CN114283076A - 一种基于透射率和clahe算法的图像处理方法 - Google Patents
一种基于透射率和clahe算法的图像处理方法 Download PDFInfo
- Publication number
- CN114283076A CN114283076A CN202111493552.7A CN202111493552A CN114283076A CN 114283076 A CN114283076 A CN 114283076A CN 202111493552 A CN202111493552 A CN 202111493552A CN 114283076 A CN114283076 A CN 114283076A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- value
- atmospheric
- contrast
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000002834 transmittance Methods 0.000 claims abstract description 84
- 238000010008 shearing Methods 0.000 claims abstract description 48
- 238000005286 illumination Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请提供一种基于透射率和CLAHE算法的图像处理方法,包括:计算待处理图像的全局对比度;计算子图像的区域对比度、基础对比度受限阈值和大气透射率;比较区域对比度和全局对比度;根据比较结果,计算子图像的剪切阈值;根据剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图;对对比度受限直方图进行直方图均衡化处理,得到子均衡化图像;对各个子均衡化图像之间的像素点进行灰度值重构,得到与待处理图像对应的输出图像。本申请通过将待处理图像划分为若干相同大小的子图像,并结合子图像的大气透射率和区域对比度,自适应调节相应子图像的剪切阈值,从而进一步提高待处理图像的对比度,增强待处理图像的细节信息。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种基于透射率和CLAHE算法的图像处理方法。
背景技术
在图像处理领域中,直方图均衡化是常用的增强图像对比度的方法,可以增强图像中的有用信息,削弱图像中不感兴趣的信息,从而改善图像的视觉效果,丰富图像的信息量,加强对图像的识别效果。直方图均衡化的方法包括限制对比度的自适应直方图均衡化(CLAHE)算法,CLAHE算法结合了自适应直方图均衡化和对比度受限两种技术的优点,可以通过增强图像的局部对比度,从而达到增强图像细节的效果,尤其是对于低对比度图像具有很好的增强效果。
现有的CLAHE算法在对图像进行增强对比度处理时,首先,将图像划分成多个子图像;然后,按照图像的对比度受限阈值设置统一的裁剪阈值;最后,通过统一的裁剪阈值对每个子图像分别进行局部增强处理。
然而,采用统一的裁剪阈值对低对比度的部分子图像进行局部增强处理时,部分子图像的细节信息不能充分显示,导致图像增强的效果差。
发明内容
本申请提供了一种基于透射率和CLAHE算法的图像处理方法,以解决现有技术中存在的采用统一的裁剪阈值对低对比度的部分子图像进行局部增强处理时,部分子图像的细节信息不能充分显示,导致图像增强的效果差的问题。
第一方面,本申请提供一种基于透射率和CLAHE算法的图像处理方法,所述图像处理方法包括以下步骤:
计算待处理图像的全局对比度;
计算子图像的区域对比度和基础对比度受限阈值,所述子图像通过对所述待处理图像划分得到,且每个所述子图像的大小相同;
计算所述子图像的大气透射率;
比较所述区域对比度和所述全局对比度;
根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,所述参数包括所述基础对比度受限阈值和所述子图像的大气透射率;
根据所述剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图,所述直方图根据所述子图像得到,所述直方图的数量和所述对比度受限直方图的数量均与所述子图像的数量相同,所述像素点包括所述子图像中每个灰度级所对应的像素点;
对所述对比度受限直方图进行直方图均衡化处理,得到与所述子图像对应的子均衡化图像,所述子均衡化图像的数量与所述子图像的数量相同;
对各个所述子均衡化图像之间的像素点进行灰度值重构,得到与所述待处理图像对应的输出图像。
上述技术方案中,通过结合每个子图像的大气透射率和区域对比度,可以自适应调节每个子图像对应的剪切阈值,即不同子图像所对应的剪切阈值不同,从而有效解决现有技术中采用统一剪切阈值对所有子图像进行处理,导致的区域对比度及图像细节强度不够的问题。自适应调节每个子图像对应的剪切阈值,能够增强图像细节信息,降低图像的局部噪声,从而传递更丰富的图像信息。
在本申请的较佳实施例中,计算所述子图像的大气透射率,包括:
计算所述待处理图像的暗通道图像;
根据所述暗通道图像,计算大气光照终值;
根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值,计算每个所述像素点对应的大气透射率终值;
根据每个所述像素点对应的大气透射率终值,计算所述子图像的大气透射率。
进一步地,在本申请的较佳实施例中,根据所述暗通道图像,计算大气光照终值,包括:
计算大气光照初始值,所述大气光照初始值是所述暗通道图像中所有像素点的最大灰度值;
获取预设的大气光照限制因子;
比较所述大气光照初始值和所述大气光照限制因子;
若所述大气光照初始值小于所述大气光照限制因子,则判定所述大气光照初始值为大气光照终值;
若所述大气光照限制因子小于所述大气光照初始值,则判定所述大气光照限制因子为大气光照终值。
进一步地,在本申请的较佳实施例中,根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值,计算每个所述像素点对应的大气透射率终值,包括:
计算所述暗通道图像中每一个像素点的大气透射率初值;
获取预设的透射率限制因子;
比较所述大气透射率初值和所述透射率限制因子;
若所述大气透射率初值大于所述透射率限制因子,则判定所述大气透射率初值为像素点的大气透射率终值;
若所述透射率限制因子大于所述大气透射率初值,则判定所述透射率限制因子为像素点的大气透射率终值。
更进一步地,在本申请的较佳实施例中,所述像素点的大气透射率初值根据所述暗通道图像中像素点的灰度值和大气光照终值以及预设的去雾程度因子进行计算。
在本申请的较佳实施例中,根据所述剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图,包括:
根据剪切阈值和直方图中每个灰度级所对应的像素点数量计算所有灰度级上超出剪切阈值的像素点总和;
根据所有灰度级上超出剪切阈值的像素点总和计算每个灰度级上平均增加的像素点数量;
根据每个灰度级上平均增加的像素点数量计算像素点上限值;
将所述直方图中所有灰度级上的像素点数量分别与所述剪切阈值和所述像素点上限值进行比较;
根据比较结果,对所述灰度级上的像素点数量进行重新分配。
更进一步地,在本申请的较佳实施例中,根据比较结果,对所述灰度级上的像素点数量进行重新分配,包括:
若所述灰度级上的像素点数量大于所述剪切阈值,则将所述灰度级上的像素点数量直接设置为剪切阈值;
若所述灰度级上的像素点数量处于所述像素点上限值和所述剪切阈值之间,则通过所有灰度级上超出剪切阈值的像素点总和将所述灰度级上的像素点数量对应填补至剪切阈值;
若所述灰度级上的像素点数量小于所述像素点上限值,则按照每个灰度级上平均增加的像素点数量对所述灰度级上的像素点数量进行填补;
若所有灰度级上超出剪切阈值的像素点总和经过上述分配之后仍有剩余,则以像素步进值的分配方式将其均匀分配到所述直方图中的每个灰度级上。
更进一步地,在本申请的较佳实施例中,所述像素点上限值通过将子图像的基础对比度受限阈值与每个灰度级上平均增加的像素点数量相减得到。
在本申请的较佳实施例中,根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,包括:
若cg≥Cg,则所述子图像的剪切阈值计算公式为ClipLimit=round(clipLimit*(1+t));
其中,cg表示区域对比度,Cg表示全局对比度,ClipLimit表示子图像的剪切阈值,round为四舍五入的函数,clipLimit表示所述子图像的基础对比度受限阈值,t表示所述子图像的大气透射率。
第二方面,本申请提供一种终端设备,包括存储器、处理器以及存储在所述存储器中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一种基于透射率和CLAHE算法的图像处理方法的步骤。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现一种基于透射率和CLAHE算法的图像处理方法的步骤。
本申请提供的一种基于透射率和CLAHE算法的图像处理方法,相较于现有技术而言,具有以下有益效果:
本申请通过将待处理图像划分为若干相同大小的子图像,并结合子图像的大气透射率和区域对比度,自适应调节相应子图像的剪切阈值,从而进一步提高待处理图像的对比度,增强待处理图像的细节信息。另外,由于不同子图像的区域对比度不同,所对应的大气透射率也不同,然而对于待处理图像中的平滑区域(例如天空区域)不需要太强的区域对比度。因此,通过本申请的图像处理方法可以自动调整并降低平滑区域(例如天空区域)的剪切阈值,从而有效降低平滑区域(例如天空区域)内的噪声,对整体待处理图像的图像增强效果更好。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例1的一种基于透射率和CLAHE算法的图像处理方法的流程图;
图2为本申请实施例1中计算子图像的区域对比度和基础对比度受限阈值的流程图;
图3为本申请实施例1中计算所述子图像的大气透射率的流程图;
图4为本申请实施例1中计算所述子图像的剪切阈值的流程图;
图5为本申请实施例1中重新分配直方图中的像素点的流程图;
图6为本申请实施例1的一张均衡化图像示意图;
图7为本申请实施例1中对图6的均衡化图像进行灰度值重构之后的插值图像示意图;
图8为插值计算坐标(x,y)对应的灰度值f(x,y)的原理示意图;
图9为一张待处理图像示意图;
图10为本申请对比例中采用现有的CLAHE算法对图9的待处理图像进行处理后的输出图像示意图;
图11为本申请应用例中采用基于透射率和CLAHE算法对图9的待处理图像进行处理后的输出图像示意图。
具体实施方式
为使本申请的目的、实施方式和优点更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,所描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
基于本申请描述的示例性实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所附权利要求保护的范围。此外,虽然本申请中公开内容按照示范性一个或几个实例来介绍,但应理解,可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
为便于对申请的技术方案进行,以下首先在对本申请所涉及到的一些概念进行说明。
CLAHE:contrast limited adaptive histogram equalization。
CLAHE算法通过限制局部直方图的高度来限制局部对比度的增强幅度,从而限制噪声的放大及局部对比度的过度增强。
实施例1
如图1所示,本实施例1提供了一种基于透射率和CLAHE算法的图像处理方法,如图1所示,所述图像处理方法包括以下步骤:
S101,计算待处理图像的全局对比度;
S102,计算子图像的区域对比度和基础对比度受限阈值,所述子图像通过对所述待处理图像划分得到,且每个所述子图像的大小相同;
S103,计算所述子图像的大气透射率;
S104,比较所述区域对比度和所述全局对比度;
S105,根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,所述参数包括所述基础对比度受限阈值和所述子图像的大气透射率;
S106,根据所述剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图,所述直方图根据所述子图像得到,所述直方图的数量和所述对比度受限直方图的数量均与所述子图像的数量相同,所述像素点包括所述子图像中每个灰度级所对应的像素点;
S107,对所述对比度受限直方图进行直方图均衡化处理,得到与所述子图像对应的子均衡化图像,所述子均衡化图像的数量与所述子图像的数量相同;
S108,对各个所述子均衡化图像之间的像素点进行灰度值重构,得到与所述待处理图像对应的输出图像。
在本实施例1中,通过结合每个子图像的大气透射率和区域对比度,可以自适应调节每个子图像对应的剪切阈值,即不同子图像所对应的剪切阈值不同,从而有效解决现有技术中采用统一剪切阈值对所有子图像进行处理,导致的区域对比度及图像细节强度不够的问题。自适应调节每个子图像对应的剪切阈值,能够增强图像细节信息,降低图像的局部噪声,从而传递更丰富的图像信息。
进一步地,在本实施例1的一种具体实施方式中,步骤S101中计算全局对比度Cg时,首先,需要获取一张待处理图像I(W*H),W表示待处理图像I的宽度(列数),H代表待处理图像I的高度(行数),W和H均属于大于等于3的正整数。全局对比度Cg通过所述待处理图像中心像素点的灰度值和中心像素点周围的4个邻近像素点的灰度值之差的绝对值之和除以所述待处理图像的剩余像素点个数得到;其中,剩余像素点包括中心像素点,即剩余像素点的数量通过所述待处理图像的像素点总数减去中心像素点周围的4个邻近像素点得到。
更进一步地,步骤S101中计算全局对比度Cg的公式如下:
其中,I(i,j)表示待处理图像的中心像素点,i表示中心像素点的横坐标(列数),j表示中心像素点的纵坐标(行数),I(i,j-1)表示与中心像素点处于同一列但在前一行的像素点,I(i-1,j)表示与中心像素点处于同一行但在前一列的像素点,I(i+1,j)表示与中心像素点处于同一行但在后一列的像素点,I(i,j+1)表示与中心像素点处于同一列但在后一行的像素点,1≤i<W,1≤j<H。
进一步地,在本实施例1的一种具体实施方式中,步骤S102中的子图像的数量为预先设置的,每个子图像的大小为m*n,其中,m<W,n<H。示例性的,一般将待处理图像I划分为64个子图像,子图像的数量还可以根据待处理图像的大小由本领域技术人员进行设置,每个子图像的大小与待处理图像I的具体大小及设置的子图像的划分数量相关,可根据实际中的具体应用场景得出,本申请对其不做限制。
更进一步地,步骤S102中的区域对比度cg与全局对比度Cg的计算原理相同,只需要将全局对比度Cg计算公式中的待处理图像的中心像素点的灰度值和中心像素点周围4个邻近像素点的灰度值替换为子图像的中心像素点的灰度值和中心像素点周围4个邻近像素点的灰度值,并且将W替换为m,H替换为n。需要说明的是,每个子图像均需要计算各自的区域对比度cg,但是不同子图像所对应的区域对比度cg的计算公式及原理相同,因此,此处仅以一个子图像作为示例说明。
更进一步地,在本实施例1的一种具体实施方式中,如图2所示,步骤S102中计算一个子图像的对比度受限阈值的具体步骤如下:
S1020,统计所述子图像的直方图信息;
S1021,根据所述直方图信息,计算所述子图像的基础对比度受限阈值,,所述直方图信息包括所述子图像的灰度级数和每个灰度级所对应的像素数以及所述子图像的像素数;其中,所述灰度级数numBins根据所述子图像的比特(bit)数计算得到,若所述比特(bit)数为L,所述灰度级数numBins为2L,灰度值的取值范围为0~2L-1;示例性的,若所述比特(bit)数为8bit,所述灰度级数numBins为256,即灰度值的取值范围为0~255;所述每个灰度级所对应的像素数通过统计得出;所述子图像的像素数是每个灰度级所对应的像素数之和,示例性的,若子图像的大小为m*n,则子图像的像素数为m*n。
具体地,步骤S1021中,计算所述子图像的基础对比度受限阈值的公式如下:
其中,clipLimit表示基础对比度受限阈值,round表示四舍五入的函数,m*n表示子图像的像素数,numBins表示灰度级数,a表示调节系数,取值范围为0~1,一般取0.01。
进一步地,在本实施例1的一种具体实施方式中,如图3所示,步骤S103中计算所述子图像的大气透射率,具体步骤如下:
S1030,计算所述待处理图像的暗通道图像;
S1031,根据所述暗通道图像,计算大气光照终值;
S1032,根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值,计算每个所述像素点对应的大气透射率终值;
S1033,根据每个所述像素点对应的大气透射率终值,计算所述子图像的大气透射率。
更进一步地,步骤S1030中计算暗通道图像的具体公式如下:
Idark(x)=min(Ir(x),Ig(x),Ib(x)),
其中,Idark(x)表示暗通道图像,Ir(x)表示待处理图像I的的红色通道分量,Ig(x)表示待处理图像I的的绿色通道分量,Ib(x)表示待处理图像I的的蓝色通道分量,x表示待处理图像中的像素点;上述公式的含义是取待处理图像RGB三通道中最小的分量作为暗通道图像中对应像素点的像素值,即暗通道图像中所有像素点的像素值均为待处理图像RGB三通道中最小的分量,像素值指的是对应像素点的亮度信息。
更进一步地,步骤S1031中计算大气光照终值的具体过程如下:
计算大气光照初始值,所述大气光照初始值是所述暗通道图像中所有像素点的最大灰度值,具体公式为:
temp_A=max(Idark(x)),
其中,temp_A表示大气光照初始值,x表示暗通道图像中的像素点,Idark(x)表示暗通道图像中像素点x的灰度值;
获取预设的大气光照限制因子;
比较所述大气光照初始值和所述大气光照限制因子;
若所述大气光照初始值小于所述大气光照限制因子,则判定所述大气光照初始值为大气光照终值;
若所述大气光照限制因子小于所述大气光照初始值,则判定所述大气光照限制因子为大气光照终值,具体比较公式为:
A=min(temp_A,A0),
其中,A表示大气光照终值,temp_A表示大气光照初始值,A0表示大气光照限制因子,一般取240。
更进一步地,步骤S1032中计算每个像素点对应的大气透射率终值,具体过程如下:
根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值以及预设的去雾程度因子,计算所述暗通道图像中每一个像素点的大气透射率初值,具体计算公式为:
其中,temp_t(x)表示像素点x的大气透射率初值,w表示去雾程度因子,w∈(0,1),一般w取值为0.7,A表示大气光照终值,x表示暗通道图像中的像素点,Idark(x)表示暗通道图像中像素点x的灰度值;
获取预设的透射率限制因子;
比较所述大气透射率初值和所述透射率限制因子;
若所述大气透射率初值大于所述透射率限制因子,则判定所述大气透射率初值为像素点的大气透射率终值;
若所述透射率限制因子大于所述大气透射率初值,则判定所述透射率限制因子为像素点的大气透射率终值,具体公式为:
t(x)=max(temp_t(x),t0),
其中,t(x)表示像素点x的大气透射率终值,temp_t(x)表示像素点x的大气透射率初值,t0表示透射率限制因子,一般取值为0.1;
重复上述步骤,遍历所述子图像内部的所有像素点,得到所述子图像内部所有像素点对应的大气透射率终值。
更进一步地,步骤S1033中根据每个所述像素点对应的大气透射率终值,计算所述子图像的大气透射率,具体公式为:
t=mean(mean(t)),
其中,t表示所述子图像的大气透射率,mean(t)表示对所述子图像内部所有像素点对应的大气透射率终值取均值。示例性的,若所述子图像内部有10个像素点,则10个像素点分别有各自对应的大气透射率终值,分别表示为t(1)、t(2)、......、t(10),此时,所述子图像的大气透射率为t=(t(1)+t(2)+...+t(10))/10。
进一步地,在本实施例1的一种具体实施方式中,如图4所示,步骤S104中比较所述区域对比度和所述全局对比度,包括:
S1040,比较所述区域对比度cg和所述全局对比度Cg的大小,比较公式为cg≥Cg或c<Cg;
更进一步地,在本实施例1的一种具体实施方式中,在步骤S104的比较结果基础上,如图4所示,步骤S105中,根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,具体过程如下:
S1050,若所述区域对比度cg大于等于所述全局对比度Cg,则所述子图像的剪切阈值ClipLimit计算公式为ClipLimit=round(clipLimit*(1+t));
S1051,若所述区域对比度cg小于所述全局对比度Cg,且大于等于十分之九倍的全局对比度Cg,则所述子图像的剪切阈值ClipLimit计算公式为ClipLimit=round(clipLimit);
S1052,若所述区域对比度cg小于十分之九倍的全局对比度Cg,则所述子图像的剪切阈值ClipLimit计算公式为ClipLimit=round(clipLimit*(1-t));
其中,clipLimit表示基础对比度受限阈值,t表示所述子图像的大气透射率,round表示四舍五入的函数。
进一步地,在本实施例1的一种具体实施方式中,如图5所示,步骤S106中,根据所述剪切阈值,重新分配直方图中的像素点,具体步骤如下:
S1060,比较所述剪切阈值和所述直方图中每个灰度级所对应的像素点数量;
S1061,计算所有灰度级上超出剪切阈值的像素点总和,即通过将每个灰度级上对应的像素点数量与剪切阈值作差,并将所有差值相加得到,具体计算公式为:
其中,totalExcess表示所有灰度级上超出剪切阈值的像素点总和,Hist(i)表示直方图中灰度值为i的像素个数,ClipLimit表示剪切阈值,numBins表示图像的灰度级数;
S1062,计算每个灰度级上平均增加的像素点数量,所述每个灰度级上平均增加的像素点数量通过所有灰度级上超出剪切阈值的像素点总和除以灰度级数,并对得到的结果取整,具体公式为:
avgBinIncr=floor(totalExcess/numBins),
其中,avgBinIncr表示每个灰度级上平均增加的像素点数量,floor表示向下取整的函数,totalExcess表示所有灰度级上超出剪切阈值的像素点总和,numBins表示图像的灰度级数;
S1063,计算像素点上限值,所述像素点上限值为所述子图像的基础对比度受限阈值与每个灰度级上平均增加的像素点数量之差,具体计算公式为:
UpperLimit=clipLimit-avgBinIncr,
其中,UpperLimit表示像素点上限值,clipLimit表示子图像的基础对比度受限阈值,avgBinIncr表示每个灰度级上平均增加的像素点数量;
S1064,将所述直方图中所有灰度级上的像素点数量分别与所述剪切阈值和所述像素点上限值进行比较;
S1065,若所述灰度级上的像素点数量大于所述剪切阈值,则将所述灰度级上的像素点数量直接设置为剪切阈值;
S1066,若所述灰度级上的像素点数量处于所述像素点上限值和所述剪切阈值之间,则通过所有灰度级上超出剪切阈值的像素点总和将所述灰度级上的像素点数量对应填补至剪切阈值;
S1067,若所述灰度级上的像素点数量小于所述像素点上限值,则按照每个灰度级上平均增加的像素点数量对所述灰度级上的像素点数量进行填补;
S1068,若所有灰度级上超出剪切阈值的像素点总和经过上述分配之后仍有剩余,则以像素步进值的分配方式将其均匀分配到所述直方图中的每个灰度级上,直至所有灰度级上超出剪切阈值的像素点总和为0,所述像素步进值的具体计算公式为:
其中,step表示像素步进值,numBins是图像的灰度级数,剩余totalExcess表示剩余所有灰度级上超出剪切阈值的像素点总和。
需要说明的是,由于每个子图像的亮度不同,若子图像较暗,则该子图像对应的对比度受限直方图中像素点集中在灰度值较低的一端;若子图像较亮,则该子图像对应的对比度受限直方图中像素点集中在灰度值较高的一端。但是理想的子图像所对应的对比度受限直方图需要几乎覆盖整个灰度值范围,在整个灰度值范围内近似于均匀分布,则该子图像具有较大的动态范围和较高的对比度,图像细节更丰富。为了达到理想子图像的效果,需要采用步骤S107对步骤S106中得到的各个子图像所对应的对比度受限直方图进行均衡化处理。
更进一步地,在本实施例1的一种具体实施方式中,步骤S107中,对所述对比度受限直方图进行直方图均衡化处理的具体公式如下:
其中,HistEq(k)表示灰度值k经过直方图均衡化后得到的映射值,m*n为子图像的像素总数,Hist(i)是直方图中灰度值为i的像素个数,numBins是图像的灰度级数i≤k;
按照上述直方图均衡化处理公式对每个子图像对应的对比度受限直方图依次进行直方图均衡化处理,得到与子图像对应的子均衡化图像。
示例性的,输入一幅大小为5*2的图像,该图像一共有10个像素,灰度级数为256,灰度值范围为0~255;其中灰度值小于等于50的像素有4个,则灰度值50映射后的灰度值为
另外,由于各个子图像相接处的像素值分布不连续,导致通过步骤S107中得到的多个子均衡化图像之间会产生很明显的分割线,即所述子均衡化图像两两之间存在块效应,如图6所示,图6中可以很明显地看出每个子均衡化图像之间均存在一条分割线,若干个子均衡化图像构成了一张完整均衡化图像。因此,需要采用双线性插值方法对各个子均衡化图像之间的像素点进行灰度值重构,得到如图7所示与所述均衡化图像对应的插值图像,从图7中可以看出,经过双线性插值进行灰度值重构后,明显消除了均衡化图像中的分割线。
更进一步地,在本实施例1的一种具体实施方式中,步骤S108中,对各个所述子均衡化图像之间的像素点采用双线性插值的方法进行灰度值重构,具体过程为通过已知如图8所示的坐标系中的四个坐标点(u,v),(u+1,v),(u,v+1)和(u+1,v+1)以及四个坐标点分别对应的像素灰度f(u,v),f(u+1,v),f(u,v+1)和f(u+1,v+1),插值计算坐标(x,y)对应的灰度值f(x,y),包括:
首先,对X方向上的R1和R2进行线性插值,需要指出的是,R1、R2只是计算中间值,没有任何实质性含义,公式如下:
R1=(u+1-x)*f(u,v)+(x-u)*f(u+1,v),
R2=(u+1-x)*f(u,v+1)+(x-u)*f(u+1,v+1);
然后计算坐标(x,y)对应的灰度值f(x,y),公式如下:
根据上述公式计算得到每一个像素点对应的灰度值f(x,y),得到与待处理图像对应的输出图像,输出图像中每一个像素点的灰度值f(x,y)均为通过双线性插值方法重构计算后的灰度值。
需要特别说明的是,在本实施例1中,所有公式中的字符含义均为通用字符,不同字符在不同公式中可能表示含义相同,例如:i、k都表示像素点的灰度值,且i≤k;相同字符在不同公式中可能表示不同含义,例如:Idark(x)可以表示暗通道图像;但是在需要计算时,又可以表示暗通道图像中像素点x的灰度值。表示像素点的字符均泛指某一图像内部的任意一点像素点,且公式对于每个像素点均适用,同样,表示像素点的坐标的字符也泛指某一图像内部的任意一点像素点的坐标。具体字符的含义以对应公式中的解释为准,本领域技术人员根据不同计算公式所对应的字符解释均可实现本申请技术方案,因此,本实施例1中的字符及其表示含义均不会造成本申请技术方案不清楚的问题。
实施例2
本实施例2提供一种终端设备,包括存储器、处理器以及存储在所述存储器中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实施例1中一种基于透射率和CLAHE算法的图像处理方法的步骤。
实施例3
本实施例3提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1中一种基于透射率和CLAHE算法的图像处理方法的步骤。
如图9所示为一张待处理图像示意图,图9中的“原图”表示待处理图像,从图9中可以看出,该待处理图像中楼层细节部分较模糊,并且天空区域的雾面较大,噪声较高。
对比例
图10中标记的“CLAHE”即采用现有的CLAHE算法对如图9所示的待处理图像进行处理后,得到如图10所示的输出图像,从图10中可以看出,经过现有的CLAHE算法处理后的待处理图像中楼层图像细节较明显(大椭圆区域的近处楼层),但是小椭圆区域的远处楼层图像细节仍然不清晰。此时,天空区域的雾面(天空椭圆区域)相对较小,噪声相对较低。
应用例
图11中标记的“改进算法”即采用本申请实施例1中一种基于透射率和CLAHE算法的图像处理方法对如图9所示的待处理图像进行处理后,得到如图11所示的输出图像,从图11中可以看出,经过本申请实施例1的图像处理方法处理后的待处理图像中楼层图像细节均更明显(大椭圆区域的近处楼层和小椭圆区域的远处楼层),并且大椭圆区域的近处楼层图像亮度更高,相较于对比例中采用现有的CLAHE算法处理后的输出图像细节更清晰,对比度更高。此时,天空区域的雾面(天空椭圆区域),相较于对比例中采用现有的CLAHE算法处理后的输出图像更加清晰,噪声更低,对如图9所示的待处理图像的整体图像增强效果更好。
需要说明的是,图10和图11的输出图像中均存在三个椭圆区域,以拍摄的相对远近区分近处楼层和远处楼层,以地面和楼层顶端为基准区分天空区域(平滑区域),本领域技术人员可以结合本申请的方案描述和图10和图11对每个椭圆所包含的是什么区域进行明显区分,因此,图10和图11中的椭圆区域标识不会造成本申请技术方案不清楚。
Claims (11)
1.一种基于透射率和CLAHE算法的图像处理方法,其特征在于,所述图像处理方法包括以下步骤:
计算待处理图像的全局对比度;
计算子图像的区域对比度和基础对比度受限阈值,所述子图像通过对所述待处理图像划分得到,且每个所述子图像的大小相同;
计算所述子图像的大气透射率;
比较所述区域对比度和所述全局对比度;
根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,所述参数包括所述基础对比度受限阈值和所述子图像的大气透射率;
根据所述剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图,所述直方图根据所述子图像得到,所述直方图的数量和所述对比度受限直方图的数量均与所述子图像的数量相同,所述像素点包括所述子图像中每个灰度级所对应的像素点;
对所述对比度受限直方图进行直方图均衡化处理,得到与所述子图像对应的子均衡化图像,所述子均衡化图像的数量与所述子图像的数量相同;
对各个所述子均衡化图像之间的像素点进行灰度值重构,得到与所述待处理图像对应的输出图像。
2.根据权利要求1所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,计算所述子图像的大气透射率,包括:
计算所述待处理图像的暗通道图像;
根据所述暗通道图像,计算大气光照终值;
根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值,计算每个所述像素点对应的大气透射率终值;
根据每个所述像素点对应的大气透射率终值,计算所述子图像的大气透射率。
3.根据权利要求2所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,根据所述暗通道图像,计算大气光照终值,包括:
计算大气光照初始值,所述大气光照初始值是所述暗通道图像中所有像素点的最大灰度值;
获取预设的大气光照限制因子;
比较所述大气光照初始值和所述大气光照限制因子;
若所述大气光照初始值小于所述大气光照限制因子,则判定所述大气光照初始值为大气光照终值;
若所述大气光照限制因子小于所述大气光照初始值,则判定所述大气光照限制因子为大气光照终值。
4.根据权利要求2所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,根据所述暗通道图像中每个像素点的灰度值和所述大气光照终值,计算每个所述像素点对应的大气透射率终值,包括:
计算所述暗通道图像中每一个像素点的大气透射率初值;
获取预设的透射率限制因子;
比较所述大气透射率初值和所述透射率限制因子;
若所述大气透射率初值大于所述透射率限制因子,则判定所述大气透射率初值为像素点的大气透射率终值;
若所述透射率限制因子大于所述大气透射率初值,则判定所述透射率限制因子为像素点的大气透射率终值。
5.根据权利要求4所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,所述像素点的大气透射率初值根据所述暗通道图像中像素点的灰度值和大气光照终值以及预设的去雾程度因子进行计算。
6.根据权利要求1所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,根据所述剪切阈值,重新分配直方图中的像素点,得到对应的对比度受限直方图,包括:
根据剪切阈值和直方图中每个灰度级所对应的像素点数量计算所有灰度级上超出剪切阈值的像素点总和;
根据所有灰度级上超出剪切阈值的像素点总和计算每个灰度级上平均增加的像素点数量;
根据每个灰度级上平均增加的像素点数量计算像素点上限值;
将所述直方图中所有灰度级上的像素点数量分别与所述剪切阈值和所述像素点上限值进行比较;
根据比较结果,对所述灰度级上的像素点数量进行重新分配。
7.根据权利要求6所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,根据比较结果,对所述灰度级上的像素点数量进行重新分配,包括:
若所述灰度级上的像素点数量大于所述剪切阈值,则将所述灰度级上的像素点数量直接设置为剪切阈值;
若所述灰度级上的像素点数量处于所述像素点上限值和所述剪切阈值之间,则通过所有灰度级上超出剪切阈值的像素点总和将所述灰度级上的像素点数量对应填补至剪切阈值;
若所述灰度级上的像素点数量小于所述像素点上限值,则按照每个灰度级上平均增加的像素点数量对所述灰度级上的像素点数量进行填补;
若所有灰度级上超出剪切阈值的像素点总和经过上述分配之后仍有剩余,则以像素步进值的分配方式将其均匀分配到所述直方图中的每个灰度级上。
8.根据权利要求6或7所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,所述像素点上限值通过将子图像的基础对比度受限阈值与每个灰度级上平均增加的像素点数量相减得到。
9.根据权利要求1所述的一种基于透射率和CLAHE算法的图像处理方法,其特征在于,根据比较结果采用相应的参数和公式,计算所述子图像的剪切阈值,包括:
若cg≥Cg,则所述子图像的剪切阈值计算公式为ClipLimit=round(clipLimit*(1+t));
其中,cg表示区域对比度,Cg表示全局对比度,ClipLimit表示子图像的剪切阈值,round为四舍五入的函数,clipLimit表示所述子图像的基础对比度受限阈值,t表示所述子图像的大气透射率。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述的一种基于透射率和CLAHE算法的图像处理方法的步骤。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9任意一项所述的一种基于透射率和CLAHE算法的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493552.7A CN114283076B (zh) | 2021-12-08 | 2021-12-08 | 一种基于透射率和clahe算法的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493552.7A CN114283076B (zh) | 2021-12-08 | 2021-12-08 | 一种基于透射率和clahe算法的图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114283076A true CN114283076A (zh) | 2022-04-05 |
CN114283076B CN114283076B (zh) | 2024-03-29 |
Family
ID=80871313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111493552.7A Active CN114283076B (zh) | 2021-12-08 | 2021-12-08 | 一种基于透射率和clahe算法的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114283076B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778261A (zh) * | 2023-08-21 | 2023-09-19 | 山东恒信科技发展有限公司 | 基于图像处理的原料油等级分类方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189354A1 (en) * | 2014-12-26 | 2016-06-30 | Ricoh Company, Ltd. | Image processing system, image processing device, and image processing method |
CN112184601A (zh) * | 2020-09-09 | 2021-01-05 | 中国计量大学 | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 |
-
2021
- 2021-12-08 CN CN202111493552.7A patent/CN114283076B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189354A1 (en) * | 2014-12-26 | 2016-06-30 | Ricoh Company, Ltd. | Image processing system, image processing device, and image processing method |
CN112184601A (zh) * | 2020-09-09 | 2021-01-05 | 中国计量大学 | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 |
Non-Patent Citations (1)
Title |
---|
赵静;韦海成;: "基于对比度受限直方图均衡法的牛羊眼部图像增强方法", 科技资讯, no. 13, 23 August 2016 (2016-08-23) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778261A (zh) * | 2023-08-21 | 2023-09-19 | 山东恒信科技发展有限公司 | 基于图像处理的原料油等级分类方法 |
CN116778261B (zh) * | 2023-08-21 | 2023-11-14 | 山东恒信科技发展有限公司 | 基于图像处理的原料油等级分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114283076B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365424B (zh) | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
CN109801240B (zh) | 一种图像增强方法以及图像增强装置 | |
Arici et al. | A histogram modification framework and its application for image contrast enhancement | |
CN110599415A (zh) | 基于局部自适应伽马校正的图像对比度增强实现方法 | |
JP4795473B2 (ja) | 画像処理装置及びその制御方法 | |
US8265391B1 (en) | Localized, adaptive video contrast enhancement using controlled histogram equalization | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN108280836B (zh) | 一种图像处理方法及装置 | |
CN111709898B (zh) | 基于优化clahe的红外图像增强方法与系统 | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN114998165A (zh) | 一种基于直方图变换的均匀曝光图像对比度增强方法 | |
CN114283076A (zh) | 一种基于透射率和clahe算法的图像处理方法 | |
CN115661008A (zh) | 一种图像增强处理方法、装置、设备及介质 | |
CN112419209B (zh) | 一种全局直方图均衡的图像增强方法 | |
CN114187222A (zh) | 一种低照度图像的增强方法、系统及可存储介质 | |
CN110223241A (zh) | 一种基于分块统计的直方图均衡方法 | |
CN109801246A (zh) | 一种自适应阈值的全局直方图均衡方法 | |
CN111080563A (zh) | 一种基于遍历寻优的直方图均衡方法 | |
CN108305234B (zh) | 一种基于最优化模型的双直方图均衡方法 | |
CN115511737A (zh) | 基于语义分割的红外图像增强方法 | |
CN112991240B (zh) | 一种用于实时图像增强的图像自适应增强算法 | |
CN107404600B (zh) | 图像处理装置及方法 | |
JP6867563B1 (ja) | 画像処理方法 | |
CN110874822B (zh) | 利用动态视窗平滑滤波器的信号滤波方法与系统 |
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 |