发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于参数自适应的非线性图像增强方法及系统,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于参数自适应的非线性图像增强方法,该方法包括以下具体步骤:
确定对数函数模型中尺度比例常数的初始取值区间;
基于预设步长在初始取值区间内的选择数值,每次选择的数值代入对数函数模型对原始图像进行图像增强,得到增强图像;
灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合;对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合;
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值;将最优数值代入对数函数模型,对原始图像进行图像增强。
进一步地,对原始图像的灰度值进行归一化后,初始灰度区间为[0,1],利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间,基于新的灰度区间进行反归一化,基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间;所述若干对数函数模型的尺度比例常数的取值不同。
进一步地,尺度比例常数的初始取值区间为[1,4]。
进一步地,基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值,具体为:基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小,确定尺度比例常数的最优数值。
进一步地,对于每张频谱图,频谱图中心点到最远亮处的长度表征高亮区域的大小;多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
第二方面,本发明另一个实施例提供了一种基于参数自适应的非线性图像增强系统,该系统具体包括:
区间获取模块,用于确定对数函数模型中尺度比例常数的初始取值区间;
数值选择模块,用于基于预设步长在初始取值区间内的选择数值,每次选择的数值代入对数函数模型对原始图像进行图像增强,得到增强图像;
数值筛选模块,用于将灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合;对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合;
图像增强模块,用于基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值;将最优数值代入对数函数模型,对原始图像进行图像增强。
进一步地,对原始图像的灰度值进行归一化后,初始灰度区间为[0,1],利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间,基于新的灰度区间进行反归一化,基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间;所述若干对数函数模型的尺度比例常数的取值不同。
进一步地,尺度比例常数的初始取值区间为[1,4]。
进一步地,基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值,具体为:基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小,确定尺度比例常数的最优数值。
进一步地,对于每张频谱图,频谱图中心点到最远亮处的长度表征高亮区域的大小;多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
本发明实施例至少具有如下有益效果:本发明采用了层层递进的求解方式获取对数函数模型中尺度比例常数的最优数值,具体的,先通过对数函数模型本身确定尺度比例常数的初始取值区间,之后又通过增强图像的灰度均值和方差,在初始取值区间内选出一部分的数值,最后根据频谱图中高频区域的大小来观察哪个数值对应的图像是处理暗处细节最好的参数。本发明可自适应的得到每张图像对应的尺度比例常数的最优数值,进而可以更好的对图像进行图像增强,即本发明对于每张图像都有很好的增强效果。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于参数自适应的非线性图像增强方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例以下面的应用场景为例对本发明进行说明:
该应用场景为:对于过暗的图像,基于对数变换来增强图像暗处的细节,得到增强图像。
下面结合附图具体的说明本发明所提供的一种基于参数自适应的非线性图像增强方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于参数自适应的非线性图像增强方法的步骤流程图,该方法包括以下步骤:
确定对数函数模型中尺度比例常数的初始取值区间;
基于预设步长在初始取值区间内的选择数值,每次选择的数值代入对数函数模型对原始图像进行图像增强,得到增强图像;
灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合;对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合;
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值;将最优数值代入对数函数模型,对原始图像进行图像增强。
下面对上述各个步骤进行详细展开:
步骤S1,确定对数函数模型中尺度比例常数的初始取值区间。
对原始图像的灰度值进行归一化后,初始灰度区间为[0,1],利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间,基于新的灰度区间进行反归一化,基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间;所述若干对数函数模型的尺度比例常数的取值不同。需要说明,原始图像为灰度图。
具体地:
(1)实施例中对数函数模型具体为:
t=clog(1+s)
c为尺度比例常数,s为原始灰度值,t为变换后的目标灰度值,s+1是为了不让t的取值为负数;实施例中log是以10为底。
(2)进行对数变换时,原始图像中像素的灰度值s的区间为[0,255],如果直接计算,会导致较大的运算量,为了减少运算量,实施例中对原始图像的灰度值进行归一化,得到初始灰度区间为[0,1],具体地:
s为原始图像中任意一个像素的灰度值,s∈[0,255],n为所述任意一个像素的灰度值归一化后的结果,n的取值为[0,1],n的取值范围即为初始灰度区间。
相应的,对数函数模型变为:
t=clog(1+n)
(3)利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间,基于新的灰度区间进行反归一化,基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间;所述若干对数函数模型的尺度比例常数的取值不同;具体地:
对数变换可以用来扩展图像中的暗像素值,同时压缩亮像素值,利用对数函数模型处理过暗的图像,可以使图像暗处的细节更容易看到,进而达到增强图像的目的,因此,当尺度比例常数c的取值小于1时,显然不满足增大暗处灰度值的需求,即尺度比例常数c的取值要大于等于1,尺度比例常数c从1开始,代入上述对数函数模型中,得到t的取值范围即新的灰度区间,c为1时,新的灰度区间为[0,0.3],基于[0,0.3]进行反归一化后的最大值小于255;实施例中反归一化即新的灰度区间内的值乘255,同理,c为2和3时,其反归一化后的最大值也小于255;当c为4时,新的灰度区间为[0,1.2],基于[0,0.3]进行反归一化后的最大值为306;由于灰度值最大值为255,因此,需要将c为4时获取的增强图像中反归一化值大于255的值用255替换。反归一化后的最大值不能远大于255,因此,可知尺度比例常数的初始取值区间为[1,4]。
步骤S2,基于预设步长在初始取值区间内的选择数值,每次选择的数值代入对数函数模型对原始图像进行图像增强,得到增强图像。
优选地,实施例中预设步长为0.1,基于预设步长在初始取值区间内的选择数值,具体为,在初始取值区间为[1,4]内,从1开始,每隔0.1取一个数值,将所取数值代入对数函数模型中,对原始图像进行增强,得到增强图像;对初始取值区间遍历完成后,可得到多张增强图像,具体地,可得到31张增强图像。
步骤S3,灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合;对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合。
获取每张增强图像的灰度均值,一个实施方式中,增强图像中所有像素灰度值的和比上像素个数得到灰度均值;另一个实施方式中,获取增强图像的直方图,基于直方图获取增强图像的灰度均值,具体地:
μ为灰度均值,m
i表示直方图中灰度级为i的像素的个数,M表示增强图像中总的像素数。
图像经过对数变换之后,根据不同的c值,增强图像的灰度均值也会有所改变,变换的目的是增强细节,因此不能太暗,导致看不清暗处的细节,也不能太亮,致使图像的曝光过高。优选地,实施例将灰度均值分为三个灰度均值区间[0,85],[85,170],[170,255],当灰度均值落在[85,170]区间内时,认为增强图像的亮暗程度是合适的,即实施例中预设灰度均值范围为[85,170],则灰度均值在[85,170]内的增强图像对应的c的数值构成第一数值集合。
对暗处的细节进行增强的同时,高亮处又不能丢失太多的细节,即增大低灰度级的灰度值的同时,保证高灰度级的灰度值几乎保持不变不增长,就此,可以通过增强图像的灰度方差来反映这种情况,满足上述要求,对数变换后灰度方差必然是减小的,具体地,对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合。
其中,可以直接根据图像中各像素的灰度值和图像的灰度均值计算灰度方差,也可基于图像的灰度直方图计算灰度方差;基于灰度直方图计算方差具体为:
σ
2为灰度方差,μ为灰度均值,m
i表示直方图中灰度级为i的像素的个数,M表示增强图像中总的像素数。
步骤S4,基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值;将最优数值代入对数函数模型,对原始图像进行图像增强。
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值,具体为:基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小,确定尺度比例常数的最优数值:第二数值集合中的数值对应的增强图像构成增强图像集合,获取增强图像集合中每张增强图像的频谱图,对于每张频谱图,频谱图中心点到最远亮处的长度表征高亮区域的大小;多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。具体地,以频谱图中心点为圆心,以频谱图到最远亮处的长度为半径做圆,圆区域的大小表示频谱图中高亮区域的大小。
将最优数值代入对数函数模型,对原始图像进行图像增强,此时得到的增强图像为增强效果较好的图像。
基于与上述方法实施例相同的发明构思,本发明一个实施例提供了一种基于参数自适应的非线性图像增强系统,该系统包括:
区间获取模块,用于确定对数函数模型中尺度比例常数的初始取值区间;
数值选择模块,用于基于预设步长在初始取值区间内的选择数值,每次选择的数值代入对数函数模型对原始图像进行图像增强,得到增强图像;
数值筛选模块,用于将灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合;对于第一数值集合中的每个数值,若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差,则将该数值剔除,得到第二数值集合;
图像增强模块,用于基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值;将最优数值代入对数函数模型,对原始图像进行图像增强。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。