CN113112438B - 一种基于裁剪直方图的图像增强方法 - Google Patents
一种基于裁剪直方图的图像增强方法 Download PDFInfo
- Publication number
- CN113112438B CN113112438B CN202110477068.9A CN202110477068A CN113112438B CN 113112438 B CN113112438 B CN 113112438B CN 202110477068 A CN202110477068 A CN 202110477068A CN 113112438 B CN113112438 B CN 113112438B
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- histograms
- histogram
- clipping
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation 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
- G06T5/40—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
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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)
Abstract
本发明公开了一种基于裁剪直方图的图像增强方法。该方法步骤如下:计算图像的中值,根据中值将图像分为两个子直方图;分别计算两个子直方图的平均亮度值;将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图;对每个子直方图进行裁剪处理;对每个子图像进行均化处理,再进行合并得到完整的增强图像。本发明利用直方图裁剪的算法来控制增强,抑制了噪声,提升了对比度,同时使增强后的图片细节保持良好。
Description
技术领域
本发明涉及图像增强技术领域,特别是一种基于裁剪直方图的图像增强方法。
背景技术
图像增强技术是数字图像处理的研究的重要方向,可以应用到多个领域,如:考古、医学图像处理和分析、摄影图像处理等。图像增强旨在增强图像亮度和保持局部细节的同时,减少噪声影响,提高图像的对比度。
直方图均化HE作为一种经典的图像增强算法,由于其简单、易于实现而得到广泛应用。HE将输入的图像像素均值进行均匀分配,可能导致图像的平均亮度和增强后的图像亮度差异过大,还可能产生噪声和边缘重影。基于直方图均化,研究者又提出了许多具有代表性的图像增强算法,比较有代表性的有对比度保持直方图均化BBHE、双子图像直方图均化DSIHE等,这些算法可能会导致过度增强和细节丢失。
发明内容
本发明的目的在于提供一种基于裁剪直方图的图像增强方法,使图像增强后亮度对比合理且具有良好的细节保持效果。
实现本发明目的的技术解决方案为:一种基于裁剪直方图的图像增强方法,包括以下步骤:
步骤1、计算图像的中值,根据中值将图像分为两个子直方图;
步骤2、分别计算两个子直方图的平均亮度值;
步骤3、将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图;
步骤4、对每个子直方图进行裁剪处理;
步骤5、对每个子图像进行均化处理,再进行合并得到完整的增强图像。
进一步地,步骤1所述计算图像的中值,根据中值将图像分为两个子直方图,具体如下:
假设图像的灰度值范围[0,L-1],则图像的概率密度函数h(x)定义为:
h(x)=H(x)/N (1)
上式中,H(x)为灰度值等于x的像素总和,且
输入图像的中值表示为一个灰度值Me,对应的积累密度函数为0.5;
定义变量z为:
z(x)=z(x-1)+h(x),x=0,1…L-1 (2)
且z(0)=h(0);
则Me定义为:
然后,根据Me将图像的直方图分割为两个子直方图hL和hH:
hL=h(x),x=0,1…Me (4)
hH=h(x),x=Me+1,…L-1 (5)
进一步地,步骤2所述分别计算两个子直方图的平均亮度值,具体如下:
两个子直方图hL和hH的平均亮度值分别表示为Iml和Imh,则
进一步地,步骤3所述将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图,具体为:
将Iml和Imh当做分割阈值,重新将直方图划分为3个子直方图h1,h2,h3,分别表示为:
h1(x)=h(x),x=0,1…Iml (8)
h2(x)=h(x),x=Iml+1,…Imh (9)
h3(x)=h(x),x=Imh+1,…L-1(10)
进一步地,步骤4所述对每个子直方图进行裁剪处理,具体如下:
利用每个子直方图灰度值的频率值的均值作为每个子直方图的裁剪阈值,分别表示为c1,c2,c3:
利用裁剪阈值对三个子直方图进行裁剪,得到裁剪后的直方图表示为h1 c、h2 c、h3 c:
对裁剪后的直方图进行归一化处理,得到归一化后的直方图,表示为:
进一步地,步骤5所述对每个子图像进行均化处理,再进行合并得到完整的增强图像,具体如下:
三个子直方图的累加频率CDF分别为C1,C2,C3,计算公式为:
求得每个子直方图的CDF后,使用直方图均化确定变换函数,得到增强的图像表示为p1、p2、p3:
p1=Iml×C1 (23)
p2=(Iml+1)+(Imh-Iml-1)×C2 (24)
p3=(Imh+1)+(L-Imh-2)×C3 (25)
将三幅增强的子图像合并后,得到完整的增强图像。
本发明与现有技术相比,具显著优点是:(1)充分利用直方图分割和直方图裁剪的优点,控制增强,抑制噪声,合理提升了对比度,使图像增强后在对比度和亮度保持方面都有很好的效果;(2)图像的局部细节得到了很好的保留,使图像增强后看起来自然不突兀。
附图说明
图1是本发明基于裁剪直方图的图像增强方法的流程图。
图2是本发明方法与其它图像增强算法的图像增强对比图。
具体实施方案
本发明基于裁剪直方图的图像增强方法,包括以下步骤:
步骤1、计算图像的中值,根据中值将图像分为两个子直方图;
步骤2、分别计算两个子直方图的平均亮度值;
步骤3、将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图;
步骤4、对每个子直方图进行裁剪处理;
步骤5、对每个子图像进行均化处理,再进行合并得到完整的增强图像。
进一步地,第一步,计算图像中值。
假设图像的灰度值范围[0,L-1],则图像的概率密度函数定义为:
h(x)=H(x)/N (1)
上式中,H(x)为灰度值等于x的像素总和,且
输入图像的中值表示为一个灰度值Me,其积累密度函数为0.5。
定义变量z为:
z(x)=z(x-1)+h(x),x=0,1…L-1 (2)
且z(0)=h(0)。
则中值Me定义为:
然后,根据中值,Me将图像的直方图分割为两个子直方图hL和hH。
hL=h(x),x=0,1…Me (4)
hH=h(x),x=Me+1,…L-1 (5)
进一步地,第二步,平均亮度值计算。
两个子直方图hL和hH的平均亮度值分别表示为Iml和Imh,则
进一步地,第三步,平均亮度值计算。
子直方图划分
将Iml和Imh当做分割阈值,重新将直方图划分为3个子直方图h1,h2,h3,分别表示为:
h1(x)=h(x),x=0,1…Iml (8)
h2(x)=h(x),x=Iml+1,…Imh (9)
h3(x)=h(x),x=Imh+1,…L-1 (10)
进一步地,第四步,子直方图裁剪。
利用每个子直方图灰度值的频率值的均值作为每个子直方图的裁剪阈值,分别表示为c1,c2,c3。
利用裁剪阈值对三个子直方图进行裁剪,得到裁剪后的直方图表示为:
对裁剪后的直方图进行归一化处理,得到归一化后的直方图,表示为:
进一步地,第五步,直方图均化处理和合并。
三个子直方图的累加频率CDF分别为C1,C2,C3,计算公式为:
求得每个子直方图的CDF后,使用直方图均化确定变换函数,得到增强的图像表示为:
p1=Iml×C1 (23)
p2=(Iml+1)+(Imh-Iml-1)×C2 (24)
p3=(Imh+1)+(L-Imh-2)×C3 (25)
将三幅增强的子图像合并后,得到完整的增强图像。
通过图2的仿真结果可以看出,第一~三行依次为第一~三幅图,其中第一列图为原始图像,第二列为BBHE算法处理后的图像,第三列为DSIHE算法处理后的图像,第四列为本发明方法处理后的图像。从图中可以看出,第一幅图在增强后BBHE和DSIHE带入了明显的噪声。第二幅图与原始图像对比度较低,BBHE和DSIHE两种算法出现过度增强。第三幅图中,BBHE增强后的效果不是很协调,DSIHE则带入了明显的噪声。而本发明算法在这三幅图像增强后都具有比较好的效果。结果表明,本发明方法利用直方图裁剪的算法来控制增强,抑制了噪声,合理提升了对比度,图片细节保持良好,使图像增强后看起来更协调。
Claims (2)
1.一种基于裁剪直方图的图像增强方法,其特征在于,包括以下步骤:
步骤1、计算图像的中值,根据中值将图像分为两个子直方图;
步骤2、分别计算两个子直方图的平均亮度值;
步骤3、将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图;
步骤4、对每个子直方图进行裁剪处理;
步骤5、对每个子图像进行均化处理,再进行合并得到完整的增强图像;
步骤1所述计算图像的中值,根据中值将图像分为两个子直方图,具体如下:
假设图像的灰度值范围[0,L-1],则图像的概率密度函数h(x)定义为:
h(x)=H(x)/N (1)
上式中,H(x)为灰度值等于x的像素总和,且
输入图像的中值表示为一个灰度值Me,对应的积累密度函数为0.5;
定义变量z为:
z(x)=z(x-1)+h(x),x=0,1…L-1 (2)
且z(0)=h(0);
则Me定义为:
然后,根据Me将图像的直方图分割为两个子直方图hL和hH:
hL=h(x),x=0,1…Me (4)
hH=h(x),x=Me+1,…L-1 (5)
步骤2所述分别计算两个子直方图的平均亮度值,具体如下:
两个子直方图hL和hH的平均亮度值分别表示为Iml和Imh,则
步骤3所述将两个子直方图的平均亮度值作为分割阈值,将原图分为三个子直方图,具体为:
将Iml和Imh当做分割阈值,重新将直方图划分为3个子直方图h1,h2,h3,分别表示为:
h1(x)=h(x),x=0,1…Iml (8)
h2(x)=h(x),x=Iml+1,…Imh (9)
h3(x)=h(x),x=Imh+1,…L-1 (10)
步骤4所述对每个子直方图进行裁剪处理,具体如下:
利用每个子直方图灰度值的频率值的均值作为每个子直方图的裁剪阈值,分别表示为c1,c2,c3:
利用裁剪阈值对三个子直方图进行裁剪,得到裁剪后的直方图表示为h1 c、h2 c、h3 c:
对裁剪后的直方图进行归一化处理,得到归一化后的直方图,表示为:
2.根据权利要求1所述的基于裁剪直方图的图像增强方法,其特征在于,步骤5所述对每个子图像进行均化处理,再进行合并得到完整的增强图像,具体如下:
三个子直方图的累加频率CDF分别为C1,C2,C3,计算公式为:
求得每个子直方图的CDF后,使用直方图均化确定变换函数,得到增强的图像表示为p1、p2、p3:
p1=Iml×C1 (23)
p2=(Iml+1)+(Imh-Iml-1)×C2 (24)
p3=(Imh+1)+(L-Imh-2)×C3 (25)
将三幅增强的子图像合并后,得到完整的增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110477068.9A CN113112438B (zh) | 2021-04-29 | 2021-04-29 | 一种基于裁剪直方图的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110477068.9A CN113112438B (zh) | 2021-04-29 | 2021-04-29 | 一种基于裁剪直方图的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112438A CN113112438A (zh) | 2021-07-13 |
CN113112438B true CN113112438B (zh) | 2024-05-07 |
Family
ID=76720560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110477068.9A Active CN113112438B (zh) | 2021-04-29 | 2021-04-29 | 一种基于裁剪直方图的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112438B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808048A (zh) * | 2021-09-23 | 2021-12-17 | 安徽理工大学 | 一种采掘模拟场图像增强*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
CN110136089A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像增强方法 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、***与计算机可读存储介质 |
-
2021
- 2021-04-29 CN CN202110477068.9A patent/CN113112438B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN110136089A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像增强方法 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、***与计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
直方图分割耦合裁剪控制均衡化的图像增强算法;越琳;高丽燕;;计算机工程与设计(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112438A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599415B (zh) | 基于局部自适应伽马校正的图像对比度增强实现方法 | |
Kaur et al. | Survey of contrast enhancement techniques based on histogram equalization | |
Ooi et al. | Bi-histogram equalization with a plateau limit for digital image enhancement | |
US9147238B1 (en) | Adaptive histogram-based video contrast enhancement | |
CN108765336B (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
CN106846276B (zh) | 一种图像增强方法及装置 | |
CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
CN108280836B (zh) | 一种图像处理方法及装置 | |
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 | |
CN111968041A (zh) | 一种自适应图像增强方法 | |
CN111709898B (zh) | 基于优化clahe的红外图像增强方法与*** | |
CN113112438B (zh) | 一种基于裁剪直方图的图像增强方法 | |
Srinivasan et al. | Adaptive contrast enhancement using local region stretching | |
Abdullah-Al-Wadud | A modified histogram equalization for contrast enhancement preserving the small parts in images | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
Zhu et al. | Image enhancement using fuzzy intensity measure and adaptive clipping histogram equalization | |
Hai et al. | Image enhancement based on contrast limited adaptive histogram equalization for 3D images of stereoscopic endoscopy | |
Feng et al. | Low-light image enhancement by refining illumination map with self-guided filtering | |
Li et al. | Saliency guided naturalness enhancement in color images | |
CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
CN112581400B (zh) | 基于高斯标准差和对比度调谐图像增强方法 | |
Kong et al. | Histogram based image enhancement for non-uniformly illuminated and low contrast images | |
Jain et al. | A survey of contrast enhancement technique for remote sensing images | |
Sandeepa et al. | Standard intensity deviation approach based clipped sub image histogram equalization algorithm for image enhancement | |
CN106952243A (zh) | Uuv近海面红外图像自适应归并直方图拉伸增强方法 |
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 |