CN111563851B - 一种基于动态高斯参数的图像映射方法 - Google Patents

一种基于动态高斯参数的图像映射方法 Download PDF

Info

Publication number
CN111563851B
CN111563851B CN202010229882.4A CN202010229882A CN111563851B CN 111563851 B CN111563851 B CN 111563851B CN 202010229882 A CN202010229882 A CN 202010229882A CN 111563851 B CN111563851 B CN 111563851B
Authority
CN
China
Prior art keywords
gray scale
bit depth
mapping
depth image
high bit
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
CN202010229882.4A
Other languages
English (en)
Other versions
CN111563851A (zh
Inventor
王�华
张德瑞
陈耀弘
边河
冯佳
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.)
XiAn Institute of Optics and Precision Mechanics of CAS
Original Assignee
XiAn Institute of Optics and Precision Mechanics of CAS
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 XiAn Institute of Optics and Precision Mechanics of CAS filed Critical XiAn Institute of Optics and Precision Mechanics of CAS
Priority to CN202010229882.4A priority Critical patent/CN111563851B/zh
Publication of CN111563851A publication Critical patent/CN111563851A/zh
Application granted granted Critical
Publication of CN111563851B publication Critical patent/CN111563851B/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
    • G06T5/90—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

本发明提供一种基于动态高斯参数的图像映射方法，解决高位深图像映射后细节信息损失严重、对比度降低和动态范围变小的问题。该方法包括：步骤一、输入高位深图像；步骤二、计算高位深图像的灰阶均值和均方差；步骤三、根据高位深图像的灰阶均值和均方差确定亮暗像素的灰阶阈值；步骤四、根据高位深图像的灰阶均值和均方差确定高斯函数的动态参数；步骤五、计算高位深图像各个像素点高斯函数累积概率，对亮暗像素灰阶阈值范围内的像素点进行高斯映射；步骤六、根据线性映射算法将动态高斯映射后的像素点灰阶值映射到低位深图像灰阶值。

Description

一种基于动态高斯参数的图像映射方法
技术领域
本发明涉及数字图像处理技术领域，具体涉及一种基于动态高斯参数的图像映射方法，具体是成像设备或成像器件获取的高位深图像在显示时由于主流显示器的位深限制而丧失部分图像信息，通过自适应图像映射后实现高位深图像信息在主流显示器上的保真显示。
背景技术
目前，在空间遥感测绘技术领域和医学成像技术领域，为更加精确、细致地反映真实场景/目标的细节信息，必须获取高位深的图像数据实现对真实场景/目标信息的精确记录，以便更准确地进行分析。在实际应用中，常采用10bit、12bit甚至更高位数的原始图像数据来记录场景的细节信息。然而，受限于当前大多显示设备仍为低位深8位显示器以及目前主流的视频编码接口芯片(如SDI、VGA、HDMI等接口芯片)仅支持8bit位深图像的编解码，在尽可能保留原始图像信息的情况下，高位深图像的映射显示仍是一个难题，因为高低位深图像映射压缩了图像的有效位数，必然会造成图像信息的丢失，对比度降低和动态范围变小等问题。
现有图像映射算法有直方图均衡映射、线性映射以及对数归一化映射等。直方图均衡映射是将高位深图像直方图归一化到255(8位图像的情况下)，在映射过程中会造成细节的丢失，有时候还会引起图像梯度逆差或出现光晕等伪像。采用线性映射的方法进行高位深图像数据向低位深转换，即使用
Figure BDA0002428949220000011
对高位深图像的各个像素点进行映射，以12bit图像为例，F为映射为8bit位深后图像的亮度值，fmax为12bit图像最大亮度值，fmin为12bit图像最小亮度值，f为像素点的灰阶值。线性映射的方法实现较为简单，但在映射的过程中丢失细节信息较多，映射后图像的对比度和动态范围有较大损失。而对数归一化映射算法虽然在一定程度上可以解决线性映射算法的不足，对于图像直方图集中于暗部的图像处理效果较好，但无法适应所有的直方图分布情况的图像。
发明内容
本发明提供一种基于动态高斯参数的图像映射方法，目的在于动态计算映射过程中高斯函数的参数，以更好地解决高位深图像映射后细节信息损失严重、对比度降低和动态范围变小的问题。
为解决上述技术问题，本发明采用的技术方案是：
一种基于动态高斯参数的图像映射方法，包括以下步骤：
步骤一、输入原始图像，所述原始图像为高位深图像；
步骤二、计算高位深图像的灰阶均值和均方差；
灰阶均值u和均方差S的计算如下：
Figure BDA0002428949220000021
Figure BDA0002428949220000022
其中，m为高位深图像水平方向像素个数；
n为高位深图像垂直方向像素个数；
f(x,y)为高位深图像中坐标为(x,y)像素点的灰阶值；
步骤三、根据高位深图像的灰阶均值和均方差确定亮暗像素的灰阶阈值；
3.1)亮像素灰阶阈值和暗像素灰阶阈值的计算如下；
fmax＝u+D×S      (3)
fmin＝u-D×S         (4)
其中，fmax为亮像素灰阶阈值；fmin为暗像素灰阶阈值；
D为动态范围调节系数；
3.2)将高位深图像的像素灰阶值按照步骤3.1)确定的灰阶阈值进行筛选，去除大于亮像素灰阶阈值的像素值和小于暗像素灰阶阈值的像素值；
Figure BDA0002428949220000031
其中，f′(x,y)为筛选后的图像像素灰阶值；
步骤四、根据高位深图像的灰阶均值和均方差确定高斯函数的动态参数；
高斯函数的动态参数σ根据高位深图像的灰阶均值和均方差动态调整，高斯函数的动态参数σ计算参照式(6)；
Figure BDA0002428949220000032
其中，c为正实数，对高斯函数的参数进行调整；
步骤五、计算高位深图像各个像素点高斯函数累积概率，对亮暗像素灰阶阈值范围内的像素点进行高斯映射；
5.1)计算像素点(x,y)的累积概率p(x,y)；
Figure BDA0002428949220000033
其中，cdf为MATLAB中的标准函数；
normal是均值为0，方差为σ的标准高斯函数；
5.2)得到各个像素点的高斯函数累积概率后，将各个像素点进行高斯映射，即将高位深图像亮暗像素灰阶阈值范围内的像素点灰阶值乘以该像素点的累积概率；
F(x,y)＝f′(x,y)×p(x,y)       (8)
步骤六、根据线性映射算法将动态高斯映射后的像素点灰阶值映射到低位深图像灰阶值；
根据线性映射算法
Figure BDA0002428949220000034
将动态高斯映射后的像素点灰阶值映射到低位深图像灰阶值。
进一步地，步骤三中，D＝2。
同时，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于动态高斯参数的图像映射方法的步骤。
此外，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现基于动态高斯参数的图像映射方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明基于动态高斯参数的图像映射方法通过计算高位深图像的灰阶均值和均方差，并利用灰阶均值和均方差调整图像的色阶阈值以及动态计算高斯函数的参数，对图像色阶分布的中间区域进行高斯映射，更多地保留图像的细节，同时使得映射后的图像具有较高的对比度。同时，本发明的映射方法也可应用于高位深彩色图像的映射，在映射时需要对三个颜色通道分别进行映射。
附图说明
图1为本发明基于动态高斯参数的图像映射方法的流程示意图；
图2a为高斯参数σ＝1的高斯函数曲线；
图2b为高斯参数σ＝1.5的高斯函数曲线；
图3a为12位转8位线性映射图像效果图；
图3b为12位转8位对数映射图像效果图；
图3c为通过本发明方法12位转8位的映射图像效果图。
具体实施方式
以下结合附图和具体实施例对本发明的内容作进一步详细描述。
本发明提出一种基于动态高斯参数的高位深图像映射方法，根据图像灰阶均值和均方差动态计算高斯函数参数以适应不同的图像直方图分布情况，并按照高斯函数映射方法将高位深图像数据在8位显示器上显示，并尽量保留原始图像数据的细节信息、对比度以及动态范围等具有很现实的意义。
本发明基于动态高斯参数的图像映射方法包括：
步骤一、输入原始图像，原始图像为高位深图像；
步骤二、计算高位深图像的灰阶均值和均方差，图像的灰阶均值决定了图像的亮暗情况，均方差决定了各个灰阶在均值灰阶左右的分布情况，利用图像的灰阶均值和均方差可以很好地描述图像的直方图分布情况；
步骤三、根据高位深图像的灰阶均值和均方差确定区分亮暗像素的灰阶阈值，根据亮像素灰阶阈值去除亮灰阶以上像素点，根据暗像素灰阶阈值去除暗灰阶以下像素点；
步骤四、根据高位深图像的灰阶均值和均方差确定高斯函数的动态参数，该高斯函数是均值为0，均方差为σ的标准高斯函数，高斯函数的σ根据原始图像均值和均方差动态调整，以对原始图像的灰阶进行更精细的调整；
步骤五、计算高位深图像各个像素点高斯函数累积概率CDF，对亮暗像素的灰阶阈值范围内的像素点进行高斯映射，即原始图像亮暗像素的灰阶阈值范围内的像素点灰阶值乘以该像素点的累积概率CDF得到像素点的动态高斯函数映射后的灰阶值；
步骤六、根据线性映射算法
Figure BDA0002428949220000051
将动态高斯映射后的像素点灰阶值映射到低位深(8bit位深)图像灰阶值，由于原始图像灰阶已经进行动态高斯映射至0～2N(这里N为高位深图像的位深度)，故线性映射时取fmin＝0，fmax＝2N。
如图1所示，本发明提供的基于动态高斯参数的图像映射方法详细步骤如下：
步骤一、输入原始图像，原始图像为高位深图像；
步骤二、计算输入高位深图像的灰阶均值和均方差；
其中，灰阶均值和均方差的计算参照式(1)和式(2)；
Figure BDA0002428949220000052
Figure BDA0002428949220000061
其中，m为高位深图像水平方向像素个数；
n为高位深图像垂直方向像素个数；
f(x,y)为高位深图像中坐标为(x,y)像素点的灰阶值；
步骤三、根据高位深图像的灰阶均值和均方差确定区分亮暗像素的灰阶阈值；
3.1)灰阶阈值具体确定方法参照式(3)和式(4)；
fmax＝u+D×S     (3)
fmin＝u-D×S      (4)
其中，fmax为亮像素 灰阶阈值；fmin为暗像素灰阶阈值；
D为动态范围调节系数，取D＝2；
3.2)确定了亮暗像素的灰阶阈值后，将高位深图像的像素灰阶值按照灰阶阈值进行筛选，去除大于亮像素灰阶阈值的像素值和小于暗像素灰阶阈值的像素值，具体筛选方法见式(5)；
Figure BDA0002428949220000062
其中，f′(x，y)为筛选后的图像像素灰阶值；
步骤四、根据高位深图像的灰阶均值和均方差确定高斯函数的动态参数；
当原始图像的灰阶分布较为集中时，其均方差S较小，无法展现图像的全局细节信息，相邻灰阶需要较大的累积概率值进行映射，就需要高斯函数的动态参数σ较小，反之，σ越大，不同σ值的高斯函数曲线如图2a和图2b所示，当σ较小时，中心附近的累积概率越大，可以将均值附近的灰阶拉伸开。高斯函数的动态参数在计算时，主要受图像由均方差决定，利用均值对其参数进行微调。高斯函数的动态参数σ计算按照式(6)进行；
Figure BDA0002428949220000071
其中，c为一个正实数，对高斯函数的参数进行调整；
步骤五、计算高位深图像各个像素点高斯函数累积概率CDF，对亮暗像素灰阶阈值范围内的像素点进行高斯映射；
5.1)像素点(x，y)的累积概率的计算方法为
Figure BDA0002428949220000072
其中，cdf为MATLAB中的一个标准函数，用来计算函数累积概率；
normal指的是均值为0，方差为σ的标准高斯函数；
5.2)在得到各个像素点的高斯函数累积概率后，将各个像素点进行高斯映射，即将原始图像亮暗像素的灰阶阈值范围内的像素点灰阶值乘以该像素点的累积概率CDF，具体计算方法为：
F(x，y)＝f′(x，y)×p(x，y)        (8)
步骤六、根据线性映射算法
Figure BDA0002428949220000073
将动态高斯映射后的像素点灰阶值映射到低位深(8bit位深)图像灰阶值；由于原始图像灰阶已经进行动态高斯映射至0～2N(这里N为高位深图像的位深度)，故线性映射时取fmin＝0，fmax＝2N。
本发明基于动态高斯参数的图像映射方法通过计算高位深图像的灰阶均值和均方差，并利用灰阶均值和均方差调整图像的色阶阈值以及动态计算高斯函数的参数，对图像色阶分布的中间区域进行高斯映射，更多地保留图像的细节，同时使得映射后的图像具有较高的对比度。同时，本发明的映射方法也可应用于高位深彩色图像的映射，在映射时需要对三个颜色通道分别进行映射。
需要说明的是，使用线性映射将12位原始灰度图像数据转换为8位灰度图像数据，会淹没中间区域的大部分灰度细节，继而可能会造成映射增强后的图像的对比度下降，影响成像质量。而使用对数归一化映射来图像进行增强映射，可以使是原始灰度图像的灰度直方图的中间区域的灰度细节得到充分的突出，而暗部细节仍为较好保留。而使用基于动态高斯参数的映射方法可以根据图像的实际内容动态调整高斯函数的参数值，在映射的同时保留更多的暗部和亮部细节信息。使用动态高斯参数的映射方法获得图像的对比度较高，成像质量相比于线性映射和对数映射的效果更好，具体的对比效果可以参见图3a、图3b和图3c。
同时，本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现基于动态高斯参数的图像映射方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述方法中描述的根据本发明各种示例性实施方式的步骤。
用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备、计算机设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

Claims (4)

1.一种基于动态高斯参数的图像映射方法，其特征在于，包括以下步骤：
步骤一、输入原始图像，所述原始图像为高位深图像；
步骤二、计算高位深图像的灰阶均值和均方差；
灰阶均值u和均方差s的计算如下：
Figure FDA0002428949210000011
Figure FDA0002428949210000012
其中，m为高位深图像水平方向像素个数；
n为高位深图像垂直方向像素个数；
f(x，y)为高位深图像中坐标为(x，y)像素点的灰阶值；
步骤三、根据高位深图像的灰阶均值和均方差确定亮暗像素的灰阶阈值；
3.1)亮像素灰阶阈值和暗像素灰阶阈值的计算如下；
fmax＝u+D×S    (3)
fmin＝u-D×S    (4)
其中，fmax为亮像素灰阶阈值；
fmin为暗像素灰阶阈值；
D为动态范围调节系数；
3.2)将高位深图像的像素灰阶值按照步骤3.1)确定的灰阶阈值进行筛选，去除大于亮像素灰阶阈值的像素值和小于暗像素灰阶阈值的像素值；
Figure FDA0002428949210000013
其中，f′(x，y)为筛选后的图像像素灰阶值；
步骤四、根据高位深图像的灰阶均值和均方差确定高斯函数的动态参数；
高斯函数的动态参数σ根据高位深图像的灰阶均值和均方差动态调整，高斯函数的动态参数σ计算参照式(6)；
Figure FDA0002428949210000021
其中，c为正实数，对高斯函数的参数进行调整；
步骤五、计算高位深图像各个像素点高斯函数累积概率，对亮暗像素灰阶阈值范围内的像素点进行高斯映射；
5.1)计算像素点(x，y)的累积概率p(x，y)；
Figure FDA0002428949210000022
其中，cdf为MATLAB中的标准函数；
normal是均值为0，方差为σ的标准高斯函数；
5.2)得到各个像素点的高斯函数累积概率后，将各个像素点进行高斯映射，即将高位深图像亮暗像素灰阶阈值范围内的像素点灰阶值乘以该像素点的累积概率；
F(x，y)＝f′(x，y)×p(x，y)    (8)
步骤六、根据线性映射算法将动态高斯映射后的像素点灰阶值映射到低位深图像灰阶值；
根据线性映射算法
Figure FDA0002428949210000023
F∈(fmin，fmax)将动态高斯映射后的像素点灰阶值映射到低位深图像灰阶值。
2.根据权利要求1所述的基于动态高斯参数的图像映射方法，其特征在于：步骤三中，D＝2。
3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1或2所述方法的步骤。
4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1或2所述方法的步骤。
CN202010229882.4A 2020-03-27 2020-03-27 一种基于动态高斯参数的图像映射方法 Active CN111563851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010229882.4A CN111563851B (zh) 2020-03-27 2020-03-27 一种基于动态高斯参数的图像映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010229882.4A CN111563851B (zh) 2020-03-27 2020-03-27 一种基于动态高斯参数的图像映射方法

Publications (2)

Publication Number Publication Date
CN111563851A CN111563851A (zh) 2020-08-21
CN111563851B true CN111563851B (zh) 2023-04-11

Family

ID=72069914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010229882.4A Active CN111563851B (zh) 2020-03-27 2020-03-27 一种基于动态高斯参数的图像映射方法

Country Status (1)

Country Link
CN (1) CN111563851B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111933082B (zh) * 2020-09-03 2022-11-29 京东方科技集团股份有限公司 改善低灰阶画质的方法及显示装置
CN112884753A (zh) * 2021-03-10 2021-06-01 杭州申昊科技股份有限公司 一种基于卷积神经网络的轨道扣件检测及分类方法
CN113658564B (zh) * 2021-08-30 2022-12-13 京东方科技集团股份有限公司 一种图像色深转换的方法、电子设备
CN117788570B (zh) * 2024-02-26 2024-05-07 山东济矿鲁能煤电股份有限公司阳城煤矿 一种基于机器视觉的斗轮机定位方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504215A (zh) * 2016-11-10 2017-03-15 中国科学院长春光学精密机械与物理研究所 一种图像增强的方法及装置
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8290295B2 (en) * 2009-03-03 2012-10-16 Microsoft Corporation Multi-modal tone-mapping of images
US10607047B2 (en) * 2017-12-06 2020-03-31 Cognex Corporation Local tone mapping for symbol reading

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质
CN106504215A (zh) * 2016-11-10 2017-03-15 中国科学院长春光学精密机械与物理研究所 一种图像增强的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于局部线性变换的色阶映射算法;刘宗等;《计算机测量与控制》;20160725(第07期);全文 *

Also Published As

Publication number Publication date
CN111563851A (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN111563851B (zh) 一种基于动态高斯参数的图像映射方法
KR101521041B1 (ko) 가중 인코딩을 위한 방법 및 시스템
WO2017107114A1 (zh) 一种图像信号转换处理方法、装置及终端设备
CN112348763B (zh) 图像增强方法、装置、电子设备及介质
CN108876756B (zh) 图像相似性的度量方法和装置
CN113518185B (zh) 视频转换处理方法、装置、计算机可读介质及电子设备
CN112116542B (zh) 图像对比度增强方法、装置、电子设备和存储介质
CN110189266B (zh) 一种自适应的快速图像增强方法
US11551336B2 (en) Chrominance and luminance enhancing systems and methods
US20210287344A1 (en) Directional scaling systems and methods
CN112967207A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113012073A (zh) 视频质量提升模型的训练方法和装置
CN112700363A (zh) 一种基于区域选择的自适应可视水印嵌入方法和装置
Trivedi et al. A no-reference image quality index for contrast and sharpness measurement
KR20190000811A (ko) 이미지를 타겟 디스플레이 디바이스의 타겟 피크 휘도 lt에 톤 적응시키기 위한 방법
US8824810B2 (en) Method and apparatus for encoding/decoding image in bitmap format using reduced number of bitmap indices
KR100513273B1 (ko) 동영상 신호의 실시간 밝기 제어 장치 및 방법
Jaiswal et al. A no-reference contrast assessment index based on foreground and background
KR102401783B1 (ko) 영상 디스플레이 장치 및 그 제어 방법
CN111932466B (zh) 一种图像去雾方法、电子设备及存储介质
WO2021223205A1 (en) Encoder, decoder, system, and method for determining tone mapping curve parameters
CN111179197A (zh) 对比度增强方法及装置
CN112991240A (zh) 一种用于实时图像增强的图像自适应增强算法
US20200043137A1 (en) Statistical noise estimation systems and methods
EP4058976A1 (en) Device and method for pre-processing image data for a computer vision application

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