-
Die
vorliegende Erfindung bezieht sich auf eine Bildverarbeitung, z.
B. auf eine Kontrastverbesserung von Bildern durch eine Histogrammanipulation.
-
Ein
Digitalbild ist ein Array, gewöhnlich
eine rechteckige Matrix, von Pixeln. Jedes Pixel ist ein Bildelement
und ist eine digitale Größe, die
ein Wert ist, der eine gewisse Eigenschaft des Bilds an der Position
in dem Array darstellt, die einer speziellen Position in dem Bild
entspricht. Typischerweise stellen bei Kontinuierlich-Ton-Schwarz-Weiß-Bildern die Pixelwerte
einen Grauskalierungswert dar.
-
Pixelwerte
für ein
Bild müssen
konform zu einem spezifizierten Bereich sein. Zum Beispiel kann
jedes Array-Element ein Byte sein, d. h. acht Bits. Bei diesem Beispiel
müssen
die Pixelwerte zwischen 0 und 255 liegen. Bei einem Grauskalierungsbild
kann eine 255 absolut Weiß darstellen
und 0 total Schwarz.
-
Farbbilder
bestehen aus drei Farbebenen, die allgemein Rot, Grün, und Blau
(RGB) entsprechen. Für ein
spezielles Pixel gibt es einen Wert für jede dieser Farbebenen, d.
h. einen Wert, der die rote Komponente darstellt, einen Wert, der
die grüne
Komponente darstellt, und einen Wert, der die blaue Komponente darstellt. Durch
ein Variieren der Intensität
dieser zwei Komponenten können
alle Farben in dem Farbspektrum erzeugt werden.
-
Ausgabegeräte, wie
beispielsweise Drucker und Anzeigen, weisen auch spezielle Bereiche
für Pixelwerte
auf. Ein spezielles Gerät
kann konfiguriert sein, um Bilddaten mit 8 Bit anzunehmen und auszugeben,
d. h. Pixelwerte in dem Bereich von 0 bis 255.
-
Viele
Bilder weisen jedoch keine Pixelwerte auf, die einen wirksamen Gebrauch
des vollen Dynamikbereichs von Pixelwerten machen, der an einem
Ausgabegerät
verfügbar
ist. In dem Fall von 8 Bit kann z. B. ein spezielles Bild in der
digitalen Form desselben lediglich Pixelwerte enthalten, die zwischen
100 und 150 liegen, d. h. die Pixel fallen irgendwo in die Mitte
der Grauskalierung. Auf eine ähnliche
Weise kann ein Farbbild mit 8 Bit ebenfalls RGB-Werte aufweisen,
die in einen Bereich irgendwo in die Mitte des für das Ausgabegerät verfügbaren Bereichs
fallen. Das Ergebnis in beiden Fällen
besteht darin, daß die
Ausgabe relativ matt in einer Erscheinung ist.
-
Die
visuelle Erscheinung eines Bilds kann oft durch ein Neuabbilden
der Pixelwerte verbessert werden, um den vollen Bereich von möglichen
Ausgängen
auszunutzen. Diese Prozedur wird Kontrastverbesserung genannt.
-
Es
gibt mehrere bekannte Kontrastverbesserungstechniken. Diese Techniken
sind besonders häufig bei
einfarbigen (z. B. Grauskalierungs-) Bildern, wie beispielsweise
aus medizinischen (z. B. cat-Abtastungen, Röntgenstrahlen und Ultraschall)
und Radarquellen. Bei derartigen Anwendungen kann eine Kontrastverbesserung
verwendet werden, um Bilddetails zu finden, die anderweitig schwer
zu erkennen wären.
-
Kontrastverbesserungstechniken
basieren oft auf einer Histogrammentzerrung. Bei einer Histogrammentzerrung
wird ein Histogramm einer Grauskalierungsverteilung des Bilds aufgebaut. 1 ist ein Beispiel eines
derartigen Histogramms. Ein Histogramm ist ein eindimensionales
Array mit einem Array-Element, das jedem Wert in dem Bereich von
Pixelwerten entspricht. Jedes Histogrammelement enthält einen
Zählwert der
Anzahl von Pixeln, der den speziellen Pixelwert aufweist, der diesem
Element entspricht. Bei einer Histogrammentzerrung werden die Pixelwerte
in dem Bild verändert,
um die Verteilung von Grauskalierungswerten so einheitlich wie möglich zu
machen. Eine Histogrammentzerrung ist in A. K. Jain, Fundamentals
of Digital Image Processing, Prentice-Hall, Inc., 1989, S. 241–243 beschrieben.
-
Eine
Variation einer Histogrammentzerrung, bekannt als adaptive Histogrammentzerrung
oder lokale Histogrammentzerrung, verwendet ein Gleitfenster, um
eine Bildregion für
jedes Pixel zu definieren. Das Histogramm dieser Region wird dann
entzerrt, um den Ausgangswert für
das Pixel zu bestimmen. Eine adaptive Histogrammentzerrung ist in
John B. Zimmerman, et al., An evaluation of the effectiveness of
adaptive histogram equalisation for contrast enhancement, IEEE Trans.
On Medical Imaging, 7(4): 304–312,
Dezember 1988 beschrieben. Die adaptive Histogrammentzerrungsprozedur
ist berechnungsmäßig sehr
aufwendig, da für
jedes Bildpixel ein getrenntes Histogramm aufgebaut wird. Eine Anzahl
von regionsbasierten Varianten einer adaptiven Histogrammentzerrung
wurden in Stephen Pizer et al., Adaptive histogram equalisation
and its variations, Computer Vision, Graphics, and Image Processing,
39(3): 355–368,
September 1987; S. S. Y. Lau, Global image enhancement using local
information, Electronics Letters, 30(2): 122–123, Januar 1994; J. A. Stark und
W. J. Fitzgerald, Model-based adaptive histogram equalisation, Signal
Processing, 37: 193–200,
1994 vorgeschlagen. Diese Techniken ergeben vergleichbare Ergebnisse
mit einer adaptiven Histogrammentzerrung, während dieselben eine Berechnung
reduzieren.
-
Gemeinsame
Mängel
bei adaptiven Histogrammvarianten bestehen darin, daß, obwohl
einige Varianten Berechnungserfordernisse relativ zu einer voll
entwickelten adaptiven Histogrammentzerrung wesentlich reduzieren,
die erforderliche Berechnung immer noch erheblich genug ist, um
bei vielen Anwendungen unpraktisch zu sein.
-
Ein
weiterer Mangel von adaptiven Histogrammvarianten besteht darin,
daß, weil
diese Schemata Bildpixelwerte lokal einstellen, das verarbeitete
Bild die relative Helligkeit von Pixeln aus dem Originalbild nicht behält. Zum
Beispiel werden eventuell einige Details in einer Schattenregion
zu dem Punkt erhellt, wo diese Details heller als sonnenbeschienene
Teile des gleichen Bilds sind. Das unausgeglichene Erhellen/Verdunkeln eines
Bilds führt
zu einer unannehmbaren visuellen Erscheinung bei photographischen
Bildern.
-
Eine
Generalisierung einer Histogrammentzerrung, bekannt als Histogrammspezifikation,
stellt die Daten ein, so daß das
Ausgangshistogramm eine Verteilung nahe an einer gewissen erwünschten
Verteilung aufweist. Eine Histogrammspezifikation ist in Jain, oben,
S. 243 beschrieben.
-
Eine
Farbbildverbesserung ist erheblich komplizierter. Farbbilder bestehen
aus drei Farbebenen, die allgemein Rot, Grün und Blau (RGB) entsprechen.
Eine einfache Farbbildverbesserungstechnik (beschrieben in P. E.
Trahanias und A. N. Venetsanopoulos, Colour Image enhancement through
3-d histogram equalisation, 11th IAPR Conference on Pattern Recognition,
Conference C: Image, Speech, and Signal Analysis, S. 545–548, September
1992) besteht darin, eine Nistogrammentzerrung unabhängig an
jeder Farbe durchzuführen.
Diese Technik kann jedoch große
Farbverschiebungen und andere unerwünschte Artefakte bei dem Bild
bewirken.
-
Eine
Histogramm-basierte Kontrastverbesserungstechnik, die versucht,
derartige Artefakte zu vermeiden, besteht darin, ein dreidimensionales
Histogramm aufzubauen und Modifikationen in allen drei Dimensionen
gemeinsam durchzuführen.
Diese Technik ist in Trahanias und Venetsanopoulos, oben, und in
Phillip A. Misna und Jeffrey J. Rodriguez, Explosion of multidimensional
Image histograms, IEEE International Conference on Image Processing,
Bd. III, S. 958–962,
Austin, Texas, November 1994 beschrieben. Leider ist die erforderliche
Berechnung für
die Technik einer gemeinsamen Modifikation eines dreidimensionalen
Histogramms zumindest von der Größenordnung
der Anzahl von besetzten Histogrammfächern bzw. -bins, die bei einem
mäßig großen Bild
mehr als einhunderttausend betragen können. Dieser Ansatz ist daher
berechnungsmäßig intensiv
und somit nicht sehr praktisch.
-
Andere
Ansätze,
einschließlich
des bevorzugten Ausführungsbeispiels
der vorliegenden Erfindung, transformieren die Bilddaten in einen
gewissen Luminanz-Chrominanz-Farbraum und führen die Verbesserung in diesem
Bereich durch. Einige Techniken stellen lediglich das Luminanzhistogramm
ein, während
andere sowohl das Luminanz- als auch das Chrominanzhistogramm einstellen.
Eine einfache Histogrammentzerrung an der Luminanzkomponente kann
unerwünschte
Artefakte bei dem Ausgangsbild bewirken. Genauer gesagt können große Bereiche
von näherungsweise
gleicher Luminanz unter Konturartefakten leiden, während ein besonders
dunkler (heller) Hintergrund bewirken kann, daß die vordergründigen Objekte
zu hell (dunkel) werden. Einige der komplizierteren Verbesserungsprozeduren
erfordern es, daß die
Bilddaten vor einem Verarbeiten eine nicht-lineare Transformation
durchmachen, was die Berechnungskomplexität erhöht. Eine Histogrammentzerrung
von Luminanz- oder Chrominanzhistogrammen ist in Robin N. Strickland,
et al., Digital colour Image enhancement based on the saturation
component, Optical Engineering, 26(7): 609–616, Juli 1987, und in Ilia
M. Bockstein, Colour equalisation method and its application to
colour Image processing, Journal of the Optical Society of America
A, 3(5): 735–737,
Mai 1986 beschrieben.
-
Eine
Histogrammanipulation wurde auch für andere Zwecke als einer Kontrastverbesserung
verwendet. Zum Beispiel wurden für
Einfarbenbilder Mehrschwellenbestimmungstechniken zu einem Aufteilen
eines Histogramms in Cluster entwickelt. Die resultierenden Cluster
werden dann verwendet, um das Bild in Regionen zu segmentieren,
die verschiedenen Objekten und Hintergründen entsprechen. Derartige
Clustertechniken sind in P. K. Sahoo, et al., A survey of thresholding
techniques, Computer Vision, Graphics, and Image Processing, 41(2):
233–260,
Februar 1988 beschrieben. Falls das Histogramm flache Regionen einer
geringen Amplitude zwi schen höheren
Spitzen enthält,
würde z.
B. ein Schwellenwert irgendwo in der flachen Region beinahe die
gleiche Segmentierung des Bilds ergeben. Zum Zweck einer Kontrastverbesserung
ist es erwünscht,
zwischen Regionen einer hohen Aktivität und Regionen mit einer geringen
Aktivität
zu differenzieren. Folglich ist es erwünscht, das Histogramm zu teilen,
derart, daß flache
Regionen einer geringen Amplitude getrennte Cluster bilden. Daher
sind die Mehrschwellenbestimmungsclustertechniken nicht zu einer
Farbkontrastverbesserung geeignet.
-
Die
vorliegende Erfindung versucht eine verbesserte Bildverarbeitung
bereitzustellen.
-
Gemäß einem
Aspekt der vorliegenden Erfindung ist ein Bildverarbeitungssystem
bereitgestellt, wie dasselbe in Anspruch 1 spezifiziert ist.
-
Es
ist somit möglich,
eine Kontrastverbesserung bereitzustellen, die berechnungsmäßig nicht
intensiv ist und die keine unerwünschten
Artefakte bei dem Ausgangsbild einbringt.
-
Ein
erstes Ausführungsbeispiel
stellt ein Verfahren zum Betreiben eines Computers bereit, um kontrastverbesserte
digitale Bilder zu erzeugen. Das Verfahren beginnt mit dem Schritt
eines Erzeugens eines Histogramms, das eine erste Achse, die einer
meßbaren
Eigenschaft (z. B. Luminanz) entspricht, und eine zweite Achse aufweist,
die einem Zählwert
von Pixeln entspricht, der für
die meßbare
Eigenschaft einen speziellen Wert aufweist. Dieses Histogramm wird
in Cluster geteilt und eine Histogrammentzerrung oder -dehnung wird an
jedem Cluster durchgeführt,
wodurch ein modifiziertes Histogramm erzeugt wird. Das modifizierte
Histogramm wird verwendet, um den Wert der ersten meßbaren Eigenschaft
in der digitalen Form einzustellen, wodurch ein kontrastverbessertes
Bild erzeugt wird.
-
Bei
einem Ausführungsbeispiel
wird das Histogramm unter Verwendung einer Musteranpassungstechnik
bzw. patternmatching-Technik in Cluster geteilt. Zum Beispiel werden
Muster in dem Histogramm, die Gauss'schen Verteilungen ähneln, und Muster, die einheitlichen
Verteilungen ähneln,
in einzelne Cluster getrennt.
-
Bei
einem anderen Ausführungsbeispiel
werden nachfolgend zu einem Teilen des Histogramms in Cluster die
Clustergrenzen proportional zu dem Bereich des Clusters, der Anzahl
von Pixeln in dem Bereich, der Gesamtanzahl von Pixeln in dem Bild
und der Histogrammerstreckung neu abgebildet.
-
Bei
einem anderen Ausführungsbeispiel
wird eine andere Eigenschaft (z. B. Chrominanz) des Bilds verwendet,
um die Werte des modifizierten Histogramms zu begrenzen.
-
Ein
anderes Ausführungsbeispiel
stellt ein Computersystem zu einer Bildverarbeitung bereit, das
eine Histogrammerzeugungseinheit aufweist, die betreibbar ist, um
eine Histogrammdatenstruktur in einem Speicher auf dem Computersystem
zu erzeugen. Das Computersystem enthält ferner eine Clusterbildungsvorrichtung,
die mit der Histogrammdatenstruktur verbunden ist und betreibbar
ist, um die Histogrammdatenstruktur in Cluster zu partitionieren.
Ein Histogrammclustergrenzeinsteller ist mit der Histogrammdatenstruktur
verbunden und ist betreibbar, um Grenzen jedes Clusters in der Datenstruktur
einzustellen, derart, daß die
Grenzen konform zu einer Funktion sind, die die Parameter Clusterbreite
(R0), einen Zählwert
von Pixeln in dem Cluster (Ni), einen Zählwert von Pixeln in dem Bild
(Nt), die ursprüngliche
Histogrammerstreckung (EO) und eine erwünschte Histogrammerstreckung
(Ed) aufweist. Ein Histogrammeinsteller ist ferner mit der Histogrammdatenstruktur
verbunden und ist betreibbar, um das Histogramm für jeden
derartigen Cluster gemäß einer
erwünschten
Charakteristik zu modifizieren.
-
Ein
bevorzugtes Ausführungsbeispiel
stellt eine Vorrichtung zum Verbessern der visuellen Erscheinung
von digitalisierten Bildern, die in einer Bilddatenstruktur gespeichert
sind, durch eine Kontrastverbesserung bereit, die eine Histogrammdatenstruktur;
einen Histogrammgenerator, der mit der Histogrammdatenstruktur verbunden
und betreibbar ist, um in der Histogrammdatenstruktur Histogrammdaten
für eine
Eigenschaft der Bilder zu speichern; eine Histogrammclusterbildungsvorrichtung,
die mit der Histogrammdatenstruktur verbunden ist und betreibbar
ist, um Cluster in dem Histogramm zu definieren, wobei jedes derartige
Cluster einen Bereich aufweist; einen Histogrammneuabbilder, der
mit der Histogrammdatenstruktur verbunden ist und betreibbar ist,
um den Bereich jedes derartigen Clusters einzustellen; und einen
Histogrammeinsteller aufweist, der mit der Histogrammdatenstruktur
verbunden und betreibbar ist, um das Histogramm jedes Clusters einzustellen.
-
Vorzugsweise
ist der Histogrammeinsteller ein Histogrammentzerrer oder -dehner.
-
Die
Vorrichtung kann einen Bildtransformator umfassen, der mit der Bilddatenstruktur
verbunden ist und betreibbar ist, um das Bild von einem ersten Datenformat
zu einem zweiten Datenformat zu transformieren, das die erste Eigenschaft
aufweist.
-
Das
bevorzugte umgewandelte Bildformat ist aus dem Satz von Y-Cb-Cr,
CIE L*a*b*, CIE XYZ, und Y-U-V ausgewählt.
-
Ein
Ausführungsbeispiel
der vorliegenden Erfindung ist unten lediglich durch ein Beispiel
mit Bezug auf die zugehörigen
Zeichnungen beschrieben, in denen:
-
1 ein exemplarisches Histogramm
ist, das die Anzahl von Pixeln eines Bilds zeigt, das jeden gültigen Graupegelwert
aufweist.
-
2 ein Blockdiagramm eines
Ausführungsbeispiels
eines Computersystems mit einem verbesserten Kontrast von digitalisierten
Bildern ist.
-
3 ein Blockdiagramm des
Prozeßflusses
eines Bildverarbeitungssystems ist.
-
4 ein Blockdiagramm eines
Ausführungsbeispiels
eines Bildverarbeitungssystems ist, das einen Kontrastverbesserer
aufweist.
-
5 ein Blockdiagramm der
Operation eines Kontrastverbesserers des Systems von 4 zeigt.
-
6 ein exemplarisches Luminanzhistogramm
ist, das zwei Spitzen zeigt, die durch eine flache Region getrennt
sind.
-
7 graphisch die Trennung
eines Histogramms in mehrere Cluster zeigt.
-
8 ein Flußdiagramm
der bevorzugten Clusterbildungsprozedur ist.
-
9 ein exemplarisches unmodifiziertes
Luminanzhistogramm ist.
-
9b, 9c und 9d Luminanzhistogramme
sind, die durch den bevorzugten Kontrastverbesserer unter Verwendung
unterschiedlicher Parameterwerte modifiziert sind.
-
Das
bevorzugte Ausführungsbeispiel
kann an einem Universalcomputersystem, an einem Spezialbildverarbeitungssystem,
bei einer Software, die zu einer Bildverarbeitung verwendet wird,
bei Gerätetreibern
und anderen Anwendungen praktiziert werden, die eine digitale Bildmanipulation
betreffen. Zu darstellenden Zwecken ist das bevorzugte Ausführungsbei spiel
unten in dem Kontext eines Gerätetreibers
beschrieben, der zu einer Ausführung
in einen Universalcomputer geladen ist, wenn ein Bild an einem speziellen
Gerät ausgegeben
wird, das durch den Gerätetreiber
gesteuert wird.
-
A. Computersystembeschreibung
-
2 ist ein Blockdiagramm
eines Computersystems 100, bei dem das bevorzugte Verarbeitungssystem
verwendet wird, um den Kontrast von digitalisierten Bildern zu verbessern.
Das Computersystem 100 besteht aus einem Computer 101,
der mit mehreren Eingabe-Ausgabe-Geräten verbunden ist, z. B. einem
Scanner 113, einen Drucker 115, einem Monitor 117 und
einem oder mehreren Laufwerken 119. Der Computer 101 kann
mit anderen Eingabegeräten 121 verbunden
sein. Diese anderen Eingabegeräte 121 können eines
oder mehrere der folgenden umfassen: Bildabtaster, CCD-Kameras,
CD-ROM-Laufwerke, Digitalkameras, medizinische Bilderzeugungsgeräte, wie
beispielsweise CRT-Scan, Röntgen
und Ultraschall.
-
Der
Computer 101 besteht aus einer Zentralverarbeitungseinheit
(CPU) 103 und einem Direktzugriffsspeicher (RAM) 105.
Der Computer 101 kann ferner einen Nur-Lese-Speicher (ROM) 107 enthalten.
Diese Geräte
sind miteinander über
einen Bus 109 verbunden. Der Computer 101 kann
ferner Eingabe-Ausgabe-Steuereinheiten 111a–111f enthalten,
die mit den Eingabe-Ausgabe-Geräten 113–119 verbunden
sind.
-
Bei
der Operation als ein digitales Bildverarbeitungssystem wird ein
digitalisiertes Bild zu dem Computer 101 eingegeben. Die
Quelle des Bilds kann ein Scanner 113 sein. Die Quelle
des digitalisierten Bilds kann auch eine andere Quelle von digitalisierten
Bildern sein, wie beispielsweise eine Photo-CD, eine Digitalkamera
(z. B. eine CCD (ladungsgekoppelte Vorrichtung) -Kamera) oder ein
Bildabtaster.
-
Ferner
kann das Computersystem 100 über ein Netzwerk 123 mit
anderen Computersystemen 100' und 100'' etc. verbunden sein. Die digitalisierten
Bilder können
dann von einem oder mehreren dieser anderen Computersysteme 100' und 100'' auf das System 100 heruntergeladen
werden.
-
Ein
Bild kann direkt in den RAM 105 des Computers 101 abgetastet
werden oder ein Bild 109 kann in einer sekundären Speicherung
gespeichert werden, wie beispielsweise dem Laufwerk 119.
Abhängig
von der Größe desselben
kann das Laufwerk 123 eine große Anzahl von digitalisierten
Bildern speichern. Das Laufwerk 123 enthält ferner
einen oder mehrere Ausgangstreiber 125. Jedem Ausgabegerät 115 ist
ein Ausgangstreiber 125 zugeordnet. Die Ausgabegeräte können Drucker
sein, z. B. Farbtintenstrahldrucker oder Farblaserdrucker, wie beispielsweise
diejenigen, die durch die Hewlett-Packard Company, Palo Alto, Kalifornien
hergestellt werden. Die Ausgabegeräte können ferner Farbstoffsublimationsdrucker
umfassen, z. B. den Kodak Colorease Drucker.
-
Wenn
die Betriebssystemsoftware (nicht gezeigt) des Computers 101 einen
Befehl erhält,
ein Bild 109 auf einem der Ausgabegeräte 115 auszugeben,
lädt dieselbe
den geeigneten Ausgangstreiber 125 in den RAM 105.
-
Bei
einem alternativen Ausführungsbeispiel
ist der Ausgangstreiber in dem ROM 107 gespeichert. Bei derartigen
Ausführungsbeispielen
ist der Schritt des Ladens des Ausgangstreibers nicht notwendig.
-
3 ist ein Blockdiagramm
des Prozeßflusses
eines Bildverarbeitungssystems. Ein Bild eines Objekts 301 wird
durch ein Bilderzeugungsgerät 303 aufgenommen.
Ein Digitalisierer 305 wandelt das Bild in eine digitale
Darstellung um. Die digitale Version des Bilds wird dann in ein
Speicherungsgerät
gespeichert 307, z. B. den RAM 105. Nachfolgend
zu einem Speichern wird das Bild von dem Speicherungsgerät wiedererlangt und
verarbeitet 309. Ein Verarbeiten 309 kann entweder
durch die CPU 103 oder durch Prozessoren geschehen, die
in den Eingabegeräten
oder Ausgabegeräten
positioniert sind. Das Verarbeiten 309 kann ferner zwischen
Eingangs-, Ausgangs- und Hauptcomputersystemprozessoren partitioniert
sein. Schließlich
wird das verarbeitete Bild auf eine bestimmte Form eines Ausgabegeräts ausgegeben 311,
z. B. einen Drucker 115.
-
Es
ist anzumerken, daß der
bevorzugte Kontrastverbesserer an einer jeglichen Stufe in dem Prozeßfluß von 3 eingesetzt werden kann.
-
B. Gerätetreiber
-
4 ist ein Blockdiagramm
eines Bildverarbeitungssystems, das einen Kontrastverbesserer gemäß dem bevorzugten
Ausführungsbeispiel
aufweist. 4 zeigt einen
Gerätetreiber 125,
der in den RAM 105 geladen ist. Der Ausgangstreiber 125 besteht
aus einem Kontrastverbesserer 205 und einer Ausgangssteuerung 203.
Die Ausgangssteuerung 203 nimmt als einen Eingang digitalisierte
Bilder an und gibt Steueranweisungen an das Ausgabegerät 115 aus.
Für einen
Druckertreiber umfaßt
der Druckertreiber (Ausgangstreiber) Anweisungen, um die Menge und
Plazierung von Tinte von verschiedenen Farben auf dem Ausgabemedium
zu steuern.
-
Der
Kontrastverbesserer 205 ist mit einer Datenstruktur zu
einem Speichern eines Histogramms 211 einer gewissen Eigenschaft
des Bilds 109 verbunden. Bei einem Ausführungsbeispiel ist die Histogrammeigenschaft
eine Luminanz, d. h. das Histogramm 211 enthält einen
Eintrag für
jeden möglichen
Luminanzwert für
das spezielle Ausgabegerät 115 und
jeder derartige Luminanzwerteintrag ist die Anzahl von Pixeln, die
dieser spezielle Luminanzwert aufweist.
-
Der
Kontrastverbesserer 205 enthält mehrere Module. Ein erstes
Modul ist ein Bildtransformator 207. Der Bildtransfor mator 207 nimmt
als einen Eingang ein Bild 109 in einem Format an und transformiert
dasselbe in ein Bild, das zumindest eine Eigenschaft aufweist, die
zu einer Kontrastverbesserung verwendet wird. Bei einem Ausführungsbeispiel
wird eine Luminanz zu einer Kontrastverbesserung verwendet, somit
transformiert der Bildtransformator 207 das Eingabebild 109 in
eine Darstellung, die eine Luminanzkomponente aufweist, z. B. YcrCb-
oder CIELab-Farbkoordinatensysteme. Die Funktionalität des Bildtransformators 207 ist
unten in Verbindung mit 5 detaillierter
beschrieben.
-
Der
Kontrastverbesserer 205 enthält einen Histogrammgenerator 209.
Der Histogrammgenerator 209 zählt die Anzahl von Pixeln,
die jeden Wert in dem Bereich von Werten aufweisen, die für die spezielle
Eigenschaft zulässig
sind, die zu einer Kontrasteinstellung des Bilds verwendet wird.
Diese Pixelzählwerte
werden in einem eindimensionalen Histogrammarray 211 in
dem RAM 125 gespeichert. Bei einem Ausführungsbeispiel wird eine Luminanz
zu einer Kontrastverbesserung verwendet. Somit enthält bei diesem
Ausführungsbeispiel
das Histogramm Zählwerte
von Pixeln, die je einen gültigen
Luminanzwert aufweisen.
-
Der
Kontrastverbesserer 205 enthält ferner eine Clusterbildungsvorrichtung 213 zum
einem Bestimmen von Clustern in dem Histogramm 211. Die
Operation der Clusterbildungsvorrichtung 213 ist unten
in dem Abschnitt mit dem Titel „Clusterbildungsvorrichtung" detaillierter beschrieben.
-
Nachdem
derselbe Cluster in dem Histogramm 211 eingerichtet hat,
fordert der Kontrastverbesserer 205 einen Clustereinsteller 215 auf,
die Grenzen der verschiedenen Cluster einzustellen.
-
Dann
wird an den eingestellten Clustern durch einen Histogrammentzerrer/-dehner 219 eine
Histogrammentzerrung oder eine Histogrammdehnung durchgeführt. Und
unter Verwendung des Ausgangshistogramms werden die Pixelwerte durch
einen Luminanzhistogrammneuabbilder 217 neu abgebildet.
-
Ein
Datenprüfer 221 verifiziert,
daß Ausgabewerte
innerhalb erlaubter Begrenzungen für den speziellen durch dieses
Ausführungsbeispiel
verwendeten Farbraum bleiben.
-
Die
verschiedenen Module des Kontrastverbesserers 205 werden
durch ein Steuerprogramm 223 gesteuert. Das Steuerprogramm 223 implementiert
das Flußdiagramm
von 5.
-
C. Kontrastverbesserer
-
5 zeigt ein Blockdiagramm
der Operation des bevorzugten Ausführungsbeispiels des Kontrastverbesserers 205.
Der Kontrastverbesserer 205 teilt zuerst das Luminanzhistogramm
in Cluster. Der Kontrastverbesserer 205 führt als
nächstes
eine Histogrammentzerrung oder -dehnung getrennt an jedem Cluster
durch und das gesamte Cluster wird basierend auf der Clusterbreite,
der Anzahl von Pixeln in dem Cluster und der ursprünglichen
Histogrammerstreckung auf eine neue Luminanzregion neu abgebildet.
-
Die
Chrominanzinformationen werden verwendet, um die modifizierten Luminanzwerte
vor einem Neuabbilden der Pixelwerte zu begrenzen, um Farbverschiebungen
aufgrund einer Sättigung
zu vermeiden.
-
D. Farbtransformation
-
Bei
einem ersten Ausführungsbeispiel
basiert die Kontrastverbesserung auf Luminanzwerten. Daher wandelt
bei diesem Ausführungsbeispiel
der Kontrastverbesserer 205 zuerst die RGB-Bilddaten eines
Eingangsbilds 109 in eine Luminanz-Chrominanz-Darstellung um, Schritt 501.
-
Allgemein
gesagt ist das bevorzugte Ausführungsbeispiel
auf alle Farbbilddarstellungen gleich anwendbar. Jedoch variiert
das spezielle, verwendete Verfahren von Darstellung zu Darstellung.
Für exemplarische
Zwecke sieht die folgende Beschreibung der bevorzugten Ausführungsbeispiele
Eingangsbilder 109 als unter Verwendung der RGB-Komponenten
gespeichert an, die durch die Society of Motion Picture and Television
Engineers (SMPTE-C RGB) spezifiziert sind. Der weiße Punkt
wird als der weiße
Punkt nach Standard CIE D65 angenommen und das Gamma wird entweder
als 1 (lineares RGB) oder 2,2 (Gamma, korrigiert für NTSC)
angenommen. Die Transformation und somit die Kontrastverbesserungsergebnisse
variieren etwas, falls unterschiedliche Basiswerte angenommen werden,
es wurde jedoch herausgefunden, daß diese Annahmen gut bei Farbbildern
funktionieren, die entworfen sind, um auf einem Computerbildschirm
betrachtet zu werden. Eine detailliertere Erörterung dieser Parameter ist
in R. W. G. Hunt, The Reproduction of Colour in Photography, Printing & Television, Fountain
Press, Tolworth, England, 1987 gegeben.
-
Natürlich kann
ein Farbbild 109 in einem Format gespeichert worden sein,
das eine Luminanzkomponente enthält,
in welchem Fall der Kontrastverbesserer 205 den Transformationsschritt 501 auslassen
kann. Ein Ausführungsbeispiel
verwendet den YCrCb-Farbraum. Alternative Ausführungsbeispiele verwenden CIELab-,
YUV- oder YIQ-Farbräume.
-
Bei
einem Ausführungsbeispiel
wird YCrCb ausgewählt,
da dasselbe eine zweckmäßige Darstellung für ein digitales
Verarbeiten ist, weil die Chrominanzkomponenten leicht berechnete
Maximal- und Minimalwerte aufweisen. Falls z. B. die RGB-Komponenten
je einen zulässigen
Bereich von 0 bis 255 aufweisen, fällt Y ebenfalls zwischen 0
und 255 und die Cr- und Cb-Werte liegen beide zwischen –127 und
128. Ein gammakorrigiertes RGB-Bild kann unter Verwendung einer
einfachen linearen Transformation in YCrCb umgewandelt werden. Genau
gesagt, Y = 0,299R + 0,587G + 0,114B Cr = 0,713 (R-Y) Cb =
0,564 (B-Y).
-
Der
CIELab-Farbraum, der entworfen wurde, um näherungsweise wahrnehmungsmäßig gleichmäßig zu sein,
wird oft zu einer Digitalbildkomprimierung und -übertragung verwendet. Die Umwandlung
in CIELab ist etwas komplizierter, da der CIE-Lab-Farbraum hinsichtlich des CIE-XYZ-Standardfarbraums
definiert ist. Für
einen gammakorrigierten RGB wird diese Transformation in drei Stufen
berechnet. Zuerst wird in einen linearen RGB umgewandelt.
-
-
Als
nächstes
wird eine lineare Transformation verwendet, um zu CIE XYZ umzuwandeln.
-
-
Schließlich werden
die Daten über
die folgenden Gleichungen in CIELab umgewandelt.
-
-
Bei
einem Ausführungsbeispiel
sind diese Transformationen skaliert und translatiert, um ganzzahlige Werte
zwischen 0 und 255 für
alle Farbkomponenten zu erzeugen. Bei alternativen Ausführungsbeispielen können Bilder
zu anderen „Bits-pro-Pixel"-Formaten digitalisiert
werden, z. B. vier oder sechzehn. Bei diesen Ausführungsbeispielen
sind die Transformationen zu Bereichen skaliert, die für diese
Formate geeignet sind.
-
E. Luminanzhistogrammclusterbildung
-
Nach
der Farbtransformation bestehen die Daten aus einer Luminanzkomponente 503 und
zwei Chrominanzkomponenten 505 und 507. Als nächstes fordert
der Kontrastverbesserer 205 den Histogrammgenerator 209 auf,
das Luminanzhistogramm 211 aus den Luminanzdaten 503 aufzubauen.
Das Histogramm 211 wird dann in die Clusterbildungsvorrichtung 213 eingegeben,
um in Cluster geteilt zu werden, Schritt 511. Angenommen
daß eine
Luminanz unter Verwendung eines Bytes pro Pixel aufgezeichnet wird,
ist das Histogramm 211 ein eindimensionales Array mit 256
Elementen, so daß die
erforderliche Berechnung zu einem Clusterbilden unabhängig von
einer Bildgröße ist.
-
Das
Neuabbilden von Luminanzwerten basiert teilweise auf einer Clustererstreckung.
Daher können die
exakten Schwellenpositionen ziemlich wichtig sein. Die Clusterbildungsvorrichtung 213 strebt
danach, das Histogramm zu teilen, derart, daß flache Regionen getrennte
Cluster sind, wie es in 6 dargestellt
ist. 6 ist ein exemplarisches
Luminanzhistogramm 600, das zwei Spitzen aufweist, eine 601 in
dem Niedrigluminanzbereich und eine 603 in dem Hochluminanzbereich.
Diese zwei Spitzen 601 und 603 sind durch eine
flache Region 605 mit niedrigen Pixelzählwerten getrennt. Die Clusterbildungsvorrichtung 213 strebt
danach, das exemplarische Histogramm 600 zu teilen, derart,
daß die
flache Region 605 ein getrenntes Cluster ist.
-
Die
Clusterbildungsvorrichtung 213 verwendet eine Maximale-Wahrscheinlichkeit-Technik
(maximum-likelihood-Technik) zu einem Teilen von Clustern in Verbindung
mit einem baumerzeugenden Algorithmus, um das nächste zu teilende Cluster zu
bestimmen. Anfänglich
betrachtet die Clusterbildungsvorrichtung 213 das Histogramm 211 als
ein einziges Cluster und trennt nachfolgend existierende Cluster,
um das Endergebnis eines in mehrere Cluster geteilten Histogramms 211 zu
erzeugen.
-
Die
durch die Clusterbildungsvorrichtung 213 verwendete Prozedur
ist in 7 dargestellt
und ein Flußdiagramm
der Prozedur ist in 8 gezeigt.
Anfänglich
wird das Histogramm 211 als ein Cluster 701 betrachtet,
Schritt 801. Das Cluster 701 ist in einem Teilungsbaum 703 als
ein Knoten 701' dargestellt.
Als nächstes
wird das Cluster 701 in zwei Cluster 702a und 702b geteilt,
die wiederum in dem Teilungsbaum 703 als Knoten 702a' und 702b' dargestellt
sind. Nach mehreren Iterationen wurde das Histogramm in Cluster 705a–e geteilt,
die Blattknoten 705'–705e' in dem Teilungsbaum 703 entsprechen.
-
Um
zu entscheiden, welches Cluster geteilt werden soll, sucht die Clusterbildungsvorrichtung 213 unter
den existierenden Clustern nach dem Cluster, das am wenigsten wie
eine Spitze oder eine flache Region aussieht, Schritt 803.
Um diese Bestimmung zu machen, berechnet die Clusterbildungsvorrichtung 213 zwei unterschiedliche
Logarithmuswahrscheinlichkeiten für jedes existierende Cluster,
wobei zuerst eine Gauss'sche
Verteilung und dann eine gleichmäßige Verteilung
angenommen wird. Eine Gauss'sche
Verteilung wird genommen, um sich einer Spitze anzunähern, und
eine gleichmäßige Verteilung
wird genommen, um sich einer flachen Region anzunähern. Daher
ist ein Cluster, das stark von sowohl einer Gauss'schen Verteilung
als auch einer gleichmäßigen Verteilung
abweicht, ein guter Kandidat, um dasselbe in zusätzliche Cluster zu teilen.
-
Die
Datenwerte in jedem Cluster werden als unabhängig und identisch verteilt
(iid) angenommen und die Parameter der Gauss'schen Verteilung werden als die Werte
angenommen, die die Logarithmuswahrscheinlichkeit maximieren. Die
Logarithmuswahrscheinlichkeitsgleichungen für ein gegebenes Cluster C unter der
Gauss'schen und
der gleichmäßigen Annahme
können
somit über
(1) bzw. (2) berechnet werden.
LLU – Nlog(|C|) (2)wobei
und der Arraywert hist[i]
die Anzahl von Bildpixeln in dem Histogrammfach i ist.
-
Die
Logarithmuswahrscheinlichkeit, die jedem Cluster zugeordnet ist,
wird dann als das Maximum von (1) und (2) angenommen. Das Cluster
mit einer minimalen Logarithmuswahrscheinlichkeit wird als das nächste Cluster
gewählt,
um geteilt zu werden. Somit wählt
der Algorithmus das existierende Cluster, das am wenigsten wie entweder
eine Gauss'sche
oder eine gleichmäßige Dichte
aussieht. Die durchschnittliche (pro Pixel) Logarithmuswahrscheinlichkeit
des gewählten
Clusters wird für
jede Teilung gespeichert. Wenn dieser Wert im Vergleich mit dem
Wert für
die vorhergehende Teilung groß genug
ist, endet die Clusterbildungsprozedur, Schritt 804. Das
exakte Stoppkriterium ist in Tabelle 1 gegeben: Pseudo-Code für einen
Algorithmus, um ein Histogramm in Cluster zu teilen.
-
Tabelle
1: Pseudo-Code für
einen Algorithmus, um ein Histogramm in Cluster zu teilen.
-
Nach
einem Auswählen
eines zu teilenden Clusters bestimmt die Clusterbildungsvorrichtung 213 den Punkt,
innerhalb des durch das Cluster dargestellten Bereichs, um dieses
Cluster zu teilen, Schritt 805. Um den Grenzpunkt auszuwählen, sucht
die Clusterbildungsvorrichtung 213 nach einer Gleichmäßigkeit
bei den Histogrammustern an beiden Seiten des Grenzpunkts. Zum Beispiel
sind bei dem Cluster 701 von 7 die Pixelzählwerte
bei Histogrammfächern
links von der Trennlinie 707 alle relativ gering und die
Pixelzählwerte
in den Histogrammfächern
zu der Rechten der Trennlinie 707 sind relativ hoch. Daher
wird der Index bei der Trennlinie 707 als die Teilungsgrenze
ausgewählt.
-
Als
einen ersten Schritt, um die Grenze zwischen den zwei neuen Clustern
auszuwählen,
modelliert die Clusterbildungsvorrichtung 213 die Daten
innerhalb des ausgewählten
Clusters als iid-Zufallsabtastwerte aus einer Mischungsverteilung.
Die Verteilungen in der Mischung sind beides diskrete gleichmäßige Verteilungen
U(., .), wobei sich das erste von einem Histogrammfach 1 bis zu
einem Fach m – 1
erstreckt und das zweite von in bis r – 1, wobei sich der Cluster
von 1 bis r – 1
erstreckt und in zwischen 1 und r liegt. Jeder Datenwert in dem
Cluster ist U(1, m) mit einer gewissen Wahrscheinlichkeit D und
U(m, r) mit einer Wahrscheinlichkeit (1 – D). Die Wahrscheinlichkeit
der Histogrammdaten y in dem Cluster ist somit
-
-
Um
die Grenze auszuwählen,
bei der der ausgewählte
Cluster zu teilen ist, versucht die Clusterbildungsvorrichtung 213 m-
und d-Werte auszusuchen, um (3) zu maximieren. Der Wert m wird dann
die Grenze zwischen den zwei neuen Clustern. Ein Nehmen des Logarithmus
von (3) ergibt
-
-
Der
maximale Wahrscheinlichkeitsschätzwert
von D wird durch ein Setzen der teilweisen Ableitung von (4) bezüglich D
auf 0 berechnet. Dies ergibt D = N
1/N. Wenn
dies in (4) eingesetzt wird, wird eine Auswahl des Grenzpunkts durch
ein Maximieren der folgenden Gleichung von m vorgenommen:
der Kullback-Leibler-Abstand
zwischen zwei binomischen Verteilungen mit Wahrscheinlichkeiten
p bzw. q ist (S. Kuliback and R. A. Leibler, On information and
sufficiency. Annals of Mathematical Statistics, 22: 79–86, 1951).
Es ist zu beachten, daß N
1 eine Funktion von m ist.
-
Die
Clusterbildungsvorrichtung 213 maximiert (5) unter Verwendung
einer erschöpfenden
Suche auf 1 + 1, ..., r – 1.
Diese Suche ergibt die Grenze zwischen den zwei neuen Clustern.
-
Schließlich werden
die Clustergrenzen zu beiden Seiten des ursprünglichen Clusters in Anbetracht des
Ergebnisses der Teilung neu berechnet, Schritt 807. Tabelle
1 ist eine Pseudo-Code-Auflistung des Clusterbildungsalgorithmus.
-
Zusätzlich zu
einem Enden, wie es oben in Verbindung mit Schritt 804 beschrieben
ist, endet die Prozedur ebenfalls, falls das ursprüngliche
Histogramm in eine maximale Anzahl von Clustern geteilt wurde, Schritt 809.
-
F. Luminanzneuabbildung
-
Nachdem
die Clusterbildungsvorrichtung
213 das Luminanzhistogramm
in Cluster geteilt hat, fordert der Kontrastverbesserer
205 den
Histogrammluminanzneuabbilder
217 auf, die Luminanzwerte
basierend auf einer Clusterbreite, der Anzahl von Pixeln in jedem
Cluster und der ursprünglichen
Histogrammerstreckung auf neue Werte neu abzubilden, Schritt
513 von
5. Angenommen
| N(i)
= | Anzahl
von Pixeln in Cluster i |
| Nt
= | Gesamtanzahl
von Pixeln in dem Bild |
| 1(i),
r(i) = | linke
und rechte Begrenzungen von Clustern i vor einer Modifikation |
| a,
b = | linke
und rechte Begrenzungen eines Histogramms vor einer Modifikation |
| a', b' = | erwünschte linke
und rechte Begrenzungen eines Histogramms nach einer Modifikation |
wobei a und b definiert sind, um die engsten Grenzen
zu sein, derart, daß weniger
als 1% der Bildpixel auf jede Seite des Intervalls [a, ..., b – 1) fallen.
In Anbetracht der erwünschten
Werte für
a' und b' bildet der Luminanzhistogrammneuabbilder
217 die
Clustergrenzen neu ab, gemäß
wobei
der Parameter w ein Gewichtungsfaktor zwischen 0 und 1 ist. Der
maximale Dynamikbereich wird durch ein Setzen von a' und b' zu den zulässigen Begrenzungen
erreicht, gewöhnlich
0 bzw. 256. Die meisten Computerbildschirme und Drucker enthalten
jedoch einen Versatz, unter dem alle Werte zu Schwarz abbilden.
Der Versatz kann von in etwa 30 bis 70 variieren, abhängig von
dem Ausgabegerät.
Bei derartigen Anwendungen sind diese Parameter wie folgt eingestellt:
a' = 30, b' = 256 als der erwünschte Bereich.
-
G. Histogrammentzerrung
an Clustern
-
Nachdem
der Histogrammneuabbilder 217 unter Verwendung von (6)
und (7) die neuen Clustergrenzen berechnet hat, wird durch den Histogrammentzerrer/-dehner 219 an
jedem Cluster getrennt eine Histogrammentzerrung durchgeführt, Schritt 515,
so daß die
neu abgebildeten Daten innerhalb jedes Clusters so nahe an gleichmäßig verteilt
sind wie möglich,
Schritt 517. Alternativ kann der Histogrammentzerrer/-dehner 219 verwendet
werden, um die Daten zu dehnen, so daß die neu abgebildeten Daten
sich zu den Clustergrenzen erstrecken, aber die Form des Histogramms
innerhalb eines Clusters unverändert
bleibt.
-
9 zeigt die Ergebnisse eines
Durchführens
dieser Modifikation an einem gegebenen Bildhistogramm. Bei diesem
Beispiel wurde das Neuabbilden unter Verwendung von Gewichtungsfaktoren
von 0, 0,5, und 1 durchgeführt.
Die Spitzen, die bei den modifizierten Histogrammen erscheinen,
sind aufgrund von Quantisierungswirkungen während dem Pixelneuabbilden,
Schritt 517. Die Daten in eines jeglichen Histogrammfachs
können
zu einem unterschiedlichen Wert neu abgebildet werden, aber dieselben
können
nicht unter mehreren Fächern
geteilt werden. Man nehme zum Beispiel an, die Fächer 100 bis 102 enthalten
ursprünglich je
1000 Pixel. Falls gewünscht
wird, diesen Bereich auf Fächer 110 bis 113 neu
abzubilden, gibt es drei Eingangsfächer, die auf vier Ausgangsfächer abgebildet
werden. Eines der Ausgangsfächer
(110, 111, 112 oder 113) muß daher
leer sein, während
die anderen drei je 1000 Pixel enthalten. Dies resultiert in einer
nach unten gerichteten Spitze bei dem Ausgangshistogramm. Falls
auf eine ähnliche
Weise ein gegebener Eingangsbereich auf einen kleineren Ausgangsbereich
abgebildet wird, resultieren nach oben gerichtete Spitzen. Beide Wirkungen
sind in 9b–d zu sehen.
-
Es
ist anzumerken, daß ein
Gewichtungsfaktor von w = 0 bei (7) darin resultiert, daß die relativen
Clusterbreiten nach dem Neuabbilden unverändert bleiben. Dies kann die
Größe einer
Kontrastverbesserung bei Bildern mit Clustern bei sowohl hellen
als auch dunklen Luminanzpegeln auf einen zu mäßigen Pegel begrenzen, wie
es in 9b dargestellt
ist.
-
Ein
Gewichtungsfaktor von w = 1 ergibt jedoch exakt die gleiche Abbildung
wie eine Histogrammentzerrung, die an dem gesamten Histogramm durchgeführt wird;
die Cluster beeinflussen das Abbilden nicht. Wie es früher angemerkt
ist, kann dies bei einigen Bildern exzessive Luminanzverschiebungen
bewirken.
-
Bei
dem bevorzugten Ausführungsbeispiel
wird ein Gewichtungsfaktor von 0,5 verwendet, weil herausgefunden
wurde, daß dieser
Gewichtungsfaktor in einer guten Bildqualität über einen großen Bereich
von Bildern resultiert.
-
H. Verwenden von Chrominanzwerten,
um einen Überlauf
zu verhindern
-
Soweit
hing das Neuabbilden von Pixelwerten lediglich von der Luminanzkomponente
ab. Der maximal zulässige
Luminanzwert für
ein Pixel hängt
jedoch von der Chrominanz dieses Pixels ab. Falls der Luminanzwert
dieses Maximum überschreitet,
wird zumindest eine der Farbkomponenten größer als der Sättigungspegel
(gewöhnlich 255)
wenn der Wert zurück
zu RGB transformiert wird. Um zu verhindern, daß dieser Überlauf auftritt, fordert der
Kontrastverbesserer 205 einen Datenprüfer 221 auf, die Chrominanzwerte
für jedes
Pixel zu verwenden, um eine Luminanzschwelle zu setzen, Schritt 519.
Falls die neu abgebildete Luminanz diese Schwelle für ein gegebenes
Pixel überschreitet,
setzt der Datenprüfer 221 die
Pixelluminanz auf den Schwellenwert.
-
Die
Berechnung einer Luminanzschwelle angesichts der Chrominanzwerte
ist bei dem YCrCb-Farbraum einfach, da Cr proportional zu R-Y und
Cb proportional zu B-Y ist. Bei dem YCrCb-Farbraum kann ohne weiteres
sichergestellt werden, daß die
rote und die blaue Komponente nicht in eine Sättigung getrieben werden. In
der Praxis sind Farbverschiebungen bei Hauttönen, die vornehmlich rot sind,
und beim Himmel sehr sichtbar, bei dem Blau dominiert. Eine Sättigung der
grünen
Komponente ist jedoch allgemein weniger sichtbar als bei rot und
blau, so daß bei
einem Ausführungsbeispiel
mit reduzierten Berechnungen eine Überprüfung eines Überlaufs der grünen Komponente
bei der YCrCb-Implementierung nicht notwendig ist.
-
Bei
dem CIELab-Farbraum ist die Überlaufüberprüfung weniger
einfach. Es gibt keinen einfachen Weg, um das Überlaufen einer spezifischen
RGB-Komponente auf Lab-Werte zu beziehen. Daher wird bei einem CIELab-Ausführungsbeispiel
eine zweidimensionale Nachschlagtabelle eingesetzt, die durch die
quantifizierten a- und b-Werte indexiert ist und die Luminanzschwelle
enthält.
Um die Nachschlagtabelle aufzubauen, wurden die acht Ecken des RGB-Raums
(RGB = (0, 0, 0), (0, 0, 255), (0, 255, 0), etc.) zuerst in den CIELab-Farbraum umgewandelt.
Die Eckwerte stellen acht Werte für die Nachschlagtabelle dar.
Die Tabelle wird durch ein Verwenden einer bilinearen Interpolation
zwischen diesen Eckwerten gefüllt.
Die resultierenden Schwellen sind nicht genau korrekt, aber jegliche Überlauffehler,
die immer noch auftreten, sind klein genug, daß lediglich kleinere Farbverschiebungen
resultieren. Somit ist eine visuelle Verschlechterung gering gehalten.
Diese Prozedur erfordert eine 256 × 256 Nachschlagtabelle von
vorzeichenlosen Schriftzeichen, aber die Operation derselben ist
sehr schnell. Alternativ könnte
die bilineare Interpolation für
jedes Bildpixel der Reihe nach durchgeführt werden, was den zusätzlichen
Speicher nicht erfordern würde,
aber viel langsamer wäre.
-
I. Umwandeln in den RGB-Farbraum
-
Nachdem
schließlich
neu abgebildete Werte für
alle Pixel in dem Bild 109 berechnet wurden, wird das Bild
zurück
in den RGB-Raum umgewandelt, Schritt 521. Das resultierende
Bild kann dann zurück
in dem RAM 105 gespeichert werden oder auf eine Festplatte 119 geschrieben
werden. Alternativ kann das Bild auf einem Drucker 115 gedruckt
oder an einem anderen Ausgabegerät
ausgegeben werden.
-
J. Schlußfolgerung
-
Der
bevorzugte Kontrastverbesserer 205 kann verwendet werden,
um die Bildqualität
eines Bilds bei einer jeglichen Stufe in dem Prozeßfluß von 3 zu verbessern. Ein Eingabegerät, wie beispielsweise
eine Digitalkamera, kann z. B. einen Kontrastverbesserer 205 umfassen
und den Kontrast eines Bilds vor einem Übertragen des Bilds an einen
Computer 101 verbessern. Alternativ kann der Computer 101 den
Kontrastverbesserer 205 umfassen, um eine Bildqualität von Bildern
vor einem Drucken oder Anzeigen der Bilder zu verbessern. Der Kontrastverbesserer 205 kann
ferner in Bildverarbeitungssoftwarepakete eingegliedert werden, wie
beispielsweise rechnergestützte „Dunkelkammern". Noch eine andere
alternative Verwendung eines Kontrastverbesserers 205 ist
als ein Teil eines Druckertreibers 125. Eine weitere Alternative
besteht darin, den Kontrastverbesserer 205 „an Bord" eines Ausgabegeräts zu plazieren,
z. B. eines Druckers 115 in dem internen Steuermechanismus
desselben.
-
Die
Erfindung erstreckt sich auch auf ein Verfahren zum Betreiben eines
Computers, um kontrastverbesserte Bilder zu erzeugen, wobei ein
Bild aus einer Mehrzahl von Pixeln gebildet ist, das folgende Schritte aufweist:
Eingeben eines ursprünglichen
Bilds in einer digitalen Form in eine Speicherungseinheit des Computers,
Erzeugen eines Histogramms von der digitalen Form, das eine erste
Achse, die einer ersten meßbaren Eigenschaft
entspricht, und eine zweite Achse aufweist, die einem Zählwert von
Pixeln entspricht, der einen speziellen Wert für die erste meßbare Eigenschaft
aufweist; Teilen des Histogramms in Cluster unter Durchführung einer
Histogrammentzerrung an jedem Cluster, wodurch ein modifiziertes
Histogramm erzeugt wird; und Verwenden des modifizierten Histogramms,
um den Wert der ersten meßbaren Eigenschaft
in der digitalen Form einzustellen, wodurch das kontrastverbesserte
Bild erzeugt wird. Der Teilungsschritt weist vorzugsweise den Schritt
eines Partitionierens des Histogramms in Cluster einer gleichen
Größe oder
eines Erfassens von Mustern in dem Histogramm und eines Teilens
des Histogramms in Cluster basierend auf den Mustern auf. Derselbe
kann Regionen in dem Histogramm erfassen, die Gauss'schen Verteilungen ähneln, und
andere Regionen in dem Histogramm erfassen, die gleichmäßigen Verteilungen ähneln. Bei
einem RGB-Bild kann das Verfahren den Schritt eines Umwandelns des
RGB-Bilds in ein Format aufweisen, das eine Luminanzkomponente aufweist.
Die erste meßbare
Eigenschaft kann ein Lichtintensitätsmaß sein, wobei bei jedem Lichtintensitätswert der
Zählwert
von Pixeln ein Zählwert
von Pixeln ist, der diese spezielle Lichtintensität aufweist,
und wobei das Histogramm eine Erstreckung aufweist, die gleich dem
höchsten
und dem niedrigsten Lichtintensitätswert in dem ursprünglichen
Bild ist, wobei jedes Cluster einen Bereich in dem Histogramm darstellt,
wobei die Summe der Histogrammwerte für den Bereich der Anzahl von
Pixeln entspricht, die eine Lichtintensität innerhalb des Bereichs des
Clusters aufweisen; wobei das Verfahren den Schritt eines Neuabbildens
von Clustergrenzen proportional zu dem Bereich des Clusters (Ro),
der Anzahl von Pixeln innerhalb des Bereichs (Ni), der Gesamtanzahl
von Pixeln in dem Bild (Nt) und der Histogrammerstreckung (Eo) aufweist.
Der Neuabbildungsschritt kann den Schritt eines Auswählens eines
erwünschten
Bereichs für
das Histogramm (Ed) des Ausgangsbilds; und eines Dehnens der Breite
jedes Clusters gemäß der Beziehung
aufweisen:
wobei w ein Gewichtungsfaktor
ist, der zwischen 0 und 1,0 liegt, und Rm die neue Clusterbreite
ist. Bei einem Bild mit einer digitalen Form, die eine zweite meßbare Eigenschaft
aufweist, kann der Erzeugungsschritt den Schritt ei nes Begrenzens,
für jedes
Pixel in dem kontrastverbesserten Bild, des Werts der ersten meßbaren Eigenschaft
als eine Funktion des Werts der zweiten meßbaren Eigenschaft aufweisen.
Das Verfahren kann die Schritte eines Erzeugens einer Tabelle von
Maximalwerten der ersten meßbaren
Eigenschaft als eine Funktion der zweiten meßbaren Eigenschaft aufweisen;
wobei der Begrenzungsschritt für
jeden Wert V der zweiten meßbaren
Eigenschaft den Schritt eines Wiedererlangens des Maximalwerts M
für die
erste meßbare Eigenschaft,
die dem Wert V entspricht, aus der Tabelle aufweist, und falls der
Wert V diesen Maximalwert H überschreitet,
ein Einstellen des Werts V auf H.
und der Arraywert hist[i] die Anzahl von Bildpixeln in dem Histogrammfach i ist.
