24 北京好啦科技有限公司 基于人脸结构度量的体重指数预测方法、设备和存储介质
CN112598003A (zh) * 2020-12-18 2021-04-02 燕山大学 基于数据扩充和全监督预处理的实时语义分割方法
CN113393394A (zh) * 2021-06-17 2021-09-14 河海大学 基于伽马变换的低照度灰度图像增强方法、装置及存储介质
CN113393394B (zh) * 2021-06-17 2022-10-11 河海大学 基于伽马变换的低照度灰度图像增强方法、装置及存储介质

Also Published As

Publication number Publication date
CN110288546B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN110288546A (zh) 一种采用双向伽马变换的低照度图像增强方法
CN101951523B (zh) 一种自适应彩色图像处理方法及系统
CN110047051B (zh) 一种非均匀照明彩色图像增强方法
CN103593830B (zh) 一种低照度视频图像增强方法
CN107680056B (zh) 一种图像处理方法及装置
CN109584191B (zh) 一种基于直方图的自适应图像增强方法及终端
KR100707270B1 (ko) Ｒｇｂ값을 이용한 영상 콘트라스트 개선 방법 및 장치
KR100900694B1 (ko) 비선형 저조도 보정장치, 방법 및 상기 방법을프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체
CN109785240B (zh) 一种低照度图像增强方法、装置及图像处理设备
CN110706172B (zh) 基于自适应混沌粒子群优化的低照度彩色图像增强方法
US8265391B1 (en) Localized, adaptive video contrast enhancement using controlled histogram equalization
CN110139020B (zh) 一种图像处理方法及其装置
CN111127343B (zh) 一种直方图双控的红外图像对比度增强方法
KR20060081536A (ko) 영상의 ｒｇｂ 정보를 이용한 블랙/화이트 스트레칭 시스템
US20130039577A1 (en) Method for improving image quality
CN109325918B (zh) 一种图像处理的方法、装置及计算机存储介质
TWI404413B (zh) 調整視訊訊框之顯示特性的方法、裝置以及系統
CN106097286B (zh) 一种图像处理的方法及装置
CN109493289B (zh) 一种具有亮度及饱和度双重非线性图像增强方法
CN103514588B (zh) 图像增强方法和系统
CN107358592B (zh) 一种迭代式全局自适应图像增强方法
CN112488968B (zh) 一种分程度直方图均衡融合的图像增强方法
CN105184758A (zh) 一种图像去雾增强的方法
CN110580690B (zh) 一种识别峰值变换非线性曲线的图像增强方法
CN109003241B (zh) 一种具有双控功能的线性图像增强方法

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