CN111563864B - 基于直方图的正反图像融合的可变对比度增强方法及装置 - Google Patents

基于直方图的正反图像融合的可变对比度增强方法及装置 Download PDF

Info

Publication number
CN111563864B
CN111563864B CN202010322146.3A CN202010322146A CN111563864B CN 111563864 B CN111563864 B CN 111563864B CN 202010322146 A CN202010322146 A CN 202010322146A CN 111563864 B CN111563864 B CN 111563864B
Authority
CN
China
Prior art keywords
gray
image
adjustable parameter
histogram
enhanced
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
CN202010322146.3A
Other languages
English (en)
Other versions
CN111563864A (zh
Inventor
王海峰
章怡
范鑫
陈海忠
吴卫华
薛勇
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.)
Zhenjiang Baige Electronic Technology Co ltd
Original Assignee
Jiangsu University of Technology
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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN202010322146.3A priority Critical patent/CN111563864B/zh
Publication of CN111563864A publication Critical patent/CN111563864A/zh
Application granted granted Critical
Publication of CN111563864B publication Critical patent/CN111563864B/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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明提供了一种基于直方图的正反图像融合的可变对比度增强方法及装置，其中方法包括：获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，直方图计算公式包括：
Figure DDA0002461830200000011
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度上限，k为图像灰度变量；获取灰度转换函数，设置可调参数P1，计算输入图像I每个灰度对应的新灰度值，其中，灰度转换函数为：f(i)＝x0+(xL‑1‑x0)×[P1×p(i)+cdfp(i‑1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且P1的取值范围[0,1]；根据每个灰度对应的新灰度值输出新的增强图像imageout。

Description

基于直方图的正反图像融合的可变对比度增强方法及装置
技术领域
本发明涉及图像对比度增强技术领域，尤其涉及一种基于直方图的正反图像融合的可变对比度增强方法及装置。
背景技术
现有的基于直方图技术的图像处理方法比较多，其中最经典的是全局直方图均衡化处理方法，它是数字图像增强的常用方法之一。其算法实现相对简单，但是对于一幅增强处理图像的对比度和信息量大小固定，不能进行选择性调节。如何能够发明一种对比度与信息量可以调节选择的直方图增强技术成为亟待解决的问题。
发明内容
本发明旨在提供一种克服上述问题之一或者至少部分地解决上述任一问题的基于直方图的正反图像融合的可变对比度增强方法及装置。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明一方面提供了一种基于直方图的正反图像融合的可变对比度增强方法，包括：获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，直方图计算公式包括：
Figure BDA0002461830180000011
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度上限，k为图像灰度变量；获取灰度转换函数，设置可调参数P1，计算输入图像I每个灰度对应的新灰度值，其中，灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且P1的取值范围[0,1]；
根据每个灰度对应的新灰度值输出新的增强图像imageout。
其中，灰度转换函数通过如下方式获得：设置第一可调参数和第二可调参数；
利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
其中，利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数包括：
Figure BDA0002461830180000021
其中，L为灰度级总数，P2为第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
本发明另一方面提供了一种基于直方图的正反图像融合的可变对比度增强装置，包括：第一计算模块，用于获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，直方图计算公式包括：
Figure BDA0002461830180000031
Figure BDA0002461830180000032
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度上限，k为图像灰度变量；第二计算模块，用于获取灰度转换函数，设置可调参数P1，计算输入图像I每个灰度对应的新灰度值，其中，灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且P1的取值范围[0,1]；输出模块，用于根据每个灰度对应的新灰度值输出新的增强图像imageout。
其中，装置还包括：获取模块，获取模块通过如下方式获取灰度转换函数：获取模块，用于设置第一可调参数和第二可调参数；利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
其中，获取模块通过如下方式利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数：
Figure BDA0002461830180000041
其中，L为灰度级总数，P2为第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
由此可见，本发明实施例提供的基于直方图的正反图像融合的可变对比度增强方法及装置，仅通过调整一个可调参数的大小自由选择适合的对比度与信息量，从而根据技术人员的需要进行选择以输出新的增强图像。
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，下面描述中的附图仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他附图。
图1为本发明实施例提供的基于直方图的正反图像融合的可变对比度增强方法的流程图；
图2为本发明实施例提供的基于直方图的正反图像融合的可变对比度增强装置的结构示意图；
图3为本发明实施例提供的对比度与信息熵变化曲线；
图4为本发明实施例提供的低对比度图像—爱因斯坦示意图；
图5为本发明实施例提供的低亮度图像—风景示意图；
图6为本发明实施例提供的正常亮度图像示意图；
图7为本发明实施例提供的高亮度图像—梅花示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的基于直方图的正反图像融合的可变对比度增强方法的流程图，结合图1，本发明实施例提供的基于直方图的正反图像融合的可变对比度增强方法，包括：
S1，获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，直方图计算公式包括：
Figure BDA0002461830180000051
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度上限，k为图像灰度变量。
具体地，利用现有的直方图概率与累积概率公式：
Figure BDA0002461830180000061
分别计算直方图概率p(i)和累积概率cdfp(i)。
S2，获取灰度转换函数，设置可调参数P1，计算输入图像I每个灰度对应的新灰度值，其中，灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且P1的取值范围[0,1]。
作为本发明实施例的一个可选实施方式，灰度转换函数通过如下方式获得：设置第一可调参数和第二可调参数；利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
具体地，根据现有的经典直方图均衡的处理公式：
Figure BDA0002461830180000062
可以得到直方图均衡增强的图像M1，之后基于经典直方图均衡的处理公式可以得到直方图均衡增强的图像的反转图M2，得到直方图均衡增强的图像的反转图像的公式为：
Figure BDA0002461830180000063
本发明中，基于直方图均衡增强的图像和直方图均衡增强的图像的反转图像融合输出新的增强图像imageout。其中，融合输出新的增强图像imageout时，imageout＝P1×M1+P2×M2，此时可以设置两个可调参数，第一可调参数和第二可调参数。作为本发明实施例的一个可选实施方式，利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数包括：
Figure BDA0002461830180000071
其中，L为灰度级总数，P2为第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
基于此种方式推导后，即可以将原有公式简化为只有第一可调参数P1的公式，f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]。简化了计算。
S3，根据每个灰度对应的新灰度值输出新的增强图像imageout。
具体地，由于输入图像在计算机中就是一数据矩阵(通俗的讲就是数据表)，设置新的增强图像imageout的图像大小和输入图像一样的零矩阵。例如：
假设输入图像为20×11，其在计算机中数据表达如下表1：
Figure BDA0002461830180000072
Figure BDA0002461830180000081
表1
新的增强图像imageout的图像大小和输入图像一样的零矩阵，即输入图像是20×11，输出图像也是20×11，上述表1中的数据表里全为0。
用MATLAB程序代码表示：imageout＝zeros(size(imgIN))；
设置好新的增强图像imageout零矩阵后，从输入图像数据矩阵里依次(按从左到右，从上到下，逐行取出每个灰度值)按照公式f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，计算新灰度，并放入imageout对应数据矩阵位置，遍历计算输入图像所有像素位置的灰度，即完成新的增强图像输出。
作为本发明实施例的一个可选实施方式，此处理的matlab伪代码为：
for i＝1:256
imageout(imgIN＝＝i)＝(XL-X0).*(cdfp(i-1)+p1.*p(i))；
end
由此可见，利用基于直方图的正反图像融合的可变对比度增强方法，仅通过调整一个可调参数的大小自由选择适合的对比度与信息量，从而根据技术人员的需要进行选择以输出新的增强图像。
图2示出了本发明实施例提供的基于直方图的正反图像融合的可变对比度增强装置的结构示意图，本发明实施例提供的基于直方图的正反图像融合的可变对比度增强装置应用于上述方法，以下仅基于直方图的正反图像融合的可变对比度增强装置的结构进行概括说明，其他未尽事宜，请参照基于直方图的正反图像融合的可变对比度增强方法中的相关说明，参见图2，本发明实施例提供的基于直方图的正反图像融合的可变对比度增强装置，包括：
第一计算模块，用于获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，直方图计算公式包括：
Figure BDA0002461830180000091
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度上限，k为图像灰度变量；
第二计算模块，用于获取灰度转换函数，设置可调参数P1，计算输入图像I每个灰度对应的新灰度值，其中，灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且P1的取值范围[0,1]；
输出模块，用于根据每个灰度对应的新灰度值输出新的增强图像imageout。
作为本发明实施例的一个可选实施方式，本发明实施例提供的基于直方图的正反图像融合的可变对比度增强装置还包括：获取模块，获取模块通过如下方式获取灰度转换函数：获取模块，用于设置第一可调参数和第二可调参数；利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
作为本发明实施例的一个可选实施方式，获取模块通过如下方式利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数：
Figure BDA0002461830180000101
其中，L为灰度级总数，P2为第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
由此可见，利用基于直方图的正反图像融合的可变对比度增强装置，仅通过调整一个可调参数的大小自由选择适合的对比度与信息量，从而根据技术人员的需要进行选择以输出新的增强图像。
以下，通过一个具体实例来对本发明实施例提供的基于直方图的正反图像融合的可变对比度增强方法进行进一步说明：
在发明实施过程中，对比度与信息熵变化曲线为20幅测试图像的对比度与信息熵(细节信息量)平均数值随P1在[0,1]之间的变化曲线图，如图3所示。其它效果增强图像为取P1＝0.1，如图4、5、6、7所示。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种基于直方图的正反图像融合的可变对比度增强方法，其特征在于，包括：
获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，所述直方图计算公式包括：
Figure FDA0004053861200000011
其中，i为灰度级，h为各灰度级的频数，
x0为图像灰度下限，xL-1为图像灰度上限，k为图像灰度变量；
获取灰度转换函数，设置可调参数P1，计算所述输入图像I每个灰度对应的新灰度值，其中，所述灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且所述P1的取值范围[0,1]；
根据所述每个灰度对应的新灰度值输出新的增强图像imageout。
2.根据权利要求1所述的方法，其特征在于，所述灰度转换函数通过如下方式获得：
设置所述第一可调参数和第二可调参数；
利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
3.根据权利要求2所述的方法，其特征在于，
所述利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数包括：
Figure FDA0004053861200000021
；
其中，L为灰度级总数，P2为所述第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
4.一种基于直方图的正反图像融合的可变对比度增强装置，其特征在于，包括：
第一计算模块，用于获取直方图计算公式，计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i)，其中，所述直方图计算公式包括：
Figure FDA0004053861200000022
其中，i为灰度级，h为各灰度级的频数，x0为图像灰度下限，xL-1为图像灰度上限，k为图像灰度变量；
第二计算模块，用于获取灰度转换函数，设置可调参数P1，计算所述输入图像I每个灰度对应的新灰度值，其中，所述灰度转换函数为：
f(i)＝x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]，其中，f(i)为i灰度变换后的新灰度数值，P1为第一可调参数，且所述P1的取值范围[0,1]；
输出模块，用于根据所述每个灰度对应的新灰度值输出新的增强图像imageout。
5.根据权利要求4所述的装置，其特征在于，还包括：获取模块，所述获取模块通过如下方式获取灰度转换函数：
所述获取模块，用于设置所述第一可调参数和第二可调参数；利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数。
6.根据权利要求5所述的装置，其特征在于，
所述获取模块通过如下方式利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导，得到所述灰度转换函数：
Figure FDA0004053861200000031
；
其中，L为灰度级总数，P2为所述第二可调参数，P2的取值范围[0,1]，且P1+P2＝1。
CN202010322146.3A 2020-04-22 2020-04-22 基于直方图的正反图像融合的可变对比度增强方法及装置 Active CN111563864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010322146.3A CN111563864B (zh) 2020-04-22 2020-04-22 基于直方图的正反图像融合的可变对比度增强方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010322146.3A CN111563864B (zh) 2020-04-22 2020-04-22 基于直方图的正反图像融合的可变对比度增强方法及装置

Publications (2)

Publication Number Publication Date
CN111563864A CN111563864A (zh) 2020-08-21
CN111563864B true CN111563864B (zh) 2023-04-28

Family

ID=72071762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010322146.3A Active CN111563864B (zh) 2020-04-22 2020-04-22 基于直方图的正反图像融合的可变对比度增强方法及装置

Country Status (1)

Country Link
CN (1) CN111563864B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3130266B2 (ja) * 1996-03-09 2001-01-31 三星電子株式会社 平均分離ヒストグラム等化を用いる映像改善方法及びその回路
CN1741068A (zh) * 2005-09-22 2006-03-01 上海广电（集团）有限公司中央研究院 一种基于边界的直方图均衡方法
CN2838184Y (zh) * 2005-10-19 2006-11-15 上海广电（集团）有限公司中央研究院 一种基于边界的直方图均衡装置
CN101211459A (zh) * 2007-12-21 2008-07-02 上海广电集成电路有限公司 一种针对边界点进行处理的直方图均衡方法
CN103985097B (zh) * 2014-05-26 2017-01-04 中国科学院长春光学精密机械与物理研究所 一种非均匀照度的图像增强方法
US10424054B2 (en) * 2015-06-26 2019-09-24 Peking University Shenzhen Graduate School Low-illumination image processing method and device

Also Published As

Publication number Publication date
CN111563864A (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN109410127B (zh) 一种基于深度学习与多尺度图像增强的图像去噪方法
US20200285883A1 (en) Image processing method, image processing apparatus, learnt model manufacturing method, and image processing system
CN105136308B (zh) 一种红外焦平面阵列变积分时间下的自适应校正方法
CN102640485B (zh) 图像处理装置、图像处理方法及集成电路
WO2021114564A1 (zh) 一种低对比度红外图像的增强方法
WO2021022685A1 (zh) 一种神经网络训练方法、装置及终端设备
CN116030052B (zh) 电脑显示板层压工序蚀刻质量检测方法
CN108898549A (zh) 图片处理方法、图片处理装置及终端设备
CN107424121B (zh) 一种基于分数阶微分的模糊图像超分辨率重构方法
CN106791503A (zh) 图像处理方法与装置
Feng et al. Low-light image enhancement algorithm based on an atmospheric physical model
CN111563864B (zh) 基于直方图的正反图像融合的可变对比度增强方法及装置
CN112562829B (zh) 一种自适应生成dicom影像默认窗宽窗位的方法
Lin et al. Non-blind optical degradation correction via frequency self-adaptive and finetune tactics
Gao et al. Enhancement MSRCR algorithm of color fog image based on the adaptive scale
CN113112435B (zh) 一种小波域正反图像融合的可变对比度增强方法及装置
CN110675337A (zh) 一种图像降噪的扩散式遍历方法
CN114372941B (zh) 一种低光照图像增强方法、装置、设备及介质
CN112102216B (zh) 自适应权重的全变差图像融合方法
CN111563863B (zh) 一种直方图受限的图像增强方法及装置
CN108921796B (zh) 一种基于深度学习的红外图像非均匀性校正方法
WO2021233232A1 (zh) 图像处理方法、图像处理模型的训练方法及装置
CN112967208A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN114331925A (zh) 一种多尺度相对梯度直方图均衡化方法及装置
CN107256140A (zh) 实现基于硬件加速的非标准浮点数重建算法的方法和设备

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
TR01 Transfer of patent right

Effective date of registration: 20240321

Address after: Room 3403, Entrepreneurship Park, No. 18 Jiefang Road, Jingkou District, Zhenjiang City, Jiangsu Province, 212000

Patentee after: Zhenjiang Baige Electronic Technology Co.,Ltd.

Country or region after: Zhong Guo

Address before: 213001 No. 1801 Wu Cheng Road, Changzhou, Jiangsu

Patentee before: JIANGSU University OF TECHNOLOGY

Country or region before: Zhong Guo

TR01 Transfer of patent right