CN104537632A - 基于边缘提取的红外图像直方图增强方法 - Google Patents
基于边缘提取的红外图像直方图增强方法 Download PDFInfo
- Publication number
- CN104537632A CN104537632A CN201410834788.6A CN201410834788A CN104537632A CN 104537632 A CN104537632 A CN 104537632A CN 201410834788 A CN201410834788 A CN 201410834788A CN 104537632 A CN104537632 A CN 104537632A
- Authority
- CN
- China
- Prior art keywords
- image
- histogram
- edge
- fringe region
- infrared image
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于边缘提取的红外图像直方图增强方法,包括以下步骤:提取原始红外图像的边缘区域,以得到边缘区域图像;统计边缘区域图像中不为零的灰度值,以得到边缘区域的直方图及其累计直方图;根据所述边缘区域图像的直方图与累计直方图对所述未处理的红外图像进行增强。本发明的增强方法增强对比度高,图像清晰,视觉效果好。
Description
技术领域
本发明涉及一种红外图像增强算法,具体地说,本发明涉及一种基于边缘提取的红外直方图增强算法的方法。
背景技术
红外成像***抗干扰能力强,隐蔽性能好,大气穿透能力强,能够适应多种特殊场合。但是由于红外探测器自身特性,如灵敏度高、动态范围大等特性,以及复杂工作环境中的各种噪声干扰,导致红外图像呈现出高背景,低反差的特点。具体表现为成像场景在整个红外成像***的动态范围中只占了很小一部分,图像对比度差,模糊不清。因此需要对原始红外图像进行图像增强,从而提高红外图像的对比度,改善图像的视觉效果。
目前,主流的红外图像增强方法有直方图增强以及灰度拉伸增强方法。但是这两类增强算法都是根据整幅图像上的灰度统计信息进行图像增强处理,而忽略了图像本身在空间域上的特性。但是,对于红外图像本身,具有相近灰度的背景又在其中占据了很大的一部分比例,而细节信息以及弱小目标在只占了很小一部分比例,很容易造成在图像增强的过程中,图像细节淹没在背景中,使得对小目标的识别难度变大。
发明内容
本发明的目的在于提供一种红外图像的增强方法,方法通过边缘检测算子提取出的图像边缘区域,并根据这些边缘区域的直方图对红外图像进行图像增强。经本发明处理后的图像对比度高,细节清晰,质量好。
本发明的技术方案如下:
一种基于边缘提取的红外图像直方图增强方法。包括以下步骤:(1)提取原始红外图像F的边缘区域,以得到边缘区域图像Fedge;(2)统计边缘区域图像Fedge中不为零的灰度值,以得到所述边缘区域图像的直方图p及其累计直方图c;
(3)用所述边缘区域图像的直方图p与累计直方图c对所述原始红外图像F进行增强,得到增强后的红外图像F'。
所述步骤(1),提取未处理的原始红外图像F的边缘区域,以得到边缘区域图像Fedge,具体包括以下子步骤:通过边缘检测算子检测所述红外图像F的边缘,然后根据边缘像素的灰度值设为1、非边缘像素的灰度值设为0的原则生成二值图像Tedge;遍历所述二值图像Tedge上的所有像素,对于每一个坐标上的像素,如果该坐标上的像素或者其邻域内的像素存在灰度值为1的像素,则所述边缘区域图像Fedge上相同坐标上的像素灰度值设为所述红外图像F相同坐标处的灰度值,否则所述边缘区域图像Fedge上该坐标上的像素灰度值设为0,遍历完整个二值图像Tedge执行上述相应的处理后得到边缘区域图像Fedge。
所述步骤(2),统计计边缘区域图像Fedge中不为零的灰度值,以得到所述边缘区域的直方图p及其累计直方图c的步骤,具体包括以下过程:遍历所述边缘区域图像Fedge,统计灰度值k在所述边缘区域图像中出现的次数,以得到所述边缘区域图像的直方图p,该直方图的每一项用p(k)表示,k=0,1,...,M,M为原始红外图像F的最大灰度级;累计边缘区域图像的直方图以得到所述累计直方图c,该累计直方图的每一项用c(k)表示,并设定c(0)=0,计算公式为:
所述步骤(3),用边缘区域图像的直方图p与累计直方图c对所述原始红外图像F进行增强,得到增强后的红外图像F'的步骤,包括以下子步骤:将所述边缘区域图像的直方图p中的所有非零项对应的k值坐标按顺序排列构建序列v,具体方法为:从k=1到k=M遍历所述边缘区域图像的直方图p的各项,将所有满足p(k)≠0的项所对应的k值按照从小到大的顺序排列组成序列v,序列v的各项用v(i)表示,i=1,2,3,...,N,N为所述边缘区域图像的直方图p中非零项的数量,并扩充序列v得到序列v',该序列v'各项用v'(j)表示,具体扩充方式为:
对原始红外图像F上每个像素的灰度值k进行计算,计算增强结果,得到增强后图像上相同位置处像素的灰度值w(k),具体计算方法为:针对原始图像上的每一个像素的灰度值k,在序列v'中进行查找,确定k的大小处于v'中哪两个相邻项之间,具体查找方法为为遍历序列v',找到T使得当j=T时,v'(j)≤k<v'(j+1)成立,标记T1=v'(T),T2=v'(T+1),并根据如下计算公式计算最终的增强方法增强后的结果:其中w(k)为增强结果,表示向下取整。
本发明的增强方法通过统计红外图像边缘区域的直方图,提高了纹理、边缘、小目标等区域在直方图统计中占据的比例,使得纹理细节增强效果明显,增强后图像清晰,对比度高,视觉效果好。
附图说明
图1为本发明基于边缘提取的红外图像直方图增强方法流程图。
图2为本发明步骤(1)的细化流程图。
图3为本发明步骤(3)的细化流程图。
图4示出未经过本发明增强方法处理的图像。
图5示出经过本发明步骤(1)处理后的边缘区域图像。
图6示出经过本发明步骤(2)处理得到的边缘区域直方图。
图7示出经过本发明增强方法处理后的图像。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。如图1所示,本发明基于边缘提取的红外直方图增强算法包括以下步骤:
(1)提取原始红外图像F的边缘区域,以得到边缘区域图像Fedge的步骤,具体包括以下子步骤:
通过边缘检测算子,如Canny算子,检测所述红外图像F的边缘,然后根据边缘像素的灰度值设为1、非边缘像素的灰度值设为0的原则生成二值图像Tedge;
遍历所述二值图像Tedge上的所有像素,对于每一个坐标上的像素,如果该坐标上的像素或者其邻域内的像素存在灰度值为1的像素,则所述边缘区域图像Fedge上相同坐标上的像素灰度值设为所述红外图像F相同坐标处的灰度值,否则所述边缘区域图像Fedge上该坐标上的像素灰度值设为0,遍历完整个二值图像Tedge执行上述相应的处理后得到边缘区域图像Fedge;
(2)统计边缘区域图像Fedge中不为零的灰度值,以得到所述边缘区域的直方图p及其累计直方图c的步骤,具体包括以下子步骤:
遍历所述边缘区域图像Fedge,统计灰度值k在所述边缘区域图像中出现的次数,以得到所述边缘区域图像的直方图p,该直方图的每一项用p(k)表示,k=0,1,...,M,M为原始红外图像F的最大灰度级;累计边缘区域图像的直方图以得到所述累计直方图c,该累计直方图的每一项用c(k)表示,并设定c(0)=0,计算公式为:
(3)用所述边缘区域图像的直方图p与累计直方图c对所述原始红外图像F进行增强,得到增强后的红外图像F'的步骤,包括以下子步骤:
将所述边缘区域图像的直方图p中的所有非零项对应的k值坐标按顺序排列构建序列v,具体方法为:从k=1到k=M遍历所述边缘区域图像的直方图p的各项,将所有满足p(k)≠0的项所对应的k值按照从小到大的顺序排列组成序列v,序列v的各项用v(i)表示,i=1,2,3,...,N,N为所述边缘区域图像的直方图p中非零项的数量,并扩充序列v得到序列v',该序列v'各项用v'(j)表示,具体扩充方式为:
对原始红外图像F上每个像素的灰度值k进行计算,计算增强结果,得到增强后图像上相同位置处像素的灰度值w(k),具体计算方法为:针对原始图像上的每一个像素的灰度值k,在序列v'中进行查找,确定k的大小处于v'中哪两个相邻项之间,具具体查找方法为为遍历序列v',找到T使得当j=T时,v'(j)≤k<v'(j+1)成立,标记T1=v'(T),T2=v'(T+1),并根据如下计算公式计算最终的增强方法增强后的结果:
其中w(k)为增强结果,表示向下取整。
如图4所示,其为扫描型红外***输出的、分辨率大小为1024×1280的、基于标定的非均匀校正后的红外图像。该红外图像未经过图像增强处理,可以看到,图像对比度差,图像细节难以分辨。
图5是经过本发明步骤(1)处理后得到的红外边缘区域图像,步骤(1)中边缘检测是通过门限参数值为0.005的Canny边缘检测算子进行处理的。图6是对边缘区域图像进行直方图统计得到的其直方图。
图7是经过本发明增强方法处理得到的红外图像,可以看到,图像的对比度高,细节清晰,质量好。
Claims (4)
1.一种基于边缘提取的红外图像直方图增强方法,其特征在于,包括以下步骤:
(1)提取原始红外图像F的边缘区域,以得到边缘区域图像Fedge;
(2)统计边缘区域图像Fedge中不为零的灰度值,以得到所述边缘区域图像的直方图p及其累计直方图c;
(3)用所述边缘区域图像的直方图p与累计直方图c对所述原始红外图像F进行增强,得到增强后的红外图像F'。
2.根据权利要求1所述的基于边缘提取的红外图像直方图增强方法,其特征在于,所述步骤(1),提取原始红外图像F的边缘区域,以得到边缘区域图像Fedge的步骤,具体包括以下过程:
通过边缘检测算子检测所述原始红外图像F的边缘,然后根据边缘像素的灰度值设为1、非边缘像素的灰度值设为0的原则生成二值图像Tedge;
遍历所述二值图像Tedge上的所有像素,对于每一个坐标上的像素,如果该坐标上的像素或者其邻域内的像素存在灰度值为1的像素,则所述边缘区域图像Fedge上相同坐标上的像素灰度值设为所述红外图像F相同坐标处的灰度值,否则所述边缘区域图像Fedge上该坐标上的像素灰度值设为0,遍历完整个二值图像Tedge执行上述相应的处理后得到边缘区域图像Fedge。
3.根据权利要求2所述的基于边缘提取的红外图像直方图增强方法,其特征在于,所述步骤(2),统计边缘区域图像Fedge中不为零的灰度值,以得到所述边缘区域的直方图p及其累计直方图c的步骤,具体包括以下过程:
遍历所述边缘区域图像Fedge,统计灰度值k在所述边缘区域图像Fedge中出现的次数,以得到所述边缘区域图像的直方图p,该直方图的每一项用p(k)表示,k=0,1,...,M,M为原始红外图像F的最大灰度级;累计边缘区域图像的直方图以得到所述累计直方图c,该累计直方图的每一项用c(k)表示,并设定c(0)=0,计算公式为:
4.根据权利要求3所述的基于边缘提取的红外图像直方图增强方法,其特征在于,所述步骤(3),用所述边缘区域图像的直方图p与累计直方图c对所述原始红外图像F进行增强,得到增强后的红外图像F'的步骤,包括以下过程:
将所述边缘区域图像Fedge的直方图p中的所有非零项对应的k值坐标按顺序排列构建序列v,具体方法为:从k=1到k=M遍历所述边缘区域图像的直方图p的各项,将所有满足p(k)≠0的项所对应的k值按照从小到大的顺序排列组成序列v,序列v的各项用v(i)表示,i=1,2,3,...,N,N为所述边缘区域图像的直方图p中非零项的数量,并扩充序列v得到序列v',该序列v'各项用v'(j)表示,具体扩充方式为:
对原始红外图像F上每个像素的灰度值k进行计算,计算增强结果,得到增强后图像上相同位置处像素的灰度值w(k),具体计算方法为:针对原始图像上的每一个像素的灰度值k,在序列v'中进行查找,确定k的大小处于v'中哪两个相邻项之间,具体查找方法为遍历序列v',找到T使得当j=T时,v'(j)≤k<v'(j+1)成立,标记T1=v'(T),T2=v'(T+1),并根据如下计算公式计算最终的增强方法增强后的结果:
其中w(k)为增强结果,表示向下取整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410834788.6A CN104537632B (zh) | 2014-12-26 | 2014-12-26 | 基于边缘提取的红外图像直方图增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410834788.6A CN104537632B (zh) | 2014-12-26 | 2014-12-26 | 基于边缘提取的红外图像直方图增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537632A true CN104537632A (zh) | 2015-04-22 |
CN104537632B CN104537632B (zh) | 2017-07-11 |
Family
ID=52853151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410834788.6A Active CN104537632B (zh) | 2014-12-26 | 2014-12-26 | 基于边缘提取的红外图像直方图增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537632B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127713A (zh) * | 2016-06-30 | 2016-11-16 | 山东中安科创光电科技有限公司 | 弱小气体泄漏目标增强与快速实现方法 |
CN106204617A (zh) * | 2016-07-21 | 2016-12-07 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
WO2017185445A1 (zh) * | 2016-04-26 | 2017-11-02 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
CN112634273A (zh) * | 2021-03-10 | 2021-04-09 | 四川大学 | 一种基于深度神经网络的脑转移瘤分割***及其构建方法 |
CN116681696A (zh) * | 2023-07-27 | 2023-09-01 | 东莞雅达高精密塑胶模具有限公司 | 一种用于自动化生产设备的模具质量监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 根据边缘和亮度特征进行自适应调整的图像增强方法 |
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
CN101957986A (zh) * | 2010-10-11 | 2011-01-26 | 华中科技大学 | 一种通过长短积分控制实现红外图像增强的方法 |
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
-
2014
- 2014-12-26 CN CN201410834788.6A patent/CN104537632B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 根据边缘和亮度特征进行自适应调整的图像增强方法 |
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
CN101957986A (zh) * | 2010-10-11 | 2011-01-26 | 华中科技大学 | 一种通过长短积分控制实现红外图像增强的方法 |
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
Non-Patent Citations (4)
Title |
---|
H.D. CHENG ,X.J. SHI: "A simple and effective histogram equalization approach to image enhancement", 《DIGITAL SIGNAL PROCESSING》 * |
冷璐 等: "结合边缘细节局部自适应增强的直方图均衡化", 《微电子学与计算机》 * |
张志忠 等: "一种基于组合方法的红外图像增强方法", 《红外技术》 * |
赵文达 等: "基于梯度直方图变换增强红外图像的细节", 《光学精密工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017185445A1 (zh) * | 2016-04-26 | 2017-11-02 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
CN106127713A (zh) * | 2016-06-30 | 2016-11-16 | 山东中安科创光电科技有限公司 | 弱小气体泄漏目标增强与快速实现方法 |
CN106127713B (zh) * | 2016-06-30 | 2019-02-26 | 山东中安科创光电科技有限公司 | 弱小气体泄漏目标增强与快速实现方法 |
CN106204617A (zh) * | 2016-07-21 | 2016-12-07 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
CN106204617B (zh) * | 2016-07-21 | 2018-10-02 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
CN112634273A (zh) * | 2021-03-10 | 2021-04-09 | 四川大学 | 一种基于深度神经网络的脑转移瘤分割***及其构建方法 |
CN116681696A (zh) * | 2023-07-27 | 2023-09-01 | 东莞雅达高精密塑胶模具有限公司 | 一种用于自动化生产设备的模具质量监测方法 |
CN116681696B (zh) * | 2023-07-27 | 2023-10-20 | 东莞雅达高精密塑胶模具有限公司 | 一种用于自动化生产设备的模具质量监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104537632B (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077521B (zh) | 一种用于视频监控的感兴趣区域提取方法 | |
US9384556B2 (en) | Image processor configured for efficient estimation and elimination of foreground information in images | |
Dutta et al. | A color edge detection algorithm in RGB color space | |
CN105513035B (zh) | 一种被动毫米波图像中人体隐匿物品的检测方法及其*** | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
US9665782B2 (en) | Obstacle detecting apparatus and obstacle detecting method | |
WO2017012581A1 (zh) | 二维码加权平均灰度法解码方法及*** | |
CN104537632A (zh) | 基于边缘提取的红外图像直方图增强方法 | |
KR20150117646A (ko) | 적어도 하나의 추가적인 이미지를 사용한 이미지 향상과 에지 검증을 위한 방법 및 장치 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
CN106204617B (zh) | 基于残差图像直方图循环移位的自适应图像二值化方法 | |
WO2016029555A1 (zh) | 图像插值方法和装置 | |
CN104574366A (zh) | 一种基于单目深度图的视觉显著性区域的提取方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN105023265A (zh) | 鱼眼镜头下的棋盘格角点自动检测方法 | |
CN104463814A (zh) | 基于局部纹理方向性的图像增强方法 | |
CN109255792B (zh) | 一种视频图像的分割方法、装置、终端设备及存储介质 | |
US8396297B2 (en) | Supervised edge detection using fractal signatures | |
US20120320433A1 (en) | Image processing method, image processing device and scanner | |
CN110414385A (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及*** | |
Chang et al. | An efficient method for lane-mark extraction in complex conditions | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN106254723B (zh) | 一种实时监测视频噪声干扰的方法 | |
CN104966296B (zh) | 滑窗N‑Smoothlets图像边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |