CN1333585C

CN1333585C - 一种基于最大最小值进行动态视频层次处理的方法

Info

Publication number: CN1333585C
Application number: CNB2005100296317A
Authority: CN
Inventors: 袁野; 侯钢; 王国中
Original assignee: Central Academy of SVA Group Co Ltd
Current assignee: INESA Electron Co., Ltd.
Priority date: 2005-09-14
Filing date: 2005-09-14
Publication date: 2007-08-22
Anticipated expiration: 2025-09-14
Also published as: CN1744688A

Abstract

本发明提供一种基于最大最小值进行动态视频层次处理的方法，先对视频图像计算亮度图，再计算灰度值的最大、最小值，接着完成拐点计算得到映射函数，最后对亮度图像进行灰度变换得到对比度增强后的图像。本发明提供的基于最大最小值进行动态视频层次处理的方法，避免图像层次丢失，同时增加了图像的对比度；该方法在较暗的场景里，会适当的抬高图像的亮度，使可见的细节更多，在较亮的场景里，会适当的降低画面亮度，缓和过饱和的场景，而在一般的场景中，会拉伸视频图像的对比度，使黑的更黑，白的更白。

Description

一种基于最大最小值进行动态视频层次处理的方法

技术领域

本发明涉及一种基于最大最小值进行动态视频层次处理的方法。

背景技术

由于实际拍摄到的视频图像的灰度变化范围往往小于图像显示系统的最大容许灰度变化范围，图像偏暗或偏亮，对比度不足，视觉效果不理想。因此，层次处理的主要目的是拉伸图像的灰度变化范围，丰富图像的灰度层次，使视觉效果更佳。

通常的方法是应用直方图均衡技术来拉伸图像，达到增强图像的效果，该方法是能自动地增强整个图像的对比度，它扩展了图像的动态范围，但它有这样几个缺陷：一是具体增强效果不容易控制；二是对于某些灰度频数较小的灰度，会被合并，造成分辨率的下降，视觉上有明显的生硬感；三是会增加背景噪声；四是在一些突然出现字幕的情况下，会因为直方图的分布不同，而出现明显的闪烁。

发明内容

本发明提供的一种基于最大最小值进行动态视频层次处理的方法，在连续的过渡场景中不会出现瞬间的闪烁，并且消除直方图均衡在视觉上的生硬。

为了达到上述目的，本发明提供了一种基于最大最小值进行动态视频层次处理的方法，包含以下步骤：

步骤1、输入视频图像，因对比度增强只是对灰度图像进行处理，故先从视频图像中计算出亮度图，得到图像亮度函数f(i，j)，代表在图像第i行第j列的像素点的亮度信息；

步骤2、计算图像非线性曲线，得到图像灰度映射函数；

步骤2.1、计算经过对比度增强后的图像的灰度最大值Max′和最小值Min′：

步骤2.1.1、保存上一场图像的灰度的最大值Pre_Max、最小值Pre_Min以及亮度均值Pre_M；

步骤2.1.2、根据本场图像的实际灰度最大值Max1和实际灰度最小值Min1以及亮度均值M，计算本场图像的灰度最大值Max和最小值Min：

当所述的图像的实际灰度最大值Max1和最小值Min1与上一场图像的相应数据比较没有发生跳变，则：Max＝Max1，Min＝Min1；

当所述的图像的实际灰度最大值Max1和实际灰度最小值Min1与上一场图像的相应数据比较突然发生跳变，会引起视觉上的突变；当Max1，Min1发生突变时，若图像亮度均值pre_M与M相差很小，说明是同一场景出现了新的最大最小值，可以通过保留上一场图像的灰度最大值Pre_Max和最小值Pre_Min，使当前场图像的Max和Min缓慢过渡，得到过渡后的图像灰度最大值Max和最小值Min：

\{\begin{matrix} Max = Pre_Max + d & Max 1 > Pre_Max \\ Max = Pre_Max - d & Max 1 < Pre_Max \\ Min = Pre_Min + d & Min 1 > Pre_Min \\ Min = Pre_Min - d & Min 1 < Pre_Min \end{matrix};

其中，d是小的正数；

步骤2.1.3、计算对图像的灰度最小值Min的对比度增强拉伸幅度d₁和对图像的灰度最大值Max的对比度增强拉伸幅度d₂：

d₁＝k×(Min-L)×(Max-Min)

d₂＝k×(H-Max)×(Max-Min)；

其中，k是对比度拉伸系数，k值越大，表明对比度越大，k值越小，表明对比度越小，即与原图越接近；H是亮度空间最大容许值；L是亮度空间最小容许值；

所述的d₁，d₂为正值，其增长的幅度受灰度变化范围影响；当Min＝L时，d₁等于0；当Max＝H时，d₂等于0；

步骤2.1.4、计算图像进行比度增强拉伸后的灰度最小值Min′和灰度最大值Max′：

Min′＝Min-d₁

Max′＝Max+d₂；

即当图像的灰度最大值Max没有达到系统的最大容许灰度时，加大图像的灰度最大值至Max′；当图像的灰度最小值Min没有达到系统的最小容许灰度时，减小图像的灰度最小值至Min′，近似地线性拉伸此图像灰度区间，增强图像对比度，从而改善图像质量，丰富图像的层次；

步骤2.2、计算拐点A(Yin₁，Yout₁)和B(Yin₂，Yout₂)：

步骤2.2.1、Yin₁，Yin₂为需要进行亮度拉伸的区域，应分别位于图像亮度均值M的两边：

Yin₁＝M-a₁

Yin₂＝M+a₂；

其中，a₁，a₂是需要拉伸的幅度，其取值应确保计算得到的Yin₁，Yin₂在[Min，Max]的范围之内；

步骤2.2.2、Yout₁，Yout₂为输出图像对应的拉伸区域的拐点，应分别位于图像亮度均值M的两边，定义：

{Yout}_{1} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) {Yin}_{1} - \frac{k \times (Min - L)}{C_{2}} - (d_{1} - d_{2} + C_{3} \times k + k \times M \times C_{4}) \times \frac{(Max - Min) \times M}{C_{6}};

{Yout}_{2} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) {Yin}_{2} - \frac{k \times (Min - L)}{C_{2}} + (d_{1} - d_{2} + C_{3} \times k - k \times M \times C_{5}) \times \frac{(Max - M)}{C_{7}}

其中，C₁、C₂、C₃、C₄、C₅、C₆、C₇均为预先设定的正数，共同确定拐点A和B的位置；由上式得到Yout₁和Yout₂是关于图像的亮度均值M、灰度最大值Max和灰度最小值Min的函数；

步骤3、对原始亮度图进行灰度映射：

利用拐点选取之后所得到新的灰度变换曲线，对于当前场图像中的每个像素点的亮度f(i，j)进行映射变换，得到对比度增强后的图像f_out(i，j)：

当f(i，j)∈[Min，Yin₁)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{1} - {Min}^{'}}{{Yin}_{1} - Min} \times f (i, j) + \frac{{Min}^{'} \times {Yin}_{1} - Min \times {Yout}_{1}}{{Yin}_{1} - Min};

当f(i，j)∈[Yin₁，Yin₂)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{2} - {Yout}_{1}}{{Yin}_{2} - {Yin}_{1}} \times f (i, j) \times \frac{{Yin}_{2} \times {Yout}_{1} - {Yin}_{1} \times {Yout}_{2}}{{Yin}_{2} - {Yin}_{1}};

当f(i，j)均不属于上述两种情况时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{{Max}^{'} - Yout}_{2}}{Max - {Yin}_{2}} \times f (i, j) + \frac{Max \times {Yout}_{2} - {Max}^{'} \times {Yin}_{2}}{{Max - Yin}_{2}};

完成视频图像的对比度增强。

步骤1中，所述的亮度值可以是YUV模型中的Y，或者HSV模型中的V，或者HIS模型中的I，或者由其他合理的亮度公式推导出的亮度函数f(i，j)，该亮度函数f(i，j)代表在图像第i行第j列的像素点的亮度值。

步骤2.1.3中，在YcbCr空间，所述的H＝235，L＝16；在HSV空间，所述的H＝255，L＝0。

本发明提供的基于最大最小值进行动态视频层次处理的方法，采取三段的分段函数，三个线段包括两个拐点，拐点的选择是随着图像的亮度均值，灰度最大值，灰度最小值的变换而变化的，这样在均值、最大、最小值过渡平滑时，曲线可以平滑的变化，不会在镜头拉伸、移动等情况中出现突然的闪烁。

本发明提供的基于最大最小值进行动态视频层次处理的方法，当图像灰度最大值没有达到系统的最大容许灰度时，加大图像的灰度最大值；当图像灰度最小值没有达到系统的最小容许灰度时，减小图像的灰度最小值，近似地线性拉伸此灰度区间，从而改善图像质量，丰富图像的层次；而对于灰度范围已经到达系统的最大容许范围的图像，则选择中值附近的象素点进行拉伸，使得这一段的数据对比度进一步提高。

本发明提供的基于最大最小值进行动态视频层次处理的方法，避免图像层次丢失，同时增加图像的对比度。该方法在较暗的场景里，会适当的抬高图像的亮度，使可见的细节更多，在较亮的场景里，会适当的降低画面亮度，缓和过饱和的场景，而在一般的场景中，会拉伸视频图像的对比度，使黑的更黑，白的更白。

附图说明

图1为本发明提供的基于最大最小值进行动态视频层次处理的方法的原理方框图；

图2为本发明提供的基于最大最小值进行动态视频层次处理的方法中当最大最小值都有扩展余地时的示意图；

图3为本发明提供的基于最大最小值进行动态视频层次处理的方法中当最大值有扩展余地时的示意图；

图4为本发明提供的基于最大最小值进行动态视频层次处理的方法中当最小值有扩展余地时的示意图；

图5为本发明提供的基于最大最小值进行动态视频层次处理的方法中当最大、最小值都没有扩展余地时的示意图；

图6为本发明提供的基于最大最小值进行动态视频层次处理的方法的算法流程图。

具体实施方式

以下根据图1～图6具体说明本发明提供的一种基于最大最小值进行动态视频层次处理的方法的最佳实施方式：

如图1和图6所示，本发明提供了一种基于最大最小值进行动态视频层次处理的方法，包含以下步骤：

步骤2、计算图像非线性曲线，得到图像灰度映射函数；

步骤2.1.2、根据本场图像的实际灰度最大值Max1和实际灰度最小值Min1，计算本场图像的灰度最大值Max和最小值Min：

当所述的图像的实际灰度最大值Max1和实际灰度最小值Min1与上一场图像的相应数据比较突然发生跳变时，若两场的图像亮度均值变换很小，说明是同一场景出现了新的最大最小值，可以通过保留上一场图像的灰度最大值Pre_Max和最小值Pre_Min，使当前场图像的实际Max1和Min1缓慢过渡，得到过渡后的图像灰度最大值Max和最小值Min：

\{\begin{matrix} Max = Pre_Max + d & Max 1 > Pre_Max \\ Max = Pre_Max - d & Max 1 < Pre_Max \\ Min = Pre_Min + d & Min 1 > Pre_Min \\ Min = Pre_Min - d & Min 1 < Pre_Min \end{matrix};

其中，d是小的正数；

d₁＝k×(Min-L)×(Max-Min)

d₂＝k×(H-Max)×(Max-Min)；

Min′＝Min-d₁

Max′＝Max+d₂；

如图2所示，当Min和Max都没有达到最大容许灰度时，拉伸后的亮度曲线是近似线性的；

如图3所示，当Max没有达到最大容许灰度时，拉伸后的亮度曲线是近似线性上扬的，这样在较暗场时，能够拉伸图像的灰度层次；

如图4所示，当Min没有达到最小容许灰度时，拉伸后的亮度曲线是近似线性下拉的，这样能够抑制图像的亮度，使之不要太饱和；

如图5所示，当Min和Max均达到最大最小容许灰度时，曲线是非线性的，能够对亮度中值附近的一部分区域进行拉伸，使这一部分的层次更多，此时不可避免的对两边的区域有压缩；具体表现取决于亮度均值，当均值处于中间时，两边的拉伸幅度差不多，使均值部分的点对比度更鲜明；当均值较小时，左边的拐点向下拉伸的幅度比右边小，使得暗处细节不至于丢失；当均值较大时，左边的拐点向下拉伸的幅度比右边大，这是因为高亮处不宜再抬高亮度，否则出现饱和现象；

步骤2.2、计算拐点A(Yin₁，Yout₁)和B(Yin₂，Yout₂)：

Yin₁＝M-a₁

Yin₂＝M+a₂

{Yout}_{1} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) {Yin}_{1} - \frac{k \times (Min - L)}{C_{2}} - (d_{1} - d_{2} + C_{3} \times k + k \times M \times C_{4}) \times \frac{(Max - Min) \times M}{C_{6}};

{Yout}_{2} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) {Yin}_{2} - \frac{k \times (Min - L)}{C_{2}} + (d_{1} - d_{2} + C_{3} \times k - k \times M \times C_{5}) \times \frac{(Max - M)}{C_{7}};

其中，C₁、C₂、C₃、C₄、C₅、C₆、C₇均为预先设定的正数，共同确定拐点A和B的位置；由式④得到Yout₁和Yout₂是关于图像的亮度均值M、灰度最大值Max和灰度最小值Min的函数；可以根据三者的变化调整成图2，图3，图4或图5所示的亮度曲线，这些曲线在三个值变化不大时，使场景过渡平滑；

如图2所示，当Min和Max均没有达到最大、最小容许值时，(Min，Min′)，(Yin₁，Yout₁)，(Yin₂，Yout₂)，(Max，Max′)这四点连成的拉伸后的亮度曲线应该近似为一条直线；当Min和Max分别越接近最大最小容许值时，亮度曲线越不呈现为一条直线上；如图5所示，当Min和Max都达到系统的最大、最小容许值时，拉伸后的亮度曲线是一个分段非线性曲线；

当Max小于H，而Min＝L时，，Yout₁大于Yin₁，Yout₂大于Yin₂；当Min大于L，而Max＝H时，Yout₁小于Yin₁，Yout₂小于Yin₂；当Max＝H，Min＝L时，Yout₁小于Yin₁，Yout₂大于Yin₂：

步骤3、对原始亮度图进行灰度映射：

当f(i，j)∈[Min，Yin₁)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{1} - {Min}^{'}}{{Yin}_{1} - Min} \times f (i, j) + \frac{{Min}^{'} \times {Yin}_{1} - Min \times {Yout}_{1}}{{Yin}_{1} - Min};

当f(i，j)∈[Yin₁，Yin₂)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{2} - {Yout}_{1}}{{Yin}_{2} - {Yin}_{1}} \times f (i, j) \times \frac{{Yin}_{2} \times {Yout}_{1} - {Yin}_{1} \times {Yout}_{2}}{{Yin}_{2} - {Yin}_{1}};

当f(i，j)均不属于上述两种情况时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{{Max}^{'} - Yout}_{2}}{Max - {Yin}_{2}} \times f (i, j) + \frac{Max \times {Yout}_{2} - {Max}^{'} \times {Yin}_{2}}{{Max - Yin}_{2}};

完成视频图像的对比度增强。

Claims

1.一种基于最大最小值进行动态视频层次处理的方法，特征在于，其包含以下步骤：

步骤1、输入视频图像，从视频图像中计算出亮度图，得到图像亮度函数f(i，j)，代表在图像第i行第j列的像素点的亮度信息；

步骤2、计算图像非线性曲线，得到图像灰度映射函数；

步骤2.1.1、保存上一场图像的灰度的最大值Pre_Max、最小值Pre_Min以及亮度均值M；

当所述的图像的实际灰度最大值Max1和实际灰度最小值Min1与上一场图像的相应数据比较发生跳变，且两场的图像亮度均值变换很小，则通过保留上一场图像的灰度最大值Pre_Max和最小值Pre_Min，使当前场图像的Max和Min缓慢过渡，得到过渡后的图像灰度最大值Max和最小值Min：

\{\begin{matrix} Max = Pre_Max + d & Max 1 > Pre_Max \\ Max = Pre_Max - d & Max 1 < Pre_Max \\ Min = Pre_Min + d & Min 1 > Pre_Min \\ Min = Pre_Min - d & Min 1 < Pre_Min \end{matrix};

其中，d是小的正数；

d₁＝k×(Min-L)×(Max-Min)

d₂＝k×(H-Max)×(Max-Min)；

其中，k是对比度拉伸系数；H是亮度空间最大容许值；L是亮度空间最小容许值；

步骤2.1.4、计算图像进行对比度增强拉伸后的灰度最小值Min′和灰度最大值Max′：

Min′＝Min-d₁

；

Max′＝Max+d₂

步骤2.2、计算拐点A(Yin₁，Yout₁)和B(Yin₂，Yout₂)：

Yin₁＝M-a₁

；

Yin₂＝M+a₂

You t_{1} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) Yi n_{1} - \frac{k \times (Min - L)}{C_{2}} - (d_{1} - d_{2} + C_{3} \times k + k \times M \times C_{4}) \times \frac{(Max - Min) \times M}{C_{6}};

You t_{2} = (1 + k \times \frac{(H - L - Max + Min)}{C_{1}}) Yi n_{2} - \frac{k \times (Min - L)}{C_{2}} + (d_{1} - d_{2} + C_{3} \times k - k \times M \times C_{5}) \times \frac{(Max - M)}{C_{7}}

其中，C₁、C₂、C₃、C₄、C₅、C₆、C₇均为预先设定的正数，共同确定拐点A和B的位置；

步骤3、对原始亮度图进行灰度映射：

当f(i，j)∈[Min，Yin₁)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{1} - {Min}^{'}}{{Yin}_{1} - Min} \times f (i, j) + \frac{{Min}^{'} \times {Yin}_{1} - Min \times {Yout}_{1}}{{Yin}_{1} - Min};

当f(i，j)∈[Yin₁，Yin₂)时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Yout}_{2} - You t_{1}}{{Yin}_{2} - Yi n_{1}} \times f (i, j) + \frac{Yi n_{2} \times {Yout}_{1} - Yi n_{1} \times {Yout}_{2}}{{Yin}_{2} - Yi n_{1}};

当f(i，j)均不属于上述两种情况时，f_out(i，j)由下式得到：

f_{out} (i, j) = \frac{{Max}^{'} - {Yout}_{2}}{Max - {Yin}_{2}} \times f (i, j) + \frac{Max \times {Yout}_{2} - {Max}^{'} \times {Yin}_{2}}{Max - {Yin}_{2}} .

2.如权利要求1所述的基于最大最小值进行动态视频层次处理的方法，其特征在于，步骤1中，所述的亮度值可以是YUV模型中的Y，或者HSV模型中的V，或者HIS模型中的I，或者由其他合理的亮度公式推导出的亮度函数f(i，j)。

3.如权利要求1所述的基于最大最小值进行动态视频层次处理的方法，其特征在于，步骤2.1.3中，在YcbCr空间，所述的H＝235，L＝16；在HSV空间，所述的H＝255，L＝0。