CN112488968B - 一种分程度直方图均衡融合的图像增强方法 - Google Patents

一种分程度直方图均衡融合的图像增强方法 Download PDF

Info

Publication number
CN112488968B
CN112488968B CN202011472286.5A CN202011472286A CN112488968B CN 112488968 B CN112488968 B CN 112488968B CN 202011472286 A CN202011472286 A CN 202011472286A CN 112488968 B CN112488968 B CN 112488968B
Authority
CN
China
Prior art keywords
image
enhancement
histogram
hist
gray level
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
CN202011472286.5A
Other languages
English (en)
Other versions
CN112488968A (zh
Inventor
戴声奎
陈献志
袁琪
高剑萍
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN202011472286.5A priority Critical patent/CN112488968B/zh
Publication of CN112488968A publication Critical patent/CN112488968A/zh
Application granted granted Critical
Publication of CN112488968B publication Critical patent/CN112488968B/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 by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/94—
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种分程度直方图均衡融合的图像增强方法，包含如下步骤：取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2；将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O。本发明用来克服局部增强计算复杂度大、块效应现象明显等问题，使得局部增强效果简单有效。

Description

一种分程度直方图均衡融合的图像增强方法
技术领域
本发明涉及视频图像增强领域，特别是指一种分程度直方图均衡融合的图像增强方法。
背景技术
直方图均衡(HE)方法是一种经典的图像增强算法，它通过统计学原理，使得增强后图像的直方图趋于均匀分布，从而提高图像的对比度。然而，原图直方图的过小数据会导致增强后的细节丢失，过大数据会导致过度增强，不利于人眼观察。
因此，有人提出基于块的对比度受限直方图均衡算法(CLAHE)，此方法能有效的防止过增强现象，并对局部进行合理增强。但是由于基于子块统计直方图，并由双线性插值方式得到最终结果图，难免会出现块效应现象，同时由于分块局部处理，也产生了大量的计算复杂度。本发明提出一种不同程度直方图均衡融合的图像增强方法，对原图进行不同程度的全局处理再通过融合方式得到最终增强图，该方法具有局部增强的效果，符合人眼视觉感知，同时大大降低了局部处理的计算复杂度。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种分程度直方图均衡融合的图像增强算法，用来克服局部增强计算复杂度大、块效应现象明显等问题，使得局部增强效果简单有效。
本发明采用如下技术方案：
一种分程度直方图均衡融合的图像增强方法，包含如下步骤：
取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；
分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2；
将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；
计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O。
具体地，所述取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist中，所述取输入图像的亮度图I，具体为：
所述亮度图I由RGB转化为非RGB颜色空间后提取的亮度通道的灰度图。
具体地，所述取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist中，具体为：
Hist＝Hist_original/sum(Hist_original)*L；
其中Hist_original为原始统计的直方图，L为直方图非零灰度级数目。
具体地，所述分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2中，具体为：
所述gamma1取值在0～0.5，gamma2取值在0.5～1之间，Hist1接近均匀直方图，Hist2接近原始直方图。
具体地，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述T1根据直方图均衡原理得到，所述T2根据直方图均衡原理得到。
具体地，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述增强图I1由原图经过映射曲线T1映射得到，即I1＝T1(I)；
所述增强图I2由原图经过映射曲线T2映射得到，即I2＝T2(I)。
具体地，所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
直方图Hist的灰度级非零占空比W1：W1＝L/DRange；
其中L为直方图非零灰度级数目，DRange表示整个直方图的动态范围灰度级数目。
具体地，所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
所述最终增强图像O的融合公式为：O＝W1*I1+W2*I2；
其中W2＝1-W1。
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)本发明提出的一种分程度的直方图均衡融合增强方法针对经典方法的缺陷，分别取不同的校正系数对归一化得到的Hist进行校正处理得到校正后的直方图；将经过校正处理后的直方图进行均衡处理，得到对应的映射曲线，并将原图灰度值分别按这两条映射曲线进行映射，得到不同程度的增强图像；计算均值归一化得到的直方图的灰度级非零占空比，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将不同程度增强的图像进行融合，得到最终增强图像O，即是通过全局不同程度的增强再融合的方式，达到局部细节纹理增强的效果，并降低了计算的复杂度，使得方法更具实时性，适合产品化。
附图说明
图1为本发明提供的非线性变换的图像增强方法实现的整体流程图；
图2为本发明方法实施的效果对比图，其中，图2(a)为输入图像，图2(b)为结果图像。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
如图1所示流程，本发明为一种不同程度直方图均衡融合的图像增强方法，包括：统计原图亮度成分直方图；对直方图进行两次不同程度的gamma校正；对两个校正的后的直方图进行均衡增强处理；将不同增强程度的两幅进行融合处理。具体实施方法包括如下步骤：
S1：取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；
具体地，所述取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist中，所述取输入图像的亮度图I，具体为：
所述亮度图I由RGB转化为非RGB颜色空间后提取的亮度通道的灰度图。
取待处理图像的亮度图I，统计其灰度级直方图Hist0，并将其均值归一化为Hist，实施方法为：
Hist＝Hist0/sum(Hist0)*L；
其中Hist_original为原始统计的直方图，L为直方图中非零灰度级数目。
S2：分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2；
具体地，所述分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2中，具体为：
所述gamma1取值在0～0.5，gamma2取值在0.5～1之间，Hist1接近均匀直方图，Hist2接近原始直方图。
分别取范围在0～0.5的gamma1和0.5～1的gamma2对均值归一化后的直方图Hist进行校正处理，依次得到校正后的直方图记为Hist1和Hist2，实施方法为：
Hist1＝Hist^gamma1；
Hist2＝Hist^gamma2；
S3：将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；
具体地，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述T1根据直方图均衡原理得到，所述T2根据直方图均衡原理得到。
具体地，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述增强图I1由原图经过映射曲线T1映射得到，即I1＝T1(I)；
所述增强图I2由原图经过映射曲线T2映射得到，即I2＝T2(I)。
将校正后的直方图进行均衡处理，得到对应映射曲线T1和T2，并由原图灰度值经过这两条映射曲线映射得到较弱增强图I1和较强增强图I2，实施方法为：
T1＝cumsum(Hist1/sum(Hist1))*(Lmax-Lmin+1)+Lmin；
T2＝cumsum(Hist2/sum(Hist2))*(Lmax-Lmin+1)+Lmin；
I1＝T1(I)；
I2＝T2(I)；
其中cumsum(*)为数组累加操作，Lmax为统计直方图范围的最大像素值，Lmin为统计直方图范围的最小像素值。
S4：计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O。
具体地，所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
直方图Hist的灰度级非零占空比W1：W1＝L/DRange；
更具体的为：W1＝L/(Lmax-Lmin+1)；
其中L为直方图非零灰度级数目，DRange表示整个直方图的动态范围灰度级数目；Lmax为统计直方图范围的最大像素值，Lmin为统计直方图范围的最小像素值。
具体地，所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
所述最终增强图像O的融合公式为：O＝W1*I1+W2*I2；
其中W2＝1-W1。
本发明实施例实验图像的增强效果见图2，其中图2(a)为原图，图2(b)为增强结果图。从增强前后对比不难看出，本发明提供的是一种不同程度直方图均衡融合的图像增强方法，通过不同程度的全局均衡增强进行融合，来达到局部增强的效果并且大大降低计算复杂度，既避免图像纹理细节丢失，又避免图像过度增强，更符合人眼的视觉特性。
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 (6)

1.一种分程度直方图均衡融合的图像增强方法，其特征在于，包含如下步骤：
取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；
采用两个不同的参数gamma1和gamma2对归一化得到的Hist进行伽马校正处理得到校正后的直方图Hist1和Hist2；
将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将亮度图I灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；
计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O；
所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
直方图Hist的灰度级非零占空比W1＝L/DRange；
其中L为直方图非零灰度级数目，DRange表示整个直方图的动态范围灰度级数目；
所述计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O，具体为：
所述最终增强图像O的融合公式为：O＝W1*I1+W2*I2；
其中W2＝1-W1。
2.如权利要求1所述的一种分程度直方图均衡融合的图像增强方法，其特征在于，所述取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist中，所述取输入图像的亮度图I，具体为：
所述亮度图I由RGB转化为非RGB颜色空间后提取的亮度通道的灰度图。
3.如权利要求1所述的一种分程度直方图均衡融合的图像增强方法，其特征在于，所述取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist中，具体为：
Hist＝Hist_original/sum(Hist_original)*L；
其中Hist_original为原始统计的直方图，L为直方图非零灰度级数目。
4.如权利要求1所述的一种分程度直方图均衡融合的图像增强方法，其特征在于，所述采用两个不同的参数gamma1和gamma2对归一化得到的Hist进行伽马校正处理得到校正后的直方图Hist1和Hist2中，具体为：
所述gamma1取值在0～0.5，gamma2取值在0.5～1之间。
5.如权利要求1所述的一种分程度直方图均衡融合的图像增强方法，其特征在于，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述T1根据直方图均衡原理得到，所述T2根据直方图均衡原理得到。
6.如权利要求1所述的一种分程度直方图均衡融合的图像增强方法，其特征在于，所述将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2，并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2，具体为：
所述增强图I1由原图经过映射曲线T1映射得到，即I1＝T1(I)；
所述增强图I2由原图经过映射曲线T2映射得到，即I2＝T2(I)。
CN202011472286.5A 2020-12-14 2020-12-14 一种分程度直方图均衡融合的图像增强方法 Active CN112488968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011472286.5A CN112488968B (zh) 2020-12-14 2020-12-14 一种分程度直方图均衡融合的图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011472286.5A CN112488968B (zh) 2020-12-14 2020-12-14 一种分程度直方图均衡融合的图像增强方法

Publications (2)

Publication Number Publication Date
CN112488968A CN112488968A (zh) 2021-03-12
CN112488968B true CN112488968B (zh) 2023-06-20

Family

ID=74918104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011472286.5A Active CN112488968B (zh) 2020-12-14 2020-12-14 一种分程度直方图均衡融合的图像增强方法

Country Status (1)

Country Link
CN (1) CN112488968B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092361B (zh) * 2022-01-20 2022-06-07 浙江芯昇电子技术有限公司 一种优化clahe的图像局部对比度增强方法
CN115115554B (zh) * 2022-08-30 2022-11-04 腾讯科技（深圳）有限公司 基于增强图像的图像处理方法、装置和计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106651818A (zh) * 2016-11-07 2017-05-10 湖南源信光电科技有限公司 基于改进的直方图均衡化低照度图像增强算法
CN111080563A (zh) * 2019-12-13 2020-04-28 华侨大学 一种基于遍历寻优的直方图均衡方法
CN111161163A (zh) * 2019-12-05 2020-05-15 华侨大学 一种直方图双重伽马校正的红外图像对比度增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106651818A (zh) * 2016-11-07 2017-05-10 湖南源信光电科技有限公司 基于改进的直方图均衡化低照度图像增强算法
CN111161163A (zh) * 2019-12-05 2020-05-15 华侨大学 一种直方图双重伽马校正的红外图像对比度增强方法
CN111080563A (zh) * 2019-12-13 2020-04-28 华侨大学 一种基于遍历寻优的直方图均衡方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种直方图均衡插值的图像细节增强方法;徐建东;江苏理工学院学报(02);全文 *
基于最大熵模型的双直方图均衡算法;戴声荃 等;《电子学报》;全文 *
灰度图像的直方图均衡化处理研究;陈永亮;《中国优秀硕士学位论文全文数据库信息科技辑》;全文 *

Also Published As

Publication number Publication date
CN112488968A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
CN103593830B (zh) 一种低照度视频图像增强方法
CN108830800B (zh) 一种暗光场景下图像的亮度提升增强方法
US8295596B1 (en) Adaptive histogram-based video contrast enhancement
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
CN112488968B (zh) 一种分程度直方图均衡融合的图像增强方法
CN109146826A (zh) 一种图像增强方法及装置
KR101499461B1 (ko) 히스토그램 압축을 이용한 히스토그램 평활화 장치
CN107862672B (zh) 图像去雾的方法及装置
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
CN108280836B (zh) 一种图像处理方法及装置
Peng et al. Single image restoration using scene ambient light differential
CN112598612A (zh) 一种基于照度分解的无闪烁暗光视频增强方法及装置
CN110766622A (zh) 基于亮度区分和Gamma平滑的水下图像增强方法
CN112419209B (zh) 一种全局直方图均衡的图像增强方法
CN113781367A (zh) 一种低照度图像直方图均衡后降噪方法
CN111080563B (zh) 一种基于遍历寻优的直方图均衡方法
CN107025641A (zh) 基于对比度分析的图像融合方法
TWI389552B (zh) 影像處理裝置以及影像處理方法
TWI711005B (zh) 影像亮度調整方法及計算機程式產品
CN1664858A (zh) 影像对比加强方法
CN111161165B (zh) 一种基于遍历寻优的图像对比度增强方法
CN114240767A (zh) 一种基于曝光融合的图像宽动态范围处理方法及装置
CN114565543A (zh) 一种基于uv直方图特征的视频色彩增强方法及系统
CN112907470A (zh) 基于Lab色域变换、分类及白平衡的水下图像恢复方法

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