CN113781367B - 一种低照度图像直方图均衡后降噪方法 - Google Patents

Abstract

本发明公开了一种低照度图像直方图均衡后降噪方法，将最小的若干个亮度作为保留集合，遍历所有像素，包括以下三种情况：情况一：对于像素亮度值属于所述保留集合的，该像素亮度保持不变；情况二：对于像素亮度值不属于所述保留集合的，若该像素周边5*5区域内的8个像素的亮度值均属于所述保留集合的，则该像素亮度在所述保留集合中取值；情况三：对于其他情况，根据该像素周边5*5区域内的像素特征，自适应构建5*5的滤波模板，用滤波模板计算该像素亮度值。本方法相较于高斯低通滤波器降噪，从视觉上能够更好识别出暗环境中的信息。

Description

一种低照度图像直方图均衡后降噪方法

技术领域

本发明涉及一种低照度图像直方图均衡后降噪方法。

背景技术

数字图像采集是利用摄像头等传感器将光信号转化成电信号并用数字形式进行存储、传输和显示，数字图像处理是将采集的数字图像针对使用目的和场景进行处理优化，其中常见的方法包括：图像增强和复原、图像编码压缩、图像描述等。

低照度图像指在环境光线较暗的情况下采集到的图像，为了能够显示清晰，需要对低照度图像做亮度增强和降噪，使得肉眼能够获取图像中的有用信息。低照度图像亮度增强在实际应用中发挥越来越重要的作用，在户外安防和自动驾驶领域，在夜晚环境下摄像头采集到所有的图像都需要做低照度的亮度增强，以便满足实际的观测和分析的需求。另一方面，低照度图片采集时因为光线弱，光电传感器在接受微弱信号时会产生更多的干扰，也就是会产生大量的噪声，影响图片的清晰度，甚至会掩盖某些重要信息，于是，低照度图像的降噪具有重要的实际意义。

目前主流的低照度图片增强，先利用直方图均衡，再进行高斯低通滤波，从而实现先亮度增强后降噪的效果。

亮度增强的主流算法是采用直方图均衡算法。直方图均衡算法是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。

降噪的主流算法是采用空域高斯低通滤波器，高斯低通滤波器是一种线性滤波器，其作用原理是取滤波器窗口内的像素的加权平均值作为输出，滤波器的模板系数随着距离模板中心的增大而减小。高斯低通滤波器能够有效的抑制噪声，平滑图像。

虽然，直方图均衡算法适用于低照度图片的亮度增强，高斯低通滤波器适用于普通图片的降噪，但是经过直方图均衡算法后的图像采用高斯低通滤波器降噪的效果不佳，因为经过直方图均衡后的图像中，低亮度信息缺失，高亮度噪声被放大或过界，图像和噪声稀疏分布，混杂在一起，这时采用高斯低通滤波器会造成图像模糊。

发明内容

发明目的：针对采用直方图均衡实现亮度增强后的低照度图像，提出一种降噪方法，实现从视觉上更好识别出暗环境中的信息。

技术方案：一种低照度图像直方图均衡后降噪方法，包括如下步骤：将最小的若干个亮度作为保留集合，遍历所有像素，包括以下三种情况：

情况一：对于像素亮度值属于所述保留集合的，该像素亮度保持不变；

情况二：对于像素亮度值不属于所述保留集合的，若该像素周边5*5区域内的8个像素的亮度值均属于所述保留集合的，则该像素亮度在所述保留集合中取值；

情况三：对于其他情况，根据该像素周边5*5区域内的像素特征，自适应构建5*5的滤波模板，用滤波模板计算该像素亮度值。

进一步的，根据图像的灰度值累积概率，确定累计概率大于阈值A时的最小亮度值，图像中亮度值小于所述最小亮度值的像素亮度构成所述保留集合。

进一步的，所述阈值A取40%-60%。

进一步的，对于情况二，该像素亮度在所述保留集合中取值的具体方法为：该像素亮度取所述8个像素中出现频率最高的亮度值，如果有多个符合条件亮度值，则取多个符合条件亮度中最低的值。

进一步的，对于情况三，自适应构建5*5的滤波模板包括如下步骤：首先建立5*5滤波窗口的标准滤波模板F0，标准滤波模板F0的中心位置是待滤波的像素点，离中心一度距离像素点的滤波系数值取3，离中心二度距离像素点的滤波系数值取1；判断中心点周边一度距离内亮度不属于所述保留集合的像素点延长线上的下一个像素点的亮度是否属于所述保留集合，如果仍不属于，则所述像素点延长线上的一度和二度的滤波系数值翻倍，从而生成新的自适应滤波模板F。

进一步的，情况三中，用滤波模板计算该像素亮度值的具体方法为：

其中，Y₀为滤波后的中心点亮度值，Fi为滤波模板F中各点的滤波系数，Xi为滤波模板F中各点的亮度值。

有益效果：1.本发明充分考虑直方图均衡算法实现亮度增强后图像产生的新特性，有针对性的进行降噪处理，提高低照度图片降噪效果，从视觉上更好识别出暗环境中的信息，在安防和自动驾驶等领域具有实用价值。

2.本发明充分考虑到直方图均衡应用在图像亮度增强的成熟性，并以此作为低照度图像增强的预处理，本发明不会影响对视觉更敏感的亮度分布，降低了采用新算法对视频系统造成不稳定的风险。

3.本发明充分考虑了芯片硬件的实现需求，采用简单的数学计算，能够保证在正常帧率的情况下对每一帧图片进行相应处理，所以，在硬件图像处理环节，本发明的算法模块可作为低照度图像处理的主处理流程。

附图说明

图1为典型的黑夜低照度图像的像素点亮度分布情况；

图2为经过标准直方图均衡后的像素点亮度分布情况；

图3为5*5滤波窗口的位置编号图；

图4为标准滤波模板F0；

图5为举例的像素点分布情况图；

图6为自适应调整后的滤波模板；

图7为本方法和高斯低通滤波器算法降噪效果比较。

具体实施方式

下面结合附图对本发明做更进一步的解释。

标准的直方图均衡方法包括如下步骤：

1、遍历整个图像，统计每一个灰度值对应的像素个数；

2、计算每一个灰度值出现像素个数的概率PMF=对应像素个数/总像素；

3、按照灰度值从小到大，计算每一个灰度值累积概率CDF=小于等于此灰度值概率之和；

4、计算每一个灰度值映射后的新灰度值=累积概率*亮度最大值*原灰度值，再取整。

如图1所示为典型的黑夜低照度图像的像素点亮度分布情况，如图2所示为经过标准直方图均衡后的像素点亮度分布情况，从直方图均衡方法原理和分布函情况的对比，可以得出经过直方图均衡后的图像具有如下特点：

（1）亮度稀疏分布，也就是说在整个亮度区间，只有少部分的亮度值出现，且越是低亮度分布越稀疏。

（2）最小的亮度值被映射到足够大的亮度，图像上最黑（亮度最低）的像素也有足够的亮度，图像整体“显白”。

（3）高亮度区域的像素取值更加“连续”，是亮信息和噪声之间的叠加，降噪的重点是对这部分像素的处理。

本发明一种低照度图像直方图均衡后降噪方法，图像已经预先完成了直方图均衡，实现了亮度增强，将最小的若干个亮度作为保留集合，遍历所有像素，包括以下三种情况：

情况一：对于像素亮度值属于保留集合的，该像素亮度保持不变；

情况二：对于像素亮度值不属于保留集合的，若该像素周边5*5区域内的8个像素的亮度值均属于保留集合的，则该像素亮度在保留集合中取值；

情况三：对于其他情况，根据该像素周边5*5区域内的像素特征，自适应构建5*5的滤波模板，用滤波模板计算该像素亮度值。

本发明具体实施步骤如下：

第一步，建立保留集合D。

直方图均衡后出现的亮度值组成亮度集合C，根据灰度值累积概率，确定累计概率大于阈值A时最小亮度值，图像中亮度值小于最小亮度值的像素亮度构成保留集合。阈值取40%-60%，本实施例中阈值A取50%，在图一所示例子中，亮度值150的累计概率超过50%，小于等于亮度值150的亮度共计有7个，也就是保留集合取值为亮度最低的7个亮度，记为D={D1，D2，D3，D4，D5，D6，D7}。保留集合D中的亮度值对应着原低照度图片最暗的部分，而由于传感器感光补偿和异常电信号等原因造成的噪点以及在直方图均衡中被放大的噪点对应的亮度值会更高，也就是说，保留集合D中的亮度值直接被认定为有效像素，不含有噪声。

第二步，构建标准滤波模板F0。

考虑到低照度图像增强的重点在于还原有效信息，适应视觉观察，可以牺牲一定的清晰度和边缘特征，根据实验经验，选择5*5的滤波模板。如图3所示为5*5滤波窗口的位置编号，如图4所示为标准滤波模板F0，标准滤波模板F0的中心位置#0是待滤波的像素点，这一点在滤波模板中的滤波系数是0，也就是说该点滤波后的亮度值完全由外围的24个点决定。离中心一度距离像素点的滤波系数值取3，离中心二度距离像素点的滤波系数值取1，也就是离中心点近的8个点占有60%的权重。这样设计的好处是，一方面对原黑暗背景中的噪点有明显降噪作用，因为噪点亮度高且分布离散和随机，另一方面避免削弱真实的高亮度像素，有信息的像素往往是成线或成片分布，距离近的点在滤波时权重高，距离远的点权重低。

第三步，遍历图像像素，进行滤波。

为了适应5*5滤波窗口，保留图像上下首两行和左右首两列不变，从第三行第三列的像素点开始遍历，遍历到的点即待滤波的点，也称为中心点，记为X₀，周边24个点依次记为X₁-X₂₄，滤波后的中心点记为Y₀。

情况一：如果中心点X₀的亮度值属于保留集合D，那么中心点亮度值不变。中心点亮度值属于保留集合的点是有效像素，不是噪点，直接保留，并且为了使图像亮度层次不发生变化，也不做其他映射。公式表述为：

Y₀ = X₀, X₀∈D

情况二：如果中心点X₀亮度值不属于保留集合D，而周边离中心一度距离的8个点X₁-X₈都属于保留集合D，那么中心点亮度值取值是8个点中出现频率最高的保留集合中的亮度值，如果有多个符合条件，则取亮度最低的那个值。这样处理的好处是，考虑到噪点高亮且随机分布性，落在低亮度背景上是典型情况，直接用周边的高频次出现的低亮度值取代，能够不产生额外噪声。公式表述为：

Y₀ = Mode(X₁,X₂,…,X₈), X₀∉D, {X₁-X₈}∈D

情况三：如果中心点X₀亮度值不属于保留集合D，且周边离中心一度距离的8个点X₁-X₈不都属于保留集合D，则判断中心点周边一度距离内亮度不属于保留集合D的像素点延长线上的下一个像素点（称延长点）的亮度是否属于该保留集合D，如果仍然不属于，则这个方向上的一度和二度的滤波系数值翻倍，从而生成新的自适应滤波模板F，对应的各点滤波系数记为F₁-F₂₄。这样自适应调整滤波系数的好处是，对于成线和成片出现的高亮度值被认为是噪声的可能性降低，滤波系数翻倍也就是增强了高亮度值的保留，并且这样也能更好的保留图像边缘。

以新的自适应模板F对中心点进行滤波，滤波后的Y₀在亮度集合C中找到最接近的亮度向下取值，这做的目的是不增加额外的亮度值，保持亮度梯度。Y₀用公式表述为：

，

自适应滤波器的生成过程举例说明：图5为像素点分布情况，由此可知，中心点X₀不属于保留集合，X₂、X₄、X₅、X₇这四个点不属于保留集合，判断延长点，其中：

（1）X₀和X₂延长点X₁₁属于保留集合D，这个方向滤波系数不变；

（2）X₀和X₄延长点X₁₅不属于保留集合D，这个方向滤波系数翻倍，即F₄=3*2=6，F₁₅=1*2=2；

（3）X₀和X₅延长点X₁₇属于保留集合D，这个方向滤波系数不变；

（4）X₀和X₇延长点X₂₁不属于保留集合D，这个方向滤波系数翻倍，即F₇=3*2=6，F₂₁=1*2=2；

图6为自适应调整后的滤波模板。

如图7所示，（a）为原黑夜低照度图像，（b）为经直方图均衡后的效果，（c）为采用高斯低通滤波器降噪后的效果，（d）为采用本法处理后的降噪效果，对比可知本方法相较于高斯低通滤波器降噪，从视觉上能够更好识别出暗环境中的信息。

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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种低照度图像直方图均衡后降噪方法，其特征在于，包括如下步骤：将最小的若干个亮度作为保留集合，遍历所有像素，包括以下三种情况：

情况一：对于像素亮度值属于所述保留集合的，该像素亮度保持不变；

情况二：对于像素亮度值不属于所述保留集合的，若该像素周边5*5区域内的8个像素的亮度值均属于所述保留集合的，则该像素亮度在所述保留集合中取值；

情况三：对于其他情况，根据该像素周边5*5区域内的像素特征，自适应构建5*5的滤波模板，用滤波模板计算该像素亮度值；

对于情况二，该像素亮度在所述保留集合中取值的具体方法为：该像素亮度取所述8个像素中出现频率最高的亮度值，如果有多个符合条件亮度值，则取多个符合条件亮度中最低的值；

对于情况三，自适应构建5*5的滤波模板包括如下步骤：首先建立5*5滤波窗口的标准滤波模板F0，标准滤波模板F0的中心位置是待滤波的像素点，离中心一度距离像素点的滤波系数值取3，离中心二度距离像素点的滤波系数值取1；判断中心点周边一度距离内亮度不属于所述保留集合的像素点延长线上的下一个像素点的亮度是否属于所述保留集合，如果仍不属于，则所述像素点延长线上的一度和二度的滤波系数值翻倍，从而生成新的自适应滤波模板F；

情况三中，用滤波模板计算该像素亮度值的具体方法为：

其中，Y₀为滤波后的中心点亮度值，Fi为滤波模板F中各点的滤波系数，Xi为滤波模板F中各点的亮度值。

2.根据权利要求1所述的低照度图像直方图均衡后降噪方法，其特征在于，根据图像的灰度值累积概率，确定累计概率大于阈值A时的最小亮度值，图像中亮度值小于所述最小亮度值的像素亮度构成所述保留集合。

3.根据权利要求2所述的低照度图像直方图均衡后降噪方法，其特征在于，所述阈值A取40%-60%。

Images