CN112819838B - 图像增强方法、电子装置和存储介质 - Google Patents
图像增强方法、电子装置和存储介质 Download PDFInfo
- Publication number
- CN112819838B CN112819838B CN202110420808.5A CN202110420808A CN112819838B CN 112819838 B CN112819838 B CN 112819838B CN 202110420808 A CN202110420808 A CN 202110420808A CN 112819838 B CN112819838 B CN 112819838B
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- block
- block image
- conversion coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000006243 chemical reaction Methods 0.000 claims abstract description 191
- 238000010606 normalization Methods 0.000 claims abstract description 117
- 230000009466 transformation Effects 0.000 claims abstract description 92
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000000638 solvent extraction Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 52
- 238000013507 mapping Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 14
- 230000001965 increasing effect Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000000903 blocking effect Effects 0.000 description 8
- 238000002360 preparation method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000003706 image smoothing Methods 0.000 description 4
- 230000004438 eyesight Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像增强方法、电子装置和存储介质,其中,该图像增强方法包括:获取初始图像,将初始图像进行分块,得到两个以上第一子块图像,获取各第一子块图像的各第一亮度值,获取初始图像中的目标区域,将目标区域的亮度值作为归一化基数,当第一亮度值小于或等于归一化基数,采用第一计算关系并至少利用归一化基数和第一亮度值,确定第一转化系数,对于第一亮度值大于归一化基数,采用第二计算关系并至少利用归一化基数、初始图像的位宽和第一亮度值,确定第一转化系数,根据各第一转化系数对相应的各第一子块图像进行灰度变换,通过本申请,解决了目标区域画面失真的问题,实现了各第一子块图像中暗区和亮区的对比度增强。
Description
技术领域
本申请涉及计算机视觉领域,特别是涉及图像增强方法、电子装置和存储介质。
背景技术
在图像信号处理(Image Signal Processing,ISP)中,原始图像在经过多级滤波处理之后,图像一般会出现对比度降低的问题,给人的感觉像是图像被蒙上一层纱,严重影响图像的视觉效果。图像对比度增强处理的作用就在于增大图像的对比度,以使图像细节清晰可辨,改善图像的视觉效果,使处理后的图像更适合于人眼的观察判断或计算机分析处理,在图像增强技术中占有重要地位。
现有的对比度增强方法主要有直方图均衡法、灰度变化法和反锐化掩模法,现有的这几种对比度增强方法主要是对整幅图像的对比度进行增强,而未考虑目标区域,容易导致目标区域画面失真。
针对相关技术中在对整幅图像进行对比度增强时,产生目标区域画面失真的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种图像增强方法、电子装置和存储介质,以解决相关技术中目标区域画面失真的问题。
第一个方面,在本实施例中提供了一种图像增强方法,所述方法包括:
获取初始图像;
将所述初始图像进行分块,得到两个以上第一子块图像,获取表征各所述第一子块图像亮度情况的各第一亮度值;
对所述初始图像中的待检测目标进行识别,得到所述初始图像中的目标区域,将表征所述目标区域亮度情况的亮度值作为归一化基数;
在各所述第一子块图像中,对于对应的第一亮度值小于或等于所述归一化基数的第一子块图像,采用第一计算关系并至少利用所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定所述第一子块图像相应的第一转化系数;对于对应的第一亮度值大于所述归一化基数的第一子块图像,采用第二计算关系并至少利用所述归一化基数、所述初始图像的位宽和所述第一子块图像对应的所述第一亮度值,确定所述第一子块图像相应的第一转化系数;
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换。
在其中的一些实施例中,采用第一计算关系并至少利用所述归一化基数和所述第一子块图像对应的第一亮度值,确定所述第一子块图像相应的第一转化系数包括:
根据所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定第一比值;
将所述第一比值的第一常数倍确定为所述第一子块图像相应的第一转化系数。
在其中的一些实施例中,采用第二计算关系并至少利用所述归一化基数、所述初始图像的位宽和所述第一子块图像对应的第一亮度值,确定所述第一子块图像相应的第一转化系数包括:
根据所述初始图像的位宽,确定所述初始图像的最大灰度值;
根据所述最大灰度值和所述归一化基数,确定第二转化系数;
根据所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定第一比值;
根据所述第二转化系数和所述第一比值确定所述第一转化系数。
在其中的一些实施例中,根据所述第二转化系数和所述第一比值确定所述第一转化系数之后包括:
基于幂函数,确定第一映射函数;
根据所述第一映射函数,将所述第一转化系数映射至[-A,A]的范围内,其中,A为正数;
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:根据映射后的所述第一转化系数对相应的所述第一子块图像进行灰度变换。
在其中的一些实施例中,将所述初始图像进行分块,得到两个以上第一子块图像包括:
对所述初始图像进行分块,得到M×M块第二子块图像,获取表征各第二子块图像亮度情况的各第二亮度值;
根据各第二亮度值,确定M×M块第二子块图像中处于亮暗边界的第三子块图像;
对第三子块图像进行分块,得到P×P块第四子块图像,获取表征各第四子块图像亮度情况的各第三亮度值;
根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像,其中,M≥P;
根据高斯函数对所述第五子块图像进行平滑处理,得到处理后的初始图像;对所述处理后的初始图像进行分块,得到两个以上所述第一子块图像。
在其中的一些实施例中,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像包括:
根据当前第四子块图像对应的所述第三亮度值和各周围亮度值,计算当前第四子块图像与周围区域的亮度差,其中,所述各周围亮度值分别为与当前第四子块图像相邻的各周围第四子块图像对应的所述第三亮度值;
判断所述亮度差是否大于第一阈值,若是,当前第四子块图像为处于亮暗边界的第五子块图像。
在其中的一些实施例中,将所述初始图像进行分块,得到两个以上第一子块图像包括:将所述初始图像进行分块,得到N个第一子块图像,N≥3;
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:
将N个第一子块图像划分为第一部分和第二部分,所述第一部分包括S个第一子块图像,所述第二部分包括Q个第一子块图像,S+Q=N且S≥2;
对于属于所述第一部分的各第一子块图像,根据相应的第一转化系数对各第一子块图像进行灰度变换,并得到各第一子块图像对应的各第一灰度曲线;
对于属于所述第二部分的各第一子块图像,将当前第一子块图像相应的当前第一转化系数和属于所述第一部分的各第一子块图像相应的各第一转化系数进行比较,确定与所述当前第一转化系数相邻的两个第一转化系数,其中,所述相邻的两个第一转化系数中一者在小于所述当前第一转化系数的一侧与所述当前第一转化系数最接近,另一者在大于所述当前第一转化系数的一侧与所述当前第一转化系数最接近;
对所述相邻的两个第一转化系数对应的两条第一灰度曲线进行插值,得到第二灰度曲线;
根据第二灰度曲线对当前第一子块图像进行灰度变换。
在其中的一些实施例中,根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:
基于对数函数,确定第一转换函数;
根据所述第一转换函数和各所述第一转化系数,对相应的各所述第一子块图像进行灰度变换。
在其中的一些实施例中,获取表征各第一子块图像亮度情况的各第一亮度值包括:
获取所述第一子块图像的顶点坐标,根据所述顶点坐标确定顶点的左上角区域;
对所述顶点的左上角区域内的像素值进行叠加,得到所述顶点的左上角区域的亮度值;
根据所述顶点的左上角区域的亮度值,计算所述第一子块图像的第一亮度值。
在其中的一些实施例中,将表征所述目标区域亮度情况的亮度值作为归一化基数包括:
在各所述第一子块图像中确定位于所述目标区域内的第一子块图像;
根据位于所述目标区域内的第一子块图像对应的第一亮度值,确定表征所述目标区域亮度情况的亮度值并作为所述归一化基数。
第二个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的图像增强方法。
第三个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的图像增强方法。
与相关技术相比,在本实施例中提供的图像增强方法、电子装置和存储介质,通过将所述初始图像进行分块,得到两个以上第一子块图像,获取表征各第一子块图像亮度情况的各第一亮度值;对所述初始图像中的待检测目标进行识别,得到所述初始图像中的目标区域,将表征所述目标区域亮度情况的亮度值作为归一化基数;在所述第一子块图像对应的第一亮度值小于或等于所述归一化基数的情况下,根据所述第一亮度值和所述归一化基数,确定各所述第一子块图像对应的各第一转化系数;在所述第一子块图像对应的第一亮度值大于所述归一化基数的情况下,根据所述第一亮度值、所述归一化基数和所述初始图像的位宽,确定各所述第一子块图像对应的各第一转化系数;根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换;实现了图像的对比度增强,当第一子块图像对应的第一亮度值大于归一化基数时,能够增加第一子块图像中的亮区对比度,在第一亮度值远大于归一化基数的情况下,仅考虑第一亮度值和归一化基数来对第一子块图像的对比度进行调节,第一子块图像会出现失真,因此,需要考虑初始图像的位宽,使各第一转化系数的大小在合适的范围内,当第一子块图像对应的第一亮度值小于归一化基数时,能够增加第一子块图像中的暗区对比度,此情况下,基于第一亮度值和归一化基数对第一子块图像的对比度进行调节时,不会出现图像失真,因此,无需考虑初始图像的位宽,当第一子块图像对应的第一亮度值等于归一化基数时,说明第一子块图像是待检测目标所在的区域,对第一子块图像的灰度进行恒等变换,从而能够保留待检测目标真实的边缘和细节特征,另外,在调整非目标区域的对比度时,不会对目标区域的对比度造成影响,解决了在调节整幅画面的对比度时,目标区域画面失真的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的图像增强方法的应用终端的硬件结构框图;
图2是根据本申请实施例的一种图像增强方法的流程图;
图3是根据本申请实施例的第一映射曲线的示意图;
图4是根据本申请实施例的图像平滑方法的流程图;
图5是根据本申请实施例的第一灰度曲线的示意图;
图6是根据本申请实施例的第一子块图像的示意图;
图7是根据本申请实施例的再一种图像增强方法的流程图;
图8是根据本申请实施例的又一种图像增强方法的流程图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是根据本申请实施例的图像增强方法的应用终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的图像增强方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图像增强方法,图2是根据本申请实施例的一种图像增强方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取初始图像。
步骤S202,将初始图像进行分块,得到两个以上第一子块图像,获取表征各第一子块图像亮度情况的各第一亮度值。
在本实施例中,获取第一子块图像中各像素的亮度值,根据第一子块图像中各像素的亮度值确定第一子块图像的第一亮度值,第一亮度值为亮度均值或亮度中值,在第一亮度值为亮度中值的情况下,获取第一子块图像中各像素的亮度值,根据各像素亮度值的大小,将第一子块图像中的各像素进行排序,当第一子块的像素个数为奇数时,将中间位置处的像素亮度值作为第一子块图像的亮度中值,当第一子块的像素个数为偶数时,将中间位置处两个像素的亮度平均值作为第一子块图像的亮度中值。
步骤S203,对初始图像中的待检测目标进行识别,得到初始图像中的目标区域,将表征目标区域亮度情况的亮度值作为归一化基数。
在本实施例中,基于深度学习对初始图像中的待检测目标进行识别,得到待检测目标在初始图像中的所在区域,将待检测目标在初始图像中的所在区域作为目标区域,待检测目标包括人脸、车牌和路标,但不限于上述几种,根据目标区域中的各像素的亮度值确定目标区域的亮度值,归一化基数为亮度均值或亮度中值,在第一亮度值为亮度均值的情况下,获取目标区域中各像素的亮度值,根据各像素的亮度值,计算目标区域中所有像素的亮度均值,将目标区域中所有像素的亮度均值作为目标区域的亮度值。
步骤S204,在各第一子块图像中,对于对应的第一亮度值小于或等于归一化基数的第一子块图像,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数。
在本实施例中,在第一子块图像对应的第一亮度值小于或等于归一化基数的情况下,根据第一亮度值、归一化系数基数和第一计算关系,确定各第一子块图像相应的第一转化系数,比如,第一亮度值为亮度中值,归一化基数为目标区域的亮度中值,第一子块图像对应的亮度中值为50,归一化基数为50,说明第一子块图像为目标区域,第一子块图像对应的亮度中值保持不变,以保证目标区域图像的真实性,第一子块图像亮度为20,归一化基数为40,说明第一子块图像的亮度小于目标区域的亮度,第一子块图像处于初始图像中的较暗区域,该第一子块图像的暗区细节不明显,通过第一转化系数对第一子块图像中的对比度进行调节,增加第一子块图像中的暗区对比度。
步骤S205,对于对应的第一亮度值大于归一化基数的第一子块图像,采用第二计算关系并至少利用归一化基数、初始图像的位宽和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数。
在本实施例中,在第一子块图像对应的第一亮度值大于归一化基数的情况下,说明第一子块图像处于初始图像中较亮的区域,该第一子块图像中的亮区细节不明显,需要通过第一转化系数增加第一子块图像中亮区对比度,如果仅根据第一亮度值、归一化基数和第二计算关系来确定各第一子块图像相应的各第一转化系数,会出现局部图像失真的情况,比如,第一亮度值为250,归一化基数为10,第一亮度值与归一化基数之间相差大,如果仅根据第一亮度值、归一化基数和第二计算关系来确定第一转化系数会不合理,会使灰度变换后的第一子块图像出现失真,因此,确定第一转化系数时需要考虑图像的位宽,从而可以将第一转化系数映射到合适的范围内。
步骤S206,根据各第一转化系数对相应的各第一子块图像进行灰度变换。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。例如,步骤S204与步骤S205之间可以互换。
在本实施例中,在第一子块图像对应的第一亮度值小于归一化基数的情况下,根据第一转化系数对各第一子块图像进行灰度变换,增加了第一子块图像中的暗区对比度。
在第一子块图像对应的第一亮度值等于归一化基数的情况下,对各第一子块图像的灰度进行恒等变换,以保证待检测目标的真实性,假设待检测的目标为人脸,在判断当前第一子块图像为人脸所在的画面时,为了保证人脸的真实性,不对人脸所在的区域进行灰度变换,比如在视频会议领域中,会议相机实时记录会议情况,需要通过拍摄的人脸来辨别各参会人员,此时,需要保证拍摄人脸的真实性,不对人脸所在的区域进行灰度变换,对非人脸所在第一子块图像中进行灰度变换,以增加非人脸所在区域的对比度,另外,在智能交通领域中,道路监控相机在判断有司机违规时,抓拍司机的人脸图像作为后续惩戒的证据,此时,需要保证抓拍人脸的真实性,不对人脸所在的区域进行灰度变换,对非人脸所在第一子块图像中进行灰度变换,以增加非人脸所在区域的对比度。
在第一子块图像对应的第一亮度值大于归一化基数的情况下,根据第一转化系数对各第一子块图像进行灰度变换,增加了第一子块图像中的亮区对比度。
通过上述步骤,对初始图像进行分块,得到两个以上的第一子块图像,获取表征各第一子块图像亮度情况的各第一亮度值,对初始图像中的待检测目标进行识别,得到初始图像中的目标区域,将表征目标区域亮度情况的亮度值作为归一化基数,在第一子块图像对应的第一亮度值小于或等于归一化基数的情况下,根据第一亮度值和归一化基数,确定各第一子块图像对应的各第一转化系数,在第一子块图像对应的第一亮度值大于归一化基数的情况下,根据第一亮度值、归一化基数和初始图像的位宽,确定各第一子块图像对应的各第一转化系数,实现了各第一子块图像中暗区和亮区的对比度增强,当第一子块图像对应的第一亮度值大于归一化基数时,能够增加第一子块图像中的亮区对比度,在第一亮度值远大于归一化基数的情况下,仅考虑第一亮度值和归一化基数来对第一子块图像的对比度进行调节,第一子块图像会出现失真,因此,需要考虑初始图像的位宽,使各第一转化系数的大小在合适的范围内,当第一子块图像对应的第一亮度值小于归一化基数时,能够增加第一子块图像中的暗区对比度,此情况下,基于第一亮度值和归一化基数对第一子块图像的对比度进行调节时,不会出现图像失真,因此,无需考虑初始图像的位宽,当第一子块图像对应的第一亮度值等于归一化基数时,说明第一子块图像是待检测目标所在的区域,对第一子块图像的灰度进行恒等变换,从而能够保留待检测目标真实的边缘和细节特征,另外,在调整非目标区域的对比度时,不会对目标区域的对比度造成影响,解决了在调节整幅画面的对比度时,目标区域画面失真的问题。
在其中的一些实施例中,步骤S204,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数包括如下步骤:
步骤S2040,根据归一化基数和第一子块图像对应的第一亮度值,确定第一比值。
在本实施例中,第一亮度值为亮度均值或亮度中值,在第一亮度值小于或等于归一化基数的情况下,第一亮度值与归一化基数的比值小于或等于1。
步骤S2041,将第一比值的第一常数倍确定为第一子块图像相应的第一转化系数。
在本实施例中,第一比值小于或等于1,第一常数倍的范围为(0,1],将第一比值与第一常数倍相乘,得到第一转化系数的范围为(0,1],在这种情况下,第一转化系数在合适的范围内,无需通过图像的位宽将第一转化系数映射至合适的范围内。
通过上述步骤,根据第一亮度值与归一化基数的比值确定第一转化系数,为后续根据第一转化系数对第一子块图像进行灰度变换做准备。
在其中的一些实施例中,步骤S204,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数还包括:
第一亮度值为第一子块图像的亮度均值,归一化基数为目标区域的亮度均值,根据第一子块图像的亮度均值和目标区域的亮度均值,确定第一比值,将第一比值的第二常数倍确定为第一子块图像相应的第一转化系数。
通过上述方式,根据第一子块图像的亮度均值与目标区域的亮度均值的比值确定第一转化系数,为后续根据第一转化系数对第一子块图像进行灰度变换做准备。
在其中的一些实施例中,步骤S204,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数还包括:
第一亮度值为第一子块图像的亮度均值,归一化基数为目标区域的亮度中值,根据第一子块图像的亮度均值和目标区域的亮度中值,确定第一比值,将第一比值的第三常数倍确定为第一子块图像相应的第一转化系数。
通过上述方式,根据第一子块图像的亮度均值与目标区域的亮度中值的比值确定第一转化系数,为后续根据第一转化系数对第一子块图像进行灰度变换做准备。
在其中的一些实施例中,步骤S204,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数还包括:
第一亮度值为第一子块图像的亮度中值,归一化基数为目标区域的亮度中值,根据第一子块图像的亮度中值和目标区域的亮度中值,确定第一比值,将第一比值的第四常数倍确定为第一子块图像相应的第一转化系数。
通过上述方式,根据第一子块图像的亮度中值与目标区域的亮度中值的比值确定第一转化系数,为后续根据第一转化系数对第一子块图像进行灰度变换做准备。
在其中的一些实施例中,步骤S204,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数还包括:
第一亮度值为第一子块图像的亮度中值,归一化基数为目标区域的亮度均值,根据第一子块图像的亮度中值和目标区域的亮度均值,确定第一比值,将第一比值的第五常数倍确定为第一子块图像相应的第一转化系数。
通过上述方式,根据第一子块图像的亮度中值与目标区域的亮度均值的比值确定第一转化系数,为后续根据第一转化系数对第一子块图像进行灰度变换做准备。
在其中的一些实施例中,步骤S205,采用第二计算关系并至少利用归一化基数、初始图像的位宽和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数包括如下步骤:
步骤S2050,根据初始图像的位宽,确定初始图像的最大灰度值。
在本实施例中,假如图像的位宽为8,则初始图像的最大灰度值为28。
步骤S2051,根据最大灰度值和归一化基数,确定第二转化系数。
在本实施例中,第二转化系数是第一比值的上限。
步骤S2052,根据归一化基数和对应的第一亮度值,确定第一比值。
步骤S2053,根据第二转化系数和第一比值确定第一转化系数。
在本实施例中,根据第一比值的上限和当前第一子块图像对应的第一亮度值与归一化基数的比值,确定第一转化系数,比如,初始图像的最大灰度值为256,当前第一子块图像对应的第一亮度值为200,归一化基数为20,则当前子块图像对应的第一比值为10,根据第一比值10确定的第一转化系数为10,根据第一转化系数10对当前子块图像的灰度进行变换,会使当前第一子块图像出现失真,因此,考虑初始图像的位数,最大灰度值256与归一化基数20的比值为12.8,即第二转化系数为12.8,第一比值10与第二转化系数12.8的比值为0.8,通过第二转化系数12.8和第一比值10确定的第一转化系数在[0,1]的范围内。
通过上述步骤,根据初始图像的位宽确定当前子块图像的最大灰度值,根据最大灰度值确定第一比值的上限,根据第一比值的上限和当前第一子块图像对应的第一比值,确定第一转化系数,并将第一转化系数映射至合适的范围内,为后续根据第一转化系数对第一子块图像进行灰度变换做准备,解决了当前第一子块图像出现失真的问题。
在其中的一些实施例中,根据第二转化系数和第一比值确定第一转化系数之后包括:
基于幂函数,确定第一映射函数,图3是根据本申请实施例的第一映射曲线的示意图,图3是A为0.5时,得到的第一映射曲线,根据第一映射曲线可以得到经第一映射函数转化前后的第一转化系数,图3的横坐标为第一转化系数转化前对应的值,纵坐标为第一转化系数转化后对应的值,根据第一映射函数,将第一转化系数映射至[-A,A]的范围内,其中,A为正数,当第一转化系数所在范围为[-A,0),第一转化系数用于增加第一子块图像中的亮区对比度,当第一转化系数所在范围为(0,A],第一转化系数用于增加第一子块图像中的暗区对比度,当第一转化系数为0时,不改变第一子块图像的对比度,保留原始的第一子块图像。
在本实施例中,假设第一转化系数映射前的范围为[0,1],将第一转化系数映射至[-A,A],基于幂函数构造第一映射函数如式(1)所示,通过式(1)可将第一转化系数映射至[-A,A],其中,为映射后的第一转化系数,为映射前的第一转化系数。
通过上述方式,将第一转化系数映射至区间[-A,A],从而可以通过第一转化系数的正负来判断增强第一子块图像对比度的区域,当第一转化系数为负数时,增强了第一子块图像的亮区对比度,当第一转化系数为正数时,增强了第一子块图像的暗区对比度。
在其中的一些实施例中,步骤S202,将初始图像进行分块,得到两个以上第一子块图像之前,对初始图像中的亮暗边界进行平滑处理,图4是根据本申请实施例的图像平滑方法的流程图,如图4所示,图像平滑方法包括如下步骤:
步骤S401,对初始图像进行分块,得到M×M块第二子块图像,获取表征各第二子块图像亮度情况的各第二亮度值。
在本实施例中,第二亮度值为第二子块图像的亮度均值或者第二子块图像的亮度中值。
步骤S402,根据各第二亮度值,确定M×M块第二子块图像中处于亮暗边界的第三子块图像。
步骤S403,对第三子块图像进行分块,得到P×P块第四子块图像,获取表征各第四子块图像亮度情况的各第三亮度值。
在本实施例中,第三亮度值为第四子块图像的亮度均值或者第四子块图像的亮度中值。
步骤S404,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像。
步骤S405,对第五子块图像进行分块,得到K×K块第六子块图像,获取表征各第六子块图像亮度情况的各第四亮度值。
在本实施例中,第四亮度值为第六子块图像的亮度均值或者第六子块图像的亮度中值。
步骤S406,根据各第四亮度值,确定K×K块第六子块图像中处于亮暗边界的第七子块图像,其中,M≥P≥K。
在本实施例中,对初始图像进行了三次分块处理,但不限于三次分块处理,进行两次以上分块处理都能实现本实施例提出的图像平滑处理。
步骤S407,根据高斯函数对第七子块图像进行平滑处理,得到处理后的初始图像。
步骤S408,对处理后的初始图像进行分块,得到两个以上第一子块图像。
通过上述步骤,首先,对初始图像进行粗略分块,得到两个以上第二子块图像,在各第二子块图像中确定处于亮暗边界的第三子块图像,然后,对第三子块图像再进行分块,得到两个以上的第四子块图像,并确定在各第四子块图像中处于亮暗边界的第五子块图像,最后,对第五子块图像再进行分块,得到两个以上的第六子块图像,并确定各第六子块图像中处于亮暗边界的第七子块图像,通过这种逐级分块的方式,更加精确的确定初始图像中处于亮暗边界的子块,节省了计算量,并将处于亮暗边界的子块进行高斯平滑处理,平缓了初始图像中亮区向暗区的渐变,同时,初始图像中的边缘和细节信息能够很好的保留。
在其中的一些实施例中,步骤S404,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像包括如下步骤:
步骤S4040,根据当前第四子块图像对应的第三亮度值和各周围亮度值,计算当前第四子块图像与周围区域的亮度差,其中,各周围亮度值分别为与当前第四子块图像相邻的各周围第四子块图像对应的第三亮度值。
在本实施例中,在第三亮度值为第四子块图像的亮度中值的情况下,根据第四子块图像中各像素的亮度值,计算第四子块图像的亮度中值,根据各第四子块图像的亮度中值,计算当前第四子块图像与周围第四子块图像的亮度差,其中,与当前第四子块图像相邻的第四子块图像组成周围第四子块图像。
步骤S4041,判断亮度差是否大于第一阈值,若是,当前第四子块图像为处于亮暗边界的第五子块图像。
通过上述步骤,确定第四子块图像中处于亮暗的第五子块图像,为后续对处于亮暗边界的第七子块图像进行高斯平滑处理做准备。
在其中的一些实施例中,将初始图像进行分块,得到两个以上第一子块图像包括:将初始图像进行分块,得到N个第一子块图像,N≥3,步骤S206,根据各第一转化系数对相应的各第一子块图像进行灰度变换包括如下步骤:
步骤S2060,将N个第一子块图像划分为第一部分和第二部分,第一部分包括S个第一子块图像,第二部分包括Q个第一子块图像,S+Q=N且S≥2。
步骤S2061,对于属于第一部分的各第一子块图像,根据相应的第一转化系数对各第一子块图像进行灰度变换,并得到各第一子块图像对应的各第一灰度曲线。
在本实施例中,在将初始图像进行分块,得到两个以上第一子块图像时,根据第一转化系数对各第一子块图像进行灰度变换,在N大于2时,可以根据第一转化系数对各第一子块图像进行灰度变换,同时可以根据本实施例的方法对各第一子块图像进行灰度变换,假设N为32,S为13,获取初始图像中13个第一子块图像,根据这13个第一子块图像对应的第一转化系数对各第一子块图像进行灰度变换,得到灰度变换后的13个第一子块图像,每个灰度变换后的第一子块图像对应一条第一灰度曲线,图5是根据本申请实施例的第一灰度曲线的示意图,如图5所示,根据第一灰度曲线可确定第一子块图像灰度变换前后的灰度,图5中横坐标为灰度变换前的第一子块图像的灰度,图5中纵坐标为灰度变换后的第一子块图像的灰度,13个灰度变换后的第一子块图像对应13条第一灰度曲线。
步骤S2062,对于属于第二部分的各第一子块图像,将当前第一子块图像相应的当前第一转化系数和属于第一部分的各第一子块图像相应的各第一转化系数进行比较,确定与当前第一转化系数相邻的两个第一转化系数,其中,相邻的两个第一转化系数中一者在小于当前第一转化系数的一侧与当前第一转化系数最接近,另一者在大于当前第一转化系数的一侧与当前第一转化系数最接近。
在本实施例中,在对第14个至32个第一子块图像进行灰度变换时,将当前第一子块图像对应的第一转化系数与步骤S2061中获取的13个第一子块图像对应的第一转化系数作比较,在步骤S2061中获取的13个第一子块图像对应的13个第一转化系数中确定与当前第一子块图像对应的第一转化系数最接近的两个第一转化系数,最接近的两个第一转化系数有一个第一转化系数大于当前第一子块图像对应的第一转化系数,最接近的两个第一转化系数有一个第一转化系数小于当前第一子块图像对应的第一转化系数。
步骤S2063,对相邻的两个第一转化系数对应的两条第一灰度曲线进行插值,得到第二灰度曲线。
在本实施例中,对最接近的两个第一转化系数对应的两条第一灰度曲线进行插值,确定当前第一子块图像对应的第二灰度曲线,根据第二灰度曲线可确定当前第一子块图像灰度变换前后的灰度。
步骤S2064,根据第二灰度曲线对当前第一子块图像进行灰度变换。
通过上述步骤,在第一子块图像的个数大于2时,无需根据各自的第一转化系数对各第一子块图像进行灰度变换,部分第一子块图像根据对应的第一转化系数进行灰度变换,得到两个以上的第一灰度曲线,其余的第一子块图像根据最邻近的两条第一灰度曲线进行插值即可得到变换后的灰度,节省了第一子块图像灰度变化的时间,提高了第一子块图像灰度变换的效率。
在其中的一些实施例中,根据各第一转化系数对相应的各第一子块图像进行灰度变换包括:
基于对数函数,确定第一转换函数;
根据第一转换函数和各第一转化系数,对相应的各第一子块图像进行灰度变换。
通过上述方式,通过对数函数确定第一转化函数,根据第一转化系数和第一转化函数,对各第一子块图像进行灰度变换,增加了各第一子块图像的对比度,灰度变换后的第一子块图像具有更宽的动态范围,以及灰度变换后的第一子块图像更加符合人眼视觉的感知。
在其中的一些实施例中,根据各第一转化系数对相应的各第一子块图像进行灰度变换还包括:
基于gamma函数,确定第一转换函数,根据各第一子块图像对应的各第一转化系数和第一转换函数,对各第一子块图像的灰度进行变换。
通过上述方式,根据第一转化系数和第一转化函数,对各第一子块图像进行灰度变换,增加了各第一子块图像的对比度,以及灰度变换后的第一子块图像更加符合人眼视觉的感知。
在其中的一些实施例中,获取表征各第一子块图像亮度情况的各第一亮度值包括:
获取第一子块图像的顶点坐标,根据顶点坐标确定顶点的左上角区域;
对顶点的左上角区域内的像素值进行叠加,得到顶点的左上角区域的亮度值;
根据顶点的左上角区域的亮度值,计算第一子块图像的第一亮度值。
需要说明的是,像素值是原稿图像被数字化时由计算机赋予的值,它代表了原稿某一小方块的平均亮度信息,或者说是该小方块的平均反射(透射)密度信息。
在本实施例中,第一亮度值为亮度均值,图6是根据本申请实施例的第一子块图像的示意图,如图6所示,第一子块图像为图6中具有阴影的矩形,第一子块图像的四个顶点坐标分别为D1(x1,y1)、D2(x2,y2)、D3(x3,y3)和D4(x4,y4),对各顶点左上角区域内的像素值进行叠加,得到各顶点左上角区域的亮度值,各顶点D1(x1,y1)、D2(x2,y2)、D3(x3,y3)、D4(x4,y4)左上角区域的亮度值分别为sum(x1,y1)、sum(x2,y2)、sum(x3,y3)和sum(x4,y4),通过式(2)计算第一子块图像的第一亮度值,其中,sum为第一子块图像的第一亮度值。
通过上述方式,根据各第一子块图像的顶点坐标确定各顶点的左上角区域,对各顶点左上角区域内的像素进行叠加,得到各顶点左上角区域的亮度值,根据各顶点左上角区域的亮度值,计算第一子块图像的第一亮度值,提高了计算第一亮度值的效率,节省了获取各第一子块图像对应的第一亮度值的时间。
在其中的一些实施例中,将表征目标区域亮度情况的亮度值作为归一化基数包括:
在各第一子块图像中确定位于目标区域内的第一子块图像;
根据位于目标区域内的第一子块图像对应的第一亮度值,确定表征目标区域亮度情况的亮度值并作为归一化基数。在本实施例中,假设第一子块图像有16块,其中两块第一子块图像组成的区域为目标区域,获取该两块第一子块图像的亮度值,根据该两块第一子块图像的亮度值,计算两块第一子块图像的平均亮度值,其平均亮度值为表征目标区域亮度情况的亮度值。
通过上述方式,在第一子块图像的亮度值确定的情况下,根据已知的第一子块图像亮度值确定表征目标区域亮度情况的亮度值,节省了获取目标区域亮度值的时间,提高了计算效率。
图7是根据本申请实施例的再一种图像增强方法的流程图。如图7所示,该流程包括如下步骤:
步骤S701,获取初始图像。
步骤S702,对初始图像进行平滑处理,得到处理后的初始图像。
在本实施例中,对初始图像进行分块,得到M×M块第二子块图像,获取表征各第二子块图像亮度情况的各第二亮度值,根据各第二亮度值,确定M×M块第二子块图像中处于亮暗边界的第三子块图像,对第三子块图像进行分块,得到P×P块第四子块图像,获取表征各第四子块图像亮度情况的各第三亮度值,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像,对第五子块图像进行分块,得到K×K块第六子块图像,获取表征各第六子块图像亮度情况的各第四亮度值,根据各第四亮度值,确定K×K块第六子块图像中处于亮暗边界的第七子块图像;其中,M≥P≥K,根据高斯函数对第七子块图像进行平滑处理,得到处理后的初始图像。
在其中一个实施例中,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像包括:
根据当前第四子块图像对应的第三亮度值和各周围亮度值,计算当前第四子块图像与周围区域的亮度差;其中,各周围亮度值分别为与当前第四子块图像相邻的各周围第四子块图像对应的第三亮度值;
判断亮度差是否大于第一阈值,若是,当前第四子块图像为处于亮暗边界的第五子块图像。
通过上述方式,确定第四子块图像中处于亮暗的第五子块图像,为后续对处于亮暗边界的第七子块图像进行高斯平滑处理做准备。
步骤S703,将处理后的初始图像进行分块,得到两个以上第一子块图像,获取第一子块图像的顶点坐标,根据顶点坐标确定顶点的左上角区域,对顶点的左上角区域内的像素值进行叠加,得到顶点的左上角区域的亮度值,根据顶点的左上角区域的亮度值,计算第一子块图像的第一亮度值。
步骤S704,在各第一子块图像中确定位于目标区域内的第一子块图像,根据位于目标区域内的第一子块图像对应的第一亮度值,确定表征目标区域亮度情况的亮度值并作为归一化基数。
步骤S705,在各第一子块图像中,对于对应的第一亮度值小于或等于归一化基数的第一子块图像,根据归一化基数和第一子块图像对应的第一亮度值,确定第一比值,将第一比值的第一常数倍确定为第一子块图像相应的第一转化系数。
步骤S706,对于对应的第一亮度值大于归一化基数的第一子块图像,根据初始图像的位宽,确定初始图像的最大灰度值,根据最大灰度值和归一化基数,确定第二转化系数,根据归一化基数和对应的第一亮度值,确定第一比值,根据第二转化系数和第一比值确定第一转化系数。
步骤S707,基于幂函数,确定第一映射函数,根据第一映射函数,将第一转化系数映射至[-A,A]的范围内,其中,A为正数。
步骤S708,基于对数函数,确定第一转换函数,根据第一转换函数和各第一转化系数,对相应的各第一子块图像进行灰度变换。
在其中一个实施例中,将初始图像进行分块,得到两个以上第一子块图像包括:将初始图像进行分块,得到N个第一子块图像,N≥3;根据各第一转化系数对相应的各第一子块图像进行灰度变换包括:
将N个第一子块图像划分为第一部分和第二部分,第一部分包括S个第一子块图像,第二部分包括Q个第一子块图像,S+Q=N且S≥2;
对于属于第一部分的各第一子块图像,根据相应的第一转化系数对各第一子块图像进行灰度变换,并得到各第一子块图像对应的各第一灰度曲线;
对于属于第二部分的各第一子块图像,将当前第一子块图像相应的当前第一转化系数和属于第一部分的各第一子块图像相应的各第一转化系数进行比较,确定与当前第一转化系数相邻的两个第一转化系数,其中,相邻的两个第一转化系数中一者在小于当前第一转化系数的一侧与当前第一转化系数最接近,另一者在大于当前第一转化系数的一侧与当前第一转化系数最接近;
对相邻的两个第一转化系数对应的两条第一灰度曲线进行插值,得到第二灰度曲线;
根据第二灰度曲线对当前第一子块图像进行灰度变换。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。例如,步骤S705与步骤S706可以互换。
通过上述步骤,实现了各第一子块图像中暗区和亮区的对比度增强,当第一子块图像对应的第一亮度值大于归一化基数时,能够增加第一子块图像中的亮区对比度,在第一亮度值远大于归一化基数的情况下,仅考虑第一亮度值和归一化基数来对第一子块图像的对比度进行调节,第一子块图像会出现失真,因此,需要考虑初始图像的位宽,使各第一转化系数的大小在合适的范围内,当第一子块图像对应的第一亮度值小于归一化基数时,能够增加第一子块图像中的暗区对比度,此情况下,基于第一亮度值和归一化基数对第一子块图像的对比度进行调节时,不会出现图像失真,因此,无需考虑初始图像的位宽,当第一子块图像对应的第一亮度值等于归一化基数时,说明第一子块图像是待检测目标所在的区域,对第一子块图像的灰度进行恒等变换,从而能够保留待检测目标真实的边缘和细节特征,另外,在调整非目标区域的对比度时,不会对目标区域的对比度造成影响,解决了在调节整幅画面的对比度时,目标区域画面产生失真的问题。
图8是根据本申请实施例的又一种图像增强方法的流程图。如图8所示,该流程包括如下步骤:
步骤S801,获取初始图像。
步骤S802,判断初始图像是否需要进行对比度调节。
在本实施例中,如果采集设备的曝光参数发生变化,初始图像整体亮度会发生突变,立刻获取初始图像灰度直方图的分布,计算直方图的方差。当方差小于θ1时,则说明当前图像表现的比较朦胧,当方差大于θ2时,表示图像对比度过强,说明当前可能处于背光、逆光等环境。如果出现上述两种情况,则需要进对比度调节,进入步骤S803,否则,进入步骤S809。本申请中θ1、θ2为经验值,根据应用场景实际测得,当曝光参数稳定时,则保持上一状态值。
步骤S803,对初始图像中的亮暗边界做平滑处理,得到处理后的初始图像。
在本实施例中,先将整幅处理后的初始图像粗略地分成8×8块,得到64块第二子块图像,计算各第二子块图像的平均亮度值Li,本申请采用积分图方法快速得到各第二子块图像的平均亮度值,计算当前第二子块图像与周围第二子块图像的亮度差异大小Ci,其中,下标i为块的索引,Ci为当前第二子块图像与周围第二子块图像的亮度差,亮度差通过式(3)计算得到,其中,、、、、、、和是与第i块第二子块图像相邻的第二子块图像的亮度值。
设置第二阈值,当Ci小于或等于第二阈值时,说明当前第二子块图像与周围第二子块图像相似,将Li作为当前第二子块图像的亮度值,当Ci大于第二阈值时,说明当前第二子块图像与周围第二子块图像在亮度上存在较大差异,可判定当前第二子块图像内存在亮暗不均区域,即当前第二子块图像有边缘区域,此时继续将有边缘区域的第二子块图像分割成3×3块,得到9块第四子块图像,分别计算第二次分割后得到的各第四子块图像的平均亮度值,根据与式(3)相同的方式计算当前第四子块图像与周围第四子块图像的亮度差,设置第三阈值,当判断当前第四子块图像与周围第四子块图像的亮度差大于第三阈值时,说明当前第四子块图像内存在亮暗不均区域。
对第二次分块后,对存在亮暗不均区域的第四子块图像进行第三次分块,分割成3×3块,得到9块第六子块图像,计算第三次分块后得到的各第六子块图像的平均亮度值,根据式(4)对第二次分块后存在亮暗不均区域的第四子块图像进行高斯平滑处理,其中,为高斯平滑处理后的第四子块图像亮度,Sijk为各第六子块图像的平均亮度值,其中,k的范围为0~8,为各第六子块图像对应的高斯核,分别将、、、、、、、和代入式(5)计算,其中,σ为2。
通过上述方式,通过先粗分再细分的方式不仅能有效的减少计算量,还能找到初始图像中的亮暗边界,使最终处理效果得到有效提升,另外,采用积分图的方法计算各第二子块的亮度,在计算速度上进行了优化。
步骤S804,对处理后的初始图像中的人脸进行识别,得到初始图像中的人脸区域,将表征人脸亮度情况的亮度值作为归一化基数。
在本实施例中,采用人脸识别算法获取人脸区域,如果未识别目标区域,则使用默认的归一化基数128。
在设置识别目标区域的情况下,采用人脸识别算法获取人脸区域,并获取人脸区域的亮度平均值,将人脸区域的亮度平均值作为归一化基数。
步骤S805,将处理后的初始图像进行分块,得到两个以上第一子块图像,获取表征各第一子块图像亮度情况的各第一亮度值。
在本实施例中,将处理后的初始图像进行分块,得到两个以上第一子块图像,根据第一子块图像中各像素对应的亮度值,确定各第一子块图像的亮度平均值,将第一子块图像的亮度平均值作为第一亮度值。
步骤S806,根据归一化基数和各第一子块图像对应的第一亮度值,确定各第一子块图像相应的第一转化系数。
当Ev>T时,第一亮度值与归一化基数的比值范围为1~2k/T,即当前第一子块图像灰度值最大时,Ev=2k,2k/T是第一亮度值与归一化基数的比值能达到的最大值,远大于1,直接根据2k/T对第一子块图像进行归一化处理,会导致图像转换后失真和发蒙,此时,需要通过式(7)将第一亮度值与归一化基数的比值归一化到0.5~1范围内。
式(7)分母部分表示总的量程,经过交叉相乘,得到t关于T的等式(6),当Ev=T的时候,t=0.5,假如,处理后的初始图像的位宽为8,当Ev=200,T=120时,按公式(6)计算t等于0.79。
通过式(6)可以得出,第一转化系数的大小可以表示为当前第一子块图像与人脸区域的亮度差异,t越接近0.5,两者的亮度越接近,对应的第一子块图像不需要过强的对比度调节;当t等于0.5时,对应的第一子块图像极有可能就是感兴趣的人脸区域,对应的第一子块图像不需要进行额外的对比度调节,以保证目标区域的图像真实性;当t越接近0,则表示对应的第一子块图像很暗,需要调节对比度的程度越大,同理,当t越接近1,则表示对应的第一子块图像很亮,需要调节对比度的程度越大。
步骤S807,将第一转化系数映射至[-0.5,0.5]。
基于幂函数,确定式(8),根据式(8)将第一转化系数t映射到[-0.5,0.5]。
通过步骤S806得出第一转化系数的范围为[0,1],通过式(8)将第一转化系数的范围从[0,1]映射至[-0.5,0.5],其中,当t越接近0,的值越接近0.5;当t等于0.5时,=0;当t接近1的时候,越接近-0.5。
步骤S808,基于对数函数构建第一转换函数,根据第一转化系数和第一转换函数,对相应的各第一子块图像进行灰度变换。
在本实施例中,基于对数函数构建第一转换函数,第一转换函数如式(9)所示,其中,Ev为第一亮度值,为进行灰度变换后第一子块图像对应的亮度,为第一转化系数,第一转化系数由步骤S807得出,第一转化系数决定对比度的调节效果。
当大于0时,式(9)等效于对数色调映射函数,这将增加第一子块图像暗区域的对比度,值越大,对比度调节程度越大;当等于0时,对第一子块图像亮度进行恒等变换;当小于0时,式(9)等效于反对数函数,这将增加第一子块图像明亮区域的对比度,值越小,对比度调节程度越大。
其中,第一亮度值Ev为输入值,表示各第一子块图像统计的亮度值,为第一转化系数,直接决定对比度的调节效果,如图5所示,从上到下分别对应等于[0.5,0.3,0.2,0.1,0.05,0.01,0,-0.01,-0.05,-0.1,-0.2,-0.3,-0.5]调节后对应的第一灰度曲线,横坐标表示对比度调节前第一子块图像的亮度值,纵坐标表示对比度调节后第一子块图像的亮度值。
在其中一个实施例中,制作[11,256]数组,通过查表的方式优化计算时间,分别记录11个第一转化系数的值,11个第一转化系数的值分别为[0.5,0.2,0.1,0.05,0.01,0,-0.01,-0.05,-0.1,-0.2,-0.5]。当不等于上述11个值时,通过对最邻近的上下两个值对应的第一灰度曲线进行简单线性插值,得到当前第一子块图像对应的第二灰度曲线,根据第二灰度曲线对当前第一子块图像进行灰度变换。
步骤S809,结束。
通过上述步骤,优先保证人脸区域保持最优的图像效果,再对整张图像的对比度进行增强,提升整体的效果,在对处理后的初始图像进行平滑处理时,通过先粗略分块,再逐级细分的方式,有效的节省计算量,对第一子块图像中的亮暗边界区域进行平滑处理,优化了最终对比度增强效果,采用对数函数进行灰度变换,相对gamma函数,在达到相同功能的同时,会更加符合人眼视觉感知,且有更宽的动态范围。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
获取初始图像。
将初始图像进行分块,得到两个以上第一子块图像,获取表征各第一子块图像亮度情况的各第一亮度值。
对初始图像中的待检测目标进行识别,得到初始图像中的目标区域,将表征目标区域亮度情况的亮度值作为归一化基数。
在各第一子块图像中,对于对应的第一亮度值小于或等于归一化基数的第一子块图像,采用第一计算关系并至少利用归一化基数和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数。
对于对应的第一亮度值大于归一化基数的第一子块图像,采用第二计算关系并至少利用归一化基数、初始图像的位宽和第一子块图像对应的第一亮度值,确定第一子块图像相应的第一转化系数。
根据各第一转化系数对相应的各第一子块图像进行灰度变换。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的图像增强方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种图像增强方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种图像增强方法,其特征在于,包括:
获取初始图像;
将所述初始图像进行分块,得到两个以上第一子块图像,获取表征各所述第一子块图像亮度情况的各第一亮度值;
对所述初始图像中的待检测目标进行识别,得到所述初始图像中的目标区域,将表征所述目标区域亮度情况的亮度值作为归一化基数;
在各所述第一子块图像中,对于对应的第一亮度值小于或等于所述归一化基数的第一子块图像,采用第一计算关系并至少利用所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定所述第一子块图像相应的第一转化系数;对于对应的第一亮度值大于所述归一化基数的第一子块图像,采用第二计算关系并至少利用所述归一化基数、所述初始图像的位宽和所述第一子块图像对应的所述第一亮度值,确定所述第一子块图像相应的第一转化系数;
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换。
2.根据权利要求1所述的图像增强方法,其特征在于,采用第一计算关系并至少利用所述归一化基数和所述第一子块图像对应的第一亮度值,确定所述第一子块图像相应的第一转化系数包括:
根据所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定第一比值;
将所述第一比值的第一常数倍确定为所述第一子块图像相应的第一转化系数,其中,所述第一常数倍的范围为(0,1]。
3.根据权利要求1所述的图像增强方法,其特征在于,采用第二计算关系并至少利用所述归一化基数、所述初始图像的位宽和所述第一子块图像对应的第一亮度值,确定所述第一子块图像相应的第一转化系数包括:
根据所述初始图像的位宽,确定所述初始图像的最大灰度值;
根据所述最大灰度值和所述归一化基数,确定第二转化系数;
根据所述归一化基数和所述第一子块图像对应的所述第一亮度值,确定第一比值;
根据所述第二转化系数和所述第一比值确定所述第一转化系数。
4.根据权利要求3所述的图像增强方法,其特征在于,
根据所述第二转化系数和所述第一比值确定所述第一转化系数之后包括:
基于幂函数,确定第一映射函数;
根据所述第一映射函数,将所述第一转化系数映射至[-A,A]的范围内,其中,A的范围为(0,1];
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:根据映射后的所述第一转化系数对相应的所述第一子块图像进行灰度变换。
5.根据权利要求1所述的图像增强方法,其特征在于,将所述初始图像进行分块,得到两个以上第一子块图像包括:
对所述初始图像进行分块,得到M×M块第二子块图像,获取表征各第二子块图像亮度情况的各第二亮度值;
根据各第二亮度值,确定M×M块第二子块图像中处于亮暗边界的第三子块图像;
对第三子块图像进行分块,得到P×P块第四子块图像,获取表征各第四子块图像亮度情况的各第三亮度值;
根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像,其中,M≥P;
根据高斯函数对所述第五子块图像进行平滑处理,得到处理后的初始图像;
对所述处理后的初始图像进行分块,得到两个以上所述第一子块图像。
6.根据权利要求5所述的图像增强方法,其特征在于,根据各第三亮度值,确定P×P块第四子块图像中处于亮暗边界的第五子块图像包括:
根据当前第四子块图像对应的所述第三亮度值和各周围亮度值,计算当前第四子块图像与周围区域的亮度差,其中,所述各周围亮度值分别为与当前第四子块图像相邻的各周围第四子块图像对应的所述第三亮度值;
判断所述亮度差是否大于第一阈值,若是,当前第四子块图像为处于亮暗边界的第五子块图像。
7.根据权利要求1所述的图像增强方法,其特征在于,
将所述初始图像进行分块,得到两个以上第一子块图像包括:将所述初始图像进行分块,得到N个第一子块图像,N≥3;
根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:
将N个第一子块图像划分为第一部分和第二部分,所述第一部分包括S个第一子块图像,所述第二部分包括Q个第一子块图像,S+Q=N且S≥2;
对于属于所述第一部分的各第一子块图像,根据相应的第一转化系数对各第一子块图像进行灰度变换,并得到各第一子块图像对应的各第一灰度曲线;
对于属于所述第二部分的各第一子块图像,将当前第一子块图像相应的当前第一转化系数和属于所述第一部分的各第一子块图像相应的各第一转化系数进行比较,确定与所述当前第一转化系数相邻的两个第一转化系数,其中,所述相邻的两个第一转化系数中一者在小于所述当前第一转化系数的一侧与所述当前第一转化系数最接近,另一者在大于所述当前第一转化系数的一侧与所述当前第一转化系数最接近;
对所述相邻的两个第一转化系数对应的两条第一灰度曲线进行插值,得到第二灰度曲线;
根据第二灰度曲线对当前第一子块图像进行灰度变换。
8.根据权利要求1所述的图像增强方法,其特征在于,根据各所述第一转化系数对相应的各所述第一子块图像进行灰度变换包括:
基于对数函数,确定第一转换函数;
根据所述第一转换函数和各所述第一转化系数,对相应的各所述第一子块图像进行灰度变换。
9.根据权利要求1所述的图像增强方法,其特征在于,获取表征各第一子块图像亮度情况的各第一亮度值包括:
获取所述第一子块图像的顶点坐标,根据所述顶点坐标确定顶点的左上角区域;
对所述顶点的左上角区域内的像素值进行叠加,得到所述顶点的左上角区域的亮度值;
根据所述顶点的左上角区域的亮度值,计算所述第一子块图像的第一亮度值。
10.根据权利要求1所述的图像增强方法,其特征在于,将表征所述目标区域亮度情况的亮度值作为归一化基数包括:
在各所述第一子块图像中确定位于所述目标区域内的第一子块图像;
根据位于所述目标区域内的第一子块图像对应的第一亮度值,确定表征所述目标区域亮度情况的亮度值并作为所述归一化基数。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至10中任一项所述的图像增强方法。
12.一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至10中任一项所述的图像增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110420808.5A CN112819838B (zh) | 2021-04-19 | 2021-04-19 | 图像增强方法、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110420808.5A CN112819838B (zh) | 2021-04-19 | 2021-04-19 | 图像增强方法、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819838A CN112819838A (zh) | 2021-05-18 |
CN112819838B true CN112819838B (zh) | 2021-07-06 |
Family
ID=75862437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110420808.5A Active CN112819838B (zh) | 2021-04-19 | 2021-04-19 | 图像增强方法、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819838B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115334252B (zh) * | 2022-10-14 | 2023-02-03 | 深圳比特微电子科技有限公司 | 一种图像处理方法、装置和可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101500063A (zh) * | 2008-02-01 | 2009-08-05 | 广达电脑股份有限公司 | 图像处理装置及方法 |
US20100085361A1 (en) * | 2008-10-08 | 2010-04-08 | Korea Advanced Institute Of Science And Technology | Apparatus and method for enhancing images in consideration of region characteristics |
CN101853497A (zh) * | 2010-02-25 | 2010-10-06 | 杭州海康威视软件有限公司 | 一种图像增强方法和装置 |
CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
CN103778599A (zh) * | 2012-10-23 | 2014-05-07 | 浙江大华技术股份有限公司 | 一种图像处理方法及系统 |
CN103854255A (zh) * | 2012-11-29 | 2014-06-11 | 比亚迪股份有限公司 | 图像增强方法及装置 |
CN104517272A (zh) * | 2014-12-31 | 2015-04-15 | 深圳市天视通电子科技有限公司 | 一种图像增强方法及装置 |
JP2016105578A (ja) * | 2014-11-21 | 2016-06-09 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 画像処理装置及び画像処理方法 |
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 |
-
2021
- 2021-04-19 CN CN202110420808.5A patent/CN112819838B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101500063A (zh) * | 2008-02-01 | 2009-08-05 | 广达电脑股份有限公司 | 图像处理装置及方法 |
US20100085361A1 (en) * | 2008-10-08 | 2010-04-08 | Korea Advanced Institute Of Science And Technology | Apparatus and method for enhancing images in consideration of region characteristics |
CN101853497A (zh) * | 2010-02-25 | 2010-10-06 | 杭州海康威视软件有限公司 | 一种图像增强方法和装置 |
CN103778599A (zh) * | 2012-10-23 | 2014-05-07 | 浙江大华技术股份有限公司 | 一种图像处理方法及系统 |
CN103854255A (zh) * | 2012-11-29 | 2014-06-11 | 比亚迪股份有限公司 | 图像增强方法及装置 |
CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
JP2016105578A (ja) * | 2014-11-21 | 2016-06-09 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 画像処理装置及び画像処理方法 |
CN104517272A (zh) * | 2014-12-31 | 2015-04-15 | 深圳市天视通电子科技有限公司 | 一种图像增强方法及装置 |
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)
Title |
---|
内容相关的分块处理自适应图像对比度增强算法;窦智 等;《计算机科学》;20141031;第41卷(第10期);第110-113页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819838A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Contrast enhancement of brightness-distorted images by improved adaptive gamma correction | |
Fu et al. | Retinex-based perceptual contrast enhancement in images using luminance adaptation | |
Rivera et al. | Content-aware dark image enhancement through channel division | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
CN109191395B (zh) | 图像对比度增强方法、装置、设备及存储介质 | |
Celik | Spatial mutual information and PageRank-based contrast enhancement and quality-aware relative contrast measure | |
CN110766639B (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
CN111784609B (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
CN112819702B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
CN107481210B (zh) | 基于细节的局部选择性映射的红外图像增强方法 | |
CN110675334A (zh) | 一种图像增强方法及装置 | |
CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
US10609303B2 (en) | Method and apparatus for rapid improvement of smog/low-light-level image using mapping table | |
CN115578284A (zh) | 一种多场景图像增强方法及系统 | |
CN111340692A (zh) | 一种红外图像动态范围压缩以及对比度增强算法 | |
CN112819838B (zh) | 图像增强方法、电子装置和存储介质 | |
CN111161177A (zh) | 图像自适应降噪方法和装置 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
Tung et al. | ICEBIN: Image contrast enhancement based on induced norm and local patch approaches | |
Lee et al. | Ramp distribution-based contrast enhancement techniques and over-contrast measure | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
CN103595933A (zh) | 一种图像的降噪方法 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
CN115375592A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 |
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 |