CN114418904A - 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 - Google Patents
一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 Download PDFInfo
- Publication number
- CN114418904A CN114418904A CN202111514444.3A CN202111514444A CN114418904A CN 114418904 A CN114418904 A CN 114418904A CN 202111514444 A CN202111514444 A CN 202111514444A CN 114418904 A CN114418904 A CN 114418904A
- Authority
- CN
- China
- Prior art keywords
- image
- gray level
- pixels
- histogram
- original
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 title claims abstract description 16
- 238000013507 mapping Methods 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,该方法通过计算原始直方图的裁剪阈值以及原始直方图在均衡化前后各个灰度级上像素个数的差值来调整原始图像灰度级的概率密度并对其进一步均衡化。相较于常规的直方图均衡化,上述改进的直方图均衡化在增强原始图像的同时能够减少图像局部信息的丢失,较大限度保留原始图像直方图的形状。另外利用增强高通滤波锐化原始红外图像,可以放大背景与目标边缘灰度级的差异,有效的提取目标边缘。将锐化后的图像与增强图像加权相加,在保留图像中目标特征的同时又进一步突显图像中目标的轮廓。
Description
技术领域
本发明属于数字图像处理领域中图像增强技术,主要涉及对红外图像的增强。
背景技术
红外图像是利用探测仪测量目标本身与背景间的红外线差,得到不同的热红外线而形成的一种图像。相较于可见光图像,红外图像抗干扰能力强,不易受恶劣环境的影响,在夜间的对目标的辨识度远超于可见光图像。同时,红外图像也存在着对比度低,边缘模糊,缺乏目标细节等缺点,造成了后续处理的困难。图像增强是一种图像预处理技术,增强红外图像的目的在于增加红外图像的对比度,突出图中目标的轮廓、纹理等细节信息,以便于后续肉眼或机器对红外图像的进一步观察分析。当下,直方图均衡化,基于线性或非线性的灰度变换和图像锐化是最常用的图像增强方法。这些方法虽然概念简单且易于实现,但是单独使用均存在一定的缺陷。近年来,对于这些方法稍加改进并且组合使用,对于原有缺陷取得了一定的改善,取得了较好的增强效果。
发明内容
本发明的目的在于提供一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,实现在减少信息丢失和保留直方图形状的前提下增强红外图像。
为解决上述技术问题,本发明提供如下方法,该方法将直方图均衡化稍加改进与增强的高通滤波相结合,通过三个步骤阶段一,通过改进的直方图均衡化生增强原始红外图像中目标与背景的对比度。
对于原始红外图像的直方图H,通过常规的直方图均衡化得到灰度级分布均匀的直方图Heq,根据图像尺寸和H中所有像素个数非零的灰度级的数量,设置原始直方图的裁剪阈值,另外,计算Heq和H中的每个灰度级对应像素个数的差值并根据差值构造调整灰度级概率密度的映射函数,利用上述求取的裁剪阈值和映射函数修改灰度级的分布,遍历0~255每一个灰度级在Heq中的像素个数,对于Heq中所有像素个数大于裁剪阈值的灰度级进行裁剪,小于裁剪阈值的灰度级通过上述的映射函数重新分配对应该灰度值的像素个数,得到修改后的直方图Hre后,再一次使用常规的直方图均衡化,并基于前后两次直方图均衡化灰度级的变换函数将原始的红外图像转换成增强了对比度的红外图像;
步骤二,通过增强高通滤波提取原始红外图像中目标的轮廓;
在原始图像边缘用灰度级0填充一周后,将3*3大小的高通滤波算子乘以放大因子,遍历图像中每一个3*3的图像块进行卷积运算,得到放大了目标轮廓的灰度图像;
步骤三,将前两阶段生成的增强图像和灰度图像相结合,得到最终的增强图像。
对增强图像和灰度图像赋予不同大小的权重,将相同位置的像素加权相加,得到最终的增强图像。
作为可选的实现方法,将图像中像素总数除以非零的灰度级数量的到的均值作为原始直方图的裁剪阈值;
作为可选的实现方法,将图像中非零的灰度级对应的像素个数从小到大排序,取中间值做为原始直方图的裁剪阈值;
作为可选的实现方法,可将裁剪掉的像素个数均分到所有小于裁剪阈值的灰度级上来实现对小于裁剪阈值的灰度级像素个数的重新分配;
作为可选的实现方法,可基于Heq和H中的每个灰度级对应像素个数的差值划分成数个区间,分段构造映射函数实现对小于裁剪阈值的灰度级像素个数的重新分配。
作为可选的实现方法,提取目标轮廓的高通滤波器可选用八方向的拉普拉斯算子模板或者Sobel算子模板。
与现有技术相比,本发明的有益效果为:
1)改进的直方图均衡化可有效地减少增强图像造成的局部信息丢失,保留目标的细节信息;
2)增强高通滤波可有效放大红外图像中背景和目标边缘灰度级的差异,令目标的轮款变得更清晰。
附图说明
图1是常规直方图均衡化的示意图;
图2是改进直方图均衡化的流程图;
图3是改进直方图均衡化与常规直方图均衡化的效果差异;
图4是本发明方法的理论框图。
具体实现形式
下面结合附图对本项发明的一种实现方式作进一步说明。
本项发明提出了一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,该方法首先利用改进的直方图均衡化增强了图像中背景与目标的对比度,同时改善了常规直方图均衡化令灰度图形状严重畸变造成的细节丢失。详细的流程图可见图2,改进的直方图均衡化与常规直方图均衡化的效果差异见图3。具体步骤如下:
1)生成原始红外图像的灰度直方图H,随后对H使用常规的直方图均衡化得到Heq。常规的直方图均衡化示意图见图1,具体原理见下:
对于灰度图像I,根据该图像的灰度直方图可得该图像灰度级的概率密度以及对应的累积分布,数学表达式如下:
pr(k)=nk/(h*w)
上式中,pr(k)表示灰度级k的概率密度,ck表示灰度级k的累积分布,nk表示灰度级为k的像素个数,h*w表示图像的分辨率以及像素总数。根据上式可以进一步得到灰度级的转换函数T(k):
T(k)=ck·(L-1)
其中L-1表示图像最大的灰度级,通常为255。对于图像中任意位置的灰度级为k的像素I(x,y),与直方图均衡化后的灰度级Ieq(x,y)的映射关系为:
2)统计H中所有像素个数非零的灰度级数量,计算像素在这些灰度级上的概率密度均值作为后续对Heq裁剪的阈值t。同时将Heq和H按对应的灰度级计算像素个数之差。将上述差值划分成(-∞,0],(0,0.25t],(0.25t,0.5t],(0.5t,0.75t],(0.75t,t]五个区间,并基于五个区间构建分段映射函数。分段映射函数如下:
上式中,nk,和分别表示原始直方图,均衡化后的直方图以及经映射函数修改后的直方图中灰度级k的像素个数。随后遍历每一个灰度级,若该灰度级在Heq中的像素个数大于裁剪阈值t将其对应的像素个数裁减至1.2t,小于裁剪阈值的利用上述分段映射重新分配像素个数。
3)对修改后的直方图,再次使用直方图均衡化,并根据均衡化的转换函数得到原始图像每个像素转换后的灰度级,生成增强图像。
随后使用增强的高通滤波器对原始图像进行锐化操作,加大红外图像中目标边缘和背景灰度级的差异,该操作的具体步骤如下;
1)确定增强高通滤波器的算子模板,这里使用八方向的拉普拉斯算子模板,算子形式如下:
上式中,A是增强因子,作用是对放大提取到的目标边缘和非边缘灰度级的差异,进一步突显目标的轮廓。
2)对分辨率为h*w原始图像的四周用灰度级0进行填充,填充后的图像分辨率为(h+2)*(w+2)。
3)取1为滑动步长,将上述算子在填充后的图像上进行卷积运算,卷积运算的数学表达式如下:
上式中I(x,y)表示,当前算子所在的3*3区域中间位置像素点的灰度级,其余为领域8个像素点的灰度级,对g(x,y)取整表示以I(x,y)为中心的区域卷积运算得到灰度级。对填充后图像中所有3*3的区域执行上述运算并对运算结果取绝对值即可得到提取了原始图像中目标轮廓的图像,分辨率与原始图像相同。
最后,如图4所示将由改进直方图均衡化得到的对比度增强图像和增强高通滤波器得到的目标轮廓图像加权叠加,具体操作为对两副图像的权重设置为0.6和0.4,两副图像乘以权重后,将图中相同位置像素的灰度级相加生成最终的增强图像。数学表达式见下:
f(x,y)=[0.6fh(x,y)+0.4fl(x,y)]
上式中,f(x,y),fh(x,y)和fl(x,y)分别表示最终的增强图像,改进直方图均衡化得到的图像和增强高通滤波得到的图像上像素的灰度级。上述虽然对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,包括有如下步骤:
步骤一:通过改进的直方图均衡化生增强原始红外图像中目标与背景的对比度;
对于原始红外图像的直方图H,通过常规的直方图均衡化得到灰度级分布均匀的直方图Heq;根据图像尺寸和H中所有像素个数非零的灰度级的数量,设置原始直方图的裁剪阈值;另外,计算Heq和H中的每个灰度级对应像素个数的差值并根据差值构造调整灰度级概率密度的映射函数;利用上述求取的裁剪阈值和映射函数修改灰度级的分布,遍历0~255每一个灰度级在Heq中的像素个数,对于Heq中所有像素个数大于裁剪阈值的灰度级进行裁剪,小于裁剪阈值的灰度级通过上述的映射函数重新分配对应该灰度值的像素个数;得到修改后的直方图Hre后,再一次使用常规的直方图均衡化,并基于前后两次直方图均衡化灰度级的变换函数将原始的红外图像转换成增强了对比度的红外图像;
步骤二,通过增强高通滤波提取原始红外图像中目标的轮廓;
在原始图像边缘用灰度级0填充一周后,将3*3大小的高通滤波算子乘以放大因子,遍历图像中每一个3*3的图像块进行卷积运算,得到放大了目标轮廓的灰度图像;
步骤三,将前两阶段生成的增强图像和灰度图像相结合,得到最终的增强图像;
对增强图像和灰度图像赋予不同大小的权重,将相同位置的像素加权相加,得到最终的增强图像。
2.根据权利要求1所述的一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,其特征在于,所述原始直方图的裁剪阈值为图像中像素总数除以非零的灰度级数量的到的均值。
3.根据权利要求1所述的一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,其特征在于,所述原始直方图的裁剪阈值为图像中非零的灰度级对应的像素个数从小到大排序的中间值。
4.根据权利要求1所述的一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,其特征在于,将裁剪掉的所述像素个数均分到所有小于裁剪阈值的灰度级上来实现对小于裁剪阈值的灰度级像素个数的重新分配。
5.根据权利要求1所述的一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,其特征在于,基于所述Heq和H中的每个灰度级对应像素个数的差值划分成数个区间,分段构造映射函数实现对小于裁剪阈值的灰度级像素个数的重新分配。
6.根据权利要求1所述的一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法,其特征在于,提取所述目标轮廓的高通滤波器可选用八方向的拉普拉斯算子模板或者Sobel算子模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514444.3A CN114418904A (zh) | 2021-12-13 | 2021-12-13 | 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514444.3A CN114418904A (zh) | 2021-12-13 | 2021-12-13 | 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114418904A true CN114418904A (zh) | 2022-04-29 |
Family
ID=81266132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111514444.3A Pending CN114418904A (zh) | 2021-12-13 | 2021-12-13 | 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418904A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
CN116433657A (zh) * | 2023-06-08 | 2023-07-14 | 金乡县明耀玻璃有限公司 | 一种基于计算机视觉的钢化玻璃划伤区域图像增强方法 |
CN117078568A (zh) * | 2023-10-12 | 2023-11-17 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
-
2021
- 2021-12-13 CN CN202111514444.3A patent/CN114418904A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
CN116433657A (zh) * | 2023-06-08 | 2023-07-14 | 金乡县明耀玻璃有限公司 | 一种基于计算机视觉的钢化玻璃划伤区域图像增强方法 |
CN116433657B (zh) * | 2023-06-08 | 2023-08-25 | 金乡县明耀玻璃有限公司 | 一种基于计算机视觉的钢化玻璃划伤区域图像增强方法 |
CN117078568A (zh) * | 2023-10-12 | 2023-11-17 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
CN117078568B (zh) * | 2023-10-12 | 2024-02-23 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114418904A (zh) | 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 | |
CN107527333B (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN102682436B (zh) | 一种改进的多尺度Retinex理论的图像增强方法 | |
CN105225210B (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN106127688B (zh) | 一种超分辨率图像重建方法及其系统 | |
JP4460839B2 (ja) | デジタル画像鮮鋭化装置 | |
CN105654438A (zh) | 基于局部直方图均衡的灰度图像拟合增强方法 | |
CN102789635B (zh) | 一种图像增强方法和装置 | |
JP4456819B2 (ja) | デジタル画像鮮鋭化装置 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN107784637B (zh) | 一种红外图像增强的方法 | |
CN104463814B (zh) | 基于局部纹理方向性的图像增强方法 | |
JP2019016117A (ja) | 画像調整装置、局所的コントラスト量計算装置、方法、及びプログラム | |
US9892542B2 (en) | Creating bump and normal maps from images with multi-scale control | |
CN113034452A (zh) | 一种焊件轮廓检测方法 | |
JP5183440B2 (ja) | 階調補正装置および撮像装置 | |
CN114219740A (zh) | 一种融合超像素与窗口偏移的边缘感知引导滤波方法 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN111340692A (zh) | 一种红外图像动态范围压缩以及对比度增强算法 | |
CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
CN114529715B (zh) | 一种基于边缘提取的图像识别方法及系统 | |
CN115187788A (zh) | 一种基于机器视觉的农作物种子自动计数方法 |
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 |