CN111784609B - 图像动态范围压缩方法、装置及计算机可读存储介质 - Google Patents
图像动态范围压缩方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111784609B CN111784609B CN202010628439.4A CN202010628439A CN111784609B CN 111784609 B CN111784609 B CN 111784609B CN 202010628439 A CN202010628439 A CN 202010628439A CN 111784609 B CN111784609 B CN 111784609B
- Authority
- CN
- China
- Prior art keywords
- gray
- value
- image
- histogram
- processed
- 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
Links
- 238000007906 compression Methods 0.000 title claims abstract description 67
- 230000006835 compression Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 54
- 230000001186 cumulative effect Effects 0.000 claims abstract description 38
- 238000012216 screening Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 62
- 238000012545 processing Methods 0.000 claims description 32
- 238000010606 normalization Methods 0.000 claims description 12
- 230000001629 suppression Effects 0.000 claims description 6
- 230000003313 weakening effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 23
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/40—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)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请公开了一种图像动态范围压缩方法、装置及计算机可读存储介质。其中，方法包括利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；加权直方图为基于待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，初始直方图为初始压缩待处理原始图像灰度值所得；基于直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值计算得到有效灰度统计值；基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定待处理原始图像和目标压缩图像间的灰度映射关系，从而解决相关技术弊端，有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
Description
技术领域
本申请涉及图像处理计算领域，特别是涉及一种图像动态范围压缩方法、装置及计算机可读存储介质。
背景技术
众所周知，普通显示设备通常采用人眼可见的8bit数据进行显示，而经由图像采集设备直接采集的图像位宽通常不是8bit，如红外热像仪经A/D转换后仍有14bit或16bit的灰度数据，这就需要将图像的位宽处理为显示设备支持的位宽。
动态范围压缩为将高比特位图像按照一定规则压缩到低比特位，例如可将图像位宽14bit压缩到人眼可见的8bit。红外波段涵盖0.75μm～300μm，较可见光波段更宽，即便当前的红外热像仪分波段成像，接收到的信息也远远比可见光成像丰富。相对于可见光，红外热像仪成像有着更大的动态范围。对于宽动态范围的场景，如何使平缓场景在压缩过程中保持真实信息，使不连续场景合理利用仅有的灰度资源，不丢失细节信息，为动态范围压缩需要考虑并解决的技术问题。
相关技术通常采用线性压缩或简单直方图映射压缩方式实现动态范围压缩。但是在采用线性压缩或简单直方图映射的处理图像过程中，尤其是例如红外图像这种宽动态范围应用场景，边缘细节在映射过程中灰度合并严重，图像信息丢失严重；平缓区域例如天空在线性映射过程中会出现灰度分离严重的现象，导致处理后的图像的平缓区域会出现不应存在的线性边缘，引入虚假信息；对于帧间温度变化较大的场景还会显示出忽亮忽暗的问题，成像连续性较差。
鉴于此，如何解决相关技术存在的弊端问题，保留边缘信息、去除平缓区噪声、提升帧间成像连续性是所属领域技术人员需要解决的技术问题。
发明内容
本申请提供了一种图像动态范围压缩方法、装置及计算机可读存储介质，解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
为解决上述技术问题，本发明实施例提供以下技术方案：
本发明实施例一方面提供了一种图像动态范围压缩方法，包括：
利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；所述加权直方图为基于所述待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，所述初始直方图为初始压缩所述待处理原始图像所得；
根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于所述第一元素值和所述第二元素值计算得到有效灰度统计值；
基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系；所述亮度增益系数为基于相邻两帧图像的灰度信息确定。
可选的，所述利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息包括：
获取所述待处理原始图像和所述待处理原始图像的细节图像；
基于所述待处理原始图像的灰度均值、灰度上限阈值、灰度下限阈值对所述待处理原始图像进行线性映射，得到所述初始直方图；
通过比对所述细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定所述初始直方图中各像素点的权重值，并对所述初始直方图进行加权处理得到所述加权直方图；
利用预设高像素阈值、预设低像素阈值和预设常数阈值对所述加权直方图进行细节提升和背景弱化处理，得到所述直方统计信息；
其中，所述灰度上限阈值和所述灰度下限阈值为基于所述灰度均值、所述待处理原始图像的原始位宽值和所述待处理原始图像经初始压缩后的目标位宽值确定。
可选的，所述通过比对所述细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定所述初始直方图中各像素点的权重值包括：
基于所述初始直方图，依次确定所述待处理原始图像的每个像素点经初始压缩后的像素灰度值；
根据权重值计算关系式确定所述初始直方图中各灰度级的权重值，所述权重值计算关系式为：
式中，weightn为所述待处理原始图像像素点(i,j)对应在所述初始直方图中第n级灰度值的权重值，weight top为所述预设权值上限值，weight bottom为所述预设权值下限值，detail gray(i,j)为所述细节图像中像素点(i,j)的灰度值。
可选的，所述利用预设高像素阈值、预设低像素阈值和预设常数阈值对所述加权直方图进行细节提升和背景弱化处理，得到所述直方统计信息包括：
对于所述加权直方图中像素点灰度值小于所述待处理原始图像灰度均值的像素点利用第一灰度统计直方图计算关系式进行处理，筛选得到第一有效灰度直方图对应的有效像素点集，所述第一灰度统计直方图计算关系式为：
对于所述加权直方图中像素点灰度值大于所述待处理原始图像灰度均值的像素点利用第二灰度统计直方图计算关系式进行处理，筛选得到第二有效灰度直方图对应的有效像素点集，所述第二灰度统计直方图计算关系式为：
式中，hist(n)为所述加权直方图的第n级灰度所对应的统计像素数量，hist org(n)为所述初始直方图的第n级灰度所对应的像素统计数量，Hthresh为所述预设高像素阈值，Lthresh为所述预设低像素阈值，thresh为所述预设常数阈值；
统计所述第一有效灰度直方图对应的有效像素点集和所述第二有效灰度直方图对应的有效像素点集中的像素点信息，以生成所述直方统计信息。
可选的，所述根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值包括：
分别计算所述直方统计信息从右向左累计各像素点像素值刚好大于预设灰度阈值时对应的第一灰度值、所述直方统计信息从左向右累计各像素点像素值刚好大于预设灰度阈值时对应的第二灰度值；所述预设灰度阈值基于所述直方统计信息的总和与预设常数值确定；
根据所述第一灰度值和所述第二灰度值计算所述第一元素值；
统计所述初始直方图和所述加权直方图同时满足预设灰度条件的所有灰阶数量值，以作为所述第二元素值。
可选的，所述基于所述第一元素值和所述第二元素值计算有效灰度统计值包括：
利用有效灰度计算关系式计算所述待处理原始图像的有效灰度统计值，所述有效灰度计算关系式为：
Gray inc＝gray1+gain*gray2；
式中，Gray inc为所述有效灰度统计值，gray1为所述第一元素值，gray2为所述第二元素值，gain为所述第二元素值的增益系数。
可选的，所述基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系包括：
对所述初始直方图进行噪声抑制和细节提升，得到归一化累计直方图；
对所述归一化累计直方图进行归一化累计计算，得到所述初始直方图的归一化累计概率信息；
根据相邻两帧图像的灰度均值和两帧图像亮度关联增益系数计算亮度增益系数；
基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述灰度映射关系；
利用所述灰度映射图像将所述待处理原始图像中每个像素点进行灰度映射以得到初始目标压缩图像；
去除所述初始目标压缩图像的每个像素点灰度值的后两位，得到用于显示的所述目标压缩图像。
本发明实施例另一方面提供了一种图像动态范围压缩装置，包括：
加权直方图处理模块，用于利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；所述加权直方图为基于所述待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，所述初始直方图为初始压缩所述待处理原始图像所得；
有效灰度统计值计算模块，用于根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于所述第一元素值和所述第二元素值计算得到有效灰度统计值；
映射关系计算模块，用于基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系；所述亮度增益系数为基于相邻两帧图像的灰度信息确定。
本发明实施例还提供了一种图像动态范围压缩装置，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述图像动态范围压缩方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有图像动态范围压缩程序，所述图像动态范围压缩程序被处理器执行时实现如前任一项所述图像动态范围压缩方法的步骤。
本申请提供的技术方案的优点在于，基于原始图像的细节对初始直方图进行加权处理，然后利用加权处理得到的直方图进行直方数据筛选和灰度统计，可以直观地区分背景与细节的灰度信息，拉宽细节区域的动态范围，减少平缓区域的灰度占比，最大程度的对边缘细节信息进行保留，而且在保留图像细节的同时能够提升细节的灰度比重，尽可能多地保留了更多信息。利用帧间灰度的关系对帧间整体灰度的效果进行时域上的平缓，使两帧灰度变化平缓，合理合并平缓区域灰阶避免虚假信息的出现。关联前后两帧的灰度避免出现帧间整体亮度差异过大的情况发生，在视觉上避免忽明忽暗的不良观感出现，从而解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度，有效提高成像质量。
此外，本发明实施例还针对图像动态范围压缩方法提供了相应的实现装置及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置及计算机可读存储介质具有相应的优点。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像动态范围压缩方法的流程示意图；
图2为本发明实施例提供的加权直方图的生成流程示意图；
图3为本发明实施例提供的红外图像的动态范围压缩方法的流程示意图；
图4为本发明实施例提供的一个示例性应用场景的原始图像示意图；
图5为本发明实施例提供的图4中原始图像对应的直方图示意图；
图6为本发明实施例提供的图4中原始图像经过本申请技术方案动态范围压缩后所得图像的示意图；
图7为本发明实施例提供的图6得到的压缩图像对应的直方图示意图；
图8为本发明实施例提供的图像动态范围压缩装置的一种具体实施方式结构图；
图9为本发明实施例提供的图像动态范围压缩装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
首先参见图1，图1为本发明实施例提供的一种图像动态范围压缩方法的流程示意图，本发明实施例可包括以下内容：
S101：利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息。
可以理解的是，待处理原始图像可由图像采集设备采集得到可用于后续图像处理的图像数据，待处理原始图像的图像类型可为红外图像，也可为可见光图像，相应的，本发明实施例可应用于红外光电成像系统，也可应用于可见光成像系统。待处理原始图像例如可通过红外成像系统得到A/D转换后的红外数字图像，也可以是从存储装置获得红外图像；可通过可见光成像系统得到A/D转换后的可见光数字图像，也可以是从存储装置获得可见光图像。待处理原始图像的图像数据位宽没有限制，例如可为14bit图像，图像尺寸也没有限制。
在本发明实施例中，先将待处理原始图像进行初始压缩得到初始直方图，初始压缩后的位宽数据并不为最终可显示位置数据，如14bit的待处理原始图像经初始压缩后为12bit的图像。直方图为图像的一种统计报告图，由一系列高度不等的纵向条纹或线段标识数据分布的情况，横轴表示图像灰度值，纵轴表示响应灰度的像素统计数目。加权直方图为基于待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，也即将初始直方图中的每个像素点在加相应权重值后生成的直方图为加权直方图，细节层信息可为待处理原始图像的高频细节，例如可通过滤波器提取细节层信息。利用加权直方图对待处理原始图像进行有效像素点的筛选，可以得到细节提升、背景压制的直方统计信息。
S102：根据直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于第一元素值和第二元素值计算得到有效灰度统计值。
其中，第一元素值可表征待处理原始图像的图像主体灰度信息，第二元素值可表征待处理原始图像的图像细节，有效灰度统计值是基于图像主体灰度信息和图像细节信息共同计算得到，故可最大程度保留原始图像信息。
S103：基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定待处理原始图像和目标压缩图像之间的灰度映射关系。
在本申请中，亮度增益系数为基于相邻两帧图像的灰度信息确定，用于关联前后两帧图像的灰度，在确定映射关系时考虑亮度增益系数，可以使得灰度变化平缓，不出现帧间亮度差异过大的情况，提升观感。灰度映射关系即是用于表征待处理原始图像进行动态范围压缩过程中各像素点的映射关系，即将待处理原始图像的每个像素点按照灰度映射关系进行灰度映射后，便可得到用户需求位宽的图像，该图像可称为目标压缩图像。
需要说明的是，对于待处理原始图像，本申请不采用采用线性压缩或普通的单帧直方图映射方法进行映射，而是采用基于细节保留的加权直方图映射和帧间灰度关联方法进行映射，避免出现边缘灰度级合并导致的细节丢失和平缓区域出现虚假信息的现象。对于红外图像的整个动态范围压缩过程可基于且不限于FPGA平台或仿真硬件的装置进行实现，在保证提升计算速度的同时，可保留更多温度信息，提升视觉观感。
在本发明实施例提供的技术方案中，基于原始图像的细节对初始直方图进行加权处理，然后利用加权处理得到的直方图进行直方数据筛选和灰度统计，可以直观地区分背景与细节的灰度信息，拉宽细节区域的动态范围，减少平缓区域的灰度占比，最大程度的对边缘细节信息进行保留，而且在保留图像细节的同时能够提升细节的灰度比重，尽可能多地保留了更多信息。利用帧间灰度的关系对帧间整体灰度的效果进行时域上的平缓，使两帧灰度变化平缓，合理合并平缓区域灰阶避免虚假信息的出现。关联前后两帧的灰度避免出现帧间整体亮度差异过大的情况发生，在视觉上避免忽明忽暗的不良观感出现，从而解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度，有效提高成像质量。
在上述实施例中，对于如何执行步骤S101并不做限定，本实施例中给出一种直方统计信息的生成方式，可包括如下步骤：
A1：获取待处理原始图像和待处理原始图像的细节图像。
A2：基于待处理原始图像的灰度均值、灰度上限阈值、灰度下限阈值对待处理原始图像进行线性映射，得到初始直方图。
A3：通过比对细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定初始直方图中各像素点的权重值，并对初始直方图进行加权处理得到加权直方图。
A4：利用预设高像素阈值、预设低像素阈值和预设常数阈值对加权直方图进行细节提升和背景弱化处理，得到直方统计信息。
在本发明实施例中，对于如何执行步骤待处理原始图像的细节图像的获取过程并不做限定，本实施例中给出一种待处理原始图像的细节图像的获取方式，可包括如下步骤：
利用细节提取关系式从待处理原始图像中提取高频细节特征，生成细节图像；细节提取关系式可表示为：
detail gray(i,j)＝org gray(i,j)-filter org gray(i,j)；
式中，detail gray(i,j)为细节图像中像素(i,j)的灰度值，org gray(i,j)为待处理原始图像中像素(i,j)的灰度值，filter org gray(i,j)为待处理原始图像经平滑滤波函数处理后像素(i,j)的灰度值。
在本发明实施例中，获得待处理原始图像后，利用平滑滤波器如高斯滤波或其他平滑滤波器将提取待处理原始图像的高频细节层(detail)，得到待处理原始图像的细节图像。
在本发明实施例中，对于如何执行步骤初始直方图的生成过程并不做限定，本实施例中以将待处理原始图像从14bit线性压缩至12bit为例给出一种初始直方图的生成方式，可包括如下步骤：
利用灰度图像均值计算关系式计算待处理原始图像的灰度均值：
基于灰度均值、待处理原始图像的原始位宽值和待处理原始图像经初始压缩后的目标位宽值计算灰度上限阈值和灰度下限阈值，其中灰度上限阈值计算关系式可表示为top＝avr+211+29，灰度下限阈值计算关系式可表示为：
基于线性映射关系式对待处理原始图像进行线性映射，以达到初步灰度压缩目的，线性映射关系式可表示为：
式中，avr为灰度均值，sum为求和运算，image raw(i,j)为待处理原始图像的像素点坐标值，height为待处理原始图像的纵向分辨率，width为待处理原始图像的横向分辨率，top为灰度上限阈值，bottom为灰度下限阈值，scaled gray(i,j)为坐标值为(i,j)的像素点经初步压缩后的灰度值，org gray(i,j)为待处理原始图像的坐标值为(i,j)的像素点经平滑滤波函数处理后的灰度值。
在发明实施例的一些实施方式，步骤“通过比对细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定初始直方图中各像素点的权重值”的一种实施方式可如下所述：
基于初始直方图，依次确定待处理原始图像的每个像素点经初始压缩后的像素灰度值。如图2所示，对待处理原始图像的像素点从坐标i＝1、j＝1开始依次确定其在初始压缩后的像素灰度值scaled gray(i,j)，然后根据权重值计算关系式确定初始直方图中各像素点的权重值，图2中的height为待处理原始图像的纵向分辨率作为纵向最大坐标值，width为待处理原始图像的横向分辨率作为横向最大坐标值，权重值计算关系式可表示为：
式中，weightn为待处理原始图像像素点(i,j)对应在初始直方图中第n级灰度值的权重值，单位与像素相同，weight top为预设权值上限值，weight bottom为预设权值下限值，detail gray(i,j)为细节图像中像素点(i,j)的灰度值。
利用权重值计算关系式确定各灰度级的权重值后，待处理原始图像像素点(i,j)对应在初始直方图的第n级灰度值，则对第n级灰度值基于关系式hist(scaled gray(i,j))＝hist(scaled gray(i,j))+1+weightn进行重新赋值，初始直方图的各级灰度值均赋值完成后，则生成加权直方图。
在发明实施例的另外一些实施方式，直方统计信息的一种计算方式可包括：
预先基于实际应用场景中的图像效果及经验设置高像素阈值Hthresh，低像素阈值Lthresh和预设常数阈值thresh。
对于加权直方图中像素点灰度值小于待处理原始图像灰度均值的像素点利用第一灰度统计直方图计算关系式进行处理，筛选得到第一有效灰度直方图对应的有效像素点集，所述第一灰度统计直方图计算关系式为：
对于加权直方图中像素点灰度值大于待处理原始图像灰度均值的像素点利用第二灰度统计直方图计算关系式进行处理，筛选得到第二有效灰度直方图对应的有效像素点集，所述第二灰度统计直方图计算关系式为：，第二灰度计算关系式为：
式中，hist(n)为加权直方图的第n级灰度所对应的统计像素数量，hist org(n)为初始直方图的第n级灰度统计像素数量，Hthresh为预设高像素阈值，Lthresh为预设低像素阈值，thresh为预设常数阈值。
统计第一有效灰度直方图对应的有效像素点集和第二有效灰度直方图对应的有效像素点集中的像素点信息，以生成直方统计信息，从而得到细节提升、背景压制的直方统计信息hist inc。
作为另外一种可选的实施方式，本发明实施例还给出S102的一种实施方式，也即“根据直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值”的过程的实现方式可包括：
B1：分别计算直方统计信息从右向左累计各像素点像素值刚好大于预设灰度阈值时对应的第一灰度值、直方统计信息从左向右累计各像素点像素值刚好大于预设灰度阈值时对应的第二灰度值。
在本发明实施例中，预设灰度阈值可基于直方统计信息的总和与预设常数值确定。可选的，基于关系式hist sum＝sum hist inc(n)得到直方统计信息的总和，然后基于关系式y＝(hist sum)/x,x＞2确定预设灰度阈值，x为大于2的任何一个自然数，本领域技术人员可根据实际图像效果进行选取。在本步骤中，计算直方统计信息hist inc从右往左和从左往右累计像素数值刚好大于y时对应的灰度值，分别记为第一灰度值grayR和第二灰度值grayL。
B2：根据第一灰度值和第二灰度值计算第一元素值。
在本步骤中，例如可基于关系式gray1＝grayR-grayL计算得到第一元素值，保留了本帧图像的主体灰度。当然，也可在该关系式基础上增加小的调整量，这均不影响本申请的实现。
B3：统计初始直方图hist org和加权直方图hist同时满足预设灰度条件的所有灰阶数量值，以作为第二元素值。
在本步骤中，可统计满足hist org<thresh且hist>thresh的所有灰阶数量grayDetail，以该数量为有效灰度的第二元素值，从而保留本帧图像细节，thresh为基于实际图像效果确定的常数阈值。
B4：利用有效灰度计算关系式计算待处理原始图像的有效灰度统计值，有效灰度计算关系式为：
Gray inc＝gray1+gain*gray2；
式中，Gray inc为有效灰度统计值，gray1为第一元素值，gray2为第二元素值，gain为第二元素值的增益系数。
经过上述各步骤处理，得到有效灰度统计量，对细节灰度比重进行增强。
本申请还提供了步骤“基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定待处理原始图像和目标压缩图像之间的灰度映射关系”的一种可选的实施方式，可包括：
C1：对初始直方图进行噪声抑制和细节提升，得到归一化累计直方图。
可采用归一化累计直方图计算关系式对初始直方图进行噪声抑制和细节提升，得到归一化累计直方图，归一化累计直方图计算关系式可表示为：
式中，hist final(n)为归一化累计直方图的第n级灰度值，hist org(n)为初始直方图的第n级灰度值，Hthresh为预设高像素阈值，Lthresh为预设低像素阈值，thresh为预设常数阈值。
C2：对归一化累计直方图进行归一化累计计算，得到初始直方图的归一化累计概率信息。
在本步骤，可对上一步得到的归一化累加直方图采用概率计算关系式得到初始直方图的归一化累计概率信息，概率计算关系式可表示为：
式中，hist acc(n)为第i灰度级直方图累计归一化概率，k为灰度值，kmax为最大灰度值。
C3：根据相邻两帧图像的灰度均值和两帧图像亮度关联增益系数K计算亮度增益系数Gain。
在本步骤中，相邻两帧图像为待处理原始图像和待处理原始图像的前一帧图像，avr为待处理原始图像的灰度均值，avr0为前一帧图像的灰度之间，可基于关系式Gain＝avr+K*avr0-avr计算亮度增益系数Gain。采用GAIN亮度调整系数可关联前后两帧的灰度，使两帧灰度变化平缓，不出现帧间整体亮度差异过大的情况，提升观感。
C4：基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定灰度映射关系。
在本步骤中，可基于关系式gray new(n)＝gray inc*hist acc(n)+Gain计算灰度映射关系，从而得到新旧灰度之间的映射关系。gray new(n)为待处理原始映射后得到的灰度值，gray inc为有效灰度统计值，hist acc(n)为初始直方图的归一化累计概率信息，Gain为亮度增益系数。
C5：利用灰度映射图像将待处理原始图像中每个像素点进行灰度映射以得到初始目标压缩图像。
C6：去除初始目标压缩图像的每个像素点灰度值的后两位，得到用于显示的目标压缩图像。
可根据寻址反映射image new＝gray new(scaled gray)还原动态范围压缩后的直方图信息，也即初始目标压缩图像image new的直方图信息，最后去掉灰度值得后两位直接得到如8bit的灰度可显示图像。
由上可知，本发明实施例进行帧间的灰度关联，对于视觉上，避免了忽明忽暗的不良观感，提高了成像质量。
为了验证本申请技术方案的有效性，本申请还进行了验证性实验，对以图4的红外图像进行基于图3所示的动态范围压缩流程得到图6的目标压缩图像，图4的输入图像的位宽为14bit，目标压缩图像为10bit的可显示图像，对比图4-图7可知，本申请技术方案可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
需要说明的是，本申请中各步骤之间没有严格的先后执行顺序，只要符合逻辑上的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图1和图3只是一种示意方式，并不代表只能是这样的执行顺序。
本发明实施例还针对图像动态范围压缩方法提供了相应的装置，进一步使得所述方法更具有实用性。其中，装置可从功能模块的角度和硬件的角度分别说明。下面对本发明实施例提供的图像动态范围压缩装置进行介绍，下文描述的图像动态范围压缩装置与上文描述的图像动态范围压缩方法可相互对应参照。
基于功能模块的角度，参见图8，图8为本发明实施例提供的图像动态范围压缩装置在一种具体实施方式下的结构图，该装置可包括：
加权直方图处理模块801，用于利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；加权直方图为基于待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，初始直方图为初始压缩待处理原始图像灰度值所得。
有效灰度统计值计算模块802，用于根据直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于第一元素值和第二元素值计算得到有效灰度统计值。
映射关系计算模块803，用于基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定待处理原始图像和目标压缩图像之间的灰度映射关系；亮度增益系数为基于相邻两帧图像的灰度信息确定。
可选的，在本实施例的一些实施方式中，所述加权直方图处理模块801可以包括：
图像获取子模块，用于获取待处理原始图像和待处理原始图像的细节图像；
初始直方图计算子模块，用于基于待处理原始图像的灰度均值、灰度上限阈值、灰度下限阈值对待处理原始图像进行线性映射，得到初始直方图；
加权直方图计算子模块，用于通过比对细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定初始直方图中各像素点的权重值，并对初始直方图进行加权处理得到加权直方图；灰度上限阈值和灰度下限阈值为基于灰度均值、待处理原始图像的原始位宽值和待处理原始图像经初始压缩后的目标位宽值确定；
直方统计信息计算子模块，用于利用预设高像素阈值、预设低像素阈值和预设常数阈值对加权直方图进行细节提升和背景弱化处理，得到直方统计信息。
在本发明实施例的一些实施方式中，所述加权直方图计算子模块可包括：
关系对应确定单元，用于基于初始直方图，依次确定待处理原始图像的每个像素点经初始压缩后的像素灰度值；
权重值计算单元，用于根据权重值计算关系式确定初始直方图中各像素点的权重值，权重值计算关系式为：
式中，weightn为待处理原始图像像素点(i,j)对应在初始直方图中第n级灰度的权重值，weight top为预设权值上限值，weight bottom为预设权值下限值，detail gray(i,j)为细节图像中像素点(i,j)的灰度值。
在本发明实施例的另一些实施方式中，所述直方统计信息计算子模块例如还可包括：
第一有效像素点筛选单元，用于对于加权直方图中像素点灰度值小于待处理原始图像灰度均值的像素点利用第一灰度计算关系式进行处理，筛选得到第一有效像素点集，第一灰度计算关系式为：
第二有效像素点筛选单元，用于对于加权直方图中像素点灰度值大于待处理原始图像灰度均值的像素点利用第二灰度计算关系式进行处理，筛选得到第二有效像素点集，第二灰度计算关系式为：
式中，hist(n)为加权直方图的第n级灰度所对应的统计像素数量，hist org(n)为初始直方图的第n级灰度所对应的像素统计数量，Hthresh为预设高像素阈值，Lthresh为预设低像素阈值，thresh为预设常数阈值；
直方统计信息生成单元，用于统计第一有效灰度直方图对应的有效像素点集和第二有效灰度直方图对应的有效像素点集中的像素点信息，以生成直方统计信息。
作为一种可选的实施方式，所述有效灰度统计值计算模块802例如还可包括：
灰度值计算子模块，用于分别计算直方统计信息从右向左累计各像素点像素值刚好大于预设灰度阈值时对应的第一灰度值、直方统计信息从左向右累计各像素点像素值刚好大于预设灰度阈值时对应的第二灰度值；预设灰度阈值基于直方统计信息的总和与预设常数值确定；
第一元素值计算子模块，用于根据第一灰度值和第二灰度值计算第一元素值；
第二元素值计算子模块，用于统计初始直方图和加权直方图同时满足预设灰度条件的所有灰阶数量值，以作为第二元素值。
作为另外一种可选的实施方式，所述有效灰度统计值计算模块802还可包括：
有效灰度统计子模块，用于利用有效灰度计算关系式计算待处理原始图像的有效灰度统计值，有效灰度计算关系式为：
Gray inc＝gray1+gain*gray2；
式中，Gray inc为有效灰度统计值，gray1为第一元素值，gray2为第二元素值，gain为第二元素值的增益系数。
可选的，在本实施例的另一些实施方式中，所述映射关系计算模块803还可包括：
直方图处理子模块，用于对初始直方图进行噪声抑制和细节提升，得到归一化累计直方图；
概率计算子模块，用于对归一化累计直方图进行归一化累计计算，得到初始直方图的归一化累计概率信息；
亮度增益系数计算子模块，用于根据相邻两帧图像的灰度均值和两帧图像亮度关联增益系数计算亮度增益系数；
灰度映射关系确定子模块，用于基于有效灰度统计值、初始直方图的归一化累计概率信息和亮度增益系数确定灰度映射关系；
初始目标压缩图像获取子模块，用于利用灰度映射图像将待处理原始图像中每个像素点进行灰度映射以得到初始目标压缩图像；
目标压缩图像获取子模块，用于去除初始目标压缩图像的每个像素点灰度值的后两位，得到用于显示的目标压缩图像。
本发明实施例所述图像动态范围压缩装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
上文中提到的图像动态范围压缩装置是从功能模块的角度描述，进一步的，本申请还提供一种图像动态范围压缩装置，是从硬件角度描述。图9为本申请实施例提供的另一种图像动态范围压缩装置的结构图。如图9所示，该装置包括存储器90，用于存储计算机程序；
处理器91，用于执行计算机程序时实现如上述任一实施例提到的图像动态范围压缩方法的步骤。
其中，处理器91可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器91可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器91也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器91可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器91还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器90可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器90还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器90至少用于存储以下计算机程序901，其中，该计算机程序被处理器91加载并执行之后，能够实现前述任一实施例公开的图像动态范围压缩方法的相关步骤。另外，存储器90所存储的资源还可以包括操作系统902和数据903等，存储方式可以是短暂存储或者永久存储。其中，操作系统902可以包括Windows、Unix、Linux等。数据903可以包括但不限于测试结果对应的数据等。
在一些实施例中，图像动态范围压缩装置还可包括有显示屏92、输入输出接口93、通信接口94、电源95以及通信总线96。
本领域技术人员可以理解，图9中示出的结构并不构成对图像动态范围压缩装置的限定，可以包括比图示更多或更少的组件，例如传感器97。
本发明实施例所述图像动态范围压缩装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
可以理解的是，如果上述实施例中的图像动态范围压缩方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此，本发明实施例还提供了一种计算机可读存储介质，存储有图像动态范围压缩程序，所述图像动态范围压缩程序被处理器执行时如上任意一实施例所述图像动态范围压缩方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例解决了相关技术存在图像信息丢失严重、引入虚假信息和成像连续性差的弊端问题，避免图像映射统计过程中细节灰度缺失，可有效保留边缘信息、去除平缓区噪声并提升帧间成像连续性，使画面区域始终保持更强的对比度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种图像动态范围压缩方法、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种图像动态范围压缩方法，其特征在于，包括：
利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；所述加权直方图为基于所述待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，所述初始直方图为初始压缩所述待处理原始图像所得；
根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于所述第一元素值和所述第二元素值计算得到有效灰度统计值；
基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系；所述亮度增益系数为基于相邻两帧图像的灰度信息确定。
2.根据权利要求1所述的图像动态范围压缩方法，其特征在于，所述利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息包括：
获取所述待处理原始图像和所述待处理原始图像的细节图像；
基于所述待处理原始图像的灰度均值、灰度上限阈值、灰度下限阈值对所述待处理原始图像进行线性映射，得到所述初始直方图；
通过比对所述细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定所述初始直方图中各像素点的权重值，并对所述初始直方图进行加权处理得到所述加权直方图；
利用预设高像素阈值、预设低像素阈值和预设常数阈值对所述加权直方图进行细节提升和背景弱化处理，得到所述直方统计信息；
其中，所述灰度上限阈值和所述灰度下限阈值为基于所述灰度均值、所述待处理原始图像的原始位宽值和所述待处理原始图像经初始压缩后的目标位宽值确定。
3.根据权利要求2所述的图像动态范围压缩方法，其特征在于，所述通过比对所述细节图像中各像素点的灰度值与预设权值上限值、预设权值下限值之间的关系确定所述初始直方图中各像素点的权重值包括：
基于所述初始直方图，依次确定所述待处理原始图像的每个像素点经初始压缩后的像素灰度值；
根据权重值计算关系式确定所述初始直方图中各灰度级的权重值，所述权重值计算关系式为：
式中，weightn为所述待处理原始图像像素点(i,j)对应在所述初始直方图中第n级灰度值的权重值，weight top为所述预设权值上限值，weight bottom为所述预设权值下限值，detail gray(i,j)为所述细节图像中像素点(i,j)的灰度值。
4.根据权利要求2所述的图像动态范围压缩方法，其特征在于，所述利用预设高像素阈值、预设低像素阈值和预设常数阈值对所述加权直方图进行细节提升和背景弱化处理，得到所述直方统计信息包括：
对于所述加权直方图中像素点灰度值小于所述待处理原始图像灰度均值的像素点利用第一灰度统计直方图计算关系式进行处理，筛选得到第一有效灰度直方图对应的有效像素点集，所述第一灰度统计直方图计算关系式为：
对于所述加权直方图中像素点灰度值大于所述待处理原始图像灰度均值的像素点利用第二灰度统计直方图计算关系式进行处理，筛选得到第二有效灰度直方图对应的有效像素点集，所述第二灰度统计直方图计算关系式为：
式中，hist(n)为所述加权直方图的第n级灰度所对应的统计像素数量，hist org(n)为所述初始直方图的第n级灰度所对应的像素统计数量，Hthresh为所述预设高像素阈值，Lthresh为所述预设低像素阈值，thresh为所述预设常数阈值；
统计所述第一有效灰度直方图对应的有效像素点集和所述第二有效灰度直方图对应的有效像素点集中的像素点信息，以生成所述直方统计信息。
5.根据权利要求1至4任意一项所述的图像动态范围压缩方法，其特征在于，所述根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值包括：
分别计算所述直方统计信息从右向左累计各像素点像素值刚好大于预设灰度阈值时对应的第一灰度值、所述直方统计信息从左向右累计各像素点像素值刚好大于预设灰度阈值时对应的第二灰度值；所述预设灰度阈值基于所述直方统计信息的总和与预设常数值确定；
根据所述第一灰度值和所述第二灰度值计算所述第一元素值；
统计所述初始直方图和所述加权直方图同时满足预设灰度条件的所有灰阶数量值，以作为所述第二元素值。
6.根据权利要求5所述的图像动态范围压缩方法，其特征在于，所述基于所述第一元素值和所述第二元素值计算有效灰度统计值包括：
利用有效灰度计算关系式计算所述待处理原始图像的有效灰度统计值，所述有效灰度计算关系式为：
Gray inc＝gray1+gain*gray2；
式中，Gray inc为所述有效灰度统计值，gray1为所述第一元素值，gray2为所述第二元素值，gain为所述第二元素值的增益系数。
7.根据权利要求1至4任意一项所述的图像动态范围压缩方法，其特征在于，所述基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系包括：
对所述初始直方图进行噪声抑制和细节提升，得到归一化累计直方图；
对所述归一化累计直方图进行归一化累计计算，得到所述初始直方图的归一化累计概率信息；
根据相邻两帧图像的灰度均值和两帧图像亮度关联增益系数计算亮度增益系数；
基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述灰度映射关系；
利用所述灰度映射图像将所述待处理原始图像中每个像素点进行灰度映射以得到初始目标压缩图像；
去除所述初始目标压缩图像的每个像素点灰度值的后两位，得到用于显示的所述目标压缩图像。
8.一种图像动态范围压缩装置，其特征在于，包括：
加权直方图处理模块，用于利用加权直方图从待处理原始图像筛选有效像素点，生成直方统计信息；所述加权直方图为基于所述待处理原始图像的细节层信息对初始直方图中各像素点灰度值进行加权处理所得，所述初始直方图为初始压缩所述待处理原始图像所得；
有效灰度统计值计算模块，用于根据所述直方统计信息确定用于表征图像主体灰度的第一元素值和表征图像细节的第二元素值，并基于所述第一元素值和所述第二元素值计算得到有效灰度统计值；
映射关系计算模块，用于基于所述有效灰度统计值、所述初始直方图的归一化累计概率信息和亮度增益系数确定所述待处理原始图像和目标压缩图像之间的灰度映射关系；所述亮度增益系数为基于相邻两帧图像的灰度信息确定。
9.一种图像动态范围压缩装置，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7任一项所述图像动态范围压缩方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有图像动态范围压缩程序，所述图像动态范围压缩程序被处理器执行时实现如权利要求1至7任一项所述图像动态范围压缩方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628439.4A CN111784609B (zh) | 2020-07-02 | 2020-07-02 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628439.4A CN111784609B (zh) | 2020-07-02 | 2020-07-02 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111784609A CN111784609A (zh) | 2020-10-16 |
| CN111784609B true CN111784609B (zh) | 2023-11-07 |
Family
ID=72759195
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010628439.4A Active CN111784609B (zh) | 2020-07-02 | 2020-07-02 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111784609B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114449181B (zh) * | 2020-11-05 | 2023-04-21 | 晶晨半导体(上海)股份有限公司 | 图像和视频处理方法及其系统、数据处理设备、介质 |
| CN112488954B (zh) * | 2020-12-07 | 2023-09-22 | 江苏理工学院 | 基于图像灰度级的自适应图像增强的方法及装置 |
| CN113077399B (zh) * | 2021-04-09 | 2023-03-14 | 烟台艾睿光电科技有限公司 | 一种图像处理方法、装置、系统及计算机可读存储介质 |
| CN113191990B (zh) * | 2021-05-28 | 2023-05-23 | 浙江宇视科技有限公司 | 一种图像处理方法、装置、电子设备及介质 |
| CN113947602B (zh) * | 2021-12-21 | 2022-03-18 | 山东信通电子股份有限公司 | 一种图像亮度的检测方法及装置 |
| CN114897923B (zh) * | 2022-05-25 | 2023-07-21 | 中国海洋大学 | 天然气水合物ct图像阈值分割方法、系统、设备及介质 |
| CN116563175B (zh) * | 2023-07-12 | 2023-09-15 | 中国科学院长春光学精密机械与物理研究所 | 光电成像设备系统固定噪声去除方法、装置和存储介质 |
| CN117974465B (zh) * | 2024-03-31 | 2024-06-14 | 天津市胸科医院 | 一种胸部ct图像处理方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0772158A2 (en) * | 1995-10-30 | 1997-05-07 | Hewlett-Packard Company | Image processing system |
| WO2011127825A1 (zh) * | 2010-04-16 | 2011-10-20 | 杭州海康威视软件有限公司 | 图像对比度的处理方法及装置 |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| CN110049332A (zh) * | 2019-04-11 | 2019-07-23 | 深圳市朗驰欣创科技股份有限公司 | 一种图像压缩方法、图像压缩装置及电子设备 |
-
2020
- 2020-07-02 CN CN202010628439.4A patent/CN111784609B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0772158A2 (en) * | 1995-10-30 | 1997-05-07 | Hewlett-Packard Company | Image processing system |
| WO2011127825A1 (zh) * | 2010-04-16 | 2011-10-20 | 杭州海康威视软件有限公司 | 图像对比度的处理方法及装置 |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| CN110049332A (zh) * | 2019-04-11 | 2019-07-23 | 深圳市朗驰欣创科技股份有限公司 | 一种图像压缩方法、图像压缩装置及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 低照度下视频图像保细节直方图均衡化方法;韩殿元;;计算机仿真(第08期);全文 * |
| 红外图像噪声滤波对比度增强算法;白俊奇;陈钱;王娴雅;钱惟贤;;红外与激光工程(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111784609A (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111784609B (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
| CN107680056B (zh) | 一种图像处理方法及装置 | |
| JP4870618B2 (ja) | 画像データの自動マッピング方法及び画像処理デバイス | |
| JP7175197B2 (ja) | 画像処理方法および装置、記憶媒体、コンピュータ装置 | |
| CN108805829B (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
| CN110766639B (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
| CN106651818A (zh) | 基于改进的直方图均衡化低照度图像增强算法 | |
| CN113518185B (zh) | 视频转换处理方法、装置、计算机可读介质及电子设备 | |
| JP2007310886A (ja) | 画像データの自動マッピング方法及び画像処理デバイス | |
| CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN112634384A (zh) | 一种高动态范围图像压缩的方法及装置 | |
| CN114298935B (zh) | 图像增强方法、装置及计算机可读存储介质 | |
| CN111583357A (zh) | 一种基于matlab系统的物体运动图像捕捉合成方法 | |
| CN110580690A (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
| CN110136085B (zh) | 一种图像的降噪方法及装置 | |
| CN111754412B (zh) | 构建数据对的方法、装置及终端设备 | |
| JPWO2019041842A5 (zh) | ||
| CN111598794A (zh) | 一种去除水下重叠情况的图像成像方法及装置 | |
| CN116109511A (zh) | 红外图像边缘增强的方法和系统 | |
| CN114418848B (zh) | 视频处理方法、装置、存储介质及电子设备 | |
| CN116152272A (zh) | 红外图像压缩方法、装置、存储介质及电子设备 | |
| CN115937045A (zh) | 一种迭代式色阶重建方法 | |
| CN112532938B (zh) | 一种基于大数据技术的视频监控系统 | |
| JP5822739B2 (ja) | 画像処理装置、方法、及びプログラム | |
| CN116977190A (zh) | 图像处理方法、装置、设备、存储介质及程序产品 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201016 Assignee: INFIRAY TECHNOLOGIES CO.,LTD. Assignor: Yantai Airui Photo-Electric Technology Co.,Ltd. Contract record no.: X2024980006380 Denomination of invention: Image dynamic range compression method, device, and computer-readable storage medium Granted publication date: 20231107 License type: Common License Record date: 20240530 |
|
| EE01 | Entry into force of recordation of patent licensing contract |