CN109658363A - 子块自适应融合的多层子块重叠直方图均衡方法及*** - Google Patents

Abstract

本发明公开一种子块自适应融合的多层子块重叠直方图均衡方法及***，通过修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；并在对子块进行快速BOHE算法之前先进行限定对比度操作，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；然后使用限定对比度的快速BOHE算法对原图像进行多层处理，来抑制噪声的放大并削弱由过度增强造成的人工假象问题，最后将多层处理的结果以子块为单位进行融合,增强图像的细节信息。

Description

子块自适应融合的多层子块重叠直方图均衡方法及***

技术领域

本发明涉及图像处理技术领域，具体涉及一种子块自适应融合的多层子块重叠直方图均衡方法及***。

背景技术

在实施成像过程中，由于自然光照环境，成像设备等各种因素的影响导致成像退化，造成图像局部细节模糊，从而直接影响到工程人员对目标特征的分析评价。提高图像对比度是一种广泛使用的图像质量增强技术，这种技术主要通过延展图像中目标物的灰度范围，实现对比度的提高，达到细节增强的目的。

全局直方图均衡(HE)是一种常见的图像对比度增强方法，其以简单快速的特点备受青睐。它的基本思想是通过将原始图像的灰度从比较集中的某个灰度区间变成全部范围内的均匀分布，达到提高对比度的目的。根据上述均衡原理的数学推导，可以求得这种图像像素灰度的转换函数为其累加直方图函数(CDF)。

经过直方图均衡化后，图像亮度提高了很多，其灰度范围也展宽了。全局直方图均衡法对整幅图像作单一映射，拓展了直方图分布的密集区域的对比度，从整体上提高了图像对比度，但压缩了稀疏区域的对比度，导致一些灰度级丢失，造成背景细节模糊。

子块重叠直方图均衡法(BOHE)将直方图均衡分散到图像的各局部区域，根据图像局部特性计算灰度变换函数，弥补了全局直方图均衡引起的灰度丢失的问题。通过一个模板来定义图像子区域的范围，使用此时模板覆盖区域的CDF对该区域的中心像素执行直方图均衡，模板每次移动一个像素，从图像的第一个像素开始执行上述操作，直到最后一个像素完成直方图均衡化。

但是，BOHE以过长的执行时间和严重对比度过度增强的问题而不广受使用。子块部分重叠直方图均衡法(POSHE)在BOHE的基础上，通过增大模板的移动步长而极大地减少了算法运行的时间。此外，POSHE每次对模板覆盖区域的所有像素进行直方图均衡，并且将每个像素每次均衡后的灰度值进行累加，再除以其累加的频次就是最后得到的POSHE增强的结果。然而，这种自行定义移动步长的方式对于不同尺寸的图像在选择时并没有一个既定的标准，步长太小，运行时间长，步长大，导致一些图像出现明显的块效应。

基于邻域子块修正的局部直方图均衡法(ABMHE)是对POSHE的一种改进算法，较为有针对性地选择局部区域进行均衡，这种算法的细节增强效果比POSHE好，但是需要事先根据图像的梯度值数值大小的比例识别图像的活跃区域和不活跃区域。保持亮度的双直方图均衡法(BBHE)，根据原图像的亮度将原图像直方图分解为两个子直方图分别做直方图均衡处理。当图像中像素的分布不对称时，该方法对于保持原图像亮度的效果就不够理想。基于显性方向的纹理直方图均衡化(DOTHE)将图像分成纹理区域和平滑区域单独处理，仅对纹理区域做直方图均衡化处理，解决背景与目标物模糊的问题。类似于BBHE和DOTHE这些旨在保护原图像亮度的对比度增强技术，对于增强低照度图像的对比度效果不是很显著。

多层子块重叠直方图均衡(MLBOHE)，通过对传统的BOHE中***部直方图的方式和模板移动的模式进行修正，发明了一种快速BOHE方法，有效地缩短了BOHE的运行时间。同时，通过研究模板大小与子块重叠直方图均衡(BOHE)结果的关系，MLBOHE中得出如下结论：使用的模板大小为原图像尺寸的1/2时，得到的BOHE增强图像的亮度分布要优于原图像；使用模板大小为原图像尺寸的1/4时，得到的BOHE增强图像的细节更多。使用模板大小为原图像尺寸的1/8时，得到的BOHE增强图像的物体轮廓更突出。基于快速BOHE方法，MLBOHE可以分为三个阶段来实现：1.将原始图像分别进行三次快速BOHE处理，三次使用的模板大小分别为原尺寸的1/2，1/4和1/8；2.将上述三次处理的三层结果分别使用尺寸为3×3，5×5和7×7的中值滤波器进行去噪；3.将去噪后的三层图像融合成一幅图像。融合的过程又分为两次，第一次融合是将去噪后的图像分别按照相应的权重来融合成一幅图像，此时三层的融合权重比等于三层图像与原图像的信息熵差的比；第二次融合是将上述三层图像融合后的图像与原图像进行融合。

MLBOHE在抑制噪声时选择使用的中值滤波器会模糊图像细节，并且在进行第一次融合时选择的融合方式是基于三层的全局图像信息熵与原图像的信息熵差来融合的，这种方式没有考虑到局部图像的细节，因此不利于最后融合图像细节的增强。

发明内容

有鉴于此，本发明提供一种子块自适应融合的多层子块重叠直方图均衡方法及***，其不仅能有效地抑制噪声，还能够削弱过度饱和的人工伪影的现象，使增强的图像有自然的视觉效果。

一种子块自适应融合的多层子块重叠直方图均衡方法，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下步骤：

S1、修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；

S2、在快速BOHE算法中引入限定对比度方法，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；

S3、使用限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。

一种子块自适应融合的多层子块重叠直方图均衡***，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下功能模块：

算法修正模块，用于修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；

限定对比度引入模块，用于在快速BOHE算法中引入限定对比度方法，以根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；

分层处理融合模块，用于使用引入了限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。

本发明所述子块自适应融合的多层子块重叠直方图均衡方法及***，其以MLBOHE为基础，针对MLBOHE算法中由使用中值滤波器去噪而引起的图像模糊的问题，提出了使用限定对比度的方法来抑制噪声。在对图像进行快速BOHE算法操作前，对子块先做限定对比度操作，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率。然后使用限定对比度的快速BOHE算法对原图像进行多层处理，来抑制噪声的放大并削弱由过度增强造成的人工假象问题，最后将多层处理的结果以子块为单位进行融合,增强图像的细节信息。

本发明所述子块自适应融合的多层子块重叠直方图均衡方法及***，其算法结构稳定，易于操作，不仅能有效地去雾，使去雾的图像更有层次感，同时在最大限度地减小过度增强的前提下能提高低照度图像的对比度来突出细节，令增强的图像的视觉效果自然且清晰。

附图说明

图1是本发明所述子块自适应融合的多层子块重叠直方图均衡方法的流程框图；

图2是快速BOHE算法中模板的移动路径与传统BOHE算法中模板的移动路径的比较示意图；

图3是图1中步骤S2的流程框图；

图4是直方图剪切结果比较示意图；

图5是图1中步骤S3的流程框图；

图6是本发明所述子块自适应融合的多层子块重叠直方图均衡***的模块框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明，应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种子块自适应融合的多层子块重叠直方图均衡方法，如图1所示，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下步骤：

S1、修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法。

具体的，所述快速BOHE算法将模板第一次覆盖区域的直方图作为基准直方图，并将模板自第一行起，以步长为1从行左至行右，并在行右以步长为1向下至第二行，然后再从以步长为1从行右至行左，以此类推，直到遍历完整个图像。在模板每次移动时，由于当前子区域与前一个子区域重叠区域的直方图在前一个子块中已经生成过，因此在创建当前子区域的直方图时无需再重新计算重叠区域的直方图，仅需要计算当前子块与前一个子块非重叠的区域的直方图。

如图2所示，图2使用模板大小为3×3的BOHE的移动过程示意图，传统的BOHE算法在模板移动的过程中，计算这个子区域的直方图时每次需要统计模板覆盖的子区域内所有像素的灰度值出现的频率。如图2(a)所示，当使用模板的大小为3×3时，模板第一次覆盖的子区域包括a,b,c,d,e,f,g,h,i,传统的BOHE算法需要统计整个子区域的像素值及其频率来计算当前子区域的直方图；模板移动一个像素，此时模板覆盖的区域更新为b,e,h,c,f,i,j,k,l,传统的BOHE算法仍然需要统计当前子区域的像素值及其频率来计算当前子区域的直方图，但是快速BOHE算法只需要统计j,k,l的像素值及其频率，即快速BOHE算法只需要统计当前子块与前一个子块不重叠区域的直方图。在模板的移动过程中从传统的BOHE算法的统计方式中可以发现，包含b,c,e,f,h,i的区域的直方图在前一个子块和当前的子块都被计算过，因此快速BOHE算法不再重新统计当前子块与前一个子块重叠区域的直方图。

传统的BOHE算法中模板从每一排的左边移到右边，直到遍历完整个图像，如图2(b)所示。快速BOHE算法中的模板的移动路线如图2(c)所示，自第一行起，以步长为1从行左至行右，并在行右以步长为1向下至第二行，然后再从以步长为1从行右至行左，以此类推，直到遍历完整个图像。

因此，改进后的BOHE算法在***部直方图时只需要将模板第一次覆盖区域的直方图作为基准直方图，此后模板每次移动时只需要计算当前子块与前一个子块不重叠区域的直方图即可。从而极大地减少了每次生成局部直方图需要计算的像素数量，其算法复杂度为O(n),而传统BOHE的算法复杂度为

O(MN(m+L))(1)

公式(1)中M×N表示原图像的尺寸，m×n表示模板的尺寸，L表示图像的灰度级数。

由此可以看出，改进后的BOHE算法极大地降低了算法的复杂度，提高了运行效率。

S2、在快速BOHE算法中引入限定对比度方法，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率。

为了能抑制BOHE算法增强的图像中的噪声污染，在进行快速BOHE之前，对子块其(先)进行限定对比度操作，通过限制对比度的增强来抑制噪声的放大。从直方图均衡原理已知像素的灰度转换函数是由其CDF决定的，所述灰度转换函数的公式如下：

公式(2)中，r表示原灰度值，p表示概率密度函数，L表示图像的灰度级数，s表示转换后的灰度值。从公式(2)中可知，像素转换后的灰度与其累加概率密度(累加直方图)成正比，因此减小累加概率密度函数的斜率就能降低对比度增强的比例，从而实现对比度的限制。

所述限定对比度是利用一个事先定义的阈值来剪切直方图中超过该阈值的部分，具体的，如图3所示,步骤S2包括以下分步骤：

S21、设置一个灰度级所占像素数目的上限阈值β,将原直方图h(n)(n＝0,1,2,...L-1.)中超过阈值β的像素数目更新为β，并将超过阈值β的像素数目进行累加,得到直方图中超过阈值的总数，记为Excess；

S22、记m＝Excess/L；如果h(n)(n＝0,1,2,...L-1.)<β-m，令h(n)＝h(n)+m,Excess＝Excess-m；

S23、如果β-m<h(n)(n＝0,1,2,...L-1.)<β，令h(n)＝β,Excess＝Excess+h(n)-β；

S24、继续分布剩下的像素数，如果此时Excess>0，h(n)(n＝0,1,2,...L-1.)<β，h(n)＝h(n)+1，Excess＝Excess-1，直到Excess＝0。

如图4(a)所示，选取的阈值为平均灰度像素数目的3倍，实线表示原直方图，虚线表示剪切后的直方图，通过限制每个灰度级上所占像素数的上限，来减小图像累加直方图的斜率，如图4(b)，实线表示原累加直方图，虚线表示剪切后的累加直方图，从而缩小像素转换后的灰度范围，达到削弱对比度的目的。

S3、使用引入了限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。

根据MLBOHE算法中研究的模版尺寸与BOHE算法增强结果的关系，本发明采用三层快速BOHE算法处理方式，其中第一层选用模板大小为原图像的1/2，第二层选用模板大小为原图像的1/4，第三层选用模板大小为原图像的1/8；相对应的每一层选择的灰度级所占像素数目的上限阈值β分别为子块平均灰度像素数目的2倍，3倍，4倍。

为了能使融合后的图像质量达到最优效果，在融合前应该分别以上述三层BOHE算法增强的图像的质量作为主要考量依据，即三层BOHE算法结果融合的权重分别与其图像质量成正比。由于本发明所述图像增强方法的目的主要是揭示图像隐藏的细节，因此，选用的图像质量标准是图像信息熵，熵越大，图像内容就越丰富。则增强后的图像与原图像的熵差越大，增强的细节就越多。

同时，为增强融合图像细节，发明采用的融合方式是基于子块质量来融合的。将三层增强后的图像分别分成数量大小一致的子块，以子块为单位进行融合，子块图像信息熵越大，表示其增强的细节越多，因此每一层中相同位置的子块融合时的权重比等于它们与原图像相同位置的子块的图像信息熵差的比，可表示为如下公式(3-4)：

w_i1:w_i2:...w_in＝(E_i1-E_i0):(E_i2-E_i0):...(E_in-E_i0) (3)

B＝{B_i},i＝1,...,m

公式(3)中，W_in表示第n层图像的第i个子块的权重，E_in表示第n层图像的第i个子块的熵，E_io表示原始图像的第i个子块的熵。公式(4)中B_i表示融合后的第i个子块，W_i,j表示第j层图像中的第i个子块的权重，B_i,j表示第j层图像中的第i个子块。

具体的，如图5所示，步骤S3包括以下分步骤：

S31、使用引入了限定对比度的快速BOHE算法对原始图像分别进行三层处理；

S32、将上述处理后的三层图像分别分成数量大小一致的子块，以子块为单位进行一一对应融合。

本发明所述子块自适应融合的多层子块重叠直方图均衡方法，其以MLBOHE为基础，针对MLBOHE算法中由使用中值滤波器去噪而引起的图像模糊的问题，提出了使用限定对比度的方法来抑制噪声。在对图像进行快速BOHE算法操作前，对子块先做限定对比度操作，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率。然后使用限定对比度的快速BOHE算法对原图像进行多层处理，来抑制噪声的放大并削弱由过度增强造成的人工假象问题，最后将多层处理的结果以子块为单位进行融合,增强图像的细节信息。

本发明所述子块自适应融合的多层子块重叠直方图均衡方法，其算法结构稳定，易于操作，不仅能有效地去雾，使去雾的图像更有层次感，同时在最大限度地减小过度增强的前提下能提高低照度图像的对比度来突出细节，令增强的图像的视觉效果自然且清晰，实现在低照度图像和雾天图像的亮度提高和局部细节的突出的同时有效避免其过度增强的问题。

基于上述子块自适应融合的多层子块重叠直方图均衡方法，本发明还提供一种子块自适应融合的多层子块重叠直方图均衡***，如图6所示，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下功能模块：

算法修正模块10，用于修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；

限定对比度引入模块20，用于在快速BOHE算法中引入限定对比度方法，以根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；

分层处理融合模块30，用于使用限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。

以上装置实施例与方法实施例是一一对应的，装置实施例简略之处，参见方法实施例即可。

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他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

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性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，但是这种实现不应超过本发明的范围。

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储存器、内存、只读存储器、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他形式的存储介质中。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下步骤：

S1、修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；

S2、在快速BOHE算法中引入限定对比度方法，根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；

S3、使用限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。

2.根据权利要求1所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述快速BOHE算法将模板第一次覆盖区域的直方图作为基准直方图，并在此后模板每次移动时，仅需计算当前子块与前一个子块的非重叠区域的直方图来创建当前子区域的直方图。

3.根据权利要求1所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述快速BOHE算法中，模板的移动路径为自第一行起，以步长为1从行左至行右，并在行右以步长为1向下至第二行，然后再从以步长为1从行右至行左，以此类推，直到遍历完整个图像。

4.根据权利要求1所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，根据快速BOHE算法中的灰度转换函数推算得知：像素转换后的灰度与其累加概率密度成正比。

5.根据权利要求4所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述灰度转换函数的公式如下：

上式中，r表示原灰度值，p表示概率密度函数，L表示图像的灰度级数，s表示转换后的灰度值。

6.根据权利要求1所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，步骤S2包括以下分步骤：

S21、设置一个灰度级所占像素数目的上限阈值β,将原直方图h(n)(n＝0,1,2,...L-1.)中超过阈值β的像素数目更新为β，并将超过阈值β的像素数目进行累加,得到直方图中超过阈值的总数，记为Excess；

S22、记m＝Excess/L；如果h(n)(n＝0,1,2,...L-1.)<β-m，令h(n)＝h(n)+m,Excess＝Excess-m；

S23、如果β-m<h(n)(n＝0,1,2,...L-1.)<β，令h(n)＝β,Excess＝Excess+h(n)-β；

S24、继续分布剩下的像素数，如果此时Excess>0，h(n)(n＝0,1,2,...L-1.)<β，h(n)＝h(n)+1，Excess＝Excess-1，直到Excess＝0。

7.根据权利要求1所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，步骤S3包括以下分步骤：

S31、使用引入了限定对比度的快速BOHE算法对原始图像分别进行三层处理；

S32、将上述处理后的三层图像分别分成数量大小一致的子块，以子块为单位进行一一对应融合。

8.根据权利要求7所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述三层处理中，第一层选用模板大小为原图像的1/2，第二层选用模板大小为原图像的1/4，第三层选用模板大小为原图像的1/8。

9.根据权利要求8所述子块自适应融合的多层子块重叠直方图均衡方法，其特征在于，所述第一层、第二层、第三层的灰度级所占像素数目的上限阈值分别为子块平均灰度像素数目的2倍，3倍，4倍。

10.一种子块自适应融合的多层子块重叠直方图均衡***，其特征在于，所述子块自适应融合的多层子块重叠直方图均衡方法包括以下功能模块：

算法修正模块，用于修改传统的BOHE算法中模板的移动路径，使当前子块与前一个子块之间仅存在一个步长移动的非重叠区域，形成快速BOHE算法；

限定对比度引入模块，用于在快速BOHE算法中引入限定对比度方法，以根据设定灰度级所占像素数目的上限阈值，减小快速BOHE算法中像素累加概率密度函数的斜率；

分层处理融合模块，用于使用限定对比度的快速BOHE算法对原图像进行多层处理，并将多层处理的结果以子块为单位进行融合。