CN103377468A - 图像处理装置及图像处理方法 - Google Patents

Abstract

一种图像处理装置以及相对应的图像处理方法，其中，图像处理装置包括：原始图像存储部、直方图检测部、直方图统计部、概率密度计算部、概率密度累计部、得出预处理图像的直方图均衡化计算部、直方图均衡化图像存储部、局部背景计算部、亮度阈值计算部、频率掩盖阈值计算部、临界可识别偏差计算部、对比度计算部、临界对比度计算部、修正灰度值计算部、综合以上各个部件来对预处理图像进行判断修正并得出优化图像的判断部。本发明提供了一种基于人眼视觉特性而改善图像视觉效果和提高图像成分清晰度功能的图像处理装置，图像处理方法。

Description

图像处理装置及图像处理方法

技术领域

本发明属于数字图像处理技术领域，涉及一种改善图像视觉效果和提高图像成分清晰度功能的图像处理装置和图像处理方法。

背景技术

信息化时代的来临，数字图像技术的应用也越来越广泛。在目前的技术范畴内，在一些光线异常强烈或微弱等环境中，如数字视频摄像机等图像采集设备还不能完全达到人眼的图像捕获能力，所以常常需要一些图像增强技术设备来辅助提高采集到的图像信息细节表现能力，以求更宜于人眼的观察。到目前为止，已经有很多图像增强方法，对图像进行增强的方法之一就是重新分配图像的灰度级使其能够充满显示媒介的整个灰度范围。而对图像灰度的重新分配可以采用线性的或非线性的对比增强技术。尽管这两种方法可以实现对图像进行增强，但其有效程度相当有限。另一经典的图像增强技术便是直方直方图均衡化，直方图均衡化(HE)对大多数的灰度图像都有很好的增强效果。它以概率论为基础，通过累计分布函数方法实现图像中像素点的亮度值变换，使得图像的直方图趋于均匀分布增大图像灰度级的动态范围，从而改善图像的视觉效果。但是由于直方图均衡化的直方图灰度分布函数是一个近似的均匀分布函数，在由变换函数所得到的亮度值都是精确到小数的亮度值，最终的灰度级数很可能超过256级的范围，这就需要用最接近的整数亮度值来代替它，在替代过程中一些相邻的值就会变成相同的值，造成了″兼并效应″，致使某些区域的图像的像素差异变为零，当这种像素灰度差减小到某一程度，就很难被人眼辨别，这样就造成不同灰度的相邻像素在人眼视觉中的就会形成相同灰度的区域，图像中的某些细节信息就这样被背景″湮没″掉了。

发明内容

本发明的目的在于根据人眼的视觉特性克服在直方图均衡化的图像增强后出现的″兼并效应″和细节丢失的情况，并提供一种基于人眼视觉特性而改善图像视觉效果和提高图像成分清晰度功能的图像处理装置和图像处理方法。

1.为解决上述问题，本发明的图像处理装置的特征在于，包括：

储存由不同像素组成的原始图像的原始图像储存部；检测原始图像的灰度级、与该灰度级相对应的不同像素的灰度值以及不同像素的亮度值，并将这些灰度级、灰度值以及亮度值储存在原始图像存储部中的直方图检测部；统计出原始图像中灰度级的个数的总数，每个像素的个数的总数，每个灰度级对应的像素的总数的直方图统计部；根据每个灰度级对应的像素的总数和像素的个数的总数计算出每个灰度级的出现频率的概率密度计算部；根据每个灰度级的出现频率计算出每个灰度级的频率总和的概率密度累计部；根据原始图像中各灰度级的个数的总数以及相对应的频率总和计算出灰度级相对应的映射灰度级以及与映射灰度级相对应的不同像素的映射灰度值从而获得直方图均衡化图像的直方图均衡化计算部；

将原始图像进行直方图均衡化处理得到与原始图像相对应的直方图均衡化图像，并在直方图均衡化处理的过程中，根据原始图像中不同的灰度级的个数的总数以及频率总和计算出直方图均衡化图像上与每种灰度级相对应的映射灰度级以及与每种映射灰度级相对应的不同像素的映射灰度值的直方图均衡化计算部；存储直方图均衡化图像的直方图均衡化图像存储部；具有用来计算图像的背景灰度的二维矩阵数组的掩模，并以不同所述像素为中心选择以像素为单位的n*n(n为整数)的图像区域，结合掩模计算出除中心像素以外的该图像区域中的其他像素的平均亮度值的局部背景计算部；根据平均亮度值计算出每个像素的亮度阈值的亮度阈值计算部；根据每个像素的亮度值以及平均亮度值计算出频率掩盖阈值的频率掩盖阈值计算部；根据亮度阈值和频率掩盖阈值计算出临界可识别偏差的临界可识别偏差计算部；根据图像区域上的中心像素的亮度值以及中心像素除外的其他像素的平均亮度值计算出每个所述像素的对比度的对比度计算部；根据韦伯-费克纳法则以及所述临界可识别偏差计算出人眼能够识别的临界对比度值，从而得出人眼能够识别的所述亮度值的范围作为可识别范围和人眼无法识别的亮度值的范围作为不可识别范围的临界对比度计算部；根据临界对比度值以及每个映射灰度级计算出相对应的修正灰度级，根据修正灰度级得到与修正灰度级相对应的不同像素的修正灰度值的修正灰度值计算部；根据可识别范围和不可识别范围来判断如何修正直方图均衡化图像的判断部，当所述直方图均衡化图像中的像素的对比度在可识别范围内时，该像素不需要修正；当直方图均衡化图像中的该像素的对比度处于不可识别范围时，该像素是需要修正的，此时，当与该像素相对应的原始图像中的像素的灰度值也处于不可识别范围内时，用该像素的修正灰度值代替该像素的映射灰度值，当与该像素相对应的原始图像中的像素的灰度值处于可识别范围时，用与该像素相对应的原始图像中的像素的灰度值代替该像素的映射灰度值，从而得到优化图像。

进一步，本发明的图像处理装置还可以有这样的特征：

其中，局部背景计算部中的n可以等于五。

另外，本发明的图像处理装置还可以具有：用于临时存放各个部位的计算数据的数据暂存部。

进一步本发明的图像处理装置还可以具有这样的特征：

其中，亮度阈值是以人眼敏感度坐高的灰度级作为分界，通过两种方法计算出来的。

进一步，人眼敏感度最高的灰度级为127。

进一步，本发明的图像处理方法包括：

采用原始图像储存部储存由不同像素组成的原始图像；采用直方图检测部检测原始图像的灰度级、与该灰度级相对应的不同像素的灰度值以及不同像素的亮度值，并将这些灰度级、灰度值以及亮度值储存在原始图像存储部中；采用直方图统计部统计出原始图像中灰度级的个数的总数，每个像素的个数的总数，每个灰度级对应的像素的总数；采用概率密度计算部根据每个灰度级对应的像素的总数和像素的个数的总数计算出每个灰度级的出现频率；采用概率密度累计部根据每个灰度级的出现频率计算出每个灰度级的频率总和；采用直方图均衡化计算部根据原始图像中各灰度级的个数的总数以及相对应的频率总和计算出灰度级相对应的映射灰度级以及与映射灰度级相对应的不同像素的映射灰度值从而获得直方图均衡化图像；采用直方图均衡化图像存储部存储直方图均衡化图像；采用具有用来计算图像的背景灰度的二维矩阵数组的掩模的局部背景计算部，以不同所述像素为中心选择以像素为单位的n*n(n为整数)的图像区域结合掩模计算出除中心像素以外的该图像区域中的其他像素的平均亮度值；采用亮度阈值计算部根据平均亮度值计算出每个像素的亮度阈值；采用频率掩盖阈值计算部根据每个像素的亮度值以及平均亮度值计算出频率掩盖阈值；采用临界可识别偏差计算部根据亮度阈值和频率掩盖阈值计算出临界可识别偏差；采用对比度计算部根据图像区域上的中心像素的亮度值以及中心像素除外的其他像素的平均亮度值计算出每个所述像素的对比度；采用临界对比度计算部根据韦伯-费克纳法则以及所述临界可识别偏差计算出人眼能够识别的临界对比度值，从而得出人眼能够识别的所属亮度的范围和人眼无法识别的所述亮度值的范围；采用修正灰度值计算部根据所述临界对比度值以及每个所述映射灰度级计算出相对应的修正灰度级，根据所述修正灰度级得到与所述修正灰度级相对应的不同所述像素的修正灰度值；采用判断部根据人眼能够识别的亮度值范围和不能识别的所述亮度值范围来判断如何修正所述直方图均衡化图像，当所述直方图均衡化图像中的所述像素的所述对比度在人眼能够识别的所述亮度值范围内时，所述像素不需要修正；当所述直方图均衡化图像中的所述像素的所述对比度处于人眼不能识别的所述范围时，所述像素是需要修正的，此时，当与所述像素相对应的所述原始图像中的所述像素的灰度值也处于人眼无法识别的所述亮度值范围时，用所述像素的所述修正灰度值代替所述像素的所述映射灰度值，当与所述像素相对应的所述原始图像中的所述像素的灰度值处于人眼能够识别的亮度值的所述范围时，用与所述像素相对应的所述原始图像中的所述像素的灰度值代替所述像素的所述映射灰度值，从而得到优化图像。

进一步，本发明的图像处理方法还可以具有这样的特征：

计算平均亮度值选择的是以像素为单位的5×5的图像区域。

进一步，本发明的图像处理方法还可以具有这样的特征：

采用数据暂存部临时存储直方图统计部、概率密度计算部、概率密度累计部、直方图均衡化计算部、局部背景计算部、亮度阈值计算部、频率掩盖阈值计算部、临界可识别偏差计算部、对比度计算部、临界对比度计算部、修正灰度值计算部的计算数据。

进一步，本发明的图像处理方法还可以具有这样的特征：

计算亮度阈值时是以人眼敏感度最高的灰度级作为分界，可以通过两种算法计算出来。

进一步，所述人眼敏感度最高的所述灰度级可以为127。发明作用与效果

本发明的图像图像处理装置通过把采集到的原始图像进行直方图均衡化，获得直方图均衡化后的结果图像样本；然后分别将直方图均衡化后像素灰度数据送入的亮度阈值计算部和频率掩盖阈值计算部计算出亮度阈值和频率掩盖阈值并进行和运算，计算出临界可识别差异，进而计算出临界灰度比，然后结合直方图均衡化前后的数据经过图像亮度修正部修正均衡化后灰度比超出在临界灰度比的这部分，最终输出修正后的图像样本数据。

本发明克服了在直方图均衡化的图像增强后出现的″兼并效应″和细节丢失的情况，并提供一种基于人眼视觉特性而改善图像视觉效果和提高图像成分清晰度功能的图像处理装置，图像处理方法。

附图说明

图1是本发明在实施例中的图像处理装置的主要结构示意图；

图2是本发明在实施例中的图像处理装置的图像增强处理过程的流程图；

图3为实施例中输入的原始图像；

图4为本发明在实施例中的图像处理装置对原始图像进行直方图均衡化后的直方图均衡化图像样本；

图5是实施例中用于计算背景平均亮度值的掩模；

图6是实验测定的人眼视觉在不同亮度背景条件下的感知特性曲线；

图7是本发明在实施例中的图像处理装置根据人眼视觉特性对直方图均衡化进行修正后的的优化图像。

具体实施方式

下面结合附图详细说明本发明的优选实例。

实施实例

为了便于之后的描述，首先对术语进行如下解释：

直方图：本文中所指均为图像的灰度直方图，横坐标为图像的灰度级，纵坐标为图像中存在该灰度级的像素的数量个数，此图用来描述图像中灰度级的分布情况。

直方图均衡化：原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，即对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

掩模：用选定的图像、图形或物体，对待处理的图像(全部或局部)进行遮挡，来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。数字图像处理中，掩模一般为二维矩阵数组，本例中采用是一种用来计算图像背景灰度的掩模，在掩模中的值是加权系数，而不是亮度值。

亮度阈值：我们常用的显示器的灰度分辨率可达256级，但人眼的分辨能力无法区分相邻的灰度级差别，只有当单个像素的灰度级与其局部背景平均亮度的差别超过某一阈值时，才能被人眼识别，该现象称为亮度阈值效应，该阈值即位亮度阈值。

空间频率：图像区域内整体亮度值的空间变化率。

空间频率掩盖阈值：人眼对信息的可见度随图像区域中局部空间频率的增加而单调下降。这表明视觉***在边缘或结构化区域具有比平滑区域小的敏感度。当局部空间的频率达到某一阈值，人眼就无法识别其中信息。该现象称为视觉空间频率掩盖效应。该阈值即为空间频率掩盖阈值。

临界可识别偏差：即主观亮度差异门限值，人眼在不同的背景条件下能感知到的最小的灰度变化。不同背景条件下，临界可识别偏差不同。

韦伯-费克纳定律：表明心理量和物理量之间关系的定律，经验公式S＝klnI+C(S为感觉量、K为常数、I为物理量，C是积分常数).下面参照附图，对本发明的装置及其方法进行详细说明。

图1是本实施例中的图像处理装置的主要结构示意图；图3为本实施例中输入的原始图像的样本；图4为本实施例中的图像处理装置对原始图像进行直方图均衡化后的直方图均衡化样本；图5是本实施例中用于计算背景平均亮度值的掩模。图7是本发明在实施例中的图像处理装置根据人眼视觉特性对直方图均衡化进行修正后的的优化图像。

如图1、3、4、5、7所示，图像增强处理装置的主要部包括：控制中心100，原始图像存储部101，直方图检测部102，直方图统计部115，概率密度检测部103，概率密度累计部104，直方图均衡化计算部105，直方图均衡化图像存储部106，数据暂存部107，局部背景计算部108，亮度阈值计算部109，频率掩盖阈值计算部110，临界可识别偏差计算部111，对比度计算部112，临界对比度计算部113，修正灰度值计算部114，判断部117。

控制中心100用于主要协调所有该图像处理装置的结构组成部位进行相互协同工作，数据存储和通信的管理。

原始图像存储部101用于存储原始图像。

直方图检测部102用于检测原始图像的灰度级、与该灰度级相对应的不同像素的灰度值以及不同像素的亮度值，并将这些灰度级、灰度值以及亮度值储存在原始图像存储部中。

直方图统计部115，根据图像检测部102的检测结果统计出原始图像中各灰度级的个数的总数u，原始图像中不同像素的个数总数为n，灰度级为l的像素个数总数为n_l

直方图均衡化计算部105，直方图均衡化图像存储部106，数据暂存部107，局部背景计算部108，亮度阈值计算部109，频率掩盖阈值计算部110，临界可识别偏差计算部111，对比度计算部112，临界对比度计算部113，修正灰度值计算部114，判断部117。

概率密度检测部103主要功能是根据直方图统计部115中统计的原始图像中不同像素的个数总数为n以及灰度级为l(0≤l≤255)的像素个数总数为n_l，利用下面的计算公式计算出每个灰度级的出现频率：

$P\left(l\right)=\frac{n_l}{n}---\left(1\right)$

式(1)中P(l)为灰度级为l的像素的出现频率。

概率密度累计部104是将概率密度检测部103的计算结果P(l)按照以下公式(2)将灰度级进行累计为下一步直方图均衡化处理原始图像做准备。公式(2)为：

$C\left(l\right)=\underset{j=0}{\overset{l}{\mathrm{\Σ}}}p\left(l\right)---\left(2\right)$

公式(2)中C(l)表示灰度级为l的频率加和，j为一个临时计数器变量，从0开始计数。

直方图均衡化计算部105，将原始图像进行直方图均衡化处理得到与原始图像相对应的直方图均衡化图像，在对原始图像进行直方图均衡化处理的过程中，根据概率密度累计部104的计算结果C(l)将原始图像中的各个像素的灰度进行映射，用l′表示直方图均衡化映射后与l相对应的灰度级。计算公式如下：

l′＝T(l)＝(u-1)C(l)    (3)

计算出的映射灰度级的值l′等于所述映射灰度级所对应的像素的灰度值，同样用l′表示。

直方图均衡化存储部106存放直方图均衡化图像。

局部背景计算部108，是以每个像素为中心选择以像素为单位的5×5的图像区域，计算出中心像素除外的像素灰度平均值，计算公式如下：

$\stackrel{\‾}{I}(x,y)=\frac{1}{32}\underset{i=1}{\overset{5}{\mathrm{\Σ}}}\underset{j=1}{\overset{5}{\mathrm{\Σ}}}f(x-3+i,y-3+j)\·B(i,j)---\left(4\right)$

式(4)中的x和y为图像区域中心像素的坐标，f(x，y)是指以(x，y)为中心的图像区域，在这里是以像素为单位的5×5的图像区域，B(i，j)是指用来计算图像的背景灰度的二维矩阵数组的掩模(如图5所示)，i和j是指掩模中的坐标。

是表示以(x，y)为中心的图像区域的局部背景区域的平均亮度值。这样通过局部背景计算部108按照公式(4)进行运算就可以得出以像素为单位的5×5的图像区域的平均亮度值。

亮度阈值计算部109，根据局部背景计算部108计算的背景灰度的平均亮度值来计算出每个像素位置的亮度阈值。

图6是实验测定的人眼视觉在不同亮度背景条件下的感知特性曲线。如图6所示，当场景中背景很暗(平均背景亮度值趋于0)或很亮(平均背景亮度值趋于255)时，人眼对亮度偏差的辨别敏感度低，而在中等亮度的背景下对信息的辨别力较强，其中敏感度最高的是背景灰度级约为127的区域。这样就有亮度阈值曲线函数的近似表达式为：

$J_l=\left\{\begin{array}{cc}21(1-\sqrt{\frac{\stackrel{\‾}{I}(x,y)}{127}})+4& (\stackrel{\‾}{I}(x,y)\≤127)\\ \frac{3}{128}(\stackrel{\‾}{I}(x,y)-128)+4& (\stackrel{\‾}{I}(x,y)\≥128)\end{array}\right.---\left(5\right)$

图6中的亮度阈值是在假定背景亮度一致的情况下测定的，通过公式(5)，就可以计算每个像素位置在特定背景亮度下的亮度阈值。

当背景亮度不均匀时还需要考虑另一个对人眼视觉灵敏度的重要因素，就是图像的局部空间频率。实验证实人眼对信息的可见度随图像区域中局部空间频率的增加而下降，这种性质被称为视觉空间频率掩盖效应。而频率掩盖阈值计算部110就是用来计算出每个像素在频率掩盖的影响下的亮度阈值，即频率掩盖阈值。对于给定的以(x，y)为中心的以像素为单位的5×5的图像区域，假设图像的空间频率为F_s(x，y)则可表示为：

$F_s(x,y)=\sqrt{F_h{(x,y)}^2+F_v{(x,y)}^2}---\left(6\right)$

其中F_h(x，y)为行频率，F_v(x，y)为列频率，它们分别定义为：

$F_h(x,y)=\sqrt{\frac{1}{20}\underset{i=-2}{\overset{2}{\mathrm{\Σ}}}\underset{j=-1}{\overset{2}{\mathrm{\Σ}}}{[I(x+i,y+j)-I(x+i,y-1+j)]}^2}---\left(7\right)$

$F_v(x,y)=\sqrt{\frac{1}{20}\underset{i=-2}{\overset{2}{\mathrm{\Σ}}}\underset{j=-1}{\overset{2}{\mathrm{\Σ}}}{[I(x+i,y+j)-I(x+i,y-1+j)]}^2}---\left(8\right)$

其中I(x，y)为对应于原始图像中以(x，y)为坐标的像素的亮度值，该值由控制中心100从原始图像存储部101直接读取的。空间频率掩盖效应不仅与空间频率密切相关，同时还受背景亮度的影响，频率掩盖阈值的曲线函数就可以表示为下式：

$J_f=\left\{\begin{array}{cc}\mathrm{\λ}\·F_s(x,y)\{2(1-\sqrt{\frac{\stackrel{\‾}{I}(x,y)}{127}})+1\}& (\stackrel{\‾}{I}(x,y)\≤127)\\ \mathrm{\λ}\·F_s(x,y)\{\frac{1}{256}(\stackrel{\‾}{I}(x,y)-12)+1\}& (\stackrel{\‾}{I}(x,y)\≥128)\end{array}---\left(9\right)\right.$

在式(9)中，实验测得λ＝0.3时效果最佳。这样通过公式(6)，(7)，(8)，(9)以及局部背景计算部的计算结果就可以计算出每个像素的频率掩盖阈值。

临界可识别偏差计算部111，由亮度阈值计算部109和频率掩盖阈值计算部110的计算结果J_t和J_f作为输入数据，经临界可识别偏差计算部111可得到临界可识别的阈值，即为临界可识别偏差。结合亮度阈值和频率掩盖阈值两种因素的对图像局部影响，可以得出人眼在不同背景条件下所能感知的最小灰度级的跃变。即临界可识别偏差.定义式如下：

a＝JND(x，y)＝J_l(x，y)+J_t(x，y)    (10)

式(10)中JND(x，y)(Just-noticeable-difference)就是临界可识别偏差，即可识别的差异门限，用a来表示该值。

对比度计算部112根据公示(11)计算出各个像素的对比度。并将其存入数据暂存部107。公示(11)为：

$G=\frac{r}{m}---\left(11\right)$

其中，r为中心像素的亮度值，m为该中心像素对应的背景区域的平均亮度值亮度，G为中心像素的对比度。

临界对比度计算部113，根据韦伯-费克纳法则(weber-Fechnerlaw)用公式表示视觉上主观亮度和光刺激强度的关系，即：

$s=\mathrm{klg}\frac{I}{I_0}---\left(12\right)$

其中，s为主观亮度，k为常数，I为光刺激强度，I₀为门限值。

在灰度图像中，光刺激强度可以用亮度值的大小来表示，用R表示亮度值，相应的门限值用R₀表示，则式(12)可改写为：

$s=\mathrm{klg}\frac{R}{R_0}---\left(13\right)$

由韦伯-费克纳法则(weber-Fechner law)可知图像中相邻的两点主观亮度差异必须达到某一门限值，这两点才能被人眼识别出来，门限值为公式(10)的计算结果，从而下式成立：

$\mathrm{klg}\frac{R_1}{R_0}-\mathrm{klg}\frac{R_2}{R_0}=\±a---\left(14\right)$

其中，R₁ R₂分别为两个相邻像素点的亮度值，a为前面计算的差异门限。可推出两个相邻点的亮度值之比为：

$\frac{R_1}{R_2}=\left\{\begin{array}{cc}{10}^{\frac{a}{k}}=A_1& R_1>R_2\\ {10}^{-\frac{a}{k}}=A_2& R_1<R_2\end{array}\right.---\left(15\right)$

根据公式(15)可知，图像中相邻两点的亮度值之比必须大于等于A₁(R₁＞R₂)或小于等于A₂(R₁＜R₂)，该相邻两点才能被识别，该相邻两点才能被识别即可识别范围，当相邻两点的亮度值之比在A₂＜G＜1和1＜G＜A₁以及G＝1时，人眼无法识别即不可识别范围。临界对比度计算部113则按照公式(15)计算出各个中心点的背景区域的平均亮度值的临界对比度值。

修正灰度值计算部114，根据直方图均衡化图像中每个像素的临界对比度值以及映射灰度级和平均亮度值计算出相对应的修正灰度级：

$l^{\&prime;\&prime;}=\left(\begin{array}{cc}\mathrm{\&alpha;}{A}_{1}m& l^{\&prime;}>m\\ \mathrm{\&beta;}{A}_{2}m& l^{\&prime;}<m\end{array}\right.---\left(16\right)$

其中，l″为映射灰度级l′相对应的修正灰度级，α＞1，0＜β＜1，二者都是可调节的变量因子，m为背景亮度即平均亮度值。

判断部117根据人眼能够识别的亮度值范围以及人眼不能识别的亮度值范围对如何修正直方图均衡化图像如何修正进行判断。

直方图均衡化图像中，像素的亮度值在可识别范围内时，该像素不需要修正；像素的亮度值在不可识别范围内时，该像素需要修正：

当直方图均衡化图像中亮度值在不可识别范围内的像素在原始图像中所对应的像素的亮度值也在不可识别范围内时，用这些像素的修正灰度值代替相对应的映射灰度值，当直方图均衡化图像中亮度值在不可识别范围内的像素在原始图像中所对应的像素的亮度值在可识别范围内时，用这些像素在原始图像中的相对应的像素的灰度值代替相对应的映射灰度值。

这样通过对直方图均衡化图像中所有像素进行判断并修正，从而得到相对应的优化图像。

数据暂存部107主要临时存储所述直方图统计部、所述概率密度计算部、概率密度累计部、直方图均衡化计算部、局部背景计算部、亮度阈值计算部、频率掩盖阈值计算部、临界可识别偏差计算部、对比度计算部、临界对比度计算部、修正灰度值计算部的计算数据。

下面对图像处理装置进行图像增强处理的过程说明：

图2是本发明在实施例中的图像处理装置的图像增强处理过程的流程图。如图2所示，图像处理装置的图像增强处理的步骤为：

步骤S1，原始图像输入并储存，将原始图像由控制中心读入并存储在原始图像寄存部101中。

步骤S2，对原始图像信息检测并统计以及概率密度的计算和累加直方图检测部102检测原始图像的灰度级、与该灰度级相对应的不同像素的灰度值以及不同像素的亮度值，并将这些灰度级、灰度值以及亮度值储存在原始图像存储部101中。直方图统计部115从原始图像存储部101中的直方图检测结果统计出原始图像中灰度级的个数的总数，每个像素的个数的总数，每个灰度级对应的像素的总数并将统计数据存储在数据暂存部107中；概率密度计算部103计算每个灰度级出现的频率，然后用概率密度累计部104进行累加计算出频率总和并将统计数据存储在数据暂存部107中。

步骤S3，直方图映射均衡化，直方图均衡化计算部105根据原始图像中灰度级的个数的总数以及相对应的频率总和计算出与该灰度级相对应的映射灰度级以及与该映射灰度级相对应的不同像素的映射灰度值并将统计数据存储在数据暂存部107中，从而将原始图像中的像素一一进行映射，得到灰度层次感明显增强的直方图均衡化图像(如图4所示)，并将直方图均衡化图像存储在直方图均衡化图像存储部106中。

步骤S4，计算局部背景值，局部背景计算部108通过控制中心100读取数据暂存部107中的数据，根据式(4)来计算每个像素的背景亮度值，每个像素的背景灰度计算完成后，由控制中心100存储在数据暂存部107中。

步骤S5，计算亮度阈值，亮度阈值计算部109通过控制中心100读取数据暂存部107中步骤S4的计算的结果，按照式(5)计算每个像素所在位置的的亮度阈值。然后将计算结果由控制中心100保存在数据暂存部107中。

步骤S6，计算频率掩盖阈值，在背景亮度不均匀的条件下空间频率对人眼的视觉灵敏有较大的影响，频率掩盖阈值计算部110通过控制中心100读取数据暂存部107中步骤S4计算的结果，并根据式(9)计算频率掩盖阈值，计算结果同样是保存在数据暂存部107中。

步骤S7，计算临界可识别偏差，临界可识别偏差计算部111通过控制中心100读取数据暂存部107中步骤S5和步骤S6的计算结果，并根据式(10)计算出人眼的临界可识别偏差，从而得到可识别范围和不可识别范围，在计算完成后将这些数据由控制中心100保存在数据暂存部107中，并将步骤S5和步骤S6的计算结果从数据暂存部107中删除。

步骤S8，计算对比度，即计算直方图均衡化后的图像中的某一像素的亮度值与以该像素为中心和该像素的背景灰度的比值，对比度计算部112通过控制中心100读取数据暂存部107中的步骤S3的计算数据和结果，并根据式(11)计算对比度。然后将计算结果保存在数据暂存部107中。

步骤S9，计算临界对比度，临界对比度是指临界阈值与背景亮度值的比值，临界对比度计算部113通过控制中心100读取数据暂存部107中步骤S4的计算结果(背景灰度)和步骤S5的计算的结果(亮度阈值)，并根据式(15)计算临界对比度，以及人眼能识别的范围和人眼无法识别的亮度值范围，以上计算数据由控制中心100保存在数据暂存部107中。

步骤S10，计算修正灰度值，修正灰度值计算部114通过控制中心100读取数据暂存部107中步骤S3、步骤S4、步骤S9的计算数据，按照式(16)计算与直方图均衡化图像的各个像素隐射灰度值相对应的的修正灰度值，并将修正灰度值由控制中心100保存在数据暂存部107中。

步骤S11，图像修正并输出，判断部117通过控制中心100读取数据暂存部107中步骤S4的计算数据，步骤S9的计算数据，并判断步骤S4的计算数据中原始图像的每个像素对应的平均亮度值以及相对应的直方图均衡化图像的像素的平均亮度值是否在步骤S9的计算数据中的可识别范围内，当直方图均衡化图像中的像素的对比度在可识别范围内时，所述像素不需要修正；当所述直方图均衡化图像中的所述像素的所述对比度处于不可识别范围时，该像素是需要修正的，此时，当与该像素相对应的原始图像中的像素的灰度值也处于不可识别范围时，用该像素的修正灰度值代替该像素的映射灰度值，当与该像素相对应的原始图像中的像素的灰度值处于可识别范围时，用与该像素相对应的原始图像中的像素的灰度值代替像素的映射灰度值，从而对直方图均衡化图像存储部106中的直方图均衡化图像的每个像素进行判断并修正，从而生成一幅新的图像，最后进行输出。

经过以上步骤处理后，图像的层次感得到加强，暗部的细节信息业表现的较好，整体图像观察比较清晰。

综上所述，本发明在实施例中的图像检测装置和方法是能够根据人眼的视觉特性克服图像在直方图均衡化后出现的″兼并效应″和细节丢失的情况，从而改善了图像的视觉效果和提高图像的清晰度。

Claims (10)

1.一种图像处理装置，其特征在于，包括：

原始图像存储部，存储由不同像素组成的原始图像；

直方图检测部，检测所述原始图像的灰度级、与所述灰度级相对应的不同所述像素的灰度值以及不同所述像素的亮度值，并将所述灰度级、所述灰度值以及所述亮度值储存在所述原始图像存储部中；

直方图统计部，根据所述直方图检测部的检测数据统计出所述原始图像中不同所述灰度级的个数的总数，所述像素的个数的总数，每个所述灰度级对应的像素的总数；

概率密度计算部，根据不同所述灰度级对应的像素的总数和所述像素的个数的总数计算出每个所述灰度级的出现频率；

概率密度累计部，根据每种所述灰度级的所述出现频率计算出相对应的所述灰度级的频率总和；

直方图均衡化计算部，根据所述原始图像中所述灰度级的个数的所述总数以及相对应的所述频率总和计算出所述灰度级相对应的映射灰度级以及与所述映射灰度级相对应的不同所述像素的映射灰度值，从而获得直方图均衡化图像；

直方图均衡化图像存储部，存储所述直方图均衡化图像；

局部背景计算部，具有用来计算图像的背景灰度的二维矩阵数组的掩模，以不同所述像素为中心选择以像素为单位的n×n(n为整数)的图像区域，结合所述掩模计算出除所述中心像素以外的所述像素的平均亮度值；

亮度阈值计算部，根据所述平均亮度值计算出每个所述像素的亮度阈值；

频率掩盖阈值计算部，根据每个所述像素的所述亮度值及所述平均亮度值计算出频率掩盖阈值；

临界可识别偏差计算部，根据所述亮度阈值和所述频率掩盖阈值计算出临界可识别偏差；

对比度计算部，根据所述图像区域上的所述中心像素的所述亮度值以及所述中心像素除外的所述像素的所述平均亮度值计算出每个所述像素的对比度；

临界对比度计算部，根据韦伯-费克纳法则以及所述临界可识别偏差计算出人眼能够识别的临界对比度值，从而得出人眼能够识别的所述亮度值的范围作为可识别范围和人眼无法识别的所述亮度值的范围作为不可识别范围；

修正灰度值计算部，根据所述临界对比度值以及每个所述映射灰度级和平均亮度值计算出相对应的修正灰度级，根据所述修正灰度级得到与所述修正灰度级相对应的不同所述像素的修正灰度值；

判断部，根据所述可识别范围和不可识别范围来判断如何修正所述直方图均衡化图像：当所述直方图均衡化图像中的所述像素的所述对比度在所述可识别范围内时，所述像素不需要修正；当所述直方图均衡化图像中的所述像素的所述对比度处于所述不可识别范围时，所述像素是需要修正的，此时，当与所述像素相对应的所述原始图像中的所述像素的灰度值也处于所述不可识别范围时，用所述像素的所述修正灰度值代替所述像素的所述映射灰度值，当与所述像素相对应的所述原始图像中的所述像素的灰度值处于所述可识别范围时，用与所述像素相对应的所述原始图像中的所述像素的灰度值代替所述像素的所述映射灰度值，从而得到优化图像。

2.根据权利要求1所述的图像处理装置，其特征在于：

其中，所述局部背景计算部中的n等于五。

3.根据权利要求1所述的图像处理装置，其特征在于，还包括：

数据暂存部，临时存储所述直方图统计部、所述概率密度计算部、所述概率密度累计部、所述直方图均衡化计算部、所述局部背景计算部、所述亮度阈值计算部、所述频率掩盖阈值计算部、所述临界可识别偏差计算部、所述对比度计算部、所述临界对比度计算部、所述修正灰度值计算部的计算数据。

4.根据权利要求1所述的图像处理装置，其特征在于：

其中，所述亮度阈值是以人眼敏感度最高的所述灰度级作为分界，通过两种算法计算出来的。

5.根据权利要求4所述的图像处理装置，其特征在于：

其中，所述人眼敏感度最高的所述灰度级为127。

6.一种图像处理方法，其特征在于，包括：

采用原始图像存储部存储由不同像素组成的原始图像；

采用直方图检测部检测所述原始图像的灰度级、与所述灰度级相对应的不同所述像素的灰度值以及不同所述像素的亮度值，并将所述灰度级、所述灰度值以及所述亮度值储存在所述原始图像存储部中；

采用直方图统计部来根据所述直方图检测部的检测数据统计出所述原始图像中不同所述灰度级的个数的总数，所述像素的个数的总数，每个所述灰度级对应的所述像素的总数；

采用概率密度计算部根据所述灰度级对应的所述像素的总数和所述像素的个数的总数计算出每个所述灰度级的出现频率；

采用概率密度累计部来根据每种所述灰度级的所述出现频率计算出每个所述灰度级的频率总和；

采用直方图均衡化计算部来根据所述原始图像中每种所述灰度级的个数的所述总数以及相对应的所述频率总和计算出所述直方图均衡化图像上与所述灰度级相对应的映射灰度级以及与所述映射灰度级相对应的不同所述像素的映射灰度值，从而获得直方图均衡化图像；

采用直方图均衡化图像存储部存储所述直方图均衡化图像；

采用具有用来计算图像的背景灰度的二维矩阵数组的掩模局部背景计算部，以不同所述像素为中心选择以像素为单位的n×n(n为整数)的图像区域，结合所述掩模计算出除所述中心像素以外的所述像素的平均亮度值；

采用亮度阈值计算部来根据所述平均亮度值计算出每个所述像素的亮度阈值；

采用频率掩盖阈值计算部来根据每个所述像素的所述亮度值以及所述平均亮度值计算出频率掩盖阈值；

采用临界可识别偏差计算部来根据所述亮度阈值和所述频率掩盖阈值计算出临界可识别偏差；

采用对比度计算部，根据所述图像区域上的所述中心像素的所述亮度值以及所述中心像素除外的所述像素的所述平均亮度值计算出每个所述像素的对比度；

采用临界对比度计算部来根据韦伯-费克纳法则以及所述临界可识别偏差计算出人眼能够识别的临界对比度值，从而得出人眼能够识别的所属亮度的范围和人眼无法识别的所述亮度值的范围；

采用修正灰度值计算部来根据所述临界对比度值以及每个所述映射灰度级和平均亮度值计算出相对应的修正灰度级以及根据所述修正灰度级得到与所述修正灰度级相对应的不同所述像素的修正灰度值；

采用判断部根据所述可识别范围和不可识别范围来判断如何修正所述直方图均衡化图像：当所述直方图均衡化图像中的所述像素的所述对比度在所述可识别范围内时，所述像素不需要修正；当所述直方图均衡化图像中的所述像素的所述对比度处于所述不可识别范围时，所述像素是需要修正的，此时，当与所述像素相对应的所述原始图像中的所述像素的灰度值也处于所述不可识别范围时，用所述像素的所述修正灰度值代替所述像素的所述映射灰度值，当与所述像素相对应的所述原始图像中的所述像素的灰度值处于所述可识别范围时，用与所述像素相对应的所述原始图像中的所述像素的灰度值代替所述像素的所述映射灰度值，从而得到优化图像。

7.根据权利要求6所述的图像处理方法，其特征在于：

计算所述平均亮度值选择的是以像素为单位的5×5的所述图像区域。

8.根据权利要求6所述的图像处理方法，其特征在于，还包括：

采用数据暂存部临时存储所述直方图统计部、所述概率密度计算部、所述概率密度累计部、所述直方图均衡化计算部、所述局部背景计算部、所述亮度阈值计算部、所述频率掩盖阈值计算部、所述临界可识别偏差计算部、所述对比度计算部、所述临界对比度计算部、所述修正灰度值计算部的计算数据。

9.根据权利要求6所述的图像处理方法，其特征在于：

计算亮度阈值时是以人眼敏感度最高的所述灰度级作为分界，通过两种算法计算出来的。

10.根据权利要求6所述的图像处理方法，其特征在于：

其中，所述人眼敏感度最高的所述灰度级为127。

Images