CN111127343B - 一种直方图双控的红外图像对比度增强方法 - Google Patents

一种直方图双控的红外图像对比度增强方法 Download PDF

Info

Publication number
CN111127343B
CN111127343B CN201911237886.0A CN201911237886A CN111127343B CN 111127343 B CN111127343 B CN 111127343B CN 201911237886 A CN201911237886 A CN 201911237886A CN 111127343 B CN111127343 B CN 111127343B
Authority
CN
China
Prior art keywords
histogram
value
processing
truncation threshold
contrast enhancement
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.)
Active
Application number
CN201911237886.0A
Other languages
English (en)
Other versions
CN111127343A (zh
Inventor
戴声奎
陈翔程
张超
高剑萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaqiao University
Original Assignee
Huaqiao University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaqiao University filed Critical Huaqiao University
Priority to CN201911237886.0A priority Critical patent/CN111127343B/zh
Publication of CN111127343A publication Critical patent/CN111127343A/zh
Application granted granted Critical
Publication of CN111127343B publication Critical patent/CN111127343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种直方图双控的红外图像对比度增强方法，其技术方案包括：首先直方图进行均值归一化预处理，然后计算直方图中有效灰度级的占比值；根据有效灰度级占比设置直方图截断阈值，其中截断阈值与占比值成正比例并进行了数值保护处理；求取校正参数Gamma值，其中Gamma值与截断阈值成反比例关系；将直方图进行钳位处理后对部分数据进行Gamma校正处理；对直方图数据做后处理并进行经典直方图均衡操作，最终输出对比度增强的红外图像。本方法除了需要统计全图的直方图外，其余操作都是采用点处理算法，因此处理效率高，占用资源少实时性好,且该方法计算简单，直接对直方图进行处理，不需要对图像每个像素点进行操作，内部自适应控制，采用默认参数可达到较好的对比度增强效果，而且控制方式灵活，可以根据个人的视觉感知差异设置人工控制参数，以满足不同使用者的感官需求，增加算法的灵活性。

Description

一种直方图双控的红外图像对比度增强方法
技术领域
本发明属于红外图像和视频处理领域，尤其涉及一种直方图双控的红外图像对比度增强方法。
背景技术
受不同的红外拍摄设备精度的影响，所采集到的红外图像对比度不足，目标不明显，视觉感知效果不佳，因此对比度增强是红外图像处理领域的一种基本图像处理技术。
现有的红外对比度增强方法，根据调整对象可以分为两类方法。一类方法是直接对图像像素点进行调整，如利用Gamma值对图像像素点直接进行校正。此类方法的不足是全局校正参数Gamma为一个值，图像部分区域增强效果不足；另一类方法为通过对直方图直接进行伽马校正处理，不对直方图进行分成两部分处理。此类方法的不足是对直方图中数据进行统一处理，会存在增强不足或者过度增强的缺陷。
发明内容
本发明提供了一种直方图双控的红外图像对比度增强方法，用以解决现有红外图像对比度增强方法中细节丢失、参数非自适应等不足，使得对比度增强处理变得简单有效。
本发明采用如下技术方案：
一种直方图双控的红外图像对比度增强方法，包括以下步骤：
S1：对直方图进行均值归一化处理；
S2：计算直方图中有效灰度级的占比；
S3：根据有效灰度级占比计算得到直方图截断阈值及校正参数Gamma值；
S4：利用阈值对直方图进行钳位处理；
S5：将部分直方图数据进行Gamma校正处理；
S6：直方图数据后处理和直方图均衡处理。
所述步骤S1中直方图进行均值归一化处理，具体实现方法为：统计输入图像的直方图，进行均值归一化预处理操作，直方图归一化处理后乘上理论灰度差值，理论灰度差值的计算方法为理论最大灰度级减去理论最小灰度级然后加上常数值1。
所述步骤S2中计算直方图中有效灰度级的占比值，具体实现方法为：先统计直方图数值大于0的灰度级总数，然后除以理论灰度差值。
所述步骤S3中计算直方图截断阈值及校正参数Gamma值，具体实现方法为：根据所述有效灰度级的占比值计算得到直方图的截断阈值，然后利用所述截断阈值计算得到指数校正参数Gamma值，所述截断阈值与所述有效灰度级的占比值成正比例并进行了数值保护处理，所述Gamma值与所述截断阈值成反比例关系。
所述步骤S4中对直方图进行钳位处理，具体实现方法为：根据所述截断阈值对直方图进行钳位处理，将大于截断阈值的直方图数据设置等于截断阈值，防止直方图数据过大造成对比度增强过度。
所述步骤S5中对部分直方图数据进行Gamma校正处理，具体实现方法为：对直方图中小于1的部分数据进行参数为Gamma的幂指数校正，以提升直方图中的小数据，防止图像中的细节丢失。
所述步骤S6中直方图数据后处理和直方图均衡处理，具体实现方法为：将经过步骤S1-S5后的直方图数据加上与有效灰度级占比值成比例的一个调整值，最后进行经典的直方图均衡化操作，最终输出对比度增强的图像。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
1、计算简单，直接对直方图进行处理，不需要对图像每个像素点进行操作。内部自适应控制，采用默认参数可达到较好的对比度增强效果；
2、控制方式灵活，可以根据个人的视觉感知差异设置人工控制参数，以满足不同使用者的感官需求，增加算法的灵活性。
附图说明
图1为本发明的一种实现流程示意图；
图2为本发明实施时的待处理例图；
图3为本发明实施时的对比度增强结果图；
具体实施方式
如图1所示流程，本发明为一种直方图双控的红外图像对比度增强方法包括：对直方图进行均值归一化预处理；计算直方图中有效灰度级的占比；根据有效灰度级占比计算得到直方图截断阈值及校正参数Gamma值；利用阈值对直方图进行钳位处理；将部分直方图数据进行Gamma校正处理；对直方图数据后处理和调整。
以下通过具体实施方式对本发明作进一步的描述。
S1：对直方图进行均值归一化处理；
首先，读取8bit红外图像灰度图Iin，如图2，若输入图像为RGB、HIS、YUV等颜色空间的红外图像，则根据颜色空间转换公式或者直接采用亮度通道得到红外图像的灰度图。对于8bit的红外灰度图像，其最小灰度值kmin为0，最大灰度值kmax为255，理论灰度差值为28＝256，统计红外灰度图像的直方图，记为数组Histk，均值归一化操作为直方图除以总像素数归一化处理后再乘上理论灰度差值，即Hist_Meank＝(Histk/num)*Drange，式中Hist_Meank为均值归一化直方图，k为直方图中灰度级编号，num为图像的总像素数，Drange为图像的理论灰度范围，在此例子中Drange＝256。
S2：计算直方图中有效灰度级的占比值，
将直方图中灰度级数据大于0的灰度级称为有效灰度级，直方图中有效灰度级占比Ratio：为直方图Histk中数值大于0的灰度级总数除以理论灰度Drange范围，即Ratio＝∑kmin≤k≤kmaxH_bink/Drange，其中
Figure BDA0002304353640000041
表示对直方图的灰度级用布尔值进行标记，有效灰度级用1作为标记。
S3：计算直方图截断阈值及校正参数Gamma值；
直方图截断阈值可通过对有效灰度级占比乘上关键控制参数，并且控制其上限值，即T＝max(1.0，P1*Ratio)，T为均值归一化直方图的截断阈值，P1为关键控制参数，其默认参数为2，使用者也可根据个人视觉感知进行相应的调控；指数校正参数Gamma值则通过截断阈值计算得到，其变化与T成反比趋势，即Gamma＝a1/T，式中a1为相关控制参数，取值范围为[0.25，0.75]，默认取值为0.5。
S4：对直方图进行钳位处理；
利用上述计算得到的截断阈值T对均值归一化直方图进行钳位操作，具体为若均值归一化直方图中灰度级的数据大于阈值T，则该灰度级的数据设为等于截断阈值T，而小于截断阈值T的灰度级数据不变，即
Figure BDA0002304353640000042
此步骤操作为防止直方图数据过大，在后续进行灰度映射的时候会造成增强图像中对比度增强过度。
S5：对部分直方图数据进行Gamma校正处理；
通过计算得到的Gamma指数校正参数，对上述截断操作后的直方图Hist_Meank中小于均值1的数据进行参数为Gamma值的幂指数校正，而大于等于均值1的数据保持不变，得到Gamma幂指数校正后的直方图Hist_Gammak，即
Figure BDA0002304353640000051
此操作以提升直方图中的小数据，防止后续操作中直方图中的小数据被合并，导致增强过程中的细节丢失。
S6：中直方图数据后处理和直方图均衡处理；
在经过对均值归一化直方图进行阈值钳位操作及幂指数Gamma校正后，对直方图Hist_Gammak中所有数据统一加上一个调整值做为后处理操作，即Hist_Enk＝Hist_Gammak+P2*Ratio，式中P2为相关调整参数，取值范围为[00.5]，默认取值为0.1，最后对上述步骤处理后的直方图Hist_Enk，进行传统的直方图均衡操作，得到映射表，利用映射表对输入的红外灰度图像进行灰度映射，即得到对比度增强的输出图像Iout，如图3所示。
本发明提供的一种直方图双控的红外图像对比度增强方法，计算简单，直接对直方图进行处理，不需要对图像每个像素点进行操作。内部自适应控制，采用默认参数可达到较好的对比度增强效果；控制方式灵活，可以根据个人的视觉感知差异设置人工控制参数，以满足不同使用者的感官需求，增加算法的灵活性。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (3)

1.一种直方图双控的红外图像对比度增强方法，其特征在于，所述方法包括如下步骤：
S1：直方图进行均值归一化处理；
S2：计算直方图中有效灰度级的占比值；
S3：计算直方图截断阈值及校正参数Gamma值；
S4：对直方图进行钳位处理；
S5：对部分直方图数据进行Gamma校正处理；
S6：直方图数据后处理和直方图均衡处理；
所述步骤S2中计算直方图中有效灰度级的占比值，具体实现方法为：先统计直方图数值大于0的灰度级总数，然后除以理论灰度差值；
所述步骤S3中计算直方图截断阈值及校正参数Gamma值，具体实现方法为：根据所述有效灰度级的占比值计算得到直方图的截断阈值，然后利用所述截断阈值计算得到指数校正参数Gamma值；
所述截断阈值与所述有效灰度级的占比值成正比例并进行了数值保护处理，所述Gamma值与所述截断阈值成反比例关系。
2.根据权利要求1所述的直方图双控的红外图像对比度增强方法，其特征在于，所述步骤S1中直方图进行均值归一化预处理，具体实现方法为：统计输入图像的直方图，进行均值归一化预处理操作，直方图归一化处理后乘上理论灰度差值。
3.根据权利要求2所述的直方图双控的红外图像对比度增强方法，其特征在于，所述理论灰度差值的计算方法为理论最大灰度级减去理论最小灰度级然后加上常数值1。
CN201911237886.0A 2019-12-05 2019-12-05 一种直方图双控的红外图像对比度增强方法 Active CN111127343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911237886.0A CN111127343B (zh) 2019-12-05 2019-12-05 一种直方图双控的红外图像对比度增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911237886.0A CN111127343B (zh) 2019-12-05 2019-12-05 一种直方图双控的红外图像对比度增强方法

Publications (2)

Publication Number Publication Date
CN111127343A CN111127343A (zh) 2020-05-08
CN111127343B true CN111127343B (zh) 2023-03-24

Family

ID=70497753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911237886.0A Active CN111127343B (zh) 2019-12-05 2019-12-05 一种直方图双控的红外图像对比度增强方法

Country Status (1)

Country Link
CN (1) CN111127343B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419195B (zh) * 2020-11-26 2023-06-20 华侨大学 一种非线性变换的图像增强方法
CN112488969B (zh) * 2020-12-14 2023-06-20 华侨大学 一种基于人眼感知特性的多图融合增强方法
CN112785532B (zh) * 2021-01-12 2022-11-18 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN113298726A (zh) * 2021-05-14 2021-08-24 漳州万利达科技有限公司 一种图像显示调整方法、装置、显示设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101179650A (zh) * 2007-11-23 2008-05-14 西安交通大学 一种视频图像对比度增强方法及装置
CN110310250A (zh) * 2019-06-27 2019-10-08 华侨大学 一种基于最优化模型的全局直方图均衡方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5555672B2 (ja) * 2011-07-14 2014-07-23 東芝テック株式会社 画像処理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101179650A (zh) * 2007-11-23 2008-05-14 西安交通大学 一种视频图像对比度增强方法及装置
CN110310250A (zh) * 2019-06-27 2019-10-08 华侨大学 一种基于最优化模型的全局直方图均衡方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种自适应红外图像增强新算法;王利颖等;《信号处理》;20091225(第12期);全文 *

Also Published As

Publication number Publication date
CN111127343A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111127343B (zh) 一种直方图双控的红外图像对比度增强方法
CN111161163B (zh) 一种直方图双重伽马校正的红外图像对比度增强方法
CN107730475B (zh) 图像增强方法及***
CN109410126B (zh) 一种细节增强与亮度自适应的高动态范围图像的色调映射方法
CN107680056B (zh) 一种图像处理方法及装置
US8447132B1 (en) Dynamic range correction based on image content
CN109686342B (zh) 一种图像处理方法及装置
CN109584191B (zh) 一种基于直方图的自适应图像增强方法及终端
CN108198155B (zh) 一种自适用色调映射方法及***
CN109919859B (zh) 一种户外场景图像去雾增强方法、计算设备及其存储介质
CN110288546B (zh) 一种采用双向伽马变换的低照度图像增强方法
CN111709898B (zh) 基于优化clahe的红外图像增强方法与***
CN111105371A (zh) 一种低对比度红外图像的增强方法
CN104463806B (zh) 基于数据驱动技术的高度自适应图像对比度增强方法
CN112419195A (zh) 一种非线性变换的图像增强方法
US9571744B2 (en) Video processing method and apparatus
CN114998165A (zh) 一种基于直方图变换的均匀曝光图像对比度增强方法
CN110545412B (zh) 影像强化方法及计算机***
CN114187222A (zh) 一种低照度图像的增强方法、***及可存储介质
CN108564633B (zh) 灰度图像压缩方法、装置及计算机设备
CN111080563B (zh) 一种基于遍历寻优的直方图均衡方法
CN109801246B (zh) 一种自适应阈值的全局直方图均衡方法
CN113808045B (zh) 一种图像亮度调节方法及装置
CN112991240B (zh) 一种用于实时图像增强的图像自适应增强算法
CN109417616B (zh) 用于图像处理的方法和装置

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