CN113393394A - 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 - Google Patents
基于伽马变换的低照度灰度图像增强方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113393394A CN113393394A CN202110670167.9A CN202110670167A CN113393394A CN 113393394 A CN113393394 A CN 113393394A CN 202110670167 A CN202110670167 A CN 202110670167A CN 113393394 A CN113393394 A CN 113393394A
- Authority
- CN
- China
- Prior art keywords
- low
- pixel values
- image
- gray level
- illumination
- 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.)
- Granted
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 27
- 238000010606 normalization Methods 0.000 claims abstract description 22
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于伽马变换的低照度灰度图像增强方法、装置及存储介质,其方法包括:对输入的低照度灰度图像进行归一化处理;获取低照度灰度图像归一化处理后的像素值,基于像素值确定低照度灰度图的亮点区域和暗点区域;根据低照度灰度图像归一化处理后的像素值的均值、亮点区域和暗点区域的像素值的个数,对低照度灰度图像的每个像素值采用自适应伽马变换函数进行校正;对校正后的像素值进行逆归一化处理并将逆归一化处理后的像素值合成为增强灰度图像。本发明能够通过输入图像自适应地进行增强,增强后的图像可视性显著提高,细节信息更清楚,并且该算法量小,有利于灰度图像的实时处理。
Description
技术领域
本发明涉及一种基于伽马变换的低照度灰度图像增强方法、装置及存储介质,属于图像处理技术领域。
背景技术
灰度图像由于其输入信息量小,能提高图像处理时系统的运行速度,因此被广泛的应用于医学影像,密码学,人脸检测等领域,但是由于拍摄环境的限制,灰度图像往往会出现细节模糊,对比度差等问题。HE,CHAHE,伽马变换等算法虽然能够有效提高灰度图像细节,但是处理低照度灰度图像时,效果不是很好。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种基于伽马变换的低照度灰度图像增强方法、装置及存储介质,能够有效提高低照度灰度图像的对比度,具有很好的鲁棒性。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种基于伽马变换的低照度灰度图像增强方法,包括:
对输入的低照度灰度图像进行归一化处理;
获取低照度灰度图像归一化处理后的像素值,基于像素值确定低照度灰度图的亮点区域和暗点区域;
根据低照度灰度图像归一化处理后的像素值的均值、亮点区域和暗点区域的像素值的个数,对低照度灰度图像的每个像素值采用自适应伽马变换函数进行校正;
对校正后的像素值进行逆归一化处理并将逆归一化处理后的像素值合成为增强灰度图像。
优选的,所述对输入的低照度灰度图像进行归一化处理包括:将低照度灰度图的像素值从[0,255]区间归一化至[0,1]区间内。
优选的,所述逆归一化处理包括对校正后的像素值乘以255。
优选的,所述基于像素值确定亮点区域和暗点区域包括:
亮点区域为满足V>ε1的全部像素,暗点区域为V<ε2的全部像素,其中V表示归一化处理后的像素值,ε1和ε2分别为预设的像素阈值。
优选的,所述ε1和ε2分别设置为0.9和0.1。
优选的,所述自适应伽马变换函数Iout(x,y)的表达式如下:
Iout(x,y)=α×(Iin(x,y)+(1-α)×Iin(x,y))1/γ
其中,(x,y)分别为像素在低照度灰度图像中的坐标,Iin(x,y)和Iout(x,y)分别为伽马变换前后的像素值,γ为伽马变换的指数,α为加权系数。
优选的,所述加权系数α的表达式如下:
α=mean{Iin(x,y)}
即为低照度灰度图像的归一化处理后的像素值的均值。
优选的,所述伽马变换的指数γ的表达式如下:
其中,nhigh表示亮点区域的像素值的个数,nlow暗点区域的像素值的个数,N表示低照度灰度图像的像素总个数,min(·)表示取较小值,即让γ不能超过3。
第二方面,本发明提供了一种基于伽马变换的低照度灰度图像增强装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
本发明提供的一种基于伽马变换的低照度灰度图像增强方法、装置及存储介质,根据输入的低照度灰度图像自适应的调整每一个像素值。经过实验表明,该算法能够显著提高图像的可视性,明显增强图像的细节。与现有灰度图像增强算法相比,该算法能够自适应的对灰度图像进行调整。同时本发明算法计算量小有利于图像的实时处理。
附图说明
图1是本实施例中提供的基于伽马变换的低照度灰度图像增强方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
如图1所示,本实施例提供了一种基于伽马变换的低照度灰度图像增强方法,包括以下步骤:
步骤1、对输入的低照度灰度图像进行归一化处理;具体为:将低照度灰度图的像素值从[0,255]区间归一化至[0,1]区间内。
步骤2、获取低照度灰度图像归一化处理后的像素值,基于像素值确定低照度灰度图的亮点区域和暗点区域;具体为:亮点区域为满足V>ε1的全部像素,暗点区域为V<ε2的全部像素,其中V表示归一化处理后的像素值,ε1和ε2分别为预设的像素阈值,在本实施例中ε1和ε2分别设置为0.9和0.1。
步骤3、根据低照度灰度图像归一化处理后的像素值的均值、亮点区域和暗点区域的像素值的个数,对低照度灰度图像的每个像素值采用自适应伽马变换函数进行校正;具体为:
自适应伽马变换函数Iout(x,y)的表达式如下:
Iout(x,y)=α×(Iin(x,y)+(1-α)×Iin(x,y))1/γ
其中,(x,y)分别为像素在低照度灰度图像中的坐标,Iin(x,y)和Iout(x,y)分别为伽马变换前后的像素值,γ为伽马变换的指数,α为加权系数。
加权系数α:α=mean{Iin(x,y)}即为低照度灰度图像的归一化处理后的像素值的均值。
其中,nhigh表示亮点区域的像素值的个数,nlow暗点区域的像素值的个数,N表示低照度灰度图像的像素总个数,min(·)表示取较小值,即让γ不能超过3,避免增强后的图像过曝。
步骤4、对校正后的像素值进行逆归一化处理并将逆归一化处理后的像素值合成为增强灰度图像。具体为:逆归一化处理包括对校正后的像素值乘以255。
实施例二:
本实施例提供了一种基于伽马变换的低照度灰度图像增强装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例一所述方法的步骤。
实施例三:
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于伽马变换的低照度灰度图像增强方法,其特征在于,包括:
对输入的低照度灰度图像进行归一化处理;
获取低照度灰度图像归一化处理后的像素值,基于像素值确定低照度灰度图的亮点区域和暗点区域;
根据低照度灰度图像归一化处理后的像素值的均值、亮点区域和暗点区域的像素值的个数,对低照度灰度图像的每个像素值采用自适应伽马变换函数进行校正;
对校正后的像素值进行逆归一化处理并将逆归一化处理后的像素值合成为增强灰度图像。
2.根据权利要求1所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述对输入的低照度灰度图像进行归一化处理包括:将低照度灰度图的像素值从[0,255]区间归一化至[0,1]区间内。
3.根据权利要求2所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述逆归一化处理包括对校正后的像素值乘以255。
4.根据权利要求1所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述基于像素值确定亮点区域和暗点区域包括:
亮点区域为满足V>ε1的全部像素,暗点区域为V<ε2的全部像素,其中V表示归一化处理后的像素值,ε1和ε2分别为预设的像素阈值。
5.根据权利要求4所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述ε1和ε2分别设置为0.9和0.1。
6.根据权利要求1所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述自适应伽马变换函数Iout(x,y)的表达式如下:
Iout(x,y)=α×(Iin(x,y)+(1-α)×Iin(x,y))1/γ
其中,(x,y)分别为像素在低照度灰度图像中的坐标,Iin(x,y)和Iout(x,y)分别为伽马变换前后的像素值,γ为伽马变换的指数,α为加权系数。
7.根据权利要求6所述的一种基于伽马变换的低照度灰度图像增强方法,其特征在于,所述加权系数α的表达式如下:
α=mean{Iin(x,y)}
即为低照度灰度图像的归一化处理后的像素值的均值。
9.一种基于伽马变换的低照度灰度图像增强装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-8任一项所述方法的步骤。
10.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670167.9A CN113393394B (zh) | 2021-06-17 | 2021-06-17 | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670167.9A CN113393394B (zh) | 2021-06-17 | 2021-06-17 | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393394A true CN113393394A (zh) | 2021-09-14 |
CN113393394B CN113393394B (zh) | 2022-10-11 |
Family
ID=77621824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110670167.9A Active CN113393394B (zh) | 2021-06-17 | 2021-06-17 | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393394B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704516A (zh) * | 2023-08-07 | 2023-09-05 | 山东禾之源现代农业发展有限公司 | 一种用于水溶肥料包装的视觉检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288546A (zh) * | 2019-06-27 | 2019-09-27 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN111967524A (zh) * | 2020-08-20 | 2020-11-20 | 中国石油大学(华东) | 基于高斯滤波反馈和空洞卷积的多尺度融合特征增强算法 |
-
2021
- 2021-06-17 CN CN202110670167.9A patent/CN113393394B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288546A (zh) * | 2019-06-27 | 2019-09-27 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN111967524A (zh) * | 2020-08-20 | 2020-11-20 | 中国石油大学(华东) | 基于高斯滤波反馈和空洞卷积的多尺度融合特征增强算法 |
Non-Patent Citations (1)
Title |
---|
李昌利等: "基于多通道均衡化的水下彩色图像增强算法", 《华中科技大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704516A (zh) * | 2023-08-07 | 2023-09-05 | 山东禾之源现代农业发展有限公司 | 一种用于水溶肥料包装的视觉检测方法 |
CN116704516B (zh) * | 2023-08-07 | 2023-10-24 | 山东禾之源现代农业发展有限公司 | 一种用于水溶肥料包装的视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113393394B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120532B2 (en) | Methods for enhancing image contrast and related image processing systems thereof | |
CN109003249B (zh) | 增强图像细节的方法、装置及终端 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
CN110827229B (zh) | 一种基于纹理加权直方图均衡化的红外图像增强方法 | |
CN112348763B (zh) | 图像增强方法、装置、电子设备及介质 | |
CN108133463B (zh) | 一种直方图均衡化图像的降噪方法及系统 | |
WO2021114564A1 (zh) | 一种低对比度红外图像的增强方法 | |
KR20140072386A (ko) | 영상 처리 장치 및 방법 | |
WO2020124873A1 (zh) | 图像处理方法 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN112116542B (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
CN111325685B (zh) | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 | |
CN113393394B (zh) | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 | |
CN115587945A (zh) | 高动态红外图像细节增强方法、系统及计算机存储介质 | |
CN115965544A (zh) | 自适应亮度调节的图像增强方法及系统 | |
CN113450272B (zh) | 一种基于正弦曲线变化的图像增强方法及其应用 | |
CN116823677B (zh) | 一种图像增强的方法、装置、存储介质及电子设备 | |
CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
CN111754413A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114418848B (zh) | 视频处理方法、装置、存储介质及电子设备 | |
CN114998186A (zh) | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 | |
CN112785509B (zh) | 图像对比度的增强方法、装置、设备和介质 | |
CN108447037B (zh) | 一种图像动态范围增强的方法和装置 | |
CN111724301A (zh) | 一种基于直方图统计的自适应拉伸方法及系统 | |
Zheng et al. | An illumination adaptive underwater image enhancement method |
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 |