CN114331925A - 一种多尺度相对梯度直方图均衡化方法及装置 - Google Patents
一种多尺度相对梯度直方图均衡化方法及装置 Download PDFInfo
- Publication number
- CN114331925A CN114331925A CN202210250036.XA CN202210250036A CN114331925A CN 114331925 A CN114331925 A CN 114331925A CN 202210250036 A CN202210250036 A CN 202210250036A CN 114331925 A CN114331925 A CN 114331925A
- Authority
- CN
- China
- Prior art keywords
- scale
- histogram
- gray
- relative gradient
- relative
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种多尺度相对梯度直方图均衡化方法及装置,该方法包括:步骤S1,根据相对梯度直方图的定义,计算图像的相对梯度直方图;步骤S2,基于相对梯度直方图,计算图像的多尺度相对梯度直方图;步骤S3,基于多尺度相对梯度直方图计算各灰度级对比度增量,并计算传统直方图对应的各灰度级对比度增量;步骤S4,基于步骤S3获得的多尺度相对梯度直方图和传统直方图对应的对比度增量,采用优化算法得到修正后的灰度级对比度增量;步骤S5,对步骤S4中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量进行累加得到对应的灰度映射函数;步骤S6,将原始图像所有像素点的灰度级替换为其映射后的灰度级,得到增强后图像。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种多尺度相对梯度直方图均衡化方法及装置。
背景技术
图像增强是图像处理中的重要预处理步骤,它可以有效改善图像质量,提高图像视觉效果。其中直方图均衡化是使用最为广泛的图像增强算法之一。它通过灰度级映射变换使图像的直方图比较均匀地分布于整个灰度级范围内。直方图均衡化能很好地扩展图像灰度级的动态范围,提高图像的对比度。但其存在如下问题:
一、图像过增强。直方图均衡化的映射函数是图像灰度级概率密度分布的累加,如果原始图像的直方图中出现比较陡峭的峰值,则容易出现图像过增强。
二、无法提高图像相对梯度强度。直方图均衡化算法简单高效,并使得增强后图像的灰度级分布更加均匀,但其无法提高图像的相对梯度强度,而研究表明,人类的视觉系统对图像的相对亮度变化(相对梯度)比较敏感,提高图像相对梯度强度,能够有效改善其主观视觉效果。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种多尺度相对梯度直方图均衡化方法及装置,能够有效提高图像相对梯度强度并避免过增强,从而显著改善图像的主观视觉效果。
为达上述及其它目的,本发明提出一种多尺度相对梯度直方图均衡化方法,包括如下步骤:
步骤S1,根据相对梯度直方图的定义,计算图像的相对梯度直方图;
步骤S2,基于步骤S1获得的相对梯度直方图,计算图像的多尺度相对梯度直方图;
步骤S5,对步骤S4中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量∆ k 进行累加得到对应的灰度映射函数;
步骤S6,将原始图像所有像素点的灰度级替换为其映射后的灰度级,得到增强后图像。
优选地,于步骤S1中,所述相对梯度直方图定义为:
其中,和分别为{[f(i,j),f(i,j-1)],[f(i,j),f(i,j+1)],[f(i,j),f(i-1,j)],[f(i,j),f(i+1,j)]}的最大值和最小值,f(i,j)表示像素点(i,j)的灰度值,L为输入图像f M×N 的灰度级数目,B(i,j)为输入图像像素点(i,j)处(2W+1)×(2W+1)窗口内的所有像素点灰度均值:
优选地,于步骤S2中,所述多尺度相对梯度直方图为尺度参数γ=0,γ=1和γ=2时对应的相对梯度直方图的和的均值。
优选地,于步骤S3中,各灰度级对比度增量计算如下:
其中,MRGH为步骤S2获得的多尺度相对梯度直方图。
优选地,于步骤S3中,传统直方图对应的各灰度级对比度增量计算如下:
其中,GH为输入图像传统灰度直方图。
优选地,于步骤S4中,采用如下优化算法计算修正后的各灰度级对比度增量∆ k :
满足如下限制条件:
优选地,所述灰度映射函数为:
为达到上述目的,本发明还提供一种多尺度相对梯度直方图均衡化装置,包括:
相对直方图计算单元,用于根据相对梯度直方图的定义,计算图像的相对梯度直方图;
多尺度相对梯度直方图计算单元,用于基于所述相对直方图计算单元获得的相对梯度直方图,计算图像的多尺度相对梯度直方图;
灰度映射函数获取单元,对所述灰度级对比度增量优化单元中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量∆ k 进行累加得到对应的灰度映射函数;
图像灰度级替换单元,用于将原始图像所有像素点的灰度级替换为其映射后的灰度级,得到增强后图像。
优选地,各灰度级对比度增量计算如下:
其中,MRGH为所述多尺度相对梯度直方图计算单元获得的多尺度相对梯度直方图。
优选地,所述灰度级对比度增量优化单元采用如下优化算法计算修正后的各灰度级对比度增量∆ k :
满足如下限制条件:
与现有技术相比,本发明提出的相对梯度直方图RGH不仅包含图像的灰度信息,还包含图像的梯度信息,由于图像中的背景区域比较平缓,包含的梯度信息较小,对多尺度相对梯度直方图MRGH的影响较小,因此本发明多尺度相对梯度直方图MRGH直方图中没有产生峰值,通过同时包含灰度和梯度信息,多尺度相对梯度直方图MRGH能够有效过滤图像中的背景区域,缓解传统灰度直方图中的峰值,避免过增强。
附图说明
图1为本发明一种多尺度相对梯度直方图均衡化方法的步骤流程图;
图2为本发明一种多尺度相对梯度直方图均衡化装置的系统结构图;
图3为本发明实施例中图像增强效果示意图;
图4为归一化后的传统灰度直方图和本发明提出的多尺度相对梯度直方图MRGH的对比。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种多尺度相对梯度直方图均衡化方法的步骤流程图。如图1所示,本发明一种多尺度相对梯度直方图均衡化方法,包括如下步骤:
步骤S1,根据相对梯度直方图的定义,计算图像在尺度参数γ=0,γ=1和γ=2时对应的相对梯度直方图RGH γ=0 ,RGH γ=1 和RGH γ=2 。
在本发明中,所述相对梯度直方图定义为:
其中,尺度参数γ∈[0,2], 和分别是{[f(i,j),f(i,j-1)],[f(i,j),f(i,j+1)],[f(i, j),f(i-1,j)],[f(i,j),f(i+1,j)]}的最大值和最小值,L为输入图像f M×N 的灰度级数目,B (i,j)为输入图像像素点(i,j)处(2W+1)×(2W+1)窗口内的所有像素点灰度均值:
其中(2W+1)×(2W+1)为窗口大小。从上述公式(1)和(2)中可以看出,相对梯度直方图RGH由像素个数和像素梯度共同决定,而且梯度越小的像素点对RGH的影响越小。当图像中存在大量灰度级接近的背景区域(例如天空、大海等)时,其在传统灰度直方图中会形成一个峰值,进而导致图像过增强;由于灰度级接近的区域其包含的梯度信息较小,其对RGH的影响较小,可以有效避免峰值。
步骤S2,基于步骤S1获得的图像在γ=0,γ=1和γ=2时对应的相对梯度直方图RGH γ=0 ,RGH γ=1 和RGH γ=2 ,计算图像多尺度相对梯度直方图。
具体地,多尺度相对梯度直方图(Multiscale RGH, MRGH)定义如下:
MRGH=(RGH γ=0 +RGH γ=1 +RGH γ=2 )/3. (公式4)
其中RGH γ 为通过步骤S1中的公式(1)获得的相对梯度直方图,通过设置不同的参数γ,RGH包含不同尺度的相对梯度信息,在本发明具体实施例中,多尺度相对梯度直方图则为γ=0,γ=1和γ=2时对应的相对梯度直方图的均值。
步骤S3,基于步骤S2得到的多尺度相对梯度直方图计算各灰度级对比度增量以及计算传统直方图对应的各灰度级对比度增量。
具体地,各灰度级对比度增量计算如下:
同时,计算传统直方图对应的各灰度级对比度增量:
其中GH为输入图像的传统灰度直方图,由于传统灰度直方图的计算为现有成熟技术,在此不予赘述。
满足如下限制条件:
即最小化目标函数,目标函数为对比度增量∆ k 和以及的距离平方加权值,参数p(0<p<2)为加权系数。由于相对梯度直方图均衡化可以有效提升图像的相对梯度信息,传统直方图均衡化可以最大化增强后图像的熵,并使其灰度级分布变得更均匀,有效提高图像对比度,因此,采用最小化上述目标函数对多尺度相对梯度直方图对比度增量进行修正,可以更有效改善图像主观视觉效果,其中,限制条件如下:
限制条件(a):图像中对应像素个数为0的灰度级,其对比度增量也为0;∆ k (k∈{k |0≤k<L,MRGH(k+1)=0})这可以有效减少待求解变量的数目;
限制条件(b):图像中灰度级对比度增量总和为L-1,这个限制条件保证增强后图像能够有效利用灰度动态范围;
限制条件(c):0 ≤∆ k 保证映射函数单调非递减,避免增强后图像出现灰度级混乱,∆ k ≤ u用来避免原始图像直方图中出现峰值带来的过增强。实验结果表明参数u设置为3或者4时,增强效果较好。
在本发明具体实施例中,该目标函数的优化问题可以采用标准二次规划方法进行求解。
步骤S5,对步骤S4中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量进行累加得到对应的灰度映射函数g(l)(l=1,2,…,L):
步骤S6,将原始图像f M×N 中所有像素点(i,j)的灰度级替换为灰度映射函数g(f(i, j))(i=1,2,…,M,j=1,2,…,N)得到增强后图像。
图2为本发明一种多尺度相对梯度直方图均衡化装置的系统结构图。如图2所示,本发明一种多尺度相对梯度直方图均衡化装置,包括:
相对直方图计算单元201,用于根据相对梯度直方图的定义,计算图像在尺度参数γ=0,γ=1和γ=2时对应的相对梯度直方图RGH γ=0 ,RGH γ=1 和RGH γ=2 。
在本发明中,所述相对梯度直方图定义为:
其中,尺度参数γ∈[0,2], 和分别是{[f(i,j),f(i,j-1)],[f(i,j),f(i,j+1)],[f(i, j),f(i-1,j)],[f(i,j),f(i+1,j)]}的最大值和最小值,L为输入图像f M×N 的灰度级数目,B (i,j)为输入图像像素点(i,j)处(2W+1)×(2W+1)窗口内的所有像素点灰度均值:
从上述公式(1)和(2)中可以看出,相对梯度直方图RGH由像素个数和像素梯度共同决定,而且梯度越小的像素点对RGH的影响越小。当图像中存在大量灰度级接近的背景区域(例如天空、大海等)时,其在传统灰度直方图中会形成一个峰值,进而导致图像过增强;由于灰度级接近的区域其包含的梯度信息较小,其对RGH的影响较小,可以有效避免峰值。
多尺度相对梯度直方图计算单元202,用于基于相对直方图计算单元201获得的图像在γ=0,γ=1和γ=2时对应的相对梯度直方图RGH γ=0 ,RGH γ=1 和RGH γ=2 ,计算图像多尺度相对梯度直方图。
具体地,多尺度相对梯度直方图(Multiscale RGH, MRGH)定义如下:
MRGH=(RGH γ=0 +RGH γ=1 +RGH γ=2 )/3.
其中RGH γ 为通过步骤S1中的公式(1)获得的相对梯度直方图,通过设置不同的参数γ,RGH包含不同尺度的相对梯度信息,在本发明具体实施例中,多尺度相对梯度直方图则为γ=0,γ=1和γ=2时对应的相对梯度直方图的均值。
灰度级对比度增量计算单元203,用于基于多尺度相对梯度直方图计算单元202得到的多尺度相对梯度直方图计算各灰度级对比度增量,并计算传统直方图对应的各灰度级对比度增量。
具体地,各灰度级对比度增量计算如下:
同时,计算传统直方图对应的各灰度级对比度增量:
其中GH为输入图像的传统灰度直方图,由于传统灰度直方图的计算为现有成熟技术,在此不予赘述。
灰度级对比度增量优化单元204,用于基于灰度级对比度增量计算单元203获得的多尺度相对梯度直方图和传统直方图对应的对比度增量和,采用优化算法得到修正后的灰度级对比度增量∆ k =(k=0,1,2,…,L-1)。
满足如下限制条件:
限制条件(a):图像中对应像素个数为0的灰度级,其对比度增量也为0;∆ k (k∈{k |0≤k<L,MRGH(k+1)=0})这可以有效减少待求解变量的数目;
限制条件(b):图像中灰度级对比度增量总和为L-1,这个限制条件保证增强后图像能够有效利用灰度动态范围;
限制条件(c):0 ≤∆ k 保证映射函数单调非递减,避免增强后图像出现灰度级混乱,∆ k ≤ u用来避免原始图像直方图中出现峰值带来的过增强。实验结果表明参数u设置为3或者4时,增强效果较好。
在本发明具体实施例中,该目标函数的优化问题可以采用标准二次规划方法进行求解。
灰度映射函数获取单元205,用于对灰度级对比度增量优化单元204中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量进行累加得到对应的灰度映射函数g(l) (l=1,2,…,L):
图像灰度级替换单元206,用于将原始图像f M×N 中所有像素点(i,j)的灰度级替换为灰度映射函数g(f(i,j))(i=1,2,…,M,j=1,2,…,N)得到增强后图像。
为验证本发明多尺度相对梯度直方图均衡化方法的有效性,图3和图4分别展示了本发明的增强效果和多尺度相对梯度直方图。图3中4张图片分别为原始图像,增强后图像,原始图像相对梯度图和增强后图像相对梯度图,从图3中可以看出,通过优化算法将多尺度相对梯度直方图对比度增量和传统直方图对比度增量进行融合,本发明可以有效提高图像的相对梯度强度和对比度,进而有效改善图像的主观视觉效果。图4为归一化后的传统灰度直方图和本发明提出的多尺度相对梯度直方图MRGH的对比,其中蓝色线条为MRGH,红色线条为传统灰度直方图。从图中可以看出,原始图像中大面积的黑色背景区域灰度比较接近,因而在传统灰度直方图中形成了一个峰值。本发明的相对梯度直方图不仅包含图像的灰度信息,还包含图像的梯度信息。由于图像中的背景区域比较平缓,包含的梯度信息较小,对MRGH的影响较小。因此本发明的MRGH直方图中没有产生峰值,通过同时包含灰度和梯度信息,MRGH能够有效过滤图像中的背景区域,缓解传统灰度直方图中的峰值,避免过增强。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种多尺度相对梯度直方图均衡化方法,包括如下步骤:
步骤S1,根据相对梯度直方图的定义,计算图像的相对梯度直方图;
步骤S2,基于步骤S1获得的相对梯度直方图,计算图像的多尺度相对梯度直方图;
步骤S5,对步骤S4中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量∆ k 进行累加得到对应的灰度映射函数;
步骤S6,将原始图像所有像素点的灰度级替换为其映射后的灰度级,得到增强后图像。
2.如权利要求1所述的一种多尺度相对梯度直方图均衡化方法,其特征在于,于步骤S1中,所述相对梯度直方图定义为:
其中,和分别为{[f (i,j),f(i,j-1)],[f(i,j),f(i,j+1)],[f(i,j),f(i-1,j)],[f(i,j),f(i+1,j)]}的最大值和最小值,f(i,j)表示像素点(i,j)的灰度值,L为输入图像f M×N 的灰度级数目,B(i,j)为输入图像像素点(i,j)处(2W+1)×(2W+1)窗口内的所有像素点灰度均值:
3.如权利要求2所述的一种多尺度相对梯度直方图均衡化方法,其特征在于:于步骤S2中,所述多尺度相对梯度直方图为尺度参数γ=0,γ=1和γ=2时对应的相对梯度直方图的和的均值。
8.一种多尺度相对梯度直方图均衡化装置,包括:
相对直方图计算单元,用于根据相对梯度直方图的定义,计算图像的相对梯度直方图;
多尺度相对梯度直方图计算单元,用于基于所述相对直方图计算单元获得的相对梯度直方图,计算图像的多尺度相对梯度直方图;
灰度映射函数获取单元,对所述灰度级对比度增量优化单元中得到的修正后的多尺度相对梯度直方图的灰度级对比度增量∆ k 进行累加得到对应的灰度映射函数;
图像灰度级替换单元,用于将原始图像所有像素点的灰度级替换为其映射后的灰度级,得到增强后图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250036.XA CN114331925B (zh) | 2022-03-15 | 2022-03-15 | 一种多尺度相对梯度直方图均衡化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250036.XA CN114331925B (zh) | 2022-03-15 | 2022-03-15 | 一种多尺度相对梯度直方图均衡化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114331925A true CN114331925A (zh) | 2022-04-12 |
CN114331925B CN114331925B (zh) | 2022-07-19 |
Family
ID=81033716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210250036.XA Active CN114331925B (zh) | 2022-03-15 | 2022-03-15 | 一种多尺度相对梯度直方图均衡化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331925B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205297A (zh) * | 2022-09-19 | 2022-10-18 | 汶上县金振机械制造有限公司 | 一种气动风动绞车的异常状态检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030160800A1 (en) * | 2002-02-22 | 2003-08-28 | Agfa-Gevaert | Multiscale gradation processing method |
CN101201935A (zh) * | 2006-12-11 | 2008-06-18 | 爱克发医疗保健公司 | 生成多尺度对比增强图像的方法 |
CN102930517A (zh) * | 2012-11-30 | 2013-02-13 | 江苏技术师范学院 | 直方图均衡化图像增强方法 |
ITTO20120602A1 (it) * | 2012-07-09 | 2014-01-10 | Sisvel Technology Srl | Method for transforming an image descriptor based on a gradient histogram and relative image processing apparatus. |
CN111325685A (zh) * | 2020-02-04 | 2020-06-23 | 北京锐影医疗技术有限公司 | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 |
-
2022
- 2022-03-15 CN CN202210250036.XA patent/CN114331925B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030160800A1 (en) * | 2002-02-22 | 2003-08-28 | Agfa-Gevaert | Multiscale gradation processing method |
CN101201935A (zh) * | 2006-12-11 | 2008-06-18 | 爱克发医疗保健公司 | 生成多尺度对比增强图像的方法 |
ITTO20120602A1 (it) * | 2012-07-09 | 2014-01-10 | Sisvel Technology Srl | Method for transforming an image descriptor based on a gradient histogram and relative image processing apparatus. |
CN102930517A (zh) * | 2012-11-30 | 2013-02-13 | 江苏技术师范学院 | 直方图均衡化图像增强方法 |
CN111325685A (zh) * | 2020-02-04 | 2020-06-23 | 北京锐影医疗技术有限公司 | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 |
Non-Patent Citations (2)
Title |
---|
XIANFANG SUN等,: "Bas-Relief Generation Using Adaptive Histogram Equalization", 《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》, vol. 15, 19 January 2009 (2009-01-19) * |
许纪亚: "多尺度二维直方图均衡化算法在医学图像增强中的应用研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, 15 February 2018 (2018-02-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205297A (zh) * | 2022-09-19 | 2022-10-18 | 汶上县金振机械制造有限公司 | 一种气动风动绞车的异常状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114331925B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107403422B (zh) | 用以增强图像对比度的方法及其系统 | |
CN105931201B (zh) | 一种基于小波变换的图像主观视觉效果增强方法 | |
US7221408B2 (en) | Adaptive contrast enhancement method for video signals based on time-varying nonlinear transforms | |
Zhang et al. | Underwater image enhancement via weighted wavelet visual perception fusion | |
CN109345491B (zh) | 一种融合梯度和灰度信息的遥感图像增强方法 | |
CN111292257B (zh) | 一种基于Retinex的暗视觉环境下图像增强方法 | |
CN110428389B (zh) | 基于msr理论和曝光融合的微光图像增强方法 | |
CN113222866B (zh) | 灰度图像增强方法、计算机可读介质及计算机系统 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
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 | |
CN115578284A (zh) | 一种多场景图像增强方法及系统 | |
CN110009574A (zh) | 一种亮度、色彩自适应与细节丰富的低动态范围图像逆向生成高动态范围图像的方法 | |
CN114331925B (zh) | 一种多尺度相对梯度直方图均衡化方法及装置 | |
WO2008102296A2 (en) | Method for enhancing the depth sensation of an image | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
Singh et al. | Image enhancement by adaptive power-law transformations | |
JP5410378B2 (ja) | 映像信号補正装置および映像信号補正プログラム | |
CN114240767A (zh) | 一种基于曝光融合的图像宽动态范围处理方法及装置 | |
CN113298763A (zh) | 一种基于显著性窗口策略的图像质量评估方法 | |
JP2000102033A (ja) | 自動階調補正方法 | |
CN113191956B (zh) | 基于深度抠图的逆光图像增强方法 | |
WO2021093718A1 (zh) | 视频处理方法、视频修复方法、装置及设备 | |
KR100742333B1 (ko) | 적응적 계수보간법을 이용한 영상 콘트라스트 개선장치 및그 방법 |
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 |