CN113393397A - 一种图像对比度增强的方法和系统 - Google Patents
一种图像对比度增强的方法和系统 Download PDFInfo
- Publication number
- CN113393397A CN113393397A CN202110684682.2A CN202110684682A CN113393397A CN 113393397 A CN113393397 A CN 113393397A CN 202110684682 A CN202110684682 A CN 202110684682A CN 113393397 A CN113393397 A CN 113393397A
- Authority
- CN
- China
- Prior art keywords
- probability density
- density function
- image
- target
- function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000002708 enhancing effect Effects 0.000 title abstract description 7
- 230000006870 function Effects 0.000 claims description 77
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像对比度增强的方法和系统,所述方法包括:统计目标图像Y、U、V三通道的直方图并归一化,计算YUV图像的非线性目标概率密度函数。根据YUV图像的非线性目标概率密度函数对目标图像的直方图进行裁剪和分配,得到第二概率密度函数。根据所述第二概率密度函数对目标图像进行直方图规定化,输出对比度增强的图像。本发明提供的方法无需将YUV图像格式与RGB图像格式进行互相转换,同时防止对目标图像对比度拉伸过度。
Description
技术领域
本发明涉及图像增强技术领域,具体涉及一种图像对比度增强的方法。
背景技术
直方图均衡化是一种很常用的图像对比度增强方法,其方法简单运算速度快,效果明显。常用的图像均衡化方法大都是针对灰度图或是RGB图像,其方法基本思路是假设均衡化后的图像各个像素值的概率密度函数为均匀分布,通过概率论的方法,建立一个从一般分布到均匀分布的映射关系式,最终得到均衡化后的图像。
现有的图像对比度增强方法都是在RGB彩色模式下进行的,对于传统RGB图像的直方图均衡化的目标概率密度函数为线性函数,该线性函数对于YUV图像并不适用。因此,当输入的待处理图像为YUV数据格式时,不能直接进行直方图均衡化,往往需要先将数据格式转换为RGB格式,然后再进行对比度增强处理,最后再将处理得到的RGB文件转换回原来的数据格式。而图像格式之间的转化往往耗时且对画质有损。此外,传统的直方图均衡化存在对比度过度增强的问题。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种图像对比度的方法。
具体地,本发明实施例提供了以下技术方案,包括:
统计目标图像的直方图,并将直方图归一化获得第一概率密度函数。
计算获得YUV图像的非线性目标概率密度函数。
根据所述YUV图像的非线性目标概率密度函数对第一概率密度函数进行裁剪,获得第二概率密度函数。
其中,以所述YUV图像的非线性目标概率密度函数曲线的α作为设定的阈值,将所述目标图像第一概率密度函数超过所述YUV图像的非线性目标概率密度函数曲线的α的部分进行裁剪,将超过阈值的部分进行分配。
α为0~1的系数。
按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例,将所述超过阈值的部分分配到所述被裁剪后的第一概率密度函数上,获得目标图像的第二概率密度函数。
以所述第二概率密度函数为目标概率密度函数,对目标图像进行直方图规定化。
具体的,所述对目标图像进行直方图规定化包括:
计算所述YUV图像非线性目标概率密度函数的累计分布函数;
计算所述累计分布函数的逆函数;
计算所述目标概率密度函数的累计积分图;
计算映射函数;
对目标图像进行均衡化。
本发明提供一种图像对比度增强系统,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行以实现上述方法。
由上述方案可知,本发明具有以下有益效果:1.对于在编码中应用更广泛的YUV格式,不需要转化为RGB就可以进行图像对比度增强处理,节省了图像格式之间转换时间且避免了格式转换时的图像画质损失;2.本发明还对目标图像的直方图进行了裁剪处理,防止对比度过度拉伸。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,还可以根据这些图获得其他的附图。
图1为图像对比度增强的方法的实现流程示意图。
图2为YUV图像的非线性目标概率密度函数示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。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。
第一方面,图1示出了本发明一实施例提供的图像对比度增强方法的流程图。如图1所示,本发明实施例提供的图像对比度增强方法,具体包括如下内容:
步骤101,统计目标图像的直方图,将所述直方图归一化后获得第一概率密度函数。
可选地,所述目标图像可以是一张图片,也可以是视频中的图像帧。
具体地,所述第一概率密度函数包括:
Y通道第一概率密度函数hY(i);
U通道第一概率密度函数hU(i);
V通道第一概率密度函数hV(i)。
步骤102,计算获得YUV图像的非线性目标概率密度函数。
具体地,所述计算获得YUV图像的非线性目标概率密度函数,包括:
计算Y通道的非线性目标概率密度函数:
计算U通道的非线性目标概率密度函数
计算V通道的非线性目标概率密度函数
步骤103,对所述第一概率密度函数进行裁剪分配,获得第二概率密度函数。
具体地,所述对所述第一概率密度函数进行裁剪分配,获得第二概率密度函数,包括:
以所述YUV图像的非线性目标概率密度函数曲线的95%作为设定的阈值,将所述目标图像第一概率密度函数超过所述YUV图像的非线性目标概率密度函数曲线95%的部分进行裁剪,将超过阈值的部分进行分配。
需要说明的是,本实施例中所述以所述YUV图像的非线性目标概率密度函数曲线的95%作为设定的阈值不具有限制作用,在实际应用时可以根据需要进行阈值比例的设定。
进一步地,将所述超过阈值的部分进行分配,包括,按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例,将所述超过阈值的部分分配到所述被裁剪后的第一概率密度函数上,获得目标图像的第二概率密度函数,计算公式为:
其中,ci和s为中间变量;下标X指代Y、U、V;α为用户设置的裁剪比例(0≤α≤1,经验值为95%);N为灰度等级(图像为8位时取值为255,图像为10位时取值为1023),fX(x)为YUV图像的非线性目标概率密度函数。
步骤104,以所述目标图像的第二概率密度函数为目标概率密度函数,对目标图像进行直方图规定化。
具体地,所述对目标图像进行直方图规定化,包括:
计算所述YUV图像非线性目标概率密度函数的累计分布函数
其中,下标X指代Y、U、V。
其中,下标X指代Y、U、V。
计算所述目标概率密度函数的累计积分图
其中,下标X指代Y、U、V。
计算映射函数
其中,下标X指代Y、U、V。
对目标图像进行均衡化
其中IX(k)为目标图像,X指代Y、U、V。
第二方面,本发明提供的一种图像对比度增强的系统,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行以实现上述的方法。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种图像对比度增强的方法,其特征在于,包括:
步骤1,统计目标图像的直方图,并将直方图归一化获得第一概率密度函数;
步骤2,计算获得YUV图像的非线性目标概率密度函数;
步骤3,根据所述YUV图像的非线性目标概率密度函数对所述第一概率密度函数进行裁剪,获得第二概率密度函数;
步骤4,以所述第二概率密度函数为目标概率密度函数,对目标图像进行直方图规定化。
2.根据权利要求1所述的图像对比度增强的方法,其特征在于,所述第一概率密度函数包括:
Y通道第一概率密度函数;
U通道第一概率密度函数;
V通道第一概率密度函数。
4.根据权利要求1所述的图像对比度增强的方法,其特征在于,所述对所述第一概率密度函数进行裁剪分配,获得第二概率密度函数,包括:
以所述YUV图像的非线性目标概率密度函数曲线的α作为设定的阈值,将所述目标图像第一概率密度函数超过所述YUV图像的非线性目标概率密度函数曲线α的部分进行裁剪,将超过阈值的部分进行分配;
其中,α为0~1的系数。
5.根据权利要求4所述的图像对比度增强的方法,其特征在于,所述将超过阈值的部分进行分配,包括,将所述超过阈值的部分按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例分配到所述被裁剪后的第一概率密度函数上,获得目标图像的第二概率密度函数。
6.根据权利要求1所述的图像对比度增强的方法,其特征在于,所述以所述第二概率密度函数为目标概率密度函数,对目标图像进行直方图规定化,包括:
计算所述YUV图像非线性目标概率密度函数的累计分布函数;
计算所述累计分布函数的逆函数;
计算所述目标概率密度函数的累计积分图;
计算映射函数;
对目标图像进行均衡化。
7.一种图像对比度增强的系统,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110684682.2A CN113393397B (zh) | 2021-06-21 | 2021-06-21 | 一种图像对比度增强的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110684682.2A CN113393397B (zh) | 2021-06-21 | 2021-06-21 | 一种图像对比度增强的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393397A true CN113393397A (zh) | 2021-09-14 |
CN113393397B CN113393397B (zh) | 2022-10-11 |
Family
ID=77623117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110684682.2A Active CN113393397B (zh) | 2021-06-21 | 2021-06-21 | 一种图像对比度增强的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393397B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117654A1 (en) * | 2001-12-21 | 2003-06-26 | Wredenhagen G. Finn | System and method for dynamically enhanced colour space |
WO2010015140A1 (zh) * | 2008-08-07 | 2010-02-11 | 中兴通讯股份有限公司 | 一种视频增强的方法及其装置 |
CN102831592A (zh) * | 2012-08-10 | 2012-12-19 | 中国电子科技集团公司第四十一研究所 | 基于直方图分段变换的图像非线性增强方法 |
CN107256539A (zh) * | 2017-06-12 | 2017-10-17 | 哈尔滨理工大学 | 一种基于局部对比度的图像锐化方法 |
-
2021
- 2021-06-21 CN CN202110684682.2A patent/CN113393397B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117654A1 (en) * | 2001-12-21 | 2003-06-26 | Wredenhagen G. Finn | System and method for dynamically enhanced colour space |
WO2010015140A1 (zh) * | 2008-08-07 | 2010-02-11 | 中兴通讯股份有限公司 | 一种视频增强的方法及其装置 |
CN102831592A (zh) * | 2012-08-10 | 2012-12-19 | 中国电子科技集团公司第四十一研究所 | 基于直方图分段变换的图像非线性增强方法 |
CN107256539A (zh) * | 2017-06-12 | 2017-10-17 | 哈尔滨理工大学 | 一种基于局部对比度的图像锐化方法 |
Non-Patent Citations (2)
Title |
---|
王永鑫等: "基于迭代直方图均衡化的常规光源下水下成像增强算法", 《光子学报》 * |
陈宇航等: "基于LEP多尺度滤波分解的图像增强算法", 《北京印刷学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113393397B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10607325B2 (en) | Methods for enhancing image contrast and related image processing systems thereof | |
US8565554B2 (en) | Resizing of digital images | |
US8149299B2 (en) | Apparatus and method for generating a picture having a high visibility | |
US9129403B2 (en) | Method and system for generating enhanced images | |
US8295596B1 (en) | Adaptive histogram-based video contrast enhancement | |
CN110717919A (zh) | 图像处理方法、装置、介质和计算设备 | |
CN111709898B (zh) | 基于优化clahe的红外图像增强方法与系统 | |
CN109255752B (zh) | 图像自适应压缩方法、装置、终端及存储介质 | |
US20120106836A1 (en) | Method and system for enhancing image sharpness based on local features of image | |
CN113763270B (zh) | 蚊式噪声去除方法及电子设备 | |
US8750639B2 (en) | Automatic sharpening of images | |
CN113393397B (zh) | 一种图像对比度增强的方法和系统 | |
WO2021073316A1 (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
US8478065B2 (en) | Pixel processing | |
AU2016368003B2 (en) | Image processing apparatus and program | |
CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
US20220004857A1 (en) | Neural network processing apparatus, neural network processing method, and neural network processing program | |
CN113191990B (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN112967208B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN107404600B (zh) | 图像处理装置及方法 | |
US20050111055A1 (en) | Apparatus and method of image sharpness enhancement | |
KR101667306B1 (ko) | Topological Derivative 기반 저 복잡도 영상 세그먼테이션 방법 및 시스템 | |
CN111292342A (zh) | 图像中的文本切割方法、装置、设备及可读存储介质 | |
WO2023134068A1 (zh) | 数字识别模型的训练方法、装置、设备及存储介质 | |
CN111311604A (zh) | 用于分割图像的方法和装置 |
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 |