CN117036209B - 图像对比度增强方法、装置、计算机设备和存储介质 - Google Patents
图像对比度增强方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117036209B CN117036209B CN202311277507.7A CN202311277507A CN117036209B CN 117036209 B CN117036209 B CN 117036209B CN 202311277507 A CN202311277507 A CN 202311277507A CN 117036209 B CN117036209 B CN 117036209B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- gradient
- fusion
- value corresponding
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004927 fusion Effects 0.000 claims abstract description 127
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000002059 diagnostic imaging Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 abstract description 24
- 230000000694 effects Effects 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像对比度增强方法、装置、计算机设备和存储介质。所述方法包括：获取第一图像；对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。采用本方法能够使得得到的融合图像相对于第一图像具有更高的对比度，且避免融合图像相对于第一图像发生色彩偏移现象，进而得到的融合图像相对于第一图像具有更好的图像成像效果。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像对比度增强方法、装置、计算机设备和存储介质。
背景技术
随着图像处理技术和电子工业技术的快速发展，越来越多的用电设备例如医学影像设备或其他各类成像设备均引入了图像处理算法，用来对图像进行处理以追求更有利于人眼进行观察的图像成像效果。
目前，为了提高图像成像效果，通常会使用图像对比度增强的图像处理技术对图像进行对比度增强处理。然而，对于例如医学影像设备所成像的动态图像而言，常用的图像对比度增强方法通常会存在色彩偏移的问题，这会导致动态图像中重要的纹理细节丢失，在一定程度上降低图像成像效果。
发明内容
基于此，有必要针对上述技术问题，提供一种能够具有更好的图像成像效果的融合图像的图像对比度增强方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种图像对比度增强方法。所述方法包括：
获取第一图像；
对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；
确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；
根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
第二方面，本申请还提供了一种图像对比度增强装置。所述装置包括：
获取模块，用于获取第一图像；
转换模块，用于对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；
确定模块，用于确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；
融合模块，用于根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取第一图像；
对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；
确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；
根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取第一图像；
对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；
确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；
根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取第一图像；
对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；
确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；
根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
上述图像对比度增强方法、装置、计算机设备、存储介质和计算机程序产品，获取第一图像；对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。采用本申请实施例的方法，通过对第一图像分别进行直方图均衡化以及纹理细节提取，并确定第一图像中各第一像素对应的第一梯度估算值，以及直方图均衡化得到的第二图像中各第二像素对应的第二梯度估算值，从而得到的融合图像是根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像得到的，通过使得得到的融合图像相对于第一图像具有更高的对比度，且避免融合图像相对于第一图像发生色彩偏移现象，进而得到的融合图像相对于第一图像具有更好的图像成像效果。
附图说明
图1为一个实施例中图像对比度增强方法的应用环境图；
图2为一个实施例中图像对比度增强方法的流程示意图；
图3为一个实施例中第一图像和融合图像之间的对比示意图；
图4为另一个实施例中图像对比度增强方法的流程示意图；
图5为一个实施例中图像对比度增强装置的结构框图；
图6为另一个实施例中图像对比度增强装置的结构框图；
图7为一个实施例中计算机设备的内部结构图；
图8为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，在以下的描述中，所涉及的术语“第一、第二和第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一、第二和第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
本申请实施例提供的图像对比度增强方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与医学影像设备104进行通信。数据存储系统可以存储医学影像设备104需要处理的数据。数据存储系统可以集成在医学影像设备104上，也可以放在云上或其他网络服务器上。医学影像设备104例如可以具体是内窥镜成像系统，医学影像设备104也可以是其他影像设备，在此不做限制。
其中，终端102可以是智能手机、平板电脑、笔记本电脑、台式计算机、物联网设备等。
终端102与医学影像设备104之间可以通过蓝牙、USB(Universal Serial Bus，通用串行总线）或者网络等通讯连接方式进行连接，本申请在此不做限制。
在一个实施例中，如图2所示，提供了一种图像对比度增强方法，该方法可由图1中的医学影像设备或终端执行，或由医学影像设备和终端协同执行，以该方法由图1中的终端执行为例进行说明，包括以下步骤：
S202，获取第一图像。
其中，第一图像，可以是动态视频帧图像、实时视频帧图像，也可以是静态图像；第一图像，可以是医学影像设备输出的医学图像，也可以是各类成像设备输出的图像。具体地，第一图像，可以是纹理细节密集区域对应的像素数量占比小于预设数量占比的图像，从而地，对第一图像进行图像对比度增强处理，能够使得第一图像中难以被人眼观察到的纹理细节得以进行更好的展示；进一步地，第一图像，可以是纹理细节密集区域对应的像素数量占比小于预设数量占比的医学图像，医学图像可以是内窥镜图像或支气管镜图像或其他需要具备足够多的纹理细节以发挥图像的医学作用或便于人眼进行观察的医学图像。
S204，对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像。
其中，直方图均衡化，是一种增强图像对比度的图像处理方法，其主要思想是将一副图像的灰度直方图分布变成近似均匀分布，从而增强图像的对比度。直方图均衡化，包括自适应直方图均衡化(Adaptive Histogram Equalization，AHE)、限制对比度自适应直方图均衡化(Contrast LimitedAdaptive Histogram Equalization,CLAHE)、自适应局部区域伸展直方图均衡化(Local Region Stretch Histogram Equalization，LRSHE)等。
纹理细节图像，用于直观展示第一图像中的纹理细节信息；通过纹理细节图像，可以直接地确定出第一图像中包含的纹理细节的丰富程度，也可以直接地确定出第一图像中的纹理细节密集区以及纹理细节较少的“平坦区”。
对第一图像进行纹理细节提取得到纹理细节图像，可以是采用灰度共生矩阵法(GrayLevel Co-occurrence Matrix，GLCM)、局部二值模式法（Local Binary Pattern，LBP）或其他纹理细节提取方式来实现。
具体地，在执行S204之前，终端还可以对第一图像进行原图存储，以得到至少两份第一图像的副本，再分别对至少两份第一图像的副本中的两份第一图像的副本进行直方图均衡化以及纹理细节提取。
具体地，在执行S204之前，终端还可以获取第一图像的饱和度，确定第一图像的饱和度是否满足预设饱和度条件，若未满足预设饱和度条件，则终端对第一图像进行饱和度调节。满足预设饱和度条件可以是第一图像的饱和度大于或等于预设饱和度，也可以是第一图像的饱和度位于预设饱和度范围内。
S206，确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应。
其中，梯度是用于衡量图像灰度的变化率的图像参数；第一像素对应的第一梯度估算值，可以指第一像素对应的像素位置为中心点，预设尺寸范围内的像素的梯度总和；同理地，第二像素对应的第二梯度估算值，可以指第二像素对应的像素位置为中心点，在相同的预设尺寸范围内的像素的梯度总和。示例性地，预设范围为3*3，则第一像素对应的第一梯度估算值与第二像素对应的第二梯度估算值，分别为第一像素自身、第二像素自身以及周围8个像素之间的梯度综合。
梯度估算值的大小，能够表明该像素对应的像素位置在图像中对应的纹理细节多少，像素对应的梯度估算值的大小与纹理细节的多少之间呈正相关关系。
具体地，第一梯度估算值以及第二梯度估算值，是基于梯度算子进行确定的。
S208，根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
具体地，步骤S208，可以是根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值，确定第一图像、纹理细节图像以及第二图像之间的具体融合方式；进一步地，是根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值，确定第一图像的融合比重和第二图像的融合比重，然后根据第一图像的融合比重、第二图像的融合比重，对第一图像、纹理细节图像以及第二图像进行图像融合，得到融合图像；又进一步地，由于融合图像是按照不同融合比重的第一图像、第二图像以及纹理细节图像进行图像融合得到的，因此，在图像对比度上，可以是第一图像的对比度小于或等于融合图像，且融合图像的对比度小于或等于第二图像；在相对于目标物体的色彩偏移度上，可以是第一图像的色彩偏移度小于或等于融合图像，且融合图像的色彩偏移度小于或等于第二图像。
具体地，纹理细节图像在图像融合的过程中的作用，是确保融合图像中仍然保持有第一图像的纹理细节信息，避免得到的融合图像丢失原有的且应当保持的纹理细节信息。
融合图像，可以是动态视频帧图像、实时视频帧图像，也可以是静态图像；融合图像，可以是医学影像设备输出的医学图像，也可以是各类成像设备输出的图像；由于融合图像相对于第一图像得到了对比度增强，因此，融合图像的纹理细节密集区域对应的像素数量占比，可以是大于第一图像的纹理细节密集区域对应的像素数量占比。
在一个实施例中，在得到融合图像之后，上述方法还包括：终端获取融合图像的图像参数；图像参数包括图像尺寸、饱和度、亮度、色度或其他参数；终端确定融合图像的图像参数是否满足预设图像参数条件，若未满足预设图像参数条件，则终端对融合图像进行参数调节。满足预设图像参数条件可以是融合图像的图像参数大于或等于预设图像参数，也可以是融合图像的图像参数位于预设图像参数范围内。从而地，使得融合图像在得到对比度增强的同时，还能对其他图像参数进行调节，以使得融合图像进一步地具有更好的图像成像效果。
本申请实施例提供的图像对比度增强方法，可以应用于医学影像设备、各类成像设备或其他终端中，也可以应用在图像处理软件中，具体地，可以应用于计算机X线断层扫描设备、核磁共振成像设备、数字减影血管造影设备、内窥镜检测仪、内窥镜成像系统等。
示例性地，本申请实施例中的第一图像、第二图像以及融合图像，为内窥镜图像如图3的（a）所示为第一图像，如图3的（b）所示为采用了本申请实施例提供的图像对比度增强方法后得到的融合图像，且融合图像与第一图像为对应关系，显然地，融合图像相对于第一图像具有更好的图像成像效果。需要说明的是，第一图像、第二图像以及融合图像为内窥镜图像，仅仅是作为一种具体图像类型的示例，在具体的应用中，第一图像、第二图像以及融合图像，还可以是其他图像类型，在此不做限制。
上述图像对比度增强方法中，获取第一图像；对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像；确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应；根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。采用本申请实施例的方法，通过对第一图像分别进行直方图均衡化以及纹理细节提取，并确定第一图像中各第一像素对应的第一梯度估算值，以及直方图均衡化得到的第二图像中各第二像素对应的第二梯度估算值，从而得到的融合图像是根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像得到的，通过使得得到的融合图像相对于第一图像具有更高的对比度，且避免融合图像相对于第一图像发生色彩偏移现象，进而得到的融合图像相对于第一图像具有更好的图像成像效果。
在一个实施例中，上述根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像，包括：
确定第一图像中的第一目标像素和第二图像中的第二目标像素；第一目标像素与第二目标像素在图像位置上为对应关系；
对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值；
根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，得到目标融合像素；
基于多个目标融合像素，得到融合图像。
其中，第一目标像素，为第一图像中所包括的多个第一像素中的某个选定的第一像素；第二目标像素，为第二图像中所包括的多个第二像素中的某个选定的第二像素。
第一图像与第二图像的图像尺寸一致，从而地，第一图像中的第一目标像素与第二图像中的第二目标像素在图像位置上为对应关系，指第一目标像素在第一图像中对应的像素位置与第二目标像素在第二图像中对应的像素位置是一致的。示例性地，第一图像的图像尺寸为4*4，对第一图像进行直方图均衡化时保持图像尺寸大小不变，从而得到的第二图像的图像尺寸为4*4，若第一目标像素在第一图像中的像素位置为第一行第一列，则第二目标像素在第二图像中的像素位置也为第一行第一列，此时的第一目标像素与第二目标像素在图像位置上即为对应关系。
具体地，第一权值可以与第一目标像素对应，第二权值可以与第二目标像素对应，从而地，根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，得到目标融合像素，可以是，目标融合像素=第一权值*第一目标像素+纹理细节图像+第二权值*第二目标像素，从而融合结果能够根据实际需求选择更为取决于第一图像或更为取决于第二图像。
本实施例中，在根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像的过程中，具体是对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值，从而根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，得到目标融合像素，再基于多个目标融合像素以得到融合图像。通过对不同位置的像素采用不同的融合方式，从而不同位置的像素对应的融合结果是结合实际梯度估算值的情况来确定的，提高图像融合过程中的针对性和灵活性，进而得到的融合图像相对于第一图像既能够增强对比度又能够避免色彩偏移现象，具有更好的图像成像效果。
在一个实施例中，上述对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值，包括：
对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行大小比较，得到第一梯度估算值与第二梯度估算值之间的梯度差值；
按照预设的梯度差值与权值对之间的映射关系，确定目标权值对，目标权值对包括第一权值和第二权值；
其中，在映射关系中，梯度差值与权值对的差值之间呈正相关关系。
其中，梯度差值与权值对的差值之间呈正相关关系，即是说，梯度差值越大，则对应的权值对中两个权值之间的差值也越大。
示例性地，假设分别有两对图像，每对图像中都包括第一图像和第二图像，在第一对图像中，第一图像中的第一目标像素与第二图像中的第二目标像素之间对应有第一梯度差值；同理地，在第二对图像中，第一图像中的第一目标像素与第二图像中的第二目标像素之间对应有第二梯度差值。假设有第一梯度差值＞第二梯度差值，由于梯度差值与权值对的差值之间呈正相关关系，则有第一对图像的权值对差值＞第二对图像的权值对差值，即第一对图像中的第一权值与第二权值之间的差值，大于第二对图像中的第一权值与第二权值之间的差值，且假设第一权值与第一图像对应，第二权值与第二图像对应。从而地，在上述假设性情况下，由于第一对图像中的第一目标像素，相对于第二对图像中的第一目标像素在图像位置上具有更密集的纹理细节，因此，第一对图像的融合结果会更取决于第一图像，使得第一对图像的融合结果不会进行过度的对比度增强而避免发生色彩偏移现象；反之同理，由于第二对图像中的第一目标像素，相对于第一对图像中的第一目标像素在图像位置上具有更少的纹理细节，因此，第二对图像的融合结果会更取决于直方图均衡化后的第二图像，使得第二对图像的融合结果得到更为显著的对比度增强。
本实施例中，第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值之间的梯度差值，与第一权值和第二权值之间的差值，呈正相关关系，从而在根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素进行图像融合的过程中，会根据梯度估算值的实际情况而确定各像素的融合结果更为取决于第一图像中的第一像素还是更为取决于第二图像中的第二像素，通过使得融合结果更具有针对性和灵活性，进而使得得到的融合图像中不存在过多纹理细节的“平坦区”能够得到更显著的对比度增强，而存在较多纹理细节的“纹理密集区”能够避免过度的对比度增强而避免发生色彩偏移现象，最终得到的融合图像相对于第一图像具有更好的图像成像效果。
在一个实施例中，在第一目标像素对应的第一梯度估算值小于或等于第二梯度估算值且小于或等于第一预设数值时，第一权值与第一目标像素对应，且第一权值小于或等于第二预设数值。
其中，在第一目标像素对应的第一梯度估算值小于或等于第一预设数值时，表示第一目标像素所在图像位置为第一图像中不存在过多纹理细节的“平坦区”；对第一图像中的“平坦区”进行对比度增强，将能够使得第一图像中的更多纹理细节得以被进行展示而更具有利于人眼观察的图像成像效果。
第二预设数值，可以是0或其他数值。
进一步地，第一权值与第二权值之间的和可以为固定值，固定值可以是1；示例性地，在第一目标像素对应的第一梯度估算值小于或等于第二梯度估算值且小于或等于第一预设数值，且第一权值+第二权值=1时，第二权值可以与第二目标像素对应，第二预设数值可以是0，即是说，第一权值=0，第二权值=1，从而地，目标融合像素是根据第二权值、纹理细节图像以及第二目标像素确定得到的，由于第二目标像素为第一图像经过直方图均衡化后的第二图像中的像素，进而地，第二目标像素能够得到显著的对比度增强。
本实施例中，由于在第一目标像素对应的第一梯度估算值小于或等于第二梯度估算值且小于或等于第一预设数值时，表示第一目标像素所在图像位置为第一图像中不存在过多纹理细节的“平坦区”，因此，令小于或等于第二预设数值的第一权值与第一目标像素对应，从而地，使得目标融合像素的融合结果更为取决于第二图像，而第二图像是通过对第一图像进行直方图均衡化得到的，因此，本实施例使得得到的融合图像中不存在过多纹理细节的“平坦区”能够得到更显著的对比度增强，进而融合图像相对于第一图像具有更好的图像成像效果。
在一个实施例中，上述确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值，包括：
基于第一梯度算子确定第一图像中各第一像素对应的第一梯度估算值；
基于第二梯度算子确定第二图像中各第二像素对应的第二梯度估算值；
其中，第一梯度算子不同于第二梯度算子。
其中，梯度算子包括Sobel算子、Scharr算子、拉普拉斯算子或其他算子。
本实施例中，在确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值时，是分别基于不同的梯度算子进行确定的，从而进一步地区分出第一图像和第二图像之间的对比度，进而使得根据第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像得到的融合图像，相对于第一图像能够得到更进一步的对比度增强，使得融合图像相对于第一图像具有更好的图像成像效果。
在一个实施例中，上述直方图均衡化处理为CLAHE处理，上述第二图像为CLAHE处理图像。
其中，CLAHE的英文全称为Contrast Limited Adaptive HistogramEqualization，对应的中文名称为限制对比度的自适应直方图均衡，CLAHE算法是在直方图均衡化算法的基础上发展起来的。在本实施例中，CLAHE算法首先对第一图像进行分块，将第一图像划分为大小相等的多个不重叠子块图像，然后对各子块图像进行直方图均衡化，最后再使用插值法将所有子块图像进行拼接，以得到CLAHE处理图像；不同于传统的直方图均衡化算法，CLAHE算法通过对直方图的最大值进行限制以避免直方图均衡化过程中过度增强图像对比度，使得得到的CLAHE处理图像既具有相对于第一图像得到增强的图像纹理细节，又能够避免CLAHE处理图像相对于第一图像发生严重的色彩偏移现象。
具体地，CLAHE处理可以对应有裁剪阈值，从而地，在一个实施例中，对第一图像进行CLAHE处理得到CLAHE处理图像，包括：确定第一图像的纹理细节密集区域，并获取第一图像的纹理细节密集区域对应的像素数量占比；根据第一图像的纹理细节密集区域对应的像素数量占比，确定裁剪阈值；基于裁剪阈值，对第一图像进行CLAHE处理得到CLAHE处理图像。其中，裁剪阈值与第一图像的纹理细节密集区域对应的像素数量占比之间可以是呈负相关关系。从而地，在第一图像的纹理细节较为密集时，CLAHE处理对应的裁剪阈值较小，避免对第一图像进行过度的对比度增强导致第一图像丢失纹理细节信息。
本实施例中，由于对第一图像进行的直方图均衡化处理为CLAHE处理，从而地，融合图像是根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及CLAHE处理图像得到的，因此，融合图像既具有增强后的图像纹理细节，又避免了严重的色彩偏移现象，显著地提高了融合图像的图像成像效果。
在一个实施例中，上述对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像，包括：
对第一图像分别进行色彩空间域转换、直方图均衡化以及纹理细节提取，分别得到HSV色彩空间图像、第二图像以及纹理细节图像；
上述方法还包括：
对HSV色彩空间图像与融合图像进行色度对比，确定融合图像中各融合像素对应的色度偏移结果；
将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于HSV色彩空间图像对各色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像。
其中，第一图像为RGB图像，从而色彩空间域转换为将RGB图像转换为HSV色彩空间图像的算法即可，在此不对色彩空间域转换采用的算法做限制。
HSV的英文全称为Hue, Saturation, Value；HSV色彩空间图像是根据颜色的直观特性创建的颜色空间对应的图像，HSV色彩空间图像后颜色的参数分别为色度（Hue)、饱和度（Saturation)和亮度(Value)。
色度，在HSV色彩空间图像中，是用角度度量的，色度取值范围为0~360°，从红色开始按照逆时针方向计算，红色为0°，黄色为60°，绿色为120°，青色为180°，蓝色为240°，紫色为300°。
预设偏移条件，可以是色度偏移角度大于预设偏移角度，具体地，预设偏移角度可以是30°、45°或其他偏移角度；预设偏移条件，也可以是融合像素对应的R、G、B颜色组分的组分占比排序发生了变化，示例性地，某个融合像素的颜色组分占比排序为：R＞G＞B，而该融合像素在HSV色彩空间图像中对应图像位置上的HSV色彩空间像素的颜色组分占比排序为：B＞G＞R，则这种情况会将该融合像素确定为色度偏移像素，并对其进行色度矫正处理，使得色度矫正后的该融合像素的颜色组分占比排序为：B＞G＞R，即是说，色度矫正后的融合图像中各融合图像的R、G、B颜色组分的组分占比排序，与对应图像位置上的HSV色彩空间像素的R、G、B颜色组分的组分占比排序是一致的，从而能够避免融合图像由于由于增强对比度而导致的色彩偏移现象。
具体地，基于HSV色彩空间图像对各色度偏移像素进行色度矫正处理的过程中，可以保持融合图像中各融合像素的亮度、饱和度不变，使得色度矫正后的融合图像相对于色度矫正前的融合图像仅仅在色度上发生了变化。
本实施例中，对第一图像还进行色彩空间域转换以得到HSV色彩空间图像，且在得到融合图像之后，对HSV色彩空间图像与融合图像进行色度对比，确定融合图像中各融合像素对应的色度偏移结果，并将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于HSV色彩空间图像对各色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像。通过将HSV色彩空间图像作为参考色度对融合图像进行色度矫正处理，从而得到的色度矫正后的融合图像能够进一步地避免由于增强对比度而导致的色彩偏移现象，进一步地确保色度矫正后的融合图像具有利于人眼观察的图像成像效果。
下面结合一个详细的实施例来阐述上述图像对比度增强方法的应用过程，具体如下：如图4所示，本申请提供的图像对比度增强方法应用在终端中；
终端获取第一图像；
终端对第一图像进行原图存储得到第一图像的副本之后，对第一图像分别进行色彩空间域转换、CLAHE处理以及纹理细节提取，分别得到HSV色彩空间图像、CLAHE处理图像以及纹理细节图像；
终端分别对第一图像和CLAHE处理图像进行梯度估算，基于第一梯度算子确定第一图像中各第一像素对应的第一梯度估算值，基于第二梯度算子确定CLAHE处理图像中各第二像素对应的第二梯度估算值，其中，第一梯度算子不同于第二梯度算子，各第一像素与各第二像素在图像位置上一一对应；
终端确定第一图像中的第一目标像素和CLAHE处理图像中的第二目标像素；第一目标像素与第二目标像素在图像位置上为对应关系；对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行大小比较，得到第一梯度估算值与第二梯度估算值之间的梯度差值；按照预设的梯度差值与权值对之间的映射关系，确定目标权值对，目标权值对包括第一权值和第二权值；其中，在映射关系中，梯度差值与权值对的差值之间呈正相关关系，且第一权值与第一图像中的第一目标像素对应，第二权值与CLAHE处理图像中的第二目标像素对应；根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，进行图像融合，得到目标融合像素；基于多个目标融合像素，得到融合图像；
在得到融合图像之后，对HSV色彩空间图像与融合图像进行色度对比，确定融合图像中各融合像素对应的色度偏移结果；将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于HSV色彩空间图像对各色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像。
本实施例中，在基于不同的梯度算子对第一图像中的第一目标像素对应的第一梯度估算值和第二图像中的第二目标像素对应的第二梯度估算值进行确定之后，对第一梯度估算值和第二梯度估算值进行大小比较得到两者之间的梯度差值，并按照预设的梯度差值与权值对之间的映射关系，确定第一权值和第二权值，梯度差值与第一权值和第二权值之间的差值呈正相关关系，且第一权值与第一图像中的第一目标像素对应，第二权值与第二图像中的第二目标像素对应，从而地，根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，得到多个目标融合像素对应的融合图像之后，再基于HSV色彩空间图像对融合图像进行色度矫正处理以得到的色度矫正后的融合图像，相对于第一图像既具有更强的对比度，又避免了色度偏移现象的发生，具有更利于人眼观察的图像成像效果。应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像对比度增强方法的图像对比度增强装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像对比度增强装置实施例中的具体限定可以参见上文中对于图像对比度增强方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种图像对比度增强装置，包括：获取模块1002、转换模块1004、确定模块1006和融合模块1008，其中：
获取模块1002，用于获取第一图像.
转换模块1004，用于对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像。
确定模块1006，用于确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值；各第一像素与各第二像素在图像位置上一一对应。
融合模块1008，用于根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像。
在一个实施例中，在根据各第一像素对应的第一梯度估算值、各第二像素对应的第二梯度估算值、第一图像、纹理细节图像以及第二图像，得到融合图像方面，上述融合模块1008还用于：
确定第一图像中的第一目标像素和第二图像中的第二目标像素；第一目标像素与第二目标像素在图像位置上为对应关系；
对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值；
根据第一权值、第二权值、第一目标像素、纹理细节图像以及第二目标像素，得到目标融合像素；
基于多个目标融合像素，得到融合图像。
在一个实施例中，在对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值方面，上述融合模块1008还用于：
对第一目标像素对应的第一梯度估算值与第二目标像素对应的第二梯度估算值进行大小比较，得到第一梯度估算值与第二梯度估算值之间的梯度差值；
按照预设的梯度差值与权值对之间的映射关系，确定目标权值对，目标权值对包括第一权值和第二权值；
其中，在映射关系中，梯度差值与权值对的差值之间呈正相关关系。
在一个实施例中，在第一目标像素对应的第一梯度估算值小于或等于第二梯度估算值且小于或等于第一预设数值时，第一权值与第一目标像素对应，且第一权值小于或等于第二预设数值。
在一个实施例中，在确定第一图像中各第一像素对应的第一梯度估算值，以及第二图像中各第二像素对应的第二梯度估算值方面，上述确定模块1006用于：
基于第一梯度算子确定第一图像中各第一像素对应的第一梯度估算值；
基于第二梯度算子确定第二图像中各第二像素对应的第二梯度估算值；
其中，第一梯度算子不同于第二梯度算子。
在一个实施例中，上述直方图均衡化处理为CLAHE处理，上述第二图像为CLAHE处理图像。
在一个实施例中，在对第一图像分别进行直方图均衡化以及纹理细节提取，分别得到第二图像以及纹理细节图像方面，上述转换模块1004还用于：
对第一图像分别进行色彩空间域转换、直方图均衡化以及纹理细节提取，分别得到HSV色彩空间图像、第二图像以及纹理细节图像；
如图6所示，上述装置还包括矫正模块1010，矫正模块1010用于：
对HSV色彩空间图像与融合图像进行色度对比，确定融合图像中各融合像素对应的色度偏移结果；
将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于HSV色彩空间图像对各色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像。
上述图像对比度增强装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像对比度增强方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种图像对比度增强方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric RandomAccess Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像对比度增强方法，其特征在于，所述方法包括：
获取第一图像；所述第一图像是医学影像设备输出的RGB医学图像；
对所述第一图像分别进行色彩空间域转换、直方图均衡化以及纹理细节提取，分别得到HSV色彩空间图像、第二图像以及纹理细节图像；
确定所述第一图像中各第一像素对应的第一梯度估算值，以及所述第二图像中各第二像素对应的第二梯度估算值；各所述第一像素与各所述第二像素在图像位置上一一对应；
根据各所述第一像素对应的第一梯度估算值、各所述第二像素对应的第二梯度估算值、所述第一图像、所述纹理细节图像以及所述第二图像，得到融合图像；
所述方法还包括：
对所述HSV色彩空间图像与所述融合图像进行色度对比，确定所述融合图像中各融合像素对应的色度偏移结果；将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于所述HSV色彩空间图像对各所述色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像；所述预设偏移条件，是色度偏移角度大于预设偏移角度和/或各所述融合像素对应的R、G、B颜色组分的组分占比排序发生了变化。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述第一像素对应的第一梯度估算值、各所述第二像素对应的第二梯度估算值、所述第一图像、所述纹理细节图像以及所述第二图像，得到融合图像，包括：
确定所述第一图像中的第一目标像素和所述第二图像中的第二目标像素；所述第一目标像素与所述第二目标像素在图像位置上为对应关系；
对所述第一目标像素对应的第一梯度估算值与所述第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值；
根据所述第一权值、所述第二权值、所述第一目标像素、所述纹理细节图像以及所述第二目标像素，得到目标融合像素；
基于多个所述目标融合像素，得到所述融合图像。
3.根据权利要求2所述的方法，其特征在于，所述对所述第一目标像素对应的第一梯度估算值与所述第二目标像素对应的第二梯度估算值进行比较，并根据比较结果确定第一权值和第二权值，包括：
对所述第一目标像素对应的第一梯度估算值与所述第二目标像素对应的第二梯度估算值进行大小比较，得到所述第一梯度估算值与所述第二梯度估算值之间的梯度差值；
按照预设的梯度差值与权值对之间的映射关系，确定目标权值对，所述目标权值对包括第一权值和第二权值；
其中，在所述映射关系中，所述梯度差值与所述权值对的差值之间呈正相关关系。
4.根据权利要求2所述的方法，其特征在于，在所述第一目标像素对应的第一梯度估算值小于或等于所述第二梯度估算值且小于或等于第一预设数值时，所述第一权值与所述第一目标像素对应，且所述第一权值小于或等于第二预设数值。
5.根据权利要求1所述的方法，其特征在于，所述确定所述第一图像中各第一像素对应的第一梯度估算值，以及所述第二图像中各第二像素对应的第二梯度估算值，包括：
基于第一梯度算子确定所述第一图像中各第一像素对应的第一梯度估算值；
基于第二梯度算子确定所述第二图像中各第二像素对应的第二梯度估算值；
其中，所述第一梯度算子不同于所述第二梯度算子。
6.根据权利要求1所述的方法，其特征在于，所述直方图均衡化处理为CLAHE处理，所述第二图像为CLAHE处理图像。
7.根据权利要求1所述的方法，其特征在于，所述第一图像的纹理细节密集区域对应的像素数量占比小于预设数量占比。
8.一种图像对比度增强装置，其特征在于，所述装置包括：
获取模块，用于获取第一图像；所述第一图像是医学影像设备输出的RGB医学图像；
转换模块，用于对所述第一图像分别进行色彩空间域转换、直方图均衡化以及纹理细节提取，分别得到HSV色彩空间图像、第二图像以及纹理细节图像；
确定模块，用于确定所述第一图像中各第一像素对应的第一梯度估算值，以及所述第二图像中各第二像素对应的第二梯度估算值；各所述第一像素与各所述第二像素在图像位置上一一对应；
融合模块，用于根据各所述第一像素对应的第一梯度估算值、各所述第二像素对应的第二梯度估算值、所述第一图像、所述纹理细节图像以及所述第二图像，得到融合图像；
所述装置还包括矫正模块，所述矫正模块用于对所述HSV色彩空间图像与所述融合图像进行色度对比，确定所述融合图像中各融合像素对应的色度偏移结果；将色度偏移结果满足预设偏移条件的融合像素确定为色度偏移像素，并基于所述HSV色彩空间图像对各所述色度偏移像素进行色度矫正处理，得到色度矫正后的融合图像；所述预设偏移条件，是色度偏移角度大于预设偏移角度和/或各所述融合像素对应的R、G、B颜色组分的组分占比排序发生了变化。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311277507.7A CN117036209B (zh) | 2023-10-07 | 2023-10-07 | 图像对比度增强方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311277507.7A CN117036209B (zh) | 2023-10-07 | 2023-10-07 | 图像对比度增强方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117036209A CN117036209A (zh) | 2023-11-10 |
| CN117036209B true CN117036209B (zh) | 2024-01-26 |
Family
ID=88630225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311277507.7A Active CN117036209B (zh) | 2023-10-07 | 2023-10-07 | 图像对比度增强方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117036209B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950499A (zh) * | 2021-02-24 | 2021-06-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN113284061A (zh) * | 2021-05-17 | 2021-08-20 | 大连海事大学 | 一种基于梯度网络的水下图像增强方法 |
| CN114240795A (zh) * | 2021-12-22 | 2022-03-25 | 闽江学院 | 一种融合偏色校正的图像去沙尘暴方法 |
| CN114972067A (zh) * | 2022-04-14 | 2022-08-30 | 重庆师范大学 | 一种x光小牙片图像增强方法 |
| CN115345804A (zh) * | 2021-05-14 | 2022-11-15 | 中移雄安信息通信科技有限公司 | 一种图像增强实现方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9299130B2 (en) * | 2013-03-15 | 2016-03-29 | Trustees Of Tufts College | Methods and apparatus for image processing and analysis |
| CN106952246A (zh) * | 2017-03-14 | 2017-07-14 | 北京理工大学 | 基于视觉注意特性的可见光红外图像增强彩色融合方法 |
| CN107277369B (zh) * | 2017-07-27 | 2019-08-16 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN111612725B (zh) * | 2020-04-29 | 2023-04-11 | 中国科学院西安光学精密机械研究所 | 一种基于可见光图像对比度增强的图像融合方法 |
| CN115115554B (zh) * | 2022-08-30 | 2022-11-04 | 腾讯科技（深圳）有限公司 | 基于增强图像的图像处理方法、装置和计算机设备 |
| CN115496695A (zh) * | 2022-11-04 | 2022-12-20 | 中国人民解放军93210部队 | 一种高动态红外图像自适应增强与压缩方法 |
-
2023
- 2023-10-07 CN CN202311277507.7A patent/CN117036209B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950499A (zh) * | 2021-02-24 | 2021-06-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN115345804A (zh) * | 2021-05-14 | 2022-11-15 | 中移雄安信息通信科技有限公司 | 一种图像增强实现方法及装置 |
| CN113284061A (zh) * | 2021-05-17 | 2021-08-20 | 大连海事大学 | 一种基于梯度网络的水下图像增强方法 |
| CN114240795A (zh) * | 2021-12-22 | 2022-03-25 | 闽江学院 | 一种融合偏色校正的图像去沙尘暴方法 |
| CN114972067A (zh) * | 2022-04-14 | 2022-08-30 | 重庆师范大学 | 一种x光小牙片图像增强方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于图像分解和多重校正融合的车牌图像去雾算法;王巧月 等;《计算机应用与软件》;第202-206页 * |
| 多源图像融合关键技术研究及应用;张敏;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;第I138-4882页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117036209A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ma et al. | Objective quality assessment for color-to-gray image conversion | |
| Fairchild et al. | iCAM framework for image appearance, differences, and quality | |
| Machado et al. | Real‐time temporal‐coherent color contrast enhancement for dichromats | |
| CN109472839B (zh) | 图像生成方法和装置、计算机设备和计算机存储介质 | |
| CN111369644A (zh) | 人脸图像的试妆处理方法、装置、计算机设备和存储介质 | |
| CN110136056A (zh) | 图像超分辨率重建的方法和装置 | |
| Zhu et al. | A comparative study of algorithms for realtime panoramic video blending | |
| Ortiz-Jaramillo et al. | Evaluation of color differences in natural scene color images | |
| WO2016134863A1 (en) | Steady color presentation manager | |
| CN109934783B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN117036209B (zh) | 图像对比度增强方法、装置、计算机设备和存储介质 | |
| Abebe et al. | Evaluating the color fidelity of itmos and hdr color appearance models | |
| CN109658360B (zh) | 图像处理的方法、装置、电子设备和计算机存储介质 | |
| CN116843566A (zh) | 色调映射方法、装置、显示设备和存储介质 | |
| Choudhury et al. | Combining quality metrics for improved hdr image quality assessment | |
| CN116112652A (zh) | 投影图像处理方法、装置、计算机设备和存储介质 | |
| US8217959B2 (en) | Method and apparatus for color visualization of 3D image data with a dark background | |
| CN112073718B (zh) | 一种电视机花屏检测方法、装置、计算机设备及储存介质 | |
| CN115049572A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN111247554B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
| Lu et al. | Gradient magnitude similarity for tone-mapped image quality assessment | |
| CN116977154B (zh) | 可见光图像与红外图像融合储存方法、装置、设备和介质 | |
| Singh et al. | Introduction to Image Processing | |
| CN117238454B (zh) | 医疗图像的处理方法、装置和计算机设备 | |
| JP2015200695A (ja) | 画像処理装置及びその制御方法 |
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 |