CN106570831A - 一种灰度图像对比度均衡增强的方法 - Google Patents
一种灰度图像对比度均衡增强的方法 Download PDFInfo
- Publication number
- CN106570831A CN106570831A CN201610880224.5A CN201610880224A CN106570831A CN 106570831 A CN106570831 A CN 106570831A CN 201610880224 A CN201610880224 A CN 201610880224A CN 106570831 A CN106570831 A CN 106570831A
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- pyramid
- represent
- equalization
- 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 32
- 238000005070 sampling Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000000354 decomposition reaction Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000011084 recovery Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000001629 suppression 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种属于图像处理技术领域,涉及一种灰度图像对比度均衡增强的方法,解决图像对比度不均的问题,提高成像质量。本发明通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复,即可得到最终处理图像。由于充分考虑到图像各个频带对对比度强弱分布的影响,因此均衡化后的结果能够很好地改善图像局部区域特定尺度的对比度大小。与一般的对比度均衡化方法相比更具针对性,并且处理后图像的信息量也更大。
Description
技术领域
本发明属于图像处理技术领域,涉及一种灰度图像对比度均衡增强的方法,解决图像对比度不均的问题,提高成像质量。
背景技术
在可见光或者红外成像过程中,由于受到光照、环境温度、光电转化效能等的影响,常出现图像对比度不均衡的情况,具体表现在图像部分区域由于过曝光而亮度很高,部分区域由于欠曝光而亮度很低。为改善这类图像的质量,一般采用对比度变换技术,其主要原理是通过修改输入图像的像素值,改善图像灰度的分布情况,拉伸灰度值低的区域的动态范围,抑制灰度值高的区域的动态范围,维持图像的整体视觉均衡。该类技术的典型方法有:分段线性拉伸法、直方图均衡化法、伽玛校正法等等,其中,改进的伽玛校正公式已作为ITU-709HDTV的产品标准使用。这类方法针对整幅图像进行处理,即能够提高图像整体对比度,但并不能很好地解决局部区域对比度低的问题。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种灰度图像对比度均衡增强的方法,有针对性地提高图像局部区域的对比度,避免整体对比度提高而导致的部分细节丢失的问题。
技术方案
一种灰度图像对比度均衡增强的方法,其特征在于步骤如下:
步骤1:将原始图像灰度值归一化到[0,1]区间:
I′=I/(2N-1) (1)
其中,I表示原始图像,N表示原始图像的位数,I′表示归一化后的图像;
步骤2:对归一化图像进行高斯/拉普拉斯金字塔分解:设Gk(k=0,…,K)表示一个K+1层的高斯金字塔,K取值2-4;Lk(k=0,…,K-1)表示相对应的拉普拉斯金字塔;
高斯金字塔通过循环迭代滤波和下采样过程实现:
Gk=[w*Gk-1]↓2 (2)
其中,G0=I′,符号*表示卷积运算,符号↓2表示方括号里的图像使用步长2进行下采样,w是低通滤波器系数:
所述
拉普拉斯金字塔通过对应的高斯金字塔带通滤波得到:
Lk=Gk-w*Gk (4)
步骤3:使用伽玛校正分别对拉普拉斯金字塔的每一层做对比度均衡化处理:
Lk′=(abs(Lk))γ×sign(Lk) (5)
其中,k=0,…,K-1,abs(·)表示取绝对值操作,sign(·)表示取符号操作,γ是校正系数;
步骤4:使用伽玛校正对高斯金字塔的第K层图像做对比度均衡化处理:
G′K=(abs(GK))γ×sign(GK) (6)
步骤5:调节均衡化后高斯金字塔的第K层图像亮度:
其中,表示高斯图像G′K的均值,α和β分别为乘性和加性调节因子;
步骤6高斯/拉普拉斯金字塔重构:首先从高斯金字塔最低分辨率的G′K开始,通过拉普拉斯金字塔的每层迭代计算出较高分辨率的高斯图像,最终恢复出原始图像;
迭代过程如下:
Gk′=(1+w)*Lk′+4w*[Gk′+1]↑2 (8)
其中,k=K-1,…,0,符号↑2表示步长为2的上采样;
步骤7:将重构出的图像G0′做去归一化处理:
I″=bound(G0′×(2N-1)) (9)
其中,I″表示对比度均衡化后的图像,bound()是一个截断函数,保证输出结果在范围[0,2N-1]内。
所述校正系数γ取值为0.6-0.8。
所述乘性调节因子α取值为:0.9-1.1。
所述加性调节因子β取值为:0.4-0.6。
有益效果
本发明提出的一种灰度图像对比度均衡增强的方法,通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复,即可得到最终处理图像。由于充分考虑到图像各个频带对对比度强弱分布的影响,因此均衡化后的结果能够很好地改善图像局部区域特定尺度的对比度大小。与一般的对比度均衡化方法相比更具针对性,并且处理后图像的信息量也更大。
本发明在对图像做对比度均衡化时,并不是对整幅图像进行处理,而是首先将图像金字塔分解,然后分别在不同尺度空间(频带)进行对比度均衡化,最后通过金字塔重构得出最终结果。由于充分考虑到图像各个频带对对比度强弱分布的影响,因此均衡化后的结果能够很好地改善图像局部区域特定尺度的对比度大小。与一般的对比度均衡化方法相比更具针对性,并且处理后图像的信息量也更大。
附图说明
图1是本发明的算法流程示意图
图2是本发明实施例的效果图,其中,(a)图是原始图像,(b)图是(a)图经过对比度均衡增强后的结果。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
该发明的具体算法流程见附图1。
具体实施步骤如下:
1)利用(1)式将原始图像灰度值归一化到[0,1]区间;
2)利用(2)式和(4)式对归一化后图像进行高斯/拉普拉斯金字塔分解;
3)使用使用(5)式,伽玛校正分别对拉普拉斯金字塔的0~3层和高斯金字塔第4层做对比度均衡化处理;
4)使用(6)式伽玛校正对高斯金字塔的最顶层(分辨率最低层)图像做对比度均衡化处理;
5)使用(7)式调节均衡化处理后高斯金字塔第4层图像的亮度;
6)使用(8)式对均衡化后的结果进行金字塔重构原始图像;
7)使用(9)式将重构图像的灰度值去归一化并且限定到原始动态范围。
实施例
针对本发明提出的灰度图像对比度均衡方法,以下举例说明该方法的应用。
实验图像是大小为1024×640(像素),8位位深(即256个灰度级)的灰度图像,如附图2中的(a)图所示。
步骤1:将原始图像灰度值归一化到[0,1]区间,其中N=8:
I′=I/(2N-1) (1)
其中,I表示原始图像,N表示原始图像的位数,I′表示归一化后的图像;
步骤2:对归一化图像进行高斯/拉普拉斯金字塔分解:设Gk(k=0,…,K)表示一个K+1层的高斯金字塔,K取值4。Lk(k=0,…,K-1)表示相对应的拉普拉斯金字塔;
高斯金字塔通过循环迭代滤波和下采样过程实现:
Gk=[w*Gk-1]↓2 (2)
其中,G0=I′,符号*表示卷积运算,符号↓2表示方括号里的图像使用步长2进行下采样,w是低通滤波器系数:
所述
拉普拉斯金字塔通过对应的高斯金字塔带通滤波得到:
Lk=Gk-w*Gk (4)
步骤3:使用伽玛校正分别对拉普拉斯金字塔的每一层做对比度均衡化处理:
Lk′=(abs(Lk))γ×sign(Lk) (5)
其中,k=0,…,K-1,abs(·)表示取绝对值操作,sign(·)表示取符号操作,γ=0.8是校正系数;
步骤4:使用伽玛校正对高斯金字塔的第K层图像做对比度均衡化处理:
G′K=(abs(GK))γ×sign(GK) (6)
步骤5:调节均衡化后高斯金字塔的第K层图像亮度:
其中,表示高斯图像G′K的均值,α和β分别为乘性和加性调节因子,α取值为1,β取值0.5。
步骤6高斯/拉普拉斯金字塔重构:首先从高斯金字塔最低分辨率的G′K开始,通过拉普拉斯金字塔的每层迭代计算出较高分辨率的高斯图像,最终恢复出原始图像;
迭代过程如下:
Gk′=(1+w)*Lk′+4w*[Gk′+1]↑2 (8)
其中,k=K-1,…,0,符号↑2表示步长为2的上采样;
步骤7:将重构出的图像G0′做去归一化处理:
I″=bound(G0′×(2N-1)) (9)
其中,I″表示对比度均衡化后的图像,bound()是一个截断函数,保证输出结果在范围[0,2N-1]内。
附图2中的(b)图是(a)图的最终处理效果,与原始图像相比,不但过曝光区域(如街灯等)得到了有效抑制,而且欠曝光区域(如远处的房顶、近处的窗台等)也得到了恢复和增强。整幅图像信息量变大,清晰度显著提高。
Claims (4)
1.一种灰度图像对比度均衡增强的方法,其特征在于步骤如下:
步骤1:将原始图像灰度值归一化到[0,1]区间:
I′=I/(2N-1) (1)
其中,I表示原始图像,N表示原始图像的位数,I′表示归一化后的图像;
步骤2:对归一化图像进行高斯/拉普拉斯金字塔分解:设Gk(k=0,…,K)表示一个K+1层的高斯金字塔,K取值2-4;Lk(k=0,…,K-1)表示相对应的拉普拉斯金字塔;
高斯金字塔通过循环迭代滤波和下采样过程实现:
Gk=[w*Gk-1]↓2 (2)
其中,G0=I′,符号*表示卷积运算,符号↓2表示方括号里的图像使用步长2进行下采样,w是低通滤波器系数:
所述
拉普拉斯金字塔通过对应的高斯金字塔带通滤波得到:
Lk=Gk-w*Gk (4)
步骤3:使用伽玛校正分别对拉普拉斯金字塔的每一层做对比度均衡化处理:
L′k=(abs(Lk))γ×sign(Lk) (5)
其中,k=0,…,K-1,abs(·)表示取绝对值操作,sign(·)表示取符号操作,γ是校正系数;
步骤4:使用伽玛校正对高斯金字塔的第K层图像做对比度均衡化处理:
G′K=(abs(GK))γ×sign(GK) (6)
步骤5:调节均衡化后高斯金字塔的第K层图像亮度:
其中,表示高斯图像G′K的均值,α和β分别为乘性和加性调节因子;
步骤6高斯/拉普拉斯金字塔重构:首先从高斯金字塔最低分辨率的G′K开始,通过拉普拉斯金字塔的每层迭代计算出较高分辨率的高斯图像,最终恢复出原始图像;
迭代过程如下:
G′k=(1+w)*L′k+4w*[G′k+1]↑2 (8)
其中,k=K-1,…,0,符号↑2表示步长为2的上采样;
步骤7:将重构出的图像G′0做去归一化处理:
I″=bound(G′0×(2N-1)) (9)
其中,I″表示对比度均衡化后的图像,bound()是一个截断函数,保证输出结果在范围[0,2N-1]内。
2.根据权利要求1所述灰度图像对比度均衡增强的方法,其特征在于:所述校正系数γ取值为0.6-0.8。
3.根据权利要求1所述灰度图像对比度均衡增强的方法,其特征在于:所述乘性调节因子α取值为:0.9-1.1。
4.根据权利要求1所述灰度图像对比度均衡增强的方法,其特征在于:所述加性调节因子β取值为:0.4-0.6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610880224.5A CN106570831A (zh) | 2016-10-09 | 2016-10-09 | 一种灰度图像对比度均衡增强的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610880224.5A CN106570831A (zh) | 2016-10-09 | 2016-10-09 | 一种灰度图像对比度均衡增强的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570831A true CN106570831A (zh) | 2017-04-19 |
Family
ID=58532657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610880224.5A Pending CN106570831A (zh) | 2016-10-09 | 2016-10-09 | 一种灰度图像对比度均衡增强的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570831A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578374A (zh) * | 2017-07-28 | 2018-01-12 | 深圳市安健科技股份有限公司 | X光图像的拉伸方法及计算机可读存储介质 |
CN107909549A (zh) * | 2017-10-26 | 2018-04-13 | 中石化石油工程技术服务有限公司 | 一种测井电成像动态图像台阶自动消除方法 |
CN109816616A (zh) * | 2018-12-25 | 2019-05-28 | 南京理工大学 | 基于塔型分解的非制冷红外图像与日盲紫外图像融合方法 |
CN110232668A (zh) * | 2019-06-17 | 2019-09-13 | 首都师范大学 | 一种多尺度图像增强方法 |
CN110232660A (zh) * | 2019-04-28 | 2019-09-13 | 电子科技大学 | 一种新型红外图像识别预处理灰度拉伸方法 |
CN110942431A (zh) * | 2019-10-31 | 2020-03-31 | 南京邮电大学 | 一种图像细节的增强方法 |
WO2020173141A1 (zh) * | 2019-02-26 | 2020-09-03 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN112019762A (zh) * | 2020-07-23 | 2020-12-01 | 北京迈格威科技有限公司 | 视频处理方法及装置、存储介质及电子设备 |
CN112419206A (zh) * | 2020-11-27 | 2021-02-26 | 中国矿业大学 | 一种基于多尺度分解-重构的sar干涉图滤波方法 |
CN112887597A (zh) * | 2021-01-25 | 2021-06-01 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质和电子设备 |
CN113724144A (zh) * | 2020-05-22 | 2021-11-30 | 北京小米移动软件有限公司 | 一种图像处理方法及终端设备上的图像信号处理器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588446A (zh) * | 2004-07-22 | 2005-03-02 | 上海交通大学 | 基于余弦调制滤波器组的图像融合方法 |
CN1889125A (zh) * | 2006-07-26 | 2007-01-03 | 深圳市嘉易通医疗科技有限公司 | 一种医疗放射图像的细节增强方法 |
US20100129003A1 (en) * | 2008-11-21 | 2010-05-27 | Pace Teresa L | Method and system for enhancing images using multi-resolution histogram shaping |
US20140064636A1 (en) * | 2007-11-29 | 2014-03-06 | Sri International | Multi-scale adaptive fusion with contrast normalization |
CN104091309A (zh) * | 2014-06-19 | 2014-10-08 | 华南理工大学 | 一种平板x射线图像的均衡显示方法及*** |
-
2016
- 2016-10-09 CN CN201610880224.5A patent/CN106570831A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588446A (zh) * | 2004-07-22 | 2005-03-02 | 上海交通大学 | 基于余弦调制滤波器组的图像融合方法 |
CN1889125A (zh) * | 2006-07-26 | 2007-01-03 | 深圳市嘉易通医疗科技有限公司 | 一种医疗放射图像的细节增强方法 |
US20140064636A1 (en) * | 2007-11-29 | 2014-03-06 | Sri International | Multi-scale adaptive fusion with contrast normalization |
US20100129003A1 (en) * | 2008-11-21 | 2010-05-27 | Pace Teresa L | Method and system for enhancing images using multi-resolution histogram shaping |
CN104091309A (zh) * | 2014-06-19 | 2014-10-08 | 华南理工大学 | 一种平板x射线图像的均衡显示方法及*** |
Non-Patent Citations (1)
Title |
---|
张令波,葛秘蕾: "《一种空域和变换域相结合的图像增强算法》", 《电光与控制》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578374A (zh) * | 2017-07-28 | 2018-01-12 | 深圳市安健科技股份有限公司 | X光图像的拉伸方法及计算机可读存储介质 |
CN107578374B (zh) * | 2017-07-28 | 2021-10-08 | 深圳市安健科技股份有限公司 | X光图像的拉伸方法及计算机可读存储介质 |
CN107909549A (zh) * | 2017-10-26 | 2018-04-13 | 中石化石油工程技术服务有限公司 | 一种测井电成像动态图像台阶自动消除方法 |
CN109816616A (zh) * | 2018-12-25 | 2019-05-28 | 南京理工大学 | 基于塔型分解的非制冷红外图像与日盲紫外图像融合方法 |
CN109816616B (zh) * | 2018-12-25 | 2022-09-06 | 南京理工大学 | 基于塔型分解的非制冷红外图像与日盲紫外图像融合方法 |
WO2020173141A1 (zh) * | 2019-02-26 | 2020-09-03 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN110232660A (zh) * | 2019-04-28 | 2019-09-13 | 电子科技大学 | 一种新型红外图像识别预处理灰度拉伸方法 |
CN110232660B (zh) * | 2019-04-28 | 2022-05-03 | 电子科技大学 | 一种新型红外图像识别预处理灰度拉伸方法 |
CN110232668A (zh) * | 2019-06-17 | 2019-09-13 | 首都师范大学 | 一种多尺度图像增强方法 |
CN110232668B (zh) * | 2019-06-17 | 2021-04-09 | 首都师范大学 | 一种多尺度图像增强方法 |
CN110942431A (zh) * | 2019-10-31 | 2020-03-31 | 南京邮电大学 | 一种图像细节的增强方法 |
CN110942431B (zh) * | 2019-10-31 | 2022-08-30 | 南京邮电大学 | 一种图像细节的增强方法 |
CN113724144A (zh) * | 2020-05-22 | 2021-11-30 | 北京小米移动软件有限公司 | 一种图像处理方法及终端设备上的图像信号处理器 |
CN112019762A (zh) * | 2020-07-23 | 2020-12-01 | 北京迈格威科技有限公司 | 视频处理方法及装置、存储介质及电子设备 |
CN112419206A (zh) * | 2020-11-27 | 2021-02-26 | 中国矿业大学 | 一种基于多尺度分解-重构的sar干涉图滤波方法 |
CN112419206B (zh) * | 2020-11-27 | 2024-05-24 | 中国矿业大学 | 一种基于多尺度分解-重构的sar干涉图滤波方法 |
CN112887597A (zh) * | 2021-01-25 | 2021-06-01 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570831A (zh) | 一种灰度图像对比度均衡增强的方法 | |
Wang et al. | Dehazing for images with large sky region | |
CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
CN110021031B (zh) | 一种基于图像金字塔的x射线图像增强方法 | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN104574337B (zh) | 基于双边伽马校正和多尺度图像融合的图像增强方法 | |
US8335394B2 (en) | Image processing method for boundary resolution enhancement | |
CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
CN107767349B (zh) | 一种图像局部对比度增强的方法 | |
CN111784582B (zh) | 一种基于dec_se的低照度图像超分辨率重建方法 | |
CN104700376A (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 | |
CN104346776A (zh) | 基于Retinex理论的非线性图像增强方法及其*** | |
CN104182939B (zh) | 一种医疗影像图像细节增强方法 | |
US20120106836A1 (en) | Method and system for enhancing image sharpness based on local features of image | |
CN104299193B (zh) | 一种基于高频和中频信息的图像超分辨率重建方法 | |
CN102750682A (zh) | 一种处理矿工人脸图像与煤面光照不均的图像预处理方法 | |
CN104021531A (zh) | 一种改进的基于单尺度Retinex的暗环境图像的增强方法 | |
CN105931206A (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
Zhao et al. | A generalized detail-preserving super-resolution method | |
CN103593829A (zh) | 基于数学形态学运算的手背静脉显像方法 | |
CN103702116A (zh) | 一种图像的宽动态压缩方法和装置 | |
CN111325685B (zh) | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 | |
CN110415188B (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 | |
CN113222859B (zh) | 基于对数图像处理模型的低照度图像增强***及方法 | |
CN110175959B (zh) | 一种台风云图增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |