CN114331925B - 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 PDF

Info

Publication number
CN114331925B
CN114331925B CN202210250036.XA CN202210250036A CN114331925B CN 114331925 B CN114331925 B CN 114331925B CN 202210250036 A CN202210250036 A CN 202210250036A CN 114331925 B CN114331925 B CN 114331925B
Authority
CN
China
Prior art keywords
scale
histogram
gray
relative gradient
gradient histogram
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.)
Active
Application number
CN202210250036.XA
Other languages
English (en)
Other versions
CN114331925A (zh
Inventor
黄立东
李志民
陈海华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ruiying Medical Technology Co ltd
Original Assignee
Beijing Ruiying Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Ruiying Medical Technology Co ltd filed Critical Beijing Ruiying Medical Technology Co ltd
Priority to CN202210250036.XA priority Critical patent/CN114331925B/zh
Publication of CN114331925A publication Critical patent/CN114331925A/zh
Application granted granted Critical
Publication of CN114331925B publication Critical patent/CN114331925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种多尺度相对梯度直方图均衡化方法及装置
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
Figure 959193DEST_PATH_IMAGE001
，并计算传统直方图对应的各灰度级对比度增量
Figure 586483DEST_PATH_IMAGE002
；
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
Figure 563667DEST_PATH_IMAGE003
和
Figure 960013DEST_PATH_IMAGE004
，采用优化算法得到修正后的灰度级对比度增量∆ k ;
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:
Figure 380761DEST_PATH_IMAGE005
其中，尺度参数γ∈[0,2]，M和N为输入图像f M×N 的行数和列数，
Figure 292085DEST_PATH_IMAGE006
,
Figure 807380DEST_PATH_IMAGE007
,
Figure 369817DEST_PATH_IMAGE008
和
Figure 413997DEST_PATH_IMAGE009
为L×1的向量，它们第k th (k=1,2,…,L)个元素为：
Figure 812617DEST_PATH_IMAGE010
其中，
Figure 882335DEST_PATH_IMAGE011
和
Figure 253274DEST_PATH_IMAGE012
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：
Figure 61830DEST_PATH_IMAGE013
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：
Figure 866188DEST_PATH_IMAGE014
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：
Figure 254444DEST_PATH_IMAGE015
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 ：
Figure 276627DEST_PATH_IMAGE016
满足如下限制条件：
Figure 210079DEST_PATH_IMAGE017
其中目标函数为对比度增量∆ k 和
Figure 520974DEST_PATH_IMAGE018
以及
Figure 244080DEST_PATH_IMAGE019
的距离平方加权值，参数p(0 <p<2)为加权系数。
优选地，所述灰度映射函数为：
Figure 573299DEST_PATH_IMAGE020
。
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；
灰度级对比度增量计算单元，用于基于所述多尺度相对梯度直方图计算单元得到的多尺度相对梯度直方图计算各灰度级对比度增量
Figure 926920DEST_PATH_IMAGE021
，并计算传统直方图对应的各灰度级对比度增量
Figure 521849DEST_PATH_IMAGE022
；
灰度级对比度增量优化单元，基于所述灰度级对比度增量计算单元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
Figure 2640DEST_PATH_IMAGE021
和
Figure 937098DEST_PATH_IMAGE002
，采用优化算法得到修正后的灰度级对比度增量∆ k ；
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：
Figure 727200DEST_PATH_IMAGE023
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 ：
Figure 12688DEST_PATH_IMAGE016
满足如下限制条件：
Figure 533055DEST_PATH_IMAGE017
其中目标函数为对比度增量∆ k 和
Figure 587599DEST_PATH_IMAGE018
以及
Figure 548602DEST_PATH_IMAGE019
的距离平方加权值，参数p(0 <p<2)为加权系数。
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：
Figure 55806DEST_PATH_IMAGE024
（公式1）
其中，
Figure 878400DEST_PATH_IMAGE025
,
Figure 787450DEST_PATH_IMAGE026
,
Figure 653775DEST_PATH_IMAGE027
和
Figure 913855DEST_PATH_IMAGE028
为L×1的向量，它们第k th (k= 1,2,…,L)个元素为：
Figure 773095DEST_PATH_IMAGE029
（公式2）
其中，尺度参数γ∈[0,2],
Figure 802231DEST_PATH_IMAGE030
和
Figure 636195DEST_PATH_IMAGE031
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：
Figure 868724DEST_PATH_IMAGE032
（公式3）
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：
Figure 282388DEST_PATH_IMAGE033
(公式5)
同时，计算传统直方图对应的各灰度级对比度增量：
Figure 166031DEST_PATH_IMAGE015
(公式6)
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。
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
Figure 237409DEST_PATH_IMAGE003
和
Figure 940923DEST_PATH_IMAGE034
，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)。
在本发明中，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
Figure 892698DEST_PATH_IMAGE001
和
Figure 647159DEST_PATH_IMAGE035
采用如下优化算法计算修正后的各灰度级对比度增量∆ k =(k=0,1, 2,…,L-1)：
Figure 26187DEST_PATH_IMAGE036
(公式7)
满足如下限制条件：
Figure 482576DEST_PATH_IMAGE037
即最小化目标函数，目标函数为对比度增量∆ k 和
Figure 238043DEST_PATH_IMAGE038
以及
Figure 142283DEST_PATH_IMAGE039
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)：
Figure 957792DEST_PATH_IMAGE040
(公式8)
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:
Figure 901477DEST_PATH_IMAGE041
其中，
Figure 945788DEST_PATH_IMAGE042
,
Figure 658529DEST_PATH_IMAGE043
,
Figure 644939DEST_PATH_IMAGE044
和
Figure 75921DEST_PATH_IMAGE045
为L×1的向量，它们第k th (k=1,2,…,L)个元素为：
Figure 159808DEST_PATH_IMAGE046
其中，尺度参数γ∈[0,2],
Figure 727055DEST_PATH_IMAGE047
和
Figure 884367DEST_PATH_IMAGE048
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：
Figure 802645DEST_PATH_IMAGE013
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：
Figure 985495DEST_PATH_IMAGE049
同时，计算传统直方图对应的各灰度级对比度增量：
Figure 672829DEST_PATH_IMAGE050
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
Figure 1042DEST_PATH_IMAGE021
和
Figure 390304DEST_PATH_IMAGE002
，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)。
在本发明中，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
Figure 94954DEST_PATH_IMAGE038
和
Figure 636794DEST_PATH_IMAGE039
采用如下优化算法计算修正后的各灰度级对比度增量∆ k =(k=0,1,2,…,L-1)：
Figure 870329DEST_PATH_IMAGE051
满足如下限制条件：
Figure 248352DEST_PATH_IMAGE052
其中目标函数为对比度增量∆ k 和
Figure 225536DEST_PATH_IMAGE003
以及
Figure 153040DEST_PATH_IMAGE053
的距离平方加权值，参数p(0<p <2)为加权系数。
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)：
Figure 557477DEST_PATH_IMAGE054
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 (8)

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
Figure 750347DEST_PATH_IMAGE001
，并计算传统直方图对应的各灰度级对比度增量
Figure 526542DEST_PATH_IMAGE002
；
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
Figure 853750DEST_PATH_IMAGE003
和
Figure 983380DEST_PATH_IMAGE004
，采用优化算法得到修正后的灰度级对比度增量
Figure 594490DEST_PATH_IMAGE005
，其中采用如下优化算法计算修正后的各灰度级对比度增量
Figure 230001DEST_PATH_IMAGE006
：
Figure 3
Figure 1
满足如下限制条件：
Figure 102459DEST_PATH_IMAGE008
其中目标函数为对比度增量
Figure 505759DEST_PATH_IMAGE005
和
Figure 295860DEST_PATH_IMAGE009
以及
Figure 657047DEST_PATH_IMAGE002
的距离平方加权值，参数
Figure 190797DEST_PATH_IMAGE010
为加权系数，
Figure 527231DEST_PATH_IMAGE012
为输入图像
Figure 691496DEST_PATH_IMAGE014
的灰度级数目;
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
Figure 995439DEST_PATH_IMAGE005
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:
Figure 818032DEST_PATH_IMAGE015
其中，尺度参数
Figure 320558DEST_PATH_IMAGE016
，M和N为输入图像
Figure 203194DEST_PATH_IMAGE017
的行数和列数，
Figure 666537DEST_PATH_IMAGE018
,
Figure 542089DEST_PATH_IMAGE019
,
Figure 873623DEST_PATH_IMAGE020
和
Figure 504325DEST_PATH_IMAGE021
为
Figure 2433DEST_PATH_IMAGE022
的向量，它们第
Figure 947256DEST_PATH_IMAGE023
个元素为：
Figure 112789DEST_PATH_IMAGE024
其中
Figure 789758DEST_PATH_IMAGE025
，和
Figure 24430DEST_PATH_IMAGE026
分别为
Figure 54834DEST_PATH_IMAGE027
的最大值和最小值，
Figure 324141DEST_PATH_IMAGE028
表示像素点
Figure 247711DEST_PATH_IMAGE029
的灰度值，
Figure 907362DEST_PATH_IMAGE030
为输入图像
Figure 928408DEST_PATH_IMAGE017
的灰度级数目，
Figure 599692DEST_PATH_IMAGE031
为输入图像像素点
Figure 680780DEST_PATH_IMAGE029
处
Figure 906356DEST_PATH_IMAGE032
窗口内的所有像素点灰度均值：
Figure 403197DEST_PATH_IMAGE033
。
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。
4.如权利要求3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S3中，各灰度级对比度增量计算如下：
Figure 443834DEST_PATH_IMAGE034
其中，
Figure 446556DEST_PATH_IMAGE035
为步骤S2获得的多尺度相对梯度直方图。
5.如权利要求4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S3中，传统直方图对应的各灰度级对比度增量计算如下：
Figure 408696DEST_PATH_IMAGE036
其中，
Figure 784926DEST_PATH_IMAGE037
为输入图像传统灰度直方图。
6.如权利要求5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，所述灰度映射函数为：
Figure 883332DEST_PATH_IMAGE038
。
7.一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；
灰度级对比度增量计算单元，用于基于所述多尺度相对梯度直方图计算单元得到的多尺度相对梯度直方图计算各灰度级对比度增量
Figure 978327DEST_PATH_IMAGE039
，并计算传统直方图对应的各灰度级对比度增量
Figure 912916DEST_PATH_IMAGE040
；
灰度级对比度增量优化单元，基于所述灰度级对比度增量计算单元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
Figure 345034DEST_PATH_IMAGE039
和
Figure 845417DEST_PATH_IMAGE002
，采用优化算法得到修正后的灰度级对比度增量
Figure 439209DEST_PATH_IMAGE005
，其中，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
Figure 861095DEST_PATH_IMAGE005
：
Figure 4
Figure 2
满足如下限制条件：
Figure 373164DEST_PATH_IMAGE042
其中目标函数为对比度增量
Figure 151240DEST_PATH_IMAGE043
和
Figure 44110DEST_PATH_IMAGE044
以及
Figure 224555DEST_PATH_IMAGE002
的距离平方加权值，参数
Figure 699530DEST_PATH_IMAGE045
为加权系数，
Figure 900704DEST_PATH_IMAGE012
为输入图像
Figure 297182DEST_PATH_IMAGE014
的灰度级数目;
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
Figure 343635DEST_PATH_IMAGE043
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。
8.如权利要求7所述的一种多尺度相对梯度直方图均衡化装置，其特征在于，各灰度级对比度增量计算如下：
Figure 63329DEST_PATH_IMAGE046
其中，
Figure 920558DEST_PATH_IMAGE047
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。
CN202210250036.XA 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 Active CN114331925B (zh)

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 CN114331925A (zh) 2022-04-12
CN114331925B true 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)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115205297B (zh) * 2022-09-19 2022-12-02 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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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.
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030160800A1 (en) * 2002-02-22 2003-08-28 Agfa-Gevaert Multiscale gradation processing method
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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.
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)

* Cited by examiner, † Cited by third party
Title
Bas-Relief Generation Using Adaptive Histogram Equalization;Xianfang Sun等，;《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》;20090119;第15卷;全文 *
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;许纪亚;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20180215;全文 *

Also Published As

Publication number Publication date
CN114331925A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN107403422B (zh) 用以增强图像对比度的方法及其系统
US7221408B2 (en) Adaptive contrast enhancement method for video signals based on time-varying nonlinear transforms
CN105931201B (zh) 一种基于小波变换的图像主观视觉效果增强方法
CN109345491B (zh) 一种融合梯度和灰度信息的遥感图像增强方法
Zhang et al. Underwater image enhancement via weighted wavelet visual perception fusion
JP5144202B2 (ja) 画像処理装置およびプログラム
CN111292257B (zh) 一种基于Retinex的暗视觉环境下图像增强方法
JP6097588B2 (ja) 画像処理装置及び画像処理方法
CN108537758B (zh) 一种基于显示器与人眼视觉特性的图像对比度增强方法
WO2021114564A1 (zh) 一种低对比度红外图像的增强方法
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
CN114331925B (zh) 一种多尺度相对梯度直方图均衡化方法及装置
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
Feng et al. Low-light image enhancement algorithm based on an atmospheric physical model
WO2020107308A1 (zh) 一种基于Retinex的微光图像快速增强方法及其装置
CN112562829B (zh) 一种自适应生成dicom影像默认窗宽窗位的方法
Singh et al. Image enhancement by adaptive power-law transformations
CN117455824A (zh) 一种基于双边滤波的图像细节自适应增强方法
CN112419209A (zh) 一种全局直方图均衡的图像增强方法
Xie et al. Image defogging method combining light field depth estimation and dark channel
Lin et al. Tri-histogram equalization based on first order statistics
CN112435188B (zh) 基于方向权重的jnd预测方法、装置、计算机设备及存储介质
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