CN111080563B - 一种基于遍历寻优的直方图均衡方法 - Google Patents

一种基于遍历寻优的直方图均衡方法 Download PDF

Info

Publication number
CN111080563B
CN111080563B CN201911282021.6A CN201911282021A CN111080563B CN 111080563 B CN111080563 B CN 111080563B CN 201911282021 A CN201911282021 A CN 201911282021A CN 111080563 B CN111080563 B CN 111080563B
Authority
CN
China
Prior art keywords
histogram
gamma
value
image
gray level
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
CN201911282021.6A
Other languages
English (en)
Other versions
CN111080563A (zh
Inventor
戴声奎
汪子玉
朱益铭
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 CN201911282021.6A priority Critical patent/CN111080563B/zh
Publication of CN111080563A publication Critical patent/CN111080563A/zh
Application granted granted Critical
Publication of CN111080563B publication Critical patent/CN111080563B/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
    • 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
    • G06T5/80—Geometric correction
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

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

Abstract

本发明涉及一种基于遍历寻优的直方图均衡方法，包括：对灰度图像的直方图进行均值归一化并且遍历Gamma值，再将图像遍历后所得的对比度和信息熵数据输入到混合模型得到最优Gamma值；对灰度图像均值归一化的直方图进行最优Gamma校正并进行直方图后处理；最后，进行直方图均衡处理并输出图像。本发明能够解决部分图像中由于环境原因所导致图像存在图像细节不足、亮度不足或曝光过度等问题。

Description

一种基于遍历寻优的直方图均衡方法
技术领域
本发明涉及视频图像增强领域，特别涉及一种基于遍历寻优的直方图均衡方法。
背景技术
图像增强在计算机视觉、模式识别和数字图像处理中具有重要的视觉增强作用。由于设备及环境的影响，通常在图像采集中得到图像具有低对比度，低信噪比等缺点。直方图均衡化是一种简单有效的图像对比度增强技术。他将输入直方图的强度等级均匀地分布在整个范围内。但是，直方图均衡具有过度增强、过饱和、细节丢失等问题，使得增强后的图片无法满足人眼的视觉要求。
伽马校正是在保持平均亮度的前提下，通过对比度调整来提高图像质量的一种方法。但是，伽马校正的固定化参数设置，限制了其鲁棒性。
发明内容
本发明的目的在于克服现有技术的不足，提出一种在多种图像环境下均能够实现增强、丰富图像的细节、提升图像的对比度且更加适合人眼观察的基于遍历寻优的图像对比度增强方法。
为了实现上述目的，本发明的技术方案是：
一种基于遍历寻优的直方图均衡方法，包括：
S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm；
S102，根据预设的步进长度Step(默认值：Step＝0.05)，从开始值γstart到结束值γend的范围内(默认值：γstart＝0，γend＝1)，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ，并对Gamma校正后的直方图进行均衡处理得到校正直方图Ht；
S103，根据直方图Ht计算统计参数，得到信息熵及对比度；
S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γbest；使用最佳Gamma值γbest对均值归一化直方图Hnorm进行伽玛校正得到校正直方图Hrevise；
S105，对校正直方图Hrevise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γbest与主客观匹配参数的乘积；
S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出。
优选的，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm，具体包括：
将灰度图像的直方图除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。
优选的，根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ中，校正公式为：Hλ＝(Hnorm)γ。
优选的，信息熵Et和对比度Ct的计算方式如下：
Figure GDA0004010321350000021
Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)
其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级。
优选的，所述混合模型表示如下：
EC(t)＝γbest＝arg max(Et×Ct)。
优选的，所述主客观匹配参数的取值范围为[0.5,2]，默认值设为0.85。
采用上述方案后，本发明的有益效果是：
本发明一种基于遍历寻优的直方图均衡方法，基于混合模型通过伽玛校正的值控制对比度增强的程度，使输出图像避免对比度过高，能够有效保留图像的细节，更加符合人眼的视觉特性。
以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种基于遍历寻优的直方图均衡方法不局限于实施例。
附图说明
图1是本发明的基于遍历寻优的直方图均衡方法的流程图；
图2为本发明实施例的实验结果示意图，其中图2(a)为原图，图2(b)为增强结果图。
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，本发明一种基于遍历寻优的直方图均衡方法，包括：
步骤(a)，根据输入图像得到灰度图像的直方图Hist，对Hist进行均值归一化处理：将直方图Hist除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。
步骤(b)，首先以步长Step＝0.05，Gamma值γ从γstart＝0开始步进至γend＝1，对均值归一化直方图Hnorm进行伽玛校正，得到新直方图Hγ＝(Hnorm)γ；其次对新直方图进行直方图均衡处理，方法为：对新直方图数据Hγ归一化处理得到灰度级概率密度函数Hpdf，并对其进行累加操作得到灰度级累积分布函数Hcdf，然后将其归一化到0～255的范围得到查找表Lut，最后根据Lut对输入图像进行映射并进行像素统计得到校正直方图Ht；最后根据校正直方图Ht计算统计参数信息熵Et和对比度Ct，计算公式为：
Figure GDA0004010321350000031
Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)
其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级。
步骤(c)，将遍历过程中输出的统计参数信息熵Et和对比度Ct，输入至混合模型EC，得到最佳的Gamma值γbest，其中，混合模型为：EC(t)＝γbest＝arg max(Et×Ct)；
步骤(d)，首先根据最佳Gamma值γbest对均值归一化直方图进行伽玛校正得校正直方图Hrevise，再对Hrevise执行后处理操作，得到结果直方图Hpost，方法为：将直方图小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值与主客观匹配参数的乘积，其计算方法为：
γ＝γbest×β
其中，β为主客观匹配参数，取值范围为[0.5,2]，默认值设为0.85；
步骤(e)，对直方图Hpost采取步骤(b)中的经典的直方图均衡方法进行处理，然后输出增强后的图像。
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)为原图，图2(b)为增强结果图。从实验增强后的效果图可以看出，本发明提供的是一种自适应的伽玛校正的对比度增强方法，基于混合模型通过伽玛校正的值控制对比度增强的程度，使输出图像避免对比度过高，能够有效保留图像的细节，更加符合人眼的视觉特性。
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 (3)

1.一种基于遍历寻优的直方图均衡方法，其特征在于，包括：
S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm；
S102，根据预设的步进长度Step，从开始值γstart到结束值γend的范围内，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ，并对Gamma校正后的直方图进行均衡处理得到校正直方图Ht；
S103，根据直方图Ht计算统计参数，得到信息熵及对比度；
S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γbest；使用最佳Gamma值γbest对均值归一化直方图Hnorm进行伽玛校正得到校正直方图Hrevise；
S105，对校正直方图Hrevise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γbest与主客观匹配参数的乘积；
S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出；
根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ中，校正公式为：Hλ＝(Hnorm)γ；
信息熵Et和对比度Ct的计算方式如下：
Figure FDA0004010321340000011
Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)
其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级；
所述混合模型表示如下：
EC(t)＝γbest＝arg max(Et×Ct)。
2.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm，具体包括：
将灰度图像的直方图除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。
3.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，所述主客观匹配参数的取值范围为[0.5,2]，默认值设为0.85。
CN201911282021.6A 2019-12-13 2019-12-13 一种基于遍历寻优的直方图均衡方法 Active CN111080563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911282021.6A CN111080563B (zh) 2019-12-13 2019-12-13 一种基于遍历寻优的直方图均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911282021.6A CN111080563B (zh) 2019-12-13 2019-12-13 一种基于遍历寻优的直方图均衡方法

Publications (2)

Publication Number Publication Date
CN111080563A CN111080563A (zh) 2020-04-28
CN111080563B true CN111080563B (zh) 2023-03-14

Family

ID=70314354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911282021.6A Active CN111080563B (zh) 2019-12-13 2019-12-13 一种基于遍历寻优的直方图均衡方法

Country Status (1)

Country Link
CN (1) CN111080563B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419209B (zh) * 2020-11-26 2023-05-26 华侨大学 一种全局直方图均衡的图像增强方法
CN112488968B (zh) * 2020-12-14 2023-06-20 华侨大学 一种分程度直方图均衡融合的图像增强方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980003998A (ko) * 1996-06-27 1998-03-30 김광호 제한된 분포의 히스토그램 변환을 이용한 화질 개선방법
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
CN110046673A (zh) * 2019-04-25 2019-07-23 上海大学 基于多特征融合的无参考色调映射图像质量评价方法
CN110310250A (zh) * 2019-06-27 2019-10-08 华侨大学 一种基于最优化模型的全局直方图均衡方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980003998A (ko) * 1996-06-27 1998-03-30 김광호 제한된 분포의 히스토그램 변환을 이용한 화질 개선방법
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
CN110046673A (zh) * 2019-04-25 2019-07-23 上海大学 基于多特征融合的无参考色调映射图像质量评价方法
CN110310250A (zh) * 2019-06-27 2019-10-08 华侨大学 一种基于最优化模型的全局直方图均衡方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种改进的直方图均衡化图像增强方法;扈佃海等;《光电技术应用》(第03期);全文 *

Also Published As

Publication number Publication date
CN111080563A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
CN107527333B (zh) 一种基于伽马变换的快速图像增强方法
CN105931201B (zh) 一种基于小波变换的图像主观视觉效果增强方法
US9396526B2 (en) Method for improving image quality
CN110428379B (zh) 一种图像灰度增强方法及系统
CN112419162A (zh) 图像去雾方法、装置、电子设备及可读存储介质
US20080253681A1 (en) Image Processing Method and Computer Software for Image Processing
CN111105371B (zh) 一种低对比度红外图像的增强方法
CN111080563B (zh) 一种基于遍历寻优的直方图均衡方法
CN111161163B (zh) 一种直方图双重伽马校正的红外图像对比度增强方法
CN111127343B (zh) 一种直方图双控的红外图像对比度增强方法
CN110175969B (zh) 图像处理方法及图像处理装置
CN115965544A (zh) 自适应亮度调节的图像增强方法及系统
CN112488968B (zh) 一种分程度直方图均衡融合的图像增强方法
JP2012108898A (ja) 画像処理装置、画像処理方法
CN112419209B (zh) 一种全局直方图均衡的图像增强方法
CN109064413B (zh) 图像对比度增强方法及采用其的图像采集医疗设备
CN110766622A (zh) 基于亮度区分和Gamma平滑的水下图像增强方法
CN114187222A (zh) 一种低照度图像的增强方法、系统及可存储介质
CN109003241B (zh) 一种具有双控功能的线性图像增强方法
CN110415185B (zh) 一种改进的Wallis阴影自动补偿方法及装置
CN108171670B (zh) 一种具有双控功能的非线性图像增强方法
CN110852971A (zh) 基于暗原色先验和Retinex的视频去雾方法及计算机程序产品
CN111161165B (zh) 一种基于遍历寻优的图像对比度增强方法
CN112991240B (zh) 一种用于实时图像增强的图像自适应增强算法

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