CN109493302A - 一种基于云模型的图像增强方法 - Google Patents
一种基于云模型的图像增强方法 Download PDFInfo
- Publication number
- CN109493302A CN109493302A CN201811631355.5A CN201811631355A CN109493302A CN 109493302 A CN109493302 A CN 109493302A CN 201811631355 A CN201811631355 A CN 201811631355A CN 109493302 A CN109493302 A CN 109493302A
- Authority
- CN
- China
- Prior art keywords
- picture
- cloud model
- histogram
- image
- water dust
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000428 dust Substances 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000011426 transformation method Methods 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于云模型的图像增强方法,包括如下步骤:(1)判断类型:输入一张图片,判断图片是否为灰度图,如是则跳过下一步;(2)预处理:将输入的图片转换为灰度图;(3)计算参数:计算图片每个灰度级的平均概率、总体期望,并基于总体期望计算方差和标准差;(4)生成云滴:根据总体期望和标准差,利用正态云生成算法随机生成云滴,将生成的云滴组合成云模型;(5)统计像素;(6)规定直方图;(7)确定关系;(8)输出图片。本发明能够以较为通用的方式使得处理出来的图片更加清晰明亮、灰度平均对比度更高,图像的层次分明,且易于操作,相对于常规的针对不同的图像针对性的选择映射函数进行直方图规定化的方式而言,明显更具普适性。
Description
技术领域
本发明涉及一种基于云模型的图像增强方法。
背景技术
直方图均衡化能够增强整个图像的全局对比度,但我们却不容易控制他的增强效果。在实际用途上,我们经常期望有增强某个特定的灰度值范围内的对比度,这时就需要采用更加灵活的直方图规定化。一般来说,选择一个正确的规定化函数,增强后的效果比直方图均衡化更好。所以,直方图规定化是改进过后的直方图均衡化。直方图规定化,是指通过一个灰度映像函数,使一幅图像的直方图变成所期望的直方图而对图像进行变换的增强方法。常用的两种直方图规定化算法分别为单映射规则和组映射规则。在对图像增强的过程当中,虽然直方图均衡化能自动增强整个图像的对比度,但由于他的具体增强效果不好控制,处理结果总是得到全局的均衡化直方图,所以会用比较灵活的直方图规定化的方法去增强。但是对于不同的情况用什么样的映射函数是一个很麻烦的事情,缺乏一种较为通用的方法。
发明内容
为解决上述技术问题,本发明提供了一种基于云模型的图像增强方法,该基于云模型的图像增强方法能够以较为通用的方式使得处理出来的图片更加清晰明亮。
本发明通过以下技术方案得以实现。
本发明提供的一种基于云模型的图像增强方法,包括如下步骤:
(1)判断类型:输入一张图片,判断图片是否为灰度图,如是则跳过下一步;
(2)预处理:将输入的图片转换为灰度图;
(3)计算参数:计算图片每个灰度级的平均概率、总体期望,并基于总体期望计算方差和标准差;
(4)生成云滴:根据总体期望和标准差,利用正态云生成算法随机生成云滴,将生成的云滴组合成云模型;
(5)统计像素:统计图片的各灰度级像素数,再求出累积直方图;
(6)规定直方图:用云模型对累积直方图进行直方图规定化,得到经规定的累积直方图;
(7)确定关系:对比累积直方图和经规定的累积直方图,找到相差最小的灰度级,确定变换关系,重组直方图;
(8)输出图片:如图片经过步骤(2)的处理则反向转换,然后得到转换后的图片输出,如没经过步骤(2)的处理则直接输出。
所述步骤(2)是将图片的RGB色彩空间转换为YUV色彩空间,然后取Y分量作为图片灰度。
所述步骤(4)中,随机生成云滴是在0~255之间生成。
所述步骤(3)中计算计算图片每个灰度级的平均概率时,是设定一对比灰度值,让对比灰度值从0递增至255,递增过程中计算图片灰度值等于对比灰度值的像素点出现次数的概率,然后计算得到概率的平均值得到平均概率。
所述将图片的RGB色彩空间转换为YUV色彩空间,是通过RGB到YUV的转换公式进行计算完成。
所述步骤(8)中反向转换,是通过YUV到RGB的转换公式对图片像素进行计算完成。
本发明的有益效果在于:能够以较为通用的方式使得处理出来的图片更加清晰明亮、灰度平均对比度更高,图像的层次分明,且易于操作,相对于常规的针对不同的图像针对性的选择映射函数进行直方图规定化的方式而言,明显更具普适性。
具体实施方式
下面进一步描述本发明的技术方案,但要求保护的范围并不局限于所述。
本发明为一种基于云模型的图像增强方法,包括如下步骤:
(1)判断类型:输入一张图片,判断图片是否为灰度图,如是则跳过下一步;
(2)预处理:将输入的图片转换为灰度图;
(3)计算参数:计算图片每个灰度级的平均概率、总体期望,并基于总体期望计算方差和标准差;
(4)生成云滴:根据总体期望和标准差,利用正态云生成算法随机生成云滴,将生成的云滴组合成云模型;
(5)统计像素:统计图片的各灰度级像素数,再求出累积直方图;
(6)规定直方图:用云模型对累积直方图进行直方图规定化,得到经规定的累积直方图;
(7)确定关系:对比累积直方图和经规定的累积直方图,找到相差最小的灰度级,确定变换关系,重组直方图;
(8)输出图片:如图片经过步骤(2)的处理则反向转换,然后得到转换后的图片输出,如没经过步骤(2)的处理则直接输出。
所述步骤(2)是将图片的RGB色彩空间转换为YUV色彩空间,然后取Y分量作为图片灰度。
所述步骤(4)中,随机生成云滴是在0~255之间生成。
所述步骤(3)中计算计算图片每个灰度级的平均概率时,是设定一对比灰度值,让对比灰度值从0递增至255,递增过程中计算图片灰度值等于对比灰度值的像素点出现次数的概率,然后计算得到概率的平均值得到平均概率。
所述将图片的RGB色彩空间转换为YUV色彩空间,是通过RGB到YUV的转换公式进行计算完成。
所述步骤(8)中反向转换,是通过YUV到RGB的转换公式对图片像素进行计算完成。
一般对彩色图片进行增强,会在某个色彩空间内进行。最常用的颜色空间是RGB色彩空间。不过,如果对RGB色彩空间增强,一般会使得增强后的图片的RGB原图的三原色的比例跟原图的三原色比例不一致的结果,这样造成的后果会使增强后的图像出现色彩失真的情况。YUV(亦称YCrCb)是被欧洲电视***所采用的一种颜色编码方法(属于PAL),其中Y表示明亮度,而“U”和“V”表示的则是色度,用于指定像素的颜色。所以,在YUV色彩空间上Y分量进行增强,可以取得更加的增强效果。
对某一图片,通过程序实现对运用本发明、直方图均衡化和对数变换得到的图像进行分析,重点在平均灰度值和灰度平均对比度两个指标上,实验数据如表1:
表1增强后的两种指标参数
图像类型 | 平均灰度值 | 灰度平均对比度 |
原图 | 31.7112 | 10.3969 |
本发明 | 91.3103 | 46.3107 |
直方图均衡化 | 133.5571 | 35.4223 |
对数变换 | 104.2302 | 32.4661 |
跟原图比较,本发明、直方图均衡化以及对数变换三种方法都能较好地增强原图。但是三种增强方法当中,明显用云模型的方法处理出来的图片比用对数变换和直方图均衡化处理出来的图片更加清晰明亮,起得了更好的增强效果。
云模型之所以是处理不确定性问题的一大利器,主要还是因为云模型三个数字特征当中的超熵的存在。
对同一图片进行处理,基于不同的超熵,最终可得到如表2所示结果:
表2超熵不同的两种指标参数
图像类型 | 平均灰度值 | 灰度平均对比度 |
原图 | 155.9012 | 23.0529 |
He=0 | 129.6219 | 40.1282 |
He=10 | 129.6217 | 40.1384 |
He=100 | 129.5693 | 40.1423 |
He=1000 | 129.3289 | 40.2278 |
可见,图片平均灰度值随着云模型超熵的递增而呈现递减的情况,图片的平均对比度随着超熵的增加也呈现增加的情况。也就意味着,超熵越大,处理过后的云模型的对比度越高,图像的层次越分明。
Claims (6)
1.一种基于云模型的图像增强方法,其特征在于:包括如下步骤:
(1)判断类型:输入一张图片,判断图片是否为灰度图,如是则跳过下一步;
(2)预处理:将输入的图片转换为灰度图;
(3)计算参数:计算图片每个灰度级的平均概率、总体期望,并基于总体期望计算方差和标准差;
(4)生成云滴:根据总体期望和标准差,利用正态云生成算法随机生成云滴,将生成的云滴组合成云模型;
(5)统计像素:统计图片的各灰度级像素数,再求出累积直方图;
(6)规定直方图:用云模型对累积直方图进行直方图规定化,得到经规定的累积直方图;
(7)确定关系:对比累积直方图和经规定的累积直方图,找到相差最小的灰度级,确定变换关系,重组直方图;
(8)输出图片:如图片经过步骤(2)的处理则反向转换,然后得到转换后的图片输出,如没经过步骤(2)的处理则直接输出。
2.如权利要求1所述的基于云模型的图像增强方法,其特征在于:所述步骤(2)是将图片的RGB色彩空间转换为YUV色彩空间,然后取Y分量作为图片灰度。
3.如权利要求1所述的基于云模型的图像增强方法,其特征在于:所述步骤(4)中,随机生成云滴是在0~255之间生成。
4.如权利要求1所述的基于云模型的图像增强方法,其特征在于:所述步骤(3)中计算计算图片每个灰度级的平均概率时,是设定一对比灰度值,让对比灰度值从0递增至255,递增过程中计算图片灰度值等于对比灰度值的像素点出现次数的概率,然后计算得到概率的平均值得到平均概率。
5.如权利要求2所述的基于云模型的图像增强方法,其特征在于:所述将图片的RGB色彩空间转换为YUV色彩空间,是通过RGB到YUV的转换公式进行计算完成。
6.如权利要求1或2所述的基于云模型的图像增强方法,其特征在于:所述步骤(8)中反向转换,是通过YUV到RGB的转换公式对图片像素进行计算完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631355.5A CN109493302B (zh) | 2018-12-29 | 2018-12-29 | 一种基于云模型的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631355.5A CN109493302B (zh) | 2018-12-29 | 2018-12-29 | 一种基于云模型的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109493302A true CN109493302A (zh) | 2019-03-19 |
CN109493302B CN109493302B (zh) | 2021-07-30 |
Family
ID=65713202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811631355.5A Active CN109493302B (zh) | 2018-12-29 | 2018-12-29 | 一种基于云模型的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493302B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115701524A (zh) * | 2021-08-02 | 2023-02-10 | 深圳千木知微科技有限公司 | 空间结构框架的构建方法及使用其的导航方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727657A (zh) * | 2008-10-31 | 2010-06-09 | 李德毅 | 一种基于云模型的图像分割方法 |
CN105447837A (zh) * | 2016-02-04 | 2016-03-30 | 重庆邮电大学 | 基于自适应云模型的多模态脑部图像融合方法 |
CN107767388A (zh) * | 2017-11-01 | 2018-03-06 | 重庆邮电大学 | 一种结合云模型和水平集的图像分割方法 |
-
2018
- 2018-12-29 CN CN201811631355.5A patent/CN109493302B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727657A (zh) * | 2008-10-31 | 2010-06-09 | 李德毅 | 一种基于云模型的图像分割方法 |
CN105447837A (zh) * | 2016-02-04 | 2016-03-30 | 重庆邮电大学 | 基于自适应云模型的多模态脑部图像融合方法 |
CN107767388A (zh) * | 2017-11-01 | 2018-03-06 | 重庆邮电大学 | 一种结合云模型和水平集的图像分割方法 |
Non-Patent Citations (2)
Title |
---|
KUN QIN 等: "An Image Segmentation Approach Based on Histogram Analysis Utilizing Cloud Model", 《2010 SEVENTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY》 * |
张艳玲 等: "基于云模型聚类的***图像增强", 《广州大学学报( 自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115701524A (zh) * | 2021-08-02 | 2023-02-10 | 深圳千木知微科技有限公司 | 空间结构框架的构建方法及使用其的导航方法和*** |
CN115701524B (zh) * | 2021-08-02 | 2024-05-28 | 郑州克莱门斯智能科技有限公司 | 空间结构框架的构建方法及使用其的导航方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN109493302B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651818A (zh) | 基于改进的直方图均衡化低照度图像增强算法 | |
CN110084760A (zh) | 一种基于双伽马校正的全局自适应灰度图像增强方法 | |
CN101951523B (zh) | 一种自适应彩色图像处理方法及*** | |
CN101916431B (zh) | 一种低照度图像数据处理方法及*** | |
CN109584191B (zh) | 一种基于直方图的自适应图像增强方法及终端 | |
CN110298792B (zh) | 低光照图像增强与去噪方法、***及计算机设备 | |
CN103593830A (zh) | 一种低照度视频图像增强方法 | |
CN109919880A (zh) | 一种基于粒子群优化的红外图像增强方法 | |
CN110276764A (zh) | 基于K值估计的K-Means水下图像背景分割改进算法 | |
CN105184759A (zh) | 一种基于直方图紧致性变换的图像自适应增强方法 | |
CN111968041A (zh) | 一种自适应图像增强方法 | |
CN102194220B (zh) | 一种基于锐化强度与灰度分布结合的图像增强方法 | |
CN106327443A (zh) | 一种改进的遗传算法的夜间图像增强方法 | |
CN101211459A (zh) | 一种针对边界点进行处理的直方图均衡方法 | |
Gautam et al. | Efficient color image contrast enhancement using range limited bi-histogram equalization with adaptive gamma correction | |
CN105976342B (zh) | 一种自适应的灰度图像伪彩色处理方法 | |
Sun et al. | Brightness preserving image enhancement based on a gradient and intensity histogram | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN110175969A (zh) | 图像处理方法及图像处理装置 | |
CN105118029A (zh) | 一种基于人眼视觉特性的医学图像增强方法 | |
CN1329873C (zh) | 截断直方图均衡方法 | |
CN109493302A (zh) | 一种基于云模型的图像增强方法 | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
CN110580690A (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220608 Address after: 563000 Zunyi university student innovation and entrepreneurship Park, Ping'an Avenue, Xinpu New District, Zunyi City, Guizhou Province Patentee after: Guizhou Xingqian Information Technology Co.,Ltd. Address before: 563000 middle section of Ping'an Avenue, Xinpu New District, Zunyi City, Guizhou Province (Xinpu sub district office, Honghuagang District) Patentee before: ZUNYI NORMAL College |