CN106504215A - 一种图像增强的方法及装置 - Google Patents
一种图像增强的方法及装置 Download PDFInfo
- Publication number
- CN106504215A CN106504215A CN201610990173.1A CN201610990173A CN106504215A CN 106504215 A CN106504215 A CN 106504215A CN 201610990173 A CN201610990173 A CN 201610990173A CN 106504215 A CN106504215 A CN 106504215A
- Authority
- CN
- China
- Prior art keywords
- object pixel
- brightness value
- dark
- value
- bright
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000010606 normalization Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 abstract description 19
- 238000013507 mapping Methods 0.000 description 56
- 241001269238 Data Species 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000002708 enhancing effect Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像增强的方法及装置,利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;根据各个目标像素的亮度值统计亮目标像素个数和暗目标像素个数;根据亮目标像素个数和暗目标像素个数,去除干扰目标像素;确定剩余的目标像素的最大亮度值和最小亮度值;利用对数归一化公式、最大亮度值和最小亮度值对剩余的所述目标像素的亮度值作映射,得到低位深灰度图像。根据自动阈值分割算法可以有效地避免小干扰辐射源对增强效果的影响,利用对数归一化可以较好地突出部分灰度细节。可见,将对数归一化和自动阈值分割算法相结合,可以使增强后的图像的对比度较高,动态范围较大,鲁棒性较强。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种图像增强的方法及装置。
背景技术
在图像数据的采集过程中,为了增加采集的精度,会适应性地增加图像数据的位数。而在显示图像时,大多数情况下只能实现低位深的图像数据显示,故需要将采集的高位深图像的数据转换为低位深像的数据,利用图像映射可以实现数据的转换。
高位深图像的数据是指用于表示图像的像素点的亮度值的位数较高,例如用14位或者16位二进制数来表示像素点的亮度值。而低位深图像的数据是指用于表示图像的像素点的亮度值的位数较低,例如用8位二进制数来表示像素点的亮度值。由于利用映射的方式来实现数据高低位转换,需要压缩数据的位数,而压缩的过程会造成图像部分信息的丢失,故在进行图像映射时,会选择对图像信息增强的映射方式来实现数据的转换。图像增强的目的是增强图像中的有用信息,改善图像的视觉效果,丰富图像信息量,加强图像判别和识别效果。
目前常用的图像数据转换方式是线性映射,通过将原始高位深灰度图像的各个像素点的亮度值代入线性映射公式,从而得出各个像素点的映射亮度值。然后根据映射亮度值可以得出映射的低位深灰度图像。使用线性映射可以对灰度图像的有用的边缘细节进行增强,但是不能突出中间灰度区域的大部分灰度细节,继而会造成图像的对比度下降的问题,影响成像的质量。例如,将14位高位深原始灰度图像映射为8位低位深灰度图像,可以使用g∈(gMin,gMax)来对像素点的亮度值进行映射,其中,G为8位低位深灰度图像的像素点的亮度值,g为14位高位深原始灰度图像的像素点的亮度值,gMin为14位高位深原始灰度图像的最小亮度值,gMax为14位高位深原始灰度图像的最大亮度值。在高位深的灰度图像转换为低位深的灰度图像的过程中,得到的低位深灰度图像的灰度细节突出、鲁棒性较差。如何使增强后的图像的对比度高、动态范围较大、鲁棒性强是本领域亟待解决的问题,基于此,本发明提出了一种图像增强的算法及装置。
发明内容
本发明的目的是提供一种图像增强的方法,目的在于解决增强后的图像的对比度低、动态范围较小、鲁棒性弱的问题;本发明的另一目的是提供一种图像增强的装置,其图像增强效果较好。
为解决上述技术问题,本发明提供一种图像增强的方法,该方法包括以下内容:
利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
确定剩余的所述目标像素的最大亮度值和最小亮度值;
利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
可选地,所述根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素包括:
将所述亮目标像素个数与所述暗目标像素个数作比值;
当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除所述亮度值大于所述亮度阈值的所述目标像素。
可选地,所述确定剩余的所述目标像素的最大亮度值和最小亮度值包括:
将所述亮度阈值作为所述高位深灰度图像的最大亮度值;
根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最小亮度值。
可选地,所述根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素包括:
将所述亮目标像素个数与所述暗目标像素个数作比值;
当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除所述亮度值小于所述亮度阈值的所述目标像素。
可选地,所述确定剩余的所述目标像素的最大亮度值和最小亮度值包括:
将所述亮度阈值作为所述高位深灰度图像的最小亮度值;
根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最大亮度值。
可选地,所述利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像包括:
利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;
其中,G为所述映射亮度值,gMax为所述最大亮度值,gMin为所述最小亮度值,ε为一个不为零的正数,g为所述目标像素的所述亮度值,g∈(gMax,gMin)。
此外,本发明还提供了一种图像增强的装置,该装置包括:
计算单元,用于利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
统计单元,用于根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
去除单元,用于根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
确定单元,用于确定剩余的所述目标像素的最大亮度值和最小亮度值;
映射单元,用于利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
可选地,所述去除单元包括:
第一比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第一去除子单元,用于当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除所述亮度值大于所述亮度阈值的所述目标像素。
可选地,所述去除单元包括:
第二比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第二去除子单元,用于当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除所述亮度值小于所述亮度阈值的所述目标像素。
可选地,所述映射单元包括:
代入子单元,用于利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;
其中,G为所述映射亮度值,gMax为所述最大亮度值,gMin为所述最小亮度值,ε为一个不为零的正数,g为所述目标像素的所述亮度值,g∈(gMax,gMin)。
本发明所提供的一种图像增强的方法及装置,利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;根据各个目标像素的亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于亮度阈值,暗目标像素的亮度值小于亮度阈值;根据亮目标像素个数和暗目标像素个数,去除干扰目标像素;确定剩余的目标像素的最大亮度值和最小亮度值;利用对数归一化公式、最大亮度值和最小亮度值对剩余的所述目标像素的亮度值作映射,得到低位深灰度图像。根据自动阈值分割算法统计亮暗目标像素的个数,通过剔除一些亮度值极大或者是亮度值极小的干扰目标像素点,最大限度地减低了小干扰辐射源对映射效果的影响,使映射得到的图像区域不会出现整体较亮或者是整体较暗的现象,可以有效地避免了小干扰辐射源对增强效果的影响,得到的低位深灰度图像的鲁棒性较好;而利用对数归一化对像素点的亮度值作映射,可以较好地突出了中间灰度区域的大部分灰度细节。可见,将对数归一化和自动阈值分割算法相结合,可以使增强后的图像的对比度较高,动态范围较大,鲁棒性较强。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的图像增强方法的一种具体实施方式的流程示意图;
图2为本发明实施例所提供的图像增强方法的另一种具体实施方式的流程示意图;
图3-1为14位转8位的线性映射图;
图3-2为14位转8位的对数映射图;
图4-1为14位转8位的线性映射成像效果图;
图4-2为14位转8位的对数映射成像效果图;
图4-3为14位转8位的线性映射另一成像效果图;
图4-4为14位转8位的对数映射另一成像效果图;
图5为本发明实施例所提供的图像增强的装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,图1为本发明实施例所提供的图像增强方法的一种具体实施方式的流程示意图。
步骤101:利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
显而易见地,可以使用自动阈值分割算法来计算高位深灰度图像的灰度直方图,根据计算出的灰度直方图来统计各个目标像素的亮度值,并且计算出亮度阈值。其灰度直方图表征的是每一个亮度值上的像素个数,即高位深灰度图像的目标像素亮度值的分布概率图。对于灰度图像来说,目标像素的亮度值即目标像素的灰度值。参考灰度直方图可以得出亮度阈值。该亮度阈值用于将灰度图像的像素分为两部分,一部分为亮像素,一部分为暗像素。例如,可以计算亮暗像素之间的类间方差,将最大类间方差对应的亮度值作为亮度阈值。当然,也可以使用其它的方式来得出高位深灰度图像中的各个目标像素的亮度值,而亮度阈值的计算方式也不限于上述所提到的方式。
步骤102:根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
统计出各个目标像素的亮度值后,可以根据各个目标像素的亮度值与得到的亮度阈值来比较,当像素点的亮度值大于亮度阈值时,则将该目标像素划分为亮目标像素,而当像素点的亮度值小于亮度阈值时,则将该目标像素划分为暗目标像素。其亮暗目标像素的个数统计可以通过将一个一个目标像素的亮度值与亮度阈值相比较,记录亮暗目标像素的个数。当然也可以通过灰度直方图来统计亮暗目标像素的个数,即将亮度值大于亮度阈值的像素的概率相加,得出亮目标像素占总的目标像素的百分比,然后用总的目标像素的个数与亮目标像素所占的百分比相乘,即可得出亮目标像素的个数,相应地,暗目标像素个数统计和亮目标像素的个数计算过程相似,在此不再赘述。当然,也可以是计算出每个亮度值的目标像素个数,即利用灰度直方图上目标像素的分布概率和总的目标像素个数,得出落在每个亮度值上的目标像素的个数。然后将大于亮度阈值的目标像素个数相加起来即可得到亮目标像素个数,将小于亮度阈值的目标像素个数相加起来即可得到暗目标像素个数。而当目标像素的亮度值等于亮度阈值时,可以将亮度值等于亮度阈值的目标像素划分为亮目标像素,或者是将亮度值等于亮度阈值的目标像素划分为暗目标像素,又或者是亮度值等于亮度阈值的目标像素将不划分为亮目标像素,也不划分为暗目标像素。
可以理解的是,统计亮暗目标像素的个数的方法有很多,并不限于上述提到的方法。
步骤103:根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
根据自动阈值分割算法统计得出的结果可以统计出大于亮度阈值的亮目标像素的个数以及小于亮度阈值的暗目标像素的个数,可以根据亮暗目标像素的个数之间的关系来去除一些干扰目标像素,所谓干扰目标像素是指该目标像素的亮度值很大或者很小,即该目标像素相较于其它的目标像素很亮或者是很暗。利用统计的亮暗目标像素的比重,可以去除一些亮度值很大或者是很小的目标像素。
由于当出现亮度值很大的亮干扰目标像素或者是亮度值很小的暗干扰目标像素时,会对影响图像的局部区域的亮度,故需要剔除掉这些干扰目标像素,而可以根据亮度目标像素个数和暗目标像素个数的关系来决定剔除哪部分目标像素。在本发明的一些实施例中,其去除干扰目标像素的过程可以具体为:将所述亮目标像素个数与所述暗目标像素个数作比值;当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除所述亮度值大于所述亮度阈值的所述目标像素。当灰度图像中出现亮干扰目标像素时,此时亮暗目标像素的比值小于第一预设阈值。其第一预设阈值可以根据实际的需求来设定,可以设定为0.5,也可以设定为0.3,或者是0.1。而当第一预设阈值设定为0.1时,意味着亮目标像素的个数比0.1倍的暗目标像素的个数还小,即暗目标像素多于亮目标像素。此时可以判断存在着亮度值极大的目标像素,则需要将灰度图像的亮度均值整体的往下调,即将亮度值大于亮度阈值的目标像素划分为亮目标像素,然后去除该部分像素。
灰度图像可以存在着亮度值较大的亮干扰目标像素,也可以存在着亮度值较小的暗干扰目标像素,故需要去除一些亮度值很小的目标像素,以保障成像效果。故在本发明的一些实施例中,其干扰目标像素的去除过程也可以具体为:将所述亮目标像素个数与所述暗目标像素个数作比值;当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除所述亮度值小于所述亮度阈值的所述目标像素。当灰度图像中出现暗干扰目标像素时,此时亮暗目标像素的比值大于第二预设阈值。其第二预设阈值可以根据实际的需求来设定,可以设定为15,也可以设定为8,或者是10。而当第一预设阈值设定为10时,意味着亮目标像素的个数比10倍的暗目标像素的个数还大,即暗目标像素少于亮目标像素。此时可以判断存在着亮度值极小的目标像素,则需要将灰度图像的亮度均值整体的往上调,即将亮度值小于亮度阈值的目标像素划分为暗目标像素,然后去除该部分像素。
需要指出的是,基于亮暗目标像素个数之间的关系来去除干扰目标像素的方法,并不限于上述所提到的方法,其它基于个数之间的关系的思想来去除干扰目标像素的方法也能实现本发明实施例。
步骤104:确定剩余的所述目标像素的最大亮度值和最小亮度值;
去除亮干扰目标像素或者是暗干扰目标像素之后,需要确定出剩余的目标像素的最大亮度值和最小亮度值,以便后续作映射时用来限定需要映射的目标像素。
显而易见地,去除了干扰目标像素之后,可以根据剩余地的目标像素的亮度值来确定最大亮度值和最小亮度值,即通过统计的各个目标像素的亮度值来寻找亮度值最大和最小。除了通过各个目标像素的亮度值大小来确定最大亮度值和最小亮度值,还可以出现的干扰目标像素不同来确定剩余的目标像素的最大亮度值和最小亮度值。在本发明的一些实施中,当灰度图像中出现了亮干扰目标像素,其最大亮度值和最小亮度值的确定可以具体为:将所述亮度阈值作为所述高位深灰度图像的最大亮度值;根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最小亮度值。而在本发明的一些实施例中,当灰度图像中出现了暗干扰目标像素,其最大亮度值和最小亮度值的确定可以具体为:将所述亮度阈值作为所述高位深灰度图像的最小亮度值;根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最大亮度值。
步骤105:利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
利用自动阈值分割算法去除了一些亮干扰目标像素或者暗干扰目标性像素之后,可以对剩余的目标像素作对数映射。所谓对数映射是指利用对数归一化公式,将高位深灰度图像的各个目标像素的亮度值转换为低位深灰度图像对应目标像素的亮度值。其映射的目标像素的亮度值范围在最大亮度值和最小亮度值之间。
其对数归一化可以是使各个像素点之间的亮度值差异更加明显,继而增加映射后图像的对比度,在本发明的一些实施例中,其对数归一化的过程可以具体为:利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;其中,G为所述映射亮度值,gMax为所述最大亮度值,gMin为所述最小亮度值,ε为一个不为零的正数,g为所述目标像素的所述亮度值,g∈(gMax,gMin)。将高位深的各个目标像素的亮度值一一代入到上述的对数归一化公式,得出一一对应的映射之后的亮度值,可以根据得出的各个映射之后的亮度值来确定出低位深的目标像素的亮度值。这样既可将高位深灰度图像转换为低位深灰度图像。
本发明实施所提供的图像增强的方法,利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;根据各个目标像素的亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于亮度阈值,暗目标像素的亮度值小于亮度阈值;根据亮目标像素个数和暗目标像素个数,去除干扰目标像素;确定剩余的目标像素的最大亮度值和最小亮度值;利用对数归一化公式、最大亮度值和最小亮度值对剩余的所述目标像素的亮度值作映射,得到低位深灰度图像。根据自动阈值分割算法统计亮暗目标像素的个数,通过剔除一些亮度值极大或者是亮度值极小的干扰目标像素点,最大限度地减低了小干扰辐射源对映射效果的影响,使映射得到的图像区域不会出现整体较亮或者是整体较暗的现象,可以有效地避免了小干扰辐射源对增强效果的影响,得到的低位深灰度图像的鲁棒性较好;而利用对数归一化对像素点的亮度值作映射,可以较好地突出了中间灰度区域的大部分灰度细节。可见,将对数归一化和自动阈值分割算法相结合,可以使增强后的图像的对比度较高,动态范围较大,鲁棒性较强。
在图像显示时,一般情况下只能实现8位灰度图像数据的显示,故需要利用映射方式来实现高位深灰度图像数据转换为8位灰度图像数据。下面将对14位灰度图像数据转换为8位灰度图像数据的过程进行介绍。
请参见图2,图2为本发明实施例所提供的图像增强方法的另一种具体实施方式的流程示意图。
步骤201:利用自动阈值分割算法统计原始灰度图像的亮目标像素的个数C1和暗目标像素的个数C2,计算区分亮暗像素的阈值T;
具体地,可以先计算原始灰度图像的灰度直方图,然后根据灰度直方图计算出阈值T,其阈值T是一个灰度值。将灰度值大于T的目标像素划分为亮目标像素,灰度值小于T的目标像素划分为暗目标像素。统计亮目标像素的个数,记为C1,统计暗目标像素的个数,记为C2。显而易见地,其阈值T可以是使亮暗目标像素之间的类间方差最大的灰度值。
步骤202:统计原始灰度图像的最大灰度值gMax和最小灰度值gMin;
可以利用上一步骤求出的灰度直方图来确定原始灰度图像的最大灰度值gMax和最小灰度值gMin,显而易见地,处于最大灰度值或者是最小灰度值上的目标像素可能不止一个,可能只有一个目标像素,即最大灰度值对应的目标像素可以有多个或者是一个,最小灰度值对应的目标像素可以有多个或者是一个。
步骤203:将亮目标像素的个数C1和暗目标像素的个数C2作比值;
需要指出的是,可以不用将亮暗目标像素的个数作比值,只要是基于亮目标像素占总的目标像素的比重和暗目标像素占总的目标像素的比重,去剔除掉局部区域内灰度值很大或者是灰度值很小的干扰目标像素的思想,均在本发明实施例的保护范围之内。
步骤204:利用C1/C2的大小,重新确定原始灰度图像的最大灰度值和最小灰度值;
将C1/C2和预设的第一阈值ω相比较,当小于ω时,则可以判断出原始灰度图像中有灰度值极大的目标像素,即亮干扰目标。此时,为了将原始灰度图像的整体灰度往下调,则可以重新设定原始灰度图像的最大灰度值,即将最大灰度值gMax设为阈值T,而最小灰度值gMin不变。那么,原始灰度图像的灰度值取值范围则变为了(gMin,T)。可以理解的是,将原始灰度图像的最大灰度值设为阈值T,相当于把灰度值大于阈值T的目标像素剔除掉,可以避免在映射时可能造成映射后的增强图像的整体灰度值偏暗。显而易见地,ω的大小可以根据实际的需求进行设定,例如,可以将ω设为0.1。
将C1/C2和预设的第一阈值ρ相比较,当大于ρ时,则可以判断出原始灰度图像中有灰度值极小的目标像素,即暗干扰目标。此时,为了将原始灰度图像的整体灰度往上调,则可以重新设定原始灰度图像的最小灰度值,即将最小灰度值gMin设为阈值T,而最小灰度值gMax不变。那么,原始灰度图像的灰度值取值范围则变为了(T,gMax。可以理解的是,将原始灰度图像的最小灰度值设为阈值T,相当于把灰度值小于阈值T的目标像素剔除掉,可以避免在映射时可能造成映射后的增强图像的整体灰度值偏亮。显而易见地,ρ的大小可以根据实际的需求进行设定,例如,可以将ρ设为10。
需要指出的是,原始灰度图像出现亮干扰目标像素时,重新设定最大灰度值,而出现暗干扰目标像素时,则重新设定最小灰度值。
步骤205:将得到的最大灰度值和最小灰度值代入到对数归一化映射公式实现图像的增强映射。
此处的最大灰度值和最小灰度值是由上一步骤重新设定后的值,原始灰度图像出现的干扰目标像素的不同,其最大灰度值和最小灰度值也会相应地不同。将14位原始灰度图像数据一一代入到对数映射公式中,得出对应的8位灰度图像数据,可以根据得到的8位灰度图像数据得出映射后的增强图像。其中,G为8位灰度图像数据,gMax为14位原始灰度图像的最大亮度值,gMin为14位原始灰度图像的最小亮度值,g为所述目标像素的所述亮度值,ε为一个不为零的正数,g∈(gMax,gMin)。
需要说明的是,使用对数归一化映射来图像进行增强映射,可以使是原始灰度图像的灰度直方图的中间区域的灰度细节得到充分的突出。而使用线性映射将14位原始灰度图像数据转换为8位灰度图像数据,会淹没中间区域的大部分灰度细节,继而可能会造成映射增强后的图像的对比度下降,影响成像质量。而使用对数映射可以很好地解决使用线性映射造成的问题。使用对数映射后的增强图像的对比度较高,成像质量相比于线性映射的效果更好。具体的对比效果可以参见图3-1、图3-2、图4-1、图4-2、图4-3和图4-4,图3-1为14位转8位的线性映射图,图3-2为14位转8位的对数映射图,图4-1为14位转8位的线性映射成像效果图,图4-2为14位转8位的对数映射成像效果图,图4-3为14位转8位的线性映射另一成像效果图,图4-4为14位转8位的对数映射另一成像效果图。
可以很明显地看出,图3-1和图3-2中的Min和Max是指14位灰度图像数据的最小灰度值和最大灰度值,而0-255是指8位灰度图像数据的灰度值的十进制表示的数值。比较图3-1和图3-2,可以看出中间区域的像素的灰度值较大。而比较图4-1和图4-2、图4-3和图4-4,可以很容易地看出使用对数映射得到的增强图像相较于使用线性映射得到的增强图像,其对比度较高,灰度细节较明显,增强效果较好。至于各个图的具体内容是显而易见地,在此不再赘述。
本发明实施例所提供的图像增强的方法,采用对数归一化映射方式实现14位数据转换为8位数据,可以突出灰度直方图中间区域的灰度细节。而在使用对数映射之前,使用自动阈值分割算法来剔除极亮或者是极暗的干扰源,可以避免在对数映射时,图像的整体灰度过亮或者是过暗,影响成像质量。将对数归一化和自动阈值分割算法相结合,可以是增强后的图像的对比度高,动态范围大,鲁棒性强,有效地避免了局部极亮或者极暗的小干扰源对增强效果的影响。
下面对本发明实施例提供的图像增强的装置进行介绍,下文描述的图像增强的装置与上文描述的图像增强的方法可相互对应参照。
图5为本发明实施例所提供的图像增强的装置的结构框图,参照图5图像增强装置可以包括:
计算单元501,用于利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
统计单元502,用于根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
去除单元503,用于根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
确定单元504,用于确定剩余的所述目标像素的最大亮度值和最小亮度值;
映射单元505,用于利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
可选地,所述去除单元503包括:
第一比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第一去除子单元,用于当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除所述亮度值大于所述亮度阈值的所述目标像素。
可选地,所述去除单元503包括:
第二比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第二去除子单元,用于当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除所述亮度值小于所述亮度阈值的所述目标像素。
可选地,所述映射单元505包括:
代入子单元,用于利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;
其中,G为所述映射亮度值,gMax为所述最大亮度值,gMin为所述最小亮度值,ε为一个不为零的正数,g为所述目标像素的所述亮度值,g∈(gMax,gMin)。
本发明实施例所提供的图像增强装置,其装置根据自动阈值分割算法统计亮暗目标像素的个数,通过剔除一些亮度值极大或者是亮度值极小的干扰目标像素点,最大限度地减低了小干扰辐射源对映射效果的影响,使映射得到的图像区域不会出现整体较亮或者是整体较暗的现象,可以有效地避免了小干扰辐射源对增强效果的影响,得到的低位深灰度图像的鲁棒性较好;而利用对数归一化对像素点的亮度值作映射,可以较好地突出了中间灰度区域的大部分灰度细节。可见,将对数归一化和自动阈值分割算法相结合,可以使增强后的图像的对比度较高,动态范围较大,鲁棒性较强。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的图像增强的方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种图像增强的方法,其特征在于,包括:
利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
确定剩余的所述目标像素的最大亮度值和最小亮度值;
利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
2.如权利要求1所述的方法,其特征在于,所述根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素包括:
将所述亮目标像素个数与所述暗目标像素个数作比值;
当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除亮度值大于所述亮度阈值的目标像素。
3.如权利要求2所述的方法,其特征在于,所述确定剩余的所述目标像素的最大亮度值和最小亮度值包括:
将所述亮度阈值作为所述高位深灰度图像的最大亮度值;
根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最小亮度值。
4.如权利要求1所述的方法,其特征在于,所述根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素包括:
将所述亮目标像素个数与所述暗目标像素个数作比值;
当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除亮度值小于所述亮度阈值的目标像素。
5.如权利要求4所述的方法,其特征在于,所述确定剩余的所述目标像素的最大亮度值和最小亮度值包括:
将所述亮度阈值作为所述高位深灰度图像的最小亮度值;
根据统计的各个剩余的所述目标像素的所述亮度值,得出所述高位深灰度图像的最大亮度值。
6.如权利要求1至5任一项所述的方法,其特征在于,所述利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像包括:
利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;
其中,G为映射亮度值,gMax为最大亮度值,gMin为最小亮度值,ε为一个不为零的正数,g为目标像素的亮度值,g∈(gMax,gMin)。
7.一种图像增强的装置,其特征在于,包括:
计算单元,用于利用自动阈值分割算法统计高位深灰度图像中各个目标像素的亮度值,计算得出用于区分亮暗像素的亮度阈值;
统计单元,用于根据各个所述目标像素的所述亮度值统计亮目标像素个数和暗目标像素个数,所述亮目标像素的亮度值大于所述亮度阈值,所述暗目标像素的亮度值小于所述亮度阈值;
去除单元,用于根据所述亮目标像素个数和所述暗目标像素个数,去除干扰目标像素;
确定单元,用于确定剩余的所述目标像素的最大亮度值和最小亮度值;
映射单元,用于利用对数归一化公式、所述最大亮度值和所述最小亮度值对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像。
8.如权利要求7所述的装置,其特征在于,所述去除单元包括:
第一比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第一去除子单元,用于当所述比值小于第一预设阈值时,则判断所述高位深灰度图像中有亮干扰目标像素,去除亮度值大于所述亮度阈值的目标像素。
9.如权利要求7所述的装置,其特征在于,所述去除单元包括:
第二比值子单元,将所述亮目标像素个数与所述暗目标像素个数作比值;
第二去除子单元,用于当所述比值大于第二预设阈值时,则判断所述高位深灰度图像中有暗干扰目标像素,去除亮度值小于所述亮度阈值的目标像素。
10.如权利要求7所述的装置,其特征在于,所述映射单元包括:
代入子单元,用于利用对数归一化公式对剩余的所述目标像素的所述亮度值作映射,得到低位深灰度图像;
其中,G为映射亮度值,gMax为最大亮度值,gMin为最小亮度值,ε为一个不为零的正数,g为目标像素的亮度值,g∈(gMax,gMin)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610990173.1A CN106504215A (zh) | 2016-11-10 | 2016-11-10 | 一种图像增强的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610990173.1A CN106504215A (zh) | 2016-11-10 | 2016-11-10 | 一种图像增强的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106504215A true CN106504215A (zh) | 2017-03-15 |
Family
ID=58323965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610990173.1A Pending CN106504215A (zh) | 2016-11-10 | 2016-11-10 | 一种图像增强的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504215A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107980094A (zh) * | 2017-03-31 | 2018-05-01 | 深圳配天智能技术研究院有限公司 | 一种视觉检测***及方法 |
CN108009997A (zh) * | 2017-11-08 | 2018-05-08 | 青岛海信电器股份有限公司 | 一种调整图像对比度的方法及装置 |
CN108665434A (zh) * | 2017-03-29 | 2018-10-16 | 鸿富锦精密工业(深圳)有限公司 | 图像合成方法及装置 |
CN109115384A (zh) * | 2018-08-06 | 2019-01-01 | 于贵庆 | 窗体多参数采集*** |
CN110552693A (zh) * | 2019-09-19 | 2019-12-10 | 中国科学院声学研究所 | 一种基于深度神经网络的感应测井曲线的层界面识别方法 |
CN110569840A (zh) * | 2019-08-13 | 2019-12-13 | 浙江大华技术股份有限公司 | 目标检测方法及相关装置 |
CN110878615A (zh) * | 2018-09-06 | 2020-03-13 | 永康市缘匠贸易有限公司 | 智能化可掀动钢化玻璃架构 |
CN111563851A (zh) * | 2020-03-27 | 2020-08-21 | 中国科学院西安光学精密机械研究所 | 一种基于动态高斯参数的图像映射方法 |
CN111639588A (zh) * | 2020-05-28 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 图像效果调整方法、装置、计算机***及可读存储介质 |
CN111723763A (zh) * | 2020-06-29 | 2020-09-29 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
CN112819838A (zh) * | 2021-04-19 | 2021-05-18 | 浙江华创视讯科技有限公司 | 图像增强方法、电子装置和存储介质 |
CN115018714A (zh) * | 2021-03-05 | 2022-09-06 | 思特威(上海)电子科技股份有限公司 | 一种图像像素值映射方法、成像装置及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668107A (zh) * | 2008-09-04 | 2010-03-10 | ***通信集团公司 | 色深变换、传输色深变换后图像的方法、***和装置 |
CN103455721A (zh) * | 2013-08-30 | 2013-12-18 | 浙江工业大学 | 基于递推岭elm的填料塔载点气速预测方法 |
US20150036024A1 (en) * | 2013-07-30 | 2015-02-05 | Konica Minolta Laboratory U.S.A., Inc. | Ghost artifact detection and removal in hdr image processing using multi-level median threshold bitmaps |
US20160006939A1 (en) * | 2014-07-07 | 2016-01-07 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
-
2016
- 2016-11-10 CN CN201610990173.1A patent/CN106504215A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668107A (zh) * | 2008-09-04 | 2010-03-10 | ***通信集团公司 | 色深变换、传输色深变换后图像的方法、***和装置 |
US20150036024A1 (en) * | 2013-07-30 | 2015-02-05 | Konica Minolta Laboratory U.S.A., Inc. | Ghost artifact detection and removal in hdr image processing using multi-level median threshold bitmaps |
CN103455721A (zh) * | 2013-08-30 | 2013-12-18 | 浙江工业大学 | 基于递推岭elm的填料塔载点气速预测方法 |
US20160006939A1 (en) * | 2014-07-07 | 2016-01-07 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
Non-Patent Citations (2)
Title |
---|
张继贤等: "《西部地形困难区域测图的原理与方法》", 31 January 2013 * |
詹筱: "高动态范围红外图像压缩的细节增强算法研究", 《中国优秀硕士论文全文数据库》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665434B (zh) * | 2017-03-29 | 2021-10-22 | 鸿富锦精密工业(深圳)有限公司 | 图像合成方法及装置 |
CN108665434A (zh) * | 2017-03-29 | 2018-10-16 | 鸿富锦精密工业(深圳)有限公司 | 图像合成方法及装置 |
CN107980094A (zh) * | 2017-03-31 | 2018-05-01 | 深圳配天智能技术研究院有限公司 | 一种视觉检测***及方法 |
CN108009997A (zh) * | 2017-11-08 | 2018-05-08 | 青岛海信电器股份有限公司 | 一种调整图像对比度的方法及装置 |
CN108009997B (zh) * | 2017-11-08 | 2022-05-13 | 海信视像科技股份有限公司 | 一种调整图像对比度的方法及装置 |
CN109115384A (zh) * | 2018-08-06 | 2019-01-01 | 于贵庆 | 窗体多参数采集*** |
CN109115384B (zh) * | 2018-08-06 | 2019-06-18 | 亮马铝业(深圳)有限公司 | 窗体多参数采集*** |
CN110878615A (zh) * | 2018-09-06 | 2020-03-13 | 永康市缘匠贸易有限公司 | 智能化可掀动钢化玻璃架构 |
CN110569840A (zh) * | 2019-08-13 | 2019-12-13 | 浙江大华技术股份有限公司 | 目标检测方法及相关装置 |
CN110552693A (zh) * | 2019-09-19 | 2019-12-10 | 中国科学院声学研究所 | 一种基于深度神经网络的感应测井曲线的层界面识别方法 |
CN111563851A (zh) * | 2020-03-27 | 2020-08-21 | 中国科学院西安光学精密机械研究所 | 一种基于动态高斯参数的图像映射方法 |
CN111563851B (zh) * | 2020-03-27 | 2023-04-11 | 中国科学院西安光学精密机械研究所 | 一种基于动态高斯参数的图像映射方法 |
CN111639588A (zh) * | 2020-05-28 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 图像效果调整方法、装置、计算机***及可读存储介质 |
CN111723763A (zh) * | 2020-06-29 | 2020-09-29 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
CN111723763B (zh) * | 2020-06-29 | 2024-02-13 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
CN115018714A (zh) * | 2021-03-05 | 2022-09-06 | 思特威(上海)电子科技股份有限公司 | 一种图像像素值映射方法、成像装置及计算机存储介质 |
CN112819838A (zh) * | 2021-04-19 | 2021-05-18 | 浙江华创视讯科技有限公司 | 图像增强方法、电子装置和存储介质 |
CN112819838B (zh) * | 2021-04-19 | 2021-07-06 | 浙江华创视讯科技有限公司 | 图像增强方法、电子装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504215A (zh) | 一种图像增强的方法及装置 | |
Tan et al. | Exposure based multi-histogram equalization contrast enhancement for non-uniform illumination images | |
Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
CN104700376B (zh) | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 | |
CN108805829A (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
CN110827229B (zh) | 一种基于纹理加权直方图均衡化的红外图像增强方法 | |
CN107358586A (zh) | 一种图像增强方法、装置及设备 | |
CN109671035A (zh) | 一种基于直方图的红外图像增强方法 | |
CN107609558A (zh) | 文字图像处理方法及装置 | |
CN102789635A (zh) | 一种图像增强方法和装置 | |
CN109685142A (zh) | 一种图像匹配方法及装置 | |
CN112348763A (zh) | 图像增强方法、装置、电子设备及介质 | |
Lee et al. | Ramp distribution-based image enhancement techniques for infrared images | |
US9892542B2 (en) | Creating bump and normal maps from images with multi-scale control | |
Prior | Single image de-haze under non-uniform illumination using bright channel prior | |
CN105139368B (zh) | 一种可用于机器视觉的混合型色调映射方法 | |
CN117611501A (zh) | 一种低照度图像增强方法、装置、设备及可读存储介质 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN116402816A (zh) | 一种体检ct影像数据的管理方法及*** | |
Malik et al. | Contrast enhancement and smoothing of CT images for diagnosis | |
Dube et al. | Hybrid approach to enhance contrast of image for forensic investigation using segmented histogram | |
CN106127694B (zh) | 照度不均图像增强的自适应双向保带宽对数变换方法 | |
US20220237755A1 (en) | Image enhancement method and image processing device | |
CN112819838B (zh) | 图像增强方法、电子装置和存储介质 | |
CN111738949B (zh) | 一种图像亮度的调整方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |
|
RJ01 | Rejection of invention patent application after publication |