CN116029944B - 一种灰度图像的自适应对比度增强方法和装置 - Google Patents

一种灰度图像的自适应对比度增强方法和装置 Download PDF

Info

Publication number
CN116029944B
CN116029944B CN202310312755.4A CN202310312755A CN116029944B CN 116029944 B CN116029944 B CN 116029944B CN 202310312755 A CN202310312755 A CN 202310312755A CN 116029944 B CN116029944 B CN 116029944B
Authority
CN
China
Prior art keywords
image
local
gray scale
transmittance
calculating
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
CN202310312755.4A
Other languages
English (en)
Other versions
CN116029944A (zh
Inventor
张壮壮
张国龙
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.)
Guoke Tiancheng Technology Co ltd
Original Assignee
Guoke Tiancheng 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 Guoke Tiancheng Technology Co ltd filed Critical Guoke Tiancheng Technology Co ltd
Priority to CN202310312755.4A priority Critical patent/CN116029944B/zh
Publication of CN116029944A publication Critical patent/CN116029944A/zh
Application granted granted Critical
Publication of CN116029944B publication Critical patent/CN116029944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Image Processing (AREA)

Abstract

一种灰度图像的自适应对比度增强方法和装置，用于灰度图像的去雾增强，计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；对所述局部灰度波动率图像计算得到透射率图像；根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像。本发明依据图像局部灰度波动性质对应的透射率图像，可以实现可控的自适应增强，能够避免图像平坦区域过度增强。

Description

一种灰度图像的自适应对比度增强方法和装置
技术领域
本发明涉及图像处理技术领域，更具体的说，特别涉及一种灰度图像去雾的自适应对比对增强方法和装置。
背景技术
基于图像降质物理模型的单图像去雾算法可以追溯到Robby T. Tan等人和RaananFattal小组分别于2008年发表的论文。Robby T. Tan等人在马尔可夫随机场中以对比度最大化为目标，通过优化手段计算随像素点位置变化的大气光分量，进而计算出衰减因子，恢复出无雾图像。该方法能够极大地增强图像对比度，且能够应用于灰度图像，但是计算过于复杂，处理耗时较长，容易在场景深度发生明显变化的地方出现光晕效应，且增强无选择性，容易造成平坦区域的过度增强。RaananFattal小组提出的方法不仅考虑了光线透射率，还考虑了表面阴影，在假定局部光线透射率与物体表面入射光矢量不相关的前提下求解透射率，从而恢复无雾图像，该方法同样计算复杂，处理耗时较长，且鲁棒性较差，而且只适应于彩色图像，无法应用于灰度图像。
基于去雾的对比度增强，在何恺明提出基于暗通道先验的去雾算法以来得到了较多的研究。原始的暗通道先验去雾算法依赖于图像的暗通道先验，难以推广到灰度图像的处理，但原理简单，通过引入引导滤波器改进后计算效率大大提升，展现出了巨大的应用潜力。该方法总体表现不错，但仍存在一些问题。
首先，并非任何情况下都应该最大化图像对比度，对于一些本身非常平坦的区域，处理的目标应该是尽可能保持图像的平坦甚至使其变得更加平坦，其中典型的例子就是天空区域并不应该被过度增强。而论文中的方法会无差别地对天空区域进行增强，导致天空区域噪声和偏色问题更加严重。
另外，对于本身对比度就已经很高的图像而言，也不宜再进一步增强图像对比度，那样反而会劣化图像质量。
再者，引导滤波虽然能缓解图像分块带来的透射率图像的块效应问题，但在两相邻块的粗透射率值相差较大时，残留块效应仍然比较显著，这会导致最终输出的图像强边缘附近出现明显的光晕效应。
此后，Yi Li等人率先将去雾算法的应用拓展到红外图像对比度增强上，在一些室外场景中取得了不错的处理效果，但是论文中提出的算法建立在距离估计的基础上，而事实上，红外图像中像素点的灰度值反映的主要是物体的温度高低，单纯从一张红外图像中估计距离本身就缺乏理论依据，因此，论文中所提出的算法表现并不稳定，算法可控性较差。
因此，现有技术存在的问题，有待于进一步改进和发展。
发明内容
（一）发明目的：为解决上述现有技术中存在的问题，本发明的目的是提供一种新的灰度图像去雾增强方法，以提高输出图像的质量。
（二）技术方案：为了解决上述技术问题，本技术方案提供一种灰度图像的自适应对比度增强方法，用于灰度图像的去雾增强，其中，包括以下步骤：
步骤一、获取输入图像的像素，计算得到图像中的大气光强度值；同时计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
步骤二、对所述局部灰度波动率图像计算得到透射率图像；
步骤三、根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
步骤四、根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像。
所述的一种灰度图像的自适应对比度增强方法，其中，所述获取输入图像的像素，计算得到图像中的大气光强度值，具体包括以下步骤：
根据输入图像
Figure SMS_1
亮度值最高的/>
Figure SMS_2
个像素的灰度值的均值作为大气光强度值/>
Figure SMS_3
，用于去雾算法，所述/>
Figure SMS_4
为设定的用于求取大气光强度值的参数。
所述的一种灰度图像的自适应对比度增强方法，其中，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像的步骤详细如下：
计算所述输入图像
Figure SMS_7
中像素的局部标准图像/>
Figure SMS_8
和局部均值图像/>
Figure SMS_10
，根据局部标准图像/>
Figure SMS_6
和局部均值图像/>
Figure SMS_9
求得局部灰度波动率图像/>
Figure SMS_11
，/>
Figure SMS_12
，其中，/>
Figure SMS_5
为一个大于0的常数。
所述的一种灰度图像的自适应对比度增强方法，其中，对所述局部灰度波动率图像计算得到透射率图像，具体包括以下步骤：
首先、对所述局部灰度波动率图像
Figure SMS_13
的每个数据进行变换得到修正局部灰度波动率图像/>
Figure SMS_14
，对修正局部灰度波动率图像/>
Figure SMS_15
的波动数据进行限幅得到初始透射率图像/>
Figure SMS_16
；
其次、对初始透射率图像
Figure SMS_17
进行线性变换与限幅得到粗透射率图像/>
Figure SMS_18
；
第三、采用滤波算法对粗透射率图像
Figure SMS_19
进行细化并限幅，得到边缘保持的第二细化透射率图像/>
Figure SMS_20
。
所述的一种灰度图像的自适应对比度增强方法，其中，对所述局部灰度波动率图像
Figure SMS_21
的每个数据采用开方操作，得到修正局部灰度波动率图像/>
Figure SMS_22
，由
Figure SMS_23
对修正局部灰度波动率图像/>
Figure SMS_24
进行限幅得到初始透射率图像/>
Figure SMS_25
。
所述的一种灰度图像的自适应对比度增强方法，其中，对初始透射率图像
Figure SMS_26
进行线性变换与限幅得到粗透射率图像包括以下步骤：
根据修正局部灰度波动率图像
Figure SMS_28
的均值/>
Figure SMS_30
与设定的最低透射率/>
Figure SMS_32
得到线性系数/>
Figure SMS_27
，然后根据/>
Figure SMS_31
Figure SMS_33
得到取值在/>
Figure SMS_34
的粗透射率图像/>
Figure SMS_29
。
所述的一种灰度图像的自适应对比度增强方法，其中，根据所述修正局部灰度波动率图像
Figure SMS_35
，以及设定的修正局部灰度波动率阈值/>
Figure SMS_36
，对输入图像/>
Figure SMS_37
进行依据如下公式进行软分割，得到平坦区域的掩膜/>
Figure SMS_38
；
Figure SMS_39
；
对平坦区域的掩模
Figure SMS_40
进行细化，得到边缘保持的细化掩模/>
Figure SMS_41
。
所述一种灰度图像的自适应对比度增强方法，其中，将所述第二细化透射率图像
Figure SMS_42
与细化掩模/>
Figure SMS_43
调制的补偿量叠加得到最终透射率图像/>
Figure SMS_44
，
采用公式
Figure SMS_45
生成透射率补偿量，由公式
Figure SMS_46
得到最终透射率图像/>
Figure SMS_47
。
所述的一种灰度图像的自适应对比度增强方法，其中，根据大气光强度值
Figure SMS_48
和求得的最终透射率图像/>
Figure SMS_49
，对所述输入图像进行去雾计算，得到增强后的输出图像/>
Figure SMS_50
，采用的去雾公式为/>
Figure SMS_51
。
一种灰度图像的自适应对比度增强装置，用于灰度图像的去雾增强，其中，包括大气光强度值计算单元、局部灰度波动率图像计算单元、透射率图像计算单元和增强单元；
所述大气光强度值计算单元，用于获取输入图像的像素，计算得到图像中的大气光强度值；
所述局部灰度波动率图像计算单元，用于计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
所述透射率图像计算单元，用于对所述局部灰度波动率图像计算得到透射率图像；根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
所述增强单元，用于根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像。
（三）有益效果：本发明一种灰度图像的自适应对比度增强方法和装置，依据图像局部灰度波动性质对应的透射率图像，而非基于透射率图像的估计，可以实现可控的自适应增强；能够避免图像平坦区域过度增强，不仅适用于可见光图像，同样适用于红外图像。本发明自适应增强算法的增强逻辑是弱纹理处获得最高强度的增强，强纹理处获得较低程度的增强，而平坦区域得到最低程度的增强甚至不被增强。
附图说明
图1是本发明一种灰度图像的自适应对比度增强方法第一个优选实施例的流程图；
图2是本发明输入图像为可见光图像的示例图；
图3为本发明输入图像为可见光图像对应的细化透射率图像；
图4为发明输入图像为可见光图像对应的最终透射率图像；
图5为本发明输入图像为可见光图像对应的增强后的输出图像；
图6为本发明输入图像为红外图像的示例图；
图7为发明输入图像为红外图像对应的细化透射率图像；
图8为本发明输入图像为红外图像对应的最终透射率图像；
图9为本发明输入图像为红外光图像对应的增强后的输出图像；
图10为本发明一种灰度图像的自适应对比度增强方法第二个优选实施例的流程图；
图11为本发明一种灰度图像的自适应对比度增强装置的结构示意图。
具体实施方式
下面结合优选的实施例对本发明做进一步详细说明，在以下的描述中阐述了更多的细节以便于充分理解本发明，但是，本发明显然能够以多种不同于此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎，因此不应以此具体实施例的内容限制本发明的保护范围。
附图是本发明的实施例的示意图，需要注意的是，此附图仅作为示例，并非是按照等比例的条件绘制的，并且不应该以此作为对本发明的实际要求保护范围构成限制。
本发明一种灰度图像的自适应对比度增强方法，用于灰度图像的去雾增强，其第一个优选实施例，如图1所示，具体包括以下步骤：
步骤101、获取输入图像的像素，计算得到图像中的大气光强度值；同时计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
步骤102、对所述局部灰度波动率图像计算得到透射率图像；
步骤103、根据局部灰度波动率图像对输入图像进行软分割（SoftSegmentation），得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
步骤104、根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像。
本发明一种灰度图像的自适应对比度增强方法的第二个优选实施例，如图10所示，具体包括如下步骤：
步骤201、获取输入图像
Figure SMS_52
，所述输入图像/>
Figure SMS_53
包括图像的像素位置和像素数值。首先，根据输入图像/>
Figure SMS_54
中亮度值最高的/>
Figure SMS_55
个像素的灰度值的均值作为大气光强度值/>
Figure SMS_56
，用于去雾算法使用，其中/>
Figure SMS_57
为设定的用于求取大气光强度值的参数。
本发明大气光强度值的计算并不限于是全局性的，也可以是局部性的，即大气光强度值并不限于是一个常数值，也可以是一幅各元素取值对应的大气光强度值不相同的图像。
本发明大气光强度值的计算方法并不局限于基于部分像素的均值或某百分位数计算，也可以基于离散枚举的方法或者基于损失函数求取最优解等方法计算。
计算输入图像
Figure SMS_60
中像素的局部标准图像/>
Figure SMS_61
和局部均值图像/>
Figure SMS_63
，根据局部标准图像/>
Figure SMS_58
和局部均值图像/>
Figure SMS_62
求得局部灰度波动率图像/>
Figure SMS_64
，/>
Figure SMS_65
，其中，/>
Figure SMS_59
为一个大于0的常数，用以避免被除数为0的异常情况。
本发明的局部均值就是以某个像素点为中心的局部方形窗口中的像素值的均值，对于每个像素点来说都会有一个滚动的局部窗口（图像边缘处会对外进行扩充）对应一个局部均值，输入图像的像素对应的局部均值构成局部均值图像。
本发明的局部标准值是以某个像素点为中心的局部方形窗口中像素值的标准差，输入图像的像素的局部标准值构成局部标准图像。
步骤202、首先、对所述局部灰度波动率图像
Figure SMS_66
的每个数据进行变换得到修正局部灰度波动率图像/>
Figure SMS_67
，对修正局部灰度波动率图像/>
Figure SMS_68
的波动数据进行限幅得到初始透射率图像/>
Figure SMS_69
。
本发明优选地，对所述局部灰度波动率图像
Figure SMS_70
的每个数据采用开方操作，得到修正局部灰度波动率图像/>
Figure SMS_71
，再由初始透射率图像/>
Figure SMS_72
对修正局部灰度波动率图像/>
Figure SMS_73
进行限幅得到初始透射率图像/>
Figure SMS_74
，其中/>
Figure SMS_75
为取两者中较小值操作。
其次，对初始透射率图像
Figure SMS_77
进行线性变换与限幅得到粗透射率图像/>
Figure SMS_80
，首先根据修正局部灰度波动率图像/>
Figure SMS_83
的均值/>
Figure SMS_76
与设定的最低透射率/>
Figure SMS_79
得到线性系数
Figure SMS_82
，然后根据/>
Figure SMS_85
Figure SMS_78
得到取值在
Figure SMS_81
的粗透射率图像/>
Figure SMS_84
。
第三、采用滤波算法对粗透射率图像
Figure SMS_86
进行细化并限幅得到边缘保持的第二细化透射率图像/>
Figure SMS_87
。
优选的本发明的滤波算法包括双边滤波(Bilateral filter)算法、导向滤波(Guided Fliter)算法。本发明所述滤波算法，以
Figure SMS_89
为引导图像对粗透射率图像
Figure SMS_92
进行引导滤波得到第一细化透射率图像/>
Figure SMS_94
，然后采用公式
Figure SMS_90
对第一细化透射率图像/>
Figure SMS_91
进行限幅得到最终的第二细化透射率图像/>
Figure SMS_93
；其中，/>
Figure SMS_95
为/>
Figure SMS_88
中元素的最大值。
步骤203、根据修正局部灰度波动率图像
Figure SMS_96
，以及设定的修正局部灰度波动率阈值/>
Figure SMS_97
，对输入图像/>
Figure SMS_98
进行依据如下公式进行软分割，得到平坦区域的掩膜/>
Figure SMS_99
；
Figure SMS_100
/>
对修正局部灰度波动率图像
Figure SMS_101
进行软分割求得平坦区域的掩模/>
Figure SMS_102
，其中/>
Figure SMS_103
为取两者中较大值操作。
本发明对输入图像进行软分割得到平坦区域的掩模，也可以采用基于神经网络的图像分割模型输出的置信度图像作为平坦区域的掩模，其中，置信度图像的每个元素值代表该点处于平坦区域的置信度(即概率)，总之，对软分割得到平坦区域掩模的方法不做限定。
步骤204、对平坦区域的掩模
Figure SMS_104
进行细化，得到边缘保持的细化平坦区域的细化掩模/>
Figure SMS_105
。
本发明优选地，采用滤波算法，以
Figure SMS_106
为引导图像掩模对/>
Figure SMS_107
进行滤波得到细化掩模/>
Figure SMS_108
，其中，/>
Figure SMS_109
为/>
Figure SMS_110
中元素的最大值。优选的本发明的滤波算法包括双边滤波(Bilateral filter)算法、导向滤波(Guided Fliter)算法。
步骤205、将所述最终的第二细化透射率图像
Figure SMS_111
与细化掩模/>
Figure SMS_112
调制的补偿量叠加得到最终透射率图像/>
Figure SMS_113
。
本发明优选地，采用公式
Figure SMS_114
生成透射率补偿量，由公式/>
Figure SMS_115
得到最终透射率图像/>
Figure SMS_116
。
本发明中，可以将最终透射率图像的倒数（对每个元素值分别求倒数）视为一种自适应增益图像，也可以通过类似的方法直接求得该自适应增益图像，而不必实施求倒数的操作，这里不做限制。
步骤206、根据大气光强度值
Figure SMS_117
和求得的最终透射率图像/>
Figure SMS_118
，对所述输入图像进行去雾计算，得到增强后的输出图像/>
Figure SMS_119
，采用的去雾公式为/>
Figure SMS_120
。
本发明所述输入图像为可见光图像，图2是本发明输入图像为可见光图像的示例图， 图3为本发明输入图像为可见光图像对应的细化透射率图像；图4为本发明输入图像为可见光图像对应的最终透射率图像；图5为本发明输入图像为可见光图像对应的增强后的输出图像。
本发明所述输入图像为红外图像，图6为本发明输入图像为红外图像的示例图，图7为本发明输入图像为红外图像对应的细化透射率图像；图8为本发明输入图像为红外图像对应的最终透射率图像；图9为本发明输入图像为红外光图像对应的增强后的输出图像。
本发明所述输入图像为可见光或红外图像，并不意味着算法只能处理可见光和红外图像，对于其他谱段的图像同样奏效。
从以上优选实施例可以看出输出图像的对比度获得了有效增强，整体层次感相比于处理前显著提升，且平坦区域依旧保持平坦，并未被过分增强。
本发明一种灰度图像的自适应对比度增强方法，通过局部灰度波动率图像，得到在弱纹理处透射率最小，在强纹理处透射率较大，在平坦处透射率最大并趋于1的透射率图，通过掩膜的透射率补偿，实现弱纹理处对比度增强程度最高、强纹理处对比度增强较弱、平坦处对比度几乎不变的自适应增强效果。本发明首先设计一个数值随纹理强度提升而增加的透射率图，然后基于平坦区域掩模实施有遮罩的透射率补偿，将平坦区域的透射率补偿至接近1的水平。发明公开的自适应增强算法中包含平坦区域透射率补偿部分。
本发明提供的一种灰度图像的自适应对比度增强装置，用于灰度图像的去雾增强，如图11所示，包括大气光强度值计算单元、局部灰度波动率图像计算单元、透射率图像计算单元和增强单元；
所述大气光强度值计算单元，用于获取输入图像的像素，计算得到图像中的大气光强度值；
所述局部灰度波动率图像计算单元，用于计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
所述透射率图像计算单元，用于对所述局部灰度波动率图像计算得到透射率图像；根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
所述增强单元，用于根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像。
本发明一种灰度图像的自适应对比度增强方法和装置，依据图像局部灰度波动性质对应的透射率图，而非基于透射率图的估计，可以实现可控的自适应增强；能够避免图像平坦区域过度增强，不仅适用于可见光图像，同样适用于红外图像。本发明自适应增强算法的增强逻辑是弱纹理处获得最高强度的增强，强纹理处获得较低程度的增强，而平坦区域得到最低程度的增强甚至不被增强。
首先、本发明增强算法的计算基于点对点操作，不会引入任何伪影，具有边缘保持的性质。其次、增强算法中的最终透射率图像在强边缘的两侧取值均能保持缓慢变化，避免了由于强边缘一侧增益较大且变化剧烈导致的光晕效应。第三、本发明公开的自适应增强算法的计算复杂度很低,主要步骤均基于局部窗口，易于硬件实现。
以上内容是对本发明创造的优选的实施例的说明，可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是，这些实施例仅仅是举例说明，不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干简单推演和变换，都应当视为属于本发明创造的保护范围。

Claims (8)

1.一种灰度图像的自适应对比度增强方法，用于灰度图像的去雾增强，其特征在于，包括以下步骤：
步骤一、获取输入图像的像素，计算得到图像中的大气光强度值；同时计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
步骤二、对所述局部灰度波动率图像计算得到透射率图像；
步骤三、根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
步骤四、根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像；
根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像的步骤详细如下：计算所述输入图像Iin中像素的局部标准图像Istd和局部均值图像Imean，根据局部标准图像Istd和局部均值图像Imean求得局部灰度波动率图像Ivol，
Figure FDA0004208519790000011
其中，ε为一个大于0的常数；
对所述局部灰度波动率图像计算得到透射率图像，具体包括以下步骤：首先、对所述局部灰度波动率图像Ivol的每个数据进行变换得到修正局部灰度波动率图像Itrans，对修正局部灰度波动率图像Itrans的波动数据进行限幅得到初始透射率图像t0；其次、对初始透射率图像t0进行线性变换与限幅得到粗透射率图像traw；第三、采用滤波算法对粗透射率图像traw进行细化并限幅，得到边缘保持的第二细化透射率图像treffinal；
局部均值是以某个像素点为中心的局部方形窗口中的像素值的均值，输入图像的像素对应的局部均值构成局部均值图像；局部标准值是以某个像素点为中心的局部方形窗口中像素值的标准差,输入图像的像素的局部标准值构成局部标准图像。
2.根据权利要求1所述的一种灰度图像的自适应对比度增强方法，其特征在于，所述获取输入图像的像素，计算得到图像中的大气光强度值，具体包括以下步骤：
根据输入图像Iin亮度值最高的K个像素的灰度值的均值作为大气光强度值A，用于去雾算法，所述K为设定的用于求取大气光强度值的参数。
3.根据权利要求2所述的一种灰度图像的自适应对比度增强方法，其特征在于，对所述局部灰度波动率图像Ivol的每个数据采用开方操作，得到修正局部灰度波动率图像Itrans，由t0＝min(1,Itrans)对修正局部灰度波动率图像Itrans进行限幅得到初始透射率图像t0。
4.根据权利要求2所述的一种灰度图像的自适应对比度增强方法，其特征在于，对初始透射率图像t0进行线性变换与限幅得到粗透射率图像包括以下步骤：
根据修正局部灰度波动率图像Itrans的均值meanI与设定的最低透射率tmin得到线性系数s：
Figure FDA0004208519790000021
然后根据traw＝min(1.0,tmin+(1-tmin)*s*Itrans)得到取值在[tmin,1.0]的粗透射率图像traw。
5.根据权利要求2所述的一种灰度图像的自适应对比度增强方法，其特征在于，根据所述修正局部灰度波动率图像Itrans，以及设定的修正局部灰度波动率阈值th，对输入图像Iin进行依据如下公式进行软分割，得到平坦区域的掩膜maskraw；
Figure FDA0004208519790000031
对平坦区域的掩模maskraw进行细化，得到边缘保持的细化掩模maskref。
6.根据权利要求5所述一种灰度图像的自适应对比度增强方法，其特征在于，将所述第二细化透射率图像treffinal与细化掩模maskraw调制的补偿量叠加得到最终透射率图像tfinal，
采用公式tcomp＝(1-treffinal)*maskref生成透射率补偿量，由公式tfinal＝treffinal+tcomp得到最终透射率图像tfinal。
7.根据权利要求6所述的一种灰度图像的自适应对比度增强方法，其特征在于，根据大气光强度值A和求得的最终透射率图像tfinal，对所述输入图像进行去雾计算，得到增强后的输出图像Iclear，采用的去雾公式为
Figure FDA0004208519790000032
Figure FDA0004208519790000033
8.一种灰度图像的自适应对比度增强装置，用于灰度图像的去雾增强，其特征在于，包括大气光强度值计算单元、局部灰度波动率图像计算单元、透射率图像计算单元和增强单元；
所述大气光强度值计算单元，用于获取输入图像的像素，计算得到图像中的大气光强度值；
所述局部灰度波动率图像计算单元，用于计算出输入图像中像素的局部标准图像和局部均值图像，根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像；
所述透射率图像计算单元，用于对所述局部灰度波动率图像计算得到透射率图像；根据局部灰度波动率图像对输入图像进行软分割，得到平坦区域的掩膜，通过所述掩膜对透射率图像进行补偿得到最终透射率图像；
所述增强单元，用于根据大气光强度值和最终透射率图像，对所述输入图像进行去雾计算，得到增强后的输出图像；
根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像的步骤详细如下：计算所述输入图像Iin中像素的局部标准图像Istd和局部均值图像Imean，根据局部标准图像Istd和局部均值图像Imean求得局部灰度波动率图像Ivol，
Figure FDA0004208519790000041
其中，ε为一个大于0的常数；
对所述局部灰度波动率图像计算得到透射率图像，具体包括以下步骤：首先、对所述局部灰度波动率图像Ivol的每个数据进行变换得到修正局部灰度波动率图像Itrans，对修正局部灰度波动率图像Itrans的波动数据进行限幅得到初始透射率图像t0；其次、对初始透射率图像t0进行线性变换与限幅得到粗透射率图像traw；第三、采用滤波算法对粗透射率图像traw进行细化并限幅，得到边缘保持的第二细化透射率图像treffinal；
局部均值是以某个像素点为中心的局部方形窗口中的像素值的均值，输入图像的像素对应的局部均值构成局部均值图像；局部标准值是以某个像素点为中心的局部方形窗口中像素值的标准差,输入图像的像素的局部标准值构成局部标准图像。
CN202310312755.4A 2023-03-28 2023-03-28 一种灰度图像的自适应对比度增强方法和装置 Active CN116029944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310312755.4A CN116029944B (zh) 2023-03-28 2023-03-28 一种灰度图像的自适应对比度增强方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310312755.4A CN116029944B (zh) 2023-03-28 2023-03-28 一种灰度图像的自适应对比度增强方法和装置

Publications (2)

Publication Number Publication Date
CN116029944A CN116029944A (zh) 2023-04-28
CN116029944B true CN116029944B (zh) 2023-06-02

Family

ID=86074370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310312755.4A Active CN116029944B (zh) 2023-03-28 2023-03-28 一种灰度图像的自适应对比度增强方法和装置

Country Status (1)

Country Link
CN (1) CN116029944B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116523801B (zh) * 2023-07-03 2023-08-25 贵州医科大学附属医院 一种早产儿护理智能监测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292258A (zh) * 2020-01-15 2020-06-16 长安大学 一种基于暗通道和亮通道先验的图像去雾方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8351735B2 (en) * 2006-10-18 2013-01-08 Robert Bosch Gmbh Image processing system, method and computer program for contrast enhancement of images
CN109255759B (zh) * 2018-08-02 2021-06-15 辽宁师范大学 基于天空分割和透射率自适应修正的图像去雾方法
CN109785262A (zh) * 2019-01-11 2019-05-21 闽江学院 基于暗通道先验和自适应直方图均衡化的图像去雾方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292258A (zh) * 2020-01-15 2020-06-16 长安大学 一种基于暗通道和亮通道先验的图像去雾方法

Also Published As

Publication number Publication date
CN116029944A (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
US20200273154A1 (en) Image enhancement method and system
CN108765336B (zh) 基于暗亮原色先验与自适应参数优化的图像去雾方法
CN111968041A (zh) 一种自适应图像增强方法
CN106846276A (zh) 一种图像增强方法及装置
CN110807742B (zh) 一种基于一体式网络的微光图像增强方法
CN104253930A (zh) 一种实时视频去雾方法
CN116029944B (zh) 一种灰度图像的自适应对比度增强方法和装置
CN112529813B (zh) 图像去雾处理方法、装置及计算机存储介质
CN107203980B (zh) 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN115578297A (zh) 一种自适应色彩补偿与细节优化的广义衰减图像增强方法
CN112053298B (zh) 一种图像去雾方法
CN113962898A (zh) 基于照度图优化和自适应伽马校正的低照度图像增强方法
CN117252773A (zh) 基于自适应颜色校正和导向滤波的图像增强方法及系统
CN114693548B (zh) 一种基于亮区域检测的暗通道去雾方法
CN109859138B (zh) 一种基于人眼视觉特性的红外图像增强方法
CN116012273B (zh) 一种基于局部灰度波动率的图像增强方法和装置
CN116862809A (zh) 一种低曝光条件下的图像增强方法
CN107610072A (zh) 一种基于梯度引导滤波的微光视频图像自适应降噪方法
CN111489302B (zh) 一种雾气环境下海事图像增强方法
CN113284058B (zh) 一种基于迁移理论的水下图像增强方法
CN109167892B (zh) 一种视频图像细节增强方法与系统
CN114170101A (zh) 基于高低频信息的结构纹理保持弱光图像增强方法及系统
CN106952243A (zh) Uuv近海面红外图像自适应归并直方图拉伸增强方法
CN112686825A (zh) 一种基于fpga的地面浓雾场景灰度图像去雾方法

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
GR01 Patent grant
GR01 Patent grant