CN112200753B - 一种图像宽动态范围的处理方法 - Google Patents

一种图像宽动态范围的处理方法 Download PDF

Info

Publication number
CN112200753B
CN112200753B CN202011187040.3A CN202011187040A CN112200753B CN 112200753 B CN112200753 B CN 112200753B CN 202011187040 A CN202011187040 A CN 202011187040A CN 112200753 B CN112200753 B CN 112200753B
Authority
CN
China
Prior art keywords
image
value
processing
gray
wide dynamic
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
CN202011187040.3A
Other languages
English (en)
Other versions
CN112200753A (zh
Inventor
李显龙
辜长明
聂林川
俞纯宝
李光辉
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.)
Qingdao Novelbeam Technology Co ltd
Original Assignee
Qingdao Novelbeam Technology Co ltd
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 Qingdao Novelbeam Technology Co ltd filed Critical Qingdao Novelbeam Technology Co ltd
Priority to CN202011187040.3A priority Critical patent/CN112200753B/zh
Publication of CN112200753A publication Critical patent/CN112200753A/zh
Application granted granted Critical
Publication of CN112200753B publication Critical patent/CN112200753B/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)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种图像宽动态范围的处理方法，属于图像处理领域。包括以下步骤：（1）将原始RGB格式图像转换为YUV格式图像并提取原始亮度图像y和色度uv；（2）对y进行高斯滤波，获取低频基层亮度图像yL；（3）将y与yL相减获取高频细节层图像yh；（4）对yL使用受限直方图拉伸法进行拉伸获取高动态基层图像YL；（5）对yh使用宽动态映射法进行处理获取高动态细节层图像YH；（6）将YL与YH相加重构宽动态处理后的亮度图像Y；（7）将宽动态处理后的亮度图像Y与未处理的色度uv合并转换为RGB格式，处理结束；本发明不需要使用多曝光融合，解决了传统宽动态处理算法实时性差，不能实时处理图像的缺点。

Description

一种图像宽动态范围的处理方法
技术领域
本发明涉及图像处理领域，特别是涉及一种图像宽动态范围的处理方法。
背景技术
对于具有较宽光度变化范围的目标场景的图像摄取、处理、显示等，目前被称作“宽动态范围成像技术”，自然界景物照度变化范围大体可跨越10-4lx~104lx的数量级，对应动态范围区间为108:1。普通摄像头同一画面中亮区和暗区照度比小于一千时能同时看清亮区和暗区,而宽动态摄像头亮区和暗区照度比可达一百万倍，对应动态范围为120db左右。
传统扩展图像动态范围的方法大多采用多曝光融合方法。需要搜集大量数据拟合相机响应函数曲线，并且融合需要存储多张图片，根据细节或者融合权重融合形成一幅宽动态范围图片，此方法需要对同一图像进行多次拍摄，实时性较差，处理不了实时性要求较高的场合。
发明内容
针对多曝光融合方法实时性较差，处理不了实时性要求较高场合的缺点，本发明提供一种图像宽动态范围的处理方法，能够有效的扩展图像的动态范围，不需要使用多曝光图像融合，可在提升图像动态范围同时对图像细节保护更好。
针对多曝光融合方法实时性较差，处理不了实时性要求较高场合的缺点，本发明提供一种图像宽动态范围的处理方法，能够有效的扩展图像的动态范围，不需要使用多曝光图像融合，可在提升图像动态范围同时对图像细节保护更好。
本发明提供一种图像动态范围的处理方法，其特征在于，包括以下步骤：
步骤S1：将原始图像数据进行色域空间转换，将RGB色域空间数据转换为YUV色域空间数据，获取原图的亮度图像y以及原图的色度uv，其中，转换算法根据RGB图像位数可划分为8位、10位或12位不同的转换算法，不同算法对应转换系数不同。
步骤S2：对y进行高斯滤波，获取低频基层部分亮度图像yL。
步骤S3：将y与yL进行相减获取高频细节层亮度图像yh，即yh=y-yl，并判断yh是否小于0，若小于0则将yh赋值为0。
步骤S4：对yL使用受限直方图拉伸法做直方图统计并且对直方图进行拉伸，获取动态范围扩展后的低频基层亮度图像YL。
具体的，所述的受限直方图拉伸法通过以下具体步骤加以说明：
步骤S41：首先进行直方图统计计算，规定灰度为i的统计结果为H(i)。
步骤S42：计算直方图统计结果Sum(k)，定义如下：
Figure RE-927575DEST_PATH_IMAGE001
。
步骤S43：设定两个直方图统计数据阈值Thr_L和Thr_H，则阈值Thr_L对应的灰度值为Yhr_A，阈值Thr_H对应的灰度值为Yhr_B，其中 Yhr_A和Yhr_B的定义为：
Figure RE-859759DEST_PATH_IMAGE002
Figure RE-141835DEST_PATH_IMAGE003
其中，i代表图像灰度值，取值范围为[n~m]，n代表图像灰度值最小值，m代表图像灰度值最大值，k为符合条件的灰度值。
步骤S44：遍历直方图统计数据，对处在阶段外区间的像素进行处理，灰度值Y小于Yhr_A的左侧空间赋最小值n，灰度值Y大于Yhr_B的右侧区间赋最大值m。位于Yhr_A和Yhr_B区间内的按照线性拉伸，计算公式如下：
Figure RE-607190DEST_PATH_IMAGE004
。
步骤S5：对yh使用宽动态映射法进行处理获取高频细节层亮度图像YH，所述宽动态映射法公式如下所示：
Figure RE-582099DEST_PATH_IMAGE005
其中m，e为控制参数，
YH为映射后亮度值，
Y为映射前亮度值。
步骤S6：将YL和YH进行相加得到处理后的亮度图像Ynew，即Ynew = YL+YH，并对Ynew进行阈值判断，若Ynew超过亮度最大值则赋最大值。
步骤S7：将亮度图像Ynew与原图色度uv组合，得到宽动态处理后YUV图像，再将YUV色域空间转换到RGB色域空间，得到高动态范围的RGB图像，图像处理结束，其中YUV转换为RGB的算法公式根据灰度图像位数可划分为8位、10位或12位不同的转换算法，相同位数的转换算法需配套使用。
进一步的，步骤S1所述的RGB转YUV算法，不同位数的转换算法对应系数不同。
进一步地，步骤S2中所述的高斯滤波具体算法为：通过矩阵模板并扫描图像中的每一个像素，用模板确定的邻域像素的加权平均灰度值去替代模板中心像素点的值，其中矩阵模板大小通常为(2N+1)*(2N+1) ，N为正整数，优选N值为1，2，3。
进一步的，步骤S4中所述图像直方图为一种图像亮度数据统计方法，即统计图像中每个亮度值对应的像素数量。
步骤S43和S44所述的灰度最小值n为0，灰度最大值m根据灰度图像位数b进行赋值，即m=2^b-1。
步骤S5中所述m取值范围为0~1，e的取值范围为0~5。
进一步的，步骤S7所述的YUV转RGB公式，不同位数转换算法对应系数不同。
本发明通过提供一种图像宽动态的处理方法，将RGB图像转为YUV格式后获取灰度图像y和色度uv，将灰度图像y经高斯滤波分解出低频基层图像yL和高频细节层图像yh，，使用受限直方图拉伸法对yL进行处理获取低频细节层亮度图像YL，通过对yh使用宽动态映射法进行处理获取高频细节层亮度图像YH，将YL和YH相加与uv组合成处理后的YUV格式图像并转换为RGB完成处理，通过此方法的处理不仅提升了图像动态范围，而且能够提高图像处理的实时性，满足实时性要求高的场合图像处理要求。
附图说明
图1是根据本发明实施的一种高清视频宽动态处理方法流程图。
具体实施方式
为更清晰的表达本发明的目的、技术方案和有益效果，以下结合具体实施实例，并参照附图，对本发明进一步详细说明。
一种图像宽动态范围的处理方法在保证动态范围扩宽的基础上保证图像细节的方法，在36位图像深度的RGB图像处理过程中，对整个宽动态处理算法进行实施，得到动态范围扩展后的图像，同时图像细节也得以保证，本实施实例具有与发明内容完全相同的步骤，为避免重复，仅罗列关键数据。
具体的，步骤1中所述RGB转YUV算法公式采用12位，具体公式为：
Figure RE-736000DEST_PATH_IMAGE006
。
具体的，步骤2使用3*3矩阵运算模板，通过对3*3模板每个像素乘高斯系数加权平 均完成高斯滤波，所述高斯滤波系数为：
0.102 0.754 0.102
0.754 5.574 0.754
0.102 0.754 0.102
具体的，步骤5为所述的宽动态映射拉伸公式如下：
Figure RE-87347DEST_PATH_IMAGE005
。
其中m取0.54，e取2.35，
具体的，步骤7中所述RGB转YUV算法公式与步骤一RGB转YUV公式对应，也采用12位，具体公式为：
Figure RE-908672DEST_PATH_IMAGE007
。
本实施例的一种图像宽动态范围处理方法，将RGB图像转为YUV格式后获取灰度图像y和色度uv，将灰度图像y经高斯滤波分解出低频基层图像yL和高频细节层图像yh，，使用受限直方图拉伸法对yL进行处理获取低频细节层亮度图像YL，通过对yh使用宽动态映射法进行处理获取高频细节层亮度图像YH，将YL和YH相加与uv组合成处理后的YUV格式图像并转换为RGB完成处理，本处理方法与传统的宽动态处理算法相比，不需要多曝光图像融合即可实现整个宽动态处理，能够保证每帧图像输出前做好宽动态处理，大大提高了宽动态处理的实时性，同时对图像质量和细节有一定的提升。

Claims (6)

1.一种图像宽动态范围的处理方法，其特征在于，包括以下步骤，
步骤S1：将低动态范围高清视频数据进行色域空间转换，将RGB色域空间数据转换为YUV色域空间数据，获取原图的亮度图像y以及原图色度uv；
步骤S2：对y进行高斯滤波，获取低频基层部分亮度图像yL；
步骤S3：将y与yL进行相减获取高频细节层亮度图像yh,即yh=y-yL,并判断yh是否小于0，若小于0则将yh赋值为0；
步骤S4：对yL使用受限直方图拉伸法进行直方图统计并且对直方图进行拉伸，获取动态范围扩展后的低频基层亮度图像YL；
其中,所述的受限直方图拉伸法通过以下具体步骤加以说明：
步骤S41：首先进行直方图统计计算，规定灰度为i的统计结果为H(i) ；
步骤S42：计算直方图统计结果Sum(k)，定义如下：
Figure 55050DEST_PATH_IMAGE001
；
步骤S43：设定两个直方图统计数据阈值Thr_L和Thr_H，则阈值Thr_L对应的灰度值为Yhr_A，阈值Thr_H对应的灰度值为Yhr_B，其中Yhr_A和Yhr_B的定义为：
Figure 519661DEST_PATH_IMAGE002
Figure 158452DEST_PATH_IMAGE003
其中，i代表图像灰度值，取值范围为[n~m]，n代表图像灰度值最小值，m代表图像灰度值最大值，k为符合条件的灰度值；
步骤S44：遍历直方图统计数据，对处在阶段外区间的像素进行处理，灰度值Y小于Yhr_A的左侧空间赋最小值n，灰度值Y大于Yhr_B的右侧区间赋最大值m；
位于Yhr_A和Yhr_B区间内的按照线性拉伸，计算公式如下：
Figure 357922DEST_PATH_IMAGE004
步骤S5：对yh使用宽动态映射法进行处理获取高频细节层亮度图像YH，其中，所述的宽动态映射法采用的宽动态映射公式为：
Figure 969032DEST_PATH_IMAGE005
式中m，e为控制参数， YH为映射后亮度值， Y为映射前亮度值；
步骤S6：将YL和YH进行相加得到处理后的亮度图像Ynew，即Ynew = YL+YH，并对Ynew进行阈值判断，若Ynew超过亮度最大值则赋亮度最大值；
步骤S7：将亮度图像Ynew与原图色度uv组合，得到宽动态处理后YUV图像，再将YUV色域空间转换到RGB色域空间，得到高动态范围的RGB图像，图像处理结束。
2.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于步骤S1所述的RGB转YUV算法可分为8位、10位或12位算法，不同位数的转换算法对应系数不同。
3.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于步骤S2所述的高斯滤波是通过矩阵模板扫描图像中的每一个像素，用矩阵模板确定的邻域像素的加权平均灰度值去替代模板中心像素点的值替代模板中心像素点的值，其中矩阵模板大小为(2N+1)*(2N+1) ，N为正整数。
4.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于所述步骤S4中所述直方图统计为一种图像亮度数据统计方法，即统计图像中每个亮度值对应的像素数量。
5.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于步骤S43中的图像灰度值最小值n为0，图像灰度值最大值m根据灰度图像位数b进行赋值，即m=2^b-1。
6.根据权利要求1所述的一种图像宽动态范围的处理方法，其特征在于步骤S7所述的YUV转RGB公式根据灰度图像位数可划分为8位、10位或12位不同的转换算法，并且需与RGB转YUV公式配套使用。
CN202011187040.3A 2020-10-30 2020-10-30 一种图像宽动态范围的处理方法 Active CN112200753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011187040.3A CN112200753B (zh) 2020-10-30 2020-10-30 一种图像宽动态范围的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011187040.3A CN112200753B (zh) 2020-10-30 2020-10-30 一种图像宽动态范围的处理方法

Publications (2)

Publication Number Publication Date
CN112200753A CN112200753A (zh) 2021-01-08
CN112200753B true CN112200753B (zh) 2023-02-10

Family

ID=74012064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011187040.3A Active CN112200753B (zh) 2020-10-30 2020-10-30 一种图像宽动态范围的处理方法

Country Status (1)

Country Link
CN (1) CN112200753B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114466244B (zh) * 2022-01-26 2024-06-18 新奥特（北京）视频技术有限公司 一种超高清高动态范围成像渲染方法和装置
CN118015474B (zh) * 2024-04-08 2024-06-21 北京理工大学 面向高位宽航天侦察影像情报分析的数据智能重量化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010147895A (ja) * 2008-12-19 2010-07-01 Seiko Epson Corp 画像処理装置、集積回路装置及び電子機器
CN103002291A (zh) * 2012-12-06 2013-03-27 杭州藏愚科技有限公司 一种摄像机宽动态图像增强方法及装置
JP2018026794A (ja) * 2016-08-01 2018-02-15 株式会社リコー 画像処理装置、画像投影装置、及び画像処理方法
CN110365914A (zh) * 2019-07-24 2019-10-22 中国人民解放军国防科技大学 一种图像动态范围展宽方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102234092B1 (ko) * 2013-12-27 2021-04-01 인터디지털 매디슨 페턴트 홀딩스 에스에이에스 이미지의 역 톤 매핑을 위한 방법
CN108027961B (zh) * 2015-08-31 2021-11-23 交互数字麦迪逊专利控股公司 用于从数字图像提供扩展的动态范围图像的方法和装置
CN106960427A (zh) * 2016-01-11 2017-07-18 中兴通讯股份有限公司 二维码图像处理的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010147895A (ja) * 2008-12-19 2010-07-01 Seiko Epson Corp 画像処理装置、集積回路装置及び電子機器
CN103002291A (zh) * 2012-12-06 2013-03-27 杭州藏愚科技有限公司 一种摄像机宽动态图像增强方法及装置
JP2018026794A (ja) * 2016-08-01 2018-02-15 株式会社リコー 画像処理装置、画像投影装置、及び画像処理方法
CN110365914A (zh) * 2019-07-24 2019-10-22 中国人民解放军国防科技大学 一种图像动态范围展宽方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
一种改进的基于频域的红外图像细节增强方法;刘洁等;《云南师范大学学报(自然科学版)》;20200115(第01期);全文 *
一种自适应提升视频图像对比度的算法;袁野;《电视技术》;20130902(第17期);全文 *
亮度保持和细节增强的红外图像增强方法;凡遵林等;《中南大学学报(自然科学版)》;20160626(第06期);全文 *
基于亮度分区模糊融合的高动态范围成像算法;刘颖等;《计算机应用》;20200110(第01期);全文 *
直方图重建图像细节增强算法;依玉峰等;《计算机工程与应用》;20170701(第13期);全文 *

Also Published As

Publication number Publication date
CN112200753A (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN110047051B (zh) 一种非均匀照明彩色图像增强方法
US9538093B2 (en) Forming high-dynamic-range (HDR) images using single-channel data
CN106504212A (zh) 一种改进的hsi空间信息低照度彩色图像增强算法
CN107680056B (zh) 一种图像处理方法及装置
CN112200753B (zh) 一种图像宽动态范围的处理方法
CN111163268B (zh) 一种图像处理方法、装置以及计算机存储介质
US20090091661A1 (en) Video Auto Enhancing Algorithm
CN1753506A (zh) Cmos图像实时增强预处理实现方法
CN110113510B (zh) 一种实时视频图像增强方法和高速相机系统
US7986351B2 (en) Luma adaptation for digital image processing
CN108154492B (zh) 一种基于非局部均值滤波的图像去雾霾方法
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN105184757B (zh) 基于颜色空间特点的食物图像色彩增强方法
CN113129391A (zh) 基于多曝光图像特征分布权重的多曝光融合方法
CN114463207B (zh) 基于全局动态范围压缩与局部亮度估计的色阶映射方法
CN104463806B (zh) 基于数据驱动技术的高度自适应图像对比度增强方法
CN110580690B (zh) 一种识别峰值变换非线性曲线的图像增强方法
CN111489333A (zh) 一种无参考夜间自然图像质量评价方法
CN109493289B (zh) 一种具有亮度及饱和度双重非线性图像增强方法
CN114037641A (zh) 一种低照度图像增强方法、装置、设备及介质
CN106846234B (zh) 一种基于fpga的图像视频增强方法、系统及设备
CN116245760A (zh) 一种基于伪hdr图像生成的低质ldr图像增强方法
Takeuchi et al. A gamut-extension method considering color information restoration using convolutional neural networks
CN114549386A (zh) 一种基于自适应光照一致性的多曝光图像融合方法
You et al. CNN-Based Local Tone Mapping in the Perceptual Quantization Domain

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