CN1731820A - 增强图像的结构方法 - Google Patents
增强图像的结构方法 Download PDFInfo
- Publication number
- CN1731820A CN1731820A CN 200510029000 CN200510029000A CN1731820A CN 1731820 A CN1731820 A CN 1731820A CN 200510029000 CN200510029000 CN 200510029000 CN 200510029000 A CN200510029000 A CN 200510029000A CN 1731820 A CN1731820 A CN 1731820A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency signal
- low frequency
- brightness
- histogram
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000005315 distribution function Methods 0.000 claims abstract description 13
- 208000021907 Central cloudy dystrophy of François Diseases 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 6
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明提供一种增强图像的结构方法，其包括以下步骤：读取输入数字图像的亮度数值；统计图像亮度值的直方图；根据直方图计算累计概率分布函数CDF，产生亮度映射表；使用滤波器分解图像的高频信号和低频信号；使用亮度映射表对图像低频信号进行亮度映射；将增强后的图像低频信号与高频信号相加合并；还原数字图像。本发明提供的增强图像的结构方法，其对图像输入亮度信号进行直接的统计和计算，使用计算结果对低频信号进行映射，在增强图像的同时，可大大节省中间过程中的图像信息存储空间。
Description
技术领域
本发明涉及一种增强图像的结构方法，应用于静止图像处理、视频图像增强等技术领域。
背景技术
图像对比度增强是属于图像低频信息增强。为了防止噪音同时增大，专利“97111448A.x”提供了一种目前使用的一般处理方法，如图1所示，步骤(a)、输入数字图像，并抽取亮度信息；步骤(b)、通过低通滤波器进行图像信号的高低频分解；步骤(c)、对低频信号进行直方图均衡增强处理；步骤(d)、将增强后的低频信号和原高频信号相加合并；步骤(e)、还原数字图像。
使用上述方法增强图像对比度，存在以下缺点：当需要对图像的低频信息进行全局统计或大面积统计时，需要同时为高频信息和低频信息保存一帧或大面积的信息，大大增加了存储资源。
发明内容
本发明的目的在于提供一种增强图像的结构方法，其对图像输入亮度信号进行直接的统计和计算，使用计算结果对低频信号进行映射，在增强图像的同时，可大大节省中间过程中的图像信息存储空间。
为达上述目的，本发明提供一种增强图像的结构方法，其包含以下2种技术方案：
一种使用直方图均衡方法增强图像的结构方法，其包含以下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、直接统计亮度值的直方图，设为数组H[x]，x∈{Xi|i＝0，1，...，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
步骤c)、根据直方图计算累计概率分布函数CDF，设为数组CDF[x]，x∈{Xi|i＝0，1，...，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
则有CDF[X0]＝H[X0]/Num；
再循环计算：CDF[Xi]＝CDF[Xi-1]+H[Xi]/Num，其中，Num表示输入图像的像素总数；
根据计算得到的累计概率分布函数CDF产生亮度映射表G[x]，x∈{Xi|i＝0，1....，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值，则有：G[x]＝CDF[x]×XN-1；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像的高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’:XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout:Xout＝XLP’+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
在所述的步骤d)中，也可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
在本发明中，还包含步骤h)、对步骤d)分解得到的图像高频信号XHP先进行高频增强处理；由于同时增强图像的低频信号和高频信号，有利于信号的同步处理，存储和相互引用。
在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
一种使用截断直方图均衡方法增强图像的结构方法，其包含以下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、统计亮度值的截断直方图，其包含以下分步骤：
步骤b1)、初始化截断直方图存储数组CH[x]，x∈{Xi|i＝0，1，...，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；初始化截断像数和CN＝0；
步骤b2)、按顺序遍历图像，读入图像当前像素的亮度值；
步骤b3)、判断该像素的亮度值所对应的截断直方图存储数组元值是否小于预定的参数CountMax，如果是，则执行步骤b4)，如果否，则执行步骤b5)；
步骤b4)、将该像素的亮度值相应的截断直方图数组元值加1，在执行步骤b6)；
步骤b5)、将截断像数和CN的值加1；
步骤b6)、判断是否已经对图像所有的像素统计完毕，如果是，则执行步骤c1)，如果否，则返回，循环执行步骤b2)～步骤b6)；
步骤c)、计算截断直方图的CDF数组，以及动态映射表，其包含以下分步骤：
步骤c1)、计算截断直方图的CDF数组，定义为CCDF[x]，x∈{Xi|i＝0，1，...，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
定义数组CCH[x]，x∈{Xi|i＝0，1，...，N-1}，其中X0，X1，...，Xi，...，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；计算CCH[X0]＝CH[X0]+CN/N；
再循环计算：CCH[Xi]＝CCH[Xi-1]+CH[Xi]+CN/N，i＝1，2，...，N-1；
最后循环计算：CCDF[Xi]＝CCH[Xi]/Num，i＝0，1，...，N-1，其中，Num为该图像的像素总数；
步骤c2)、计算动态映射表：G[Xi]＝(1-K)×Xi+K×CCDF[Xi]×XN-1，i＝0，1，...，N-1，其中，K为预定参数，且0≤K≤1；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像的高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’:XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout:Xout＝XLP’+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
所述的步骤b2)中，可按行、列、倒行、倒列等顺序遍历到图像的所有像素。
在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
在所述的步骤d)中，也可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
在本发明中，还包含步骤h)、对步骤d)分解得到的图像高频信号XHP进行高频增强处理；由于同时增强图像的低频信号和高频信号，有利于信号的同步处理，存储和相互引用。
在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
本发明提供的增强图像的结构方法，使用帧/场间预测技术，将当前帧/场的直方图等的特征值应用到下一帧/场的低频信息的对比度扩展，如此可节省存储空间。
本发明提供的增强图像的结构方法，是对输入亮度信号进行直接的统计和计算，使用计算结果对低频信号进行映射，如此可大大节省中间过程的图像信息存储空间。
附图说明
图1为背景技术中增强图像的方法的流程图；
图2为本发明提供的使用直方图均衡方法增强图像的结构方法的流程图；
图3为本发明提供的使用直方图均衡方法增强图像的结构方法的包含高频增强步骤的流程图；
图4为本发明提供的使用截断直方图均衡方法增强图像的结构方法的流程图；
图5为本发明提供的使用截断直方图均衡方法增强图像的结构方法的包含高频增强步骤的流程图；
图6为本发明提供的使用截断直方图均衡方法增强图像的结构方法的步骤b)以及步骤c)的流程图；
具体实施方式
下面结合图2～图6说明本发明的具体实施例，以使进一步了解本发明的发明内容：
如图2所示，为使用直方图均衡方法增强图像的结构方法的流程图，其包含以下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、直接统计亮度值的直方图，设为数组H[x]，x∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色；
步骤c)、根据直方图计算累计概率分布函数CDF，设为数组CDF[x]，x∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色。
则有CDF[X0]＝H[X0]/Num
再循环计算：CDF[Xi]＝CDF[Xi-1]+H[Xi]/Num，其中，Num表示输入图像的像素总数；
根据计算得到的累计概率分布函数CDF产生亮度映射表G[x]，x∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色。则有：G[x]＝CDF[x]×X255；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像的高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’:XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout:Xout＝XLP’+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
在所述的步骤d)中，也可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
在本发明中，还包含步骤h)、对步骤d)分解得到的图像高频信号XHP先进行高频增强处理(如图3所示)；由于同时增强图像的低频信号和高频信号，有利于信号的同步处理，存储和相互引用。
在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
如图4所示，为使用截断直方图均衡方法增强图像的结构方法，其包含以下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、统计亮度值的截断直方图，其包含以下分步骤：
步骤b1)、初始化截断直方图存储数组CH[x]，X∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色。初始化截断像数和CN＝0；
步骤b2)、按顺序遍历图像，读入图像当前像素的亮度值；
步骤b3)、判断该像素的亮度值所对应的截断直方图存储数组元值是否小于预定的参数CountMax，如果是，则执行步骤b4)，如果否，则执行步骤b5)；
步骤b4)、将该像素的亮度值相应的截断直方图数组元值加1，在执行步骤b6)；
步骤b5)、将截断像数和CN的值加1；
步骤b6)、判断是否已经对图像所有的像素统计完毕，如果是，则执行步骤c1)，如果否，则返回，循环执行步骤b2)～步骤b6)；
步骤c)、计算截断直方图的CDF数组，以及动态映射表，其包含以下分步骤：
步骤c1)、计算截断直方图的CDF数组，定义为CCDF[x]，x∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色。
定义数组CCH[x]，x∈{Xi|i＝0，1，...，255}，Xi＝i；i＝0对应极黑色，i＝255对应极白色。计算CCH[X0]＝CH[X0]+CN/256；
再循环计算：CCH[Xi]＝CCH[Xi-1]+CH[Xi]+CN/256，i＝1，2，...，255；
最后循环计算：CCDF[Xi]＝CCH[Xi]/Num，i＝0，1，...，255，其中，Num为该图像的像素总数；
步骤c2)、计算动态映射表：G[Xi]＝(1-K)×Xi+K×CCDF[Xi]×X255，i＝0，1，...，255，其中，K为预定参数，且0≤K≤1；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像的高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’:XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout:Xout＝XLP’+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
所述的步骤b2)中，可按行、列、倒行、倒列等顺序遍历到图像的所有像素。
在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
在所述的步骤d)中，也可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
在本发明中，还包含步骤h)、对步骤d)分解得到的图像高频信号XHP进行高频增强处理；由于同时增强图像的低频信号和高频信号，有利于信号的同步处理，存储和相互引用。
在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
本发明提供的增强图像的结构方法，使用帧/场间预测技术，将当前帧/场的直方图等的特征值应用到下一帧/场的低频信息的对比度扩展，如此可节省存储空间。
本发明提供的增强图像的结构方法，是对输入亮度信号进行直接的统计和计算，使用计算结果对低频信号进行映射，如此可大大节省中间过程的图像信息存储空间。
Claims (13)
1、一种使用直方图均衡方法增强图像的结构方法，其特征在于，包括如下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、直接统计亮度值的直方图，设为数组H[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
步骤c)、根据直方图计算累计概率分布函数CDF，设为数组CDF[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
则有CDF[X0]＝H[X0]/Num；
再循环计算：CDF[Xi]＝CDF[Xi-1]+H[Xi]/Num，其中，Num表示输入图像的像素总数；
根据计算得到的累计概率分布函数CDF产生亮度映射表G[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值，则有：G[x]＝CDF[x]×XN-1；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像信号并得到高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’：XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout：Xout＝XLP’+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
2、根据权利要求1所述的使用直方图均衡方法增强图像的结构方法，其特征在于，在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
3、根据权利要求2所述的使用直方图均衡方法增强图像的结构方法，其特征在于，可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
4、根据权利要求1所述的使用使用直方图均衡方法增强图像的结构方法，其特征在于，还包含步骤h)：即对步骤d)分解得到的图像高频信号进行高频增强处理。
5、根据权利要求1所述的使用直方图均衡方法增强图像的结构方法，其特征在于，在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
6、根据权利要求1所述的使用直方图均衡方法增强图像的结构方法，其特征在于，使用所述的图像增强结构，结合使用帧/场间预测技术，将当前帧/场的直方图等的特征值应用到下一帧/场的图像增强。
7、一种使用截断直方图均衡方法增强图像的结构方法，其特征在于，包含以下步骤：
步骤a)、输入数字图像，若是彩色数字图像，则需要按颜色模型抽取其中的亮度数值；若是灰度图像，则直接应用灰度信息作为亮度数值；
步骤b)、统计亮度值的截断直方图，其包含以下分步骤：
步骤b1)、初始化截断直方图存储数组CH[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；初始化截断像数和CN＝0；
步骤b2)、按顺序遍历图像，读入图像当前像素的亮度值；
步骤b3)、判断该像素的亮度值所对应的截断直方图存储数组元值是否小于预定的参数CountMax，如果是，则执行步骤b4)，如果否，则执行步骤b5)：
步骤b4)、将该像素的亮度值相应的截断直方图数组元值加1，在执行步骤b6)；
步骤b5)、将截断像数和CN的值加1；
步骤b6)、判断是否已经对图像所有的像素统计完毕，如果是，则执行步骤c1)，如果否，则返回，循环执行步骤b2)～步骤b6)；
步骤c)、计算截断直方图的CDF数组，以及动态映射表，其包含以下分步骤：
步骤c1)、计算截断直方图的CDF数组，定义为CCDF[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；
定义数组CCH[x]，x∈{Xi|i＝0，1，…，N-1}，其中X0，X1，…，Xi，…，XN-1顺序为N级离散化的图像亮度值，而且X0对应图像亮度值域的极小值，XN-1对应图像亮度值域的极大值；计算CCH[X0]＝CH[X0]+CN/N；
再循环计算：CCH[Xi]＝CCH[Xi-1]+CH[Xi]+CN/N，i＝1，2，…，N-1；
最后循环计算：CCDF[Xi]＝CCH[Xi]/Num，i＝0，1，…，N-1，其中，Num为该图像的像素总数；
步骤c2)、计算动态映射表：G[Xi]＝(1-K)×Xi+K×CCDF[Xi]×XN-1，i＝0，1，…，N-1，其中，K为预定参数，且0≤K≤1；
步骤d)、使用滤波器对输入图像信号亮度Xin进行卷积，分解图像信号并得到高频信号XHP和低频信号XLP；
步骤e)、使用步骤c)中基于累计概率分布函数CDF产生的映射表的输出，对步骤d)中分解输出的图像低频信号进行实时映射，得到增强后的图像低频信号XLP’：XLP’＝G[XLP]；
步骤f)、将步骤e)中得到的增强后的图像低频信号与分解得到的图像高频信号相加合并，恢复图像的亮度信号Xout：Xout＝XLP+XHP；
步骤g)、根据输入的图像性质，还原数字图像，若输入的是彩色图像，则还原彩色图像，若输入的是灰度图像，则还原灰度图像。
8、根据权利要求7所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，所述的步骤b2)中，可按行、列、倒行、倒列等顺序遍历到图像的所有像素。
9、根据权利要求7所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，在所述的步骤d)中，可使用低频滤波器对图像信号卷积，滤出图像的低频信号，再通过图像输入亮度信号减去图像低频信号，得到图像的高频信号，即分解图像高频信号和图像低频信号。
10、根据权利要求9所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，在所述的步骤d)中，可使用高频滤波器对图像信号卷积，滤出图像的高频信号，再通过图像输入亮度信号减去图像高频信号，得到图像的低频信号，即分解图像高频信号和图像低频信号。
11、根据权利要求7所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，还包含步骤h)：即对步骤d)分解得到的图像高频信号进行高频增强处理。
12、根据权利要求7所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，在所述的步骤a)中，颜色模型可以是YUV颜色空间的Y值，YCbCr空间的Y值，HSV空间的V值，也可以是HSL空间的L值，或者它们的等效表达式。
13、根据权利要求7所述的使用截断直方图均衡方法增强图像的结构方法，其特征在于，使用所述的图像增强结构，结合使用帧/场间预测技术，将当前帧/场的直方图等的特征值应用到下一帧/场的图像增强。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100290005A CN100342710C (zh) | 2005-08-22 | 2005-08-22 | 增强图像的结构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100290005A CN100342710C (zh) | 2005-08-22 | 2005-08-22 | 增强图像的结构方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1731820A true CN1731820A (zh) | 2006-02-08 |
| CN100342710C CN100342710C (zh) | 2007-10-10 |
Family
ID=35964108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2005100290005A Expired - Fee Related CN100342710C (zh) | 2005-08-22 | 2005-08-22 | 增强图像的结构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100342710C (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101123732B (zh) * | 2007-08-28 | 2010-04-07 | 北京海尔集成电路设计有限公司 | 一种处理图像颜色的方法和图像处理设备 |
| CN101207697B (zh) * | 2006-12-22 | 2011-06-22 | 昆山杰得微电子有限公司 | 一种融合多模糊算子的数字图像模糊增强方法 |
| CN102023160B (zh) * | 2009-09-15 | 2012-07-25 | 财团法人工业技术研究院 | 一种基于图像的燃烧品质测量方法 |
| CN103065287A (zh) * | 2013-01-08 | 2013-04-24 | 天津光电高斯通信工程技术股份有限公司 | 基于hsl空间和自适应反双曲正切函数的图像增强算法 |
| CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
| CN105744118A (zh) * | 2016-02-01 | 2016-07-06 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及应用其的视频增强系统 |
| CN108806638A (zh) * | 2017-04-27 | 2018-11-13 | 深圳市Tcl高新技术开发有限公司 | 一种图像的显示方法及其装置 |
| CN110246090A (zh) * | 2018-09-27 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69716803T2 (de) * | 1996-04-10 | 2003-03-27 | Samsung Electronics Co., Ltd. | Bildqualitätverbesserungsverfahren durch Histogramm-Entzerrung mit Mittelwertübereinstimmung und Schaltung dafür |
| KR0176601B1 (ko) * | 1996-05-21 | 1999-05-01 | 김광호 | 저역 필터링과 히스토그램 등화를 이용한 화질개선 방법 및 그 회로 |
| JP2000172240A (ja) * | 1998-12-08 | 2000-06-23 | Kansei Corp | グラフィック表示画面のオープニング方法及びその装置、並びに表示装置 |
-
2005
- 2005-08-22 CN CNB2005100290005A patent/CN100342710C/zh not_active Expired - Fee Related
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101207697B (zh) * | 2006-12-22 | 2011-06-22 | 昆山杰得微电子有限公司 | 一种融合多模糊算子的数字图像模糊增强方法 |
| CN101123732B (zh) * | 2007-08-28 | 2010-04-07 | 北京海尔集成电路设计有限公司 | 一种处理图像颜色的方法和图像处理设备 |
| CN102023160B (zh) * | 2009-09-15 | 2012-07-25 | 财团法人工业技术研究院 | 一种基于图像的燃烧品质测量方法 |
| CN103065287A (zh) * | 2013-01-08 | 2013-04-24 | 天津光电高斯通信工程技术股份有限公司 | 基于hsl空间和自适应反双曲正切函数的图像增强算法 |
| CN103065287B (zh) * | 2013-01-08 | 2016-06-29 | 天津光电高斯通信工程技术股份有限公司 | 基于hsl空间和自适应反双曲正切函数的图像增强方法 |
| CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
| CN103295204B (zh) * | 2013-06-20 | 2015-12-02 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
| CN105744118A (zh) * | 2016-02-01 | 2016-07-06 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及应用其的视频增强系统 |
| CN105744118B (zh) * | 2016-02-01 | 2018-11-30 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及视频增强系统 |
| CN108806638A (zh) * | 2017-04-27 | 2018-11-13 | 深圳市Tcl高新技术开发有限公司 | 一种图像的显示方法及其装置 |
| CN110246090A (zh) * | 2018-09-27 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
| CN110246090B (zh) * | 2018-09-27 | 2023-03-28 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100342710C (zh) | 2007-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100342710C (zh) | 增强图像的结构方法 | |
| CN1731451A (zh) | 增强图像颜色的方法 | |
| CN1302436C (zh) | 对比度补偿的装置及其方法 | |
| CN1263278C (zh) | 使用直方图匹配增强对比度的装置和方法 | |
| CN1226877C (zh) | 图像插入装置 | |
| CN1761309A (zh) | 图像数据的信号处理装置及方法 | |
| CN1685715A (zh) | 图像显示装置和图像显示方法 | |
| CN1168289C (zh) | 轮廓校正装置 | |
| CN111885312B (zh) | Hdr图像的成像方法、系统、电子设备及存储介质 | |
| CN1197348A (zh) | 在图象拾取装置中校正亮度分级的方法 | |
| CN101035300A (zh) | 一种图像增强方法及装置 | |
| CN1308891C (zh) | 用于图象处理中边缘增强的装置和方法 | |
| CN101043634A (zh) | 视频信号处理 | |
| CN1700737A (zh) | 能够防止噪声增强的伽玛校正设备和方法 | |
| CN1741068A (zh) | 一种基于边界的直方图均衡方法 | |
| CN1633159A (zh) | 一种去除图像噪声的方法 | |
| CN101080929A (zh) | 图像处理装置与图像处理方法 | |
| CN1856028A (zh) | 摄影装置以及摄影装置中补偿图像画面的补偿方法 | |
| CN2838184Y (zh) | 一种基于边界的直方图均衡装置 | |
| CN1929552A (zh) | 空间域像素数据处理方法 | |
| CN1622637A (zh) | 图像死点和噪声的消除方法 | |
| CN109035181B (zh) | 一种基于图像平均亮度的宽动态范围图像处理方法 | |
| CN1886758A (zh) | 按比例缩小数字矩阵图像的方法及装置 | |
| CN1509069A (zh) | 运动画面中闪烁的消除方法 | |
| CN1193618C (zh) | 用于运动估算的预处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: GUANGDIAN ELECTRONIC CO., LTD., SHANGHAI Free format text: FORMER OWNER: CENTRAL RESEARCH ACADEMY OF SHANGHAI SVA (GROUP) CO., LTD. Effective date: 20120705 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 200233 HOUSE 2, NO.757, YISHAN ROAD, SHANGHAI CITY TO: 200233 NO.168, TIANLIN COUNTY ROAD, SHANGHAI CITY |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20120705 Address after: 200233 No. 168, Shanghai, Tianlin Road Patentee after: SVA Electron Co.,Ltd. Address before: 200233, No. 2, building 757, Yishan Road, Shanghai Patentee before: Central Research Institute of Shanghai radio and television (Group) Co.,Ltd. |
|
| C56 | Change in the name or address of the patentee |
Owner name: INESA ELECTRON CO., LTD. Free format text: FORMER NAME: SVA ELECTRON CO., LTD. |
|
| CP03 | Change of name, title or address |
Address after: 200233 Building 1, building 200, Zhang Heng Road, Zhangjiang hi tech park, Shanghai, Pudong New Area, 2 Patentee after: INESA ELECTRON Co.,Ltd. Address before: 200233 No. 168, Shanghai, Tianlin Road Patentee before: SVA Electron Co.,Ltd. |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071010 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |