CN116703789A - 一种图像增强方法及系统 - Google Patents

一种图像增强方法及系统 Download PDF

Info

Publication number
CN116703789A
CN116703789A CN202310702297.5A CN202310702297A CN116703789A CN 116703789 A CN116703789 A CN 116703789A CN 202310702297 A CN202310702297 A CN 202310702297A CN 116703789 A CN116703789 A CN 116703789A
Authority
CN
China
Prior art keywords
image
gray value
enhanced
histogram equalization
module
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
Application number
CN202310702297.5A
Other languages
English (en)
Inventor
王方强
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.)
Light Control Tesilian Chongqing Information Technology Co ltd
Original Assignee
Light Control Tesilian Chongqing Information 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 Light Control Tesilian Chongqing Information Technology Co ltd filed Critical Light Control Tesilian Chongqing Information Technology Co ltd
Priority to CN202310702297.5A priority Critical patent/CN116703789A/zh
Publication of CN116703789A publication Critical patent/CN116703789A/zh
Pending legal-status Critical Current

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像增强方法及系统，首先，对待增强的图像进行直方图均衡化处理；然后，基于拉普拉斯算子对直方图均衡化后的图像进行锐化；其次，采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；最后，利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像。本发明实施例提供的方法及系统，能够改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式。并且，可实现有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使改善图像质量、丰富信息量，加强图像判读和识别效果。

Description

一种图像增强方法及系统
技术领域
本发明属于图像处理技术领域，具体涉及一种图像增强方法及系统。
背景技术
在对图像的处理中,图像增强技术对于提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制掉另一些信息,以改善图像的视觉效果,将原图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。
目前，图像增强处理的方式主要包括对比度增强、直方图均衡化、线性滤和非线性滤波等。其中，对比度增强法适合于对比度较低的图像，通过线性和非线性的变化，修改每一个像素的灰度，从而改变图像的动态范围达到图像增强的目的。直方图均衡化针对在低值灰度区间上频率较大、图像中较暗区域中细节看不清楚的图像，有较好的增强效果。但是，上述两种方法的缺点都是不能抑制噪声。对于图像中呈孤立分散分布的噪声点，可以用平滑的方式去除，其中线性滤波实现简单，去噪效果明显，但是去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丢失；非线性滤波能够较好的保持图像边缘位置和细节，但是算法的实现相对线性滤波比较困难。
发明内容
本发明实施例中提供了一种图像增强方法及系统，以解决现有技术对图像增强处理的效果不佳的问题。
为了解决上述技术问题，本发明实施例公开了如下技术方案：
本发明的一个方面提供一种图像增强方法，包括：
对待增强的图像进行直方图均衡化处理；
基于拉普拉斯算子对直方图均衡化后的图像进行锐化；
采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；
利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像。
可选地，所述对待增强的图像进行直方图均衡化处理，包括：
分别统计所述图像中每一个灰度值对应像素的数量；
基于以下累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率；
针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值；
根据映射后的新灰度值更新图像中每个像素的灰度值。
可选地，所述基于拉普拉斯算子对直方图均衡化后的图像进行锐化，包括：
采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像；
将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
可选地，所述采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像，包括
采用以下公式，生成拉普拉斯图像：
其中，f(x,y)为在经过直方图均衡化后图像中，坐标为(x,y)的像素的像素值；g(x,y)为在拉普拉斯图像中，对应f(x,y)的像素值；c为预设常数，取值为-1或1；为拉普拉斯算子。
可选地，其特征在于，所述采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展，包括：
采用以下公式对锐化后的图像进行对数变换：
s＝c*log(1+r)
其中，c为预设常数，r为浮点数，r∈[0,255]，s为对数变换后的灰度值。
可选地，其特征在于，所述利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像，包括：
采用以下公式完成图像的伽马变换：
s＝crγ
其中，c为预设的灰度缩放系数；γ为预设的伽马因子；r为输入的灰度值；s为经过伽马变换后的灰度值。
可选地，所述方法还包括：
对灰度值扩展后的图像采用最小二乘法进行噪声去除，获得最终的增强后图像。
本发明提供的另一个方面提供一种图像增强系统，其特征在于，包括：
直方图均衡化模块，用于对待增强的图像进行直方图均衡化处理；
锐化模块，用于基于拉普拉斯算子对直方图均衡化后的图像进行锐化；
灰度值扩展模块，用于采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；
校正模块，用于利用伽马变换对灰度值扩展后的图像进行校正，获得最终增强后的图像。
可选地，所述直方图均衡化模块，包括：
灰度值统计子模块，用于分别统计所述图像中每一个灰度值对应像素的数量；
累计概率计算子模块，用于基于以下累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率；
新灰度值计算子模块，用于针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值；
灰度值更新子模块，用于根据映射后的新灰度值更新图像中每个像素的灰度值。
可选地，所述锐化模块，包括：
拉普拉斯图像生成子模块，用于采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像；
图像叠加子模块，用于将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
本发明实施例提供的图像增强方法及系统，能够改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。并且，可实现有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
附图说明
图1为本发明实施例提供的一种图像增强方法的流程示意图；
图2为本发明实施例提供的一种实现图1中步骤S102的流程示意图；
图3为本发明实施例提供的一种采用对数变换扩展灰度值的示意图；
图4为本发明实施例提供的一种采用伽马变换校正图片的示意图；
图5为本发明实施例提供的一种图像增强系统的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
图1为一种图像增强方法的流程示意图，如图1所示，该方法包括包括以下步骤：
步骤S101：对待增强的图像进行直方图均衡化处理。
直方图均衡化保证在图像像素映射过程中原来的大小关系保持不变，即较亮的区域依旧较亮，较暗的依旧较暗，只是对比度增加，不会明暗颠倒。
在本发明公开的一个实施例中，按照以方式实现对图像进行直方图均衡化：
(1)分别统计所述图像中每一个灰度值对应像素的数量。
遍历图像中每一个像素，获取所有像素的灰度值，统计每一个灰度值对应像素的数量。例如，在待增强图像的所有像素中，灰度值为25的像素共计189个。
(2)基于累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率。
(3)针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值。
(4)根据映射后的新灰度值更新图像中每个像素的灰度值。
在待增强图像中，利用每个像素的新灰度值替代其原始的灰度值，从而完成待增强图像的直方图均衡化。
步骤S102：基于拉普拉斯算子对直方图均衡化后的图像进行锐化。
利用拉普拉斯算子进行图像增强本质是利用图像的二次微分对图像进行锐化，即利用邻域像素提高对比度。拉普拉斯算子强调的是图像中灰度的突变，并不强调图像的缓慢变换区域。因此，一些渐变的浅灰色边线就会变成图片轮廓的背景色。
在本发明公开的一个实施例中，如图2所示，采用以下子步骤完成对图像的锐化：
步骤S1021：采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像。
在本发明公开的一个实施例中，可采用以下公式，生成拉普拉斯图像：
其中，f(x,y)为在经过直方图均衡化后图像中，坐标为(x,y)的像素的像素值；g(x,y)为在拉普拉斯图像中，对应f(x,y)的像素值；c为预设常数，取值为-1或1；为拉普拉斯算子。
拉普拉斯图像是描述灰度突变的图像。
步骤S1022：将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
将生成的拉普拉斯图像与在前述实施例中完成直方图均衡化后的图像相叠加，即可得到锐化后的图像。
步骤S103：采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展。
对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分的细节，从而达到强调图像低灰度部分的目的。例如，预设的低灰度值范围可以为[0,64]。
在本发明公开的一个实施例中，采用以下公式对锐化后的图像进行对数变换：
s＝c*log(1+r)
其中，c为预设常数，r为浮点数，r∈[0,255]，s为对数变换后的灰度级。
r加1可以使函数向左移一个单位，得到的s均大于0。r取值范围为是0～255，log(1+r)的取值范围为0～2.40824，如果log(1+r)的取值非常小，那么对数变换后图像的像素值的取值范围为：0～2.40824c，也是非常小的，这样会产生一张全黑的图，人眼不能分辨。可以看出c相当于一个缩放的尺度。
如图3所示，r为输入灰度级，s为输出灰度级。采用对数变换时，对于输入图像，灰度值范围在[0,L/4](其中L是图像的灰度级)变换到[0,3L/4],可以看出图像低灰度值的部分进行了扩展，而高灰度值的部分被压缩了。即(灰度值范围一般从0到255,白色为255,黑色为0)灰度值在0～64范围会被扩展，也就是当c取值比较大的时候，黑色区域会变小，一部分像素值接近于64的区域会变亮。反对数函数的作用与此相反，反对数变换是把图像低灰度值的部分进行压缩，高灰度值的部分进行扩展。
步骤S104：利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像。
伽马变换主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。
在本发明公开的一个实施例中，针对图像中每一个灰度值，均采用以下公式完成伽马变换：
s＝crγ
其中，c为预设的灰度缩放系数；γ为预设的伽马因子；r为输入的灰度值，r∈[0,1]；s为经过伽马变换后的灰度值。
γ值以1为分界，值越小，对图像低灰度部分的扩展作用就越强，值越大，对图像高灰度部分的扩展作用就越强，通过不同的γ值，就可以达到增强低灰度或高灰度部分细节的作用。伽马变换对于图像对比度偏低，并且整体亮度值偏高(相机过曝)情况下的图像增强效果明显。
在图4中，r为输入灰度级，s为输出灰度级，当γ>1时，低灰度区域被压缩，高灰度区域被扩展，处理漂白的图片，进行灰度级压缩。当γ<1时，低灰度区域被扩展，高灰度区域被压缩，(灰度值范围一般从0到255,白色为255,黑色为0)处理过暗的图片，对比度增强，使得细节看的更加清楚。
八位的像素值最大为255，当γ>1像素值过大，产生的像素值可能超过范围，故可能发生溢出，产生截断，这个时候c的取值起到了一个调控作用。
在本发明公开的一个实施例中，可采用以下方式对增强后的图像进行降噪处理：
对灰度值扩展后的图像采用最小二乘法进行噪声去除，获得最终的增强后图像。
在本发明公开的实施例中，可采用其他方式对图像进行降噪处理，此处不再赘述。
图5为本发明公开的一种图像增强系统的结构示意图，如图5所示，该系统包括以下模块：
直方图均衡化模块11，被配置为对待增强的图像进行直方图均衡化处理；
锐化模块12，被配置为基于拉普拉斯算子对直方图均衡化后的图像进行锐化；
灰度值扩展模块13，被配置为采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；
校正模块14，被配置为利用伽马变换对灰度值扩展后的图像进行校正，获得最终增强后的图像。
在本发明公开的一个实施例中，前述实施例中公开的直方图均衡化模块11，包括以下子模块：
灰度值统计子模块，被配置为分别统计所述图像中每一个灰度值对应像素的数量；
累计概率计算子模块，被配置为基于以下累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率；
新灰度值计算子模块，被配置为针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值；
灰度值更新子模块，被配置为根据映射后的新灰度值更新图像中每个像素的灰度值。
在本发明公开的一个实施例中，前述实施例中公开的锐化模块12，包括以下子模块：
拉普拉斯图像生成子模块，被配置为采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像；
图像叠加子模块，被配置为将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种图像增强方法，其特征在于，包括：
对待增强的图像进行直方图均衡化处理；
基于拉普拉斯算子对直方图均衡化后的图像进行锐化；
采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；
利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像。
2.根据权利要求1所述的方法，其特征在于，所述对待增强的图像进行直方图均衡化处理，包括：
分别统计所述图像中每一个灰度值对应像素的数量；
基于以下累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率；
针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值；
根据映射后的新灰度值更新图像中每个像素的灰度值。
3.根据权利要求1或2所述的方法，其特征在于，所述基于拉普拉斯算子对直方图均衡化后的图像进行锐化，包括：
采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像；
将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
4.根据权利要求3所述的方法，其特征在于，所述采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像，包括
采用以下公式，生成拉普拉斯图像：
其中，f(x,y)为在经过直方图均衡化后图像中，坐标为(x,y)的像素的像素值；g(x,y)为在拉普拉斯图像中，对应f(x,y)的像素值；c为预设常数，取值为-1或1；为拉普拉斯算子。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展，包括：
采用以下公式对锐化后的图像进行对数变换：
s＝c*l0g(1+r)
其中，c为预设常数，r为浮点数，r∈[0,255]，s为对数变换后的灰度值。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述利用伽马变换对灰度值扩展后的图像进行校正，获得增强后的图像，包括：
采用以下公式完成图像的伽马变换：
s＝crγ
其中，c为预设的灰度缩放系数；γ为预设的伽马因子；r为输入的灰度值；s为经过伽马变换后的灰度值。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对灰度值扩展后的图像采用最小二乘法进行噪声去除，获得最终的增强后图像。
8.一种图像增强系统，其特征在于，包括：
直方图均衡化模块，用于对待增强的图像进行直方图均衡化处理；
锐化模块，用于基于拉普拉斯算子对直方图均衡化后的图像进行锐化；
灰度值扩展模块，用于采用对数变换将锐化后图像中预设低灰度值范围内的像素进行灰度值扩展；
校正模块，用于利用伽马变换对灰度值扩展后的图像进行校正，获得最终增强后的图像。
9.根据权利要求8所述的系统，其特征在于，所述直方图均衡化模块，包括：
灰度值统计子模块，用于分别统计所述图像中每一个灰度值对应像素的数量；
累计概率计算子模块，用于基于以下累计分布函数，分别计算每个灰度值的累积概率：
其中，n为待增强图像中像素的总数量，nj为灰度值j对应像素的数量，L为待增强图像中灰度值的预设最大值，Sk为灰度值k的累积概率；
新灰度值计算子模块，用于针对每一个灰度值，均采用以下公式计算经过映射后得到的新灰度值：
Gk＝[Sk*L]
其中，Gk为经过映射后得到的新灰度值；
灰度值更新子模块，用于根据映射后的新灰度值更新图像中每个像素的灰度值。
10.根据权利要求8或9所述的系统，其特征在于，所述锐化模块，包括：
拉普拉斯图像生成子模块，用于采用拉普拉斯算子对直方图均衡化后的图像进行处理，生成拉普拉斯图像；
图像叠加子模块，用于将经过直方图均衡化后的图像与拉普拉斯图像叠加，得到锐化后的图像。
CN202310702297.5A 2023-06-13 2023-06-13 一种图像增强方法及系统 Pending CN116703789A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310702297.5A CN116703789A (zh) 2023-06-13 2023-06-13 一种图像增强方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310702297.5A CN116703789A (zh) 2023-06-13 2023-06-13 一种图像增强方法及系统

Publications (1)

Publication Number Publication Date
CN116703789A true CN116703789A (zh) 2023-09-05

Family

ID=87844696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310702297.5A Pending CN116703789A (zh) 2023-06-13 2023-06-13 一种图像增强方法及系统

Country Status (1)

Country Link
CN (1) CN116703789A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635718A (zh) * 2024-01-24 2024-03-01 泰安万川电器设备有限公司 一种基于图像增强的弱光环境下矿车定位方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635718A (zh) * 2024-01-24 2024-03-01 泰安万川电器设备有限公司 一种基于图像增强的弱光环境下矿车定位方法及系统
CN117635718B (zh) * 2024-01-24 2024-04-26 泰安万川电器设备有限公司 一种基于图像增强的弱光环境下矿车定位方法及系统

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
Cao et al. Contrast enhancement of brightness-distorted images by improved adaptive gamma correction
CN105931201B (zh) 一种基于小波变换的图像主观视觉效果增强方法
JP4858610B2 (ja) 画像処理方法
CN110889812B (zh) 一种多尺度融合图像特征信息的水下图像增强方法
CN114331873B (zh) 一种基于区域划分的非均匀光照彩色图像校正方法
CN111292269B (zh) 图像色调映射方法、计算机装置及计算机可读存储介质
US20080253681A1 (en) Image Processing Method and Computer Software for Image Processing
CN108280836B (zh) 一种图像处理方法及装置
CN112116536A (zh) 一种低光照图像增强方法及系统
CN107424124B (zh) 一种图像增强方法及装置
CN109272470B (zh) 一种图像增强方法及装置
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
CN110796626A (zh) 图像锐化方法及装置
Yang et al. Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform
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
CN116703789A (zh) 一种图像增强方法及系统
CN115587945A (zh) 高动态红外图像细节增强方法、系统及计算机存储介质
CN115661008A (zh) 一种图像增强处理方法、装置、设备及介质
CN113450272B (zh) 一种基于正弦曲线变化的图像增强方法及其应用
CN110175959B (zh) 一种台风云图增强方法
CN116630198A (zh) 一种结合自适应伽马校正的多尺度融合水下图像增强方法
CN114612344B (zh) 图像锐化装置及方法
Asari et al. Nonlinear enhancement of extremely high contrast images for visibility improvement
CN113256533B (zh) 基于msrcr的自适应低照度图像增强方法及系统

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