CN111161163A - 一种直方图双重伽马校正的红外图像对比度增强方法 - Google Patents
一种直方图双重伽马校正的红外图像对比度增强方法 Download PDFInfo
- Publication number
- CN111161163A CN111161163A CN201911237937.XA CN201911237937A CN111161163A CN 111161163 A CN111161163 A CN 111161163A CN 201911237937 A CN201911237937 A CN 201911237937A CN 111161163 A CN111161163 A CN 111161163A
- Authority
- CN
- China
- Prior art keywords
- histogram
- gamma
- gray scale
- contrast enhancement
- calculating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 230000009977 dual effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013507 mapping Methods 0.000 abstract description 5
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种直方图双重伽马校正的红外图像对比度增强方法,其技术方案包括:计算图像的理论灰度范围及有效灰度级数;进行直方图均值归一化处理;统计直方图中有效灰度级占比,计算得到校正参数Gamma0和Gamma1;对直方图数据进行分类,然后分别进行参数为Gamma0和Gamma1的幂指数校正;利用校正后直方图得到映射表,根据映射表对所有数据进行查表替换操作,最后得到对比度增强图像。本方法除了需要统计全图的直方图外,其余操作都是采用点处理算法,因此处理效率高,占用资源少实时性好,且方法复杂度低,通过对直方图分成两部分分别进行Gamma幂指数校正处理,对直方图合理控制及调整,内部参数自适应控制,可达到较好的对比度增强效果,适用范围广泛,本方法可以对各种类型红外图像进行增强,包括热红外及近红外等,方法中的Gamma参数针对图像直方图所具有的独特信息进行自动调整,对直方图进行增强。
Description
技术领域
本发明属于红外图像和视频处理领域,尤其涉及一种直方图双重伽马校正的红外图像对比度增强方法。
背景技术
受不同的红外拍摄设备精度的影响,所采集到的红外图像对比度不足,目标不明显,视觉感知效果不佳,因此对比度增强是红外图像处理领域的一种基本图像处理技术。
现有的红外对比度增强方法,根据调整对象可以分为两类方法。一类方法是直接对图像像素点进行调整,如利用Gamma值对图像像素点直接进行校正。此类方法的不足是全局校正参数Gamma为一个值,图像部分区域增强效果不足;另一类方法为通过对直方图直接进行伽马校正处理,不对直方图进行分成两部分处理。此类方法的不足是对直方图中数据进行统一处理,会存在增强不足或者过度增强的缺陷。
发明内容
本发明提供了一种直方图双重伽马校正的红外图像对比度增强方法,用以解决现有红外图像对比度增强方法中细节丢失、参数非自适应等不足,使得对比度增强处理变得简单有效。
本发明采用如下技术方案:
一种直方图双重伽马校正的红外图像对比度增强方法,包括以下步骤:
S1:计算理论灰度范围和有效灰度级数;
S2:进行直方图均值归一化处理;
S3:统计直方图数据计算灰度级占比,得到参数Gamma0和Gamma1;
S4:对小于均值的直方图数据进行参数为Gamma0的幂函数校正操作;
S5:对大于均值的直方图数据进行参数为Gamma1的幂函数校正操作;最后进行经典直方图均衡处理,得到最终结果图像。
所述步骤S1中计算理论灰度范围和有效灰度级数,具体包括:所述计算理论灰度范围,理论最大灰度级减去理论最小灰度级然后加上1;所述计算有效灰度级数,统计直方图大于0的灰度级总数。
所述步骤S2对直方图均值归一化处理,具体实现方法为:将直方图归一化后乘上理论灰度范围,使直方图数组的均值为常数值1。
所述步骤S3统计直方图数据计算灰度级占比,计算得到两个控制参数,具体包括:计算均值归一化直方图中数据小于1大于0的灰度级数量与有效灰度级数之比,记为Gamma0;计算均值归一化直方图中数据大于0的灰度级数量与理论灰度范围之比,记为Gamma1。
所述步骤S4中对小于均值的直方图数据进行参数为Gamma0的幂函数校正操作,具体实现方法为:对小于1的直方图数据进行指数为Gamma0的幂函数处理。
所述步骤S5中对大于均值的直方图数据进行参数为Gamma1的幂函数校正操作,具体实现方法为:对大于1的直方图数据进行指数为Gamma1的幂函数处理。
完成S1-S5步骤处理后的直方图数据,进行经典的直方图均衡操作得到最终的输出图像。
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:
1、方法复杂度低,通过对直方图分成两部分分别进行Gamma幂指数校正处理,对直方图合理控制及调整。内部参数自适应控制,可达到较好的对比度增强效果;
2、适用范围广泛,本方法可以对各种类型红外图像进行增强,包括热红外及近红外等,方法中的Gamma参数针对图像直方图所具有的独特信息进行自动调整,对直方图进行增强。
附图说明
图1为本发明的一种实现流程示意图;
图2为本发明实施时的待处理例图;
图3为本发明实施时的对比度增强结果图;
具体实施方式
如图1所示流程,本发明为一种直方图双重伽马校正的红外图像对比度增强方法,包括:计算理论灰度范围和有效灰度级数并进行直方图均值归一化处理;统计直方图数据计算灰度级占比,得到参数Gamma0和Gamma1;对小于均值的直方图数据进行参数为Gamma0的校正操作;对大于均值的直方图数据进行参数为Gamma1的校正操作。
以下通过具体实施方式对本发明作进一步的描述。
S1:计算理论灰度范围和有效灰度级数;
首先,读取8bit红外图像灰度图Iin,如图2,若输入图像为RGB、HIS、YUV等颜色空间的红外图像,则根据颜色空间转换公式或者直接采用亮度通道得到红外图像的灰度图。对于8bit的红外灰度图像,其最小灰度值kmin为0,最大灰度值kmax为255,理论灰度范围为28=256,统计红外灰度图像的直方图,记为数组Histk,将直方图中灰度级数据大于0的灰度级称为有效灰度级,因此有效灰度级数Num_H=∑kmin≤k≤kmax H_bink,其中表示对直方图中灰度级用布尔值进行标记,有效灰度级用1作为标记,k为直方图中灰度级编号;
S2:进行直方图均值归一化处理;
直方图均值归一化操作为直方图除以总像素数归一化处理后再乘上理论灰度范围,使得整个直方图数据的平均值为1,即Hist_Meank=(Histk/num)*Drange,式中Hist_Meank为均值归一化直方图,num为图像的总像素数,Drange为图像的理论灰度范围,在此例子中Drange=256。
S3:统计直方图数据计算灰度级占比,得到参数Gamma0和Gamma1;
直方图Hist_Meank中小于均值的校正参数Gamma0为灰度级数据小于均值部分的有效灰度级数量与直方图所有有效灰度级数量Num H之比,即
Gamma0=(∑kmin≤k≤kmax H_smk)/Num_H,
均值归一化直方图中大于均值的校正参数Gamma1为上述直方图Hist_Meank中所有有效灰度级总数Num_H与理论灰度范围Drange之比,即
Gamma1=Num_H/Drange。
S4:对小于均值的直方图数据进行参数为Gamma0的幂函数校正操作;
S5:对大于均值的直方图数据进行参数为Gammal的幂函数校正操作;
利用计算得到的校正参数Gamma0和Gamma1,对均值归一化直方图中小于均值1的灰度级数据进行指数为Gamma0的幂指数处理,大于均值1的灰度级数据进行指数为Gamma1的幂指数处理,即
此操作是为了提升直方图中的小数据,压缩大数据,防止增强结果对比度过强,以及细节丢失。
最后对上述步骤处理后的直方图,进行传统的直方图均衡操作,得到映射表,利用映射表对输入的红外灰度图像进行灰度映射,即得到对比度增强的输出图像Iout,如图3所示。
本发明提供的一种直方图双重伽马校正的红外图像对比度增强方法,复杂度低,通过对直方图分成两部分分别进行Gamma幂指数校正处理,对直方图合理控制及调整。内部参数自适应控制,可达到较好的对比度增强效果;适用范围广泛,可以对各种类型红外图像进行增强,包括热红外及近红外等,方法中的Gamma参数针对图像直方图所具有的独特信息进行自动调整,对直方图进行增强。
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)
1.一种直方图双重伽马校正的红外图像对比度增强方法,其特征在于,所述方法包括如下步骤:
S1:计算理论灰度范围和有效灰度级数;
S2:进行直方图均值归一化处理;
S3:统计直方图数据计算灰度级占比,计算得到参数Gamma0和Gamma1;
S4:对小于均值的直方图数据进行参数为Gamma0的幂函数校正操作;
S5:对大于均值的直方图数据进行参数为Gamma1的幂函数校正操作。
2.根据权利要求1所述的直方图双重伽马校正的红外图像对比度增强方法,其特征在于,所述步骤S1中计算理论灰度范围和有效灰度级数,具体包括:所述计算理论灰度范围为理论最大灰度级减去理论最小灰度级然后加上1;所述计算有效灰度级数为统计直方图大于0的灰度级总数。
3.根据权利要求1所述的直方图双重伽马校正的红外图像对比度增强方法,其特征在于,所述步骤S2对直方图均值归一化处理,具体实现方法为:将直方图归一化后乘上理论灰度范围,使直方图数组的均值为常数值1。
4.根据权利要求1所述的直方图双重伽马校正的红外图像对比度增强方法,其特征在于,所述步骤S3统计直方图数据计算灰度级占比,计算得到两个控制参数,具体包括:
计算均值归一化直方图中数据小于1大于0的灰度级数量与有效灰度级数之比,记为Gamma0;
计算均值归一化直方图中数据大于0的灰度级数量与理论灰度范围之比,记为Gamma1。
5.根据权利要求1所述的直方图双重伽马校正的红外图像对比度增强方法,其特征在于,所述步骤S4中对小于均值的直方图数据进行参数为Gamma0的幂函数校正操作,具体实现方法为:对小于1的直方图数据进行指数为Gamma0的幂函数处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237937.XA CN111161163B (zh) | 2019-12-05 | 2019-12-05 | 一种直方图双重伽马校正的红外图像对比度增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237937.XA CN111161163B (zh) | 2019-12-05 | 2019-12-05 | 一种直方图双重伽马校正的红外图像对比度增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161163A true CN111161163A (zh) | 2020-05-15 |
CN111161163B CN111161163B (zh) | 2023-03-07 |
Family
ID=70556435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911237937.XA Active CN111161163B (zh) | 2019-12-05 | 2019-12-05 | 一种直方图双重伽马校正的红外图像对比度增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161163B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419195A (zh) * | 2020-11-26 | 2021-02-26 | 华侨大学 | 一种非线性变换的图像增强方法 |
CN112419209A (zh) * | 2020-11-26 | 2021-02-26 | 华侨大学 | 一种全局直方图均衡的图像增强方法 |
CN112488968A (zh) * | 2020-12-14 | 2021-03-12 | 华侨大学 | 一种分程度直方图均衡融合的图像增强方法 |
CN112837250A (zh) * | 2021-01-27 | 2021-05-25 | 武汉华中数控股份有限公司 | 一种基于广义直方图均衡的红外图像自适应增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080018800A1 (en) * | 2006-07-19 | 2008-01-24 | Vijay Kumar Kodavalla | System and method for dynamic gamma correction in digital video |
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 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
-
2019
- 2019-12-05 CN CN201911237937.XA patent/CN111161163B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080018800A1 (en) * | 2006-07-19 | 2008-01-24 | Vijay Kumar Kodavalla | System and method for dynamic gamma correction in digital video |
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 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
Non-Patent Citations (1)
Title |
---|
朱铮涛等: "基于非线性调整的伽马校正图像增强算法", 《计算机工程与设计》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419195A (zh) * | 2020-11-26 | 2021-02-26 | 华侨大学 | 一种非线性变换的图像增强方法 |
CN112419209A (zh) * | 2020-11-26 | 2021-02-26 | 华侨大学 | 一种全局直方图均衡的图像增强方法 |
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 |
CN112419195B (zh) * | 2020-11-26 | 2023-06-20 | 华侨大学 | 一种非线性变换的图像增强方法 |
CN112488968A (zh) * | 2020-12-14 | 2021-03-12 | 华侨大学 | 一种分程度直方图均衡融合的图像增强方法 |
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 |
CN112837250A (zh) * | 2021-01-27 | 2021-05-25 | 武汉华中数控股份有限公司 | 一种基于广义直方图均衡的红外图像自适应增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111161163B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
WO2017049703A1 (zh) | 图像对比度增强方法 | |
CN109686342B (zh) | 一种图像处理方法及装置 | |
EP1876565A3 (en) | Method, and apparatus for processing image, recording medium and computer program | |
CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
WO2014119060A1 (ja) | 画像処理装置、画像処理方法、プログラム、及び記録媒体 | |
US9571744B2 (en) | Video processing method and apparatus | |
CN111476744A (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN109903275B (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
CN114757839A (zh) | 一种基于宏微观信息增强及色彩校正的色调映射方法 | |
TWI462575B (zh) | 影像處理裝置及影像處理方法 | |
CN112488968B (zh) | 一种分程度直方图均衡融合的图像增强方法 | |
CN112419209B (zh) | 一种全局直方图均衡的图像增强方法 | |
CN111080563B (zh) | 一种基于遍历寻优的直方图均衡方法 | |
CN108122217B (zh) | 一种自适应场景的实时红外图像增强方法 | |
CN109801246B (zh) | 一种自适应阈值的全局直方图均衡方法 | |
CN109417616B (zh) | 用于图像处理的方法和装置 | |
US20230033445A1 (en) | Method and system for processing image | |
CN109035182B (zh) | 一种自适应动态双直方图均衡方法 | |
CN112991240B (zh) | 一种用于实时图像增强的图像自适应增强算法 | |
CN111161165B (zh) | 一种基于遍历寻优的图像对比度增强方法 | |
CN113808045A (zh) | 一种图像亮度调节方法及装置 | |
Nandhini et al. | A novel approach for contrast enhancement using image classification and subdivision based histogram equalization |
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 |